基于高保真卷积神经网络（CNN）的替代模型用于野火蔓延预测

《Scientific Reports》：High-fidelity CNN-based surrogate modeling for wildfire spread forecasting

　　

摘要

大规模、具有破坏性的野火频发的现象不仅对自然生态系统造成了严重影响，还威胁到了关键基础设施、人类生命和财产安全。鉴于这些野火带来的毁灭性且往往不可逆转的环境和经济损失，来自不同领域的研究人员正在积极寻求提高抵御野火能力的解决方案。灭火是减轻野火损害最有效的策略之一，而这一策略在很大程度上依赖于对火势蔓延的快速、高精度的预测。这些预测对于州或地方应急管理机构制定疏散计划、电力公司实施预防性断电措施以及消防队协调灭火行动至关重要。然而，在所有这些规划过程中，一个主要的瓶颈在于高分辨率野火建模所带来的巨大计算负担、对预测精度的更高要求以及整合多样化和大规模数据集的必要性。由于响应时间对野火风险管理至关重要，本文提出了一种基于深度学习的替代模型，能够在极短的时间内预测火势蔓延。我们开发并训练了一个卷积神经网络（CNN）模型，该模型能够高效地预测野火的蔓延情况，其F1分数达到了0.92。本文的贡献主要有两个方面：（1）开发了一种快速、高分辨率的CNN模型，可用于支持电力公司的与野火相关的公共安全断电（PSPS）规划；（2）为消防队和疏散团队提供了一个实用工具，以帮助他们快速进行基于数据的风险评估。