将迪克西大火（Dixie Fire）的燃烧严重程度与火灾发生前的森林结构和天气条件联系起来，为预测未来的燃烧严重程度提供了可能性

《Canadian Journal of Forest Research》：Linking burn severity to pre-fire forest structure and weather on the Dixie fire offers potential to map prospective burn severity

高燃烧严重性预测模型基于35个候选因子（含3个立地特征和3个环境因子）的Logistic回归分析，AUC达0.72-0.73，验证了枯立木基面积、中大小活树基面积、 ladder燃料及30年最高均温、最大风速、火灾到达时降水量对加州Dixie火灾严重性的关键影响。模型应用显示精度待提升，需结合LiDAR数据与实时天气模型优化。

　　

摘要

为了探究受天气影响的高燃烧强度的可控林分结构驱动因素，我们从2021年加州发生的“Dixie大火”森林清查与分析数据以及关于管理者无法控制的因素（如火灾历史、气候、天气和地形）的辅助数据中筛选出了35个候选预测因子。我们使用逻辑回归模型来评估这些预测因子的作用，以遥感测量的燃烧强度作为响应变量。通过多种模型选择方法，我们从一组简洁的预测因子子集中筛选出了能够有效解释高燃烧强度的因子（接收者操作曲线下面积为0.72–0.73），这些因子包括六个变量：三个林分特征（枯立木的基面积、中等大小或所有活树的基面积以及可燃物的丰富程度），以及三个不可控因素（火灾到达林分时的30年平均最高气温、最大阵风速度和降水量）。为了展示这些模型如何为景观治理优先级提供参考，我们将这些模型应用于公开可获取的林分特征和上述不可控因素的栅格数据，通过相对差异标准化燃烧比率来评估地图的准确性。随着森林属性插补产品开始结合能够表征可燃物的高精度数据（例如光探测与测距技术），以及火灾发生时天气的像素级模型变得可用，所得地图的准确性有望得到提升。