Kartiranje tveganja za gozdne požare s tehniko strojnega učenja na podlagi podatkov GIS in daljinskega zaznavanja: študija primera v provinci Dak Lak, Vietnam

Forest fire risk mapping using machine learning technique based on GIS and remote sensing data, a case study in Dak Lak province, Vietnam

Avtor(ji):

Le Hung Trinh, Van Truong Vu, Quang Tu Le, Xuan Bien Tran

Izvleček:

Vietnam, tropska država, je pogosto izpostavljen tveganju za gozdne požare, ki jih povzroča kombinacija ekstremnih vremenskih dogodkov in antropogenih dejavnosti. Gozdni požari močno ogrožajo ekosisteme, človeška življenja in infrastrukturo. Njihovo zgodnje odkrivanje in napovedovanje požarnega tveganja ima ključno vlogo pri blaženju posledic in omogočanju učinkovitega odzivanja na takšne nesreče. Ta študija raziskuje uporabo naprednih modelov strojnega učenja, zlasti naključnega gozda (RF), konvolucijske nevronske mreže (CNN) in dolgega kratkoročnega spomina (LSTM), v povezavi z geoprostorskimi podatki za izdelavo zemljevida napovedi tveganja gozdnih požarov za provinco Dak Lak v osrednjem višavju Vietnama. Vhodni nabor podatkov obsega 12 spremenljivk: rastlinski pokrov, temperaturo površine, povprečne mesečne padavine, hitrost vetra, evapotranspiracijo, gostoto prebivalstva, rabo zemljišč, nadmorsko višino, naklon, lego, bližino cest in bližino hidroloških značilnosti. Podatki so bili pridobljeni z uporabo daljinskega zaznavanja in tehnologij GIS ter integrirani z zgodovinskimi točkami pojava požarov (6088 lokacij požarov) za modeliranje požarnega tveganja na preučevanem območju. Učinkovitost napovedovanja modelov je bila ocenjena z uporabo več metrik, vključno z natančnostjo, priklicem, F1-rezultatom, natančnostjo in AUC, s testnim naborom podatkov, ki je vseboval 122 požarnih točk in 170 nepožarnih točk. Rezultati kažejo, da algoritem RF (natančnost: 0,84, natančnost: 0,88, AUC: 0,95) prekaša tako modele CNN (natančnost: 0,80, natančnost: 0,80, AUC: 0,84) kot modele LSTM (natančnost: 0,81, natančnost: 0,83, AUC: 0,89) pri napovedovanju tveganja za gozdne požare v provinci Dak Lak. Ugotovitve poudarjajo potencial uporabe naprednih tehnik strojnega učenja in analize prostorskih podatkov za povečanje natančnosti napovedovanja tveganja gozdnih požarov. Pričakuje se, da bodo rezultati te študije pomagali oblikovalcem politik in organom za upravljanje gozdov pri razvoju učinkovitejših strategij gospodarjenja z gozdovi in ukrepov za preprečevanje požarov, s čimer bodo prispevali k varovanju naravnih virov in blaginji lokalnih skupnosti.

Ključne besede:

napovedovanje tveganja gozdnih požarov, strojno učenje, naključni gozd, CNN, LSTM, geoprostorski podatki, GIS, provinca Dak Lak

DOI: 10.15292/geodetski-vestnik.2026.03.421-436

Citation:

Le Hung Trinh, Van Truong Vu, Quang Tu Le, Xuan Bien Tran (2026). Kartiranje tveganja za gozdne požare s tehniko strojnega učenja na podlagi podatkov GIS in daljinskega zaznavanja: študija primera v provinci Dak Lak, Vietnam. | Forest fire risk mapping using machine learning technique based on GIS and remote sensing data, a case study in Dak Lak province, Vietnam. Geodetski vestnik, 70 (3), 421-436. DOI: 10.15292/geodetski-vestnik.2026.03.421-436