基于机器学习算法的森林火灾风险评估研究

【目的】利用森林火灾风险图可提高有效巡护，优化有限防火资源，基于地形、人类活动、植被和气象因素数据，采用基于机器学习算法构建了林火发生预测模型，对林火防护提供一定的参考。【方法】以安徽省滁州韭山为研究对象，提取林区的坡度、海拔、坡向、到居住点的距离、到道路的距离、地形湿度指数、归一化植被指数和温度驱动因素，评估火灾发生驱动因子，将潜在驱动因子分成地形、人类活动、植被与气象因素等4类；使用哨兵火灾产品，提取林区内的历史火点，然后采用机器学习算法建立林火发生的预测模型；最后利用混淆矩阵评估指标和接受者操作特征曲线(ROC)进行精度评价。【结果】植被、温度和到道路的距离是研究区域火灾发生的主要驱动因素。两种模型的ROC曲线表明，逻辑回归预测模型准确度为71.07%,曲线下面积(AUC)值为0.717 2;随机森林模型具有较好的准确性，准确度达到84.91%,曲线下面积值为0.850 1。【结论】随机森林模型表现出比逻辑回归模型更好的预测能力。森林火灾风险图表明，随机森林模型预测下，研究区11.91%(29.36 km²)位于高、极高风险级别。森林火灾风险图可有效协助林火...