應用機器學習模型對中國云貴川區域林火風險預測1)

王姊輝 董恒 趙洋甬 何思聰 袁艷斌 張力文

(武漢理工大學,武漢,430070)(浙江時空智子大數據有限公司)(武漢理工大學)(武漢華夏理工學院)

森林火災作為森林資源的主要災害之一。隨著全球氣候變化,森林火災發生頻率越來越高,全球平均每年發生森林火災數十萬次,且過火面積也逐漸增大,對森林生態環境造成破壞,導致了大量的人員傷亡和經濟損失[1-3]。20世紀60～90年代,由于森林火災發生所產生的碳排放量增加了900 Tg/a,對氣候變暖造成了一定影響[4-5]。同時,氣候變暖使森林火災行為更加復雜多變,大大增加了森林火災的撲救難度[6]。因此,林火預警在森林管理中變得尤為重要。目前,傳統的林火風險預測模型多采用經驗或半經驗方法構建,主要分為歷史數據的預測方法與實驗數據的預測方法,歷史數據的累積和實驗數據的獲取具有較強的局限性,模型預測精度較低[7],原因是森林火險指數主要考慮氣象因素[8-9],忽略了與森林火險指數相關的其他要素(如:可燃物含水率、地形因子等)。因此,傳統的林火預警方法難以滿足林火管理的需求。

隨著機器學習算法的應用越來越廣泛,利用機器學習的方法進行林火風險預測成為可能,機器學習算法在森林火災預測方面具有較為優越的性能[10-14]。機器學習模型在不同區域,對森林火災風險預警有著巨大的潛力。邏輯回歸模型和隨機森林模型在林火風險預測方面有良好的表現,但近年來提出的極端梯度提升模型在分類上也有很好的表現[15]。……