今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

基于机器学习的加纳北部稀树草原火灾风险预测模型构建与评估及未来情景分析

《Scientific Reports》:A machine learning model for early season wildfire risk in Ghana’s Guinea savannah assessing discrimination, operational prevalence, spatial transferability, and CMIP6 climate scenarios

【字体: 大 中 小 】 时间:2026年10月21日 来源:Scientific Reports 4.9

编辑推荐:

  摘要热带稀树草原占全球火灾发生面积的绝大部分,西非是目前火灾活动的主要发生地,也是未来火灾风险的高发区域。然而,加纳北部的几内亚稀树草原地区仍然缺乏基于本地数据的早期火灾风险预警工具。本研究开发了一种机器学习模型,用于预测2001年至2024年间11月至1月期间的火灾风险。该模型

  

摘要

热带稀树草原占全球火灾发生面积的绝大部分,西非是目前火灾活动的主要发生地,也是未来火灾风险的高发区域。然而,加纳北部的几内亚稀树草原地区仍然缺乏基于本地数据的早期火灾风险预警工具。本研究开发了一种机器学习模型,用于预测2001年至2024年间11月至1月期间的火灾风险。该模型采用了MODIS火灾数据、ERA5-Land再分析数据、CHIRPS降水量数据、FLDAS多深度土壤湿度数据、MODIS植被指数、SRTM地形数据、干旱指数以及人类活动数据等73个特征变量,并对这些数据进行了处理。通过对五种不同的机器学习算法进行时空分割和空间交叉验证,评估了它们的预测性能。在独立验证数据集上,该模型的分类准确率较高(AUC值介于0.960至0.962之间),且多种评估方法均显示这些模型的预测结果具有统计学意义上的相似性。研究得出了三个重要的方法论发现:首先,由于火灾在单个网格单元尺度上较为罕见,因此基于平衡类别样本计算的阈值依赖性性能指标可能会高估模型的实际应用效果;对模型预测概率(约1.7%)进行基础率校正后,模型的精确度降至约0.12%至0.14%,说明该模型更多是一种筛选工具而非警报工具。其次,单一特征变量并不能完全解释火灾风险,温度范围、人口密度、降水量、土壤湿度变化以及植被状态共同影响了火灾风险;空间消除实验表明,去除五个最具影响力的静态预测变量仅会使模型的AUC值降低约0.013%,这表明模型的预测能力主要依赖于随时间变化的环境因素,而非单一的空间特征。第三,CMIP6情景分析显示,在SSP2-4.5和SSP5-8.5情景下,本世纪末的火灾风险可能会增加,但这些结论仅具参考价值,因为机器学习模型无法超越其训练数据范围,且研究过程中人类活动因素被假设为恒定不变。该研究为西非稀树草原地区的火灾风险评估提供了一种可复用的、基于实证分析的框架。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:热带稀树草原|西非|加纳|火灾风险预测|机器学习|气候情景

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号