论文部分内容阅读
摘要 利用江西省2003—2018年全省林火数据，探讨江西省林火发生的时空变化及对应气象影响因子的特征，并建立出包含气象要素变量的林火预测模型。结果发现，江西火点主要集中在赣南地区，2007—2009年期间森林火灾多发，冬季1—3月易发生森林火灾。通过逐步回归的方法选取10个显著相关的气象要素变量进行林火预测模型的建立。模型对林火和非林火的预测概率分别为85.1%和38.8%，预测总准确率可达65.6%，使用井冈山地区林火数据代入模型进行验证，模型对井冈山区域的林火发生预测准确率为84%，研究结果可为当地林火预报服务及森林防灾减灾决策提供技术支持。
关键词 森林气象火险;预测模型;等级区划;预报服务
中图分类号：S762.1 文献标识码：B 文章编号：2095–3305（2021）04–0120–04
由于森林被肆意砍伐，地球自然资源被无度索取，造成生态环境的严重破坏，全球温室效应影响日益严峻，气候异常增暖，森林火灾次数显著增加，损失惨重。王学祥等[1]曾提出森林火灾会给生态环境造成毁灭性的影响，防灾减灾难度大。多年来，我国采取多项举措保护生态环境，坚决杜绝发生森林火灾。刘发林等[2]对自然保护区森林防火现状进行剖析，指出了人为产生的非生产性用火是造成森林火灾的主要元凶。何锐[3]表示只有充分做好森林防灾减灾工作，建立完善的防火机制，才能有效地抑制林火的发生。李黎立等[4]提出了科学防火的重要性，表示监测手段落后是森林防火工作的一个主要问题。实际上在科学防控方面，专家学者都进行了大量细致的研讨，梁慧玲等[5]运用随机森林算法提出了日最高气温、日最高地表气温、日最低地表气温、日最小相对湿度、日照时数等5个气象要素是导致林火发生的主要驱动因子。叶更新等[6]给出了对于火险等级的预报，运用非线性回归方法得出了可燃物含水率与温度和风速成负相关，与相对湿度成正相关。祝必琴等[7]分析了江西省井冈山地区1991—2000年森林火灾与气象条件的相关性。
井冈山位于江西省西南部，是全省乃至全国重要的红色教育基地，森林植被覆盖率高，一旦出现火灾，会毁灭生态环境资源，尤其是珍贵树种，而且还会破坏自然景观、园林古文化、红色文化。因此，建立适宜的森林火险等级划分标准和预报模型对于预防森林火灾的发生、减少火灾造成的经济损失和保护森林生态系统具有重要意义。本课题应用与林火发生显著相关的气象要素变量建立林火预测模型，计算林火可能发生的概率，并对森林气象火险进行区划，研究结果可为当地林火预报服务及森林防灾减灾决策提供参考和相应的技术支持。
1 资料与方法
1.1 资料
火点数据来源于江西省气象科学研究所，包括2003—2018年江西省火点的地理坐标和起火时间，从中可筛选出1 037次林火。气象数据取自江西气象站常规观测数据。将火点数据作为模型的因变量，气象数据作为自变量，再按比例选取一部分非火点作为随机点，最终组合火点和非火点数据作为模式拟合的总样本。最终提取获得与火点匹配的有效气象数据5 995组。
1.2 方法
按照苏漳文等[8]的研究方法，总样本被分为建模部分和校驗部分，包含已知森林火点和气象随机点。分别对两种样本进行多次模拟拟合，剔除不显著的变量后，出现显著相关的10个变量将参与全样本模型拟合。通过ROC曲线拟合优度检验模型的预测能力，根据最终结果建立概率模型，代入井冈山地区已发生的林火样本数据进行验证，进而得出能预测井冈山地区火险概率的模型。再用ROC中敏感性和特异性计算约登指数，得出林火发生概率的临界值。最后将计算得出的预测概率用Kriging方法进行空间分布插值，求出模型拟合过程中的阈值均值，并对火险概率进行区划。
2 结果与分析
2.1 江西林火发生的时空特征
