基于信息量-机器学习耦合的野火灾害易发性评估

摘要

为充分发挥统计学和机器学习模型在野火灾害易发性分析和评估中的优势,以森林资源丰富且深受野火灾害困扰的桂林市为研究区,分别从气候、地形、水文以及人文等方面选取16个评价因子。将信息量(IV)模型分别与逻辑回归(LR)、人工神经网络(ANN)、随机森林(RF)和极致梯度提升(XGBoost)4种机器学习(ML)模型相耦合,对桂林市野火灾害易发性进行评价分析。结果表明,IV-XGBoost模型的AUC和准确率分别为0.957和0.921,具有最佳的预测性能,能够有效评估野火灾害的易发性,并为当地野火灾害的防治提供有价值的参考。