Một nghiên cứu mới công bố trên tạp chí khoa học quốc tế Remote Sensing (MDPI) đã giới thiệu phương pháp sử dụng trí tuệ nhân tạo kết hợp dữ liệu vệ tinh để tái dựng quá trình lan truyền cháy rừng với độ chính xác cao. Nghiên cứu được đánh giá là bước tiến quan trọng trong việc ứng dụng AI vào lĩnh vực viễn thám thiên tai, góp phần hỗ trợ cảnh báo sớm và nâng cao hiệu quả điều hành chữa cháy rừng.Kết hợp AI và dữ liệu vệ tinh để “theo dõi” đám cháyThông thường, việc xác định diễn biến của cháy rừng phụ thuộc vào ảnh vệ tinh, quan sát thực địa hoặc các mô hình mô phỏng vật lý. Tuy nhiên, các phương pháp truyền thống thường gặp nhiều hạn chế do dữ liệu vệ tinh không liên tục theo thời gian, bị che khuất bởi khói hoặc mây, trong khi công tác quan trắc thực địa lại khó triển khai tại các khu vực địa hình phức tạp.Để khắc phục những hạn chế này, nhóm nghiên cứu đã phát triển mô hình trí tuệ nhân tạo dựa trên mạng sinh đối kháng Wasserstein có điều kiện (conditional Wasserstein Generative Adversarial Network – cWGAN). Đây là một dạng AI có khả năng học từ dữ liệu quá khứ để tái tạo và dự báo diễn biến cháy rừng theo không gian và thời gian.Mô hình được huấn luyện bằng dữ liệu mô phỏng cháy rừng kết hợp thông tin địa hình và dữ liệu vệ tinh. Sau khi được đào tạo, hệ thống có thể dự đoán thời gian lửa lan tới từng vị trí trên mặt đất, từ đó tái dựng toàn bộ quá trình phát triển của đám cháy.Điểm đặc biệt của nghiên cứu là việc kết hợp đồng thời nhiều nguồn dữ liệu vệ tinh khác nhau. Trong đó, dữ liệu từ vệ tinh GOES được sử dụng để xác định thời điểm khởi phát cháy, còn dữ liệu từ vệ tinh VIIRS cung cấp thông tin về các điểm cháy đang hoạt động với độ phân giải cao hơn. Ngoài ra, dữ liệu địa hình cũng được tích hợp nhằm phản ánh tác động của độ dốc và địa hình đến hướng lan truyền của lửa.Huấn luyện AI bằng hàng trăm mô phỏng cháy rừngĐể xây dựng mô hình AI, nhóm nghiên cứu đã sử dụng dữ liệu mô phỏng của 140 vụ cháy rừng tại Mỹ trong năm 2023. Các mô phỏng được thực hiện bằng hệ thống WRF-SFIRE – một mô hình vật lý chuyên dùng để mô phỏng lan truyền cháy rừng kết hợp yếu tố khí tượng.Từ các mô phỏng này, nhóm nghiên cứu tạo ra bộ dữ liệu huấn luyện cho AI, bao gồm:thời gian lửa lan tới từng khu vực;dữ liệu phát hiện điểm cháy từ vệ tinh;dữ liệu địa hình;thông tin thời điểm bắt đầu cháy.Mô hình AI được huấn luyện trên hệ thống GPU hiệu năng cao với hàng trăm vòng lặp học máy. Sau quá trình huấn luyện, hệ thống có thể sinh ra hàng trăm kịch bản lan truyền cháy khác nhau để xác định xu hướng phát triển có khả năng xảy ra cao nhất.Theo nhóm nghiên cứu, thay vì chỉ đưa ra một kết quả duy nhất, mô hình có thể tính toán đồng thời mức độ không chắc chắn của dự báo. Điều này đặc biệt quan trọng đối với các hiện tượng thiên tai phức tạp như cháy rừng, nơi tốc độ và hướng lan truyền của lửa có thể thay đổi rất nhanh do ảnh hưởng của thời tiết, địa hình và vật liệu cháy.Kiểm chứng trên các vụ cháy thực tếĐể đánh giá hiệu quả của phương pháp mới, nhóm nghiên cứu đã thử nghiệm mô hình trên 5 vụ cháy rừng lớn từng xảy ra tại bang California và Washington (Mỹ), gồm:Bobcat;Tennant;Oak;Barnes;Williams Flats.Các vụ cháy này có điều kiện địa hình, quy mô và mật độ dữ liệu vệ tinh khác nhau, giúp kiểm tra khả năng thích ứng của mô hình trong nhiều tình huống thực tế.Kết quả cho thấy mô hình AI có thể tái dựng khá chính xác quá trình lan truyền cháy rừng trong 48 giờ đầu tiên kể từ khi phát cháy. Khi so sánh với dữ liệu đo thực tế bằng ảnh hồng ngoại độ phân giải cao từ chương trình NIROPS của Mỹ, các vùng cháy dự báo có độ tương đồng cao với hiện trạng thực tế.Nghiên cứu sử dụng chỉ số Sørensen–Dice để đánh giá mức độ khớp giữa vùng cháy dự báo và vùng cháy thực tế. Kết quả trung bình đạt khoảng 0,81; riêng một số trường hợp đạt tới 0,88 – được xem là mức độ chính xác khá cao đối với các bài toán dự báo cháy rừng quy mô lớn.Ngoài ra, mô hình cũng cho tỷ lệ cảnh báo nhầm tương đối thấp. Điều này cho thấy AI không chỉ có khả năng phát hiện đúng hướng phát triển của đám cháy mà còn hạn chế được việc dự báo lan rộng quá mức.