基于GIS和遥感数据的贝叶斯网络在火灾风险测绘中的应用外文翻译资料

英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

DOI 10.1007/s10708-010-9362-x

基于GIS和遥感数据的贝叶斯网络在火灾风险测绘中的应用

智慧Mdumiseni德拉米尼

网上发布：2010年5月4日

copy;Springer Science Business Media BV 2010

摘要本研究使用地理信息系统（GIS）和遥感数据估算斯威士兰的火灾风险。 研究区域的火灾地点由遥感中度确定

分辨率成像光谱仪（MODIS）分别于2000年4月至2008年12月和2001年1月以及2008年12月期间的火灾和燃烧面积数据。 使用贝叶斯网络（BN）和GIS对共13个生物物理和社会经济解释变量进行分析和处理，以生成火灾风险图。 使用期望最大化（EM）学习算法来概率地确定每个因素的相互依赖性。 最终的概率输出被用于将该国划分为五个火灾风险区以进行缓解和管理。 准确性评估和火灾风险图的比较表明，从主动火灾和燃烧区域数据得出的风险图是

准确率分别为93.14％和96.64％，表明风险图与现有数据之间存在充分一致。 在Highveld特别是人工林和草地以及Lowveld甘蔗种植园内观察到高火险区域。 土地使用权和土地覆盖是火灾风险的主要决定因素，其影响

WM Dlamini（＆）

斯威士兰国家信托委员会，洛班巴，

斯威士兰

电子邮件：mwdlamini@gmail.com

讨论斯威士兰的消防管理。 还讨论了所用数据的局限性和建模方法，包括改进建议和未来研究。

关键词贝叶斯网络火灾

GIS·遥感·风险·斯威士兰

介绍

森林火灾或野火是由于自然过程和人为因素而发生的复杂事件。 这些火灾是地球系统的一部分，是一个重要的生态系统干扰，具有不同的回波频率，并影响多时间尺度上的景观和大气层（Chuvieco和Kasischke2007）。 非洲通常被称为消防大陆（Pyne et al。2004）是由于内容中的火灾高度活跃的结果。 火也被认为是大陆草原和草原的生态和分布的重要组成部分（Van Wilgen和Scholes1997）。 火灾对包括斯威士兰在内的世界许多地区的可持续经济发展构成重大制约，因为由于对火灾管理中潜在问题的考虑过少，损失越来越多。 2007年7月和2008年8月，斯威士兰有数千公顷的人工林和自然植被

受到极端火灾事件的影响，包括财产和人命的损失（Dlamini2007, 2009）。 对火灾问题的认识越来越强烈，这引起了人们对监测和评估火灾风险的必要性的重视。

利用卫星遥感监测火灾是一个日益增长的科学领域，在世界各国得到广泛的应用（Chuvieco和Kasischke2007）。 火灾后地区测绘和主动火灾探测是通常用于绘制和监测火灾的两种方法（Eva和Lambin 1998），前者是通过测量火灾前后表面反射率的变化来完成的，而后者是基于检测热温度相对于背景和烟雾检测的阈值（San-Miguel-Ayanz等，2005）。 因此，地球观测（EO）卫星几乎实时地提供火灾活动的概要快照，以支持运行火灾管理（Qu et al。2008）。 通过分析基于EO或遥感的火灾数据，可以评估和预测易受火灾的地区，并通过适当的缓解和准备来减少火灾损失。 这需要理解因果因素，火灾和火灾易发地区之间错综复杂的联系。 为了实现这一目标，已经应用了各种火灾风险评估技术并评估了火灾相关因素（San Miguel-Ayanz et al.2003）。

