論文の概要: A review of machine learning applications in wildfire science and management

• arxiv url: http://arxiv.org/abs/2003.00646v2
• Date: Wed, 19 Aug 2020 14:24:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-27 04:23:23.264748
• Title: A review of machine learning applications in wildfire science and management
• Title（参考訳）: 森林火災科学・管理における機械学習応用の展望
• Authors: Piyush Jain, Sean C P Coogan, Sriram Ganapathi Subramanian, Mark Crowley, Steve Taylor, Mike D Flannigan
• Abstract要約: 本稿では,山火事の科学と管理における機械学習(ML)のスコーピングレビューを紹介する。 我々の目標は、山火事の科学者やマネージャーの間でのMLの認識を改善することである。
• 参考スコア（独自算出の注目度）: 1.7322441975875131
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence has been applied in wildfire science and management since the 1990s, with early applications including neural networks and expert systems. Since then the field has rapidly progressed congruently with the wide adoption of machine learning (ML) in the environmental sciences. Here, we present a scoping review of ML in wildfire science and management. Our objective is to improve awareness of ML among wildfire scientists and managers, as well as illustrate the challenging range of problems in wildfire science available to data scientists. We first present an overview of popular ML approaches used in wildfire science to date, and then review their use in wildfire science within six problem domains: 1) fuels characterization, fire detection, and mapping; 2) fire weather and climate change; 3) fire occurrence, susceptibility, and risk; 4) fire behavior prediction; 5) fire effects; and 6) fire management. We also discuss the advantages and limitations of various ML approaches and identify opportunities for future advances in wildfire science and management within a data science context. We identified 298 relevant publications, where the most frequently used ML methods included random forests, MaxEnt, artificial neural networks, decision trees, support vector machines, and genetic algorithms. There exists opportunities to apply more current ML methods (e.g., deep learning and agent based learning) in wildfire science. However, despite the ability of ML models to learn on their own, expertise in wildfire science is necessary to ensure realistic modelling of fire processes across multiple scales, while the complexity of some ML methods requires sophisticated knowledge for their application. Finally, we stress that the wildfire research and management community plays an active role in providing relevant, high quality data for use by practitioners of ML methods.
• Abstract（参考訳）: 人工知能は1990年代からワイルドファイア科学や管理に応用され、ニューラルネットワークやエキスパートシステムなどの初期の応用例がある。 それ以来、環境科学における機械学習(ML)の普及に伴い、この分野は急速に進展してきた。 本稿では,山火事の科学とマネジメントにおけるMLのスコーピングレビューを紹介する。 私たちの目標は、山火事の科学者やマネージャのmlに対する意識の向上と、データサイエンティストが利用可能な山火事の科学における課題範囲の明確化です。 まず,これまでのワイルドファイア科学における一般的なmlアプローチの概要を述べるとともに,6つの問題領域におけるワイルドファイア科学におけるその利用について概観する。 1) 燃料のキャラクタリゼーション、火災検知及びマッピング 2 火災の天候及び気候変動 3) 火災の発生,感受性及びリスク 4) 火災行動予測 5) 火災の影響,及び 6) 火災管理。 また、様々なmlアプローチの利点と限界を議論し、データサイエンスのコンテキストにおけるワイルドファイア科学とマネジメントの将来の発展の機会を特定する。 そこでは,ランダムフォレスト,マゼント,ニューラルネットワーク,意思決定木,サポートベクターマシン,遺伝的アルゴリズムなど,ml手法が最も多く使用されている298の出版物を特定した。 より現在のML手法(例えばディープラーニングやエージェントベースの学習)を山火事科学に適用する機会がある。 しかし、機械学習モデルが独自の学習を行う能力があるにもかかわらず、複数のスケールにわたるファイヤープロセスの現実的なモデリングを保証するためには、山火事科学の専門知識が必要である。 最後に,野火研究・管理コミュニティが,ML手法の実践者による関連性の高い高品質なデータ提供に積極的な役割を担っていることを強調する。

