論文の概要: Probabilistic Wildfire Susceptibility from Remote Sensing Using Random Forests and SHAP

• arxiv url: http://arxiv.org/abs/2511.11680v1
• Date: Wed, 12 Nov 2025 06:05:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:22.980187
• Title: Probabilistic Wildfire Susceptibility from Remote Sensing Using Random Forests and SHAP
• Title（参考訳）: ランダム森林とSHAPを用いたリモートセンシングによる確率的山火事の感受性
• Authors: Udaya Bhasker Cheerala, Varun Teja Chirukuri, Venkata Akhil Kumar Gummadi, Jintu Moni Bhuyan, Praveen Damacharla,
• Abstract要約: 森林火災は世界中の生態系に重大な脅威をもたらす。 本研究は、ランダム森林アルゴリズムを用いて、カリフォルニアの総合的な山火事リスクマップを作成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）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Wildfires pose a significant global threat to ecosystems worldwide, with California experiencing recurring fires due to various factors, including climate, topographical features, vegetation patterns, and human activities. This study aims to develop a comprehensive wildfire risk map for California by applying the random forest (RF) algorithm, augmented with Explainable Artificial Intelligence (XAI) through Shapley Additive exPlanations (SHAP), to interpret model predictions. Model performance was assessed using both spatial and temporal validation strategies. The RF model demonstrated strong predictive performance, achieving near-perfect discrimination for grasslands (AUC = 0.996) and forests (AUC = 0.997). Spatial cross-validation revealed moderate transferability, yielding ROC-AUC values of 0.6155 for forests and 0.5416 for grasslands. In contrast, temporal split validation showed enhanced generalization, especially for forests (ROC-AUC = 0.6615, PR-AUC = 0.8423). SHAP-based XAI analysis identified key ecosystem-specific drivers: soil organic carbon, tree cover, and Normalized Difference Vegetation Index (NDVI) emerged as the most influential in forests, whereas Land Surface Temperature (LST), elevation, and vegetation health indices were dominant in grasslands. District-level classification revealed that Central Valley and Northern Buttes districts had the highest concentration of high-risk grasslands, while Northern Buttes and North Coast Redwoods dominated forested high-risk areas. This RF-SHAP framework offers a robust, comprehensible, and adaptable method for assessing wildfire risks, enabling informed decisions and creating targeted strategies to mitigate dangers.
• Abstract（参考訳）: 森林火災は世界中の生態系に重大な脅威となり、カリフォルニアは気候、地形の特徴、植生パターン、人間活動など様々な要因により繰り返し火災を経験している。 本研究の目的は、モデル予測を解釈するために、Shapley Additive ExPlanations (SHAP) を通じて Explainable Artificial Intelligence (XAI) で拡張されたランダムフォレスト (RF) アルゴリズムを適用し、カリフォルニアの総合的な山火事リスクマップを開発することである。 モデル性能は空間的および時間的検証戦略を用いて評価した。 RFモデルでは,草地 (AUC = 0.996) と森林 (AUC = 0.997) をほぼ完全に識別し,高い予測性能を示した。 ROC-AUC値は森林では0.6155、草地では0.5416である。 対照的に、時間分割検証では、特に森林(ROC-AUC = 0.6615, PR-AUC = 0.8423)の一般化が促進された。 SHAPをベースとしたXAI分析では,土壌有機炭素,木被覆,正規化相違植生指数(NDVI)が森林に最も影響を及ぼすのに対し,土地表面温度(LST),標高,植生健康指数は草原に優占していた。 地域レベルでの分類では、セントラルバレーと北ビュート地区が高リスクの草原の濃度が最も高く、北ビュートとノースコーストレッドウッドが森林の多い高リスク地域を支配していた。 このRF-SHAPフレームワークは、山火事のリスクを評価し、情報的な決定を可能にし、危険を軽減するためのターゲット戦略を作成するための、堅牢で理解可能な適応可能な方法を提供する。

関連論文リスト

• Synergistic Neural Forecasting of Air Pollution with Stochastic Sampling [50.3911487821783]
  大気汚染は世界的な健康と環境のリスクの先駆けであり、特に山火事、都市干ばつ、塵嵐による大気汚染の急激な増加に弱い地域ではなおもである。 本稿では,気象および大気組成データを統合し,平均および極端汚染レベルの予測を改善する高分解能神経予測モデルであるSynCastを提案する。
  論文  参考訳（メタデータ） (2025-10-28T01:18:00Z)
• Dual-Task Learning for Dead Tree Detection and Segmentation with Hybrid Self-Attention U-Nets in Aerial Imagery [1.693687279684153]
  本研究では,深層学習に基づく木分割を改良するハイブリッド後処理フレームワークを提案する。 ボレアル林の高解像度空中画像に基づいて、このフレームワークはインスタンスレベルのセグメンテーション精度を41.5%向上させた。 フレームワークの計算効率は、壁と壁の間の木死のマッピングのようなスケーラブルなアプリケーションをサポートする。
  論文  参考訳（メタデータ） (2025-03-27T12:25:20Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  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。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 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)
• 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)
• 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)
• Mitigating Greenhouse Gas Emissions Through Generative Adversarial Networks Based Wildfire Prediction [11.484140660635239]
  我々は,山火事リスク予測のための深層学習に基づくデータ拡張手法を開発した。 提案手法を採用することで,地球規模の温室効果ガス排出量削減のため,山火事対策の予防戦略を採ることができる。
  論文  参考訳（メタデータ） (2021-08-20T00:36:30Z)
• 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。