根据江西省2003—2018年林火空间火点分布图可知，江西火点主要集中在赣南地区（图1）。江西地貌以海拔100～500 m的丘陵、山地为主，占总土地面积65.4%，其主要分布在江西省南部，森林植被覆盖面积广，火点分布较为密集。赣北地区相较于赣南地区火点分布较少，这是因为北部为鄱阳湖平原，地势平坦，且鄱阳湖周围城市化进程高，林火发生次数少，例如南昌市16年间只发生两起林火。以丘陵地貌为主的上饶市火点分布相对于赣北其他地区更密集。
从2003—2018年江西省林火时间变化特征图（图2）中可以看出，江西省林火年变化总体表现出先升后降的波动，其中峰值年出现在2007—2009年间，仅2009年全省林火次数就高达361次;然而2015年全省仅记录到一次有效林火（图2）。同时，林火发生次数还具有显著的月变化规律，暖季的5—9月几乎没有森林火灾发生，此时为江西省汛期，显而易见降水次数、空气相对湿度、土壤含水量、植被含水量等均与林火发生有强烈的相关性;进入冷季后火灾发生次数有所增加，其中，冬季1—3月易发森林火灾，除了季节性气象条件改变外，可能还存在人为引发林火的可能性，如春节祭祀和庆祝活动、农业活动等。总体来说，人为因素虽有干扰，与林火息息相关的还是气象因子。因此，将进一步探讨气象因子的影响机制并建立林火发生概率与气象因子相关的判断模型。
2.2 林火发生时气象特征
图3是2003—2018年15年间江西省林火发生时的主要气象要素频率分布图，包括日平均温度、日最高温度、日平均相对湿度、日蒸发量、日最高地面温度和日平均气压，所有气象要素均呈现出单峰分布特征。结果表明，发生林火的平均温度峰值在10℃～16℃，在12℃～14℃范围内达到频率最大值，占总体的14.4%;日最高气温在20℃～24℃的范围内达到最大峰值，最大频率占比达到16.4%，然而在26℃～30℃间仍有一个次峰值，占比高达11.1%～12.8%。林火发生时相对湿度范围在15%～95%之间，环境湿度较为干燥，最大峰值出现在50%～60%，仅这一范围的累计频率占比就达到35.7%，而在相对湿度大于80%的区间内的累计频率占比仅为1.1%，这表明高的相对湿度环境是规避林火发生的一个重要条件。林火发生时，蒸发量较小，蒸发量峰值在3～4 mm区间内达到频率25%的峰值，峰值过后，蒸发量和频率逐渐呈负相关。从地面最高温度的频率分布可以发现，30℃～40℃区间内的占比超过总体的一半，这一范围的累计占比超过50%。 2.3 林火模型的建立
使用SPSS软件和Logistic模型将所有的训练样本进行拟合，总样本被分为建模部分和校验部分，其包含已知森林火点和气象随机点。其后应用逐步回归的方法对模型参数进行选择，在剔除不显著的变量后，最终选取10个显著相关（α=0.01）的气象变量，分别为观测站的平均气压、日最高气压、日最低气压、平均气温、日最高气温、日最低气温、平均相对湿度、蒸发量、日最低地表气温、日照时间，参与模型拟合。
利用ROC曲线，其目的是通过拟合优度检验模型的预测能力，进而估算出森林火点发生的最优临界值。ROC曲线图由图4所示，计算得到ROC 曲线下的面积（AUC值）为0.662～0.693，标准误差为0.008，这表明Logistic模型的拟合水平较高，且具有统计学上的意义（显著性水平P<0.0001），可满足江西省井冈山森林火险气象平台的林火预测预报业务中。根据图4曲线的坐标值可以求得各个坐标点的约登指数（敏感性+特异性-1），其中林火发生的最佳阈值可由约登指数的最大值来代表。通过本次模型的ROC检验最终结果分析发现，Logistic模型的拟合效果较好（AUC值为0.68），全样本数据模型最优临界值为0.275。模型对林火和非林火的预测概率为85.1%和38.8%，总预测概率为65.6%。模型对火点的预测准确率明显优于非火点的，能够很好地应用于林火预警预报业务中。
