यह अध्ययन अल्फाअर्थ डेटासेट को सियामी यू-नेट डीप लर्निंग आर्किटेक्चर के साथ जोड़कर स्वचालित अग्नि प्रभावित क्षेत्र मानचित्रण के लिए एक नया दृष्टिकोण प्रस्तुत करता है। उच्च-रिज़ॉल्यूशन वाले ऑप्टिकल और थर्मल इंफ्रारेड चित्रों और व्यापक ग्राउंड ट्रुथ एनोटेशन से युक्त, अल्फाअर्थ डेटासेट एक मजबूत अग्नि प्रभावित क्षेत्र पहचान मॉडल के प्रशिक्षण के लिए अभूतपूर्व संसाधन प्रदान करता है। महाद्वीपीय संयुक्त राज्य अमेरिका से बर्न सीवियरिटी (एमटीबीएस) डेटासेट में मॉनिटरिंग ट्रेंड्स पर मॉडल को प्रशिक्षित करना और 17 यूरोपीय क्षेत्रों में इसका मूल्यांकन करना, प्रस्तावित समूह दृष्टिकोण ने परीक्षण डेटासेट पर उत्कृष्ट प्रदर्शन हासिल किया: 95% की समग्र सटीकता, 0.6 का IoU और 74% का F1-स्कोर। यह अध्ययन स्वचालित अग्नि क्षति आकलन की प्रगति में योगदान देता है और अल्फाअर्थ डेटासेट का उपयोग करके वैश्विक अग्नि प्रभावित क्षेत्र की निगरानी के लिए एक मापनीय समाधान प्रदान करता है।