在全球气候变暖背景下，极端野火频发，对生态系统、大气环境和人类生命财产安全构成严重威胁。传统火险预测主要依赖气象指数和经验阈值，忽略了植被水分状况这一关键可燃物参数的动态变化，导致对火灾发生和强度的预测能力不足。微波遥感技术能够穿透云层、全天候监测植被含水量，为改进火险预报提供了新的数据支撑。
近日，中国科学技术大学地球和空间科学学院、火灾安全全国重点实验室双聘教授、风云卫星遥感联合实验室主任李锐课题组，利用被动微波植被含水量指数（Emissivity Difference Vegetation Index, EDVI）结合多源卫星观测与再分析资料，开发了一套基于多层感知机（Multi‑Layer Perceptron, MLP）的两阶段森林火险与火辐射功率（Fire Radiative Power, FRP）智能预报模型。研究成果以“Fire Danger and Intensity Response to Vegetation Properties and Weather Conditions in Eastern Asia Using Multi-Layer Perceptron”为题，发表在国际知名学术期刊《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》（JSTARS）上。
研究团队针对东亚地区（70‑145°E, 10‑55°N）2003‑2010年的卫星火点、气象、植被、地形及人口密度等多源数据，构建了月尺度0.25°格点数据集。第一阶段（FD‑MLP）为二分类模型，用于预测火险概率；第二阶段（FRP‑MLP）为回归模型，在火险概率高于阈值的格点内定量估算FRP。模型中加入残差连接层与批归一化层，显著提升了训练稳定性和预测精度。
图 1野火风险和火辐射功率模型的总体框架。
验证结果表明，FD‑MLP模型的ROC曲线下面积（AUC）达到0.91，最优阈值下灵敏度85%、特异性81%，F1分数在冬春季达0.69，夏季和秋季分别为0.36和0.50，空间相关系数介于0.29‑0.57。FRP‑MLP模型估算的FRP与卫星观测的时间相关系数高达0.98，均方根误差为20.15 MW，偏差为‑2.35 MW。
图 2 (a–d) 2010年 MOD14/MYD14 观测的季节平均火点数（FC），以及 FC 与火险之间的空间相关系数（R）；(e–h) FD-MLP 模型生成的季节平均火险地图。性能指标（F1分数、召回率、精确率）是基于 FD-MLP 模型输出的火险与火点观测数据在研究区域中计算得出的。
两阶段联合反演方法成功再现了2010年东亚地区FRP的月尺度空间分布，尤其在东南亚、南亚和东亚表现出良好的一致性，但在北亚春夏季存在系统性高估，为进一步改进模型指明了方向。
图 3 2010 年FRP 估算结果。 左、中、右三列分别展示 FRP 的预测分布、卫星观测的月均 FRP 以及两者之间的偏差。五边形点区域表示误报误差（commission error），网格点区域表示漏报误差（omission error）。在基于像元的分析中，误报误差是指将无火像元错误标记为“有火”，而漏报误差是指将有火像元未能正确标记为“有火”。
研究进一步采用可解释人工智能（xAI）方法——SHapley Additive exPlanations（SHAP），揭示了不同区域火灾驱动因子的主导机制。气象变量（短波辐射、温度、湿度、水汽压）在所有区域均占据主导地位；植被光学指数（NDVI、LAI）主要指示可燃物载量；而EDVI（活燃料含水量）在干旱的北亚和东南亚重要性显著上升，体现了微波植被水分指数对火险预报的独特贡献。土地覆盖类型在FRP估算中的重要性明显高于火险预测，反映了不同生态系统燃烧持续时间与强度的差异。
图 4 FD‑MLP 模型在选定子区域生成的 Shapley值，用于比较输入变量在模型中的相对重要性。
该研究将微波EDVI、光学植被参数与气象因子深度融合于一个统一的机器学习框架，实现了火险与火强度的联合定量估算。两阶段架构有效分离了火灾发生概率与强度预测，SHAP解释性分析则为理解区域火灾驱动机制提供了全新的数据驱动视角。研究成果为发展高精度火灾蔓延模型和下一代火险早期预警系统奠定了科学基础。
中国科学技术大学博士研究生刘清扬为第一作者，李锐教授为通讯作者，研究受到中国科学院先导项目、国家自然科学基金重点项目、国家重点研发计划资助。
论文链接：https://ieeexplore.ieee.org/document/11551973
论文信息：Qingyang Liu, Rui Li*, Jiheng Hu, Dong Li, Hongwei Zhao, Jiawei Duan and Yuyun Fu, Fire Danger and Intensity Response to Vegetation Properties and Weather Conditions in Eastern Asia Using Multi-Layer Perceptron, in IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, doi: 10.1109/JSTARS.2026.3700818.