開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Advances in Forest Fire Models Research Based on Bibliometrics over the Past 20 Years SU Yan-yin1，ZHANG Li-fan，LI Yang（Beijing Global Safety Technology Co.，Ltd.，Beijing 100080

AbstractForestfieodels，sporatsietificsisdhcalsupprtforforstfirepevetiondontrolavecdoe andmoreatentionirecenyears.UsingtheWebofSiencecorecolltionasthedatasourceandmployingbbliometricsmetodndib liomtrixsoftwaretols，heesearchhotspotsandevelopmentaltrendsiforestfirestudiesfromO2toO22wereanalyzdseach showedthatthemberofpublicatiosrelatedtofrestfiemodelsassowanoverallupwardrndinthepast2Oyars，ndalagber ofresearchacievemetshaveebad.Teodelshavebenwdelyusedinforestireiskssesentadpredictio，firesprdsiu latinandfieimpactessnteskprictioodelsvoleowadslrgaledgresio;esprdsilatiomodlseeoptowardsitellgtandhdiesioal;ndviotalipctmodelsradntowadslondlsts，te datasuportisdfaleldpadvelitfelsodd future researc and practiceh.

KeywordsForest fire;Model;Bibliometrics;Bibliometrix

森林火災(zāi)是由自然因素或人為因素引起的林地燃燒現(xiàn)象，對(duì)森林生態(tài)系統(tǒng)的結(jié)構(gòu)和功能、生物多樣性保護(hù)、水土資源保持、氣候變化調(diào)節(jié)、人類(lèi)社會(huì)經(jīng)濟(jì)發(fā)展等方面都產(chǎn)生了巨大影響[1]。因此，有效預(yù)測(cè)、模擬和評(píng)估森林火災(zāi)，是提高森林火災(zāi)防治能力和減輕森林火災(zāi)損失的重要手段。森林火災(zāi)模型能夠基于數(shù)據(jù)和數(shù)學(xué)方法，對(duì)森林火災(zāi)的發(fā)生概率、蔓延過(guò)程、影響范圍和程度等進(jìn)行定量分析和預(yù)測(cè)，為森林火災(zāi)防治決策提供科學(xué)依據(jù)，是當(dāng)前國(guó)內(nèi)外森林火災(zāi)防治研究中最重要的課題之一[2]。近年來(lái)，國(guó)內(nèi)外學(xué)者在森林火災(zāi)模型方面進(jìn)行了大量研究，對(duì)不同類(lèi)型或不同區(qū)域的森林火災(zāi)模型應(yīng)用進(jìn)行了闡述，并從不同角度對(duì)各種模型進(jìn)行了比較評(píng)價(jià)[3-8]。然而，目前仍缺乏一種基于文獻(xiàn)計(jì)量學(xué)方法、全面反映近20年來(lái)國(guó)際森林火災(zāi)模型研究進(jìn)展和趨勢(shì)的綜合分析。文獻(xiàn)計(jì)量學(xué)是一種基于文獻(xiàn)數(shù)據(jù)進(jìn)行定量分析和統(tǒng)計(jì)描述的科學(xué)方法，可揭示某一領(lǐng)域的研究現(xiàn)狀、演變過(guò)程等信息，為相關(guān)研究提供參考和指導(dǎo)。基于此，該研究采用文獻(xiàn)計(jì)量學(xué)方法，分析2002—2022年森林火災(zāi)模型的研究熱點(diǎn)和發(fā)展趨勢(shì)，展望森林火災(zāi)模型未來(lái)的研究方向和應(yīng)用前景，旨在為森林火災(zāi)防治的科學(xué)決策和技術(shù)創(chuàng)新提供有益參考。

1資料來(lái)源與方法

采用文獻(xiàn)計(jì)量學(xué)方法，利用R語(yǔ)言Bibliometrix軟件包[9]，以WebofScience核心數(shù)據(jù)庫(kù)為數(shù)據(jù)源，以“Forest FireModel\"和“ForestFireModeling”為關(guān)鍵詞進(jìn)行標(biāo)題檢索，系統(tǒng)梳理了2002—2022年森林火災(zāi)模型的研究現(xiàn)狀和發(fā)展趨勢(shì)，并從多個(gè)維度對(duì)其進(jìn)行了定量和可視化分析。

2結(jié)果與分析

2.1森林火災(zāi)模型整體發(fā)文情況分析基于以上關(guān)鍵詞進(jìn)行文獻(xiàn)檢索，共篩選出2002—2022年與森林火災(zāi)模型相關(guān)的論文。經(jīng)過(guò)去重和質(zhì)量評(píng)估，最終得到561篇有效的文獻(xiàn)樣本，其中有418篇是正式發(fā)表在國(guó)際期刊上的學(xué)術(shù)論文，占比為 74.51% ，另外143篇是在國(guó)際會(huì)議上發(fā)表或收錄的會(huì)議論文，占比為 25.49% ，這說(shuō)明森林火災(zāi)模型研究既有較高的學(xué)術(shù)水平和質(zhì)量，也有較強(qiáng)的實(shí)踐性和應(yīng)用性。統(tǒng)計(jì)結(jié)果顯示，2002—2022年，有1736位作者參與了森林火災(zāi)模型相關(guān)的研究，并在336個(gè)不同的期刊上發(fā)表了論文，獨(dú)立完成論文的作者37位，這些論文引用了17343篇參考文獻(xiàn)，反映了森林火災(zāi)模型領(lǐng)域的學(xué)術(shù)交流和影響力。在21年間，森林火災(zāi)模型相關(guān)的文獻(xiàn)每年平均發(fā)表26.71篇，呈現(xiàn)出逐年增長(zhǎng)的趨勢(shì)。在561篇文獻(xiàn)中，平均每篇論文由3.71個(gè)共同作者完成， 28.09% 的共同作者來(lái)自不同國(guó)家和地區(qū)。

2.2歷年發(fā)文情況分析2002—2022年，隨著森林火災(zāi)防治的重要性日益凸顯，以及相關(guān)數(shù)據(jù)和技術(shù)的不斷完善和發(fā)展，森林火災(zāi)模型作為一種有效的分析和預(yù)測(cè)工具，受到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注和研究。根據(jù)文獻(xiàn)計(jì)量分析結(jié)果（圖1），21年間，與森林火災(zāi)模型相關(guān)的論文年發(fā)文量整體呈現(xiàn)逐年增加趨勢(shì)，其中2014、2016和2022年論文發(fā)表數(shù)量相對(duì)較多，特別是2022年，年發(fā)表數(shù)量達(dá)到了歷史最高的68篇，占總發(fā)文量的 12.12% 。這說(shuō)明近年來(lái)森林火災(zāi)模型研究的熱度和活躍度有所提高，也反映了該領(lǐng)域的研究進(jìn)展和創(chuàng)新活力。

