下面将以葡萄牙森林火灾数据为例进行数据可视化及建模分析。葡萄牙森林火灾数据
（数据来源）
一、数据集描述
属性 解释
X 在蒙特西尼奥公园地图的横坐标（1-9）
Y 在蒙特西尼奥公园地图的纵坐标（2-9）
month 一年中的月份（1-12）
day 一周中的哪一天（1-7）
FFMC 来自FWI（火险气候指数系统的FFMC（细小可燃物湿度码）（18.7-96.20）
DMC 来自FWI系统的DMC（半腐层湿度码）（1.1-291.3）
DC 来自FWI系统的DC（干旱码）（7.9-860.6）
ISI 来自FWI系统ISI（初始蔓延指数）（0.0-56.10）
temp 温度（2.2-33.3）
RH 相对湿度（15%-100%）
wind 风速（0.4-9.4）
rain 室外降雨量（0.0-6.4）
area 面积-森林烧毁面积（0.00-1090.84）
二、每个月份，每个季度，每一天（周一到周日）森林火灾发生次数和总面积的条形图
library(ggplot2) #要用到的绘图包
#导入数据
data <- read.table("D:\\R\\forestfires.csv",header=TRUE,sep=",")
#按月、季、日画出森林火灾发生次数和总面积的条形图
library(ggplot2)
setwd('D:/3283697933/R') #设置保存图片的路径
#每月森林火灾发生次数
jpeg(file = "每月森林火灾发生次数.jpg")
k=ggplot(data,aes(x=factor(month)))
k + geom_bar(stat="count",fill = 'steelblue') + labs(title='每月森林火灾发生次数',x='月份',y='次数')
dev.off()
注：因为绘制的图片较多所以这里直接设置路径保存了，实际上也可以直接绘图。
由图可知12个月份中森林火灾高发的月份为八月和九月，分别超过了200次和150次，其余月份的火灾发生次数较低。
#每季度森林火灾发生次数
jpeg(file = "每季度森林火灾发生次数.jpg")
#添加季度作为变量
data$quarter[data$month=="jan"] <- 'spr'
data$quarter[data$month=="feb"] <- 'spr'
data$quarter[data$month=="mar"] <- 'spr'
data$quarter[data$month=="apr"] <- 'sum'
data$quarter[data$month=="may"] <- 'sum'
data$quarter[data$month=="jun"] <- 'sum'
data$quarter[data$month=="jul"] <- 'aut'
data$quarter[data$month=="aug"] <- 'aut'
data$quarter[data$month=="sep"] <- 'aut'
data$quarter[data$month=="oct"] <- 'win'
data$quarter[data$month=="nov"] <- 'win'
data$quarter[data$month=="dec"] <- 'win'
k=ggplot(data,aes(x=factor(quarter)))
k + geom_bar(stat="count",fill = 'steelblue') + labs(title='每季度森林火灾发生次数',x='季度',y='次数')
dev.off()
由图可知四个季度中森林火灾高发的季度为第三季度，即7,8,9月。其发生总次数接近400次。
#每日森林火灾发生次数
jpeg(file = "每日森林火灾发生次数.jpg")
k=ggplot(data,aes(x=factor(day)))
k + geom_bar(stat="count",fill = 'steelblue') + labs(title='每日森林火灾发生次数',x='星期',y='次数')
dev.off()
由图可知森林火灾在周日发生的次数最多，约为90次，但总体上差距不是很大。
#每月森林火灾发生总面积
jpeg(file = "每月森林火灾发生总面积.jpg")
k=ggplot(data,aes(x=factor(month),y=area))
k + geom_bar(stat="identity",fill = 'steelblue') + labs(title='每月森林火灾发生总面积',x='月份',y='公顷')
