期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
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
被引量：
3
1
作者
周鹏飞
王艳霞
《东北林业大学学报》
CAS
CSCD
北大核心
2024年第11期72-82,共11页
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...
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。
展开更多
关键词
森林
火灾
预测模型
森林火灾驱动因素
机器学习
在线阅读
下载PDF
职称材料
题名
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
被引量：
3
1
作者
周鹏飞
王艳霞
机构
西南林业大学
出处
《东北林业大学学报》
CAS
CSCD
北大核心
2024年第11期72-82,共11页
基金
国家自然科学基金项目(42061004)
云南省农业基础联合专项(202101BD070001-093)
云南省兴滇英才计划青年项目(20120021)。
文摘
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。
关键词
森林
火灾
预测模型
森林火灾驱动因素
机器学习
Keywords
Forest fire prediction model
Drivers of forest fires
Machine learning
分类号
S762.2 [农业科学—森林保护学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
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
周鹏飞
王艳霞
《东北林业大学学报》
CAS
CSCD
北大核心
2024
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
