《Trees, Forests and People》：Modelling susceptibility to human-caused forest fire ignitions in Austria
编辑推荐：
在欧洲阿尔卑斯地区，不断变化的环境条件与人类户外活动强度的增加驱动着森林火灾点燃。因此，准确评估和预测复杂山区地形的点燃危险性变得至关重要。本研究开发了一个覆盖奥地利全国的模型，利用国家森林火灾数据库中的点燃点以及整合了社会经济和基础设施预测因子的逻辑回归框架
在欧洲阿尔卑斯地区，不断变化的环境条件与人类户外活动强度的增加驱动着森林火灾点燃。因此，准确评估和预测复杂山区地形的点燃危险性变得至关重要。本研究开发了一个覆盖奥地利全国的模型，利用国家森林火灾数据库中的点燃点以及整合了社会经济和基础设施预测因子的逻辑回归框架，以100米的空间分辨率估算人为火灾点燃的条件易感性。使用随机训练-测试划分、受试者工作特征曲线/曲线下面积(ROC/AUC)分析，以及2021–2025年人为火灾事件的独立时间评估来评价模型性能，并在区域案例研究中检验其合理性。由此得出的人为火灾点燃条件易感性地图被聚合到市镇级别，以提供与现有火灾概率模型的背景比较。人口密度和交通相关基础设施（如铁路、跨区域公路网、缆车和次级道路）成为人为点燃的显著预测因子，反映了森林可及性的重要性。结果揭示了人为点燃易感性的明确空间模式，在国家尺度上，大多数林区显示出较低的易感性值，而较高的易感性值集中在居民点周围和主要交通走廊沿线。这些人类活动和森林可及性可能增加点燃可能性的区域，为有针对性的火灾预防、监测和规划，特别是在城市野生地交界区(WUI，指人类建筑与自然植被交错的区域)，提供了坚实的基础。
在研究背景方面，欧洲阿尔卑斯地区的气候变暖、干旱频率增加以及土地利用变化正在改变可燃物可用性和易燃性，导致林火活动向复杂的山地景观扩展。在奥地利，约85%的森林火灾是人为造成的。当前的阿尔卑斯山火灾危险性评估面临空间尺度和代表性挑战，低分辨率的气象数据和粗糙的植被可燃物模型无法捕捉狭窄的山谷、坡向驱动的微气候及细小可燃物动态，限制了局部尺度点燃预测的准确性。此外，以往的研究多在市镇级别分析社会经济数据以预测人为火灾概率，但这些规划单元对于在地方尺度分配预防资源而言过于宽泛，无法反映山区复杂的社会与自然环境相互作用。因此，奥地利目前缺乏一项整合详细社会经济和基础设施预测因子的高分辨率全国性人为点燃易感性评估。为填补这一空白，研究人员开展了这项研究，旨在利用高空间分辨率开发一个侧重于人为驱动因素的全国点火模型，并验证人类活动与可及性是否增加点燃概率、不同森林类型和海拔的易感性是否差异，以及更精细的空间分辨率是否支持全国制图。
研究人员使用了来自奥地利森林火灾数据库（2001–2020年）中1232起人为火灾事件记录作为样本队列来源。由于火灾点位置存在空间不确定性，研究人员为每个火灾点生成了具有可变半径的圆形不确定性缓冲区以避免伪重复。同时，研究提取了十二个与基础设施、可及性和人类存在相关的预测变量，这些变量数据来源于奥地利政府维护的图形集成平台(GIP)及奥地利统计局。研究人员采用二元逻辑回归模型与正向逐步选择程序建立模型，通过方差膨胀因子(VIF，衡量自变量之间线性相关程度的指标)剔除多重共线性变量，使用受试者工作特征曲线/曲线下面积(ROC/AUC，评估二分类模型预测能力的指标)分析、随机训练-测试划分、2021–2025年独立火灾数据的时间验证以及区域案例研究来全面评估模型性能。该研究最终得出结论，人口密度与交通相关基础设施是人为点燃的显著预测因子，且更高的空间分辨率能更好地捕捉局部人为点燃模式。这项研究发表在《Trees, Forests and People》上，其重要意义在于为森林管理部门制定有针对性的预防措施、监测规划以及优化防火资源配置提供了坚实的科学基础。
研究结果部分包含以下几个方面：
Fire ignition susceptibility model（火灾点燃易感性模型）