圖12002—2022年森林火災(zāi)模型發(fā)表論文情況

2.3國(guó)際發(fā)文情況分析采用“通信作者國(guó)家分析”的統(tǒng)計(jì)口徑（將一篇文獻(xiàn)的地理歸屬唯一地認(rèn)定為其通信作者的所屬?lài)?guó)家），統(tǒng)計(jì)得到森林火災(zāi)模型相關(guān)研究發(fā)文前10位國(guó)家的發(fā)文量（圖2a）。由圖 2a 可知，美國(guó)與中國(guó)的發(fā)文量相近，共同構(gòu)成了森林火災(zāi)模型領(lǐng)域研究的核心引領(lǐng)梯隊(duì)；這些主要發(fā)文國(guó)家在該領(lǐng)域存在差異化的國(guó)際合作策略，多數(shù)國(guó)家的研究產(chǎn)出以單一國(guó)家發(fā)表為主，但多國(guó)合作發(fā)表的程度分異顯著。采用“國(guó)家合作分析”的統(tǒng)計(jì)口徑（一篇文獻(xiàn)中只要有該國(guó)作者參與，該國(guó)的年度發(fā)文量即計(jì)一次），統(tǒng)計(jì)了排名前5位國(guó)家在研究周期內(nèi)的年度發(fā)文量（圖2b），從演變軌跡來(lái)看，各國(guó)科研產(chǎn)出呈現(xiàn)出顯著的分異特征：美國(guó)作為傳統(tǒng)核心國(guó)家，其年度發(fā)文量在整個(gè)研究周期內(nèi)保持高位平穩(wěn)運(yùn)行，奠定主導(dǎo)地位；中國(guó)則表現(xiàn)出強(qiáng)勁的追趕態(tài)勢(shì)，發(fā)文量在2015年之后進(jìn)人快速增長(zhǎng)階段，成為該領(lǐng)域最具活力的新興增長(zhǎng)極。

2.4期刊與領(lǐng)域分析發(fā)表期刊可以反映森林火災(zāi)模型的研究方向和應(yīng)用領(lǐng)域。在森林火災(zāi)模型相關(guān)的論文發(fā)表數(shù)量前1O位的期刊中，在InternationalJournalofWildlandFire上發(fā)表的論文數(shù)量最多，為21篇，占總發(fā)文量的 3.74% ;其次為Forests 和ForestEcology And Management，分別發(fā)表了20和17篇，占總發(fā)文量的 3.57% 和 3.03% 。這3個(gè)期刊都是與森林火災(zāi)防治以及森林生態(tài)保護(hù)和管理密切相關(guān)的專(zhuān)業(yè)期刊，說(shuō)明森林火災(zāi)模型主要應(yīng)用于這些領(lǐng)域，為解決森林火災(zāi)問(wèn)題提供科學(xué)支撐。除此之外，森林火災(zāi)模型還在遙感、生態(tài)學(xué)、大氣化學(xué)和物理學(xué)等學(xué)科領(lǐng)域有交叉研究應(yīng)用。例如，EcologicalModelling和RemoteSensing是另外2個(gè)高產(chǎn)期刊，均發(fā)表了12篇論文，各占總發(fā)文量的 2.14% ;緊隨其后的是PhysicalReviewE，發(fā)表了11篇論文，占比 1.96% 。這些期刊都是各自學(xué)科領(lǐng)域的權(quán)威期刊，說(shuō)明森林火災(zāi)模型在多學(xué)科交叉領(lǐng)域有著重要的研究?jī)r(jià)值和應(yīng)用意義。例如，在遙感領(lǐng)域利用森林火災(zāi)模型結(jié)合衛(wèi)星或無(wú)人機(jī)等遙感平臺(tái)獲取的數(shù)據(jù)，實(shí)現(xiàn)對(duì)森林火災(zāi)的實(shí)時(shí)監(jiān)測(cè)、預(yù)測(cè)和評(píng)估；在生態(tài)學(xué)領(lǐng)域利用森林火災(zāi)模型分析森林火災(zāi)對(duì)生態(tài)系統(tǒng)結(jié)構(gòu)和功能、物種多樣性、碳循環(huán)等方面的影響；在大氣化學(xué)和物理學(xué)領(lǐng)域利用森林火災(zāi)模型研究森林火災(zāi)產(chǎn)生的煙霧對(duì)大氣質(zhì)量、氣候變化、輻射平衡等方面的影響。

圖2森林火災(zāi)模型發(fā)表論文前10位國(guó)家的發(fā)文量（a）與前5位國(guó)家的發(fā)文量變化（b）

Fig.2The top10statesbynumberof publishedpapersonforestfiremodels（a）andchangesinthenumberofpublished papersof thetop 5 states （b）

表1森林火災(zāi)模型發(fā)表量前10位的期刊

Table1Top10journalswiththehighestpublicationvolumeonforest fire models

2.5高被引論文分析關(guān)于森林火災(zāi)模型的研究前10位高被引論文如表2所示（數(shù)據(jù)統(tǒng)計(jì)截止年份為2023年）。由表2可知，論文分別提出了森林火災(zāi)風(fēng)險(xiǎn)預(yù)測(cè)與火災(zāi)模擬方法、指數(shù)和數(shù)據(jù)源的創(chuàng)新。其中，總被引次數(shù)最高和年均被引量最高的論文是2012年發(fā)表在Forest Ecology and Manage-ment期刊上的論文，題目是“Modelingspatialpatternsof fireoccurrence in Mediterranean Europe using Multiple RegressionandRandomForest”[1o]，該研究使用多元回歸和隨機(jī)森林方法模擬了發(fā)生在歐洲地中海氣候區(qū)森林火災(zāi)發(fā)生的空間格局。研究提出使用隨機(jī)森林方法來(lái)模擬火災(zāi)的空間格局，利用歐洲森林火災(zāi)信息系統(tǒng)提供的數(shù)據(jù)進(jìn)行訓(xùn)練和驗(yàn)證模型，并將自然、社會(huì)經(jīng)濟(jì)和人口變量同時(shí)納入森林火災(zāi)風(fēng)險(xiǎn)預(yù)測(cè)模型中，繪制了火災(zāi)風(fēng)險(xiǎn)的空間分布圖。并且通過(guò)與傳統(tǒng)線(xiàn)性回歸模型的對(duì)比，得出了隨機(jī)森林模型具有更好的森林火災(zāi)預(yù)測(cè)能力的結(jié)論，更適合大尺度森林火災(zāi)風(fēng)險(xiǎn)的評(píng)估。該研究的高被引現(xiàn)象反映了一個(gè)趨勢(shì)，即在森林火災(zāi)的預(yù)測(cè)和模擬研究中，機(jī)器學(xué)習(xí)模型正逐漸得到應(yīng)用和發(fā)展，通過(guò)與傳統(tǒng)的統(tǒng)計(jì)學(xué)模型進(jìn)行比較分析，學(xué)者們正在逐步探索最適合不同森林火災(zāi)發(fā)生情境和目標(biāo)的方法和技術(shù)。

