摘要：在我国大力提倡退耕还林的前提下,森林资源得到了有效地保护。由于近几年来森林火灾不断发生,导致森林资源受到巨大的破坏,影响了人们正常的生活以及社会发展。做好目前的森林防火工作,是保护自然生态环境最有效的手段。
关键词: 人工神经网络;森林火灾预警;数据挖掘
1.引言
森林火灾，是指失去人为控制，在林地内自由蔓延和扩展，对森林、森林生态系统和人类带来一定危害和损失的林火行为。森林火灾是一种突发性强、破坏性大、处置救助较为困难的自然灾害。在各种威胁森林资源的因素中，森林火灾是破坏自然及社会平衡的首要灾害，加之近年来由于人口剧增与工业化速度的加快，以及受厄尔尼诺现象的影响，自然灾害与人为灾害频率增加，互相影响，不仅影响人类生存的环境质量，同时带来巨大的经济损失，引起了世界各国的普遍关注。
在我国大力提倡退耕还林的前提下,森林资源得到了有效地保护。但是随着经济的不断发展,生态环境遭受了严重的破坏。森林作为生态环境中最重要的资源,能够对生态环境起到较好的保护作用。由于近几年来森林火灾不断发生,导致森林资源受到巨大的破坏,影响了人们正常的生活以及社会发展。做好目前的森林防火工作,是保护自然生态环境最有效的手段。 因此，森林火险气象等级的研究有利于森林火灾的预测预防，能为森林防火工作人员针对不同区域不同时间采取不同防火措施提供参考及决策支撑。森林火险气象等级模型能够利用气象部门的天气预测适时显示出目标区域的森林火险等级，能够帮助林业部门有针对性的制定防火策略，分配防火资源，具有重要的实用价值。
2.研究概述
在森林火灾灾害风险管理中，灾害风险的评估是其核心部分，森林火灾风险评估主要是运用科学合理的评估方法和手段，对当前森林火灾风险状况进行准确的评估和分析，并有针对性地提出建议和对策以减小风险。在评估的基础上进行风险预测有利于森林火灾风险的预防和预报，从而降低森林火灾风险，减少火灾损失。
森林火灾风险主要取决于致灾因子、承灾体以及防灾减灾能力。致灾因子主要包括气象条件、地形条件、人类活动、植被状况等方面，森林火灾的发生与气候和天气条件密切相关。一般情况下，气温高、降水少、湿度小、风力大，发生森林火灾的风险就越大。
所以我们尝试从气候条件的角度来建立一个森林火灾风险评估模型和指标体系，通过处理历史森林火灾高风险地区的气象信息来完善模型，并预估未来气候变化对对我国森林火灾风险的影响，为大兴安岭林业管理部门进行林火管理提供参考价值。
3.模型介绍
3.1 人工神经网络模型
ANN(Artificial Neural Network)是指由大量的处理单元(神经元) 互相连接而形成的复杂网络结构，是对人脑组织结构和运行机制的某种抽象、简化和模拟。人工神经网络，以数学模型模拟神经元活动，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。
人工神经网络具有自学习、自组织、自适应以及很强的非线性函数逼近能力，拥有强大的容错性。它可以实现仿真、二值图像识别、预测以及模糊控制等功能。是处理非线性系统的有力工具。
3.2 模型构建
森林火灾预测模型是根据火灾历史、天气条件 (温度、相对湿度、降水、风速等) 、植被物候状况、可燃物含水量和火源等进行森林火灾预测预警。
首先我们将进行数据的采集工作，获取历史上曾经发生森林火灾的地区的历史气象数据数据，然后进行数据的清洗工作，提取出我们能够使用的数据信息，并将数据集分为测试集、训练集和验证集。
然后我们将结合现有模型及训练集，运用ANN算法和KNN算法构建出多个新的森林火灾预测模型，继而使用各个模型对验证集数据进行预测，并记录模型准确率，选出效果最佳的模型。最后使用测试集进行模型预测，来衡量最优模型的性能。整个研究构想如下图所示。
3.3模型检验
在火灾等级评测中，我们采用ROC曲线进行二分类分析，即将所有数据划分为高风险和低风险两类。
