一种结合BiLSTM与核密度估计的高强度森林火灾发生概率计算方法

本发明属于遥感反演，具体涉及一种结合bilstm与核密度估计的高强度森林火灾发生概率评估方法。

背景技术：

1、野火严重破坏生态环境，影响全球气候，对人民生命财产造成了巨大损失。典型中低强度森林火蔓延的速度在100m/h量级，而高强度森林火蔓延的速度在1km/h量级或其火线强度在103kw/m量级。高强度森林火灾发生次数仅占森林火灾总数的3％，但造成的损失高达全球森林火灾损失的95％。因此，加强高强度森林火灾风险监测预警，遏制重特大森林火灾发生，尽可能地避免巨大损失，显得同样迫切和重要。

2、可燃物、地形、气象等因素与森林火灾的发生发展过程密切相关，这些因素均被纳入林火行为模型中，以开展林火蔓延模拟。然而，林火行为模型在复杂林区应用时具有较大的不确定性，难以实现高精度、大范围的高强度森林火灾发生概率评估。此外，林火蔓延过程受到多种不可控因素的影响，基于林火行为模型的预测方法无法度量林火行为特征模拟的不确定性。卫星遥感技术具有大范围、高频次对地观测优势，为蔓延速度、火辐射强度等林火蔓延特征提取提供了有效途径。目前，已有公开的全球火灾数据集，例如global fireatlas和mod14a1/myd14a1，已经实现了对蔓延速度和火辐射强度的提取。利用这些数据集，并结合机器学习方法，可建立可燃物、地形、气象因子与历史林火行为特征间的非线性关系，这为潜在林火行为特征预测及高强度森林火灾发生概率评估提供了新的途径。

3、然而，目前针对高强度森林火灾发生概率评估的研究鲜少，如何利用多类别可燃物、气象、地形信息及历史林火行为特征数据集，构建潜在林火行为特征预测模型，开展高强度森林火灾发生概率评估，是实现野火风险预警的关键，将有助于提高林火防控的精准性。

技术实现思路

1、本发明所要解决的技术问题是提供一种可扩展性强、计算简便的基于bilstm和核密度估计的高强度森林火灾发生概率评估方法。

2、本发明解决上述技术问题所采用的技术方案是：一种结合bilstm与核密度估计的高强度森林火灾发生概率计算方法，包括以下步骤：

3、步骤1：确定预设区域的高强度森林火灾风险因子，所述高强度森林火灾风险因子包括：可燃物因子、气象因子、人文活动因子；所述可燃物因子包括：冠层和地表可燃物含水率、冠层可燃物载量、森林冠层高度、树木覆盖度，气象因子包括：风速、温度、降雨量、相对湿度，地形因子包括：高程、坡度、坡向、地形湿度指数、地形位置指数、平面曲率，人文活动因子包括：与道路的直线距离、与居民区的直线距离；

4、步骤2：利用全球火灾数据集global fire atlas，提取2003-2016年每场森林火灾中起火面积≥2像元，燃烧日期≥2天的起火点位置、日期和蔓延速度信息，并提取火灾发生前特定时间长度内高强度森林火灾风险因子中3个以上的特征，构建林火行为特征案例库；

5、步骤3：构建基于双向长短时记忆网络bilstm模型和分位数回归的潜在蔓延速度预测模型，使用构建的林火行为特征案例库进行训练学习，并使用非支配排序遗传算法nsga-ii优化神经网络模型超参数，以得到最优的潜在蔓延速度预测模型；

6、具体地包括3个部分：

7、步骤3.1：搭建双向长短时记忆网络bilstm模型，bilstm模型的两个输出分别对应预测变量的下界和上界，以公式(1)作为模型损失函数；

8、lossα＝w1lossq1+w2lossq2 (1)

