Nghiên cứu này trình bày một phương pháp tiếp cận mới để lập bản đồ khu vực bị cháy tự động bằng cách kết hợp tập dữ liệu AlphaEarth với kiến trúc học sâu Siamese U-Net. Bao gồm các hình ảnh hồng ngoại quang học và nhiệt có độ phân giải cao cùng các chú thích thực địa toàn diện, tập dữ liệu AlphaEarth cung cấp một nguồn tài nguyên chưa từng có để đào tạo một mô hình phát hiện khu vực bị cháy mạnh mẽ. Đào tạo mô hình trên tập dữ liệu Xu hướng Giám sát Mức độ Cháy (MTBS) từ lục địa Hoa Kỳ và đánh giá nó trên 17 khu vực châu Âu, phương pháp tiếp cận tổng thể được đề xuất đã đạt được hiệu suất tuyệt vời trên tập dữ liệu thử nghiệm: độ chính xác tổng thể là 95%, IoU là 0,6 và điểm F1 là 74%. Mô hình đã xác định thành công các khu vực bị cháy trên khắp các hệ sinh thái đa dạng với bối cảnh phức tạp, thể hiện những điểm mạnh đặc biệt trong việc phát hiện thảm thực vật bị cháy một phần và ranh giới cháy. Nó cũng chứng minh khả năng chuyển giao và khả năng khái quát hóa cao trong việc lập bản đồ khu vực bị cháy. Nghiên cứu này góp phần thúc đẩy việc đánh giá thiệt hại do cháy tự động và cung cấp một giải pháp có khả năng mở rộng để giám sát khu vực bị cháy toàn cầu bằng cách sử dụng tập dữ liệu AlphaEarth.
