蘇漳文，宋禹輝，郭福濤，楊婷婷，王文輝，劉愛琴（福建農(nóng)林大學(xué)，福州，350002）

?

地形環(huán)境因素對(duì)塔河林業(yè)局人為森林火災(zāi)發(fā)生的影響

蘇漳文，宋禹輝，郭福濤＊，楊婷婷，王文輝，劉愛琴＊
（福建農(nóng)林大學(xué)，福州，350002）

摘要：應(yīng)用1974年—2009年間人為火的空間地理坐標(biāo)，結(jié)合研究地的基礎(chǔ)地理信息及矢量化林相圖，應(yīng)用Arc－GIS10．0中的空間分析工具和SPSS19．0的邏輯斯蒂回歸模型深入分析地形環(huán)境因素對(duì)人為火發(fā)生的影響。研究結(jié)果表明“到鐵路距離”對(duì)人為火的影響顯著，其次，在1∶1和1∶3選取隨機(jī)點(diǎn)條件下人為火發(fā)生分別與“優(yōu)勢(shì)樹種”和“林型”顯著相關(guān)。本文研究顯示在運(yùn)用“隨機(jī)點(diǎn)”方法進(jìn)行相關(guān)性分析時(shí)，隨機(jī)點(diǎn)選取數(shù)量對(duì)模型擬合結(jié)果有一定影響。

關(guān)鍵詞：北方針葉林；塔河地區(qū)；人為火；地形環(huán)境；邏輯斯蒂回歸

0　引言

森林火災(zāi)（包括雷擊火和人為火）是北方針葉林中十分重要的生態(tài)干擾因子，影響森林更新和演替［1］。此外，林火還會(huì)直接導(dǎo)致森林資源和人民生命財(cái)產(chǎn)損失，也會(huì)大大增加森林經(jīng)營管理成本［2］。我國每年發(fā)生大約10，000次火災(zāi)，年均過火面積為820，000公頃［3］。在森林火災(zāi)中，人為火（由于人類活動(dòng)或人為基礎(chǔ)設(shè)施而引起的火災(zāi)）占很大比重［4，5］。位于北美阿拉斯加的北方針葉林帶，人為火比重也很大，年均發(fā)生次數(shù)約占到總森林火災(zāi)60%以上，過火面積由于人為撲救措施和技術(shù)手段的進(jìn)步，近年來呈遞減趨勢(shì)從38%（1950年—1959年）到5%（2000年—2005年），但火災(zāi)次數(shù)卻一直居高不下［6］。我國南方地區(qū)人為火比重也非常大，個(gè)別省份也可達(dá)到90%以上［7］。但由于南方全年濕度和降水量較大，人為火發(fā)生后如及時(shí)進(jìn)行撲救，不容易造成大面積森林損失。而塔河位于我國大興安嶺地區(qū)，其植被和氣候特征與加拿大及美國北方針葉林帶十分相似，林分樹種組成多為針葉林，可燃性較強(qiáng)。秋季區(qū)域氣候較為干旱，一旦發(fā)生森林火災(zāi)，撲救難度很大，容易造成大面積森林損失。統(tǒng)計(jì)表明塔河地區(qū)人為火的比重大約占到60%以上［8］。

目前關(guān)于該地區(qū)人為火的研究，主要分為空間分布格局研究［9－11］和氣象因素影響研究［12－14］兩個(gè)方向。然而，國外很多研究表明，地形、林分特征等因素對(duì)人為火的發(fā)生同樣具有顯著的影響［15－19］。但由于研究地空間地理數(shù)據(jù)和林分調(diào)查數(shù)據(jù)的缺乏，國內(nèi)在探討該地區(qū)立地條件、地理因素對(duì)人為火影響的問題中還存在一些不確定性。本文在收集整理包含立地條件和地理因素（包括坡度、坡向等地形因素以及植被、腐質(zhì)層厚度、地被物蓋度等環(huán)境因素）在內(nèi)的塔河地區(qū)林相圖基礎(chǔ)上，應(yīng)用ArcGIS10．0中的空間分析工具和SPSS19．0的邏輯斯蒂回歸模型對(duì)影響人為火發(fā)生的主要立地條件和地理因素進(jìn)行分析，研究結(jié)論為進(jìn)一步解釋該區(qū)域人為火發(fā)生的主導(dǎo)因素提供依據(jù)。

