Tăng tốc bản đồ nguy cơ cháy rừng ở khắp Canada bằng khung mô hình AI thay thế

Sự gia tăng hoạt động cháy rừng ở Canada đòi hỏi bản đồ nguy cơ thường xuyên trên toàn quốc để hướng dẫn các biện pháp giảm thiểu tiên động, bao gồm quản lý nhiên liệu, lập kế hoạch sử dụng đất, bảo vệ hạ tầng và lập tuyến đường sơ tán. Tuy nhiên, các khung mô phỏng cháy rừng dựa trên quy trình (ví dụ: BurnP3 và BurnP3+) dựa vào các mô phỏng Monte Carlo tính toán nặng để mô hình xác suất cháy, cường độ lửa và tốc độ lan truyền. Những quy trình này có thể mất từ vài ngày đến vài tuần để xử lý một đơn vị mô hình khu vực duy nhất. Để vượt qua những nút cổ chai tính toán này, chúng tôi trình bày ba đóng góp được phát triển thông qua sự hợp tác giữa các nhà nghiên cứu AI và chuyên gia mô hình cháy rừng: (a) một khung tiêu chuẩn để huấn luyện, fine-tune và đánh giá mô hình AI thay thế chống lại các bộ mô phỏng cháy rừng dựa trên quy trình; (b) một mô hình học sâu đa nhiệm được huấn luyện trên dữ liệu quy mô quốc gia để mô phỏng xác suất cháy, cường độ lửa trung bình và tốc độ lan truyền trung bình với chi phí tính toán phần nào (giây); và (c) các chỉ số dành riêng cho lĩnh vực và giao thức đánh giá phản biện để kiểm tra khả năng tổng quát hóa ngoài phân phối.