發布時間：2020-08-12所屬分類：科技論文瀏覽：1次
摘 要： 摘要：在我國大力提倡退耕還林的前提下,森林資源得到了有效地保護。由于近幾年來森林火災不斷發生,導致森林資源受到巨大的破壞,影響了人們正常的生活以及社會發展。做好目前的森林防火工作,是保護自然生態環境最有效的手段。 關鍵詞: 人工神經網絡;森林火災
摘要：在我國大力提倡退耕還林的前提下,森林資源得到了有效地保護。由于近幾年來森林火災不斷發生,導致森林資源受到巨大的破壞,影響了人們正常的生活以及社會發展。做好目前的森林防火工作,是保護自然生態環境最有效的手段。
關鍵詞: 人工神經網絡;森林火災預警;數據挖掘
1.引言
森林火災，是指失去人為控制，在林地內自由蔓延和擴展，對森林、森林生態系統和人類帶來一定危害和損失的林火行為。森林火災是一種突發性強、破壞性大、處置救助較為困難的自然災害。在各種威脅森林資源的因素中，森林火災是破壞自然及社會平衡的首要災害，加之近年來由于人口劇增與工業化速度的加快，以及受厄爾尼諾現象的影響，自然災害與人為災害頻率增加，互相影響，不僅影響人類生存的環境質量，同時帶來巨大的經濟損失，引起了世界各國的普遍關注。
在我國大力提倡退耕還林的前提下,森林資源得到了有效地保護。但是隨著經濟的不斷發展,生態環境遭受了嚴重的破壞。森林作為生態環境中最重要的資源,能夠對生態環境起到較好的保護作用。由于近幾年來森林火災不斷發生,導致森林資源受到巨大的破壞,影響了人們正常的生活以及社會發展。做好目前的森林防火工作,是保護自然生態環境最有效的手段。 因此，森林火險氣象等級的研究有利于森林火災的預測預防，能為森林防火工作人員針對不同區域不同時間采取不同防火措施提供參考及決策支撐。森林火險氣象等級模型能夠利用氣象部門的天氣預測適時顯示出目標區域的森林火險等級，能夠幫助林業部門有針對性的制定防火策略，分配防火資源，具有重要的實用價值。
2.研究概述
在森林火災災害風險管理中，災害風險的評估是其核心部分，森林火災風險評估主要是運用科學合理的評估方法和手段，對當前森林火災風險狀況進行準確的評估和分析，并有針對性地提出建議和對策以減小風險。在評估的基礎上進行風險預測有利于森林火災風險的預防和預報，從而降低森林火災風險，減少火災損失。
森林火災風險主要取決于致災因子、承災體以及防災減災能力。致災因子主要包括氣象條件、地形條件、人類活動、植被狀況等方面，森林火災的發生與氣候和天氣條件密切相關。一般情況下，氣溫高、降水少、濕度小、風力大，發生森林火災的風險就越大。
所以我們嘗試從氣候條件的角度來建立一個森林火災風險評估模型和指標體系，通過處理歷史森林火災高風險地區的氣象信息來完善模型，并預估未來氣候變化對對我國森林火災風險的影響，為大興安嶺林業管理部門進行林火管理提供參考價值。
3.模型介紹
3.1 人工神經網絡模型
ANN(Artificial Neural Network)是指由大量的處理單元(神經元) 互相連接而形成的復雜網絡結構，是對人腦組織結構和運行機制的某種抽象、簡化和模擬。人工神經網絡，以數學模型模擬神經元活動，是基于模仿大腦神經網絡結構和功能而建立的一種信息處理系統。
人工神經網絡具有自學習、自組織、自適應以及很強的非線性函數逼近能力，擁有強大的容錯性。它可以實現仿真、二值圖像識別、預測以及模糊控制等功能。是處理非線性系統的有力工具。
3.2 模型構建
森林火災預測模型是根據火災歷史、天氣條件 (溫度、相對濕度、降水、風速等) 、植被物候狀況、可燃物含水量和火源等進行森林火災預測預警。
首先我們將進行數據的采集工作，獲取歷史上曾經發生森林火災的地區的歷史氣象數據數據，然后進行數據的清洗工作，提取出我們能夠使用的數據信息，并將數據集分為測試集、訓練集和驗證集。
然后我們將結合現有模型及訓練集，運用ANN算法和KNN算法構建出多個新的森林火災預測模型，繼而使用各個模型對驗證集數據進行預測，并記錄模型準確率，選出效果最佳的模型。最后使用測試集進行模型預測，來衡量最優模型的性能。整個研究構想如下圖所示。
3.3模型檢驗
在火災等級評測中，我們采用ROC曲線進行二分類分析，即將所有數據劃分為高風險和低風險兩類。