Địa hình ảnh hưởng rõ rệt đến hướng cháy lanMột trong những nội dung đáng chú ý của nghiên cứu là đánh giá tác động của địa hình đến quá trình lan truyền cháy rừng.Nhóm nghiên cứu nhận thấy khi dữ liệu vệ tinh chưa đầy đủ hoặc xuất hiện khoảng trống quan trắc, thông tin địa hình đóng vai trò rất quan trọng trong việc giúp AI suy luận hướng phát triển của đám cháy.Kết quả thử nghiệm cho thấy lửa có xu hướng lan nhanh hơn theo hướng lên dốc và chậm hơn theo hướng xuống dốc. Trong các khu vực thiếu dữ liệu vệ tinh, mô hình AI đã sử dụng thông tin địa hình để xác định lại vị trí phát cháy và hướng lan truyền hợp lý hơn.Tuy nhiên, nghiên cứu cũng chỉ ra rằng khi dữ liệu vệ tinh đủ dày và liên tục, vai trò của địa hình sẽ giảm đi đáng kể. Điều này cho thấy dữ liệu vệ tinh vẫn là nguồn thông tin chủ đạo, còn dữ liệu địa hình đóng vai trò bổ trợ trong các tình huống thiếu quan trắc.Tốc độ xử lý rất nhanhMột ưu điểm lớn của phương pháp mới là tốc độ xử lý dữ liệu.Theo nhóm nghiên cứu, sau khi dữ liệu vệ tinh và địa hình được chuẩn hóa, hệ thống AI có thể tạo ra một bản đồ diễn biến cháy chỉ trong chưa đầy 0,1 giây. Nếu cần sinh đồng thời 500 kịch bản khác nhau để đánh giá độ tin cậy, toàn bộ quá trình cũng chỉ mất chưa đến 1 phút.Tốc độ này được xem là rất quan trọng đối với công tác ứng phó thiên tai trong thực tế, đặc biệt trong các tình huống cháy rừng phát triển nhanh và cần hỗ trợ ra quyết định gần thời gian thực.Các bản đồ diễn biến cháy có thể tích hợp trực tiếp lên nền tảng Google Earth hoặc hệ thống GIS để hỗ trợ lực lượng chữa cháy đánh giá mức độ nguy hiểm, xác định khu vực ưu tiên bảo vệ và xây dựng phương án ứng phó phù hợp.Tiềm năng ứng dụng trong tương laiTheo các nhà khoa học, phương pháp kết hợp AI và viễn thám này không chỉ hữu ích đối với cháy rừng mà còn mở ra hướng phát triển mới cho nhiều lĩnh vực giám sát thiên tai khác.Trong tương lai, công nghệ tương tự có thể được ứng dụng cho:dự báo lũ lụt;giám sát hạn hán;theo dõi sạt lở đất;mô phỏng phát tán khói bụi;đánh giá tác động biến đổi khí hậu;xây dựng hệ thống cảnh báo thiên tai thông minh.Nghiên cứu cũng cho thấy xu hướng chuyển đổi mạnh mẽ của ngành viễn thám hiện đại từ “quan sát” sang “phân tích và dự báo”. Nếu trước đây ảnh vệ tinh chủ yếu phục vụ theo dõi hiện trạng, thì hiện nay AI đang giúp dữ liệu viễn thám trở thành công cụ hỗ trợ dự báo và ra quyết định hiệu quả hơn.Gợi mở cho ứng dụng tại Việt NamTại Việt Nam, biến đổi khí hậu và thời tiết cực đoan đang làm gia tăng nguy cơ cháy rừng ở nhiều địa phương, đặc biệt tại khu vực miền Trung, Tây Nguyên và miền núi phía Bắc. Trong bối cảnh đó, việc ứng dụng công nghệ viễn thám và AI vào giám sát cháy rừng có ý nghĩa rất lớn.Hiện nay, Việt Nam đã khai thác nhiều nguồn dữ liệu vệ tinh phục vụ quản lý tài nguyên và môi trường. Tuy nhiên, việc tích hợp AI để tự động phân tích và dự báo diễn biến cháy rừng vẫn còn nhiều tiềm năng phát triển.Các nghiên cứu quốc tế như công trình nêu trên cho thấy nếu kết hợp hiệu quả dữ liệu vệ tinh, dữ liệu địa hình và trí tuệ nhân tạo, có thể xây dựng các hệ thống giám sát cháy rừng tự động với khả năng cảnh báo sớm và hỗ trợ điều hành gần thời gian thực.Đây cũng là xu hướng công nghệ quan trọng mà ngành viễn thám cần tiếp tục nghiên cứu, cập nhật và thúc đẩy ứng dụng trong thời gian tới nhằm nâng cao hiệu quả quản lý tài nguyên, bảo vệ môi trường và giảm thiểu rủi ro thiên tai.Nguồn tham khảo: Bài báo “Generative Algorithms for Wildfire Progression Reconstruction from Multi-Modal Satellite Active Fire Measurements and Terrain Height”, đăng trên tạp chí Remote Sensing (MDPI), 2026 Tạp chí: Remote Sensing Journal Số xuất bản: Volume 18, Issue 2 (2026) DOI chính thức:https://doi.org/10.3390/rs18020227 Văn phòng Cục Viễn thám quốc gia