Forest fires are a major environmen

Forest fires are a major environmental issue, creating economical and
ecological damage while endangering human lives. Fast detection is a key element
for controlling such phenomenon. To achieve this, one alternative is to use
automatic tools based on local sensors, such as provided by meteorological stations.
In effect, meteorological conditions (e.g. temperature, wind) are known to
influence forest fires and several fire indexes, such as the forest Fire Weather Index
(FWI), use such data. In this work, we explore a Data Mining (DM) approach
to predict the burned area of forest fires. Five different DM techniques, e.g. Support
Vector Machines (SVM) and Random Forests, and four distinct feature selection
setups (using spatial, temporal, FWI components and weather attributes),
were tested on recent real-world data collected from the northeast region of Portugal.
The best configuration uses a SVM and four meteorological inputs (i.e.
temperature, relative humidity, rain and wind) and it is capable of predicting the
burned area of small fires, which are more frequent. Such knowledge is particularly
useful for improving firefighting resource management (e.g. prioritizing
targets for air tankers and ground crews).

ผลลัพธ์ (ไทย) 1:

ไฟป่าเป็นปัญหาสิ่งแวดล้อมใหญ่ สร้างประหยัด และความเสียหายขณะอำเภอใจชีวิตระบบนิเวศ ตรวจสอบได้อย่างรวดเร็วเป็นองค์ประกอบสำคัญสำหรับการควบคุมปรากฏการณ์ดังกล่าว เพื่อให้บรรลุนี้ ทางเลือกหนึ่งคือการ ใช้เครื่องมืออัตโนมัติที่ใช้เซนเซอร์ภายในเครื่อง โดยสถานีอุตุนิยมวิทยาเช่นผล สภาพอุตุนิยมวิทยา (เช่นอุณหภูมิ ลม) เป็นที่รู้จักกันมีผลกระทบจากไฟป่าและไฟดัชนีหลาย เช่นป่าไฟดัชนีสภาพอากาศ(FWI), ใช้ข้อมูลดังกล่าว ในงานนี้ เราได้วิธีการทำเหมืองแร่ข้อมูล (DM)เพื่อทำนายพื้นที่เขียนจากไฟป่า ห้า DM เทคนิคต่าง ๆ เช่นสนับสนุนเวกเตอร์เครื่อง (SVM) และป่าสุ่ม และคุณลักษณะที่แตกต่างกันสี่ตัวเลือกตั้งค่า (การใช้คอมโพเนนต์ FWI ปริภูมิ ชั่ว คราว และแอตทริบิวต์อากาศ),ได้ทดสอบกับข้อมูลจริงล่าสุดที่รวบรวมจากภาคตะวันออกเฉียงเหนือของประเทศโปรตุเกสการกำหนดค่าที่ดีที่สุดใช้ SVM มีอินพุต 4 อุตุนิยมวิทยา (เช่นอุณหภูมิ ความชื้นสัมพัทธ์ ฝน และลม) และสามารถคาดการณ์การพื้นที่เขียนของไฟขนาดเล็ก ซึ่งเป็นบ่อยมาก ความรู้ดังกล่าวเป็นอย่างยิ่งมีประโยชน์สำหรับการปรับปรุงการจัดการทรัพยากรดับเพลิง (เช่นจัดระดับความสำคัญเป้าหมายสำหรับอากาศเรือบรรทุกและหน้าที่ดิน)

ผลลัพธ์ (ไทย) 2:

