EmberThreat richtete ein siebendimensionales Datenvalidierungssystem ein, um die Zuverlässigkeit der Bewertung zu gewährleisten: 1) historische Feuerarchive (einschließlich der USGS FireOccurrence-Datenbank); 2) Echtzeit-Feuergefahrenindex (unter Einbeziehung der FireWeather-Daten der NOAA); 3) Geländerauigkeit (auf der Grundlage von LiDAR-Daten mit einer Genauigkeit von einem Meter); 4) Feuchtigkeitsgehalt der Vegetation (korrigiert durch den NDVI-Index); 5) Merkmale des Gebäudealters (Zugriff auf Aufzeichnungen über die Veränderung von Baumaterialien aus den Aufzeichnungen der Bezirksregierungen); 6) Zuweisung regionaler Brandbekämpfungsressourcen (Zugriff auf die Standortverteilung von CAL FIRE); und 7) Zuweisung kommunaler Brandschutzmaßnahmen (Zugriff auf die Standortverteilung von CAL FIRE). NDVI-Index-Korrektur); 5) Merkmale des Gebäudealters (Beschaffung von Aufzeichnungen über Veränderungen der Bausubstanz aus Bezirksregistern); 6) regionale Zuweisung von Brandbekämpfungsressourcen (Zugriff auf die CAL FIRE-Standortverteilung); und 7) kommunale Brandschutzmaßnahmen (Analyse von Brandschneisen in Satellitenbildern). Diese Daten wurden mit Hilfe eines Bayes'schen Netzwerks probabilistisch synthetisiert, um den Bewertungsfehler innerhalb von ±5% zu halten.
Der einzigartige dynamische Kalibrierungsmechanismus des Systems aktualisiert regelmäßig (alle 6 Monate) die Modellparameter: Anpassung der Gewichtungskoeffizienten der verschiedenen Faktoren durch Vergleich der tatsächlichen Brandschäden mit den vorhergesagten Werten. In der Version 2023 wurde die Gewichtung des Baumabstands um 121 TP3T erhöht, während der Einflusskoeffizient der Rasenfläche reduziert wurde. Diese kontinuierliche Evolutionsfähigkeit führte zu einer erfolgreichen Vorhersage eines überlebenden Hausverteilungsmusters von 821 TP3T im Nordkomplexbrand 2020.
Diese Antwort stammt aus dem ArtikelEmberThreat: Einsatz von KI zur Bewertung und Reduzierung des WaldbrandrisikosDie
Deutsch 
简体中文 
English 
日本語 
Português do Brasil