胡振圓 王路平 聶金龍

（1、沈陽航空航天大學航空發(fā)動機學院，遼寧 沈陽 110000 2、沈陽航空航天大學工程訓練中心，遼寧 沈陽 110000）

1 概述

亞馬遜盆地對于地球來說是一個非常重要的地方。亞馬遜河流域和亞馬遜雨林對氣候有很大的影響，產(chǎn)生了地球上近1/3的氧氣，所以亞馬遜流域在調(diào)節(jié)氣候和為地球生物提供呼吸作用方面起著重要的作用。它能夠減少土壤和水的流失，對空氣也有良好的凈化功能，并且對地球生物圈的平衡，以及確保生物圈物質(zhì)的穩(wěn)定循環(huán)，以及對維持生物多樣性都有顯著貢獻。

2 模型構(gòu)建與求解

2.1 數(shù)據(jù)預處理

置信度是描述地理信息系統(tǒng)中線要素和面要素位置不確定性的重要指標之一。置信水平表示區(qū)間估計的置信程度。置信區(qū)間的跨度是置信水平的正函數(shù)，即所需的自信程度就越大，置信區(qū)間一定會越寬。

2.2 影響因素的構(gòu)建

覆蓋率(FG)：掃描和跟蹤反映了實際的像素大小，因此該算法會產(chǎn)生1km的火災(zāi)像素，但MODIS像素會朝掃描邊緣變大。本文使用掃描和跟蹤數(shù)據(jù)來構(gòu)建與亞馬遜流域一致的著火點。

式中FGi為第i點的覆蓋范圍，Si為第i點的掃描長度，Ti為第1 ci點的跡長。

置信因子(ZX):置信區(qū)間顯示此參數(shù)的真實值具有一定概率落在測量結(jié)果附近的程度。數(shù)據(jù)表中的置信度恰好是對單個熱點/火像素質(zhì)量進行可靠評估的基礎(chǔ)，在此基礎(chǔ)上構(gòu)建置信因子：

其中ZXi是點i的置信值，COi是點i的置信值。

亮度(WL)：在數(shù)據(jù)表中亮度為通道21/22的火像素亮度溫度開爾文。而Bright-T31是通道31的開爾文火像素亮度溫度。亮度和溫度如下所示:

其中WLi為i點的警告值，BSi為i點的亮度，BT;為i點的亮度，BTi為i-t31點的亮度。

采集時間率(AC):

ACi為點i處的時間獲取度。

發(fā)射率(FS):FRP描述了以兆瓦(MW)為像素的綜合火災(zāi)輻射功率的水平。

其中FSi為i點的發(fā)射率，F(xiàn)RPi為i點的FRP。

在數(shù)據(jù)分析過程中，經(jīng)常需要對數(shù)據(jù)進行規(guī)范化處理，即通過縮放屬性數(shù)據(jù)，使其歸入一個小的特定區(qū)間，如[-1,+1]，[0,1]等。為了進一步分析數(shù)據(jù)的性質(zhì),本文按照以下標準對每個數(shù)據(jù)進行標準化。

2.3 基于主成分分析模型的構(gòu)建

本文將主成分定義為覆蓋率xi，置信率x2，暖亮度x3，采集時間率x4，發(fā)射率xs。我們根據(jù)主成分分析方法對5個影響因素進行了主成分分析[2]。

原理成分分析的計算步驟：

（1）原始指標數(shù)據(jù)的標準化收集p維隨機向量:

構(gòu)造一個樣本數(shù)組，它對樣本數(shù)組元素執(zhí)行以下標準化轉(zhuǎn)換。

(2)標準化陣列Z的相關(guān)系數(shù)矩陣

其中yl是第一主成分，y2是第二主成分，....Yp是p主分量。

(4)選擇m(m≤p)個主成分并計算整體估值。

a.計算特征值

對于主分量yj的信息貢獻，

b.計算總分

因變量:y在進行因子分析時，SPSS可以輸出因子得分。因此，可以通過因子得分之間的關(guān)系來計算主成分得分。

用y對前四個主成分z1,z2,z3,z4做普通最小二乘回歸，得到結(jié)果從上面的表格?；貧w方程為:

將上述方程用原始自變量表示成線性組合，然后將上述方程的回歸方程代回?？梢缘玫揭韵陆Y(jié)果：

化簡后的主成分回歸方程為：

2.4 亞馬遜盆地空間評價評分與空間格局

采用主成分回歸方程(20)將各影響因素合并為一個綜合得分。選取2000個樣本數(shù)據(jù)進行總體估計。根據(jù)評分模型得到的評分，采用spss的K-means聚類分析將評分分為5個等級。我們將評分分為強冷點、冷點、中點、火點、強火點五個等級，利用ArcGIS軟件對數(shù)據(jù)點進行可視化，得到亞馬遜河流域火點的空間分布，如圖1。

圖1 亞馬遜盆地火點分布圖

根據(jù)分布圖,火災(zāi)在亞馬遜流域的空間模式可以得出:亞馬遜盆地的北部和西部地區(qū)的高fireprone領(lǐng)域:中性區(qū)發(fā)現(xiàn)在亞馬遜盆地:所有領(lǐng)域和southem區(qū)域附近的亞馬遜河與分散低易燃區(qū)域火災(zāi)。根據(jù)這張地圖?？梢詫ο嚓P(guān)決策進行嚴格控制和監(jiān)控。

2.5 二次指數(shù)平滑時間序列預測模型

一次性指數(shù)平滑法克服了移動平均法的缺點。但是，當時間序列變化呈線性趨勢時，通過一次指數(shù)平滑法在預測中仍然存在明顯的滯后偏差。因此，必須對其進行更正。校正方法與趨勢移動平均法相同，即再次利用二次指數(shù)平滑法利用滯后偏差建立線性趨勢模型[3]。該方法的公式是:

式中:S(2)為二次指數(shù)平滑值。當時間序列{yt}。從某個時期開始，具有線性趨勢，類似于趨勢移動平均法，可用于預測線性趨勢模型。

其中t為當期的周期數(shù)，t為t到預測周期的周期數(shù)，αt為截距，b為斜率，兩者也稱為平滑系數(shù)。

2.6 時間模式結(jié)果分析

對預測數(shù)據(jù)進行可視化分析，得到2021年火點時間維度分布的趨勢圖如圖2所示:

圖2 2021年著火點時間維度分布趨勢

根據(jù)圖2中的數(shù)據(jù)和趨勢，可以得出亞馬遜盆地火災(zāi)的時間格局:10月、11月亞馬遜盆地火災(zāi)高發(fā)。每年的12月和1月是火災(zāi)的緩沖期，2月、3月、4月、5月是火災(zāi)的緩沖期。和每年的六月;下半年發(fā)生火災(zāi)的概率明顯高于上半年，下半年發(fā)生火災(zāi)的概率從1月開始逐漸下降，6月再次呈“V”字形上升。

3 模型評價

3.1 優(yōu)點

3.1.1 采用降維技術(shù)將原始的多個變量替換為幾個復合變量，可減少信息的冗余。

3.1.2 二次指數(shù)平滑時間序列預測模型可以減少初級指數(shù)平滑引起的明顯滯后偏差。

3.2 缺點

3.2.1 在主成分分析中，首先提取的前幾個主成分的累積貢獻必須達到較高的水平，其次，提取出來的主成分必須以與實際上下文和含義一致的方式進行解釋，否則主成分將是沒有實際意義的信息，增加了復雜性。

3.2.2 二次指數(shù)平滑時間序列預測模型未能準確考慮銷售物理環(huán)境中影響因素的影響。