使用Python+PyTorch预测野外火灾！

联合国在实现其可持续发展目标方面面临的主要障碍之一是与自然灾害作斗争，而造成巨大破坏的首要障碍是野外火灾。

作为一名数据科学家，我真的希望为社会带来积极的变化。在读到最近在美国科罗拉多州和澳大利亚各地发生的野外火灾之后，我开始想知道是否有一种方法可以利用我的技能提前预测这些灾难，以便采取一些保护措施。

我在Kaggle上找到了这个数据集，它包含了美国188万场野外火灾，我开始使用PyTorch Lightning建立一个模型。继续阅读，看看我是如何使用这个数据集建立一个可以预测野外火灾强度的模型的。

气候变化与野外火灾

联合国可持续发展目标的重点是到2030年实现具体目标，其中涉及教育、贫困、气候变化和海洋生物等问题。联合国环境规划署负责协调联合国的环境活动，并协助发展中国家制定有利于环境的政策和做法。

我们有10年时间来实现联合国可持续发展倡议取得成功的目标和指标。

一个繁荣的环境直接影响到联合国制定的17个可持续发展目标，因此保护和保护环境免受自然和人为灾害是联合国的主要议程之一。根据联合国的各种报告，野外火灾确实影响了气候变化。随着全球气温的升高，野外火灾发生的可能性越来越大，它们对气候变化产生了重大影响。

2019年，澳大利亚遭遇了历史上最严重的火灾之一，由于极端高温季节，烧毁了约1800万公顷的土地（相比之下，相当于加州一半的土地）。日益升高的温度在森林和草原上造成了高度易燃的环境。同样，亚马逊森林在2019年也发生火灾，导致2240000英亩的烧毁面积。最近，在2020年，加州的野外火灾烧毁了4359517英亩的土地。

野外火灾产生大量的二氧化碳和温室气体，这反过来又提高了全球温度。火灾的微粒被远距离携带，造成空气污染。这些粒子也会沉积在雪上，导致对阳光的更高吸收。这种现象被称为气候反馈回路，它会逐渐恶化气候条件

用PyTorch Lightning预报野外火灾

不同行业的坚定分子做出了多种努力，利用历史野外火灾数据，并考察它们与天气、旅游等替代数据源的依赖性，建立预测火灾发生和强度的模型。在这个文章中，我使用PyTorch Lightning构建了一个机器学习模型。火灾强度的预测可以通过事先采取正确的补救措施来对抗火灾的影响。[3]

步骤1：连接到数据

从Kaggle下载数据后，我将其摄取到我的python环境中，并将其连接到jupyter笔记本界面。

conn = sqlite3.connect("FPA_FOD_20170508.sqlite")

在阅读了数据之后，我需要执行一些探索性的分析，以了解数据的特征及其分布，如下所示。

步骤2：一些探索性的数据分析

了解野外火灾在美国不同州的蔓延情况。在这里我们可以看到全美五大野外火灾规模。

df = pd.read_sql_query("SELECT SUM(FIRE_SIZE) AS SUM_FIRE_SIZE, State FROM Fires GROUP BY State;", conn)
df = df.set_index("STATE")
df[:5]