Spatial assessment of wildfire risk using remote sensing and environmental variables in Thung Salaeng Luang national park, Thailand

方法

Suomi NPP/VIIRS热点、NDVI、LST、DEM等变量，最大熵模型建

发现

NDVI与LST影响最大，模型AUC 0.812，极高风险区仅占1.48%。

机会点

可将该风险制图框架迁移至农业区秸秆焚烧火险预警，并结合时序遥感做动态更新。

本研究旨在分析野火发生的影晌因素，并生成通沙朗銮国家公园的野火风险图。研究采用Suomi NPP卫星传感器和VIIRS系统获取2021年至2025年研究期间的热点数据，共计420条热点记录。基于野火热点出现情况与遥感数据提取的五个环境地理变量（海拔高程、坡度、坡向、归一化植被指数（NDVI）和地表温度（LST））之间的关系，采用最大熵模型（Maximum Entropy Modeling）进行分析。结果表明，该统计模型在野火风险预测方面表现良好，AUC值为0.812。对野火发生及空间分布影响最大的因素依次为NDVI、LST、坡度、海拔高程和坡向。基于野火风险评估模型的分析，通沙朗銮国家公园的野火风险区划分为五个等级：极高风险/极端风险、高风险、中等风险、低风险和极低风险。其中，极低风险区覆盖面积为724.77 km²（58.22%），占总面积的比例最大；其次为低风险区，覆盖面积227.16 km²（18.25%）；中等风险区覆盖面积177.12 km²（14.23%）；高风险区覆盖面积97.47 km²（7.83%）；极高风险区覆盖面积18.45 km²（1.48%）。极高风险区主要分布在旺通县和嫩玛巴朗县。上述研究结果为野火风险管理规划提供了重要的空间信息，通过排序环境与地理因素的相对重要性，有助于更有效地减缓野火发生，降低研究区域内潜在损害及相关影响。