[論文レビュー] Spatiotemporal wildfire modeling through point processes with moderate and extreme marks

Jonathan Koh, François Pimont+2 more|arXiv (Cornell University)|May 17, 2021

Fire effects on ecosystems被引用数 4

ひとこと要約

本稿では、共有された確率的効果を用いて推定の効率性と予測精度を向上させる、火災発火強度と焼失面積の大きさを同時にモデル化する画期的なベイジアン階層的時空間点過程モデルを提案する。このモデルは、極端な火災と中程度の火災を区別し、極値理論と対数ガウス過程を統合し、非線形かつ季節的変動を示す共変量の効果を捉える。1995年から2018年までのフランス・リモージュ地方における火災リスクの地域差を明らかにした。

ABSTRACT

Accurate spatiotemporal modeling of conditions leading to moderate and large wildfires provides better understanding of mechanisms driving fire-prone ecosystems and improves risk management. We here develop a joint model for the occurrence intensity and the wildfire size distribution by combining extreme-value theory and point processes within a novel Bayesian hierarchical model, and use it to study daily summer wildfire data for the French Mediterranean basin during 1995--2018. The occurrence component models wildfire ignitions as a spatiotemporal log-Gaussian Cox process. Burnt areas are numerical marks attached to points and are considered as extreme if they exceed a high threshold. The size component is a two-component mixture varying in space and time that jointly models moderate and extreme fires. We capture non-linear influence of covariates (Fire Weather Index, forest cover) through component-specific smooth functions, which may vary with season. We propose estimating shared random effects between model components to reveal and interpret common drivers of different aspects of wildfire activity. This leads to increased parsimony and reduced estimation uncertainty with better predictions. Specific stratified subsampling of zero counts is implemented to cope with large observation vectors. We compare and validate models through predictive scores and visual diagnostics. Our methodology provides a holistic approach to explaining and predicting the drivers of wildfire activity and associated uncertainties.

研究の動機と目的

• 火災の時空間的発生とそのサイズ分布を統合的にモデル化する統一的な統計的枠組みを構築すること。特に、中程度の火災と極端な火災を区別すること。
• モデルの発生部とサイズ部の間で潜在的な空間的確率的効果を共有することで、推定の不確実性を低減し、予測精度を向上させること。
• 火災活動に非線形的かつ季節的に変化する影響を示す共変量（例：火災気象指数、森林被覆）の影響を捉えること。
• 大規模な火災データセットに存在するデータのスパarsityとゼロ過剰（zero-inflation）に対処するため、ゼロのカウントを段階的にサブサンプリングする戦略を採用すること。
• 地域ごとの発火と極端な火災サイズの共通の要因を同定することで、火災リスク管理に役立つインサイトを提供すること。

提案手法

• 火災発火を時空間的対数ガウス過程としてモデル化し、発火パターンにおける複雑な空間的・時間的依存性を捉える。
• 各発火点に対して焼失面積を連続的数値マークとして割り当て、極端な火災は高い閾値（79ヘクタール）を超える火災として定義する。
• 中程度の火災と極端な火災の分布を別々に捉える2成分有限混合モデルを用い、共変量の成分別スムーズ関数を組み込む。
• 発生部とサイズ部の間で共有された確率的効果を組み込むことで、モデル部間で強みを共有し、不確実性を低減する。
• ゼロのカウントが多数存在する大規模データセットを効率的に処理するため、段階的サブサンプリング戦略を適用する。
• 階層的事前分布を用いたMCMCによる完全ベイズ推論を採用し、モデルパラメータの推定と不確実性の定量化を行う。

実験結果

リサーチクエスチョン

• RQ1 火災の時空間的発生とサイズ分布を統合的にモデル化する方法は何か。特に、中程度の火災と極端な火災を区別するにはどうすればよいか。
• RQ2 統合的火災モデルフレームワークにおいて、共有された確率的効果が推定の不確実性と予測性能に与える影響は何か。
• RQ3 火災気象指数や森林被覆といった共変量が、非線形的かつ季節的に変化する形で火災発生とサイズ分布に与える影響は何か。
• RQ4 景観構造の地域差（例：都市化、断片化）が、極端な火災の発生確率に及ぼす影響はどの程度か。
• RQ5 マーク付き点過程と極値理論を組み合わせたベイジアン階層モデルは、独立したモデルと比較して、リスク予測と要因同定の両面で性能を向上させられるか。

主な発見

• 共有された確率的効果の導入により、推定の不確実性が顕著に低減され、特に極端な火災データが少ない地域での予測性能が向上した。
• コルシカではCOX-BETA共有効果が顕著に高く、中程度の火災が極端な火災に発展する可能性が特に高い。これは、火災抑制の遅れと広大な連続した森林地帯が要因とされる。
• 景観の断片化と都市部や農村部における人間活動の増加により、発火頻度は上昇するが、燃料の不連続性のため大規模火災の発生確率は低下する。
• モデルは火災気象指数が火災リスクに強い非線形的かつ季節的効果を示していることを明らかにした。これは、現在の火災危険度評価システムの解釈に注意が必要であることを示唆している。
• 極端な火災の閾値超過確率は地域によって顕著に異なる。連続した広大な森林地帯では高い確率を示し、断片的または都市化された景観では低い確率を示す。
• 共有効果がなければ、極端な火災サイズの推定部はデータのスパarsityのため信頼区間が広くなり、実用的意義が制限されるだろう。