1　研究地區(qū)與研究方法

1．1 研究區(qū)概況

塔河地區(qū)位于我國黑龍江大興安嶺林區(qū)，屬于典型的北方針葉林帶，具有植物多樣性低、喬木組成樹種非常簡(jiǎn)單等特點(diǎn)。植被以興安落葉松林和白樺林為主。屬寒溫帶季風(fēng)氣候，年均氣溫－2℃～4℃，年降水量350 mm～500 mm，相對(duì)濕度70%～75%。年積雪期達(dá)5個(gè)月，林內(nèi)積雪深可達(dá)30cm ～50cm。歷史上塔河地區(qū)是火災(zāi)多發(fā)區(qū)，人為火源和雷擊火源共同存在，從次數(shù)來說，人為火約占火災(zāi)總數(shù)的2／3。從面積來說，雷擊火的過火面積高于人為火。該地區(qū)人為火在空間尺度上多呈現(xiàn)聚集分布，且多集中在鐵路和居民區(qū)附近，時(shí)間尺度上多集中在5月至9月，其中5月和6月是人為火高發(fā)期［8，20］。

圖1　研究區(qū)域示意圖Fig．1 Sketch map of the study area

1．2 數(shù)據(jù)獲取

林火發(fā)生數(shù)據(jù)來源于大興安嶺地區(qū)塔河縣森林防火辦公室。數(shù)據(jù)包括1974年—2009年塔河地區(qū)林火發(fā)生情況（起火地理坐標(biāo)、起火原因、發(fā)生時(shí)間、過火面積等）。本文提取出歷年人為火發(fā)生的經(jīng)緯度坐標(biāo)。研究中所需基礎(chǔ)地理地形圖和矢量化林相圖等數(shù)據(jù)來源于東北林業(yè)大學(xué)森林經(jīng)理教研室（http：／／forestry．nefu．edu．cn／dlxx／msg．php？c＝13）。1∶100萬的基礎(chǔ)地理圖和矢量化林相圖數(shù)據(jù)庫分別建于2000年和2003年。其中林相圖數(shù)據(jù)庫精確到小班，并對(duì)林下植被類型和土壤條件進(jìn)行了很好的記錄，為本研究提供了有力的數(shù)據(jù)支持。本文參考國外相關(guān)研究［4，15，17，19］，并結(jié)合自身數(shù)據(jù)內(nèi)容，通過ArcGIS軟件運(yùn)用空間分析技術(shù)從獲取的林火及林分?jǐn)?shù)據(jù)庫中提取火點(diǎn)和隨機(jī)點(diǎn)到“河流”，“街區(qū)”，“鐵路”和“機(jī)耕路”等人為基礎(chǔ)設(shè)施距離為第一類非氣象因子。選取“林型”，“坡度”，“坡向”，“地被物蓋度”和“優(yōu)勢(shì)樹種”等林分和地形特征為第二類非氣象因子。

1．3 數(shù)據(jù)處理

1．3．1 數(shù)據(jù)集屬性表轉(zhuǎn)化與合并

本文應(yīng)用ArcGIS10．0對(duì)人為火數(shù)據(jù)與基礎(chǔ)地理和林相圖數(shù)據(jù)進(jìn)行空間分析，計(jì)算了火點(diǎn)到河流面、街區(qū)、鐵路、機(jī)耕路及等級(jí)公路的距離。并將林相圖中的字符型變量進(jìn)行屬性轉(zhuǎn)換以便進(jìn)行統(tǒng)計(jì)分析，包括坡向、林型、經(jīng)營措施和林下優(yōu)勢(shì)樹種（表1和表2），在給字符型因子附數(shù)值型屬性值時(shí)，以整數(shù)形式并以1為計(jì)數(shù)間隔。這些被賦予的屬性數(shù)值雖是人為定值，但它們的差異真實(shí)反應(yīng)了相對(duì)應(yīng)的字符型屬性變量的差異。因此在實(shí)際邏輯斯蒂模型運(yùn)算中，變量的顯著性水平能有效地說明該因子是否對(duì)人為火有顯著影響。此外，坡度級(jí)、地被物蓋度、齡級(jí)和郁閉度也是本文考慮的因子，但由于其本身以數(shù)值型記錄因此不需要進(jìn)行屬性轉(zhuǎn)換。為了建模分析（邏輯斯蒂回歸模型）影響人為火發(fā)生的關(guān)鍵因子，需要隨機(jī)創(chuàng)建一定數(shù)量（≥人為火數(shù)量）的非著火點(diǎn)（即沒有林火發(fā)生的點(diǎn)）與林火點(diǎn)一同進(jìn)行模型擬合。

