Fugu-MT 論文翻訳(概要): Generative Algorithms for Wildfire Progression Reconstruction from Multi-Modal Satellite Active Fire Measurements and Terrain Height

論文の概要: Generative Algorithms for Wildfire Progression Reconstruction from Multi-Modal Satellite Active Fire Measurements and Terrain Height

arxiv url: http://arxiv.org/abs/2506.10404v1
Date: Thu, 12 Jun 2025 06:54:51 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-13 15:37:22.614567
Title: Generative Algorithms for Wildfire Progression Reconstruction from Multi-Modal Satellite Active Fire Measurements and Terrain Height
Title（参考訳）: マルチモード衛星アクティブファイア計測と地形高さを用いた森林火災の進行復元のための生成アルゴリズム
Authors: Bryan Shaddy, Brianna Binder, Agnimitra Dasgupta, Haitong Qin, James Haley, Angel Farguell, Kyle Hilburn, Derek V. Mallia, Adam Kochanski, Jan Mandel, Assad Oberai,
Abstract要約: WRF-SFIREによる歴史的山火事のシミュレーションにより, 条件付きジェネレーティブ・アドリアル・ネットワークを訓練した。火災発生時刻を簡潔に表現し、WRF-SFIREソリューションに近似観測演算子を適用して訓練用測定値を求める。このモデルは、到着時刻、測度、地形の逆転を訓練し、一度訓練された場合、実際の火災の測定とそれに対応する地形データを利用して、到着時刻のサンプルを生成する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Increasing wildfire occurrence has spurred growing interest in wildfire spread prediction. However, even the most complex wildfire models diverge from observed progression during multi-day simulations, motivating need for data assimilation. A useful approach to assimilating measurement data into complex coupled atmosphere-wildfire models is to estimate wildfire progression from measurements and use this progression to develop a matching atmospheric state. In this study, an approach is developed for estimating fire progression from VIIRS active fire measurements, GOES-derived ignition times, and terrain height data. A conditional Generative Adversarial Network is trained with simulations of historic wildfires from the atmosphere-wildfire model WRF-SFIRE, thus allowing incorporation of WRF-SFIRE physics into estimates. Fire progression is succinctly represented by fire arrival time, and measurements for training are obtained by applying an approximate observation operator to WRF-SFIRE solutions, eliminating need for satellite data during training. The model is trained on tuples of fire arrival times, measurements, and terrain, and once trained leverages measurements of real fires and corresponding terrain data to generate samples of fire arrival times. The approach is validated on five Pacific US wildfires, with results compared against high-resolution perimeters measured via aircraft, finding an average Sorensen-Dice coefficient of 0.81. The influence of terrain height on the arrival time inference is also evaluated and it is observed that terrain has minimal influence when the inference is conditioned on satellite measurements.
Abstract（参考訳）: 山火事の発生が増加し、山火事拡散予測への関心が高まった。しかし、最も複雑な山火事モデルでさえ、複数日のシミュレーションで観測された進行から分岐し、データ同化の必要性を動機付けている。複雑な結合型大気-火炎モデルに測定データを同化するための有用なアプローチは、測定から山火事の進行を推定し、この進行を利用して大気状態が一致するようにすることである。本研究では,VIIRS活性火力測定,GOES起源の着火時間,標高データから火災の進行を推定する手法を開発した。コンディショナル・ジェネレーティブ・アドバイサル・ネットワークは、大気-風火モデルWRF-SFIREからの歴史的山火事のシミュレーションで訓練され、WRF-SFIRE物理を推定に組み込むことができる。火災発生時刻を簡潔に表現し、WRF-SFIREソリューションに近似観測演算子を適用して、訓練中の衛星データの必要性をなくし、訓練のための測定値を得る。このモデルは、到着時刻、測度、地形のタプルに基づいて訓練され、一度訓練された場合、実際の火災の測定とそれに対応する地形データを活用して、到着時刻のサンプルを生成する。この手法は太平洋の5回の山火事で検証され、航空機によって測定された高分解能周波と比較され、平均ソレンセン・ディス係数は0.81である。また, 地形の高さが到着時刻推定に与える影響も評価し, 衛星観測で推定した場合の地形への影響は最小限であることが確認された。

