Transfer Learning for Dead Fuel Moisture Prediction Using Time-Warping Recurrent Neural Networks

Resumen Técnico: Aprendizaje por Transferencia para la Predicción de la Humedad de Combustibles Muertos Mediante Redes Neuronales Recurrentes con Deformación Temporal

Enunciado del Problema
El contenido de humedad de los combustibles muertos (FMC) es una variable crítica para la evaluación del peligro de incendios forestales y la modelización del comportamiento activo del fuego. Los sistemas operativos suelen categorizar los combustibles muertos en cuatro clases basadas en tiempos de respuesta característicos: 1 hora (FM1), 10 horas (FM10), 100 horas (FM100) y 1000 horas (FM1000). Aunque los datos de FM10 son abundantes debido a una densa red de Estaciones Meteorológicas Automáticas Remotas (RAWS) equipadas con sensores estandarizados, las observaciones para FM1, FM100 y FM1000 son escasas tanto en el espacio como en el tiempo. Los enfoques tradicionales de aprendizaje automático (ML) luchan por entrenar modelos fiables para estas clases escasamente observadas debido a la escasez de datos. Por el contrario, los modelos basados en la física, como el modelo de Nelson Jr. (2000), siguen siendo el estándar operativo pero dependen de suposiciones idealizadas. El desafío central abordado es cómo aprovechar la vasta disponibilidad de datos de FM10 para mejorar las predicciones de otras clases de combustible sin requerir nuevos datos observacionales extensos.

Metodología
Los autores proponen una técnica novedosa de aprendizaje por transferencia denominada deformación temporal (time-warping), aplicada a una Red Neuronal Recurrente (RNN) con una capa de Memoria a Corto y Largo Plazo (LSTM). El enfoque se basa en la observación de que las diferentes clases de combustible comparten las mismas variables de entrada (condiciones meteorológicas) pero difieren principalmente en la velocidad con la que evolucionan sus dinámicas de humedad (es decir, su escala de tiempo).

1. Modelo Fuente: Se desarrolló una RNN preentrenada para predecir FM10 utilizando entradas meteorológicas (temperatura, humedad relativa, radiación solar, viento, precipitación) y datos geográficos. Este modelo fue entrenado con un gran conjunto de datos de observaciones de FM10 de RAWS en la región de las Montañas Rocosas (2023–2024).
2. Mecanismo de Deformación Temporal: Inspirado en el redimensionamiento matemático del tiempo en ecuaciones diferenciales ordinarias (EDO) de primer orden con retardo temporal, el método modifica las dinámicas temporales aprendidas de la LSTM preentrenada. Específicamente, se dirige a los parámetros de sesgo de la puerta de olvido ($b_f$) y la puerta de entrada ($b_i$).
   • En una LSTM teórica de una sola unidad que aproxima un sistema con retardo temporal, la escala de tiempo está controlada por estos términos de sesgo.
   • El método propuesto aplica desplazamientos aditivos ($\alpha_f, \alpha_i$) a estos sesgos para "deformar" efectivamente la escala de tiempo de la evolución del estado interno de la red.
   • A diferencia del ajuste fino estándar, que actualiza todos los pesos, la deformación temporal trata $\alpha_f$ y $\alpha_i$ como dos parámetros de ajuste escalares ajustados mediante búsqueda en cuadrícula en un pequeño conjunto de datos objetivo. Esto modifica 128 parámetros (de más de 21,000) uniformemente en toda la capa LSTM.
3. Diseño Experimental: El método se evaluó utilizando datos del estudio de campo pionero de Carlson et al. (2007) en Oklahoma (1996–1997), que proporcionó mediciones gravimétricas de FMC de alta resolución temporal para las cuatro clases de combustible. El estudio comparó el método de deformación temporal (con y sin ajuste fino completo posterior) contra varias líneas base:
   • Sin Transferencia: Entrenamiento desde cero con datos objetivo.
   • Ajuste Fino Completo: Actualización de todos los parámetros con datos objetivo.
   • Estrategias de Congelamiento: Congelamiento ya sea de la capa recurrente o de las capas densas/de salida.
   • Cero Disparos (Zero-Shot): Aplicación directa del modelo preentrenado de FM10 a los datos objetivo sin adaptación.

