U-Net with Hadamard Transform and DCT Latent Spaces for Next-day Wildfire Spread Prediction

1. Problema e Contexto

Os incêndios florestais representam uma das ameaças naturais mais devastadoras, causando perdas econômicas massivas e vítimas fatais. Com o aumento da frequência e severidade desses eventos devido às mudanças climáticas, há uma necessidade urgente de métodos de previsão eficazes para a mitigação e resposta a desastres.

O foco específico deste trabalho é a previsão da propagação de incêndios para o dia seguinte. As abordagens tradicionais (simuladores empíricos, modelos determinísticos e análise estatística) frequentemente lutam para capturar as interações não lineares complexas entre variáveis ambientais. Embora o aprendizado profundo ofereça oportunidades para aprender padrões espaço-temporais diretamente de dados multivariados, os modelos existentes enfrentam desafios como:

• Alto custo computacional.
• Disponibilidade limitada de dados.
• Desequilíbrio de dados (especificidade de pixels de incêndio em relação a pixels não queimados).
• Necessidade de modelos leves para implementação em ambientes com recursos limitados (edge computing).

2. Metodologia: TD-FusionUNet

Os autores propõem uma arquitetura de rede neural leve e eficiente chamada Transform Domain Fusion UNet (TD-FusionUNet). O modelo é baseado no U-Net, mas com inovações fundamentais na forma como as características são processadas.

A. Transformações no Domínio Ortogonal

Em vez de depender exclusivamente de camadas convolucionais tradicionais, o modelo incorpora camadas treináveis de Transformada de Hadamard (HT) e Transformada Discreta de Cosseno (DCT).

• Estrutura: O modelo utiliza um caminho duplo (dual-branch). Uma ramificação aplica a Transformada de Hadamard 2D e a outra aplica a DCT 2D.
• Processo: Para cada canal de entrada, a transformada é aplicada sequencialmente nas dimensões espaciais. Isso é seguido por:
  1. Escala Treinável: Multiplicação por um mapa de pesos aprendível.
  2. Limiarização Suave (Soft-Thresholding): Um operador que suprime coeficientes pequenos (ruído) e mantém os fortes (padrões essenciais), forçando a rede a focar nas características mais importantes.
  3. Reconstrução: Aplicação da transformada inversa para retornar ao domínio espacial.
• Fusão: As saídas das duas ramificações (Hadamard e DCT) são fundidas através de uma camada totalmente conectada e somação elementar durante a fase de decodificação, permitindo uma interação complementar entre a mistura global do domínio de Hadamard e as representações de frequência da DCT.

B. Pré-processamento Personalizado

Para lidar com a escassez de dados de máscaras pré-incêndio e o desequilíbrio de classes, foram desenvolvidas duas técnicas:

1. Recorte Aleatório de Margem (Random Margin Cropping): Pixels incertos são zerados e as máscaras binárias são perturbadas. Pixels de fundo recebem valores aleatórios pequenos (0.01–0.03) e pixels de fogo recebem valores altos (0.8–0.99). Isso enriquece a representação e previne o overfitting a máscaras binárias rígidas.
2. Suavização por Mistura Gaussiana: Aplica-se um desfoque gaussiano com múltiplos desvios padrão (ex: 0.4 e 0.8) às máscaras de entrada, agregando-os para criar mapas de probabilidade suave. Isso gera amostras sintéticas e complementa dados ausentes ou esparsos.

3. Contribuições Chave

• Arquitetura Leve e Eficiente: O modelo alcança alta precisão com um número drasticamente reduzido de parâmetros (apenas 370k), tornando-o viável para implementação em dispositivos de borda.
• Aprendizado em Espaço Latente Ortogonal: A introdução de transformadas ortogonais (Hadamard e DCT) permite que a rede capture componentes de "frequência" essenciais, superando a eficiência de redes convolucionais puras em conjuntos de dados menores.
• Técnicas de Pré-processamento Robustas: As estratégias de cropping e suavização gaussiana melhoram significativamente a generalização do modelo em cenários de dados esparsos.
• Escalabilidade: O design modular permite que as camadas de transformada substituam ou aumentem camadas convencionais em outras arquiteturas de redes neurais.

4. Resultados Experimentais

O modelo foi avaliado em dois conjuntos de dados públicos: o conjunto de dados de propagação de incêndios do dia seguinte do Google Research e o conjunto WildfireSpreadTS.

• Desempenho no Google Dataset:
  • O TD-FusionUNet alcançou um escore F1 de 0.702 (com pré-processamento personalizado), superando significativamente o Autoencoder CNN de 2D (F1 0.621) e o HT-UNet simples (F1 0.665).
  • O modelo reduziu o número de parâmetros em quase 50% em comparação com a base CNN, mantendo ou melhorando a precisão.
• Desempenho no WildfireSpreadTS:
  • O TD-FusionUNet (com largura de canal base 8) alcançou um F1 de 0.591.
  • Comparação com Baseline: Este resultado supera a linha de base UNet com ResNet18 (F1 0.589), que possui 14 milhões de parâmetros. O modelo proposto, com apenas 370 mil parâmetros, oferece uma melhor relação entre precisão e eficiência.
• Qualidade Visual: As previsões binárias geradas cobrem a maior parte das áreas de incêndio reais (verdadeiros positivos), com poucos falsos negativos (áreas de incêndio perdidas) e falsos positivos gerenciáveis.

5. Significado e Conclusão

Este trabalho demonstra que a fusão de transformadas ortogonais (Hadamard e DCT) dentro de uma arquitetura U-Net é uma estratégia altamente eficaz para a previsão de incêndios florestais.

A principal contribuição é a demonstração de que modelos leves podem superar arquiteturas pesadas (como ResNet18) quando o design do espaço latente é otimizado para capturar padrões essenciais com menos parâmetros. Isso torna a tecnologia viável para aplicações em tempo real em ambientes com recursos computacionais limitados, como satélites ou estações de monitoramento remoto, permitindo uma alocação mais rápida e eficiente de recursos de combate a incêndios.