第十届全国数字山地学术研讨会

森林火灾破坏森林资源，危害人身安全；利用遥感与GIS的森林火灾风险评估与制图工作可以帮助预防森林火灾的发生，并合理分配消防资源。本研究结合了机器学习（ML）和多标准决策法（MCDA），提出一种基于Logistic Regression和层次分析法（AHP）综合使用的LOGEAHP，并使用该方法计算森林火灾影响因子的相对权重，以绘制大兴安岭内的森林火灾风险地图。结果表明：2013至2024年间大兴安岭内有近1/3的地区受到森林火灾高风险的严峻挑战，且南北部地区比中部地区有着更高的火灾风险。“Distance from Road”是大兴安岭地区内影响森林火灾风险的最重要因子，其特征值高达1.1287。LOGEAHP有着出色的火灾评估性能和稳定性，平均ROC为0.9311，95%置信区间范围的ROC区间为0.9099 - 0.9511。通过BootStrap验证得到，LOGEAHP比Logistic Regression和AHP方法有着统计学上的显著提升，P-Value均明显小于0.01。总体而言，这种方法能够有效地为当地管理者制定和实施森林防火战略提供依据
 

机器学习,多标准决策法,遥感,森林火灾,风险评估