发布时间:2024.04.24

王飞团队在灾害风险评估领域取得系列进展

随着全球气候变化加剧和城市化进程加快,各类灾害事件频发,给人类社会带来严重的生命财产损失和生态环境破坏。面对日益严峻的灾害风险,亟需开展灾害机理研究,建立先进的灾害预测和分析模型,为灾害防治提供科技支撑。

清华大学深圳国际研究生院王飞团队致力于灾害建模方法的研究,从多个地理影响因子的维度出发,构建了多指标综合风险评估模型,定量分析灾害风险水平。研究团队重点针对破坏性大的森林火灾进行风险评估建模。广东省因丰富的植被资源和炎热的气候条件,极易受到森林火灾的威胁,团队构建了一个包含超过10000余起历史森林火灾事件的数据集,同时包括地形、天气、植被覆盖等时空因子变量,并基于此数据集开发了一个深度学习模型,该模型能够分析一年中不同时间的风险特征。这项研究的成果提供了一种新的风险评估途径,还揭示了不同季节森林火灾风险的关键驱动因素,有助于制定更为精确和有针对性的火灾预防措施。

        研究结果表明,相对湿度、温度、NDVI和降水量等环境因素对森林火灾的发生有显著影响,而且这些因素的影响力在不同季节会发生变化。 

基于卷积神经网络的风险评估框架

团队还探索了不同数据缺失条件下森林火灾预测模型的准确性,选择了两个具有代表性的真实森林火灾案例,通过模拟环境变量(如地形、燃料和天气数据)的缺失,研究了不同数据项缺失对模型预测准确性的影响。讨论了评估指标的偏差问题,指出常用指标在评估模型性能时的局限性。 

在不同数据缺失条件下森林火灾蔓延预测模型的准确性 

上述研究成果以“利用深度学习进行广东省的森林火灾风险评估”(Wildfire risk assessment using deep learning in Guangdong Province, China)和“比较不同数据缺失条件下森林火灾蔓延预测模型的准确性”(Comparing Accuracy of Wildfire Spread Prediction Models under Different Data Deficiency Conditions)为题,近期分别发表在《国际应用地球观测与地球信息学报》(International Journal of Applied Earth Observation and Geoinformation)和《火灾学报》(Fire)上。清华大学深圳国际研究生院王飞副教授为上述论文的通讯作者,清华大学工程物理系2021级博士研究生姜文宇、深圳国际研究生院2021级硕士研究生乔禹铭和2024级硕士研究生周家豪为上述论文的第一作者,论文作者还包括深圳国际研究生院2020级硕士生郑欣欣和2021级硕士生姜俊才。该研究成果获得了广东省“防灾减灾与应急救援”领域重点专项和深圳市学科布局等项目的支持。 

论文链接:

https://doi.org/10.1016/j.jag.2024.103750

https://doi.org/10.3390/fire7040141

 

文:周家豪

编辑:戴雨静

审核:陈超群