这个系统所针对的研究区域因为在地球之肺的巴西，所以就仅仅局限于巴西的亚马逊热带雨林地区。因此可以研究的区域也就是亚马逊地区所在的州。当然这个只针对巴西地区的森林损毁监测提供了两种语言，英语和葡萄牙语。

简介

让可持续的未来成为我们唯一的预测：这是PrevisIA的目的，这是一个创新的平台，使用人工智能来显示巴西亚马逊地区有被砍伐的风险的地区。PrevisIA的开发源于改变关于森林的叙述方向的愿望，停止只看被砍伐的地区，并使用技术来预测即将发生的破坏，因此，提供数据来避免它。
PrevisIA是与亚马逊人与环境研究所（Imazon）、微软和Fundo Vale合作创建的，它分析了一系列变量，以表明生物群落中最有可能被砍伐的地区，包括地形、土地覆盖、官方和非官方道路、城市基础设施和社会经济数据。
该工具依靠Imazon开发的人工智能算法和微软Azure云平台的先进功能来进行这些分析。
此外，PrevisIA将其分析结果发布在一个向公众开放的仪表板上，并具有可访问的数据可视化功能，因此来自各个领域的人们可以很容易地找到可用的信息。因此，除了为必须保护森林的公共机构提供战略数据外，该工具还使社会参与保护亚马逊。
PrevisIA认为，比起恢复，有可能采取预防措施来保护森林。而这种行动现在就需要进行。

目的

建立这个平台的主要目的是利用AI智能监测非官方的道路，保护损毁的森林和卫星监测

这个平台用到的方法：

每个月，Imazon利用卫星数据，通过该机构的毁林警报系统监测巴西亚马逊地区的森林砍伐情况。通过这项技术，森林退化被公之于众，从而有助于提高人们对生物多样性丧失、碳排放和对原住民的威胁的认识和理解。如果我们能展望未来呢？如果我们能够预测生物群落可能被砍伐的地方，会发生什么？

我们将能够避免森林被推倒。这就是为什么我们创建了一个基于空间统计的森林砍伐预测模型，它将被PrevisIA使用，这是一个由Imazon、微软和Fundo Vale开发的创新平台。

PrevisIA带来了各种创新，例如一种新的人工智能（AI）算法，可以用卫星图像自动检测和监测非官方道路。这些道路是预测风险的最重要变量之一。

研究表明，亚马逊地区95%的累计毁林量位于距离道路5.5公里的范围内，90%的年度火灾发生在距离道路4公里的地方。这些道路是在森林中间开辟的，用于伐木、采矿和掠夺土地。

PrevisIA还带来了一个改进版的风险模型，其中有来自道路和森林砍伐的最新数据，以及最可能被清除森林的不同等级领土的统计资料。所有这些都是由于微软的Azure云平台的能力才得以实现的，该平台能够运行这些人工智能模型来检测道路并生成用于预测森林砍伐的统计数据。

PrevisIA的风险模型使用关于过去发生砍伐的地点的信息来生成对下一个森林砍伐日历中森林破坏概率的估计，该日历从8月到下一年的7月。因此，它是对短期毁林（最长12个月）的预测。这个模型还使用了空间分布的辅助变量，包括与道路（包括官方和非官方）、河流、地形、与保护区的距离以及社会经济数据的距离。

此外，这个模型的一个创新特点是它能够预测森林砍伐的风险，同时考虑其对空间和时间领域的影响。这允许将活跃的领土占领边界的影响与那些已经巩固的影响分开。在实践中，它提高了对森林砍伐风险的预测能力，使控制生物群落破坏的干预措施有更大的成功机会。

通过PrevisIA，我们已经开始了一个有利于森林的数据科学的新时代。我们将不再报告过去发生的事情，这将继续是必要的。但是，我们也将以科学、透明和可信赖的标准，告知哪些地方可能发生新的破坏。我们希望这项技术能被那些有责任捍卫森林的人使用，因为我们希望PrevisIA的预测永远不会成为现实。

小卡洛斯-索萨，Imazon公司的相关研究员和亚马逊监测项目协调员，加州大学圣巴巴拉分校的地理学博士。

更多的参考文献：

Read more:

1. Brandão, a. O. & Souza, C. M. (2006). Mapping unofficial roads with Landsat images: a new tool to improve the monitoring of the Brazilian Amazon rainforest. Int. J. Remote Sens. 27, 177–189.

2. Kumar, S.S., Roy, D.P., Cochrane, M.A., Souza, C.M., Barber, C.P. & Boschetti, L. (2014). A quantitative study of the proximity of satellite detected active fires to roads and rivers in the Brazilian tropical moist forest biome. Int. J. Wildl. Fire, 23, 532–543.

3. Barber, C.P., Cochrane, M.A., Souza, C.M. & Laurance, W.F. (2014). Roads, deforestation, and the mitigating effect of protected areas in the Amazon. Biol. Conserv., 177, 203–209.

4. Souza, C. (2020). Advances on Earth Observation and Artificial Intelligence to Map Unofficial Roads in the Brazilian Amazon Biome. AGU, https://agu.confex.com/agu/fm20/webprogram/Paper751644.html.

5. Sales, M., de Bruin, S., Herold, M., Kyriakidis, P. & Souza, C. (2017). A spatiotemporal geostatistical hurdle model approach for short-term deforestation prediction. Spat. Stat., 21, 304–318.

6. Rosa, I.M.D., Purves, D., Souza, C. & Ewers, R.M. (2013). Predictive Modelling of Contagious Deforestation in the Brazilian Amazon. PLoS One, 8, e77231.

整个应用的介绍：

地图的北京也可以切换成卫星影像：

 左侧是可以进行州的选取和州下面的一些地区的多区域封信啊评估，以及风险评估等扽

 在网页APP的中部区域有一个风险评估和监测的数量统计。并有日期可以选择：

 在最后会列出这个区域的所有风险评估等级

文章来源: blog.csdn.net，作者：此星光明2021年博客之星云计算Top3，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/qq_31988139/article/details/120863980