Propagation des feux de forêt le lendemain : Un ensemble de données d'apprentissage automatique pour prédire la propagation des feux de forêt à partir de données de télédétection

La prédiction de la propagation des incendies de forêt est cruciale pour la gestion des terres et la préparation aux catastrophes. À cet égard, nous présentons « Next Day Wildfire Spread », un ensemble de données historiques d'incendies de forêt à grande échelle et multivarié, compilé à partir de près d'une décennie de données de télédétection couvrant les États-Unis. Contrairement aux ensembles de données existants basés sur les satellites d'observation terrestre, notre ensemble de données combine des données d'incendie bidimensionnelles avec plusieurs variables explicatives (par exemple, topographie, végétation, météo, indice de sécheresse, densité de population) alignées sur des régions bidimensionnelles, offrant ainsi un ensemble de données riche en caractéristiques pour l'apprentissage automatique. Pour démontrer l'utilité de cet ensemble de données, nous avons mis en œuvre un réseau neuronal qui exploite les informations spatiales de ces données pour prédire la propagation des incendies de forêt. Nous comparons les performances du réseau neuronal à celles d'autres modèles d'apprentissage automatique : régression logistique et forêt aléatoire. Cet ensemble de données peut être utilisé comme référence pour le développement de modèles de propagation des incendies de forêt basés sur des données de télédétection avec une avance d'un jour.