כתבה
arXiv cs.LG ·
גילוי שריפות עם CatBoost
Comparing a gradient boosting algorithm to the GOES FDC for wildfire detection
חוקרים השוו בין אלגוריתם CatBoost למוצר GOES FDC לגילוי שריפות. המודל הראה דיוק גבוה יותר וזיהוי מוקדם יותר של שריפות, גם בלילה.
תקציר מקורי באנגליתarXiv:2610.01994v1 Announce Type: cross Abstract: Wildfires pose severe risks to human life, ecosystems, and property. This study presents a machine learning approach for wildfire detection from GOES ABI imagery. A CatBoost model was trained on a large dataset with thousands of ABI images and over 300,000 matching VIIRS fire detections. An evaluation on a separate dataset across five regions showed that the learned CatBoost model outperformed the operational GOES Fire Detection and Characterization (FDC) product. It achieved higher precision, recall, and F1 scores both within and outside the training area. The CatBoost model achieved F1 scores that were 0.16 to 0.38 higher than the GOES FDC in all regions. In addition, out of 51 historical fire events, the CatBoost detected 26 fires before
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית