Deep Learning for Global Wildfire Forecasting

要約

気候変動は、火災天候の悪化を通じて山火事の活動を悪化させると予想されます。
世界規模で山火事を予測する能力を向上させることは、その悪影響を軽減するために非常に重要です。
この作業では、グローバルな火災データセットを作成し、セグメンテーション ディープ ラーニング モデルを使用して、サブシーズン スケールでグローバルな火災地域の存在を予測するためのプロトタイプを示します。
特に、季節的および準季節的な火災要因 (気候、植生、海洋指数、人間関連の変数) に関連するさまざまな変数と、過去の焼失
2001 年から 2021 年までの地域と山火事の排出量。
世界的な山火事予測を画像セグメンテーション タスクとして扱い、8、16、32、64 日前に焼けた地域の存在を巧みに予測するディープ ラーニング モデルをトレーニングします。
私たちの研究は、世界的な焼失地域の予測にディープ ラーニングを使用する動機となり、世界的な山火事のパターンの予測を改善する道を開きます。

要約(オリジナル)

Climate change is expected to aggravate wildfire activity through the exacerbation of fire weather. Improving our capabilities to anticipate wildfires on a global scale is of uttermost importance for mitigating their negative effects. In this work, we create a global fire dataset and demonstrate a prototype for predicting the presence of global burned areas on a sub-seasonal scale with the use of segmentation deep learning models. Particularly, we present an open-access global analysis-ready datacube, which contains a variety of variables related to the seasonal and sub-seasonal fire drivers (climate, vegetation, oceanic indices, human-related variables), as well as the historical burned areas and wildfire emissions for 2001-2021. We train a deep learning model, which treats global wildfire forecasting as an image segmentation task and skillfully predicts the presence of burned areas 8, 16, 32 and 64 days ahead of time. Our work motivates the use of deep learning for global burned area forecasting and paves the way towards improved anticipation of global wildfire patterns.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google