基于可解释机器学习模型的全球雷击点火野火预测与气候变化投影
机器学习
2024-09-17 v1 信息检索
大气与海洋物理
摘要
野火是对人口和气候变化构成显著自然灾害风险的因素，并且有助于加剧气候变化。虽然野火也受气候变化影响，但以雷击点燃的野火在全球范围内发生频率相对较低，然而它们在碳排放中发挥着重要作用，在某些地区占据被烧面积的绝大部分。虽然现有计算模型，特别是基于机器学习的模型，旨在预测雷击点燃的野火，但通常仅针对特定地域的模型，受该地域独特性特征限制，难以实现全球适用。本研究提出了一套针对全球范围内雷击点燃野火的机器学习模型。我们的ethods（方法）涉及对雷击点燃野火与人为野火的分类，并基于包括气象条件和植被等多种因素，高精度估计雷击引发野火的概率。利用这些模型，我们分析了雷击点燃野火的季节性和空间趋势，阐明了气候变化对这一现象的影响。我们采用可解释人工智能（XAI）框架分析模型对各特征的影响。我们的发现表明，人为野火与雷击点燃野火在全球范围内存在显著差异。此外，我们证明，在不到十年的短时间内，气候变化已steadily（稳步）增加了雷击点燃野火的全球风险。这种区别凸显了为不同类型的野火开发专门预测模型和火灾天气指数之间的迫切需求。
引用
@article{arxiv.2409.10046,
title = {Global Lightning-Ignited Wildfires Prediction and Climate Change Projections based on Explainable Machine Learning Models},
author = {Assaf Shmuel and Teddy Lazebnik and Oren Glickman and Eyal Heifetz and Colin Price},
journal= {arXiv preprint arXiv:2409.10046},
year = {2024}
}