TeleViT：基于遥连接的Transformer改进次季节至季节尺度的野火预报
计算机视觉与模式识别
2023-08-03 v2 人工智能
机器学习
摘要
野火因气候变化而日益加剧，亟需先进的主动措施以有效缓解。提前数周乃至数月预报野火，对于规划森林可燃物管理、资源采购与调配至关重要。要在全球尺度上实现如此精准的长期预报，采用能够刻画地球系统固有时空相互作用（如记忆效应与遥连接）的模型是关键。我们提出了一种遥连接驱动的视觉Transformer（TeleViT），能够将地球视为一个互联系统，将细粒度局部尺度输入与全球尺度输入（如气候指数和粗粒度全球变量）相融合。通过全面实验，我们证明了TeleViT在准确预测全球过火面积格局方面的优越性，可提前多达四个月进行不同预报窗口的预测。该增益在较长预报窗口中尤为显著，表明利用遥连接的深度学习模型在捕捉地球系统动力学方面具有更强能力。代码见 https://github.com/Orion-Ai-Lab/TeleViT。
引用
@article{arxiv.2306.10940,
title = {TeleViT: Teleconnection-driven Transformers Improve Subseasonal to Seasonal Wildfire Forecasting},
author = {Ioannis Prapas and Nikolaos Ioannis Bountos and Spyros Kondylatos and Dimitrios Michail and Gustau Camps-Valls and Ioannis Papoutsis},
journal= {arXiv preprint arXiv:2306.10940},
year = {2023}
}
备注
Accepted at the ICCV 2023 workshop on Artificial Intelligence for Humanitarian Assistance and Disaster Response