根据模型因子相关参数结果（表1），可以得到概率模型为：
LogitP=ln（P/1-P）=5.259+0.386 x1-0.217x2-0.174x3-0.321x4+0.255x5+0.10
7x6-0.05x7-0.144x8+0.05x1+0.162x10
式中，P为林火发生概率，x1为平均气压，x2为日最高气压，x3为日最低气压，x4为平均气温，x5为日最高气温，x6为日最低气温，x7为平均相对湿度，x8为蒸发量，x9为日最低地表气温，x10为日照时间。
转换得到林火发生的概率公式为：
2.4 森林火险预测与等级划分个例
根据林火发生的概率模型，最后将计算得出的预测概率用Kriging方法进行空间分布插值（图5），求出模型拟合过程中阈值均值为0.275，并参照其他相关研究以该均值和0.500为分类点，对全省森林火险概率进行区划，其中小于0.275为低火险区，0.275～0.500为中火险区，大于0.500为高火险区。
这一组随机点的火险等级划分结果如图6所示。由图6可知，此次随机点的森林火险模型与此结果显示全省各市均有高火险等级落区，说明全省森林火险等级较高，需加强防范管理高火险地区的用火安全。
2.5 井冈山区域森林火险验证
表2为根据江西省林火发生模型计算得到井冈山地区林火发生概率，其中输入的气象要素为已知火点附近50 km的气象数据。以阈值0.275和0.500為分类标准，其林火发生的预测准确率为84%，具备统计学意义，代表此模型可用于井冈山地区林火预测。
3 结论
利用2003—2018年江西省林火数据和林火对应的气象站每日的气象数据，研究了江西省林火发生的空间特征、时间变化及林火发生时的气象特征，选取10个显著相关的气象要素变量进行林火预测模型的建立，并对计算出的林火预测概率进行空间分布插值区划。模型对井冈山区域的林火发生预测准确率较高，研究结果可对当地林火预报服务及森林防灾减灾决策提供技术支持。
（1）江西火点主要集中在森林植被覆盖率高的地区，例如赣南地区、上饶地区。江西省林火年变化有波动，峰值年出现在2007—2009年间，仅2009年全省林火次数就高达361次;冬季1—3月易发森林火灾。降水次数、空气相对湿度、气温、土壤含水量、植被含水量等均与林火发生有强烈的相关性。
（2）运用气象观测站平均气压、日最高气压、日最低气压、平均气温、日最高气温、日最低气温、平均相对湿度、蒸发量、日最低地表气温、日照时间10个显著相关变量参与全样本Logistic模型拟合。结果表明，模型对林火和非林火的预测概率分别为85.1%和38.8%，总预测概率达65.6%。Logistic模型的拟合水平较高（AUC值为0.68）且具有统计学上的意义（显著性水平P<0.0001）。可将模型运用于江西林火的预测预报预测业务中。此外，此模型对井冈山地区林火预测准确率高达84%，具备统计学意义，亦可用于井冈山地区的林火防控管理和预警预报业务中。
参考文献
[1] 王学祥，曲智林.基于空间数据分析黑龙江森林火灾空间关联性[J].哈尔滨商业大学学报：自然科学版， 2016， 32（3）： 381-384.
[2] 刘发林，张思玉.自然保护区森林防火对策探讨[J].林业经济问题，2009，29（5）： 392-394.
[3] 何锐.森林防火现状及火灾控制措施[J].生物技术世界，2016（2）：41.
[4] 李黎立，蒋健，杜连海.北京松山国家级自然保护区森林防火现状与对策[J].四川林勘设计，2013（4）：52-54.
[5] 梁慧玲，孙锋锋，丁桂芹.基于随机森林算法的福建林火发生驱动因子分析[J].信息系统工程，2019（9）：146-148，150.
[6] 叶更新，叶希莹.林下可燃物含水率预测的一个多项式气象模型[J].东北林业大学学报，2011，39（9）：65-68.