通过逻辑回归模型分析，发现有五个变量显著影响火灾点燃的可能性：主干铁路、缆车基础设施、次级道路、跨区域道路和人口密度。人口密度表现出最强的统计学关联证据，而主干铁路的估计优势比(OR，暴露组与非暴露组事件发生比值之比)最大。所有预测因子均与人为点燃概率显著相关。在四个备选的伪缺席样本中，样本1表现出最高的AUC值和特异性，因此被选为最终模型。
Patterns of susceptibility to fire ignition across provinces, vegetation type, elevation, and forest function（各省、植被类型、海拔和森林功能的点燃易感性模式）
通过汇总分析发现，人为点燃易感性的平均值在各因素间变化范围较窄（约0.30–0.55）。不同省份间的差异较小；植被类型中，混交针叶林易感性最高，山地松林最低；海拔呈现出最明显的规律，即点燃易感性随海拔升高而下降，从0-500m的约0.42降至>2000m的约0.33；森林功能类别中，生产林和目标保护林的易感性略高于保护林。
Contextual comparison with the municipality-level model（与市镇级模型的背景比较）
将100m分辨率模型的输出聚合到市镇级别后，与Arndt et al.的大尺度火灾概率模型进行比较。两者之间的相关性较弱（皮尔逊相关系数r = 0.38）。大比例尺的市镇级模型强调了铁路、森林道路、农业区等变量，而本研究的100m模型则突出了主干铁路、缆车、次级和跨区域道路及人口密度等与人类可及性密切相关的预测因子。
Validation of human-caused ignition susceptibility with independent data（利用独立数据验证人为点燃易感性）
使用2021至2025年的独立人为火灾数据集对模型进行时间验证。结果显示，约42%的观测火灾发生在最高易感性等级（0.9–1.0）中，而相应的无火灾样本中只有约12–13%；然而，约56%的观测火灾也落在了最低易感性等级（0–0.1）中。平均AUC值为0.654，表明模型对独立验证期具有中等但有限的判别能力。
Plausibility of the fire ignition model in the Rax-Schneeberg Mountain region（Rax-Schneeberg山区火灾点燃模型的合理性）
在Rax-Schneeberg山区的案例研究中，通过G
i*热点分析发现，旅游路线与次级、跨区域道路及缆车路径相交的区域表现出较高的火灾点燃易感性。99%置信度的热点区域中，大部分旅游设施和路线像元落在20-40%的易感性等级内，而最高易感性等级（80-100%）的热点主要集中在道路附近，证实了道路邻近性对火灾发生的影响。
在讨论部分，研究人员总结指出，人为相关预测因子的主导地位表明奥地利的森林火灾点燃主要是由人为驱动的。随海拔升高易感性降低，这可能与高海拔地区温度较低、降水多、积雪时间长以及人口密度和基础设施较少有关。与Arndt et al.模型的差异主要归因于空间分辨率效应、数据质量与完整性以及尺度依赖性。该模型绘制的易感性地图可用于指导火灾预防和管理规划，建议在交通走廊、城市野生地交界区(WUI)和旅游可及区域加强宣传教育、监测和访问管理。模型的局限性在于火灾点位置的空间不确定性以及数据时间序列较短。
结论部分翻译总结如下：研究结果支持了人类活动和可及性增加会提高点燃概率的假设，人口密度和交通邻近度是强有力的预测因子。尽管统计结果未能完全支持使用更精细的像素级建模进行全国易感性制图，但100 × 100 m模型能够捕捉在较粗空间尺度上可能被掩盖的与交通和旅游基础设施相关的局部模式，提供了复杂阿尔卑斯地形下点燃易感性的更详细表征，这将支持森林管理部门和土地所有者进行有针对性的综合消防管理活动规划。
