Анализ лесных пожаров Калифорнии
Введение
Разразившиеся в январе 2025 года масштабные пожары в Лос-Анджелесе привлекли внимание общественности к проблеме природных катастроф в Калифорнии. Это происшествие побудило меня разобраться в феномене лесных пожаров и изучить их характерные особенности. В этом проекте проанализированы данные о лесных пожарах региона и разрушениях, которые они за собой повлекли в период с 2014 по 2025 года.
Данный датасет был взят с сайта kaggle.com и он содержит детальную информацию о по каждому инциденту: дату, локацию, ущерб, площадь возгорания, количество пострадавших и причины пожаров.
В ходе работы были сделаны: круговая диаграмма с причинами пожаров, столбчатые диаграммы последствий в зависимости от причины пожара, тепловая карта с сезонностью пожаров, график с количеством пожаров по годам, горизонтальная столбчатая диаграмму с топ-5 округов по суммарному ущербу и точечная схема корреляции ущерба и площади пожаров. Были выбраны именно эти типы визуализации, так как они лучше всего демонстрируют соответствующие им данные и поддаются наиболее понятной интерпретации зрителем.
Генерация, которой вдохновлено цветовое решение проекта
При создании иллюстративного ряда к проекту, было сгенерировано изображение горящей улицы Калифорнии, которая, как мне показалось, идеально передает противоречивые чувства, возникающие при осмыслении катастрофичности подобных событий.
Поэтому было решено с помощью Adobe Color извлечь основные цвета картинки и основывать будущее оформление графиков и диаграмм на них, как основных акцентных оттенках.
Цветовая палитра
График 1
Первым делом я решила изучить и проанализировать динамику роста/снижения зафиксированных случаев лесных пожаров на протяжении последнего десятилетия. Рассмотрев данный линейный график и визуально его оценив, я не обнаружила однозначного стремления вверх или вниз, скорее ему характерны постоянные колебания и изменения. Это опровергает гипотезу о постоянном возрастании количества пожаров. Самый высокий пик возгораний, согласно графику, отмечается в 2014 и 2021 годах.
Можно сделать вывод, что количество лесных пожаров в регионе сильно варьируется и не обладает особенной стабильностью или предсказуемостью. Количество пожаров зависит от экстремальности конкретного сезона не имеет тенденции все время расти.
График 2
Совершенно необходимо было проанализировать причины возникновения возгорания. На основе, получившейся круговой диаграммы можно сделать вывод, что основным поводом является человеческий фактор, к этой категории относятся такие частные случаи, как непотушенные костры, брошенные окурки и даже умышленные поджоги. Второе место разделяют молнии и случаи, когда установить точную причину возникновения пожара не представляется возможным.
Таким образом, большинство возгораний происходит по вине человека, что указывает на существенный потенциал их предотвращения в будущем, благодаря ответственному регулированию территорий и просвещению общественности о мерах предосторожности.
Круговая Диаграмма
График 3
Чтобы выяснить какая из причин возгораний наиболее разрушительная, я сгруппировала данные по причинам и рассчитала среднее значение по трем ключевым метрикам. Анализируя получившуюся визуализацию по столбчатым диаграммам, можно заметить, что в нанесенном ущербе и количестве разрушенных домов молнии лидируют, хотя и не являются самой частой причиной возгорания, за ними следует категория с неизвестной причиной, а завершающим становится человеческий фактор. Однако интересно, что при рассмотрении охватываемой огнем территории, он наоборот превышает остальные показатели. И, в общем, этому критерию характерны обратная последовательность причин.
Вертикальные столбчатые диаграммы
График 4
Чтобы спрогнозировать риски возгорания по временному критерию, проанализируем данные о возгораниях в разные сезоны. Я распределила по двум осям месяцы и года и рассмотрев получившуюся температурную карту, можно решительно заявить, что наибольшее количество лесных пожаров в Калифорнии возникает в период с августа по октябрь. Этот паттерн прослеживается особенно ярко в более недавние года. Например, самое большое указанное значение относится к октябрю 2018 года.
Получается, что существует довольно выраженный сезон наибольшей опасности, можно предположить, что он совпадает с периодом активных ветров в регионе из-за которых стремительно возрастает количество случаев возгораний, так как ветры их распространяют.
Температурная карта
График 5
Безусловно, в определенных территориях пожары возникают чаще чем в других, ущерб который они приносят также распределяется по карте неравномерно. Чтобы найти места максимально страдающие от огня я просуммировала ущерб по каждому округу и отсортировала результаты.
Больше всего не повезло округу Shasta County и Butte County, там убытки сильно выше тех, что в остальных местах и составляют более 35000 миллионов долларов. Эти округа несут на себе основную долю убытков и они требуют большого сфокусированного внимания властей в восстановлении разрушений. Топ-5 закрывает Sonoma County с убытками, превышающими 20000 миллионов долларов.
Горизонтальная столбчатая диаграмма
График 6
Размышляя о пожарах, я решила выдвинуть, как мне показалось, довольно логичную гипотезу о том, что, чем больше площадь возгорания, тем больше ущерб. Однако, попытка найти взаимосвязь между данными критериями, на удивление, не увенчалась успехом или положительным результатом. Была составлена точечная диаграмма рассеяния. При ее рассмотрении, можно увидеть, что корреляции между этими факторами практически нет, она ничтожно мала и значимой ее считать не представляется возможным.
Могу предположить, что лучшим предсказателем ущерба были бы плотность и стоимости застройка на возгораемой территории, так как одинаковый по площади пожар у дорогостоящей недвижимости и в лесу, безусловно, обошелся бы в разные суммы, но этих данных в датасете не представлено.
Точечная диаграмма
Итоги
Итак, мы рассмотрели основные причины калифорнийских лесных пожаров, узнали какие причину влекут за собой наибольшие последствия, поняли, что количество пожаров постоянно меняется, узнали в какое время года и где территориально мы подвержены наибольшей опасности и отметили, что площадь возгорания не влияет на денежно исчисляемый ущерб.
Описание применения генеративной модели
DeepSeek — генерация кода для визуализации данных
К запросам была прикреплена, рассматриваемая база данных. Промпты для всех диаграмм построены так: «Напиши лаконичный код для диаграммы (название диаграммы), представленной как (тип диаграммы), показывающая (параметры диаграммы), основываясь на предоставленном файле. Цвет фона 978B83, основные акцентные и доп. цвета F2AFA0, 535473, 9CB0D9, D95A2B. Переводи надписи на русский язык.»
Qwen — генерация обложки и всех изображений
Adobe Color — генерация цветовой палитры на основе загруженного изображения