本文分別按照火點(diǎn)與非火點(diǎn)1∶1和1∶3的比例創(chuàng)建非火點(diǎn)。非火點(diǎn)（即隨機(jī)點(diǎn)）的創(chuàng)建數(shù)量或比例，國際上并沒有統(tǒng)一的標(biāo)準(zhǔn)。有學(xué)者按照研究時(shí)間范圍內(nèi)平均火點(diǎn)數(shù)量選取非火點(diǎn)［21］，也有學(xué)者以非火點(diǎn)之間的最小距離為標(biāo)準(zhǔn)在整個(gè)研究區(qū)域內(nèi)選取隨機(jī)點(diǎn)［22］。這些方法各有利弊，但非火點(diǎn)的“隨機(jī)性”是選擇的基本原則。此外，由于實(shí)際情況往往是研究區(qū)域的火點(diǎn)空間分布少于或大大少于非火點(diǎn)，所以在隨機(jī)選取非火點(diǎn)時(shí)，其數(shù)量通常不能低于火點(diǎn)數(shù)量，這也是反應(yīng)了林火發(fā)生的客觀規(guī)律。本文選取兩種不同比例的隨機(jī)點(diǎn)，主要為了比較分析及探討隨機(jī)點(diǎn)數(shù)量的變化對(duì)研究結(jié)論的潛在影響。本文按照火點(diǎn)屬性表創(chuàng)建過程創(chuàng)建非火點(diǎn)屬性表，并將兩者合并。本文共選取15個(gè)因子進(jìn)行建模分

表1　林相圖屬性轉(zhuǎn)化屬性表ITable 1 The convert of attribute value of stock map I

表2　林相圖屬性轉(zhuǎn)化屬性表IITable 2 The convert of attribute value of stock map II

析，采用點(diǎn)數(shù)據(jù)處理方式，通過數(shù)據(jù)預(yù)處理（剔除屬性殘缺點(diǎn)）分別得到82和165個(gè)因變量數(shù)據(jù)點(diǎn)（表3＜樣本數(shù)＞）。

1．3．2 二項(xiàng)邏輯斯蒂回歸模型（Logistic regression model）

在Logistic回歸模型中，對(duì)兩類判別問題進(jìn)行取值。第一類為有林火發(fā)生，記為y＝1，第二類為無林火發(fā)生，y＝0。根據(jù)指標(biāo)可以建立LogitP關(guān)于自變量（相關(guān)林相屬性和火點(diǎn)到河流，鐵路，公路等設(shè)施距離）的Logistic回歸方程：

Logit P＝b0＋b1x1＋b2x2＋…＋bmxm（1）

得到概率估計(jì)公式：

根據(jù)估計(jì)概率進(jìn)行判別歸類，通常情況下，如果估計(jì)概率小于0．5，則認(rèn)為沒有林火發(fā)生，如果估計(jì)概率大于0．5，則認(rèn)為有林火發(fā)生；如果不進(jìn)行四舍五入對(duì)數(shù)值進(jìn)行取舍，一般不會(huì)出現(xiàn)恒等于0．5的情況。需要指出的是，關(guān)于這個(gè)林火的判別概率，國際上并沒有明確地規(guī)定，這主要根據(jù)研究者的實(shí)際工作和需求來劃定。更多情況是計(jì)算出區(qū)域的林火概率分布圖來指導(dǎo)實(shí)際林火管理工作。本文應(yīng)用SPSS19．0軟件進(jìn)行邏輯斯蒂回歸擬合。這種分析已廣泛應(yīng)用于林火發(fā)生的預(yù)測(cè)預(yù)報(bào)上［18，21，23－25］。

2　結(jié)果與分析

2．1 按不同比例創(chuàng)建隨機(jī)點(diǎn)

本文擬應(yīng)用二元邏輯斯蒂回歸模型分析人為火發(fā)生與人為基礎(chǔ)設(shè)施和林分相關(guān)信息的關(guān)系。由于邏輯斯蒂模型的應(yīng)用條件，因變量的取值應(yīng)為1或0，即著火和不著火。我們的林火統(tǒng)計(jì)數(shù)據(jù)中只包含有林火發(fā)生的數(shù)據(jù)，因此需要?jiǎng)?chuàng)建一些無林火發(fā)生數(shù)據(jù)來進(jìn)行模型擬合。創(chuàng)建過程按照隨機(jī)原則，且非火點(diǎn)的數(shù)量要呈遞增的趨勢(shì)，以便更好地理解和探討各非氣象因子與人為火發(fā)生的關(guān)系，因此本文隨機(jī)點(diǎn)按照著火點(diǎn)1倍和3倍的數(shù)量創(chuàng)建了隨機(jī)點(diǎn)。

2．2 屬性表整合及統(tǒng)計(jì)描述

本文計(jì)算了火點(diǎn)和不同比例隨機(jī)點(diǎn)到河流面、街區(qū)、鐵路、機(jī)耕路、等外公路及等級(jí)公路的距離（單位：m）（圖2，圖3），并在ArcGIS中將火點(diǎn)和隨機(jī)點(diǎn)圖層與林相圖屬性圖層進(jìn)行疊加運(yùn)算，合并各圖層屬性。應(yīng)用SPSS19．0對(duì)整合后的屬性數(shù)據(jù)進(jìn)行統(tǒng)計(jì)描述（表3）。

