面向次日活火预测的集合预测
机器学习
2026-05-12 v1
摘要
准确的次日活火预测可支持早期预警、灾害响应、森林风险评估以及下游火灾相关碳排放估计。现有野火预测方法通常在千米尺度的日网格上预测野火危险或火点概率，虽对区域预警有用，但无法直接表征局部火灾事件。我们提出Wildfire Ignition Set Predictor (WISP)，一种基于查询的模型，将次日活火预测重新表述为点集预测。从48小时的气象、卫星植被产品、静态土地及火灾历史等协变量中，WISP预测在全球分布的375米网格上，以固定大小的排序集合预测未来活火簇中心。模型以Hungarian匹配方式端到端训练；为解决分类得分在分配、排序和查询激活中角色冲突的问题，我们在匹配和损失中采用非对称分类-定位加权。我们进一步构建了一个全球分布的、小时级的、多源基准数据集。 在覆盖全球火灾区域的留置测试集上，最佳WISP变体实现了38.2%的平均精度(AP)用于排序火点检测，覆盖了53.4%的火灾簇质量加权火灾辐射功率(FRP)，并在5公里内局化54.1%的观测火灾簇。这些结果表明稀疏集合预测是高分辨率野火预测的可行表述，为该领域的后续工作提供了基准。
关键词
引用
@article{arxiv.2605.10298,
title = {Set Prediction for Next-Day Active Fire Forecasting},
author = {Yuchen Bai and Georgios Athanasiou and Xin Yu and Diogenis Antonopoulos and Ioannis Papoutsis and Stijn Hantson and Nuno Carvalhais},
journal= {arXiv preprint arXiv:2605.10298},
year = {2026}
}