森林防火事关人民群众生命财产安全和国家生态安全，雷击是引发森林火灾最主要的天然火源，森林雷击火监测发现难、精准定位难、扑救处置难，精准、高效的森林雷击火风险预报和探测预警技术与系统是实现雷击火早期探测预警的关键，传统的森林火灾识别模型通过火灾与背景的时空特征差异进行火灾特征检测，使森林火灾探测产生较高的误报率。
以生态与自然保护学院刘晓东教授为负责人的森林草原火灾风险防控技术创新团队将火险特征与火灾特征融合识别，提出了一种用于森林火灾探测的多模态融合人工智能模型MM-SRENet，如图所示，该模型在复杂森林场景的多模态数据集上训练与验证，成功识别不同场景下的烟雾特征与火灾潜在风险，与单模态模型相比，烟雾图像与火险数据的融合使识别精度提高15%以上，达到了93.68%。本方法将森林火灾预警和探测过程融合分析建模，实现森林火灾高精度探测，为人工智能技术在森林火灾探测预警中的应用探索出新的路径。
该研究成果发表在人工智能领域一区Top期刊《Engineering Applications of Artificial Intelligence》（影响因子：7.5），并基于该成果申请了国家发明专利“一种多模态融合的森林火灾监测预警技术、装置和设备”。
工学院硕士研究生金佩娴为论文第一作者，工学院程朋乐教授、生态与自然保护学院刘晓东教授为通讯作者，新濠天地赌博|北京林业大学为第一完成单位。本研究得到了国家重点研发计划项目“森林雷击火风险预报和探测预警技术与系统”(2023YFC3006800)和国家自然科学基金（32171797）的资助。
