基于Maxent和GIS的森林火灾风险评估方法技术

本发明专利技术公开了一种基于Maxent和GIS的森林火灾风险评估方法，包括以下步骤：S1、采集森林火点事件的点位分布数据并对数据进行转换、筛选、过滤和验证，获得森林火点的有效分布点位；S2、采集环境因子变量：包括地貌形态、气候条件、植被属性和人类活动变量；S3、利用GIS技术对环境因子进行筛选、预处理，选出对森林火灾贡献率最大的环境因子；S4、对森林火灾事件和环境因子构建基于Maxent模型的森林火灾风险评估模型；S5、对待测地区的森林火灾风险进行精度评估；S6、可视化评估区域的森林火灾风险等级和区划结果。本发明专利技术运用Maxent模型开展森林火灾风险评估，提高森林火灾防护的效率，加强了森林火灾防护的效果。强了森林火灾防护的效果。强了森林火灾防护的效果。

【技术实现步骤摘要】
基于Maxent和GIS的森林火灾风险评估方法


[0001]本专利技术涉及森林火灾预警
，尤其涉及基于Maxent和GIS的森林火灾风险评估方法。

技术介绍

[0002]森林火灾是森林生态系统最重要的扰动因子之一，也是全球自然、生物、生态环境过程面临的最迫切的潜在自然灾害。目前，全球平均每年林火发生达数十万起，超过百万公顷的森林被烧毁，严重破坏了生态平衡，对社会经济发展和人身安全造成了巨大威胁；林火摧毁了地表植被和干物质蓄积，释放了大量温室气体、颗粒物和痕迹气体，改变了区域小气候、土壤结构与养分，破坏了动植物生存环境，加剧了水土流失和空气污染，是全球气候变化的重要驱动因子。科学的预报和监测森林火灾对遏制林火发生、减轻林火损失具有重要的现实意义。其中，森林火灾风险评价和区划为构建森林火险防御体系、部署防火力量和指导森林防火工作提供了重要的科学依据，越来越受到众多学者和国际组织的高度重视。
[0003]作为林火监测和预测的重要研究内容，森林火险评价和区划方法是一项重要的森林防火预警技术，能为林火的防护、监测和扑救工作提供科学依据。经近百年不懈努力，林火风险评价与预测模型研究成果十分丰富。学者基于森林火灾发生次数或过火面积与环境因子等数据集，通过案例区实证分析建立了统计学分析方法如LR(Logistic Regression,Deng et al.,2012)，GWLR(Geographically Weighted Logistic Regression,Liang et al.,2017)和Gompit(Su et al.,2019)，人工神经网络模型如Back
‑
Propagation neural network(Yang and Ma.2005)，机器学习方法如Random Forest model(Breiman,2001；Pan et al.,2018)和Bayesian Network(Gao and Liao,2017)。上述已有方法对森林火灾风险评估研究提供了丰富的经验和算法。
[0004]但现有模型整体来看准确性不高、森林防火工作指导性不强，没有形成系统的森林火灾风险评估模型。除了加密已知林火样本密度和提高相关环境因子时空分辨率外，定量评价模型是影响森林火险区划结果可信度的关键要素。近年来，深度学习的相关理论和算法考虑了样本事件与响应变量之间的复杂非线性关系，能通过机器学习和智能算法预测事件的发生概率，已在经济社会发展的各行各业迅速应用。因此，现在亟需研制一种利用遥感卫星火点数据与环境因子数据，基于深度学习算法的森林火灾风险评价模型，以研究环境变量对森林火灾的贡献度、重要性和响应关系，希冀更好地在指导森林防火工作、遏制林火发生、减缓林火环境效应等方面提供有效的参考。

