条件付きフローマッチングに基づく局所的な森林火災の広がりの確率予測
arXiv cs.LG / 2026/3/31
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、条件付きフローマッチングアルゴリズムを用いて、現在の火災および環境状態に基づく火災到達時刻の分布を学習する、局所的な森林火災の広がりに関する確率的サロゲートモデルを提案する。
- モデルへの入力には、焼失面積、地表近傍の風成分、気温、相対湿度、地形高度、燃料カテゴリといった高解像度のグリッド特徴量が含まれ、出力は3時間の予報ウィンドウ内における到達時刻のサンプルからなるアンサンブルである。
- 学習データは、WRF-SFIREと北米メソスケールモデルの対となる気象場を用いた、大気—野火の連成シミュレーションにより生成される。これにより、連成する火—大気システムに内在する不確実性を捉えることが可能となる。
- この枠組みは、単一ステップ（3時間）および再帰的な多段ステップ（24時間）の両方の予報をサポートし、火災の進展におけるばらつきを再現できるとともに、WRF-SFIREと比較して正確なアンサンブル予測を生成できることを示す。
- 物理ベースのシミュレータよりはるかに高速に確率的アンサンブルを生成し、かつ重要な駆動要因への感度を維持することで、本手法は、運用予報のためのスケーラブルなMLコンポーネント、ならびにデータ同化への統合の可能性を持つものとして位置付けられる。
