从静态到动态预测：基于多种环境因素的野火风险评估
机器学习
2021-09-07 v2 应用统计
摘要
野火是美国西海岸频繁发生的最大灾害之一。人们已做出诸多努力以理解近年来野火强度与频率上升的成因。本工作中，我们提出静态与动态预测模型，利用包括人口密度、归一化植被指数(NDVI)、帕尔默干旱严重指数(PDSI)、树木死亡面积、树木死亡株数及海拔在内的多种环境数据，分析与评估加利福尼亚州的高野火风险区域。此外，我们着重更好地理解不同因素的影响，以指导预防行动。为验证模型与发现，我们将加州土地划分为纬度经度上4,242个0.1度×0.1度的网格，并基于时空条件计算各网格风险。为验证模型泛化性，我们进一步将野火风险评估范围从加州扩展至华盛顿州且未做任何微调。通过反事实分析，我们揭示了若干可能方法对减少高风险野火数量的作用。综上，只要具备此类环境数据，我们的研究有望跨不同区域估计、监测并降低野火风险。
引用
@article{arxiv.2103.10901,
title = {From Static to Dynamic Prediction: Wildfire Risk Assessment Based on Multiple Environmental Factors},
author = {Tanqiu Jiang and Sidhant K. Bendre and Hanjia Lyu and Jiebo Luo},
journal= {arXiv preprint arXiv:2103.10901},
year = {2021}
}