技术实现思路

[0005]本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出基于Maxent和GIS的森林火灾风险评估方法，本专利技术运用Maxent模型开展森林火灾风险评估，进而对森林火灾风险等级进行划分，能更好地在指导森林防火工作、遏制林火发生、减缓林火环境效应等方面提供有效的参考，提高森林火灾防护的效率，加强
了防护的效果。
[0006]根据本专利技术实施例的一种基于Maxent和GIS的森林火灾风险评估方法，其构建流程包括以下步骤：
[0007]S1、采集森林火点事件的点位分布数据并对数据进行转换、筛选、过滤和验证，获得森林火点的有效分布点位；
[0008]S2、采集环境因子变量：包括地貌形态、气候条件、植被属性和人类活动变量；
[0009]S3、利用GIS技术对环境因子进行筛选、预处理，选出对森林火灾贡献率最大的环境因子；
[0010]S4、对森林火灾事件和环境因子构建基于Maxent模型的森林火灾风险评估模型；
[0011]S5、对待测地区的森林火灾风险进行精度评估；
[0012]S6、可视化评估区域的森林火灾风险等级和区划结果。
[0013]优选的，所述S1具体包括以下步骤：
[0014]S11、利用陆地卫星遥感观测数据，根据高温火点在近红外和短波红外波段的波谱特征，采用归一化燃烧植被指数结果自适应地确定阈值提取的异常高温点；
[0015]S12、异常高温点数据转绘为矢量点数据，定义为兰伯特投影，并将信度低于阈值的疑似火点剔除；
[0016]S13、剔除火点数据集中稳定火点，即同一地点不同时点出现多个相似高温火点，主要是烟囱火点；
[0017]S14、以评估区域的林地图斑作为掩膜，提取出落入林地范围内的火点，并与地面收集到的森林火灾调查数据进行精度验证，构建评估区森林火点空间数据集。
[0018]优选的，所述S2具体包括以下步骤：
[0019]S21、从地貌形态选择高程和坡度，利用ArcGIS中的分析工具生产出森林火灾风险评估区域的坡度变量；
[0020]S22、从气候条件中选择年均温度、年均降水、年均风速、年均干燥度；
[0021]S23、从植被属性中选择林地比例、植被覆盖度、植被类型，将植被类型进行转换，即建设用地及其他土地区赋值为1，耕地植被区赋值为2、草地植被赋值为3、灌丛植被赋值为4，森林植被赋值为5；
[0022]S24、从人类活动中选择人口密度、距道路距离、GDP密度，人口密度和GDP密度要求是网格化密度数据，利用ArcGIS中的距离分析工具计算评估区域每个格网距离最近道路的距离。
[0023]优选的，所述S3具体包括以下步骤：
[0024]S31、为避免影响因子间存在多重共线对模型结果产生影响，将所有环境变量进行主成分分析，检查环境变量中是否存在相关性>0.8的影响因子；
[0025]S32、将环境变量因子在ArcGIS中绘制成具有统一投影系统和网格的栅格图层，并与步骤S1中生产的森林火灾样本数据空间关联，生成Maxent模型所需要的林火样本数据和环境变量。
[0026]优选的，所述S4具体包括以下步骤：
[0027]S41、使用Maxent将森林火灾空间分布和环境因子建立了基于Maxent模型的林火风险评估模型；
[0028]S42、将已知森林火点样本集的75％作为训练数据集用于模型参数建立，剩下的25％作为测试数据用于模型检验，进行模型运算；
[0029]S43、Maxent模型运算后得到的输出结果在ArcGIS中进行可视化转换，输出的栅格像元值介于0
‑
1，代表森林火灾的风险系数，值越大时火灾的风险可能性更高。
[0030]优选的，所述S5具体包括以下步骤：
[0031]S51、采用ROC中的AUC指标判断Maxent模型的建模精度；
[0032]S52、利用Maxent模型的输出结果，分析环境变量对森林火灾的贡献度、重要性和响应关系；
[0033]S53、采用已知的预留样本数据集对待评估区域的初本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Maxent和GIS的森林火灾风险评估方法，其特征在于，其构建流程包括以下步骤：S1、采集森林火点事件的点位分布数据并对数据进行转换、筛选、过滤和验证，获得森林火点的有效分布点位；S2、采集环境因子变量：包括地貌形态、气候条件、植被属性和人类活动变量；S3、利用GIS技术对环境因子进行筛选、预处理，选出对森林火灾贡献率最大的环境因子；S4、对森林火灾事件和环境因子构建基于Maxent模型的森林火灾风险评估模型；S5、对待测地区的森林火灾风险进行精度评估；S6、可视化评估区域的森林火灾风险等级和区划结果。2.根据权利要求1所述的基于Maxent和GIS的森林火灾风险评估方法，其特征在于，所述S1具体包括以下步骤：S11、利用陆地卫星遥感观测数据，根据高温火点在近红外和短波红外波段的波谱特征，采用归一化燃烧植被指数结果自适应地确定阈值提取的异常高温点；S12、异常高温点数据转绘为矢量点数据，定义为兰伯特投影，并将信度低于阈值的疑似火点剔除；S13、剔除火点数据集中稳定火点，即同一地点不同时点出现多个相似高温火点，主要是烟囱火点；S14、以评估区域的林地图斑作为掩膜，提取出落入林地范围内的火点，并与地面收集到的森林火灾调查数据进行精度验证，构建评估区森林火点空间数据集。3.根据权利要求1所述的基于Maxent和GIS的森林火灾风险评估方法，其特征在于，所述S2具体包括以下步骤：S21、从地貌形态选择高程和坡度，利用ArcGIS中的分析工具生产出森林火灾风险评估区域的坡度变量；S22、从气候条件中选择年均温度、年均降水、年均风速、年均干燥度；S23、从植被属性中选择林地比例、植被覆盖度、植被类型，将植被类型进行转换，即建设用地及其他土地区赋值为1，耕地植被区赋值为2、草地植被赋值为3、灌丛植被赋值为4，森林植被赋值为5；S24、从人类活动中选择人口密度、距道路距离、GDP密度，人口密度和GDP密度要求是网格化密度数据，利用ArcGIS中的距离分析工具计算评估区域每个格网距离最近道路的距离。4.根据权利要求1所述的基于Maxent和GIS的森林火灾风险评估方法，其特征在于，所述S3具体包括以下步骤：S31、为避免影响因子间存在多重共线对模型结果产生影响，将所有环境变量进行主成分分析，检查环境变量中是否存在相关性>0.8的影响因子；S32、将环境变量因子在ArcGIS中绘制成具有统一投影系统和网格的栅格图层，并与步骤S1中生产的森林火灾样本数据空间关联，生成Maxent模型所需要的林火样本数据和环境变量。5.根据权利要求1所述的基于Maxent和GIS的森林火灾风险评...

【专利技术属性】
技术研发人员：杨绪红，金晓斌，洪长桥，周寅康，
申请(专利权)人：南京大学，
类型：发明
国别省市：