[7] 祝必琴，刘家胜，肖金香.井冈山森林火灾与气象条件的相关分析[J].气象与减灾研究，2007（4）：65-68.
[8] 苏漳文，刘爱琴，梁慧玲，等.基于气象因子的福建省森林火险预测模型[J].森林与环境学报，2015，35（4）：370-376.
责任编辑：黄艳飞
关键词 森林气象火险;预测模型;等级区划;预报服务
中图分类号：S762.1 文献标识码：B 文章编号：2095–3305（2021）04–0120–04
由于森林被肆意砍伐，地球自然资源被无度索取，造成生态环境的严重破坏，全球温室效应影响日益严峻，气候异常增暖，森林火灾次数显著增加，损失惨重。王学祥等[1]曾提出森林火灾会给生态环境造成毁灭性的影响，防灾减灾难度大。多年来，我国采取多项举措保护生态环境，坚决杜绝发生森林火灾。刘发林等[2]对自然保护区森林防火现状进行剖析，指出了人为产生的非生产性用火是造成森林火灾的主要元凶。何锐[3]表示只有充分做好森林防灾减灾工作，建立完善的防火机制，才能有效地抑制林火的发生。李黎立等[4]提出了科学防火的重要性，表示监测手段落后是森林防火工作的一个主要问题。实际上在科学防控方面，专家学者都进行了大量细致的研讨，梁慧玲等[5]运用随机森林算法提出了日最高气温、日最高地表气温、日最低地表气温、日最小相对湿度、日照时数等5个气象要素是导致林火发生的主要驱动因子。叶更新等[6]给出了对于火险等级的预报，运用非线性回归方法得出了可燃物含水率与温度和风速成负相关，与相对湿度成正相关。祝必琴等[7]分析了江西省井冈山地区1991—2000年森林火灾与气象条件的相关性。
井冈山位于江西省西南部，是全省乃至全国重要的红色教育基地，森林植被覆盖率高，一旦出现火灾，会毁灭生态环境资源，尤其是珍贵树种，而且还会破坏自然景观、园林古文化、红色文化。因此，建立适宜的森林火险等级划分标准和预报模型对于预防森林火灾的发生、减少火灾造成的经济损失和保护森林生态系统具有重要意义。本课题应用与林火发生显著相关的气象要素变量建立林火预测模型，计算林火可能发生的概率，并对森林气象火险进行区划，研究结果可为当地林火预报服务及森林防灾减灾决策提供参考和相应的技术支持。
1 资料与方法
1.1 资料
火点数据来源于江西省气象科学研究所，包括2003—2018年江西省火点的地理坐标和起火时间，从中可筛选出1 037次林火。气象数据取自江西气象站常规观测数据。将火点数据作为模型的因变量，气象数据作为自变量，再按比例选取一部分非火点作为随机点，最终组合火点和非火点数据作为模式拟合的总样本。最终提取获得与火点匹配的有效气象数据5 995组。
1.2 方法
按照苏漳文等[8]的研究方法，总样本被分为建模部分和校驗部分，包含已知森林火点和气象随机点。分别对两种样本进行多次模拟拟合，剔除不显著的变量后，出现显著相关的10个变量将参与全样本模型拟合。通过ROC曲线拟合优度检验模型的预测能力，根据最终结果建立概率模型，代入井冈山地区已发生的林火样本数据进行验证，进而得出能预测井冈山地区火险概率的模型。再用ROC中敏感性和特异性计算约登指数，得出林火发生概率的临界值。最后将计算得出的预测概率用Kriging方法进行空间分布插值，求出模型拟合过程中的阈值均值，并对火险概率进行区划。
2 结果与分析
2.1 江西林火发生的时空特征
根据江西省2003—2018年林火空间火点分布图可知，江西火点主要集中在赣南地区（图1）。江西地貌以海拔100～500 m的丘陵、山地为主，占总土地面积65.4%，其主要分布在江西省南部，森林植被覆盖面积广，火点分布较为密集。赣北地区相较于赣南地区火点分布较少，这是因为北部为鄱阳湖平原，地势平坦，且鄱阳湖周围城市化进程高，林火发生次数少，例如南昌市16年间只发生两起林火。以丘陵地貌为主的上饶市火点分布相对于赣北其他地区更密集。
