論文の概要: BCWildfire: A Long-term Multi-factor Dataset and Deep Learning Benchmark for Boreal Wildfire Risk Prediction

• arxiv url: http://arxiv.org/abs/2511.17597v1
• Date: Mon, 17 Nov 2025 22:13:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.276211
• Title: BCWildfire: A Long-term Multi-factor Dataset and Deep Learning Benchmark for Boreal Wildfire Risk Prediction
• Title（参考訳）: BCWildfire:Boreal Wildfireリスク予測のための長期多要素データセットとディープラーニングベンチマーク
• Authors: Zhengsen Xu, Sibo Cheng, Hongjie He, Lanying Wang, Wentao Sun, Jonathan Li, Lincoln Linlin Xu,
• Abstract要約: ブリティッシュコロンビア州とその周辺地域で4億4000万ヘクタールに及ぶ,25年間の日次分解能の山火事データセットを提示する。 我々は,CNNベース,線形ベース,トランスフォーマーベース,マンバベースアーキテクチャなど,さまざまな時系列予測モデルを評価する。
• 参考スコア（独自算出の注目度）: 12.480140332312695
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wildfire risk prediction remains a critical yet challenging task due to the complex interactions among fuel conditions, meteorology, topography, and human activity. Despite growing interest in data-driven approaches, publicly available benchmark datasets that support long-term temporal modeling, large-scale spatial coverage, and multimodal drivers remain scarce. To address this gap, we present a 25-year, daily-resolution wildfire dataset covering 240 million hectares across British Columbia and surrounding regions. The dataset includes 38 covariates, encompassing active fire detections, weather variables, fuel conditions, terrain features, and anthropogenic factors. Using this benchmark, we evaluate a diverse set of time-series forecasting models, including CNN-based, linear-based, Transformer-based, and Mamba-based architectures. We also investigate effectiveness of position embedding and the relative importance of different fire-driving factors. The dataset and the corresponding code can be found at https://github.com/SynUW/mmFire
• Abstract（参考訳）: 燃料条件、気象学、地形学、人的活動の複雑な相互作用のため、山火事のリスク予測は依然として重要な課題である。 データ駆動アプローチへの関心が高まっているにもかかわらず、長期時間モデリング、大規模空間カバレッジ、マルチモーダルドライバをサポートする公開ベンチマークデータセットは依然として不足している。 このギャップに対処するため、ブリティッシュコロンビア州とその周辺地域で4億4000万ヘクタールに及ぶ25年間の日次分解能の山火事データセットを提示する。 データセットには38の共変量が含まれており、活動的な火災検知、気象変数、燃料条件、地形の特徴、人為的要因を含んでいる。 このベンチマークを用いて,CNNベース,線形ベース,トランスフォーマーベース,マンバベースアーキテクチャなど,さまざまな時系列予測モデルを評価する。 また, 位置埋め込みの有効性と, 火災発生要因の相対的重要性についても検討した。 データセットと対応するコードはhttps://github.com/SynUW/mmFireで確認できる。

関連論文リスト

• Zephyrus: An Agentic Framework for Weather Science [47.611521052984365]
  気象学の基礎モデルは、大量の構造化された数値データと従来の天気予報システムより優れた性能で事前訓練されている。 大規模言語モデル(LLM)は、テキストの理解と生成に優れるが、高次元の気象データセットを推論することはできない。 気象学の新しいエージェント・フレームワークを構築することで、このギャップを埋める。 我々は、気象データセットを反復的に分析し、結果を観察し、会話フィードバックループを通じてアプローチを洗練するマルチターンLCMベースの気象エージェントであるZephyrusを設計する。
  論文  参考訳（メタデータ） (2025-10-05T03:34:08Z)
• Improving Transferability for Cross-domain Trajectory Prediction via Neural Stochastic Differential Equation [41.09061877498741]
  外部要因とデータ取得戦略によるデータセット間での相違がある。 大規模データセットでトレーニングされたモデルの熟練した性能は、他の小規模データセットでの転送可能性に制限がある。 本稿では,ニューラル微分方程式(NSDE)の連続的利用に基づく不一致の緩和手法を提案する。 提案手法の有効性は,一般的なベンチマークデータセットであるnuScenes,Argoverse,Lyft,InterinterAction,Open Motionデータセット上で,最先端の軌道予測モデルに対して検証される。
  論文  参考訳（メタデータ） (2023-12-26T06:50:29Z)
• 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)
• Mesogeos: A multi-purpose dataset for data-driven wildfire modeling in the Mediterranean [5.100085108873068]
  Mesogeosは地中海の山火事モデリングのための大規模なデータセットである。 これは、山火事の運転者(気象学、植生、人的活動)を表す変数と、山火事の発火と焼かれた地域に関する歴史的記録を統合している。 Datacube構造は、さまざまな山火事モデリングタスクで機械学習(ML)の使用を評価する機会を提供する。
  論文  参考訳（メタデータ） (2023-06-08T12:11:16Z)
• Multi-time Predictions of Wildfire Grid Map using Remote Sensing Local Data [0.0]
  本稿では,米国西部の10か所で収集されたローカルデータをローカルエージェントで共有する分散学習フレームワークを提案する。 提案モデルには,動的オンライン推定や時系列モデリングなど,予測評価における特徴的ニーズに対処する特徴がある。
  論文  参考訳（メタデータ） (2022-09-15T22:34:06Z)
• Next Day Wildfire Spread: A Machine Learning Data Set to Predict Wildfire Spreading from Remote-Sensing Data [5.814925201882753]
  Next Day Wildfire Spread」は、アメリカ全土で10年近くにわたってリモートセンシングされたデータを収集した、歴史的な山火事の収集データである。 我々は、このデータの空間情報を利用して、山火事の拡散を予測する畳み込みオートエンコーダを実装した。 このデータセットは、リモートセンシングデータに基づく1日のリードタイムに基づく山火事伝播モデル開発のためのベンチマークとして使用することができる。
  論文  参考訳（メタデータ） (2021-12-04T23:28:44Z)
• 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)
• Uncertainty Aware Wildfire Management [6.997483623023005]
  アメリカ合衆国では近年の山火事で生命が失われ、数十億ドルが失われた。 大規模に展開するリソースは限られており、火災の広がりを予測することは困難である。 本稿では,山火事対策のための意思決定論的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-10-15T17:47:31Z)
• Speak2Label: Using Domain Knowledge for Creating a Large Scale Driver Gaze Zone Estimation Dataset [55.391532084304494]
  ワイルド・データセットのドライバ・ゲイズには、夕方を含む1日の異なる時間に撮影された586の録音が含まれている。 ワイルド・データセットのドライバ・ゲイズには338人の被験者がおり、年齢は18-63歳である。
  論文  参考訳（メタデータ） (2020-04-13T14:47:34Z)
• Spatiotemporal Relationship Reasoning for Pedestrian Intent Prediction [57.56466850377598]
  視覚データに対する推論は、ロボティクスとビジョンベースのアプリケーションにとって望ましい能力である。 本稿では,歩行者の意図を推論するため,現場の異なる物体間の関係を明らかにするためのグラフ上でのフレームワークを提案する。 歩行者の意図は、通りを横切る、あるいは横断しない将来の行動として定義され、自動運転車にとって非常に重要な情報である。
  論文  参考訳（メタデータ） (2020-02-20T18:50:44Z)

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。