气候变化与土地利用/覆被变化(LULC)下野火态势的遥感与机器学习研究:全球系统综述及对南非Highveld的启示

《Scientific African》:Remote Sensing and Machine Learning for Understanding Wildfire Regimes under Climate and Land Use Change: A Global Systematic Review with Implications for the South African Highveld

【字体: 大 中 小 】 时间:2026年10月22日 来源:Scientific African 3.7

编辑推荐:

  全球野火发生频率与严重程度因气候变化与人类驱动的土地利用/覆被变化(LULC)之间的相互作用而上升,并造成广泛的生态、环境和社会经济影响。遥感已成为研究上述变化的关键工具,可为野火监测与评估提供一致、大尺度且及时的观测。本系统综述分析了2003—2023年发表

  
全球野火发生频率与严重程度因气候变化与人类驱动的土地利用/覆被变化(LULC)之间的相互作用而上升,并造成广泛的生态、环境和社会经济影响。遥感已成为研究上述变化的关键工具,可为野火监测与评估提供一致、大尺度且及时的观测。本系统综述分析了2003—2023年发表的128篇同行评议论文,以评估气候变化和LULC变化对野火发生与严重程度的影响,并重点关注南非Highveld。文献计量分析显示,研究期内研究产出显著增加。美国贡献了所综述论文的49.2%(n = 63),其次为中国(10.2%)和西班牙(9.4%)。Landsat(43.1%)、MODIS(21.3%)和Sentinel(16.8%)是最常识别的遥感平台,而基于多标签编码,随机森林(RF;28.7%)和支持向量机(SVM;19.5%)是最常识别的机器学习(ML)算法。研究结果表明,地球观测(EO)、云计算和人工智能(AI)的进步改善了野火检测、易发性制图、火烧严重程度和预测建模。然而,数据集成、地理偏倚、可迁移性和可解释性等挑战仍然存在。相比之下,既往综述分别考察了气候变化、LULC变化、遥感或机器学习。本研究对气候变化、LULC变化、遥感和机器学习之间的相互作用进行了综合整合,同时识别了新兴的方法学空白,并强调了开发更稳健和业务化野火监测的未来机遇。上述发现可为研究人员、土地管理者和政策制定者提供有价值的启示,以在不断变化的环境中改进野火预测、气候适应和可持续生态系统管理。
全球野火频率和严重度因气候变化与人类驱动的土地利用/覆被变化(LULC,指土地用途与地表覆被的转变)相互作用而上升,造成生态、环境和社会经济影响。野火态势变化表现为火季延长、强度增加以及原低风险区出现野火。火情态势受频率、强度、严重度、季节性和生态影响等因素影响;气候变化降低燃料湿度、增加燃料可燃性,LULC变化如森林砍伐、城市发展和农业集约化改变燃料可用性和景观连通性。已有综述多分别考察气候变化、LULC变化、遥感或机器学习(ML,指从数据中自动学习模式的算法),缺乏对上述组分在整合系统中相互作用的综合理解,尤其缺乏对南非Highveld的关注。Highveld干冬植被干燥积累可燃生物量,工业排放和采矿影响大气条件,经济弱势地区依赖生物质燃料增加火风险。遥感自20世纪70年代起提供系统监测,但单传感器存在时空和环境权衡,需多传感器融合和ML/AI。为综合气候变化和LULC变化对野火态势的影响,利用遥感和ML识别方法改进与空白,并服务SDG 13、SDG 15和SDG 11,研究人员开展了本系统综述。其意义在于为研究人员、土地管理者和政策制定者改进野火预测、气候适应和可持续生态系统管理提供启示。

研究人员遵循PRISMA 2020(系统综述报告规范),检索Google Scholar、ScienceDirect、Scopus、Web of Science和Wiley Online Library,纳入2003—2023年英文同行评议开放获取论文,最终分析128篇(数据库检索117篇、引文检索11篇),并进行三级质量评估;采用RStudio 3.6.0和VOSviewer 1.6.20进行文献计量、关键词共现、主题演化和合作网络分析。结论显示研究产出显著增长,美国主导,Landsat、MODIS、Sentinel及随机森林(RF,一种集成决策树算法)和支持向量机(SVM,一种监督分类算法)常用;地球观测(EO)、云计算和人工智能(AI)改善野火检测、易发性制图、火烧严重度和预测建模,但数据集成、地理偏倚、可迁移性和可解释性挑战仍存。该研究综合气候变化、LULC变化、遥感和ML的相互作用,识别方法学空白和未来机会,对Highveld等区域监测管理具有参考意义。

