-
题名应用机器学习模型对中国云贵川区域林火风险预测
被引量:5
- 1
-
-
作者
王姊辉
董恒
赵洋甬
何思聪
袁艳斌
张力文
-
机构
武汉理工大学
浙江时空智子大数据有限公司
武汉华夏理工学院
-
出处
《东北林业大学学报》
CAS
CSCD
北大核心
2023年第5期113-119,共7页
-
基金
国家自然科学基金项目(52079101)
宁波市科技局智团创业计划(2021ZH1CXYD060013)
宁波市奉化区科技计划项目(202209204)。
-
文摘
加强云贵川区域林火管理,预测云贵川地区森林火灾的发生概率,对保护森林资源和森林生态系统结构和功能具有重要意义。利用MCD64A1火灾数据集、气象数据、地形数据和可燃物含水率数据构建模型训练数据集,结合逻辑回归、随机森林与极端梯度提升等机器学习模型,对中国云贵川区域日尺度林火燃烧概率进行预测。结果表明:单独使用气象数据集对林火燃烧概率进行预测时,极端梯度提升模型表现最好,预测精度为88.6%,其次为随机森林模型与逻辑回归模型,预测精度分别为86.0%与76.7%。地形因素及植被水分指数的引入对机器学习模型有一定的优化效果,极端梯度提升模型与随机森林模型的预测精度的提升均超过1%。
-
关键词
森林火灾
植被水分指数
机器学习
随机森林
极端梯度提升
-
Keywords
Forest fire
NDWI
Machine learning
Random forest
Extreme gradient boosting
-
分类号
S762.2
[农业科学—森林保护学]
-