FireSenseNet: 次日の山火事拡大予測のためのクロス注意付き特徴相互作用を備えたデュアルブランチCNN

要旨: 次の日の山火事の延焼を正確に予測することは、防災対応と資源配分にとって極めて重要である。既存の深層学習アプローチは一般に、異種の地理空間入力を単一のテンソルに結合することで済ませ、静的な燃料・地形の特性と、動的な気象条件との間に本質的に存在する物理的な区別を無視している。私たちは、燃料と気象のモダリティ間における空間的に変化する相互作用を、複数のエンコーダ・スケールで学習可能な注意（attention）ゲートを用いて明示的にモデル化する、新規のクロスアテンティブ特徴相互作用モジュール（CAFIM）を備えた二重分岐の畳み込みニューラルネットワークであるFireSenseNetを提案する。純粋なCNN、ビジョン・トランスフォーマー、そしてハイブリッド設計にまたがる7つのアーキテクチャを、GoogleのNext-Day Wildfire Spreadベンチマーク上で体系的に比較した結果、FireSenseNetはF1が0.4176、AUC-PRが0.3435を達成し、3.8*倍のパラメータを持つSegFormer（F1 = 0.3502）を含むすべての代替手法を上回る。アブレーション研究により、CAFIMが素朴な連結に対して相対的にF1を7.1%向上させることが確認され、チャネルごとの特徴重要度の分析では、前日の火災マスクが予測を支配し、風速はデータセットの粗い時間解像度においてノイズとして作用していることが明らかになった。さらに、画素レベルの不確実性定量化のためにモンテカルロ・ドロップアウトを組み込み、一般的な評価上の近道が、報告されるF1スコアを44%以上過大に膨らませていることを示す重要な分析を提示する。