火灾风险评估在过去的二十年中已经成熟（Chuvieco和Salas1996）这种研究的数量越来越多。 这可以归因于地理信息系统（GIS）中包含的数字和统计信息的更多可用性以及遥感技术的进步。 San Miguel-Ayanz et al。 （2003）回顾了一些森林火灾危险性评估方法。 许多使用地理信息系统的火灾风险或危害评估研究应用了逻辑回归等概率方法（如Hernandez-Leal et al。2006; Martınez等。2009; Preisler等人2004），模糊逻辑（例如Iliadis2005）和神经网络（例如Alonso-Betanzos et al。2002; Vasilakos等人2007），分类树（例如Lozano et al。2008）。 然而，这种传统方法通常缺乏同时结合来自各种来源的数据和证据的能力，同时也考虑到不确定性和缺失数据。 Lozano等人 （2008）观察火灾发生与火灾之间的关系

环境因素往往是非参数性的，涉及复杂的相互作用，特别是当人类在这些动力学中发挥重要作用时。 因此，传统的线性和参数火灾发生模型通常不能提供良好的模型拟合，并且往往不考虑不确定性，这在很多情况下都存在于火灾风险评估中（Kaloudis et al。2005）。 因此，需要处理不确定性的方法，并使各种证据领域明确相关。 另外，这种方法必须能够集成多个系统进程。

贝叶斯网络（BN）（Pearl1988）已经获得了用于建模涉及不确定知识的复杂问题的强大技术的声誉。 在数据不确定和变量高度相关的情况下，BN也非常适合于辅助决策制定（Kaloudis et al。2005; Gret-Regamey和Straub2006; Henriksen等人2007）。 BN可以被描述为一个给定领域中变量之间关系的图形模型，网络结构提供变量之间的因果关系和不确定性评估。 网络图形表示为由节点和弧组成的有向无环图（DAG），其中节点代表随机变量，弧表示变量之间的直接链接。 BN中编码的因果信息有助于分析行为，事件序列，观察结果，后果和预期效用（Pearl1988）。 通过使用贝叶斯定理，DAG定义了由节点表示的变量上的联合概率分布的因式分解，其中因子分解由定向链路给出（Jensen2001）。 读者可以参考Pearl（1988），詹森（2001）和Korb和Nicholson（2004），他们都提供了一个很好的理论和统计描述，包括他们的效能和局限性。 由于国阵为模拟不确定，非线性和复杂的域提供了一个强大而数学上一致的框架（Pearl1988; Daniel等人2007），它们在环境科学中的应用越来越受欢迎（McCann et al。2006; Pollino等人2007; Uusitalo 2007）。 英国国民党提供了一个建模框架来分析复杂的问题，并在适应性管理框架中支持未来的决策。 但是，Gret-Regamey和Straub（2006）指出，在自然灾害风险评估领域，国民阵列报告的应用报告很少。

本研究中使用的术语“火灾风险”描述了受到因果因素的性质和发生率影响，火灾可能开始或区域可能被烧毁的可能性（Bachmann和Allgower2001; 哈迪2005）。 这项研究是斯威士兰第一次估计和绘制火灾风险的尝试，它使用国家行政机构利用从遥感数据和地理信息系统分析得出的解释变量因子，将火灾概率作为火灾风险的度量值进行空间计算。

方法和数据

学习区域

斯威士兰王国位于非洲南部，面积17,365公里²，内陆地区为南非至北部，西部和南部，莫桑比克为东部（图1）。1）。 该国南纬25°43⁰和27°19⁰，北纬25°43

东经30°46⁰和32°06⁰，属于charac-

地形复杂，地形复杂，海拔从西部1848米的高峰减少到东部海拔40米以下。 这产生了四个广泛的生态气候带，即近温带Highveld，亚热带Middleveld，半干旱Lowveld和Lubombo高原（Goudie和Price-Williams1983; Remmelzvaal 1993）。 这些地形变化主要受底层地质的影响

由花岗岩，玄武岩和流纹岩组成（Goudie和Price-Williams1983; Remmelzvaal 1993），导致山脉一般呈北北走向，深谷相互分离。

因此，温度的变化也遵循Eastern Lowveld偶尔记录的高温超过40°C的海拔梯度，而Highveld记录的温度最低，有时会出现霜冻。 Lowveld的典型年降雨量从Highveld到1,450 mm或更高，到半干旱和暖和的条件，年平均降雨量为550 mm或更低。 四个季节是该国气候的特征，十二月是夏季中部，大部分降水（10 - 3月）通常以雷暴和锋雨形式出现，而六月则是干旱和冬季（Matondo et al。2004).

