《Geocarto International》：Integrating remote sensing and machine learning for forest fire susceptibility mapping in Peninsular Malaysia: the spatio-temporal sampling tree (STS-T)
编辑推荐：
森林火灾敏感性制图领域长期受制于精度与可解释性之间的持续权衡：黑箱集成算法能够提供高精度，但其决策过程不透明；而透明的决策树模型虽具有强可解释性，却难以达到足够的精度。为填补这一空白，本研究基于2001–2023年间马来西亚半岛的森林火灾数据集，采用递归特征消
森林火灾敏感性制图领域长期受制于精度与可解释性之间的持续权衡：黑箱集成算法能够提供高精度，但其决策过程不透明；而透明的决策树模型虽具有强可解释性，却难以达到足够的精度。为填补这一空白，本研究基于2001–2023年间马来西亚半岛的森林火灾数据集，采用递归特征消除（Recursive Feature Elimination, RFE）从7349个原始属性中提取49个关键环境特征，并提出一种新型时空采样树算法（Spatio-Temporal Sampling Tree, STS-T），该算法具有节点级自适应时间选择能力，并将历史气象滞后项纳入其决策过程。通过分层10折交叉验证以及来自柔佛州（Johor）的留出空间测试集进行验证，采用1年时间窗口拟合的剪枝后STS-T模型达到98.48%的精度和0.988的ROC-AUC。
**论文解读：基于时空采样树（STS-T）的马来西亚半岛森林火灾敏感性制图研究**
**一、研究背景与问题**
森林火灾是全球最严重的自然灾害之一，造成巨大的生态破坏、经济损失和因跨境烟霾引发的健康危机。在东南亚，尤其是马来西亚半岛，森林火灾的复发与气候变率、人类活动以及热带泥炭地独特的水文特征密切相关。随着火灾管理策略从被动扑救转向主动预防，准确预测火灾敏感性变得至关重要。遥感（RS）与地理信息系统（GIS）数据同机器学习（ML）算法的集成已成为开发火灾风险模型的标准范式。
然而，现有研究面临一个核心矛盾：以随机森林（Random Forest, RF）和XGBoost为代表的集成学习模型虽然预测精度高，但通常作为“黑箱”运行，其内部由成百上千棵决策树复杂聚合而成，决策逻辑难以理解。对于火灾管理者和政策制定者而言，仅知道“哪里风险高”不够，他们还需理解“为何该区域被标记为高风险”，即基于温度、降水或植被健康度等显式阈值的因果解释。传统决策树（Decision Tree, DT）虽具有“白箱”特性，能生成类似人类推理的层级化“如果–那么”规则，但精度往往落后于集成方法，且本质上是静态的——标准DT算法将样本视为独立快照，无法捕捉影响火灾敏感性的时间动态和滞后效应。
为弥合“黑箱”高性能与“白箱”可解释性之间的鸿沟，研究人员利用马来西亚半岛2001–2023年共23年的森林火灾数据集，提出了一种新型算法——时空采样树（Spatio-Temporal Sampling Tree, STS-T）。该算法基于C4.5（J48）决策树，引入时间采样机制，将前序年份的环境特征显式纳入学习过程，旨在通过算法层面的创新，使单一可解释模型在正确整合时间动态后能够超越复杂集成模型。
**二、研究内容与数据集**
研究首先对原始数据集进行预处理和特征筛选。原始数据集包含11279个样本（5650个历史火点，5629个非火点），初始特征维度高达7349个，涵盖月、季、年尺度的气象因素及行政和时间标记。通过严格隔离以“年度”聚合的动态属性并结合关键静态地理变量，系统性地将特征缩减至49个关键属性，包括高程、坡度、坡向、山体阴影等静态因子，以及地表温度（Land Surface Temperature, LST）、降水、归一化差异植被指数（Normalized Difference Vegetation Index, NDVI）等动态变量的年均值。针对非火点参考日期与遥感产品时间覆盖不匹配导致的缺失数据，研究采用双重策略：对非火点将参考日期调整至最新可用传感器日期；对火点因历史传感器不可用导致的缺失值，以占位符编码（-1或-10）处理，以避免样本损失。
