野火是一场灾难，一场不受控制的大火，不仅烧毁了数千英亩的森林，还影响了人们的生活。由于它们不仅限于特定的大陆或环境，因此预测此类灾难非常具有挑战性。然而，斯坦福大学的研究人员为此设计了一种新的深度学习模型，该模型能够绘制出森林的干燥度图，从而更好地预测野火。由于要预测火势可能在哪里爆炸以及火势如何蔓延需要信息，新的人工智能驱动的模型可以绘制12个西部州（包括科罗拉多州、蒙大纳州、德克萨斯州、，怀俄明州和太平洋海岸）的燃油湿度水平。

由于该模型仍在开发中，因此可以检测出林火异常干燥的森林火灾高风险区域。主要作者和博士学位Krishna Rao表示。作为地球系统科学的学生，该模型需要进行更多的测试，以便可以找出消防管理决策并挽救生命和房屋。他说，由于该模型可以看到森林干燥的细节，因此可以揭示更大的风险区域，以帮助消防管理团队。

为了训练深度学习模型，研究人员从2015年开始使用了三年的数据，用于横跨美国西部的239个站点，当时获得了欧洲航天局的Sentinel-1卫星的SAR数据。正如Futurity指出的那样，他们利用了国家燃油水分数据库中的现场数据，并利用该数据从星载传感器收集的两种测量值中估算了燃油水分。由于一个涉及测量反射自地球的可见光，另一个称为合成孔径雷达（SAR），用于测量微波雷达信号的返回，该信号可以通过多叶树枝渗透到地面。

斯坦福大学地球系统科学助理教授AlexandraKonings说，他们的重大突破之一是研究使用更长波长的一组新卫星，并使观测结果对进入森林深处的水敏感。并直接代表燃料的水分含量。

数十年来，该报告指出，科学家已经根据有关温度、降水、枯死植物中的水分与活体干燥之间的关系的知情但未经证实的假设间接预测了燃料的水分含量。亚历山德拉说，新的深度学习模型可以显著改善火灾研究。

野火管理方面的这项新研究是在气候变化成为每个国家的关键问题并且正在迅速蔓延并在全球引发更多野火的时候进行的。

野火风险在很大程度上取决于点火源的可用性，植被和垃圾燃料的着火倾向以及一旦燃料点燃便易于蔓延。正如《国家地理杂志》所指出的那样，2020年6月至2020年9月之间的美国野火季节造成了严重的灾难。的确，今年夏天被认为是有记录以来最热的季节，据估计加州的干旱情况一直持续到9月。冠状病毒疫情引发的危机也加剧了这场灾难，因为它担心减缓工作，例如住宅房主援助计划和可控的烧伤，这是由于人们对社交疏远和呼吸系统危险的担忧所致。