Mesogeos

Mesogeos是一个大规模的多用途数据集，专为地中海地区的野火建模设计。该数据集整合了代表野火驱动因素（气象、植被、人类活动）的变量以及17年（2006-2022）的历史野火点火和烧毁区域记录。Mesogeos以云友好的时空数据集形式，即数据立方体，将所有变量统一在一个1km x 1km x 1天分辨率的网格中。数据立方体结构为评估机器学习在各种野火建模任务中的应用提供了机会。数据集的创建旨在通过机器学习技术，提高对地中海地区野火发生和发展的理解和预测能力，从而增强野火预防和管理，适应不断变化的气候条件。

Mesogeos is a large-scale, multi-purpose dataset specifically designed for wildfire modeling in the Mediterranean region. This dataset integrates variables representing wildfire driving factors (meteorology, vegetation, human activities) alongside 17-year (2006–2022) historical records of wildfire ignitions and burned areas. Mesogeos unifies all variables within a grid with a resolution of 1km × 1km × 1 day, presented as a cloud-friendly spatiotemporal dataset, i.e., a data cube. The data cube structure provides opportunities to evaluate machine learning applications across diverse wildfire modeling tasks. This dataset was developed to improve understanding and predictive capabilities of wildfire occurrence and progression in the Mediterranean region using machine learning techniques, thereby enhancing wildfire prevention and management to adapt to changing climatic conditions.

搜集汇总

数据集介绍

构建方式

Mesogeos数据集的构建方式是将地中海地区的多种数据源整合到一个时空数据立方体中。该数据立方体包含了17年的气象、植被、人类活动等 wildfire 驱动因素的变量，以及 wildfire 点燃点和燃烧面积的历史记录。数据被统一到一个 1km x 1km x 1-day 的网格中，以方便研究人员进行时空分析。数据立方体的结构允许研究人员选择不同的数据子集，提取变量，计算新的变量，甚至扩展数据立方体。

使用方法

Mesogeos数据集的使用方法包括两个主要的 ML 任务：短期 wildfire 危险预报和给定点燃点的最终燃烧面积估计。为了展示数据立方体的潜力，我们从数据立方体中提取了两个 ready-to-consume 的 ML 数据集。对于短期 wildfire 危险预报任务，我们使用 LSTM、Transformer 和 Gated Transformer 模型进行训练和评估。对于最终燃烧面积预测任务，我们使用 U-Net 模型进行训练和评估。Mesogeos数据集的代码和模型可以在 GitHub 上找到，方便研究人员进行进一步的研究和应用。

背景与挑战

背景概述

地中海地区频繁发生的野火对人类和自然环境构成了严重威胁，尤其是在气候变化加剧了野火的频率和强度的情况下。为了应对这一挑战，研究人员Spyros Kondylatos、Ioannis Prapas、Gustau Camps-Valls和Ioannis Papoutsis合作开发了Mesogeos数据集。该数据集整合了17年（2006-2022年）的野火驱动因素变量（气象、植被、人类活动）和野火点火的历史记录，并采用云友好的时空数据集结构，即数据立方体，以1公里x 1公里x 1天的分辨率进行统一。Mesogeos数据集的设计旨在评估机器学习（ML）在野火建模任务中的应用潜力，并提取了两个ML-ready数据集，分别用于短期野火危险预测和给定点火点的最终烧毁面积估计。该数据集的发布旨在鼓励社区实施更多缓解地中海野火威胁的解决方案。

当前挑战

尽管Mesogeos数据集在野火建模中展现出巨大潜力，但其应用仍然面临挑战。首先，构建大规模数据集需要大量的数据收集和整理工作，数据来源分散且格式多样。其次，野火事件的发生具有随机性，可能导致数据集的不平衡或稀疏。此外，现有的野火数据集往往局限于特定的小规模区域，或具有粗糙的时空分辨率。Mesogeos数据集虽然提供了丰富的野火驱动因素变量，但仍存在一些局限性，例如继承自原始数据源的精度问题，以及缺乏有关火灾抑制措施的信息。此外，野火事件的动态性和复杂性使得野火建模成为一个挑战，需要进一步的研究和探索。

常用场景

经典使用场景

Mesogeos数据集为地中海地区的野火建模提供了一个多用途的、大规模的数据集。它整合了代表野火驱动因素的变量（气象、植被、人类活动）以及17年（2006-2022年）的野火点火和燃烧面积的历史记录。该数据集被设计为一个云友好的时空数据集，即一个数据立方体，将所有变量协调在1公里×1公里×1天的网格中。数据立方体结构为评估机器学习（ML）在各种野火建模任务中的使用提供了机会。我们从数据立方体中提取了两个ML-ready数据集，以展示其在野火建模任务中的潜力：短期野火危险预测和给定点火点的最终燃烧面积估计。我们定义了适当的指标和基线来评估每个轨道中模型的性能。通过发布数据立方体以及创建ML数据集和模型的代码，我们鼓励社区促进实施额外的轨道，以减轻地中海地区日益增长的野火威胁。

解决学术问题

Mesogeos数据集解决了传统野火模型无法捕捉野火驱动因素之间复杂交互的问题。它提供了一个包含多种变量的数据集，这些变量代表了野火驱动因素，如气象条件、植被特征和人为因素。此外，它还包括过去的燃烧区域、火点火点和燃烧区域大小，可以作为各种ML任务的预测变量。Mesogeos被协调在一个标准的时空网格格式中，即一个数据立方体，具有每日时间分辨率和1公里×1公里的空间分辨率，包含2006年至2022年的数据。数据立方体结构便于提取ML-ready数据集，用于各种应用。Mesogeos数据集的发布为野火建模领域的研究提供了重要的数据支持，有助于推动野火预测和管理技术的发展。

实际应用

Mesogeos数据集的实际应用场景包括短期野火危险预测和最终燃烧面积估计。短期野火危险预测可以帮助相关部门及时采取预防措施，减少野火发生的可能性。最终燃烧面积估计可以用于评估野火造成的损失，并为未来的野火管理提供参考。此外，Mesogeos数据集还可以用于其他野火相关应用，如火灾规模预测、极端事件预测、野火易感性测绘等。这些应用可以为野火管理提供更全面、准确的信息，帮助相关部门制定更有效的野火管理策略。

数据集最近研究

最新研究方向

Mesogeos数据集为地中海地区的数据驱动型野火建模提供了多用途数据支持，其整合了气象、植被和人类活动等 wildfire 驱动因素变量，以及 17 年（2006-2022）的野火点火和燃烧面积历史记录。该数据集采用云友好的时空数据立方体结构，为各种野火建模任务提供了评估机器学习 (ML) 应用的机会。Mesogeos 数据集的发布，连同创建 ML 数据集和模型的代码，鼓励社区实施更多缓解地中海地区日益增长的野火威胁的轨道。

相关研究论文

• Mesogeos: A multi-purpose dataset for data-driven wildfire modeling in the Mediterranean

  国家天文台，天文、空间应用和遥感研究所，雅典国家天文台 · 2023年