Bài báo này nhấn mạnh tầm quan trọng của việc tiếp cận thông tin thời gian thực về tình hình cháy rừng ở Canada và tập trung vào việc tận dụng dữ liệu mạng xã hội để khắc phục những hạn chế của các nguồn dữ liệu hiện có. Cụ thể, chúng tôi trình bày WildFireCan-MMD, một bộ dữ liệu mạng xã hội về cháy rừng đa phương thức (văn bản và hình ảnh) còn thiếu trong bối cảnh của Canada. Bộ dữ liệu này chú thích các bài đăng gần đây liên quan đến cháy rừng ở Canada (X) thành 12 chủ đề chính. Chúng tôi so sánh Mô hình Ngôn ngữ Tầm nhìn (VLM) không có cảnh quay nào, một mô hình được đào tạo tùy chỉnh và một bộ phân loại cơ sở, chứng minh rằng mô hình được đào tạo tùy chỉnh vượt trội hơn cả mô hình không có cảnh quay nào và bộ phân loại cơ sở (điểm f 84,48%) khi có sẵn dữ liệu được gắn nhãn. Hơn nữa, chúng tôi đề xuất một phương pháp để xác định xu hướng cháy rừng bằng cách sử dụng các bộ dữ liệu quy mô lớn, không được gắn nhãn, nhấn mạnh tầm quan trọng của các bộ dữ liệu cụ thể theo từng khu vực.