dev.off()
由图可知森林火灾在九月份的面积高达2000公顷远超于其他月，另外在八月份的森林火灾覆盖面积为第二高，超过2000公顷。
#每季度森林火灾发生总面积
jpeg(file = "每季度森林火灾发生总面积.jpg")
k=ggplot(data,aes(x=factor(quarter),y=area))
k + geom_bar(stat="identity",fill = 'steelblue') + labs(title='每季度森林火灾发生总面积',x='季度',y='次数')
dev.off()
由图可知森林火灾在第三季度（7,8,9月）的覆盖总面积最高，将近6000公顷，其余三个季度火灾发生的总面积基本持平。
#每日森林火灾发生总面积
jpeg(file = "每日森林火灾发生总面积.jpg")
k=ggplot(data,aes(x=factor(day),y=area))
k + geom_bar(stat="identity",fill = 'steelblue') + labs(title='每日森林火灾发生总面积',x='星期',y='公顷')
dev.off()
由图可知森林火灾在周六的覆盖总面积最高，超过2000公顷，一周的其余时间火灾发生的总面积有较小的差距。
三、每个季度降雨量和风速的盒图
#每个季度降雨量的盒图
jpeg(file = "每季度降雨量的盒图.jpg")
boxplot(rain ~ quarter, data=data,main="每个季度降雨量的盒图",
xlab="季度", ylab="降雨量(毫米/平方米)",col="green")
dev.off()
因为有一个降雨量为6.4的异常值点，所以不容易看出数据集中的具体区域，但仍能得知四个季度的降雨量都在0附近。
#每个季度风速的盒图
jpeg(file = "每季度风速的盒图.jpg")
boxplot(wind ~ quarter, data=data,main="每个季度风速的盒图",
xlab="季度", ylab="风速(公里/小时)",col="pink")
dev.off()
四、根据火灾发生的位置信息，画出火灾发生次数和面积的气泡图
#火灾发生次数的气泡图
#将坐标放到新的数据框a中，方便画图
X <- data$X ; Y<- data$Y
a <- data.frame(X,Y)
a$Z <- 10*data$X + data$Y
a$count <- 1
#去掉重复值，计算每个坐标出现的次数
count <- tapply(a$count,a$Z,sum)
b <- data.frame(count)
b$Z <- unique(a$Z)
b$X <- floor(0.1*b$Z)
b$Y <- b$Z-10*b$X
jpeg(file = "火灾发生次数的气泡图.jpg")
r <- sqrt(b$count/pi)
symbols(b$X,b$Y,circle=r, inches=0.5,
fg="white", bg="lightblue",
main="火灾发生次数的气泡图",
ylab="纵坐标",xlab="横坐标")
dev.off()
#火灾发生面积的气泡图
jpeg(file = "火灾发生面积的气泡图.jpg")
r <- sqrt(data$area/pi)
symbols(data$X,data$Y,circle=r, inches=0.30,
fg="purple", bg="pink",
main="火灾发生面积的气泡图",
ylab="纵坐标",xlab="横坐标")
dev.off()
五、对于中火灾高发的季度，画出散点图矩阵，再进行回归分析，找出火灾高发的相关变量
由二的结果可知，火灾高发的季度为秋季（7,8,9月）。
下面将分两步进行，画出散点图矩阵（包括直线和曲线拟合），再进行回归分析，找出火灾高发的相关变量。
（1）散点图矩阵（直线和曲线拟合）
考虑到图的清晰度和美观，我们将FFMC,DMC,DC,ISI作为第一组，温度，相对湿度,风速作为第二组，分别绘制它们的散点图矩阵。
library(car)
jpeg(file = "散点图矩阵1.jpg")
data1 <- subset(data,data$quarter == "aut")
scatterplotMatrix(~ FFMC + DMC + DC + ISI, data=data1,
