森林火灾预测模型研究

近年来,随着全球温室效应加剧、气候变暖和人为活动增加,造成全球森林火灾多发频发,给森林资源和人民生命财产安全造成严重威胁。如能有效预测森林火灾的发生规律,采取有效措施加以预防,将会大大减少森林火灾所造成的损失。本研究总结了几类国内外森林火灾发生预测模型和发生次数预测模型,对比各类模型的优缺点,分析了森林火灾预测模型的发展前景,为国内相关模型的研究和开发提供参考。结果发现:(1)在森林火灾发生预测模型中,机器学习预测方法比广义线性回归模型的拟合效果更好,考虑到空间异质性的模型以及多因子模型预测精度更高,在进行森林火灾预测研究时可优先选择GWLR和RF两种模型;(2)在森林火灾次数预测模型中,GM(1,1)模型预测拟合效果较好,但对数据要求更高,ZINB和Hurdle模型整体上要比Poisson回归模型和NB回归模型预测拟合效果好。中国目前关于森林火灾预测模型的研究主要集中在东北、西南和东南等地区,且没有可广泛适用的模型,还需进一步深入研究。

应用机器学习算法分析广西林火发生驱动因素及林火预测

森林火灾对生态环境和人类社会构成了严重威胁,当前全球气候不断变化、人类活动日益频繁,森林火灾的影响也日益凸显。以广西壮族自治区为研究区,根据2006—2020年研究区的卫星监测森林火点数据,结合气象数据、地形数据、植被数据和人为活动数据,应用反向传播神经网络(BPNN)、梯度增强决策树(GBDT)、随机森林(RF)、支持向量机(SVM)和极限梯度提升模型(XGBoost)等机器学习算法对广西地区的森林火灾建模,对林火发生概率进行预测;利用最优模型绘制了季节性森林火险区域图,分析森林火灾发生的驱动因素和潜在的森林火灾风险。结果表明:(1)XGBoost模型在预测广西地区森林火灾风险方面表现最佳,其准确率为92.33%,精确度为92.89%,召回率为91.88%,F_(1)值为92.38%,A_(UC)值为97.68%。(2)广西地区森林火灾的主要驱动因素为气象条件与植被因素,主要因素为潜在蒸发量(Pes)、大气压(Sfp)、总初级生产力(GPP)和增强型植被指数(Evi)等。(3)广西地区的春季和冬季是森林火灾的高发季节,中高风险区主要集中在桂东、桂中南和桂西地区。