Διερεύνηση μεθόδων μηχανικής μάθησης για την πρόβλεψη δασικών πυρκαγιών με δημόσια δεδομένα

Abstract

Οι δασικές πυρκαγιές θεωρούνται από τα πιο επικίνδυνα και καταστροφικά φαινόμενα παγκόσμιο επίπεδο. Είναι ένα εξαιρετικά κρίσιμο φαινόμενο λόγω της πολυπλοκότητάς του στην πρόβλεψη. Η επιστημονική κοινότητα έχει επιδείξει σημαντική προσπάθεια στην αντιμετώπιση αυτού του προβλήματος, διεξάγοντας πολυάριθμες έρευνες για την πρόβλεψη, την παρακολούθηση και την πρόληψη των δασικών πυρκαγιών. Αυτές οι έρευνες χρησιμοποιούν διάφορες τεχνικές και στρατηγικές τεχνητής νοημοσύνης αλλά και ενημερωμένες δορυφορικές εικόνες για την άμεση παρακολούθηση των πυρκαγιών. Η παρούσα πτυχιακή εργασία διερευνά την εφαρμογή μεθόδων μηχανικής μάθησης για την πρόβλεψη δασικών πυρκαγιών, αξιοποιώντας δημόσια δεδομένα από το δορυφορικό σύστημα MODIS (Moderate Resolution Imaging Spectroradiometer)για την Ελλάδα από το 2000 έως το 2023. Η μελέτη επικεντρώνεται στη χρήση τριών αλγορίθμων μηχανικής μάθησης: Τυχαίο Δάσος (Random Forest), Λογιστική Παλινδρόμηση (Logistic Regression) και Μηχανών Υποστήριξης Διανυσμάτων (Support Vector Machine). Σκοπός της εργασίας είναι να αξιολογήσει την αποτελεσματικότητα αυτών των αλγορίθμων στην πρόβλεψη εμφάνισης δασικών πυρκαγιών, συγκρίνοντας την ακρίβεια και την απόδοση τους. Τα αποτελέσματα της έρευνας δείχνουν ότι ο αλγόριθμος Τυχαίο Δάσος (Random Forest) επιτυγχάνει υψηλότερη ακρίβεια πρόβλεψης σε σχέση με τους άλλους δύο αλγορίθμους. Η εργασία καταλήγει με προτάσεις για μελλοντική έρευνα, υπογραμμίζοντας την ανάγκη για περαιτέρω βελτιώσεις στα μοντέλα πρόβλεψης, την ενσωμάτωση επιπλέον δεδομένων καθώς και την εφαρμογή μοντέλων deep learning.