关键技术方法概括:研究人员采用系统综述与文献计量分析,遵循PRISMA 2020,检索Google Scholar、ScienceDirect、Scopus、Web of Science和Wiley Online Library,时间范围为2003—2023年,限定英文同行评议开放获取论文;初检56 226条记录,经去重、标题摘要筛选和全文评估,最终纳入128篇(数据库检索117篇、引文检索11篇),并开展三级质量评估;使用RStudio 3.6.0和VOSviewer 1.6.20分析年度产出、引用、国家合作、关键词共现和主题演化;多平台或多算法研究分别编码,故百分比表示方法出现频率。无样本队列,文献来源为上述数据库及引文检索。

研究结果如下:
(1)年度文章产出趋势分析:通过年度文献计量发现,2003—2006年和2008年无发表,2007—2014年产出较低,2015年上升,2016年下降,2017年起稳步增长,2020—2022年达峰,年增长率为9.9%。
(2)年度文章引用趋势分析:通过年度引用统计发现,2007年首篇发表论文被引4次,2009—2019年引用稳步增加,2020年下降,2023年达峰,平均每篇1.51次引用。
(3)遥感数据和ML技术分析野火:通过统计平台和算法使用发现,Landsat、Sentinel和MODIS较有效;MODIS时间分辨率高但空间分辨率粗,合成孔径雷达(SAR,全天候成像雷达)全天候但处理难;RF和SVM分类精度较高,集成方法稳定性较好,K近邻和朴素贝叶斯在破碎景观表现变异;约87.1%研究集中于高收入地区,非洲和南美不足,模型存在过拟合和迁移受限;多模态和物理约束ML具前景。
(4)常用分类和Web平台:通过监督与非监督分类及平台应用分析发现,RF、SVM和决策树(DT)广泛用于LULC和火相关分类;分类受图像质量、训练样本代表性、景观异质性和传感器特征影响;Google Earth Engine(GEE,云地理空间分析平台)和开放数据增强大尺度处理,但存在数据不一致、计算限制和标准化挑战。
(5)野火研究时间趋势与作者关键词演化:通过关键词时间网络发现,早期聚焦火历史、森林火、火生态和卫星影像;中期突出Landsat、土地利用、土地覆被、GIS和火烧严重度;近期转向ML、RF、深度学习、易发性制图、火驱动和LULC,并关注干旱、蒸散、生物质燃烧和火天气。
(6)关键词共现分析主题结构:通过共现网络发现,形成生态评估、气候驱动、技术地理、计算AI、土地转化以及火后恢复、水质和径流等集群,显示野火研究的多学科整合。
(7)国家发表与合作产出分析:通过128篇论文的57国统计发现,美国63篇、中国13篇、西班牙12篇、加拿大/意大利/葡萄牙各11篇、英国7篇、澳大利亚/巴西各6篇、德国5篇;美国多国合作论文数最高,葡萄牙和巴西多国合作比例较高;非洲贡献有限。
(8)主题演化:通过时间线可视化发现,2007—2012年聚焦气候、植被和美国;2013—2015年扩展至动态、火烧面积、气候变化、变异性、火、覆盖和野火;2016—2018年出现森林管理、排放、MODIS、影响和树木死亡;2019—2020年转向阿拉斯加、模式、降水、土地覆被、景观、预测、严重度、模型、管理、时间序列、排放和侵蚀;2021—2023年主导主题为气候变化、降水和温度。
(9)遥感监测气候变化和土地利用影响野火的挑战:通过综述时空权衡和融合案例发现,Landsat重访约16天、Sentinel-2约5天,仍受云烟限制;MODIS/VIIRS与GOES融合可增强时间覆盖,数据融合和AI超分可缓解权衡;SAR和激光雷达(LiDAR)可全天候观测,但大气校正和地面验证困难,无人机(UAV)辅助验证有效。
(10)多传感器数据融合近实时监测野火:通过分析多源融合发现,MODIS、VIIRS和GOES等融合可弥补单传感器时间分辨率不足,高分辨率光学与中分辨率高频数据融合可兼顾空间和时间信息,但大气和辐射扰动仍影响精度。
(11)新兴AI趋势:通过分析深度学习架构发现,卷积神经网络(CNN)模型如FireXnet和FireDetXplainer分类准确率超过99%,但计算需求高;WiSEFire采用门控循环单元(GRU)降低延迟和能耗;长短期记忆网络(LSTM)和GRU用于时序建模;可解释人工智能(XAI)工具如SHAP和LIME可量化变量贡献;迁移学习可应对地理偏倚和数据稀缺,未来趋向混合AI与物理过程模型及多传感器融合。
(12)整合社会经济因素、遥感和ML管理野火:通过分析野地—城市交界带(WUI)和人类活动发现,全球WUI在2000—2020年增加约35.6%,非洲WUI自2001年增加约59%;RF和XGBoost可建模非线性关系;卫星NDVI和燃料负荷与人口、基础设施数据结合可生成风险图;Highveld和Garden Route的城市扩张、农业扩张和入侵植物增加火险,GEE可整合生物物理和社会经济数据。
(13)遥感在气候变化、LULC变化和野火方面的进展与未来方向:通过20年进展分析发现,MODIS和VIIRS增强火检测,Landsat和Sentinel改善中高分辨率监测;MODIS粗空间分辨率限制小低强度火检测,VIIRS改善小活跃火识别;仍缺乏综合气候、LULC和火相互作用的框架,模型存在过拟合和地理偏倚;未来需多传感器、气候数据、ML和社会环境变量整合,并发展UAV、AI和GEE应用。
(14)对南非Highveld监测和管理野火的启示:通过地理分布比较和区域特征分析发现,南非和Highveld特定研究不足,Puttick et al.提供南非草地和稀树草原人类因素影响长期火情的数据,但本分析多来自外部地理和生物背景;Highveld高度火-prone,具有草地、夏季降雨、干旱、城市扩张、商业农业和采矿等特征;免费Landsat、Sentinel-1、Sentinel-2、MODIS、VIIRS及CHIRPS、ERA5、DEM和GEE具监测潜力;但缺乏综合气候和LULC对Highveld火情影响的研究,现有研究多孤立,缺先进ML、多传感器、XAI和近实时框架;区域挑战包括土地权属碎片化、WUI扩张、农业燃烧、入侵植物、地面验证缺乏、火报告不一致、年际气候变异和长期高质量火清单缺乏;未来应整合多传感器、ML、气候和现场观测,评估未来气候情景易发性、LULC转换影响、近实时预警、模型可迁移性及社会经济和人为火源。

