Wildfire Risk Prediction: A Review

要約

山火事は地球上の植生、野生動物、人間に重大な影響を与えます。
それらは植物群落や野生動物の生息地を破壊し、二酸化炭素、窒素酸化物、メタン、その他の汚染物質の排出増加に寄与します。
山火事の予測は、回帰または機械学習手法と組み合わせたさまざまな独立変数に依存します。
この技術レビューでは、独立変数、データ処理手法、モデル、独立変数の共線性と重要性の推定方法、モデルのパフォーマンス評価指標のオプションについて説明します。
まず、独立変数を、気候と気象条件、社会経済的要因、地形と水文学的特徴、山火事の歴史記録を含む 4 つの側面に分割します。
次に、さまざまな大きさ、さまざまな時空間解像度、およびさまざまな形式のデータに対する前処理方法について説明します。
第三に、独立変数の共線性と重要性の評価方法も考慮されます。
4 番目に、山火事のリスク予測における統計モデル、従来の機械学習モデル、深層学習モデルの応用について説明します。
このサブセクションでは、他のレビューと比較して、この原稿は特に深層学習手法の評価指標と最近の進歩について説明します。
最後に、この論文は現在の研究の限界に対処し、より効果的な深層学習時系列予測アルゴリズム、地上および幹線燃料を含む 3 次元データの利用、より正確な過去の火災点データの抽出、およびモデル評価の改善の必要性を強調しています。
メトリクス。

要約(オリジナル)

Wildfires have significant impacts on global vegetation, wildlife, and humans. They destroy plant communities and wildlife habitats and contribute to increased emissions of carbon dioxide, nitrogen oxides, methane, and other pollutants. The prediction of wildfires relies on various independent variables combined with regression or machine learning methods. In this technical review, we describe the options for independent variables, data processing techniques, models, independent variables collinearity and importance estimation methods, and model performance evaluation metrics. First, we divide the independent variables into 4 aspects, including climate and meteorology conditions, socio-economical factors, terrain and hydrological features, and wildfire historical records. Second, preprocessing methods are described for different magnitudes, different spatial-temporal resolutions, and different formats of data. Third, the collinearity and importance evaluation methods of independent variables are also considered. Fourth, we discuss the application of statistical models, traditional machine learning models, and deep learning models in wildfire risk prediction. In this subsection, compared with other reviews, this manuscript particularly discusses the evaluation metrics and recent advancements in deep learning methods. Lastly, addressing the limitations of current research, this paper emphasizes the need for more effective deep learning time series forecasting algorithms, the utilization of three-dimensional data including ground and trunk fuel, extraction of more accurate historical fire point data, and improved model evaluation metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google