FIREX-AQ 数据集的自监督机器学习方法用于烟 plume 与活跃火点识别
机器学习
2025-10-14 v1 人工智能
计算机视觉与模式识别
摘要
野火与农业火灾影响区域全球环境与空气质量(FIREX-AQ)是一项旨在更好理解野火和农业火灾对空气质量和气候影响的野外行动。FIREX-AQ行动于2019年8月进行,涉及两架飞机和多个协调卫星观测。本研究应用并评估了自监督机器学习(ML)方法用于从该行动期间收集的卫星和亚轨道遥感数据集中识别和跟踪活跃火点与烟 plume。我们独特的方法将来自不同空间和光谱分辨率的遥感观测相结合。所示方法成功区分火点像素和烟 plume与背景图像,实现针对每个仪器的烟和火掩膜产品,以及来自来自多个仪器的烟和火掩膜的融合数据。该ML方法有潜力增强运营野火监测系统,通过快速烟 plume识别与跟踪改进空气质量管理决策,并通过来自多个仪器的融合数据提高气候影响研究。
引用
@article{arxiv.2501.15343,
title = {Development and Application of Self-Supervised Machine Learning for Smoke Plume and Active Fire Identification from the FIREX-AQ Datasets},
author = {Nicholas LaHaye and Anistasija Easley and Kyongsik Yun and Huikyo Lee and Erik Linstead and Michael J. Garay and Olga V. Kalashnikova},
journal= {arXiv preprint arXiv:2501.15343},
year = {2025}
}