数据驱动的火区分割可改进短期野火预测

2026-08-11 1 阅读约1分钟阅读 Nicolas Caron, Christophe Guyeux, Hassan Noura, Benjamin Aynes

arXiv:2608.07472v1 公告类型：新摘要：野火预测模型通常将研究区域离散成统一的网格，忽略点火的异构空间分布。我们通过证明数据如何离散化比使用哪种模型更重要来挑战这种范式。我们提出了一种无监督火区分割算法，将分水岭检测与 K 均值聚类相结合，直接根据历史火灾模式定义预测单元。法国六个部门和六个预测模型的实验表明，火区分割始终优于基于网格的方法，根据空间尺度，平均 IoU 提高了 +3--6%。该方法计算量小（每个配置 <10 秒）并且完全可并行。我们的结果表明，优化空间离散化可以为短期野火预测带来显着的、可重复的性能提升。

订阅66必读