論文の概要: Predicting Forest Fire Using Remote Sensing Data And Machine Learning
- arxiv url: http://arxiv.org/abs/2101.01975v1
- Date: Wed, 6 Jan 2021 11:22:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-11 00:14:05.867800
- Title: Predicting Forest Fire Using Remote Sensing Data And Machine Learning
- Title(参考訳): リモートセンシングデータと機械学習を用いた森林火災の予測
- Authors: Suwei Yang, Massimo Lupascu, Kuldeep S. Meel
- Abstract要約: 東南アジアでは、インドネシアは熱帯泥炭の森林火災によって最も影響を受けた国です。
既存の森林火災予報システムは手作りの特徴に基づいており、地上の高価な機器の設置とメンテナンスが必要である。
インドネシアにおける森林火災の予測にリモートセンシングデータを用いた新しい費用対効果の高い機械学習手法を提案する。
- 参考スコア(独自算出の注目度): 22.08694022993555
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Over the last few decades, deforestation and climate change have caused
increasing number of forest fires. In Southeast Asia, Indonesia has been the
most affected country by tropical peatland forest fires. These fires have a
significant impact on the climate resulting in extensive health, social and
economic issues. Existing forest fire prediction systems, such as the Canadian
Forest Fire Danger Rating System, are based on handcrafted features and require
installation and maintenance of expensive instruments on the ground, which can
be a challenge for developing countries such as Indonesia. We propose a novel,
cost-effective, machine-learning based approach that uses remote sensing data
to predict forest fires in Indonesia. Our prediction model achieves more than
0.81 area under the receiver operator characteristic (ROC) curve, performing
significantly better than the baseline approach which never exceeds 0.70 area
under ROC curve on the same tasks. Our model's performance remained above 0.81
area under ROC curve even when evaluated with reduced data. The results support
our claim that machine-learning based approaches can lead to reliable and
cost-effective forest fire prediction systems.
- Abstract(参考訳): 過去数十年間、森林破壊と気候変動により森林火災が増加している。
東南アジアでは、インドネシアは熱帯の泥炭林の森林火災で最も影響を受けた国である。
これらの火災は気候に大きな影響を与え、広範な健康、社会、経済問題を引き起こしている。
カナダ森林火災警報システムのような既存の森林火災予報システムは、手作りの特徴に基づいており、高額の機器を地上に設置し、メンテナンスする必要があるため、インドネシアのような発展途上国では困難である。
インドネシアの森林火災を予測するためにリモートセンシングデータを用いた,費用対効果の高い機械学習に基づく新しいアプローチを提案する。
我々の予測モデルは、受信演算子特性(ROC)曲線の下で0.81以上の領域を達成し、同じタスクにおいてROC曲線下で0.70を超えることのないベースラインアプローチよりも大幅に向上する。
モデルの性能は, ROC曲線下0.81領域に留まり, 縮小したデータで評価した。
その結果,機械学習に基づくアプローチが森林火災予測システムに信頼性と費用対効果をもたらす可能性が示唆された。
関連論文リスト
- Long-term drought prediction using deep neural networks based on
geospatial weather data [78.63225885697149]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
多様な時間的ニューラルネットワークモデルを用いたエンドツーエンドアプローチを導入することで、干ばつデータに対処する。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳(メタデータ) (2023-09-12T13:28:06Z) - Deep graphical regression for jointly moderate and extreme Australian
wildfires [0.7864304771129751]
オーストラリアの近年の山火事は、経済的損失と資産破壊に繋がった。
気候変動によってその強度、持続時間、頻度が悪化するのではないかという懸念が高まっている。
ファイアスプレッドの全分布を確実にモデル化するために,頑健な統計手法を開発することが不可欠である。
論文 参考訳(メタデータ) (2023-08-28T13:04:52Z) - Spain on Fire: A novel wildfire risk assessment model based on image
satellite processing and atmospheric information [1.8377229717030112]
毎年、野火はスペインの広い地域を破壊し、多くの生態系を脅かす。人類は、その90%(無視または挑発)を引き起こし、個人の行動は予測できない。
これらの事象の被害を軽減するため、我々は新しいワイルドファイア・アセスメント・モデル(WAM)を提案した。
我々の目標は、スペインにおける危険な地域の資源配分と意思決定を支援することで、山火事の経済的・生態的影響を予測することである。
論文 参考訳(メタデータ) (2023-06-08T08:55:16Z) - Neuroevolution-based Classifiers for Deforestation Detection in Tropical
Forests [62.997667081978825]
森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。
監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。
本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
論文 参考訳(メタデータ) (2022-08-23T16:04:12Z) - 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) - Country-wide Retrieval of Forest Structure From Optical and SAR
Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。
本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。
ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
論文 参考訳(メタデータ) (2021-11-25T16:21:28Z) - Preliminary Wildfire Detection Using State-of-the-art PTZ (Pan, Tilt,
Zoom) Camera Technology and Convolutional Neural Networks [0.0]
野生の火は、人間や自然によって引き起こされる可能性のある環境において、制御されていない火災である。
2020年だけで、カリフォルニア州の山火事は4200万エーカーの土地を燃やし、10,500の建物や建物を破壊し、31人以上が死んだ。
研究の目的は、森林火災が広がるのを防ぐため、初期の段階で森林火災を検出することである。
論文 参考訳(メタデータ) (2021-09-10T19:30:37Z) - From Static to Dynamic Prediction: Wildfire Risk Assessment Based on
Multiple Environmental Factors [69.9674326582747]
ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。
カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
論文 参考訳(メタデータ) (2021-03-14T17:56:17Z) - Assessing out-of-domain generalization for robust building damage
detection [78.6363825307044]
建築損傷検出は、衛星画像にコンピュータビジョン技術を適用することで自動化することができる。
モデルは、トレーニングで利用可能な災害画像と、新しいイベントの画像の間の分散の変化に対して堅牢でなければならない。
今後はOOD体制に重点を置くべきだと我々は主張する。
論文 参考訳(メタデータ) (2020-11-20T10:30:43Z) - Probing Predictions on OOD Images via Nearest Categories [97.055916832257]
ニューラルネットワークが未確認のクラスや破損したイメージから画像を分類する際のアウト・オブ・ディストリビューション(OOD)予測挙動について検討する。
我々は、トレーニングセットにおいて、最も近い隣人と同じラベルで分類されたOOD入力の分数を計算するため、新しい測度、最も近いカテゴリ一般化(NCG)を導入する。
我々は、OODデータがロバストネス半径よりも遥かに遠くにある場合でも、ロバストネットワークは自然訓練よりも一貫してNCG精度が高いことを発見した。
論文 参考訳(メタデータ) (2020-11-17T07:42:27Z) - Unmanned Aerial Systems for Wildland and Forest Fires [0.0]
森林火災は経済的損失、人命、重要な環境被害を引き起こす重要な自然災害である。
森林と森林の火災支援と戦闘のための専用ソリューションの開発に向けた研究が進められている。
無人航空システム(UAS)は操縦性のために有用であることが証明されている。
論文 参考訳(メタデータ) (2020-04-28T23:01:12Z)
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。