AVL · Aprendizaje automático
Avalanche
XGBoost · CV con bloques espaciales · AUC hold-out 0.99 · v1.1 · 2026-04
Alpes franceses e italianos — el corredor de Chamonix en su máximo
Susceptibilidad por aprendizaje automático a partir del terreno y del clima nival, entrenada con eventos de avalancha observados.
Qué incluye
Surfaces — probabilidad calibrada de 0 a 1 por píxel.
Cada versión: puntuación de 0 a 1 · banda de 5 clases · incertidumbre por píxel · máscara de cobertura de entradas · elemento STAC · documento de metodología.
Entradas
Pendiente/orientación del DEM, nevada media, temperatura invernal, rugosidad del terreno
Validación
AUC hold-out con bloques espaciales 0.99 — los bloques de validación cruzada evitan la fuga de información entre píxeles cercanos.
Historial de versiones
Qué cambió entre versiones: las mismas notas que se publican con los datos. De más reciente a más antigua.
v1.1
2026-04
actual
- Compact uint16 encoding. The surfaces were re-encoded from float32 to compact integer COGs with a documented scale (physical = raw × scale, nodata 65535) — dramatically smaller and self-describing, with no loss of precision at the delivered resolution. Method and values are unchanged from v1.0.
v1.0
2026-04
- Initial release. Machine-learning avalanche susceptibility (gradient-boosted trees, XGBoost) from terrain and snow-climate — DEM slope/aspect, mean snowfall, winter temperature, and terrain ruggedness — trained on observed avalanche events with spatially-blocked cross-validation (hold-out AUC 0.99). Ships a five-class susceptibility map plus per-pixel uncertainty and coverage.
Otros peligros
LandslideWildfireEarthquakeWindstormExtreme heatExtreme coldFrost / freezeLightningSoil erosionHurricaneDroughtVolcanic Eruption