森林中地表细小死可燃物含水率是衡量可燃物是否容易引燃的关键指标，对森林火灾的预警、发生和蔓延具有重要的影响。如何准确预测森林中地表细小死可燃物的含水率是林火管理中的一大挑战。
江西省自然灾害监测预警与评估重点实验室（江西师范大学），通过构建不同气象、地形、林分等特征因子组合方案，比较了5种机器学习算法对亚热带森林地表细小死可燃物含水率的预测能力，并识别了影响模型精度的关键因子，得出以下结论：
（1）当仅使用单一气象因子作为预测模型时，其预测精度相较于多特征因子的组合模型有所不足，分别加入林分因子和地形因子后，模型的预测精度均有所提升。针对特征因子组合方案而言，包含气象、林分和地形等所有特征因子的组合中模型预测能力最佳；（2）可燃物含水率预测模型的总体预测精度为：随机森林>极限梯度增强>支持向量机>逐步线性回归>K最近邻；（3）林分因子中的郁闭度，地形因子中的坡位和海拔，以及气象因子中的近15天内的平均湿度与光照强度是影响可燃物含水率预测精度的关键因子。
可燃物含水率的实测值与预测值误差散点图。（A-D）为随机森林，(E-H) 为极限梯度增强，(I-L)为支持向量机， (M-P)为逐步回归，(Q-T)为K最近邻，红色实线表示预测值的拟合线，黑色虚线表示1：1线。
该成果于2024年4月在中科院二区SCI期刊《Forests》上，以“Comparative Analysis of Machine Learning-Based Predictive Models for Fine Dead Fuel Moisture of Subtropical Forest in China”为题发表（https://doi.org/10.3390/f15050736）。重点实验室博士研究生侯祥同学为该论文第一作者，吴志伟研究员为通讯作者，硕士研究生朱诗豪、李政杰同学以及李顺助理研究员作为共同作者参与了该项工作。该成果为理解森林地表细小可燃物含水率变异性提供了科学依据和理论支撑，建立的预测模型可为区域森林火灾预警提供参考。本研究得到了国家自然科学基金面上项目（编号：32271897）、江西省教育厅研究生创新基金项目（编号：YC2023-B104)资助。