森林防火事關人民群眾生命財產安全和國家生態安全，雷擊是引發森林火災最主要的天然火源，森林雷擊火監測發現難、精準定位難、撲救處置難，精準、高效的森林雷擊火風險預報和探測預警技術與系統是實現雷擊火早期探測預警的關鍵，傳統的森林火災識別模型通過火災與背景的時空特征差異進行火災特征檢測，使森林火災探測產生較高的誤報率。
以生態與自然保護學院劉曉東教授為負責人的森林草原火災風險防控技術創新團隊將火險特征與火災特征融合識別，提出了一種用于森林火災探測的多模態融合人工智能模型MM-SRENet，如圖所示，該模型在復雜森林場景的多模態數據集上訓練與驗證，成功識別不同場景下的煙霧特征與火災潛在風險，與單模態模型相比，煙霧圖像與火險數據的融合使識別精度提高15%以上，達到了93.68%。本方法將森林火災預警和探測過程融合分析建模，實現森林火災高精度探測，為人工智能技術在森林火災探測預警中的應用探索出新的路徑。
該研究成果發表在人工智能領域一區Top期刊《Engineering Applications of Artificial Intelligence》（影響因子：7.5），并基于該成果申請了國家發明專利“一種多模態融合的森林火災監測預警技術、裝置和設備”。
工學院碩士研究生金佩嫻為論文第一作者，工學院程朋樂教授、生態與自然保護學院劉曉東教授為通訊作者，北京林業大學為第一完成單位。本研究得到了國家重點研發計劃項目“森林雷擊火風險預報和探測預警技術與系統”(2023YFC3006800)和國家自然科學基金（32171797）的資助。
