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.pdfVIP

第５２卷第１１期东北林业大学学报Ｖｏｌ．５２Ｎｏ．１１

２０２４年１１月ＪＯＵＲＮＡＬＯＦＮＯＲＴＨＥＡＳＴＦＯＲＥＳＴＲＹＵＮＩＶＥＲＳＩＴＹＮｏｖ．２０２４

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１）

周鹏飞王艳霞

（西南林业大学，昆明，６５０２３３）

摘要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值为９２．３８％，Ａ值为９７．６８％。（２）广西地区森林火灾的主要驱动因素为气象条

１ＵＣ

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。

关键词森林火灾预测模型；森林火灾驱动因素；机器学习

分类号Ｓ７６２．２

ＡｐｐｌｉｃａｔｉｏｎｏｆＭａｃｈｉｎｅＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍｓｉｎＡｎａｌｙｚｉｎｇｔｈｅＤｒｉｖｉｎｇＦａｃｔｏｒｓｏｆＦｏｒｅｓｔＦｉｒｅＯｃｃｕｒｒｅｎｃｅｉｎＧｕａｎ

ｇｘｉａｎｄＰｒｅｄｉｃｔｉｏｎｏｆＦｏｒｅｓｔＦｉｒｅｓ／／ＺｈｏｕＰｅｎｇｆｅｉ，ＷａｎｇＹａｎｘｉａ（ＳｏｕｔｈｗｅｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｋｕｎｍｉｎｇ６５０２３３，Ｐ．

－

Ｒ．Ｃｈｉｎａ）／／ＪｏｕｒｎａｌｏｆＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，２０２４，５２（１１）：７２８２．

Ｆｏｒｅｓｔｆｉｒｅｓｐｏｓｅａｓｅｒｉｏｕｓｔｈｒｅａｔｔｏｔｈｅｅｃｏｌｏｇｉｃａｌｅｎｖｉｒｏｎｍｅｎｔａｎｄｈｕｍａｎｓｏｃｉｅｔｙ．Ｗｉｔｈｇｌｏｂａｌｃｌｉｍａｔｅｃｏｎｔｉｎｕｏｕｓｌｙ

ｃｈａｎｇｉｎｇａｎｄｈｕｍａｎａｃｔｉｖｉｔｉｅｓｂｅｃｏｍｉｎｇｍｏｒｅｆｒｅｑｕｅｎｔ，ｔｈｅｉｍｐａｃｔｏｆｆｏｒｅｓｔｆｉｒｅｓｉｓｉｎｃｒｅａｓｉｎｇｌｙｐｒｏｍｉｎｅｎｔ．ＴａｋｉｎｇＧｕａｎｇｘｉ

ＺｈｕａｎｇＡｕｔｏｎｏｍｏｕｓＲｅｇｉｏｎａｓｔｈｅｓｔｕｄｙａｒｅａ，ｓａｔｅｌｌｉｔｅｍｏｎｉｔｏｒｅｄｆｏｒｅｓｔｆｉｒｅｐｏｉｎｔｄａｔａｆｒｏｍ２００６ｔｏ２０２０ｗｅｒｅｕｓｅｄ，ａｌｏｎｇ

ｗｉｔｈｍｅｔｅｏｒｏｌｏｇｉｃａｌ，ｔｏｐｏｇｒａｐｈｉｃ，ｖｅｇｅｔａｔｉｏｎ，ａｎｄａｎｔｈｒｏｐｏｇｅｎｉｃａｃｔｉｖｉｔｙｄａｔａ．ＭａｃｈｉｎｅｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｓｓｕｃｈａｓＢａｃｋ

ＰｒｏｐａｇａｔｉｏｎＮｅｕｒａｌＮｅｔｗｏｒｋ（ＢＰＮＮ），ＧｒａｄｉｅｎｔＥｎｈａｎｃｅｄＤｅｃｉｓｉｏｎＴｒｅｅ（ＧＢＤＴ），ＲａｎｄｏｍＦｏｒｅｓｔ（ＲＦ），ＳｕｐｐｏｒｔＶｅｃｔｏｒ

Ｍａｃｈｉｎｅ（ＳＶＭ），ａｎｄＥｘｔｒｅｍｅＧｒａｄｉｅｎｔＢｏｏｓｔｉｎｇ（ＸＧＢｏｏｓｔ）ｗｅｒｅａｐｐｌｉｅｄｔｏｍｏｄｅｌｆｏｒｅｓｔｆｉｒｅｓｉｎＧｕａｎｇｘｉａｎｄｐｒｅｄｉｃｔｔｈ