《Climate Services》：Integrated wildfire susceptibility and hazard mapping: A data-driven approach for Mediterranean regions using the Garrotxa (Catalonia, Spain) as a case study
编辑推荐：
野火对地中海景观构成日益严重的威胁，其中社会生态因素、土地利用动态和气候变率共同加剧了火灾风险。这项研究提出了一种数据驱动的方法，用于加罗特夏地区（西班牙加泰罗尼亚）的野火易感性和危险性制图，识别出最具影响力的驱动因子，并生成当前和未来条件下的易感性图。由于加
野火对地中海景观构成日益严重的威胁，其中社会生态因素、土地利用动态和气候变率共同加剧了火灾风险。这项研究提出了一种数据驱动的方法，用于加罗特夏地区（西班牙加泰罗尼亚）的野火易感性和危险性制图，识别出最具影响力的驱动因子，并生成当前和未来条件下的易感性图。由于加罗特夏地区265个有记录的点燃事件（1900–2023年）中仅有一部分拥有地理参考的过火面积记录，研究人员通过模拟从每个点燃点及其报告的火场大小进行蔓延，重建了火场边界。对具有真实边界的火灾进行验证，平均重叠率为0.71，证实了模拟的可靠性。这些模拟的过火面积与十五个环境条件因子相结合，采用频率比（Frequency Ratio, FR）方法量化了各因子对野火发生的影响，从而生成可解释的易感性评分。最具影响力的驱动因子是风暴露、土地覆盖、温度和地表温度，而地形湿度指数（Topographic Wetness Index, TWI）和坡度的影响较弱，这与地中海其他地区的研究结果一致。生成的易感性图实现了0.73的ROC AUC（受试者工作特征曲线下面积），与随机森林（Random Forest）基准相当，且79%的历史野火落在两个最高易感性等级中。最后，通过将气候条件因子替换为其预测的未来值，该框架生成了近、中、远未来时间段的野火易感性图，显示了在气候变化下火灾易发区域可能的演变趋势。这种可迁移且可解释的方法再现了观测到的火灾格局，并支持地中海火灾易发区域的风险缓解和气候适应性土地管理。
### 论文解读：集成野火易感性与危险性制图——以加罗特夏为案例的地中海区域数据驱动方法
**研究背景与意义**
野火在地中海地区日益频繁，其强度、频率和空间范围显著增加，这主要归因于气候变暖、植被特征、土地利用模式以及人类活动在城乡交界带的扩展。西班牙作为欧洲最易发生火灾的国家之一，亟需精确的灾害评估来支持基于证据的火灾管理和气候适应。然而，现有研究存在若干空白：多数研究局限于当前条件，未延伸至未来气候情景；缺乏地理参考过火面积记录的地区常被排除在定量评估之外；机器学习方法虽流行，但缺乏可解释且低资源消耗的框架，难以被地方规划部门采用。为此，研究人员以加罗特夏（加泰罗尼亚，西班牙）为案例，开发了一种集成数据驱动方法，旨在克服数据稀缺限制，生成当前及未来气候变化下的野火易感性图，为气候适应性土地管理提供可操作工具。该论文发表在《Climate Services》期刊。
**主要技术方法**
研究采用的关键技术方法包括：1) **过火面积模拟**：基于历史点火点元数据（位置和估计面积），当有火灾日风记录时，采用Huygens–Rothermel椭圆模型（Anderson, 1983）构建风定向椭圆，否则使用各向同性圆形缓冲区，并利用自然和人工屏障（河流、道路、防火带）进行裁剪，生成模拟火场边界。2) **频率比（FR）方法**：将15个条件因子（分为地形、气候、土地覆盖和人为类别）离散化为分位数类别，计算每个类别中过火像素比例与全区比例之比，得到频率比值；再基于各因子频率比值的离散程度（即预测率，Prediction Rate, PR）分配权重，最终通过加权和生成易感性得分。3) **随机森林（Random Forest）基准**：在同一数据划分和条件因子上训练随机森林分类器，用于对比FR模型的性能。4) **气候变化投影**：从AdapteCCa平台获取区域化气候预测，用未来时间段的每日最高温度95百分位数和年降雨天数替换当前气候条件因子，生成近、中、远未来（至2040年、2070年、2100年）的易感性图。数据来源涵盖加泰罗尼亚公共管理部门的点火点记录、历史档案、MODIS/Terra卫星数据、ICGC数字高程模型等，样本队列为加罗特夏地区1900–2023年间的265个可定位点火事件。