从2003—2018年江西省林火时间变化特征图（图2）中可以看出，江西省林火年变化总体表现出先升后降的波动，其中峰值年出现在2007—2009年间，仅2009年全省林火次数就高达361次;然而2015年全省仅记录到一次有效林火（图2）。同时，林火发生次数还具有显著的月变化规律，暖季的5—9月几乎没有森林火灾发生，此时为江西省汛期，显而易见降水次数、空气相对湿度、土壤含水量、植被含水量等均与林火发生有强烈的相关性;进入冷季后火灾发生次数有所增加，其中，冬季1—3月易发森林火灾，除了季节性气象条件改变外，可能还存在人为引发林火的可能性，如春节祭祀和庆祝活动、农业活动等。总体来说，人为因素虽有干扰，与林火息息相关的还是气象因子。因此，将进一步探讨气象因子的影响机制并建立林火发生概率与气象因子相关的判断模型。
2.2 林火发生时气象特征
图3是2003—2018年15年间江西省林火发生时的主要气象要素频率分布图，包括日平均温度、日最高温度、日平均相对湿度、日蒸发量、日最高地面温度和日平均气压，所有气象要素均呈现出单峰分布特征。结果表明，发生林火的平均温度峰值在10℃～16℃，在12℃～14℃范围内达到频率最大值，占总体的14.4%;日最高气温在20℃～24℃的范围内达到最大峰值，最大频率占比达到16.4%，然而在26℃～30℃间仍有一个次峰值，占比高达11.1%～12.8%。林火发生时相对湿度范围在15%～95%之间，环境湿度较为干燥，最大峰值出现在50%～60%，仅这一范围的累计频率占比就达到35.7%，而在相对湿度大于80%的区间内的累计频率占比仅为1.1%，这表明高的相对湿度环境是规避林火发生的一个重要条件。林火发生时，蒸发量较小，蒸发量峰值在3～4 mm区间内达到频率25%的峰值，峰值过后，蒸发量和频率逐渐呈负相关。从地面最高温度的频率分布可以发现，30℃～40℃区间内的占比超过总体的一半，这一范围的累计占比超过50%。 2.3 林火模型的建立
使用SPSS软件和Logistic模型将所有的训练样本进行拟合，总样本被分为建模部分和校验部分，其包含已知森林火点和气象随机点。其后应用逐步回归的方法对模型参数进行选择，在剔除不显著的变量后，最终选取10个显著相关（α=0.01）的气象变量，分别为观测站的平均气压、日最高气压、日最低气压、平均气温、日最高气温、日最低气温、平均相对湿度、蒸发量、日最低地表气温、日照时间，参与模型拟合。
利用ROC曲线，其目的是通过拟合优度检验模型的预测能力，进而估算出森林火点发生的最优临界值。ROC曲线图由图4所示，计算得到ROC 曲线下的面积（AUC值）为0.662～0.693，标准误差为0.008，这表明Logistic模型的拟合水平较高，且具有统计学上的意义（显著性水平P<0.0001），可满足江西省井冈山森林火险气象平台的林火预测预报业务中。根据图4曲线的坐标值可以求得各个坐标点的约登指数（敏感性+特异性-1），其中林火发生的最佳阈值可由约登指数的最大值来代表。通过本次模型的ROC检验最终结果分析发现，Logistic模型的拟合效果较好（AUC值为0.68），全样本数据模型最优临界值为0.275。模型对林火和非林火的预测概率为85.1%和38.8%，总预测概率为65.6%。模型对火点的预测准确率明显优于非火点的，能够很好地应用于林火预警预报业务中。
根据模型因子相关参数结果（表1），可以得到概率模型为：
LogitP=ln（P/1-P）=5.259+0.386 x1-0.217x2-0.174x3-0.321x4+0.255x5+0.10
7x6-0.05x7-0.144x8+0.05x1+0.162x10