2.6關(guān)鍵詞共現(xiàn)聚類(lèi)通過(guò)文獻(xiàn)耦合、共引和共現(xiàn)數(shù)據(jù)分析，對(duì)文獻(xiàn)進(jìn)行基于關(guān)鍵詞的共現(xiàn)聚類(lèi)分析。各個(gè)聚類(lèi)用不同顏色表示，關(guān)鍵詞節(jié)點(diǎn)之間距離越小表明其之間越相似，反之則表明差異越大。結(jié)果顯示，森林火災(zāi)模型文獻(xiàn)按照關(guān)鍵詞被分為3類(lèi)（圖3）。

（1）在第1個(gè)聚類(lèi)（綠色）中，主要關(guān)鍵詞包括風(fēng)險(xiǎn)（risk）系統(tǒng)（system）分類(lèi)（classification）、回歸（regression）、空間模式（spatial-patterns）、引燃（ignition）算法（algorithm）、區(qū)域（area）地理信息系統(tǒng)（GIS）指標(biāo)（index）等，反映了森林火災(zāi)模型在火災(zāi)風(fēng)險(xiǎn)評(píng)估和區(qū)劃方面的應(yīng)用。該類(lèi)文獻(xiàn)利用系統(tǒng)理論、分類(lèi)方法、回歸分析、空間模式分析等技術(shù)，結(jié)合GIS平臺(tái)和算法工具，建立森林火災(zāi)風(fēng)險(xiǎn)指標(biāo)體系和評(píng)價(jià)模型，對(duì)不同區(qū)域的森林火災(zāi)風(fēng)險(xiǎn)進(jìn)行定量化和空間化的分析和劃分。

（2）在第2個(gè)聚類(lèi)（紅色）中，主要關(guān)鍵詞包括野火（wildfire）、管理（management）、蔓延（spread）、動(dòng)力學(xué)（dy-namics）模擬（simulation）、預(yù)測(cè)（prediction）、行為（behav-ior）、可燃物（fuel）、風(fēng)速（wind）、擴(kuò)散（propagation）等，體現(xiàn)了森林火災(zāi)模型在火災(zāi)動(dòng)態(tài)過(guò)程模擬和預(yù)測(cè)等方面的應(yīng)用；該類(lèi)文獻(xiàn)利用動(dòng)力學(xué)理論、擴(kuò)散方程、預(yù)測(cè)模型等技術(shù)，結(jié)合火災(zāi)傳播影響因子，建立森林火災(zāi)行為和傳播的數(shù)學(xué)模型和計(jì)算機(jī)模擬系統(tǒng)，對(duì)森林火災(zāi)的發(fā)生、發(fā)展和變化規(guī)律進(jìn)行動(dòng)態(tài)的模擬和預(yù)測(cè)。

表22002—2022年森林火災(zāi)模型引文前10位論文情況

Table 2Top 10 papers in terms of citations for forest fire models from 20o2 to 2022

（3）在第3個(gè)聚類(lèi)（藍(lán)色）中，主要關(guān)鍵詞包括植被（veg-etation）氣候變化（climate-change）、影響（impacts）、干擾（disturbance）排放（emissions）、二氧化碳（carbon）針葉林（borealforest）等，體現(xiàn)了森林火災(zāi)模型在火災(zāi)遙感監(jiān)測(cè)和生態(tài)環(huán)境影響評(píng)估等方面的應(yīng)用；這些關(guān)鍵詞反映了該類(lèi)文獻(xiàn)的主要研究?jī)?nèi)容，即通過(guò)建立森林火災(zāi)的遙感監(jiān)測(cè)和探測(cè)模型和系統(tǒng)，分析森林火災(zāi)對(duì)氣候變化、生態(tài)系統(tǒng)服務(wù)、生物多樣性、碳循環(huán)等生態(tài)環(huán)境要素的影響和機(jī)制，為森林火災(zāi)的生態(tài)環(huán)境影響評(píng)估和恢復(fù)提供理論和方法。

2.7高頻詞歷時(shí)演變高頻詞的歷時(shí)演變可在一定程度上體現(xiàn)該領(lǐng)域的研究熱點(diǎn)變化趨勢(shì)。該研究采用高頻關(guān)鍵詞突現(xiàn)分析方法，通過(guò)計(jì)算關(guān)鍵詞的突現(xiàn)程度和持續(xù)時(shí)間，分析森林火災(zāi)模型研究領(lǐng)域研究熱點(diǎn)的演化軌跡。如圖4所示，橫軸為年份，縱軸對(duì)高頻關(guān)鍵詞進(jìn)行了排序，水平線(xiàn)段展示了各關(guān)鍵詞熱點(diǎn)突現(xiàn)的起始與結(jié)束年份，圓點(diǎn)大小則對(duì)應(yīng)其研究頻次，以“元胞自動(dòng)機(jī)”這一關(guān)鍵詞為例，其研究熱度存在于2008—2017年，該高頻詞出現(xiàn)頻次最高時(shí)期處于2011—2012年?？梢钥闯觯只馂?zāi)模型研究熱點(diǎn)呈現(xiàn)出階段性演化特征，體現(xiàn)出從基于物理過(guò)程的傳統(tǒng)模擬，向基于人工智能的數(shù)據(jù)驅(qū)動(dòng)方法演進(jìn)的范式轉(zhuǎn)變。具體的演化階段為：

（1）第一階段（2002—2010年）。這一階段的研究熱點(diǎn)主要集中在從物理學(xué)角度分析火災(zāi)蔓延行為的模型，關(guān)鍵詞包括自組織臨界性、火災(zāi)頻度、控制體積、燃燒和元胞自動(dòng)機(jī)等。這些模型主要關(guān)注了火災(zāi)發(fā)生和傳播的物理機(jī)制和規(guī)律，以及火災(zāi)對(duì)局部森林生態(tài)系統(tǒng)的影響。

（2）第二階段（2010—2016年）。研究熱點(diǎn)主要涉及基于遙感和地理信息系統(tǒng)以及數(shù)學(xué)模型的可視化森林火災(zāi)蔓延和影響評(píng)估和模擬，關(guān)鍵詞包括火勢(shì)蔓延、燃料、數(shù)學(xué)模型、遙感、地理信息系統(tǒng)、野火、森林管理和干擾等。

（3）第三階段（2016—2022年）。研究熱點(diǎn)轉(zhuǎn)向了基于人工智能方法的森林火災(zāi)預(yù)測(cè)和生態(tài)環(huán)境影響模擬，如火災(zāi)天氣、預(yù)測(cè)、氣候變化、森林火災(zāi)檢測(cè)、隨機(jī)森林、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等。這些模型主要運(yùn)用了人工智能技術(shù)來(lái)處理復(fù)雜的非線(xiàn)性和高維的森林火災(zāi)因子數(shù)據(jù)，用以提高火災(zāi)預(yù)測(cè)的準(zhǔn)確性和效率，以及模擬氣候變化對(duì)于森林火災(zāi)的影響與響應(yīng)。