関連論文リスト

• Metacognitive Capabilities of LLMs: An Exploration in Mathematical Problem Solving [86.04158840879727]
  そこで我々は,強力なLLMを付与し,有能なスキルラベルを数学の質問に割り当てるための,プロンプト誘導型対話手法を開発した。 次に、セマンティッククラスタリングを行い、スキルラベルの粗いファミリーを取得する。 これらの粗いスキルラベルは人間に解釈可能である。
  論文  参考訳（メタデータ） (2024-05-20T17:45:26Z)
• A Synergistic Approach to Wildfire Prevention and Management Using AI, ML, and 5G Technology in the United States [44.99833362998488]
  本研究は、アメリカ合衆国における山火事の検出および対処のための積極的な方法を検討する。 本研究の目的は,高度技術を用いた山火事の予防的検出と防止である。 AI対応のリモートセンシングや5Gベースのアクティブモニタリングなど、さまざまな方法により、アクティブな山火事の検出と管理が強化される。
  論文  参考訳（メタデータ） (2024-02-27T04:09:30Z)
• WildfireGPT: Tailored Large Language Model for Wildfire Analysis [12.898802729846857]
  WildfireGPTは、ユーザクエリを、山火事のリスクに関する実行可能な洞察に変換するために設計されたプロトタイプエージェントである。 我々は、WildfireGPTに気候予測や科学文献などの追加のコンテキストを提供することで、その情報が現在、関連性、科学的に正確であることを保証する。 これによってWildfireGPTは,さまざまなエンドユーザをサポートするために,山火事のリスクに関する詳細なユーザ特有の洞察を提供する上で,効果的なツールになります。
  論文  参考訳（メタデータ） (2024-02-12T18:41:55Z)
• Beyond Factuality: A Comprehensive Evaluation of Large Language Models as Knowledge Generators [78.63553017938911]
  大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。 しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。 本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
  論文  参考訳（メタデータ） (2023-10-11T08:22:37Z)
• Machine Learning Meets Advanced Robotic Manipulation [48.6221343014126]
  本論文は、最先端技術と、実世界の操作タスクに適用された機械学習手法の最近の動向についてレビューする。 論文の残りの部分は、産業、医療、農業、宇宙、軍事、捜索救助など、さまざまな分野におけるML応用に費やされている。
  論文  参考訳（メタデータ） (2023-09-22T01:06:32Z)
• FORFIS: A forest fire firefighting simulation tool for education and research [90.40304110009733]
  本稿では,Python で実装された森林火災消火シミュレーションツール FORFIS について述べる。 私たちのツールは underv3 ライセンスを公開しており、GUI と出力機能が追加されています。
  論文  参考訳（メタデータ） (2023-05-29T09:14:38Z)
• Assimilation of Satellite Active Fires Data [0.0]
  この論文の目的は、山火事のモデリング能力を改善することで、山火事の影響に対処する技術を開発することである。 特に,火災の履歴を構築する方法,山火事データを同化するための新しい技術,およびモデル化された火災の挙動を変更する方法を開発する。
  論文  参考訳（メタデータ） (2022-04-01T20:11:28Z)
• Wildfire risk forecast: An optimizable fire danger index [0.0]
  森林火災は世界中の多くの地域で深刻な被害をもたらしており、気候変動によって増加すると予想されている。 火災リスク指標は、火災のリスクを予測するために天気予報を使用する。 火災リスク指標の予測は、リスクの高い場所で資源を割り当てるために使用することができる。 そこで本研究では,勾配降下による内部パラメータの最適化が可能な微分可能な関数として,一指標(NFDRS IC)の新たな実装を提案する。
  論文  参考訳（メタデータ） (2022-03-28T14:08:49Z)
• Aerial Imagery Pile burn detection using Deep Learning: the FLAME dataset [9.619617596045911]
  FLAME(Fire Luminosity Airborne-based Machine Learning Evaluation)は、火災の空中画像のデータセットを提供する。 本論文は,アリゾナ松林において,所定の燃えるデトリタスの間,ドローンが収集した火災画像データセットを提供する。 また、この論文は2つの機械学習問題の解決策を強調している: 火炎の存在と不在に基づくビデオフレームのバイナリ分類。
  論文  参考訳（メタデータ） (2020-12-28T00:00:41Z)
• Dynamic Community Detection into Analyzing of Wildfires Events [55.72431452586636]
  本研究では,山火事の動態について,動的コミュニティ構造が明らかにする情報について検討する。 アマゾン盆地の火災イベントのMODISデータセットを用いた実験を行った。 以上の結果から,年間を通じて観測される山火事のパターンを明らかにすることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2020-11-02T17:31:47Z)
• Uncertainty Aware Wildfire Management [6.997483623023005]
  アメリカ合衆国では近年の山火事で生命が失われ、数十億ドルが失われた。 大規模に展開するリソースは限られており、火災の広がりを予測することは困難である。 本稿では,山火事対策のための意思決定論的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-15T17:47:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。