式中，P为林火发生概率，x1为平均气压，x2为日最高气压，x3为日最低气压，x4为平均气温，x5为日最高气温，x6为日最低气温，x7为平均相对湿度，x8为蒸发量，x9为日最低地表气温，x10为日照时间。
转换得到林火发生的概率公式为：
2.4 森林火险预测与等级划分个例
根据林火发生的概率模型，最后将计算得出的预测概率用Kriging方法进行空间分布插值（图5），求出模型拟合过程中阈值均值为0.275，并参照其他相关研究以该均值和0.500为分类点，对全省森林火险概率进行区划，其中小于0.275为低火险区，0.275～0.500为中火险区，大于0.500为高火险区。
这一组随机点的火险等级划分结果如图6所示。由图6可知，此次随机点的森林火险模型与此结果显示全省各市均有高火险等级落区，说明全省森林火险等级较高，需加强防范管理高火险地区的用火安全。
2.5 井冈山区域森林火险验证
表2为根据江西省林火发生模型计算得到井冈山地区林火发生概率，其中输入的气象要素为已知火点附近50 km的气象数据。以阈值0.275和0.500為分类标准，其林火发生的预测准确率为84%，具备统计学意义，代表此模型可用于井冈山地区林火预测。
3 结论
利用2003—2018年江西省林火数据和林火对应的气象站每日的气象数据，研究了江西省林火发生的空间特征、时间变化及林火发生时的气象特征，选取10个显著相关的气象要素变量进行林火预测模型的建立，并对计算出的林火预测概率进行空间分布插值区划。模型对井冈山区域的林火发生预测准确率较高，研究结果可对当地林火预报服务及森林防灾减灾决策提供技术支持。
（1）江西火点主要集中在森林植被覆盖率高的地区，例如赣南地区、上饶地区。江西省林火年变化有波动，峰值年出现在2007—2009年间，仅2009年全省林火次数就高达361次;冬季1—3月易发森林火灾。降水次数、空气相对湿度、气温、土壤含水量、植被含水量等均与林火发生有强烈的相关性。
（2）运用气象观测站平均气压、日最高气压、日最低气压、平均气温、日最高气温、日最低气温、平均相对湿度、蒸发量、日最低地表气温、日照时间10个显著相关变量参与全样本Logistic模型拟合。结果表明，模型对林火和非林火的预测概率分别为85.1%和38.8%，总预测概率达65.6%。Logistic模型的拟合水平较高（AUC值为0.68）且具有统计学上的意义（显著性水平P<0.0001）。可将模型运用于江西林火的预测预报预测业务中。此外，此模型对井冈山地区林火预测准确率高达84%，具备统计学意义，亦可用于井冈山地区的林火防控管理和预警预报业务中。
参考文献
[1] 王学祥，曲智林.基于空间数据分析黑龙江森林火灾空间关联性[J].哈尔滨商业大学学报：自然科学版， 2016， 32（3）： 381-384.
[2] 刘发林，张思玉.自然保护区森林防火对策探讨[J].林业经济问题，2009，29（5）： 392-394.
[3] 何锐.森林防火现状及火灾控制措施[J].生物技术世界，2016（2）：41.
[4] 李黎立，蒋健，杜连海.北京松山国家级自然保护区森林防火现状与对策[J].四川林勘设计，2013（4）：52-54.
[5] 梁慧玲，孙锋锋，丁桂芹.基于随机森林算法的福建林火发生驱动因子分析[J].信息系统工程，2019（9）：146-148，150.
[6] 叶更新，叶希莹.林下可燃物含水率预测的一个多项式气象模型[J].东北林业大学学报，2011，39（9）：65-68.
[7] 祝必琴，刘家胜，肖金香.井冈山森林火灾与气象条件的相关分析[J].气象与减灾研究，2007（4）：65-68.
[8] 苏漳文，刘爱琴，梁慧玲，等.基于气象因子的福建省森林火险预测模型[J].森林与环境学报，2015，35（4）：370-376.
责任编辑：黄艳飞