Моделирование и картографирование риска лесных пожаров в Северной Евразии в различные сезоны года

Лесные пожары являются одним из основных природных факторов нарушения лесного покрова Северной Евразии. Их возникновение и распространение зависят от совокупности климатических, природных и антропогенных факторов, что делает актуальным применение методов машинного обучения для комплексной оценки пожарного риска.
В настоящей работе проведена оценка и картографирование риска лесных пожаров в лесной зоне Северной Евразии за период с 2002 по 2024 год. В качестве двух сравниваемых источников использовались данные о тепловых аномалиях, зарегистрированных спутниковым сенсором MODIS, и сведения о лесных пожарах Федерального агентства лесного хозяйства России. Территория исследования была разделена на ячейки регулярной сетки размером 10 на 10 километров. Было рассмотрено 118 предикторов, характеризующих климат (включая индекс пожарной опасности), характеристики лесных насаждений, рельеф и почву, хозяйственную деятельность, особенности лесопожарного зонирования и географическое положение.
Моделирование значений целевых переменных выполнялось как регрессией, так и классификацией (отнесение ячейки сетки к одному из пяти классов пожарного риска). Риск моделировался отдельно для трёх квазисезонов из-за значительных различий в факторах, влияющих на возникновение и распространение лесных пожаров весной, летом и осенью. Использованы три алгоритма машинного обучения: случайный лес, XGBoost и полносвязанную нейронную сеть — многослойный перцептрон. Эти модели были выбраны из-за их широкого использования в моделировании риска пожаров. Для каждой из 6 целевых переменных (тепловые аномалии и официальные данные о пожарах по сезонам) обучено по 6 моделей — по три алгоритма в постановках задач регрессии и классификации, что в совокупности составило 36 моделей.
Для разных задач наиболее высокие показатели точности получены разными алгоритмами. Для моделей, обученных по данным MODIS, показатели точности оказались значительно выше, чем для моделей, обученных на данных государственной статистики, поскольку количество точек пожаров в этой статистике слабо коррелирует с их суммарной площадью. Пространственное распределение риска летних пожаров моделируется лучше, чем весенних и особенно осенних. На основе моделей с наилучшими метриками качества проведено картирование риска лесных пожаров в Северной Евразии.
На основе подходов SHAPely и Permutation importance, по наиболее точным моделям, выделены значимые предикторы, отдельно для весенних, летних и осенних пожаров. Анализ значимости факторов показал выраженные сезонные различия. Весной наибольшую роль играют раннее таяние снега, низкая влажность почвы и высокая температура воздуха. Летом основное значение имеют высокая влажность почвы весной, а также известные своей высокой горимостью: лиственничные, сосновые, лиственные, темнохвойные и смешанные леса, а также редины хвойные листопадные. Осенью важным фактором становятся температурные условия предшествующего лета и осадки сентября-ноября. Влияние антропогенных факторов наиболее заметно весной и осенью.
На основе наиболее точных моделей были построены карты пожарного риска. Полученные результаты могут использоваться при планировании противопожарных мероприятий и разработке региональных мер адаптации лесного хозяйства к изменению климата.