TeleViT: Teleconnection-driven Transformers Improve Subseasonal to Seasonal Wildfire Forecasting

要約

山火事は気候変動の結果としてますます悪化しており、効果的な緩和のための高度な事前対策が必要です。
森林燃料の管理、資源の調達、配分を計画するには、数週間、数か月前に山火事の発生を予測することが重要です。
このような正確な長期予測を地球規模で達成するには、記憶効果やテレコネクションなど、地球システム固有の時空間相互作用を考慮したモデルを採用することが重要です。
私たちは、地球を 1 つの相互接続されたシステムとして扱い、きめの細かいローカル スケールの入力と、気候指標や粗いグローバル変数などのグローバル スケールの入力を統合できる、テレコネクション駆動型ビジョン トランスフォーマー (TeleViT) を提案します。
包括的な実験を通じて、さまざまな予測ウィンドウで最大 4 か月前までの地球規模の焼け跡パターンを正確に予測する際の TeleViT の優位性を実証しました。
この利得は、より大きな予測ウィンドウで特に顕著であり、テレコネクションを利用して地球システムのダイナミクスを捕捉する深層学習モデルの能力が向上していることを示しています。
コードは https://github.com/Orion-Ai-Lab/TeleViT で入手できます。

要約(オリジナル)

Wildfires are increasingly exacerbated as a result of climate change, necessitating advanced proactive measures for effective mitigation. It is important to forecast wildfires weeks and months in advance to plan forest fuel management, resource procurement and allocation. To achieve such accurate long-term forecasts at a global scale, it is crucial to employ models that account for the Earth system’s inherent spatio-temporal interactions, such as memory effects and teleconnections. We propose a teleconnection-driven vision transformer (TeleViT), capable of treating the Earth as one interconnected system, integrating fine-grained local-scale inputs with global-scale inputs, such as climate indices and coarse-grained global variables. Through comprehensive experimentation, we demonstrate the superiority of TeleViT in accurately predicting global burned area patterns for various forecasting windows, up to four months in advance. The gain is especially pronounced in larger forecasting windows, demonstrating the improved ability of deep learning models that exploit teleconnections to capture Earth system dynamics. Code available at https://github.com/Orion-Ai-Lab/TeleViT.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google