摘要
本发明涉及采样方法技术领域,公开了一种基于空间权重的优化采样方法,该方法包括:将历史时间段逐年进行划分,根据历史火灾数据计算待采样区域的火灾空间权重值;将火灾空间权重值采用归一化方法映射到0到1的区间范围,形成若干个阈值区间;分别在每个阈值区间范围内对非火灾样本进行采样,结合火灾样本组成若干样本的数据集;野火风险建模;分别对四种野火风险模型的精度进行评价,得到精度最高的两个模型;分析驱动因子对精度最高的两个模型的影响,得到采样区域野火发生的关键驱动因子。本发明通过火灾空间权重值优化非火灾样本采集,填补了火险预测中样本代表性不足的空白,验证了基于空间权重的采样策略对提升野火预测的有效性。
技术关键词
采样方法
火灾
时间段
归一化方法
样本
归一化植被指数
因子
数据
叶面积指数
机器学习方法
精度
夜间灯光
机器学习模型
风险
曲线
分析工具
节点
相对湿度
有效性
指标