ไฟไหม้ป่าเป็นปัญหาสิ่งแวดล้อมที่สำคัญการสร้างความประหยัดและ
ความเสียหายของระบบนิเวศในขณะที่เป็นอันตรายต่อชีวิตมนุษย์ การตรวจสอบได้อย่างรวดเร็วเป็นองค์ประกอบสำคัญ
ในการควบคุมปรากฏการณ์ดังกล่าว เพื่อให้บรรลุนี้ทางเลือกหนึ่งคือการใช้
เครื่องมืออัตโนมัติขึ้นอยู่กับเซ็นเซอร์ท้องถิ่นเช่นให้โดยสถานีอุตุนิยมวิทยา.
ผลอุตุนิยมวิทยาเงื่อนไข (เช่นอุณหภูมิลม) เป็นที่รู้จักกัน
มีผลต่อการเกิดไฟไหม้ป่าและดัชนีไฟต่างๆเช่นไฟป่า ดัชนีสภาพอากาศ
(FWI) ให้ใช้ข้อมูลดังกล่าว ในงานนี้เราจะสำรวจการทำเหมืองข้อมูล (DM) วิธีการ
ที่จะคาดการณ์พื้นที่การเผาไหม้ของไฟไหม้ป่า ห้าเทคนิค DM ที่แตกต่างกันเช่นการสนับสนุน
เครื่องเวกเตอร์ (SVM) และป่าไม้สุ่มและสี่การเลือกคุณลักษณะที่แตกต่างกัน
การตั้งค่า (ใช้อวกาศชั่วคราว FWI ส่วนประกอบและคุณลักษณะสภาพอากาศ)
ได้มีการทดสอบกับข้อมูลจริงของโลกเมื่อเร็ว ๆ นี้ที่เก็บมาจากภาคตะวันออกเฉียงเหนือของโปรตุเกส .
การกำหนดค่าที่ดีที่สุดใช้ SVM และปัจจัยสี่อุตุนิยมวิทยา (เช่น
อุณหภูมิ, ความชื้น, ฝนตกและลม) และมันก็เป็นความสามารถในการคาดการณ์
พื้นที่ที่ถูกเผาไฟขนาดเล็กซึ่งมีบ่อยมากขึ้น ความรู้ดังกล่าวจะเป็น
ประโยชน์สำหรับการปรับปรุงการจัดการทรัพยากรการดับเพลิง (เช่นจัดลำดับความสำคัญ
เป้าหมายในการบรรทุกทางอากาศและภาคพื้นดิน)

ผลลัพธ์ (ไทย) 3:

ไฟป่าเป็นปัญหาสิ่งแวดล้อมที่สำคัญ การสร้างเศรษฐกิจและนิเวศวิทยา
ความเสียหาย ในขณะที่อันตรายต่อชีวิตของมนุษย์ การตรวจสอบอย่างรวดเร็วเป็นกุญแจสำคัญในการควบคุม
เช่นปรากฏการณ์ เพื่อให้บรรลุนี้ ทางเลือกหนึ่งคือการใช้เครื่องมือยึดเซ็นเซอร์
อัตโนมัติในท้องถิ่นเช่นโดยสถานีอุตุนิยมวิทยา .
ผล เงื่อนไขทางอุตุนิยมวิทยา ( ลม เช่น อุณหภูมิ , รู้จักกัน

)อิทธิพลของไฟป่าและดัชนีไฟ หลายประการ เช่น ไฟป่า สภาพอากาศดัชนี
( fwi ) ใช้ข้อมูลดังกล่าว ในงานนี้เราสำรวจการทำเหมืองข้อมูล ( DM ) วิธีการ
ทำนายเผาพื้นที่ไฟป่า . 5 เทคนิคแตกต่างกัน เช่น DM , สนับสนุนเวกเตอร์เครื่องจักร
( SVM ) และป่าแบบสุ่ม และเลือกการตั้งค่า (
4 คุณลักษณะการเชิงพื้นที่และส่วนประกอบ fwi และคุณลักษณะสภาพอากาศ )
ทำการล่าสุดจริง เก็บรวบรวมข้อมูลจากภาคตะวันออกเฉียงเหนือของประเทศโปรตุเกส .
การกำหนดค่าที่ดีที่สุดใช้ SVM และสี่อุตุนิยมวิทยาปัจจัย ( เช่น
อุณหภูมิ ความชื้น ฝน และลม ) และมันสามารถทำนาย
เผาพื้นที่ไฟขนาดเล็กซึ่งเป็นบ่อยกว่า ความรู้ดังกล่าวเป็นประโยชน์สำหรับการปรับปรุงการจัดการทรัพยากรโดยเฉพาะ

จัดองค์กร ( เช่นเป้าหมายที่เรืออากาศและภาคพื้นดิน )