spread=FALSE, smoother.args=list(lty=2), main="散点图矩阵(FFMC,DMC,DC,ISI)")
dev.off()
jpeg(file = "散点图矩阵2.jpg")
scatterplotMatrix(~ temp + RH + wind, data=data1,
spread=FALSE, smoother.args=list(lty=2), main="散点图矩阵(温度,相对湿度,风速)")
dev.off()
（2）回归分析（找出火灾高发的相关变量）
#回归探寻秋季火灾高发的相关变量
data1 <- subset(data,data$quarter == "aut")
data$count <- 1
fit <- lm(count ~ FFMC + DMC + DC + ISI+temp + RH + wind + rain, data=data1)
summary(fit)
fit1 <- lm(count ~ (FFMC + DMC + DC + ISI+temp + RH + wind + rain)^2, data=data1)
summary(fit1)
fit2 <- lm(count ~ (FFMC + DMC + DC + ISI+temp + RH + wind + rain)^3, data=data1)
summary(fit2)
六、结果整理与总结
①森林火灾发生次数及面积
八月和九月为葡萄牙森林火灾的高发月份，这两个月中森林火灾每月发生次数在175次左右；八月和九月也是森林火灾发生总面积最大的月份。此外三月份的火灾发生次数仅次于八月，九月，略高于50次。其余月份的火灾发生次数与总面积均较少。
将月度森林火灾发生次数整合为季度数据后，由于累加，发现秋季的火灾发生次数与火灾发生总面积远高于其三个季度。
从周数据来看，周日火灾发生的次数最多，周三火灾发生的次数最少。但二者相差不超过五十次，故可以认为森林火灾发生次数与是星期几相关性不大。但森林火灾周日发生的覆盖总面积显著高于一周的其他时间。我们猜想是周末去森林出游的人较多，乱扔水平以及废弃香烟等物品容易引发森林火灾。
②每个季度降雨量与风速
由于春季降雨量有一个异常值点6.3，但四个季度的降雨量都集中在0附近，故从盒图中看不出降雨量集中的精确区间。但针对那个异常值点并不能认为是数据录入错误而武断地删除，也应考虑小概率时间导致其它的异常发生等因素，对其进行进一步探究。
四个季度的平均风速在4公里/小时上下波动，相差不大。但相较于其他三个季度，冬季的风速的上四分位数到下四分位数的距离最大，即范围最大。大部分数据集中在3-8公里/小时。
③每个地点火灾的发生次数与面积
将森林中的地点抽象为平面直角坐标系X,Y中的点，共计36处区域发生了火灾。其中森林火灾高发区域集中在中下方区域（5,5）附近，火灾面积较大的区域集中在中间偏右（7,6）。火灾发生次数与发生面积并无很强的相关性。
④四个指标之间的联系：FFMC（细小可燃物湿度码）；DMC（半腐层湿度码）；DC（干旱码）；ISI（初始蔓延指数）
当半腐层湿度码以及干旱码增加时细小可燃物湿度码变化程度不大，但随着初始蔓延指数的增加细小可燃物湿度码呈现对数上升的趋势；初始蔓延指数增加时半腐层湿度码变化不明显，干旱码有不明显的下降趋势；半腐层湿度码增加时半腐层湿度码也有所增加，且二者呈现明显的线性趋势。
⑤三个指标之间的联系：温度；相对湿度；风速
随着相对湿度的增加，温度有明显的下降趋势，且二者的关系呈线性；随着风速与温度和相对湿度的散点图都非常杂乱无序，可以认为它们之间没有联系。
⑥森林火灾高发的相关变量
从多元线性回归的三次回归结果中可以看出FFMC,DMC,DC,ISI, 温度,相对湿度,风速，降雨量这八个变量对森林火灾高发期的发生次数均没有显著影响。故可以认为自然气候原因并不是导致火灾发生的主要因素，需要考虑一些人为因素。
经过查阅资料得知：
葡萄牙为地中海气候，夏季炎热干燥，冬季低温湿润。森林火灾的发生与高温、连续干旱、有密切关系，温度越高，火灾发生的概率也就越大，这与条形图统计的结论相符合。
曾有“葡萄牙大佩德罗冈２.６万公顷森林被烧毁”的新闻，该次森林火灾是因雷电击中林木引发。但葡消防员协会主席苏亚雷斯接受媒体采访时表示，在雷电发生之前，已有火情报告，不排除是有人故意纵火。因为分析数据时没有考虑雷电与人为纵火等因素，且据分析已有变量均不显著，所以也这给了我一个新的思路：雷电以及人为因素也有可能导致森林火灾的发生。
9848
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