讨论部分总结:讨论指出遥感技术显著增强野火监测,但光学影像受云、烟和大气扰动影响;LiDAR、PlanetScope和AVHRR等多传感器数据仍未充分利用;地理分布不均导致模型可迁移性和泛化性受限,ML依赖区域数据易过拟合。未来需整合多传感器、AI、社会经济和气候信息,发展XAI、迁移学习、UAV、云计算和近实时EO,并加强非洲等欠代表地区研究。

研究结论翻译:本系统综述整合了利用遥感技术评估和监测气候变化与LULC变化对野火态势影响的知识。研究人员分析了2003—2023年128篇同行评议研究,文献计量和网络分析表明,地球观测、云平台和ML方法创新推动了对气候、LULC和野火相互作用的研究显著增加;遥感可观测植被变化、燃料条件、火烧强度、火事件和火后恢复。文献计量分析显示研究活动集中于发达国家,美国在科学产出和国际合作网络中领先;近期研究从传统火生态和火烧面积评估转向气候变化建模、ML、深度学习和预测分析,反映野火格局日益受气候变率、土地利用变化、生态动态和人类活动复杂相互作用影响。综述进一步表明,气候变化和LULC变化作为相互关联因素影响野火发生、严重度和空间分布;温度升高、持续干旱、降水格局变化、城市增长、森林砍伐、农业废弃和景观破碎化影响燃料可用性、植被结构和点火潜力,导致更严重和不可预测的野火格局,并影响生态系统功能、生物多样性、碳动态和人类生计。遥感进展,如Landsat、Sentinel、MODIS和VIIRS,提高了火行为检测和评估能力;ML技术特别是RF、SVM和人工神经网络(ANN)提高了LULC分类和野火预测精度;GEE等云平台增强近实时分析能力。尽管如此,文献仍显示对光学卫星影像依赖较强,云、烟和大气干扰限制火事件监测;LiDAR、PlanetScope和AVHRR等数据利用不足;非洲等地区研究不足,主要在北美洲、欧洲和亚洲部分地区开发的模型存在迁移和泛化问题,ML方法依赖区域数据易过拟合并限制跨生态系统适用性。未来研究应整合多传感器遥感、AI、社会经济变量和气候信息,重视XAI、模型可迁移性和人类维度如土地管理与点火源;UAV、云计算和近实时EO可增强火检测、预报和决策支持;加强非洲等欠代表地区研究将提升全球野火监测与管理框架的相关性。未来应发展清晰、可适应的野火监测系统,整合多种EO数据与先进AI;XAI有助于提高预测模型可理解性和可信度;迁移学习可适应训练数据有限的生态系统;光学、热红外、雷达、LiDAR和UAV多源融合可改善火检测、脆弱性评估和火烧严重度分析;在云计算和近实时EO支持下,可形成稳健预警系统,增强野火准备、降低风险并支持数据驱动环境决策。因此,本综述表明遥感已成为研究野火和监测环境条件的关键工具,气候变化和LULC变化持续加剧全球野火风险,整合先进EO技术、ML方法和跨学科分析框架对增强野火韧性、促进可持续土地利用规划以及指导循证环境管理与政策制定至关重要。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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