【目的】拟预测江西省吉安市森林火灾发生概率,为吉安市森林火灾精准防控提供科学依据。【方法】基于2001—2020年MODIS火点数据,结合气象、地形、植被及人类活动等多维因子,分析江西省吉安市森林火灾的时空分布特征及其驱动机制。采用...【目的】拟预测江西省吉安市森林火灾发生概率,为吉安市森林火灾精准防控提供科学依据。【方法】基于2001—2020年MODIS火点数据,结合气象、地形、植被及人类活动等多维因子,分析江西省吉安市森林火灾的时空分布特征及其驱动机制。采用多重共线性诊断和相关性分析筛选关键影响因子,构建了Logistic回归(binary logistic regression)模型,预测森林火灾发生概率,并利用混淆矩阵和曲线下面积(area under the curve,AUC)评估模型性能。【结果】(1)吉安市森林火灾年际变化呈5年周期性波动,主要发生在9月至次年4月,空间分布呈现北多南少、西多东少的特征;(2)人口密度、上月植被指数、海拔、本月降雨量、上月温度和灯光指数是火灾发生的主要驱动因子,其中本月降雨量和灯光指数与火灾风险呈正相关,其余因子呈负相关;(3)火灾发生概率在0.2~0.7,永丰县、安福县、永新县、吉安县和遂川县为高风险区;(4)模型AUC值为0.748,具有较好的预测能力。【结论】研究可为吉安市森林火灾风险管理提供科学依据,建议在高风险区域加强监测预警,并针对不同驱动因子采取差异化防控措施。展开更多
文摘【目的】拟预测江西省吉安市森林火灾发生概率,为吉安市森林火灾精准防控提供科学依据。【方法】基于2001—2020年MODIS火点数据,结合气象、地形、植被及人类活动等多维因子,分析江西省吉安市森林火灾的时空分布特征及其驱动机制。采用多重共线性诊断和相关性分析筛选关键影响因子,构建了Logistic回归(binary logistic regression)模型,预测森林火灾发生概率,并利用混淆矩阵和曲线下面积(area under the curve,AUC)评估模型性能。【结果】(1)吉安市森林火灾年际变化呈5年周期性波动,主要发生在9月至次年4月,空间分布呈现北多南少、西多东少的特征;(2)人口密度、上月植被指数、海拔、本月降雨量、上月温度和灯光指数是火灾发生的主要驱动因子,其中本月降雨量和灯光指数与火灾风险呈正相关,其余因子呈负相关;(3)火灾发生概率在0.2~0.7,永丰县、安福县、永新县、吉安县和遂川县为高风险区;(4)模型AUC值为0.748,具有较好的预测能力。【结论】研究可为吉安市森林火灾风险管理提供科学依据,建议在高风险区域加强监测预警,并针对不同驱动因子采取差异化防控措施。