**三、主要技术方法**
研究采用多种统计与机器学习方法。统计层面，使用描述性统计、箱线图分析、皮尔逊相关分析和独立样本t检验来验证数据集中火点与非火点环境特征的差异显著性。机器学习层面，采用13种已广泛应用的分类器建立基线性能，包括线性模型、概率模型、集成方法等，使用分层10折交叉验证（随机种子42）进行评估，并额外采用留出空间测试集（训练除柔佛州外的所有州，测试柔佛州）验证地理泛化能力。特征重要性通过决策树分裂时的基尼指数（Gini index）降低量衡量。为验证模型组件的必要性，还进行了消融实验。主要计算环境为Python的scikit-learn库（XGBoost除外），所有特征在模型训练前进行最小-最大归一化。
**四、研究结果**
**统计分析与特征验证**：描述性统计和箱线图显示，火灾点位的热力和干燥指标（如LST、最高温度TMMX、饱和水汽压差VPD、Keetch-Byram干旱指数KBDI）均值显著较高；而水分相关变量（降水PR、径流RO、帕尔默干旱严重指数PDSI）和植被指数（NDVI、增强型植被指数EVI）均值较低。皮尔逊相关分析进一步确认：LST（r=0.7824）与火灾发生呈最强正相关，PET、VPD和KBDI等干燥指标亦呈显著正相关；NDVI（r=-0.6964）和EVI（r=-0.6640）呈强负相关，坡度（r=-0.5695）和高程（r=-0.5560）也呈负相关。独立样本t检验表明除Hillshade（p=0.1424）外，所有关键特征在火点与非火点间的差异均具有统计学显著性（p<0.001）。多共线性检验中，LST、PET、AET和SRAD的方差膨胀因子（VIF）超过10，但树模型对其不敏感，故保留全部特征。
**基线性能比较**：在13个分类器中，树模型整体表现最佳。梯度提升（Gradient Boosting）精度最高（99.7872%），随机森林召回率最高（99.7876%），单棵决策树精度达99.2641%，且训练时间远低于集成模型。
**STS-T时间窗口效应**：未剪枝时，引入1年滞后（w=1）使精度从99.2641%提升至99.9025%，召回率达99.9292%。窗口扩展至w=10虽达到100%精度，但相对w=1仅提升约0.1%，考虑到计算开销，w=1被确定为最优配置。剪枝后（max_depth=15，min_samples_split=20）的STS-T（w=1）在公平比较中精度为98.48%，ROC-AUC为0.988，与随机森林（99.52%，0.9999）和XGBoost（99.71%，1.0000）接近，但保持完全可解释性。
**消融实验**：移除BurnDate、经纬度及行政区划代码后模型精度无下降，表明年度聚合特征已充分捕捉季节与空间信号。中位数插补与占位符编码的精度差异小于0.7%，验证了模型稳健性。
**空间留出验证**：在柔佛州的留出测试中，模型预测火灾发生的精度达到96.9%，证明系统具备实际部署就绪度。
**五、讨论与结论**
研究人员认为，STS-T模型能够生成清晰决策规则，可直接转化为火灾预警触发条件。例如，从剪枝树中提取的规则：“若LST>303 K且KBDI>28且年降水<105 mm，则发生火灾”。这些阈值均由决策树从23年数据中学习得到，是使各节点基尼杂质最小化的最优切分点。该规则系统可与全球预报系统（GFS）和欧洲中期天气预报中心（ECMWF）的气象预报数据集成，每日生成火灾风险图。
研究局限性包括：年均值平滑了短期（7–10天）火险天气动态；中位数插补可能对极值产生偏差；未与LSTM或时间卷积网络等深度学习方法比较；非火点均来自2023年，存在时间偏差，未来应逐年采样非火点。
结论指出，研究通过完整可复现的流程，确认了热力和干旱变量（LST、KBDI、VPD）与火灾发生正相关，而植被指数（NDVI、EVI）及地形特征（高程、坡度）负相关，并实证确认1–3月为该区域核心火灾季节。剪枝后的STS-T（w=1）达到98.48%精度和0.988的ROC-AUC，性能匹配集成模型且完全可解释。空间留出测试精度达96.9%，证明模型具有强泛化能力。研究证实，合理整合时间动态的可解释单模型能够匹敌复杂集成模型，为马来西亚半岛的透明、时间感知的森林火灾敏感性建模提供了研究基线。该论文发表于《Geocarto International》。