圖3森林火災(zāi)模型發(fā)表的相關(guān)論文關(guān)鍵詞共現(xiàn)聚類(lèi)圖

根據(jù)文獻(xiàn)計(jì)量法綜合分析森林火災(zāi)模型研究領(lǐng)域的情況可知，根據(jù)不同的研究目標(biāo)和應(yīng)用場(chǎng)景，森林火災(zāi)模型總體可以分為三大類(lèi)： ① 火災(zāi)風(fēng)險(xiǎn)預(yù)測(cè)模型，主要用于評(píng)估某一區(qū)域或時(shí)段內(nèi)發(fā)生森林火災(zāi)的可能性和危險(xiǎn)程度； ② 火災(zāi)蔓延模擬模型，主要用于模擬已經(jīng)發(fā)生的或假設(shè)的森林火災(zāi)在空間和時(shí)間上的擴(kuò)展規(guī)律； ③ 火災(zāi)影響評(píng)估模型，主要用于評(píng)估森林火災(zāi)對(duì)生態(tài)環(huán)境、社會(huì)經(jīng)濟(jì)等方面造成的損失和影響。這三類(lèi)模型在不同階段（災(zāi)前、災(zāi)中和災(zāi)后）發(fā)揮著不同的作用，同時(shí)積累了大量研究成果。

2.8森林火災(zāi)模型研究進(jìn)展分析

2.8.1森林火災(zāi)風(fēng)險(xiǎn)預(yù)測(cè)模型向大規(guī)模、高精度演化。森林火災(zāi)風(fēng)險(xiǎn)評(píng)估和預(yù)測(cè)的模型用于分析和預(yù)測(cè)一個(gè)區(qū)域在一定時(shí)間內(nèi)發(fā)生森林火災(zāi)的概率。傳統(tǒng)的廣義線(xiàn)性模型（GLM）是最常用的森林火災(zāi)風(fēng)險(xiǎn)評(píng)估統(tǒng)計(jì)模型之一，但其預(yù)測(cè)準(zhǔn)確性在大尺度空間中相對(duì)較低。邏輯斯蒂回歸模型也是一種常用的概率統(tǒng)計(jì)模型，它是我國(guó)最早采用的森林火災(zāi)預(yù)測(cè)方法之一，但這一模型沒(méi)有考慮到模型變量間的空間相關(guān)性和林火數(shù)據(jù)的非對(duì)稱(chēng)性等問(wèn)題，因此存在一定的局限性[8]。地理加權(quán)邏輯斯蒂回歸模型和Gompit回歸模型可以部分彌補(bǔ)這些局限性，提高預(yù)測(cè)效果[20-21]。近年來(lái)，隨著NPP-VIIRS等新型傳感器的出現(xiàn)，高分辨率數(shù)據(jù)的出現(xiàn)增強(qiáng)了森林火區(qū)提取和火點(diǎn)信息識(shí)別能力[22]，通過(guò)高分辨率衛(wèi)星獲取的輻射計(jì)（AVHRR）數(shù)據(jù)和歸一化差異植被指數(shù)（NDVI）作為關(guān)鍵變量而定義的風(fēng)險(xiǎn)指數(shù)能夠大大改進(jìn)對(duì)于森林火災(zāi)的預(yù)報(bào)和監(jiān)測(cè)精度[23]

機(jī)器學(xué)習(xí)方法是一種利用數(shù)據(jù)和算法來(lái)訓(xùn)練模型，使其能夠自動(dòng)完成特定任務(wù)的技術(shù)，它可以處理難以用物理方程描述的復(fù)雜問(wèn)題，近年來(lái)因其高建模精度越來(lái)越受到科研人員的關(guān)注，并在森林火災(zāi)預(yù)測(cè)這一領(lǐng)域得到了大量應(yīng)用[24]。在火災(zāi)預(yù)測(cè)研究中最常用的機(jī)器學(xué)習(xí)方法是人工神經(jīng)網(wǎng)絡(luò)[25]。此外，隨機(jī)森林[26]、決策樹(shù)[26]、BP神經(jīng)網(wǎng)絡(luò)[26]、支持向量機(jī)[27]、深度學(xué)習(xí)、貝葉斯網(wǎng)絡(luò)[28] MaxEnt^[29] 等機(jī)器學(xué)習(xí)算法也已經(jīng)在森林火災(zāi)預(yù)測(cè)領(lǐng)域展現(xiàn)出優(yōu)異的性能。還有學(xué)者嘗試將不同類(lèi)型的機(jī)器學(xué)習(xí)方法結(jié)合，Mohajane等[30]提出了5種新的混合機(jī)器學(xué)習(xí)算法，即頻率比-多層感知器（FR-MLP）頻率比-邏輯回歸（FR-LR）、頻率比-分類(lèi)和回歸樹(shù)（FR-CART）、頻率比-支持向量機(jī)（FR-SVM）和頻率比-隨機(jī)森林（FR-RF），用于在摩洛哥北部地區(qū)進(jìn)行森林火災(zāi)風(fēng)險(xiǎn)區(qū)域的評(píng)估;vanBreugel等[31]構(gòu)建了由機(jī)器學(xué)習(xí)方法（RF、SVM、BRT、MaxEnt、ANN和CART）和非機(jī)器學(xué)習(xí)方法（GLM和MARS）加權(quán)組合而成的集合模型;Dutta等[32]開(kāi)發(fā)了一種基于兩層機(jī)器學(xué)習(xí)模型的集成方法，建立了火災(zāi)發(fā)生和氣候數(shù)據(jù)之間的關(guān)系，在一個(gè)長(zhǎng)達(dá)336周的數(shù)據(jù)試驗(yàn)中，證明了該模型可以提供以周為時(shí)間尺度的高度準(zhǔn)確的森林火災(zāi)發(fā)生熱點(diǎn)估計(jì)。機(jī)器學(xué)習(xí)方法的更新迭代有利于森林火災(zāi)風(fēng)險(xiǎn)預(yù)測(cè)朝著大規(guī)模、高精度和便于操作的方向發(fā)展。然而，機(jī)器學(xué)習(xí)模型也存在數(shù)據(jù)質(zhì)量、模型復(fù)雜性和模型可解釋性等方面的不足，還需要在實(shí)踐中進(jìn)行針對(duì)性的改進(jìn)和優(yōu)化。此外，機(jī)器學(xué)習(xí)方法的應(yīng)用需要建立在森林火災(zāi)科學(xué)的專(zhuān)業(yè)知識(shí)的基礎(chǔ)上，來(lái)確保建模的真實(shí)性和有效性。

