黛安·库克《对话》 去年夏天，闪电，而不是纵火，引发了大多数维多利亚时期的森林大火
信用:推特 随着去年夏天可怕的丛林大火的肆虐，关于是什么导致了它们的争论也越来越多
尽管长期干旱和不断恶化的气候变化，一些人试图将火灾主要归咎于人为纵火
联邦联合议员是推动纵火犯指控的人之一
而在推特上，爆发了一场激烈的标签战:“# climateeemergency”vs“# ArsonEmergency”
" 消防部门拒绝了纵火指控，称大多数火灾被认为是由闪电引起的
我们挖掘了公开的数据资源，以了解更多关于去年夏天维多利亚森林大火的原因，并进一步验证纵火的说法
我们的分析表明，82%的火灾可归因于闪电，14%归因于事故，1%归因于燃烧
只有4%可归因于纵火
我们做了什么 我们从喜玛拉雅8号卫星上获取的热点数据开始，这些数据几乎实时地显示了热源在时间和空间上的位置
我们忽略了不太可能是丛林大火的热点，并使用一种称为“时空聚类”的数据挖掘方法——将时间维度引入地理数据——来估计点火时间和位置
我们补充了其他来源的数据:温度、湿度、降雨量、风力、日照、燃料负荷以及到营地、道路和国家消防局的距离
2000-2019年火灾原因
闪电是最常见的原因
火灾的数量正在增加，这主要是由于事故
信用:戴安娜·库克 维多利亚的环境、土地、水和规划部(DELWP)保存着2000年至2018-19年夏季的丛林大火历史数据
确定火灾原因所需的法医研究是费力的，来自卫星的遥感数据可能是有用的和更直接的
通过在历史数据上训练我们的模型，我们可以更快地预测去年夏天由卫星数据探测到的火灾的原因
(注:尽管我们过去一直在分析事件，但我们使用了“预测”一词，因为当局没有公布官方数据
) DELWP的数据将41%的火灾归因于闪电，17%归因于纵火，34%归因于事故，7%归因于从密闭线(我们的分析称之为烧掉)逃逸的危害减少或回燃
为了预测2019-20年的森林火灾，我们需要一个历史数据中原因的精确模型
我们训练模型使用机器学习算法预测四种原因之一——闪电、事故、纵火、燃烧
该模型在历史数据上表现良好:总体准确率为75%，闪电准确率为90%，事故准确率为78%，纵火准确率为54%(这主要是与事故混淆，这是有道理的)
2000-2019年火灾原因空间分布及2019-2020年季节预测
信用:戴安娜·库克 区分闪电和纵火(或事故)的最重要因素是到消防站的距离、道路和营地以及平均风速
不出所料，距离粮安委驻地、道路和营地的距离较小，且风力高于平均水平，这意味着火灾极有可能是人为纵火或事故造成的
在距离更远的地方，公众很难接近灌木丛，闪电被预测是原因
我们发现了什么 我们的模型预测，2019-2020年夏季维多利亚82%的火灾是由闪电引起的
大多数火灾发生在道路无法到达的植被茂密的地区——类似于历史上的位置
(不过，这一比例是历史数据的两倍，可能是因为卫星热点数据可以看到火灾专家无法进入的位置发生的火灾)
据预测，2020年2月的所有火灾都是由闪电引起的
事故和纵火通常是三月份和季节早期的预测原因
令人放心的是，由于燃尽导致的点火主要是在2019年10月，在限制火灾之前预测的
2019-2020年季节成因预测的时空分布
令人放心的是，由于燃烧引起的火灾主要发生在10月份，在限制火灾之前
据预测，二月份的火灾都是由闪电引起的
信用:戴安娜·库克 更快的点火信息 我们的分析使用了开放数据和开源软件，可以应用于澳大利亚其他地方的火灾
这项分析展示了我们如何利用卫星数据和其他信息快速预测森林火灾的原因
它可以减少火灾取证小组的工作，并在未来提供更完整的火灾点火数据
用于分析的代码可以在这里找到
使用此应用程序探索历史火灾数据、2019-2020年火灾预测和维多利亚火灾风险地图
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
