論文の概要: Spain on Fire: A novel wildfire risk assessment model based on image
satellite processing and atmospheric information
- arxiv url: http://arxiv.org/abs/2306.05045v1
- Date: Thu, 8 Jun 2023 08:55:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-09 15:26:51.525276
- Title: Spain on Fire: A novel wildfire risk assessment model based on image
satellite processing and atmospheric information
- Title（参考訳）: スペイン・オン・ファイア : 衛星画像処理と大気情報に基づく新たな山火事リスク評価モデル
- Authors: Helena Liz-L\'opez, Javier Huertas-Tato, Jorge P\'erez-Aracil, Carlos
Casanova-Mateo, Julia Sanz-Justo, David Camacho
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.8377229717030112
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Each year, wildfires destroy larger areas of Spain, threatening numerous
ecosystems. Humans cause 90% of them (negligence or provoked) and the behaviour
of individuals is unpredictable. However, atmospheric and environmental
variables affect the spread of wildfires, and they can be analysed by using
deep learning. In order to mitigate the damage of these events we proposed the
novel Wildfire Assessment Model (WAM). Our aim is to anticipate the economic
and ecological impact of a wildfire, assisting managers resource allocation and
decision making for dangerous regions in Spain, Castilla y Le\'on and
Andaluc\'ia. The WAM uses a residual-style convolutional network architecture
to perform regression over atmospheric variables and the greenness index,
computing necessary resources, the control and extinction time, and the
expected burnt surface area. It is first pre-trained with self-supervision over
100,000 examples of unlabelled data with a masked patch prediction objective
and fine-tuned using 311 samples of wildfires. The pretraining allows the model
to understand situations, outclassing baselines with a 1,4%, 3,7% and 9%
improvement estimating human, heavy and aerial resources; 21% and 10,2% in
expected extinction and control time; and 18,8% in expected burnt area. Using
the WAM we provide an example assessment map of Castilla y Le\'on, visualizing
the expected resources over an entire region.
- Abstract（参考訳）: 毎年、山火事がスペインの広い地域を破壊し、多くの生態系を脅かす。
人間は90%(無視または挑発)の原因となり、個人の行動は予測できない。
しかし、大気および環境変数は野火の拡散に影響し、深層学習を用いて解析することができる。
これらの事故の被害を軽減するため,我々は,新たなワイルドファイアアセスメントモデル (wam) を提案した。
本研究の目的は,山火事の経済的・生態的影響を予測し,スペイン,カスティーリャ・イ・レヨン,アンダルク・イアの危険な地域での資源配分と意思決定を支援することである。
WAMは残差型畳み込みネットワークアーキテクチャを使用して、大気変数と緑度指数、計算に必要なリソース、制御と消滅時間、および予想される燃え尽き表面積の回帰を行う。
最初は、パッチ予測の目的をマスクした乱れのないデータの10万以上のサンプルを自己監督で事前訓練し、311件の山火事のサンプルを使用して微調整した。
事前訓練により、モデルは状況を理解し、ベースラインを1,4%、37%、9%改善し、人、重、航空資源を推定し、21%と102%の絶滅と制御時間、および18,8%の燃え尽き面積を予測できる。
WAMを使用して、すべての領域で期待されるリソースを視覚化する、Castilla y Le\'onのサンプルアセスメントマップを提供する。
関連論文リスト
- Bushfire Severity Modelling and Future Trend Prediction Across Australia: Integrating Remote Sensing and Machine Learning [0.43012765978447565]
本研究は,過去12年間のオーストラリアにおける森林火災の深刻度を詳細に分析した。
ランドサット画像を活用し,NDVI,NBR,バーン指数などのスペクトル指標と地形的・気候的要因を併用することにより,ロバストな予測モデルを構築した。
このモデルは86.13%の精度を達成し、様々なオーストラリアの生態系で火災の深刻度を予測する効果を示した。
論文 参考訳（メタデータ） (2024-09-18T04:57:48Z) - Efficient Localized Adaptation of Neural Weather Forecasting: A Case Study in the MENA Region [62.09891513612252]
地域レベルのダウンストリームタスクに特化して、リミテッド・エリア・モデリングに焦点を合わせ、モデルをトレーニングします。
我々は,気象予報が水資源の管理,農業,極度の気象事象の影響軽減に重要であるという,気象学的課題からMENA地域を考察する。
本研究では,パラメータ効率のよい微調整手法,特にローランド適応(LoRA)とその変種を統合することの有効性を検証することを目的とした。
論文 参考訳（メタデータ） (2024-09-11T19:31:56Z) - Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。
我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。
将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
論文 参考訳（メタデータ） (2024-04-08T09:13:16Z) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z) - Deep Learning for Global Wildfire Forecasting [1.6929753878977016]
我々は,世界規模の火災データセットを作成し,世界規模の火災発生地域をサブシーズン規模で予測するプロトタイプを実証する。
本稿では,季節・季節の消防車に関連する様々な変数を含む,オープンアクセスのグローバル分析対応データキューブを提案する。
我々は,地球規模の山火事予測をイメージセグメンテーションタスクとして扱う深層学習モデルを訓練し,その前に焼かれた8,16,32,64日間の存在を巧みに予測する。
論文 参考訳（メタデータ） (2022-11-01T15:39:01Z) - 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) - A Multi-Modal Wildfire Prediction and Personalized Early-Warning System
Based on a Novel Machine Learning Framework [0.0]
2018年のカリフォルニアの山火事は1848.5億ドルの損害を与えた。
何百万人もの影響を受けた人々の中で、障害者は不適切な警報手段によって不当に影響を受ける。
本プロジェクトでは,マルチモーダル山火事予報システムと早期警報システムを開発した。
論文 参考訳（メタデータ） (2022-08-18T22:03:32Z) - 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) - 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) - Predicting Forest Fire Using Remote Sensing Data And Machine Learning [22.08694022993555]
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。
論文 参考訳（メタデータ） (2021-01-06T11:22:55Z)
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。