2.8.2森林火災(zāi)蔓延模擬模型向智能化、立體化集成。森林火災(zāi)的蔓延是一種涉及多種物理現(xiàn)象相互作用的復(fù)雜過(guò)程，它對(duì)人類(lèi)和自然環(huán)境造成了巨大的危害和損失。森林火災(zāi)蔓延模擬模型可快速準(zhǔn)確地預(yù)測(cè)火勢(shì)在不同的地形可燃物和氣象條件下的演化，以有效地預(yù)防和控制火勢(shì)蔓延?，F(xiàn)有的森林火災(zāi)蔓延模型通常分為統(tǒng)計(jì)模型、經(jīng)驗(yàn)?zāi)Ｐ秃蛿?shù)學(xué)模型[33]。統(tǒng)計(jì)模型是基于概率和統(tǒng)計(jì)的方法，可以考慮不確定性和隨機(jī)性，但不能反映物理機(jī)制和因果關(guān)系。經(jīng)驗(yàn)?zāi)Ｐ褪腔诮?jīng)驗(yàn)公式和半經(jīng)驗(yàn)規(guī)則的方法，可以簡(jiǎn)化復(fù)雜的物理過(guò)程，但不能適應(yīng)不同的情境和條件。數(shù)學(xué)模型是基于物理定律和數(shù)值方法的方法，可以描述詳細(xì)的物理現(xiàn)象，但需要大量的輸入?yún)?shù)和計(jì)算資源。Rothermel模型和元胞自動(dòng)機(jī)是最常用的森林火災(zāi)模擬模型之一，但其是一維模型，不能考慮火災(zāi)在其他方向上的擴(kuò)散和交互。傳統(tǒng)元胞自動(dòng)機(jī)的仿真是由火勢(shì)蔓延速率（ROS）驅(qū)動(dòng)的，在火災(zāi)蔓延模擬轉(zhuǎn)換規(guī)則的獲取上較為復(fù)雜和耗時(shí)，且當(dāng)前ROS模型的某些輸入?yún)?shù)無(wú)法提供高精度模擬[34]。針對(duì)以上不足，有學(xué)者提出元胞自動(dòng)機(jī)與機(jī)器學(xué)習(xí)方法結(jié)合的森林火災(zāi)蔓延模擬模型，旨在快速獲得火災(zāi)傳播的狀態(tài)轉(zhuǎn)換規(guī)則，提高森林火災(zāi)蔓延的預(yù)測(cè)精度[35-36]。Hodges 等[33]提出了一種基于深度卷積逆圖形網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)方法，用于估計(jì)模擬森林的時(shí)空演化。Ganapathi等[37 提出了一種基于強(qiáng)化學(xué)習(xí)的森林火災(zāi)動(dòng)態(tài)模擬的新方法，將火看作是任何一個(gè)單元格中的智能體，它可以從一個(gè)位置在任何時(shí)間點(diǎn)向各個(gè)方向擴(kuò)散或不擴(kuò)散，這個(gè)方法顛覆了馬爾可夫決策過(guò)程對(duì)于火災(zāi)擴(kuò)散是一個(gè)已知函數(shù)的設(shè)定。

森林火災(zāi)蔓延模擬模型可以在森林火災(zāi)的應(yīng)急救援中提供直接的技術(shù)支持。在森林火災(zāi)管理實(shí)踐中，許多國(guó)家專(zhuān)門(mén)研制了森林火災(zāi)蔓延的模擬系統(tǒng)，經(jīng)過(guò)多次實(shí)際應(yīng)用的驗(yàn)證和調(diào)整，逐漸提高模擬結(jié)果與真實(shí)火災(zāi)情況的吻合度，為森林火災(zāi)預(yù)警、控制和評(píng)估提供了有效的工具，例如，加拿大的普羅米修斯[38]、美國(guó)林務(wù)局開(kāi)發(fā)的BehavePlus[39]和FlmaMap[40]、阿根廷學(xué)者開(kāi)發(fā)的HPC 森林火災(zāi)模擬器[41]，以及開(kāi)源軟件Cell2Fire[42]和ForeFire等[43]?；谏只馂?zāi)蔓延模擬系統(tǒng)的三維可視化也是研究熱點(diǎn)之一，Meng等[44]提出了一個(gè)對(duì)于森林火災(zāi)的點(diǎn)燃方式、傳播過(guò)程和滅火方法的三維可視化模擬系統(tǒng)。研究通過(guò)建立3D幾何模型模擬森林尺度的火災(zāi)傳播，并在構(gòu)建的沉浸式森林場(chǎng)景中，探索了虛擬環(huán)境中的各種滅火方式，并實(shí)現(xiàn)火災(zāi)發(fā)生、傳播和滅火過(guò)程的交互式模擬和可視化。You等45針對(duì)傳統(tǒng)的森林火災(zāi)蔓延模型無(wú)法清晰和動(dòng)態(tài)地顯示火災(zāi)蔓延過(guò)程的問(wèn)題，以及現(xiàn)有的三維可視化方法的粗糙和低效的缺點(diǎn)，提出了一種基于樹(shù)形態(tài)和有限狀態(tài)機(jī)的新方法，用于模擬和顯示森林火災(zāi)蔓延過(guò)程，并使用Unity3D技術(shù)開(kāi)發(fā)了一個(gè)森林火災(zāi)蔓延模擬系統(tǒng)。

2.8.3森林火災(zāi)環(huán)境影響模型朝長(zhǎng)期性、整體性方向擴(kuò)展森林火災(zāi)特別是重大的森林火災(zāi)可以改變生物群落結(jié)構(gòu)、地球化學(xué)成分、空氣質(zhì)量、景觀格局等，大量溫室氣體的排放還會(huì)引起長(zhǎng)期的氣候變化，對(duì)生態(tài)環(huán)境的結(jié)構(gòu)和功能具有巨大和深遠(yuǎn)的影響[46]。森林火災(zāi)環(huán)境影響模型旨在通過(guò)模型模擬森林火災(zāi)對(duì)上述生態(tài)環(huán)境要素的潛在影響。常用的模型包括用于計(jì)算火災(zāi)對(duì)大氣成分和輻射平衡的影響的全局動(dòng)力植被火災(zāi)模型[47]，用于評(píng)估森林火災(zāi)對(duì)土壤的物理、化學(xué)和生物性質(zhì)的影響的森林土壤有機(jī)碳動(dòng)態(tài)模型[48]，用于評(píng)估森林火災(zāi)對(duì)森林物種組成、豐富度和分布的影響的景觀動(dòng)態(tài)模擬模型[49]，以及用于分析煙霧中的有害氣體和顆粒物的排放量和擴(kuò)散范圍的藍(lán)天煙霧預(yù)測(cè)系統(tǒng)[50]等。

