利用深度学习进行野火蔓延预测

《IEEE Access》：Wildfire Spread Forecasting With Deep Learning

　　

摘要：

准确预测野火蔓延范围对于有效的风险管理、应急响应和战略资源分配至关重要。在这项研究中，我们提出了一个基于深度学习（DL）的框架，利用火灾发生时的数据来预测最终烧毁区域的范围。我们使用了一个涵盖2006年至2022年地中海地区的时空数据集，其中包含了遥感数据、再分析气象观测结果、植被地图、土地覆盖分类、地形数据以及热异常信息。为了评估时间背景的影响，我们进行了消融实验，研究了在模型中加入火灾发生前后的数据对模型性能的影响，并将具有时间意识的DL模型与仅使用火灾发生当天数据训练的基线模型进行了对比。实验结果表明，多天的观测数据显著提高了预测准确性。特别是表现最佳的模型，在火灾发生前四天到后五天的时间窗口内进行预测，与基线模型相比，在测试数据集上的F1分数和交并比（Intersection over Union）提高了近5%。我们公开发布了我们的数据集和模型，以促进基于数据的方法在野火建模和响应方面的研究。