ROC曲線是指受試者工作特征曲線 / 接收器操作特性曲線, 是反映敏感性和特異性連續變量的綜合指標,是用構圖法揭示敏感性和特異性的相互關系，它通過將連續變量設定出多個不同的臨界值，從而計算出一系列敏感性和特異性，再以敏感性為縱坐標、(1-特異性)為橫坐標繪制成曲線，曲線下面積越大，診斷準確性越高。在ROC曲線上，最靠近坐標圖左上方的點為敏感性和特異性均較高的臨界值。具體ROC曲線的解釋根據分析結果進行相關說明。
AUC被定義為ROC曲線下的面積，顯然這個面積的數值不會大于1。又由于ROC曲線一般都處于y=x這條直線的上方，所以AUC的取值范圍在0.5和1之間。使用AUC值作為評價標準是因為很多時候ROC曲線并不能清晰的說明哪個分類器的效果更好，而作為一個數值，對應AUC更大的分類器效果更好。
4.案例分析
4.1數據來源及清單
數據來源：
①大興安嶺地區歷史發生的森林火災情況統計(2011年——2016年火災等級、火災發生次數、火災發生范圍、火災造成的損失，數據來自中國林業統計年鑒)
�、诖笈d安嶺地區歷史氣象信息(2007年4月——2018年4月每日平均溫度、大氣壓、露點溫度、能見度、降雨量、風向、風速、最高溫度、最低溫度，數據來自NOAA美國國家氣象局)
�、鄞笈d安嶺地區歷史火險等級(2011年4月——2018年4月歷史每日的火險氣象等級，數據來自大興安嶺森林防火網)
數據清單：
①站點選�。捍笈d安嶺地區呼瑪氣象站。
�、谡军c氣象信息：
NO: 表示本條記錄的編號，每條記錄以天為單位記錄信息。
YEARMODA：監測日期，該條記錄發生的時間，具體到年月日。
TEMP：表示所檢測的站點空氣冷熱程度的物理量，即每日氣溫定時觀測值中的平均值，該單位為攝氏度(℃)
DEWP：露點溫度，即每日露點溫度定時觀測值中的平均值。露點溫度是指空氣在水汽含量和氣壓都不改變的條件下，冷卻到飽和時的溫度。形象地說，就是空氣中的水蒸氣變為露珠時候的溫度叫露點溫度。露點與氣溫的差值可以表示空氣中的水汽距離飽和的程度。
STP: 本站氣壓，即每日氣壓定時觀測值中的平均值。氣壓是作用在單位面積上的大氣壓力，即等于單位面積上向上延伸到大氣上界的垂直空氣柱的重量。氣壓大小與高度、溫度等條件有關。
WDSP: 風向風速，即每日風向風速定時觀測值中風向的結果和風速的平均值。
MXSPD: 最大風速，即每日風速定時觀察值中的最高值。
MAX: 最高溫度，即每日氣溫定時觀測值中的最高值，單位℃。
MIN: 最低溫度，即每日氣溫定時觀測值中的最低值，單位℃。
RCP: 降雨量，即每日20：00.20：00時降水量的綜合值。
監測日期：即大興安嶺森林防火官方網站中對于森林火險等級有預報日期，具體到年月日，一個日期對應一條火險等級信息。
火險等級：即大興安嶺森林防火官方網站中氣象信息中對于火險等級的預測值，用于火險預報和森林防火保護工作。
④數據范圍：從2007年1月到2018年4月，其中每年2月，8月，11月，12月無火險等級信息，部分天數的火險信息缺失，時間越往前，信息缺失的天數越多，火險信息數據表中包含所有可能獲取的等級信息;從2007年1月到2018年4月，包括每一天的氣象信息，具體到每個氣象指標，部分氣象指標數據有缺失。
4.2數據清洗
站點氣象信息采集：下載自美國國家海洋和大氣管理局網站，格式為Excel，每條記錄包含氣溫，露點溫度，氣壓，風向風速，最高最低氣溫等氣象指標。
站點氣象信息處理：
①整理下載表格，按照時間順序由近到早進行排序。
�、趧h除缺失指標數據，例如陣風和雪深度指標基本全部缺失，對此類數據進行刪除。
�、蹌h除含有錯誤數據的指標，比如在一段時間內，突然出現溫度或者其他指標有特別明顯大幅度變化的數據，核查比對，如果錯誤進行刪除。
站點火險等級信息采集：大興安嶺森林防火網，用八爪魚采集器獲取每一期氣象信息，采集到的表格包括每一期火險等級信息發布的時間具體到秒鐘，以及描述該等級的相關文字描述。
相關期刊推薦：《森林防火》Forest Fire Prevention(季刊)1983年創刊，是國家林業局主管，南京森林公安高等專科學校主辦的綜合性科技季刊，設有包括組織管理、林火研究、航空護林、森警園地、國外借鑒等近30個欄目。以宣傳森林防火方針政策，普及森林防火知識，交流森林防火管理經驗，推廣先進的防撲火技術、介紹國內外森林防火管理技術的辦刊宗旨。
SCISSCIAHCI
