通过形态感知课程对比学习推进野火风险预测

野火显著影响自然生态系统和人类健康，导致生物多样性丧失、增加水文地理风险，并释放有毒物质排放。气候变化加剧了这些影响，尤其是在温度升高和干旱持续的地区，如地中海。 这需要发展利用最新技术的高级风险管理策略。然而，在此背景下，数据显示出偏向不平衡设置的情况，即野火事件的发生率显著低于典型情况。这一不平衡性，以及高维时空数据的内在复杂性，对训练深度学习架构构成重大挑战。此外，由于精确的野火预测主要依赖于天气数据，找到一种方法来减少计算成本，以便利用最新的天气预报实现更频繁的更新将大有裨益。本文研究在通过增强斑块动态特征的潜在表征来解决这些挑战是否可行。我们因此引入一种基于形态的课程对比学习，以缓解多样化区域特征相关的问题，并实现在不损失性能的情况下使用较小的斑块大小。对所提出建模策略的实验分析用于验证其有效性。