🌏 Asia-Pacific Fire Detection Analysis System

大規模な火災検知データに対する高度なクラスタリング分析と包括的レポート生成を行うPythonシステムです。NASA FIRMSデータを使用してアジア太平洋地域の火災パターンを自動分析し、専門的なレポートを生成します。

✨ 主要機能

🔥 大規模火災データ分析

• NASA FIRMS API からの自動データ収集（最大10日間）
• 高信頼度火災検知データの処理（15,000+サンプル）
• アジア太平洋地域の包括的カバレッジ

🤖 インテリジェントクラスタリング

• 適応的クラスタリング選択（HDBSCAN ↔ FAISS k-means）
• t-SNE による高品質な次元削減可視化
• GPU加速による高速処理

📊 包括的可視化とレポート

• 6つの専門的可視化図表の自動生成
• Markdown形式の詳細分析レポート
• 地理的・時間的・強度別の多角的分析

🚀 クイックスタート

1. 環境セットアップ

# リポジトリのクローン
git clone https://github.com/yourusername/asia-pacific-fire-analysis.git
cd asia-pacific-fire-analysis

# 仮想環境の作成
python -m venv .venv
source .venv/bin/activate  # Linux/Mac
# または
.venv\Scripts\Activate.ps1  # Windows PowerShell

# 依存関係のインストール
pip install -r requirements.txt

2. NASA FIRMS APIキーの設定

1. NASA FIRMS でAPIキーを取得
2. config_asia_pacific_firms.json の "api_key" を更新

3. 分析実行

python asia_pacific_firms_pipeline.py
python nasa_firms_adaptive_pipeline.py

4. 結果確認

# 生成された結果ディレクトリを確認
ls data_firms_*/
# 包括的レポートを表示
cat data_firms_*/comprehensive_fire_analysis_report.md

📋 詳細ガイド

• 📖 Quick Guide - 5分で始める簡単ガイド
• 🔧 Technical Documentation - 詳細な技術仕様とベストプラクティス

📊 分析結果例

パフォーマンス指標

• 処理サンプル数: 15,000件
• クラスタリング品質: 0.710
• 処理時間: ~85秒
• 発見クラスタ数: 8クラスタ

生成される出力

data_firms_YYYYMMDDHHMM/
├── 📊 nasa_firms_data.csv                    # 元データ
├── 🖼️ tsne_plot.png                           # クラスタリング可視化
├── 🖼️ cluster_geographic_distribution.png    # 地理的分布
├── 🖼️ cluster_temporal_patterns.png          # 時間パターン
├── 🖼️ cluster_intensity_analysis.png         # 強度分析
├── 🖼️ cluster_regional_analysis.png          # 地域分析
├── 🖼️ score_distribution.png                 # スコア分布
├── 📝 comprehensive_fire_analysis_report.md  # 包括的レポート
└── 📋 final_asia_pacific_results.json        # 分析結果サマリー

🛠️ システム要件

ハードウェア

• RAM: 最低8GB、推奨16GB
• GPU: CUDA対応GPU推奨（高速化）
• ストレージ: 実行毎に約500MB

ソフトウェア

• Python: 3.8以上
• OS: Windows 10/11, macOS, Linux

🏗️ アーキテクチャ

graph TD
    A[NASA FIRMS API] --> B[Data Collector]
    B --> C[Embedding Generator]
    C --> D[Adaptive Clustering]
    D --> E[Visualization Engine]
    E --> F[Feature Analyzer]
    F --> G[Report Generator]
    G --> H[Output Files]

Loading

コア技術

• 🧠 ML: sentence-transformers, scikit-learn, FAISS
• � 可視化: matplotlib, seaborn, plotly
• ⚡ 加速: CUDA, NumPy optimizations
• 🌐 データ: NASA FIRMS VIIRS_SNPP_NRT

� 設定カスタマイズ

主要な設定は config_asia_pacific_firms.json で調整可能：

{
  "days_back": 10,              # データ収集期間
  "max_samples": 15000,         # 処理サンプル数上限
  "confidence_threshold": 50,   # 信頼度閾値
  "clustering": {
    "adaptive_threshold": 3000  # クラスタリング手法切替閾値
  }
}

📈 利用事例

� 研究機関

• 山火事パターンの学術研究
• 気候変動影響の定量分析
• 地域別火災特性の比較研究

🏛️ 政府機関

• 災害対策計画の策定支援
• 火災リスク評価システム
• 資源配分の最適化

🌍 NGO・環境団体

• 森林保護活動の効果測定
• 環境影響評価レポート
• 公的啓発資料の作成

🤝 コントリビューション

プロジェクトへの貢献を歓迎します！

1. このリポジトリをフォーク
2. 機能ブランチを作成 (git checkout -b feature/amazing-feature)
3. 変更をコミット (git commit -m 'Add amazing feature')
4. ブランチにプッシュ (git push origin feature/amazing-feature)
5. Pull Requestを作成

📄 ライセンス

このプロジェクトは MIT License の下で公開されています。

🙏 謝辞

• NASA FIRMS - 高品質な火災検知データの提供
• sentence-transformers - 効率的なテキスト埋め込み
• scikit-learn - 機械学習アルゴリズム
• FAISS - 高速類似度検索

📞 サポート

• Issues: GitHub Issues
• Discussions: GitHub Discussions
• Documentation: Technical Docs

---

🌟 このプロジェクトが有用でしたら、ぜひスターをお願いします！