**研究结果**
- **过火面积模拟验证**：利用四个有真实地理参考边界的大火灾事件进行验证，模拟火场与真实边界的平均交并比（IoU）为0.567，平均重叠率为0.711，表明模拟结果具有中等至良好的空间一致性，可作为易感性模型的训练目标。
- **条件因子贡献排名**：基于预测率（PR）值，风暴露（PR=5.07）、土地覆盖（PR=4.53）、温度（PR=3.58）和地表温度（LST）（PR=3.41）被识别为最具影响力的驱动因子；而距城市距离（PR=1.00）和地形湿度指数（TWI）（PR=1.06）影响最弱。这一排名与地中海地区其他研究一致，突出了气候和植被变量的主导作用。
- **模型性能评估**：FR模型在训练集和测试集上的ROC AUC分别为0.855和0.727，表明模型能有效区分过火与非过火像素。在极高易感性阈值下，平衡准确率测试值为0.636。与随机森林基准（训练AUC=0.989，测试AUC=0.690）相比，FR模型表现出竞争力，且过拟合程度更低。5折空间块交叉验证显示FR模型平均测试AUC为0.641，与随机森林（0.647）相近，表明模型具有空间可迁移性。
- **易感性图空间分布**：生成的易感性图分为五个等级（极低、低、中、高、极高）。约10%的区域属于极高易感性类，24%属于高易感性类，79%的历史野火落在两个最高等级中。北部-中部区域因风暴露、森林覆盖和干燥喀斯特地貌呈现最高易感性；西部休闲区（如Puigsacalm山）因高风暴露和地表温度而风险较高；南部区域虽无主导因子，但因高温呈中高易感性。
- **未来易感性预测**：通过替换气候条件因子，近、中、远未来的易感性图显示，高易感性区域面积呈适度但持续增加趋势，空间格局保持相对稳定。这一结果与地中海地区其他研究（如Bozali, 2026）一致，表明气候变化将加剧火灾易感性，但主要风险区域的结构性位置不变。
**讨论与结论**
讨论部分指出，FR模型性能与其他研究（如Salavati et al., 2022；Bozali, 2026）相当，但存在一定过拟合，源于像素级火灾数据的空间自相关和有限独立事件。不确定性主要来自：模拟过火面积的几何近似（尽管验证良好）、粗分辨率气候数据降采样带来的内插不确定性、FR方法对连续变量离散化方案敏感、未捕捉因子间交互作用，以及未来投影中假设风力和景观静态（因缺乏风投影数据）。此外，历史火灾记录（1900–2023）的时间异质性：近期气候变暖、人口增长和土地利用变化导致条件因子与早期火灾的环境背景不匹配。未来改进方向包括：整合物理火蔓延模型、使用动态景观模型、引入高分辨率风投影，以及采用空间变系数模型以提高迁移性。
研究结论（翻译原文）如下：
这项研究提出了一种稳健且可适应的野火易感性制图方法，可应用于不同区域和空间尺度，即使在数据可得性匮乏的背景下。该方法是基于频率比（FR）方法构建的，具有简单、透明和可靠的性能。本研究的一个关键贡献在于过火面积模拟，这是因缺乏地理参考火场边界数据而必要的。该方法不仅填补了数据空缺，还增强了模型对其他面临类似数据约束区域的适应能力，使方法更具灵活性和广泛适用性。此外，研究将气候变化情景纳入易感性分析，从而预测了三个时间尺度（近、中、远未来）的野火危险性分布。两个气候条件因子（每日最高温度95百分位数和年降雨天数）在每个时间尺度上被更新，使得温度和降水动态对未来易感性的联合评估成为可能。这代表了传统易感性模型（通常不考虑长期气候趋势）的一项创新扩展。分析识别出风暴露、土地覆盖、温度和地表温度是该区域野火易感性的主导驱动因子。尽管存在一定局限性，如需要模拟过火面积和缺乏精细尺度的未来风投影，模型仍表现出良好的预测性能（测试ROC AUC为0.73，79%的历史火灾落在两个最高易感性等级中），并具有与历史火灾格局以及其他地中海研究一致的空间一致性，在与随机森林基准的竞争中表现相当，同时保留了FR方法的可解释性和低计算成本。未来的改进可能涉及整合额外环境因子、采用更高本征分辨率的气候数据以及优化模拟策略。这些增强将有助于更全面地理解野火危险性动态，并为土地管理和预防规划提供更可操作的工具。
