利用多层感知器研究东亚地区火灾危险性与植被特性及天气条件之间的响应关系

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Fire Danger and Intensity Response to Vegetation Properties and Weather Conditions in Eastern Asia Using Multi-Layer Perceptron

　　

尽管气候变化加剧了野火的风险，但传统的预测模型主要依赖于基于天气的指数和经验阈值，常常忽略了燃料湿度这一关键因素的影响——燃料湿度是决定野火发生和蔓延的重要因素。这一局限性阻碍了人们对引发火灾的因素（尤其是植被特性及其与火灾风险和强度的相互作用）的全面理解。卫星衍生的微波发射率差异植被指数（EDVI）能够独立于土壤湿度假设或经验公式提供植被含水量观测数据。虽然之前的研究已经建立了EDVI与火灾之间的关系，并利用EDVI来估算点火点的火灾辐射功率（FRP），但尚未有研究定量整合EDVI在火灾发生前概率及随后强度变化中的作用。为了解决这一问题，我们在东亚地区（70°145′E，10°–55°N）开发了一个数据驱动的两阶段MLP框架。第一阶段是一个具有残差连接和批量归一化的二元分类器，用于预测火灾发生概率；第二阶段在燃烧区域内应用平方根变换后的FRP回归模型。该火灾风险模型的F1分数为0.83，AUC为0.91，FRP回归模型的均方根误差（RMSE）为23.34 MW，相关系数为0.45。结果表明，将EDVI与光学指数和气象参数结合使用可以显著提高对火灾发生和强度的预测精度。通过使用可解释人工智能（xAI）技术，我们发现了不同的区域驱动因素：在干旱的北亚地区，EDVI的重要性更为突出；而在温带地区，归一化植被指数（NDVI）则占主导地位。这种数据驱动的方法揭示了植被湿度与火灾之间的关键动态关系，为开发更高精度的火灾蔓延模型和改进预测系统奠定了基础。