近日，工学院程朋乐教授科研团队在森林与城市交界域（WUI）可燃物微气候动态预测与火险评估方法研究方面取得重要进展。相关成果以“Machine learning characterization of fuel temperature and moisture dynamics in wildland-urban interface for urban fire management ”为题，发表在环境科学与生态学领域国际权威期刊 Journal of Environmental Management（二区TOP，IF=8.6）。
本研究针对快速城市化背景下WUI区域火灾风险日益增加、传统火险评级系统（如 FWI）难以精确反映局地微气候条件的问题，提出了基于地面监测数据的数据驱动建模框架。研究团队使用北京市 11 个火险监测站的实测气象数据，构建并对比了三种机器学习模型：随机森林（RF）、极端梯度提升（XGBoost）和长短期记忆网络（LSTM）。结果显示，LSTM 模型在捕捉短期微气候动态及可燃物湿度预测上表现最优，而传统经验指标在局地微环境下存在精度不足。
此外，研究还分析了WUI空间因素对模型性能的影响，发现监测站距离 WUI 边界的远近对预测精度影响有限，而局地微气候和地形变量对可燃物状态起主导作用。研究进一步揭示，燃料温湿度预测的误差主要受空气温度、湿度及辐射等气象变量的瞬时波动影响，为火险预测提供了可解释性支撑。研究成果为快速城市化地区的火险预测、预警系统优化及资源动态调配提供了科学依据，并可为其他城市WUI区域推广应用提供可行方法。
论文第一作者为工学院硕士研究生刘佳悦，程朋乐教授为通讯作者，OB体育（中国）官方网站-OBSPORTS为第一完成单位。
本研究得到国家重点研发计划（2023YFD2202001）、西藏自治区重点研发计划（揭榜挂帅专项）（XZ202403ZY0019）及国家自然科学基金项目（32171797）的经费支持。
