الانتباه إلى الحرائق: نماذج التعلم العميق متعددة القنوات لتوقع شدة الحرائق البرية

تشكل الحرائق البرية واحدة من المخاطر الطبيعية التي تراقبها الاتحاد الأوروبي بنشاط من خلال برنامج مراقبة الأرض "كوبيرنيكوس EMS"، الذي يُصدر باستمرار معلومات عامة مرتبطة بهذه الأحداث الكارثية. تُعد هذه الحوادث سببًا للتلف القصير الأمد والطويل الأمد. ولذلك، يُعد تدخل سريع من قبل الجهات المختصة ضروريًا لتقليل آثارها ووضع خطط لإعادة التأهيل، ويمكن تعزيز هذا التدخل باستخدام صور الأقمار الصناعية وطرق تحديد مناطق الحرق تلقائيًا، مما يسرع من عملية الاستجابة واتخاذ القرار. وفي هذا السياق، نحلل مشكلة تقدير شدة المناطق المحروقة باستخدام إطار عمل متقدم للتعلم العميق. وتشمل النتائج التجريبية مقارنة بين هياكل نماذج مختلفة ووظائف خسارة مختلفة على مجموعة بيانات واقعية ضخمة من صور الأقمار الصناعية سنتين-2. علاوةً على ذلك، نقدم تحليلًا جديدًا يستند إلى انتباه متعدد القنوات للكشف عن سلوك التنبؤ وتقديم شفافية النموذج. وتم تطبيق آلية تأثير مُعدّلة على نموذج DS-UNet القائم على الانتباه لتقييم مساهمة مجموعات القنوات المُحَفَّزة بالسياق في مشكلة تقدير الشدة.