TS-SatFire：面向野火检测与预测的多任务卫星图像时间序列数据集
计算机视觉与模式识别
2024-12-17 v1 人工智能
摘要
野火监测与预测对于理解野火行为至关重要。借助广泛的地球观测数据，这些任务可以通过多任务深度学习模型进行整合与增强。我们提出了一个全面的多时相遥感数据集，用于活跃火点检测、每日野火监测以及次日野火预测。该数据集覆盖2017年1月至2021年10月美国本土的野火事件，包含3552幅地表反射率图像以及天气、地形、土地覆盖和燃料信息等辅助数据，总计71 GB。每个野火的生命周期均有记录，并附有活跃火点（AF）和过火区域（BA）的标签，且AF和BA测试标签经过人工质量保证。该数据集支持三个任务：a) 活跃火点检测，b) 每日过火区域制图，c) 野火蔓延预测。检测任务使用多光谱、多时相图像的像素级分类，而预测任务则整合卫星和辅助数据以模拟火灾动态。该数据集及其基准为利用深度学习推进野火研究奠定了基础。
引用
@article{arxiv.2412.11555,
title = {TS-SatFire: A Multi-Task Satellite Image Time-Series Dataset for Wildfire Detection and Prediction},
author = {Yu Zhao and Sebastian Gerard and Yifang Ban},
journal= {arXiv preprint arXiv:2412.11555},
year = {2024}
}