Resultados Clave
El estudio utilizó 100 realizaciones del procedimiento de entrenamiento de la RNN para evaluar la variabilidad.

• Rendimiento de Cero Disparos: Cuando se aplicó directamente a los datos de FM10 de Oklahoma (cero disparos), la RNN preentrenada logró una precisión comparable al modelo de Nelson de última generación para valores de FM10 $\le$ 30% (RMSE $\approx$ 3.21%). Sin embargo, subestimó significativamente el FM10 para combustibles muy húmedos (>30%), una limitación atribuida a las características de saturación de los sensores de FM10 utilizados en los datos de entrenamiento fuente.
• Predicción de FM1: Para la clase de combustible de 1 hora, el enfoque Deformación Temporal + Ajuste Fino logró el RMSE medio más bajo (5.26%) y empató como el mejor $R^2$ (0.84) entre todos los métodos. Cabe destacar que el método de Deformación Temporal por sí solo (sin ajuste fino completo) rindió de manera competitiva, particularmente para FM1 $\le$ 30%, donde logró un RMSE de 3.35% y un $R^2$ de 0.71, superando al modelo de Nelson ($R^2$ 0.46).
• Predicción de FM100 y FM1000: Para las clases de combustible más grandes, el método de deformación temporal se mantuvo competitivo frente a las líneas base estándar de aprendizaje por transferencia. Para FM100, logró un RMSE de 2.38% (vs. 1.75% para el Ajuste Fino Completo) y un $R^2$ de 0.70. Para FM1000, logró un RMSE de 2.22% y un $R^2$ de 0.54, comparable al modelo de Nelson.
• Análisis de Dinámicas: Los análisis de autocorrelación (ACF) y autocorrelación parcial (PACF) confirmaron que el método de deformación temporal alteró con éxito las dinámicas temporales. Las predicciones de FM1 exhibieron tiempos de respuesta más rápidos y una variabilidad más fuerte impulsada por el clima (patrones diurnos), mientras que las predicciones de FM100 y FM1000 mostraron una decadencia más lenta y una mayor persistencia, consistente con las expectativas físicas.

Importancia y Afirmaciones
El artículo afirma varias contribuciones significativas al campo de la ciencia de incendios forestales y el aprendizaje automático:

1. Marco Novel de Aprendizaje por Transferencia: Se presenta como la primera aplicación de aprendizaje por transferencia específicamente para la predicción de la humedad de combustibles. Introduce la "deformación temporal" como una forma distinta de aprendizaje por transferencia basada en parámetros donde el espacio de entrada es compartido, pero la tarea difiere por la escala de tiempo.
2. Primero Estudio de ML para Combustibles Grandes: Según los autores, este es el primer estudio publicado de aprendizaje automático dirigido a la predicción de FM100 y FM1000, áreas previamente dominadas por modelos basados en la física.
3. Eficiencia y Generalización: El método demuestra que se puede lograr una alta precisión modificando solo una pequeña fracción de los parámetros del modelo (dos desplazamientos de sesgo) en lugar de reentrenar toda la red. Los autores argumentan que este ajuste limitado reduce el riesgo de sobreajuste en datos objetivo escasos (una sola ubicación, corto período de tiempo) en comparación con los métodos que actualizan muchos parámetros.
4. Potencial Operativo: Los resultados sugieren que el aprendizaje por transferencia puede extender las capacidades de predicción basadas en datos a clases de combustible donde las observaciones de sensores son escasas, apoyando potencialmente herramientas operativas de gestión de incendios forestales más allá de la bien observada clase de 10 horas.

Los autores mantienen un tono modesto respecto a la generalización, señalando que los parámetros de deformación temporal se optimizaron en una sola ubicación y año, y que una evaluación más amplia en todo el territorio continental de EE. UU. es un paso futuro necesario para validar completamente la robustez del método.