ترجمه فارسی مقاله دید دینامیک آتش: تقسیم بندی و ردیابی تصویر برای رفتار آتش و توده در مقیاس چندگانه

چکیده

The increasing frequency and severity of wildfires highlight the need for accurate fire and plume spread models. We introduce an approach that effectively isolates and tracks fire and plume behavior across various spatial and temporal scales and image types, identifying physical phenomena in the system and providing insights useful for developing and validating models. Our method combines image segmentation and graph theory to delineate fire fronts and plume boundaries. We demonstrate that the method effectively distinguishes fires and plumes from visually similar objects. Results demonstrate the successful isolation and tracking of fire and plume dynamics across various image sources, ranging from synoptic-scale ($10^4$-$10^5$ m) satellite images to sub-microscale ($10^0$-$10^1$ m) images captured close to the fire environment. Furthermore, the methodology leverages image inpainting and spatio-temporal dataset generation for use in statistical and machine learning models.

چکیده به فارسی (ترجمه ماشینی)

فرکانس فزاینده و شدت آتش سوزی نیاز به مدل های دقیق آتش سوزی و پخش ستون را برجسته می کند.ما رویکردی را معرفی می کنیم که به طور مؤثر باعث جداسازی و ردیابی رفتار آتش و ستون در مقیاس های مختلف مکانی و زمانی و انواع تصویر می شود ، پدیده های فیزیکی را در سیستم شناسایی می کند و بینش هایی را برای توسعه و اعتبار سنجی ارائه می دهد.روش ما تقسیم بندی تصویر و تئوری نمودار را برای ترسیم جبهه های آتش و مرزهای ستون ترکیب می کند.ما نشان می دهیم که این روش به طور موثری آتش سوزی ها و گل ها را از اشیاء بصری مشابه متمایز می کند.نتایج نشان می دهد انزوای موفقیت آمیز و ردیابی دینامیک آتش و ستون در منابع مختلف تصویر ، اعم از مقیاس سینوپتیک (10 $^4 $-10 $-5 $ m) تصاویر ماهواره ای تا زیر میکروسکوله (10 $^0 $-10^1 $ $ $م) تصاویر ضبط شده در نزدیکی محیط آتش.علاوه بر این ، این متدولوژی برای استفاده در مدلهای آماری و یادگیری ماشین ، از تولید مجموعه داده های فضایی و مکانی-زمانی استفاده می کند.