森林中儲(chǔ)存了大量的碳，是全球碳循環(huán)的重要組成部分。在氣候變化背景下，森林越來(lái)越多地受到火災(zāi)影響，改變了物種組成、森林演替和碳平衡[51]。近年來(lái)，學(xué)者們更加關(guān)注森林火災(zāi)對(duì)局部和全球氣候的長(zhǎng)期性、系統(tǒng)性的影響的模擬。 Xu 等[52]提出了一個(gè)基于森林動(dòng)態(tài)模型（LANDISPRO）和生態(tài)系統(tǒng)過(guò)程模型（LINKAGES）的耦合模型研究了氣候變化下未來(lái)森林火災(zāi)規(guī)律對(duì)中國(guó)東北寒溫帶交錯(cuò)帶的影響。Brazhnik等[53]使用了一個(gè)新的空間顯式火災(zāi)模塊DISTURB-F和間隙動(dòng)態(tài)模型SIBBORK，模擬未來(lái)氣候變化下西伯利亞地區(qū)的針葉林一溫帶林過(guò)渡帶的火災(zāi)和植被變化。Fischer[51]使用FORMIND 模型模擬乞力馬扎羅山熱帶森林的火災(zāi)動(dòng)態(tài)和碳平衡的關(guān)系。Pellegrini等[54]利用PJ-GUESS全局植被動(dòng)態(tài)模型根據(jù)不同火災(zāi)頻率場(chǎng)景來(lái)模擬全球不同地區(qū)的生態(tài)系統(tǒng)碳氮?jiǎng)討B(tài)和生態(tài)系統(tǒng)生產(chǎn)力的變化。有學(xué)者基于森林火災(zāi)對(duì)環(huán)境的影響開(kāi)發(fā)了相應(yīng)的風(fēng)險(xiǎn)評(píng)估模型，例如，Lerma-Arce等[55]開(kāi)發(fā)的排放風(fēng)險(xiǎn)模型考慮了地理空間變量，旨在估計(jì)森林火災(zāi)排放溫室氣體的風(fēng)險(xiǎn)；也有學(xué)者通過(guò)模型系統(tǒng)評(píng)估森林火災(zāi)與生態(tài)系統(tǒng)和氣候變化的相互作用，例如，Seo 等[56]使用CommunityLand Model（CLM4.5）模擬火災(zāi)和生態(tài)演替的相互作用對(duì)地表碳和水通量的影響； Zou 等[7]利用CESM-RESFire模型模擬火災(zāi)排放和火災(zāi)引起的土地覆蓋變化對(duì)大氣和陸地表面的影響，以及氣候、火災(zāi)和生態(tài)系統(tǒng)之間的反饋機(jī)制。總之，為了更好地模擬和預(yù)測(cè)森林火災(zāi)對(duì)生態(tài)系統(tǒng)的影響，研究人員正在不斷地改進(jìn)和更新模型的結(jié)構(gòu)、性能、參數(shù)和應(yīng)用場(chǎng)景，以提高森林火災(zāi)環(huán)境影響模型的可靠性和適用性。

3結(jié)論與展望

該研究對(duì)2002—2022年的森林火災(zāi)模型研究進(jìn)行了文獻(xiàn)計(jì)量分析。近20年來(lái)，森林火災(zāi)模型的相關(guān)研究發(fā)文量整體呈現(xiàn)上升趨勢(shì)，特別是在全球氣候變化的背景下，相關(guān)研究受到了國(guó)內(nèi)外學(xué)者越來(lái)越多的關(guān)注，取得了大量研究成果。森林火災(zāi)模型的應(yīng)用貫穿于災(zāi)前、災(zāi)中和災(zāi)后的過(guò)程中，在火災(zāi)風(fēng)險(xiǎn)評(píng)估與預(yù)測(cè)、火勢(shì)蔓延模擬和火災(zāi)影響評(píng)估方面得到了廣泛應(yīng)用。森林火災(zāi)模型的研究熱點(diǎn)逐漸從火災(zāi)行為的物理機(jī)制分析轉(zhuǎn)變?yōu)榛谶b感和地理信息系統(tǒng)和人工智能方法，森林火災(zāi)發(fā)生和蔓延的高精度可視化預(yù)測(cè)與模擬及生態(tài)環(huán)境影響評(píng)估研究。該研究分別從災(zāi)前、災(zāi)中和災(zāi)后3個(gè)方面論述了森林火災(zāi)模型的最新進(jìn)展，發(fā)現(xiàn)了森林火災(zāi)風(fēng)險(xiǎn)預(yù)測(cè)模型向大規(guī)模、高精度演化；蔓延模擬模型向智能化、立體化發(fā)展；環(huán)境影響模型朝長(zhǎng)期性、整體性方向拓寬的3個(gè)趨勢(shì)，但是也存在森林火災(zāi)模型的預(yù)測(cè)和模擬準(zhǔn)確度和及時(shí)性仍需提高、基于機(jī)器學(xué)習(xí)的模型的可解釋性不強(qiáng)、模型的系統(tǒng)化和普適性有待拓展等方面的不足。為更好地服務(wù)于森林火災(zāi)管理實(shí)踐，未來(lái)的研究應(yīng)著重考慮以下3個(gè)方面：

（1）加強(qiáng)森林火災(zāi)模型的實(shí)時(shí)數(shù)據(jù)支撐能力，提高數(shù)據(jù)的質(zhì)量、完整性和實(shí)時(shí)性。數(shù)據(jù)是模型建立和運(yùn)行的基礎(chǔ)，也是模型精度和效率的關(guān)鍵因素。隨著傳感器的技術(shù)進(jìn)步，衛(wèi)星遙感、氣象監(jiān)測(cè)及地面觀測(cè)等多源數(shù)據(jù)是森林火災(zāi)高精度建模的重要數(shù)據(jù)基礎(chǔ)。但目前森林火災(zāi)預(yù)測(cè)和模擬模型所需的數(shù)據(jù)往往屬于不同的來(lái)源和平臺(tái)，存在著數(shù)據(jù)不一致、不完整、不及時(shí)等問(wèn)題，影響了模型的可靠性和適用性。因此，需要在未來(lái)的研究中集成和融合多源、多尺度、多時(shí)相的森林火災(zāi)相關(guān)數(shù)據(jù)，包括遙感數(shù)據(jù)、地面觀測(cè)數(shù)據(jù)、歷史數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)等，為森林火災(zāi)模型提供高質(zhì)量、高效率的數(shù)據(jù)支撐。

（2）提高森林火災(zāi)模型的有效性和專(zhuān)業(yè)化水平。機(jī)器學(xué)習(xí)方法可獲得比傳統(tǒng)回歸模型更高的預(yù)測(cè)精度，是森林火災(zāi)模型未來(lái)的重要發(fā)展趨勢(shì)，但其也存在數(shù)據(jù)質(zhì)量、模型復(fù)雜性和模型可解釋性等方面的不足。因此，未來(lái)應(yīng)結(jié)合機(jī)器學(xué)習(xí)方法和統(tǒng)計(jì)、經(jīng)驗(yàn)?zāi)Ｐ偷确椒ń?fù)合預(yù)測(cè)模型，在提高模型預(yù)測(cè)精度和適應(yīng)性的同時(shí)獲得具有明確意義的表達(dá)形式，并在實(shí)踐中進(jìn)行針對(duì)性的改進(jìn)和優(yōu)化。森林火災(zāi)是一個(gè)涉及多種物理、化學(xué)、生物、氣象、地理等因素的復(fù)雜系統(tǒng)，機(jī)器學(xué)習(xí)方法在實(shí)踐中的應(yīng)用需要建立在扎實(shí)的森林火災(zāi)科學(xué)的專(zhuān)業(yè)知識(shí)的基礎(chǔ)上，加強(qiáng)多學(xué)科交叉融合，建立合理的假設(shè)、適當(dāng)?shù)膮?shù)和有效的評(píng)估來(lái)保證模型的準(zhǔn)確性和穩(wěn)定性，來(lái)確保模型的科學(xué)性和有效性，并在更好地服務(wù)于森林火災(zāi)管理實(shí)踐的同時(shí)，逐步形成多學(xué)科協(xié)同的森林火災(zāi)模型研究框架。

