پیش بینی گسترش آتش سوزی جنگل برای روزهای آتی توسط ادغام نمایش تنک در مدل یادگیری عمیق

به منظور پیش بینی گسترش آتش سوزی های جنگل برای مدیریت زمین و آمادگی در برابر بلایای طبیعی از دیتاست بزرگ مقیاس، چندمتغیره با نام گسترش آتش سوزی روز بعد استفاده کردیم که شامل داده های سنجش از دور نزدیک به یک دهه در سراسر ایالات متحده است. برخلاف مجموعه داده های آتش سوزی موجود که بر اساس ماهواره های مشاهده زمین هستند، این مجموعه داده آتش سوزی دوبعدی را با چندین متغیر توضیحی (مانند توپوگرافی، پوشش گیاهی، آب وهوا، شاخص خشکسالی و تراکم جمعیت) در مناطق دوبعدی ترکیب می کند و مجموعه داده ای غنی از ویژگی ها برای یادگیری ماشین فراهم می آورد. برای نشان دادن مفید بودن این مجموعه داده، ما یک شبکه عصبی با ادغام تنکی و شبکه کانولوشنی و بازگشتی پیاده سازی کردیم که از اطلاعات مکانی و زمانی این داده ها بهره می برد تا گسترش آتش سوزی را پیش بینی کند. عملکرد این شبکه عصبی را با دیگر مدل های یادگیری ماشین، یعنی رگرسیون لجستیک و جنگل تصادفی، ماشین بردار پشتیبان و شبکه مبتنی بر ترکیب کانولوشن و بازگشتی مقایسه کرده ایم. این مجموعه داده می تواند به عنوان معیاری برای توسعه مدل های پیش بینی گسترش آتش سوزی بر اساس داده های سنجش از دور برای یک بازه زمانی یک روزه استفاده شود.

کلیدواژه ها:

آتش سوزی ، سنجش از دور ، یادگیری عمیق ، نمایش تنک