関連論文リスト

Fire-Image-DenseNet (FIDN) for predicting wildfire burnt area using remote sensing data [15.516417504988313]
深層学習に基づく予測モデルFire-Image-DenseNet(FIDN)を開発した。 FIDNは、山火事の環境および気象要因に関する、ほぼリアルタイムおよび再分析データから得られた空間的特徴を用いる。平均二乗誤差 (MSE) は, 細胞オートマトン (CA) と最小走行時間 (MTT) に基づく予測モデルよりも約82%, 67%低い値を示した。
論文参考訳（メタデータ） (2024-12-02T11:35:31Z)
Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
論文参考訳（メタデータ） (2024-08-08T06:47:21Z)
Modelling wildland fire burn severity in California using a spatial Super Learner approach [0.04188114563181614]
米国西部の森林火災の頻度が高まる中、燃え尽き症候群を理解・正確に予測するツールを開発する必要がある。遠隔で検知した火災予報データを用いて,燃焼後重大度を予測する機械学習モデルを開発した。このモデルが実装されると、カリフォルニアの人命、財産、資源、生態系が失われる可能性がある。
論文参考訳（メタデータ） (2023-11-25T22:09:14Z)
FLOGA: A machine learning ready dataset, a benchmark and a novel deep learning model for burnt area mapping with Sentinel-2 [41.28284355136163]
森林火災は人間や動物の生活、生態系、社会経済の安定に重大な脅威をもたらす。本研究では、FLOGA(Forest wiLdfire Observations for the Greek Area)と名付けた機械学習可能なデータセットを作成し、導入する。このデータセットは、山火事の前後に取得された衛星画像からなるため、ユニークなものである。我々はFLOGAを用いて、複数の機械学習アルゴリズムとディープラーニングアルゴリズムの徹底的な比較を行い、バーント領域の自動抽出を行う。
論文参考訳（メタデータ） (2023-11-06T18:42:05Z)
Generative Algorithms for Fusion of Physics-Based Wildfire Spread Models with Satellite Data for Initializing Wildfire Forecasts [0.0]
衛星による火災検出の最近の進歩は、火災拡散予測を改善するために測定を使用する機会を与えている。本研究は,衛星観測から山火事の歴史を推定する手法を開発した。
論文参考訳（メタデータ） (2023-09-05T23:24:34Z)
A generative model for surrogates of spatial-temporal wildfire nowcasting [13.551652250858144]
3次元ベクトル量子変分オートコーダを用いて生成モデルを提案する。このモデルは、最近カリフォルニア州で起きた大規模な山火事(チムニー火災)のエコリージョンでテストされている。数値的な結果から, 連続かつ構造的な火災シナリオの生成に成功した。
論文参考訳（メタデータ） (2023-08-05T06:54:18Z)
Image-Based Fire Detection in Industrial Environments with YOLOv4 [53.180678723280145]
この研究は、AIが火災を検出し、認識し、画像ストリーム上のオブジェクト検出を使用して検出時間を短縮する可能性を検討する。そこで我々は, YOLOv4オブジェクト検出器をベースとした複数のモデルのトレーニングと評価に使用されてきた複数の公開情報源から, 適切なデータを収集, ラベル付けした。
論文参考訳（メタデータ） (2022-12-09T11:32:36Z)
Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文参考訳（メタデータ） (2021-07-14T21:10:47Z)
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)
Modeling Wildfire Perimeter Evolution using Deep Neural Networks [0.0]
本研究では,24時間間における山火事周囲の進化を予測できる山火事拡散モデルを提案する。このモデルはカリフォルニアのシエラネバダ山脈西部の山火事から、実際の歴史的データセットから、山火事の拡散力学を学習することができる。
論文参考訳（メタデータ） (2020-09-08T20:06:01Z)
Federated Learning in the Sky: Joint Power Allocation and Scheduling with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
論文参考訳（メタデータ） (2020-02-19T14:04:01Z)

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。