野火风险预报：一种可优化的火险指数
机器学习
2022-03-30 v1 人工智能
摘要
野火事件已在世界多地造成严重损失，且预计将随气候变化而增多。多年来，人们开发了多种技术以尽早识别火情并模拟起火后的火行为。另一特别有用的技术是火险指数，其利用气象强迫对火灾风险做出超前预测。火险指数的预测可用于在高风险地区调配资源等。这些指数多年来作为经验模型发展而来，其参数通过实验室实验与野外测试估算。然而，这些参数可能并不适用于该模型所用的所有地区。本文提出一种新颖实现：将某一指数(NFDRS IC)构建为可微函数，从而可通过梯度下降优化其内部参数。我们利用现有机器学习框架(PyTorch)构建模型。该方法有两个好处：(1)可利用实际观测到的火灾事件针对各地区改进NFDRS IC参数；(2)内部变量保持完整以供专家解读，而非如传统神经网络中无意义的隐藏层。本文利用美国和欧洲各地的实际火灾事件评估了我们的策略。
引用
@article{arxiv.2203.15558,
title = {Wildfire risk forecast: An optimizable fire danger index},
author = {Eduardo Rodrigues and Bianca Zadrozny and Campbell Watson},
journal= {arXiv preprint arXiv:2203.15558},
year = {2022}
}
备注
6 pages, 5 figures