（3）拓展森林火災(zāi)模型的系統(tǒng)化和普適性。單一的森林火災(zāi)模型往往難以全面地反映森林火災(zāi)發(fā)生、蔓延和影響的各個(gè)方面，需要將不同類(lèi)型和層次的森林火災(zāi)模型進(jìn)行耦合和集成，建立從多源數(shù)據(jù)實(shí)時(shí)采集、融合，到穩(wěn)定高效傳輸通道，再到并行和高性能計(jì)算的森林火災(zāi)實(shí)時(shí)預(yù)測(cè)與模擬硬件體系，以及針對(duì)大數(shù)據(jù)的自動(dòng)化數(shù)據(jù)處理和關(guān)鍵特征分析算法，以快速生成實(shí)時(shí)的預(yù)測(cè)和模擬結(jié)果。構(gòu)建能夠進(jìn)行自動(dòng)學(xué)習(xí)、自我更新和參數(shù)校準(zhǔn)的動(dòng)態(tài)模型，結(jié)合GIS可視化，將預(yù)測(cè)模擬模型與緊急響應(yīng)模型和決策支持模型集成，便于森林火災(zāi)救援工作迅速?zèng)Q策和統(tǒng)一調(diào)度。同時(shí)，森林火災(zāi)預(yù)測(cè)和模擬結(jié)果因環(huán)境條件和驅(qū)動(dòng)因子不同而存在差異，未來(lái)需要在考慮空間尺度和異質(zhì)性的基礎(chǔ)上，完善驅(qū)動(dòng)因子和特征模型的選取方法，提高模型的精度和靈敏度，在精準(zhǔn)反映森林火災(zāi)復(fù)雜性和多樣性的同時(shí)提升模型的普適性。

參考文獻(xiàn)

[1]田曉瑞，舒立福，王明玉，等.林火與氣候變化研究進(jìn)展[J].世界林業(yè) 研究，2006，19（5）：38-42.

[2]舒立福，田曉瑞，寇曉軍.林火研究綜述（I）：研究熱點(diǎn)與進(jìn)展[J].世界 林業(yè)研究，2003，16（3）：37-40.

[3]朱政，趙璠，王秋華，等.林火發(fā)生預(yù)報(bào)模型研究進(jìn)展[J].世界林業(yè)研 究，2022，35（3）：26-31.

[4]趙璠，舒立福，周汝良，等.林火行為蔓延模型研究進(jìn)展[J].世界林業(yè) 研究，2017，30（2）：46-50.

[5]龔固堂，劉淑瓊.林火干擾與森林群落動(dòng)態(tài)研究綜述[J].四川林業(yè)科 技，2007，28（4） ：21-25.

[6]李穎，杜逆索，歐陽(yáng)智.森林火災(zāi)仿真研究綜述[J].智能計(jì)算機(jī)與應(yīng) 用，2023，13（1）：186-188.

[7]王睿琛，張文文，龍騰騰，等.森林火災(zāi)風(fēng)險(xiǎn)性評(píng)估方法綜述[J].林業(yè) 調(diào)查規(guī)劃，2021，46（6）：44-47，54.

[8]高超，林紅蕾，胡海清，等.我國(guó)林火發(fā)生預(yù)測(cè)模型研究進(jìn)展[J].應(yīng)用 生態(tài)學(xué)報(bào)，2020，31（9）：3227-3240.

[9]ARIA M，CUCCURULLO C.Bibliometrix：AnR-tool for comprehensive sciencemapping analysis[J].Journal of informetrics，2O17，11（4）：959-975.

[10] OLIVEIRA S，OEHLER F，SAN-MIGUEL-AYANZ J，et al. Modeling spatial patternsof fire occurrencein Mediterranean Europe using Multiple Regression and Random Forest[J]. Forest ecology and management， 2012，275：117-129.

[11]TIENBUID，BUIQT，NGUYENQP，et al.Ahybrid artificial intelligence approach using GIS-based neural-fuzzy inference system and partiarea[J].Agriculturaland forest meteorology，2O17，23244.

[12]RIANO D，MEIER E，ALLGOWER B，et al. Modeling airborne laser scanning data for the spatial generation of critical forest parameters in fire behavior modeling[J]. Remote sensing of environment，2003，86（2）：177- 186.

[13] POURTAGHI Z S，POURGHASEMI H R，ARETANO R，et al. Investigation of general indicators influencing on forest fire and its susceptibility modeling using diferent data mining techniques[J].Ecological indicators，2016，64：72-84.

[14]ADABH，KANNIAHKD，SOLAIMANIK.Modelingforestfire risk in the northeast of Iran using remote sensing and GIS techniques[J]. Natural hazards，2013，65（3） ：1723-1743.

[15] CRUZ M G，ALEXANDER M E，WAKIMOTO R H. Development and testing of models for predicting crown fire rate of spread in conifer forest stands[J]. Canadian journal of forest research，20o5，35（7）：1626-1639.

[16] GONZALEZ J R，PALAHf M，TRASOBARES A，et al. A fire probability model for forest stands in Catalonia （north-east Spain）[J].Annals of forest science，2006，63（2） ：169-176.

[17]KOTZ B，SCHAEPMANM，MORSDORFF，etal.Radiative transfer modeling withinaheterogeneous canopyfor estimationofforestfirefuel prop erties[J].Remote sensing of environment，2004，92（3）：332-344.

[ 18] ALEXANDRIDIS A， VAKALIS D，SIETTOS C I，et al. A cellular automata model for forest fire spread prediction：The case of the wildfire that swept through Spetses Island in 199O[J].Applied mathematicsand computation，2008，204（1） ：191-201.

[19]FERNANDES P M. Combining forest structure data and fuel modellng to classify fire hazard inPortugal[J].Annals of forest science，2Oo9，66（4）： 1-9.

[20]梁慧玲，王文輝，郭福濤，等.比較邏輯斯蒂與地理加權(quán)邏輯斯蒂回歸 模型在福建林火發(fā)生的適用性[J].生態(tài)學(xué)報(bào)，2017，37（12）：4128- 4141.

[21］蘇漳文，曾愛(ài)聰，蔡奇均，等.基于Gompit 回歸模型的大興安嶺林火預(yù) 測(cè)模型及驅(qū)動(dòng)因子研究[J].林業(yè)工程學(xué)報(bào)，2019，4（4）：135-142.

[22] CHEN J，ZHENG W，SHAN T C. Dynami fire monitoring analysisand risk assessment based on multisource satellite remote sensing[J]. Mobile information systems，2022，2022：2-11.

[23]HERNANDEZ-LEAL P A，ARBELO M，GONZALEZ-CALVO A. Fire risk assessment using satelite data[J]. Advances in space research，2006，37 （4） ：741-746.

