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
