論文の概要: California Wildfire Inventory (CAWFI): An Extensive Dataset for Predictive Techniques based on Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2509.11015v1
• Date: Sun, 14 Sep 2025 00:06:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:22.875993
• Title: California Wildfire Inventory (CAWFI): An Extensive Dataset for Predictive Techniques based on Artificial Intelligence
• Title（参考訳）: カリフォルニア・ワイルドファイア・インベントリ(CAWFI):人工知能に基づく予測技術のための広範囲なデータセット
• Authors: Rohan Tan Bhowmik, Youn Soo Jung, Juan Aguilera, Mary Prunicki, Kari Nadeau,
• Abstract要約: California Wildfire Inventory (CAWFI)は、山火事予測ソリューションの構築とトレーニングのための3700万以上のデータポイントからなる山火事データベースである。 このデータセットは、山火事の予測研究と解決策を可能にするとともに、他の地域での将来の山火事データベースの先例を設定することを目的としている。
• 参考スコア（独自算出の注目度）: 0.05219568203653522
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Due to climate change and the disruption of ecosystems worldwide, wildfires are increasingly impacting environment, infrastructure, and human lives globally. Additionally, an exacerbating climate crisis means that these losses would continue to grow if preventative measures are not implemented. Though recent advancements in artificial intelligence enable wildfire management techniques, most deployed solutions focus on detecting wildfires after ignition. The development of predictive techniques with high accuracy requires extensive datasets to train machine learning models. This paper presents the California Wildfire Inventory (CAWFI), a wildfire database of over 37 million data points for building and training wildfire prediction solutions, thereby potentially preventing megafires and flash fires by addressing them before they spark. The dataset compiles daily historical California wildfire data from 2012 to 2018 and indicator data from 2012 to 2022. The indicator data consists of leading indicators (meteorological data correlating to wildfire-prone conditions), trailing indicators (environmental data correlating to prior and early wildfire activity), and geological indicators (vegetation and elevation data dictating wildfire risk and spread patterns). CAWFI has already demonstrated success when used to train a spatio-temporal artificial intelligence model, predicting 85.7% of future wildfires larger than 300,000 acres when trained on 2012-2017 indicator data. This dataset is intended to enable wildfire prediction research and solutions as well as set a precedent for future wildfire databases in other regions.
• Abstract（参考訳）: 気候変動と世界の生態系の破壊により、山火事は世界中の環境、インフラ、人間の生活にますます影響を与えている。 さらに、悪化する気候危機は、予防措置が実施されない場合、これらの損失が増加し続けることを意味する。 人工知能の最近の進歩は、山火事管理技術を可能にするが、ほとんどのデプロイされたソリューションは、点火後の山火事の検出に焦点を当てている。 高精度な予測技術の開発には、機械学習モデルをトレーニングするための広範なデータセットが必要である。 本稿では,山火事予測ソリューションの構築と訓練のための3700万以上のデータポイントからなる山火事データベースであるCalifornia Wildfire Inventory(CAWFI)について述べる。 このデータセットは、2012年から2018年までのカリフォルニアの山火事のデータと、2012年から2022年までの指標データを収集している。 指標データは、先行指標(山火事発生条件に関連する気象データ)、後続指標(前および初期山火事活動に関連する環境データ)、地質指標(山火事リスクと拡散パターンを規定する植生・標高データ)から構成される。 CAWFIは、時空間人工知能モデルのトレーニングですでに成功しており、2012-2017年の指標データに基づいてトレーニングすると、将来の山火事の85.7%が30万エーカーを超えると予測されている。 このデータセットは、山火事の予測研究と解決策を可能にするとともに、他の地域での将来の山火事データベースの先例を設定することを目的としている。

関連論文リスト

• Deep Autoencoders for Unsupervised Anomaly Detection in Wildfire Prediction [42.447827727628734]
  森林火災は気候危機により地球生態系に深刻な危険をもたらす。 複雑な性質のため、機械学習のような野火の予測に対する革新的なアプローチが緊急に必要である。 この研究は、古典的な教師あり学習とは異なるユニークなアプローチを採り、教師なしの山火事予測のギャップに対処した。
  論文  参考訳（メタデータ） (2024-11-14T23:19:55Z)
• 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)
• 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)
• AI-based Wildfire Prevention, Detection and Suppression System [0.0]
  Wildfire Prevention, Detection and Suppression System (WPDSS)は、ホットスポットを効果的に予測し、山火事を検出する、新しく、完全に自動化され、エンドツーエンドのAIベースのソリューションである。 WPDSSは気候変動の影響を減らし、生態系や生物多様性を保護し、経済的損失を回避し、人命を救う。 WPDSSの力は世界中のあらゆる場所に応用でき、山火事を防ぎ抑制し、気候変動を抑えることができる。
  論文  参考訳（メタデータ） (2023-12-12T05:18:23Z)
• 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)
• GraphCast: Learning skillful medium-range global weather forecasting [107.40054095223779]
  我々は、再分析データから直接トレーニングできる「GraphCast」と呼ばれる機械学習ベースの手法を導入する。 全世界で10日以上、0.25度で、数百の気象変動を1分以内で予測する。 我々は,GraphCastが1380の検証対象の90%において,最も正確な運用決定システムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-12-24T18:15:39Z)
• 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)
• 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)
• 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)
• 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)

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。