最近在加利福尼亚州和附近各州发生的野火表明，需要更好地了解决定野火发生地点和时间的动态。然而，相互影响导致野火发生的因素和条件——例如当地植被、降水、人类土地利用等之间的相互作用——是多种多样且复杂的，并且随着时间和地点的不同而不同。
为了加深对这些关系的理解，Park 及其同事使用一种称为广义加性模型的统计方法来探索和绘制 1970 年至 2016 年整个加利福尼亚州的年度野火概率。这项工作建立在先前在更长的时间尺度上采用相同技术的研究的基础上。在这种情况下，研究人员通过整合有关当地气候变化、人类活动以及自上次火灾事件以来每个地点和年份的时间量的相关信息来定制年度概率的方法 - 所有这些都在 1 公里的地理范围内。
这项分析揭示了对加利福尼亚野火概率的几个新见解。例如，研究人员发现，当地气候和人类活动——例如可燃烧燃料的干燥度和住房密度——在确定整个州的野火概率方面起着关键作用。例如，南加州山区的部分地区，如安吉利斯和洛斯帕德雷斯国家森林，处于高风险中，植被丰富，因此燃料供应充足，并且接近并面临着从高密度住宅开始的火灾风险。洛杉矶都会区。
此外，在某些环境中，自上次火灾以来的时间长短有重要影响;涉及极端条件的短期气候变化也是如此，尤其是在加利福尼亚南部的易发生火灾的灌木丛和森林中。
研究人员还表明，他们预测野火概率的大规模、全州范围的方法优于为某些局部地区开发的统计模型。研究人员表示，这项工作——以及对他们的建模方法的进一步改进——可以证明对野火排放和实施耐火建筑规范的危险绘图等领域的各种研究和实际应用很有价值。
作者补充说：“这项研究提供了一种强大的工具，用于绘制加利福尼亚州在各种历史气候状况下发生野火的可能性。通过利用机器学习方法，它展示了当地气候、人类发展和先前的火灾历史都会在空间和时间上导致每年发生野火的风险。”