Стандартные метрики машинного обучения, такие как F1-score или IoU, непригодны для оценки систем прогнозирования рисков лесных пожаров, так как они измеряют точность предсказания событий, а не операционную согласованность непрерывного сигнала риска. В работе предложена новая монотонная оценка, проверяющая, увеличивается ли наблюдаемая операционная нагрузка (количество пожаров, время вмешательства, задействованные ресурсы) при росте прогнозируемого риска.
Эксперименты в департаменте Приморских Альп сравнили три подхода: экспертный индекс DFE, GRU-модели и гибридную мультиагентную систему FARS. DFE показал наиболее сбалансированную монотонность по всему шкале риска, GRU-модели — сильную локальную монотонность, но неудовлетворительное распределение уровней риска, FARS унаследовал структурные ограничения исходных сигналов. Ключевой вывод: эффективная модель не требует точного предсказания пожаров, но её порядковая шкала должна объяснять операционные динамики.