Wildfire detection employing an imaging spectrometer with a digital focal plane array
Notice bibliographique
Résumé
Wildfires increasingly endanger people and property due to the growing population in the wildland urban interface, drought, and climate change. In the United States in 2023 over 1,000,000 acres burned in the western CONUS with no fire encompassing over 100,000 acres. Also, tragically the Lahaina Fire in Hawaii caused the deaths of over 100 people. In Canada, the extreme 2023 fire season resulted in almost 18,500,000 hectares burned, which was a factor of 2.6 larger than the previous high in 1995. The economic losses are enormous with resource expenditures running into the billions and insured losses running into the tens of billions of dollars in the United States. We propose the application of an imaging spectrometer for pre- and post-fire assessments and fire detection. MIT Lincoln Laboratory has developed three critical technologies that are applicable to the wildfire problem. The first is a compact spectrometer, the Chrisp Compact VNIR/SWIR Imaging Spectrometer (CCVIS), that can be modularly implemented for a wide-field imaging spectrometer. The second is the digital focal plane array (DFPA) technology with different detector materials, such as InGaAs or Mercury Cadmium Telluride (MCT), and extremely large well depths exceeding 108 electrons. The DFPA is critical for this application since traditional FPAs will saturate even for relatively cool fires with small spatial sample fill fractions. The DFPA also has sufficient signal to noise performance for pre- and post-fire products such as canopy cover, fuel quantification, and burnt area quantification and monitoring. The third is the TeraByte InfraRed Delivery (TBIRD) space-to-ground optical link that has a maximum data rate of 800 Gbps, which will not be addressed here. A small satellite implementation in a low Earth orbit (∼450 km) will have an entrance pupil on the order of 10 cm for a 50 m ground sample distance (GSD).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».