论文部分内容阅读
黑龙江省是我国森林大省,也是林火多发区域,林火对黑龙江省的林业资源造成了巨大的破坏,是全国森林防火的重点省份,年均森林过火面积居全国之首,是火灾危害最严重的地区,潜在林火危害预测的研究对于黑龙江省的林火预测预报具有重要的意义。本文主要研究和结果以下:(1)根据黑龙江省森林植被特点和气候特点,将黑龙江省划分成两个研究区域:寒温带针叶林区和温带针阔混交林区;研究时段:寒温带针叶林区为4月份至6月份和10月份,温带针阔混交林区为3月份至6月份和10月份,这些时段是黑龙江省森林火灾的多发期。不同区域和不同时段的森林植被特征有很大差异,对于林火发生与林火蔓延是不同的,说明按不同区域和不同时段分别进行研究是合理的。(2)通过1980年至2003年黑龙江省森林火灾统计数据和气象数据,利用多元回归理论建立了森林火灾面积预测模型,该模型是非线性模型,选取的自变量为当日的平均风速、相对湿度和当日平均温度,该预测模型是在降雨量为0mm的情况下适用的,模型中因变量选取的不是火灾面积,而是林地过火面积等级,通过林地过火面积等级可以反映林火的危害程度,并用2001年和2003年的黑龙江省森林火灾统计数据检验,正确率达63.3%。说明用林地过火面积等级来预测潜在林火危害程度是可行的,因此该模型可以作为潜在林火危害等级预测模型。(3)给出了林火危害强度的概念;通过1980年至2003年黑龙江省森林火灾统计数据和气象数据,利用微分方程理论建立了林火危害强度预测模型,该模型是在降雨量为0mm的情况下,选用的自变量是当日的平均风速、相对湿度和当日平均温度。用林火危害强度可以真实反映林火危害程度,通过检验,寒温带针叶林区正确率为65%,温带针阔混交林区正确率为72.7%;并给出了林火危害强度等级划分标准,因此用林火危害强度预测模型可以预测黑龙江省短期潜在林火危害程度。(4)建立了一个由输入层是4个神经元、隐层是9个神经元和输出层是1个神经元的BP神经网络,该网络较好地模拟出林地过火面积与当日的平均风速、相对湿度、当日平均温度和燃烧时间之间内在关系,并由此给出基于BP神经网络的林火危害强度模型,说明神经网络技术在林火预测预报中是一个重要的工具。(5)通过统计分析可知春季防火初期的林火危害强度与之前冬季平均风速、降雪量、平均相对湿度和平均温度之间有一定的相关性,本文利用多元回归理论建立了它们之间关系的线性模型,这里寒温带针叶林区冬季选择的是10月份至3月份,温带针阔混交林区冬季选择的是11月份至2月份。以及建立了春季防火期各月份林火危害强度之间的关系模型,这些模型整体构成春季潜在林火危害强度模型,实际验证预测结果与实际值较为接近,说明本文选择的变量和选择的模型是合理的,可以用来做长期潜在林火危害强度预报模型。(6)本文利用地理信息系统技术建立了“黑龙江省森林火灾危害等级预报系统”,该系统把气象数据库和林火危害强度模型相连接,建立识别模型,通过输入全省各县级行政区域防火期内当日的气象数据,就可预测当日潜在林火危害强度等级,并使之可视化。