野火传播预测的边界感知不确定性量化
计算机视觉与模式识别
2026-05-07 v2
摘要
可靠的野火传播预测对于风险感知的应急规划至关重要，但大多数深度学习模型缺乏原则性的不确定性量化（UQ）。此外，对于边界敏感的情况，如野火传播，仅用全局指标评估模型往往不够。在将 UQ 评估的关注力转向更操作上相关的方法方面，引入了基于火焰中心的评估区域（Fire-Centered Evaluation Region, FCER）框架作为一种空间条件化的协议，以刻画关键火灾区内的 UQ。使用 FCER，比较了在WildfireSpreadTS 数据集上使用的集成模型与提炼后的单 Pass 学生模型。学生模型在校准和边界相关情境下的不确定性排序方面表现出可比且互补的性能。代码可在 https://github.com/jonasvilhofunk/WildfireUQ-FCER 获取。
引用
@article{arxiv.2605.03148,
title = {Boundary-Aware Uncertainty Quantification for Wildfire Spread Prediction},
author = {Jonas V. Funk},
journal= {arXiv preprint arXiv:2605.03148},
year = {2026}
}
备注
10 pages, 7 figures