9、其中，α为置信区间，lossq1和lossq2分别为预测变量上下界的损失函数，q1和q2为分位点，w1和w2为权重系数；

10、

11、其中，n为样本总数，yi为样本的真实值，为当分位点为q时样本预测值；

12、步骤3.2：对林火行为特征数据集进行归一化，按6：3：1的比例划分为训练集、验证集和测试集，以平均区间覆盖度picp和平均区间宽度pinaw为精度评价目标；使用epoch，并选择adam为模型优化器，训练完成后导出模型；

13、

14、

15、其中，和分别为第i个样本预测的下界和上界；

16、步骤3.3：设置置信区间为90％，80％和70％，使用非支配排序遗传算法nsga-ii，以公式(3)和(4)为优化目标，使用综合指标cwc以此确定最优bilstm模型，获取bilstm层隐藏神经元个数(number of hidden units,n_units)，随机失活率(dropout rate，d_rate)和批处理大小(batch size，b_size)；

17、

18、其中，η为惩罚因子；

19、步骤4：基于最优预测模型，输出每个分位点q对应的潜在蔓延速度预测值，利用核密度估计方法估计潜在蔓延速度的概率密度分布，并利用数值积分评估高强度森林火灾发生概率；

20、具体地包括4个部分：

21、步骤4.1：基于最优预测模型，利用公式(2)为代价函数，分别输出分为点为q＝0.01，0.02，…，0.99时模型预测值，即得到99个潜在蔓延速度预测值当分位点为q0，真实值与预测值的拟合优度r2最高；

22、步骤4.2：利用核密度估计方法，选择高斯函数作为核函数，输入不同分位点对应的蔓延速度预测值，计算潜在日尺度蔓延速度概率密度

23、

24、其中，n为分位点总数，即n＝99；h为带宽；为第i个分位点对应的潜在蔓延速度预测值；ku为高斯函数，即：

25、

26、其中，u表示具有高斯分布的自变量；

27、步骤4.3：计算日尺度蔓延速度rd阈值r'd，使得出现高强度森林火灾的可能性最大，假设潜在森林火灾小时尺度蔓延速度rh随燃烧时间th呈正弦分布，若火灾持续d天，则日尺度蔓延速度rd满足：

28、

29、其中，tall为森林火灾蔓延的小时，且满足24(d-1)+1≤tall≤24d；a为出现的最大小时尺度蔓延速度，若存在高强度森林火灾发生可能性，则a≥1km/h，即：

30、

31、当tall＝24d时，当tall＝24(d-1)+1时，

32、步骤4.4：利用数值积分方法，并根据估计的潜在日尺度蔓延速度概率密度，计算潜在蔓延速度大于r'd km/d的概率，即为高强度森林火灾的发生概率；

33、

34、其中，h为步长，y为实测的rd，m为数值积分子区间个数。

35、进一步地，所述步骤2中提取火灾发生前16天的高强度森林火灾风险因子中的特征。

36、进一步地，当置信区间为α时，所述公式(1)中q1和q2的取值分别为0.5-α/2，0.5+α/2；所述公式(1)中的权重系数w1和w2均为0.5。

37、进一步地，所述公式(1)中的最优置信区间为80％；所述的最优超参数n_units＝112，d_rate＝0.15，b_size＝26。

38、进一步地，所述的最优的分位点q0为0.56。

39、进一步地，所述公式(7)中的h的最优值为其中σ为潜在蔓延速度预测值的标准差。

40、进一步地，所述公式(9)中的r'd的取值为

41、进一步地，所述公式(10)中的h应小于0.1km/d，m的取值为1000。

42、本发明的有益效果：本发明所述的高强度森林火灾发生概率评估方法操作简单，仅需输入可燃物、气象、地形及人文活动信息，即可基于bilstm分位数回归和核密度估计方法快速评估高强度森林火灾发生概率。该方法充分考虑了高强度森林火灾关键风险因子，加入了可燃物与气象因子时序变化特征，较适用于复杂林区的高强度森林火灾发生概率估计，对于高强度森林火灾风险监测预警具有十分重要的意义。