地理加权梯度提升机模型在黑龙江省林火预测中的应用

　　 摘要:

林火作为全球变化背景下重要的生态干扰因子，不仅影响森林生态系统结构与功能，还对区域气候、碳循环及人类活动构成威胁。因此，科学准确地预测林火发生概率并识别其主导影响因子，对于预防和减缓其危害至关重要。本文以黑龙江省为研究区，基于2006—2020年火点数据，结合气象、地形、植被、人为活动和社会基础设施五类共15个影响因子，分别构建全局梯度提升机模型（Gradient Boosting Machine, GBM）与地理加权梯度提升机模型（Geographically Weighted GBM, GWGBM），以探讨不同模型在林火发生概率预测中的表现差异，并识别主要驱动因素及其空间异质性特征。结果显示，相较于GBM模型，GWGBM模型在捕捉林火发生的空间异质性与因子间非线性关系方面具有更强能力，其测试集准确率提高25%。同时，结果表明黑龙江省林火受多因素综合作用影响，其中气候条件与植被因素为主要林火驱动因子。模型预测的火险概率空间分布与历史林火热点区域高度吻合，具备良好的现实指导价值。本研究验证了将地理加权思想引入梯度提升建模的可行性与有效性，为林火空间概率建模提供了新路径。在实际应用中，GWGBM模型可用于辅助制定分区域、分等级的林火防控策略。未来研究可进一步引入时间维度，构建时空加权模型，探索气候变化背景下林火风险的动态演变过程，并考虑不同空间尺度下模型精度的敏感性分析，以实现更加全面和精细的林火管理与决策支持。