机器学习在野火科学与管理中应用的综述
机器学习
2020-12-25 v2 机器学习
摘要
自20世纪90年代以来，人工智能已应用于野火科学与管理，早期应用包括神经网络和专家系统。此后，该领域随着机器学习(ML)在环境科学中的广泛采用而快速发展。在此，我们对野火科学与管理中的ML进行了范围综述。我们的目标是提高野火科学家和管理者对ML的认识，并展示野火科学中可供数据科学家挑战的一系列问题。我们首先概述了迄今野火科学中常用的ML方法，然后回顾了它们在六个问题域中的野火科学应用：1)燃料表征、火情检测与制图；2)火险天气与气候变化；3)火灾发生、易感性与风险；4)火行为预测；5)火灾效应；6)火管理。我们还讨论了各种ML方法的优势与局限，并在数据科学背景下指出了野火科学与管理未来进展的机遇。我们确定了298篇相关出版物，其中最常用的ML方法包括随机森林、MaxEnt、人工神经网络、决策树、支持向量机和遗传算法。存在将更当前的ML方法(如深度学习和基于智能体的学习)应用于野火科学的机会。然而，尽管ML模型能够自主学习，野火科学方面的专业知识对于确保跨多尺度火过程的实际建模是必要的，而某些ML方法的复杂性需要精深知识才能应用。最后，我们强调野火研究与管理界在为ML方法从业者提供相关、高质量数据方面发挥着积极作用。
引用
@article{arxiv.2003.00646,
title = {A review of machine learning applications in wildfire science and management},
author = {Piyush Jain and Sean C P Coogan and Sriram Ganapathi Subramanian and Mark Crowley and Steve Taylor and Mike D Flannigan},
journal= {arXiv preprint arXiv:2003.00646},
year = {2020}
}
备注
83 pages, 4 figures, 3 tables