Применение многомерных статистических методов для прогнозирования лесной пожарной опасности в национальном парке Бидуп-Нуйба
##plugins.themes.bootstrap3.article.main##
Google Scholar
##plugins.themes.bootstrap3.article.details##
Аннотация
В статье представлены результаты применения многомерных статистических методов (CCA: анализ канонической корреляции и DFA: анализ дискриминантной функции) для определения канонической корреляции между набором переменных {T, H, m1, K} и набором переменных {Pc, Tc} (T: температура, H: относительная влажность, m1: масса сухого топлива, K: коэффициент горения, K = m1/M, где M: общая масса горючего топлива, Pc: процент сожженного топлива и Tc: время горения). Были созданы модели прогнозирования лесной пожарной опасности в национальном парке Бидуп-Нуйба по результатам анализа дискриминантной функции DFA. На основании данных исследований за период ноябрь, декабрь, январь, февраль и март 2015–2017 годов из 340 участков для отбора проб (каждый размером 2х2 м) в национальном парке БидупНуйба мы провели обработку данных в Excel (расчет) и Statgraphics (многомерные статистические методы: CCA & DFA). Из нашего анализа были выявлены три результата: (i) Каноническая корреляция между набором переменных {T, H, m1, K} и набором переменных {Pc, Tc} является очень значимой (R=0,675581 и P=3,17 * 10-58 << 0,05); поэтому мы использовали набор переменных {T, H, m1, K} в моделях прогнозирования опасности лесных пожаров. (ii) Были определены коэффициенты стандартизированных и нестандартных канонических дискриминантных функций (SCDF & UCDF) и классификационной функции Фишера (FCF). (iii) Были созданы две модели прогнозирования опасности лесных пожаров (модель расстояния Махаланобиса и модель функции классификации Фишера).
Авторы
Библиографические ссылки
Hardle W. &Simar Z. Applied Multivariate Statistical Analysis. Springer, Berlin, Heidelberg, New York, 2003.
Karouni A., Daya B., Bahlak S. Forest fire prediction: A comparative study of applicability of fire weather indices for Lebanon // Global Journal on Technology. – 2014. – Vol 5. – Р. 8–17.
Mavrakis A., Salvati L. Analyzing the Behaviour of Selected Risk Indexes During the 2007 Greek Forest Fires // Int. J. Environ. Res. – 2015. – Vol. 9(3). – P. 831–840.
Skvarenina J. Mindas J. Holecy J., Tucek J. Forest fire weather indices during two largest forest fire events in the Slovak Paradise National Park. – Project VEGA No. 1/9265/02. International Bioclimatological Workshop, Slovakia, 2003.
Le Van Huong Study on the composition of fire materials of Pinus kesyiaRoyle ex Gordon forest as a basis for proposing fire prevention measures at Bidoup - Nui Ba National Park, Lam Dong province. – Master's thesis in forestry science, Forestry University, 2012 (in Vietnamese) 6. McLachlan G.J. Mahalanobis Distance. – Resonance, 1999. – P. 20–26.
Ghosh J.K., Majumdar P.P. Mahalanobis Prasanta Chandra / In.P. Armitage and T. Colton (Eds), Encyclopedia of Biostatistics. Wiley. NewYork, 1998. – P. 2372–2375.
Mahalanobis P.C. On tests and measures of group divergence, Journal of the Asiatic Society of Bengal, 1930. – Vol. 26. – Р. 541–588.
McLachlan G.J. Discriminant Analysis and Statistical Pattern Recognition. – New York, Wiley. Technometrics. 1992. – Vol 35 (3). – Р. 320 – 330.
Rao C.R. Linear Statistical Inference and its Applications / Second Edition. – Wiley, New York. – 1973a. – Vol. 57. – Issue 8. – 500 p.
Rao C R, Prasanta Chandra Mahalanobis. Biographical Memoirs of Fellows of the Royal Society. – 1972. – Vol. 19. – Р. 455–492.
Wilks D.S. Chapter 13 – Canonical Correlation Analysis (CCA) // International Geophysics. – 2011. – Vol 100. – Р. 563–582.
Poulsen J, French A. Discriminant Function Analysis. 2004. – Available at: http://online.sfsu.edu/efc/classes/biol710/discrim/discrim.pdf
Matthew C., Lawoko C.R.O., Korte C.J., Smith D. Application of canonical discriminant analysis, principal component analysis, and canonical correlation analysis as tools for evaluating differences in pasture botanical composition // New zealand journal of agricultural research. – 1994. – Vol. 37 (4). – Р. 509–520.
Edzard V.S. Application of Canonical Discriminant Analysis for the Assessment of Genetic Variation in Tall Fescue // Crop Science Society of America. Published in Crop Sci. – 2002. – Vol(42). – Р. 534–539.
Srivastava M.S. Methods of Multivariate Statistics. – John Wiley & Sons, Inc., New York, 2002. – 728 p.
Anja Hashagen, Christian Zabel, Heidi Schelhowe, Saeed ZareAdaptive. Motion Pattern Recognition: Implementing Playful Learning through Embodied InteractionUniversity of Bremen. TZI. dimeb (Digital Media in Education) / Digital Human Modeling: Second International Conference, Held as Part of HCI International 2009 San Diego, CA, USA, Proceedings. Springer, 2009. – P. 104–114.
S. Das Gupta. Mahalanobis distance / In P Armiage and T Colton (Eds). – Encyclopedia of Biostatistics, Wiley, New York, 1998. – Р. 2369–2372.
Cruz-Castillo J.G, Ganeshanandam S., MacKay B.R., Lawes G.S., Lawoko C.R.O., Woolley D.J. Applications of canonicaldiscriminant analysis in horticultural research // HortScience. – 1994. – Vol 29. – Р. 1115–1119.
Dillon W.R., Goldstein M. Multivariate analysis methods and applications. – John Wiley and Sons, New York. 1984. – Vol. 29 (6). – Р. 755–756. https://doi.org/10.1002/bimj4710290617