Сегментация пожарных зон повысила точность краткосрочного прогноза возгораний
Исследователи представили новый подход к прогнозированию лесных пожаров, основанный на сегментации территорий по историческим данным. Вместо стандартного разбиения области на одинаковые ячейки сетки, алгоритм выделяет специфические пожарные зоны, учитывая реальное распределение очагов возгорания. Работа опубликована на платформе arXiv.
Авторы утверждают, что способ дискретизации данных влияет на качество прогноза сильнее, чем выбор самой модели. Предложенный метод объединяет детекцию водоразделов (watershed) с кластеризацией K-means, что позволяет автоматически формировать области для прогнозирования на основе паттернов прошлых пожаров.
Эксперименты проводились на данных шести французских департаментов. Исследователи сравнили эффективность новой сегментации с традиционными сетками, используя шесть различных прогнозных моделей. Во всех конфигурациях сегментация пожарных зон показала более высокие результаты: средний прирост метрики IoU (Intersection over Union) составил от 3 до 6 процентов в зависимости от пространственного масштаба.
Ключевое преимущество метода — вычислительная эффективность. По словам авторов, обработка одной конфигурации занимает менее десяти секунд, а сам алгоритм полностью параллелизуем. Это позволяет применять его на больших территориях без существенных затрат ресурсов.
По мнению разработчиков, оптимизация пространственной дискретизации дает значительный и воспроизводимый прирост качества краткосрочных прогнозов. Результаты подчеркивают важность учета неоднородности ландшафта при построении систем предупреждения о пожарах.
Подход может быть полезен для оперативных служб и исследовательских групп, занимающихся моделированием природных рисков. Дальнейшие работы могут быть направлены на адаптацию метода к другим регионам и типам пожаров.