ROC曲线是指受试者工作特征曲线 / 接收器操作特性曲线, 是反映敏感性和特异性连续变量的综合指标,是用构图法揭示敏感性和特异性的相互关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性，再以敏感性为纵坐标、(1-特异性)为横坐标绘制成曲线，曲线下面积越大，诊断准确性越高。在ROC曲线上，最靠近坐标图左上方的点为敏感性和特异性均较高的临界值。具体ROC曲线的解释根据分析结果进行相关说明。
AUC被定义为ROC曲线下的面积，显然这个面积的数值不会大于1。又由于ROC曲线一般都处于y=x这条直线的上方，所以AUC的取值范围在0.5和1之间。使用AUC值作为评价标准是因为很多时候ROC曲线并不能清晰的说明哪个分类器的效果更好，而作为一个数值，对应AUC更大的分类器效果更好。
4.案例分析
4.1数据来源及清单
数据来源：
①大兴安岭地区历史发生的森林火灾情况统计(2011年——2016年火灾等级、火灾发生次数、火灾发生范围、火灾造成的损失，数据来自中国林业统计年鉴)
②大兴安岭地区历史气象信息(2007年4月——2018年4月每日平均温度、大气压、露点温度、能见度、降雨量、风向、风速、最高温度、最低温度，数据来自NOAA美国国家气象局)
③大兴安岭地区历史火险等级(2011年4月——2018年4月历史每日的火险气象等级，数据来自大兴安岭森林防火网)
数据清单：
①站点选取：大兴安岭地区呼玛气象站。
②站点气象信息：
NO: 表示本条记录的编号，每条记录以天为单位记录信息。
YEARMODA：监测日期，该条记录发生的时间，具体到年月日。
TEMP：表示所检测的站点空气冷热程度的物理量，即每日气温定时观测值中的平均值，该单位为摄氏度(℃)
DEWP：露点温度，即每日露点温度定时观测值中的平均值。露点温度是指空气在水汽含量和气压都不改变的条件下，冷却到饱和时的温度。形象地说，就是空气中的水蒸气变为露珠时候的温度叫露点温度。露点与气温的差值可以表示空气中的水汽距离饱和的程度。
STP: 本站气压，即每日气压定时观测值中的平均值。气压是作用在单位面积上的大气压力，即等于单位面积上向上延伸到大气上界的垂直空气柱的重量。气压大小与高度、温度等条件有关。
WDSP: 风向风速，即每日风向风速定时观测值中风向的结果和风速的平均值。
MXSPD: 最大风速，即每日风速定时观察值中的最高值。
MAX: 最高温度，即每日气温定时观测值中的最高值，单位℃。
MIN: 最低温度，即每日气温定时观测值中的最低值，单位℃。
RCP: 降雨量，即每日20：00.20：00时降水量的综合值。
监测日期：即大兴安岭森林防火官方网站中对于森林火险等级有预报日期，具体到年月日，一个日期对应一条火险等级信息。
火险等级：即大兴安岭森林防火官方网站中气象信息中对于火险等级的预测值，用于火险预报和森林防火保护工作。
④数据范围：从2007年1月到2018年4月，其中每年2月，8月，11月，12月无火险等级信息，部分天数的火险信息缺失，时间越往前，信息缺失的天数越多，火险信息数据表中包含所有可能获取的等级信息;从2007年1月到2018年4月，包括每一天的气象信息，具体到每个气象指标，部分气象指标数据有缺失。
4.2数据清洗
站点气象信息采集：下载自美国国家海洋和大气管理局网站，格式为Excel，每条记录包含气温，露点温度，气压，风向风速，最高最低气温等气象指标。
站点气象信息处理：
①整理下载表格，按照时间顺序由近到早进行排序。
②删除缺失指标数据，例如阵风和雪深度指标基本全部缺失，对此类数据进行删除。
③删除含有错误数据的指标，比如在一段时间内，突然出现温度或者其他指标有特别明显大幅度变化的数据，核查比对，如果错误进行删除。
站点火险等级信息采集：大兴安岭森林防火网，用八爪鱼采集器获取每一期气象信息，采集到的表格包括每一期火险等级信息发布的时间具体到秒钟，以及描述该等级的相关文字描述。
相关期刊推荐：《森林防火》Forest Fire Prevention(季刊)1983年创刊，是国家林业局主管，南京森林公安高等专科学校主办的综合性科技季刊，设有包括组织管理、林火研究、航空护林、森警园地、国外借鉴等近30个栏目。以宣传森林防火方针政策，普及森林防火知识，交流森林防火管理经验，推广先进的防扑火技术、介绍国内外森林防火管理技术的办刊宗旨。