消防数据

准确检测火灾的发生位置对于概率火灾风险分析非常重要。 火灾数据的来源是1 km中等分辨率成像光谱辐射计（MODIS）Terra和Aqua日常活动火灾（MOD14A2和MYD14A2）数据（Giglio et al。2003; Justice等人2002）和500 m MODIS燃烧区域（MCD45A1）数据（Roy et al。2005, 2008）跨越两者之间的时期

图1斯威士兰的位置和地图

图2火灾风险分析的方法流程图

2001年4月和2008年12月，均获得土地过程分布式活动档案中心http://edcdaac.usgs.gov/modis/dataproducts。 asp）。 标准的主动消防产品基于1 km像素，这些像素在Terra和Aqua（携带MODIS卫星）立交桥时在相对无云条件下被检测为燃烧，并且基于传统的双波段阈值方法，该方法使用固定和火灾探测的适应性阈值（Giglio et al。2003）。 MODIS燃烧区域产品（MCD45A1）以月度500米产品的形式发布，报告日历月前后8天之间燃烧的大概一天，并使用预测性双向反射模型方法推导出燃烧区域

每天使用500 m MODIS影像（Roy et al。2005, 2008）。 将MODIS检测到的主动火灾和烧毁区域的数据库导入到ArcGISI-SISTM 9.3（ESRI2008） （图。2）。 活动火灾和烧毁区域的空间分布如图2所示。3a，b。

解释变量

BN模型的构建由几个阶段组成（图1）。2），并采用了Daniel等人的方法。 （2007）。 第一步涉及确定和确定问题（火灾发生或烧毁区域），然后确定构成所模拟问题的相关变量，即火灾和烧毁区域。 由于火灾高度依赖于气候，地形和燃料因素，因此这些数据总是包含在火灾预测模型中。 选择的变量来自Dlamini的研究结果（2010）使用领域文献（如Archibald et al。2009）以及斯威士兰生态系统和景观的知识。 Dlamini确定的另一个变量土地使用权（2010）完成模型。 因此，确定了确定发生火灾十分重要的一组13个关键因素，这些可用数据包括地理信息系统和遥感数据。 这些是高度，

图3斯威士兰MODIS活动火灾和b燃烧区域的空间分布

表1数据输入及其简要说明

变量（节点） 类型 比例/分辨率

国家（范围）

火 分离 1公里 现在（火），缺席（没有火）

土地覆盖 分离 30 m 裸土/水，建成，耕种，森林和林地，草地，种植园，甘蔗，灌丛和灌木丛

土地使用权 分离 1:250,000 皇冠（政府）土地，所有权土地，斯威士兰国土（公用），斯威士兰

国土（非公社），保护区（自然保护区）等

年平均温度

连续1公里 19°C，19-21°C，[21°C

海拔 连续90米 300米，300-800米，[海拔800米

平均年降雨量

连续800米 750毫米/年，750-900毫米/年，[900毫米/年

牲畜密度连续1：50,000 0.3牲畜单位/公顷，0.3-0.5牲畜单位/公顷，[0.5牲畜单位/公顷

到定居点的距离

连续1公里 1公里，1-5公里，[5公里

土类 分离 1:50,000 五（5）个土壤适宜性类别加上一个（1）小型未分类类别

相对湿度连续1公里

解析度

36%, 36–39%, [39%

道路密度 连续1：10,000 2公里/公里²，2〜4公里/公里²，[4公里/公里²

人口密度

连续1：10,000 ²，10-100人/公里²，[100人/公里²

斜坡方面 分离 90 m 北（0-45°，315-360°），东（45-135°），西（225-315°），南（135-225°）斜角 连续90米 5°, 5–15°, [15°

坡度，坡度，平均年降雨量，年平均温度，相对湿度，土地使用权，土壤类别，道路密度，人口密度，居住距离，牲畜密

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[23852]，资料为PDF文档或Word文档，PDF文档可免费转换为Word