[24]朱馨，李建微，郭偉，等.基于機(jī)器學(xué)習(xí)的森林火險(xiǎn)預(yù)測(cè)模型[J].中國(guó) 安全科學(xué)學(xué)報(bào)，2022，32（9）：152-157.

[25] JAIN P，COOGAN S C P，SUBRAMANIAN S G，et al. A review of machine leaming applications in wildfirescience and managementJ].Environmental reviews，2020，28（4）：478-505.

[26]LI Y D，F(xiàn)ENG Z K，CHEN S L，et al. Application of the artificial neural network and support vector machinesin forest fire prediction in the Guangxi autonomous region，China[J]. Discrete dynamics in nature and society，2020，2020：1-14.

[27]SINGH K R，NEETHU K P，MADHUREKAA K，et al. Parallel SVM model for forest fire prediction[J].Soft computing lettrs，2021，3：1-12.

[28]SEVINC V，KUCUK O，GOLTAS M. A Bayesian network model for prediction and analysis of possible forest fire causes[J].Forest ecology and management，2020，457：1-11.

[29]YANG X H，JIN X B，ZHOU Y K. Wildfire risk assessment and zoning by integrating maxent and GIS in Hunan Province，China[J]. Forests，2021， 12（10） ：1-18.

[30] MOHAJANE M，COSTACHE R，KARIMI F，et al. Application of remote sensing and machine learning algorithms for forest fire mapping in a Mediterranean area[J].Ecological indicators，2021，129：1-17.

[31] VAN BREUGEL P，F(xiàn)RIIS I，DEMISSEW S，et al. Current and future fire regimesand their influence on natural vegetation in Ethiopia[J].Ecosystems，2016，19（2） ：369-386.

[32]DUTTAR，DAS A，ARYAL J.Big data integration shows Australian bushfire frequency is increasing significantly[J]. Royal society open science， 2016，3（2） ：1-11.

[33] HODGES JL，LATTIMER B Y. Wildland fire spread modeling using convolutional neural networks[J].Fire technology，2019，55（6）：2115-2142.

[34]LI X D，ZHANG M X，ZHANG S Y，et al. Simulating forest fire spread with cellular automation driven by a LSTM based speed model[J]. Fire，

[35」ZHENG Z，HUANG W，LI S N，et al. Forest fire spread simulating model using cellular automaton with extreme learning machine[J]. Ecological modelling，2017，348：33-43.

[36] WU Z C，WANG B，LI M Z，et al. Simulation of forest fire spread based on artificial intelligence[J].Ecological indicators，2O22，136：1-13.

[37] GANAPATHI SUBRAMANIAN S，CROWLEY M. Using spatial reinforcement learning to build forest wildfire dynamics models from satellite images[J].Frontiers in ICT，2018，5：1-12.

[38]TYMSTRAC，BRYCERW，WOTTONBM，etal.Development and structure of Prometheus：The Canadian wildland fire growth simulation model [R].Edmonton，Alberta：Natural Resources Canada，Canadian Forest Service，Northern Forestry Centre，2010.

[39]ANDREWS PL.Currentstatus and future needsof the BehavePlus Fire Modeling System[J]. International journal of wildland fire，2014，23（1） ： 21-33.

[40] YAVUZ M，SAGLAM B，KUCUK O，et al. Assessing forest fire behavior simulation using FlamMap software and remote sensing techniques in Western Black Sea Region，Turkey[J]. Kastamonu University journal of forestry faculty，2018，18（2） ：171-188.

[41]DENHAM M M，WAIDELICH S，LANERI K. Visualization and modeling of forest firepropagationin Patagonia[J].Environmental modelling amp; software，2022，158：1-10.

[42] PAIS C，CARRASCO J，MARTELL D L，et al. Cell2fire：A cell based forest fire growth model[J/OL]. ArXiv preprint，2019-05-22[2024-07- 28]. https：//arxiv. org/pdf/1905. 09317.

[43] SUN JJ，QI W W，HUANG Y D，et al. Facing the wildfire spread risk challenge：Where are we now and where are we going？[J].Fire，2023，6 （6） ：1-21.

[44]MENG Q K，LU H，HUAI Y，et al. Forest fire spread simulation and fire extinguishing visualization research[J].Forests，2O23，14（7） ：1-21.

[45] YOU JW，HUAI Y J，NIE X Y，et al. Real-time 3D visualizationof forest fire spread based on tree morphology and finite state machine[J]. Computers amp; graphics，2022，103：109-120.

[46]劉斌，田曉瑞.林火碳排放模型研究進(jìn)展[J].世界林業(yè)研究，2010，23 （6） 35-39.

[47]THONICKE K，VENEVSKY S，SITCH S，et al. The role of fire disturbance forglobal vegetation dynamics：Coupling fire intoa Dynamic Global Vegetationmodel[J]Globaleologyandbiogeogaphy，2001，10（6）661677.

[48] CHERTOV O G，KOMAROV A S，NADPOROZHSKAYA M，et al. ROMUL：A model of forest soil organic matter dynamics as a substantial tool for forest ecosystem modeling[J]. Ecological modeling，2001，138（1/2/ 3） ：289-308.

[49]SCHELLER R M，DOMINGO J B，STURTEVANT B R，et al. Design，development，and application of LANDIS-II，a spatial landscape simulation model with flexible temporal and spatial resolution[J].Ecological modelling，2007，201（3/4） ：409-419.

[50] O'NEILL S M，LARKIN N S K，HOADLEY J，et al. Chapter 22 regional real-time smoke prediction systems[J].Developments in environmental science，2008，8：499-534.

[51]FISCHER R.The long-term consequences of forest fires on the carbon fluxes of a tropical forest in Africa[J]. Applied sciences，2021，11（10） ：1- 17.

[52] XU W R，HE H S，HUANG C，et al. Large fires or small fires，will they dier in affecting_shifts in species composition and distributions under climate change？_[J]. Forest ecology and management，2022，510：1-10.

[53]BRAZHNIK K，HANLEY C，SHUGART H H. Simulating changes in fires and ecology of the21st century Eurasian boreal forests of Siberia[J].Forests，2017，8（2） ：1-27.

[54]PELLEGRINI A F A，AHLSTROM A，HOBBIE S E，et al.Fire frequency drives decadal changes in soil carbon and nitrogen and ecosystem productivity[J].Nature，2018，553（7687）：194-198.

[55] LERMA-ARCE V，YAGUE-HURTADO C，VAN DEN BERG H，et al. Development of a model to estimate the risk of emission of greenhouse gases from forest fires[J].Fire，2023，6（1）：1-27.

[56] SEO H，KIM Y. Interactive impacts of fireand vegetation dynamics on global carbon and water budget using Community Land Model version 4.5 [J]. Geoscientific model development，2019，12（1） ：457-472.

[57] ZOU Y F，WANG Y H，QIAN Y，et al. Using CESM-RESFire to understand climate-fire-ecosystem interactionsand theimplications for decadal climate variability[J].Atmospheric chemistry and physics，2O20，20（2）