表3　模型變量的基本統(tǒng)計(jì)Table 3 The descriptive statistic of variables of model

圖2　火點(diǎn)與1∶1隨機(jī)點(diǎn)到人為基礎(chǔ)設(shè)施及河流面的空間直線距離。圖中a，b，c，d，e分別代表“火點(diǎn)＋隨機(jī)點(diǎn)”到鐵路、河流面、居住、機(jī)耕路、和等級(jí)公路的距離（單位：m），每個(gè)顏色條紋代表5000m緩沖帶Fig．2 The straight distance from fire points and 1∶1random no－fire points to infrastructures and rivers．a(chǎn)，b，c，d，e represent the distance to railway，river，residential area，Jigeng road and Dengji Road，respectively（unit：m）．Each color stripe represents 5000mbuffer

圖3　火點(diǎn)與1∶3隨機(jī)點(diǎn)到人為基礎(chǔ)設(shè)施及河流面的空間直線距離。圖中a，b，c，d，e分別代表“火點(diǎn)＋隨機(jī)點(diǎn)”到鐵路、河流面、居住、機(jī)耕路、和等級(jí)公路的距離（單位：m），每個(gè)顏色條紋代表5000m緩沖帶Fig．3 The straight distance from fire points and 1∶3random no－fire points to infrastructures and rivers．a(chǎn)，b，c，d，e represent the distance to railway，river，residential area，Jigeng road and Dengji Road，respectively（unit：m）．Each color stripe represents 5000mbuffer

2．3 模型擬合結(jié)果

2．3．1 火點(diǎn)與隨機(jī)點(diǎn)1∶1擬合結(jié)果

本文對(duì)1∶1創(chuàng)建隨機(jī)點(diǎn)的數(shù)據(jù)進(jìn)行二元邏輯斯蒂回歸擬合。模型的全變量擬合結(jié)果顯示，模型整體擬合結(jié)果R2（Cox ＆Snell）為0．517，模型參數(shù)擬合結(jié)果顯示“到鐵路距離”與人為火發(fā)生之間有顯著相關(guān)性（p＝0．009），而其它自變量因子在全模型中（含有所有自變量的邏輯斯蒂模型）與人為火發(fā)生之間并未表現(xiàn)出顯著相關(guān)（表4）。此外，本文應(yīng)用向后逐步回歸法，將不顯著變量逐一從全模型中剔除，最后得到最優(yōu)模型（剔除不顯著自變量的邏輯斯蒂模型）。模型整體擬合度指標(biāo)R2（Cox ＆Snell）為0．465，最優(yōu)模型中“到鐵路距離”，“坡向”和“優(yōu)勢(shì)樹種”這三個(gè)變量與人為火發(fā)生有顯著相關(guān)性（表5）。

表4　邏輯斯蒂全模型的參數(shù)擬合（1∶1）Table 4 Parameter estimation of Logistic regression full model（1∶1）

表5　邏輯斯蒂最優(yōu)模型的參數(shù)擬合（1∶1）Table 5 Parameter estimation of Logistic regression best model（1∶1）

2．3．2 火點(diǎn)與隨機(jī)點(diǎn)1∶3擬合結(jié)果

在驗(yàn)證隨機(jī)點(diǎn)與火點(diǎn)1∶1的情況后，為了深入了解隨機(jī)點(diǎn)數(shù)量對(duì)決策因子的影響，本文運(yùn)用相同的模型擬合方法對(duì)1∶3（火點(diǎn)：隨機(jī)點(diǎn)）的情況進(jìn)行了建模分析。模型的全變量擬合結(jié)果顯示，模型整體擬合結(jié)果R2（Cox ＆Snell）為0．408，模型參數(shù)擬合結(jié)果顯示“到鐵路距離”與人為火發(fā)生之間有顯著相關(guān)性（p＝0．003），而其它自變量因子在全模型中（含有所有自變量的邏輯斯蒂模型）與人為火發(fā)生之間并未表現(xiàn)出顯著相關(guān)（表6）。此外，同樣運(yùn)用向后逐步回歸法，將不顯著變量逐一從全模型中剔除，最后得到最優(yōu)模型，模型整體擬合度指標(biāo)R2（Cox ＆Snell）為0．347，最優(yōu)模型中“到鐵路距離”和“林型”這兩個(gè)變量與人為火發(fā)生有顯著相關(guān)性（表7）。

表6　邏輯斯蒂全模型的參數(shù)擬合（1∶3）Table 6 Parameter estimation of Logistic regression full model（1∶3）

表7　邏輯斯蒂全模型的參數(shù)擬合（1∶3）Table 7 Parameter estimation of Logistic regression full model（1∶3）

本文雖然隨機(jī)點(diǎn)的選取比例不同，模型擬合結(jié)果也有所差異，但兩個(gè)模型的擬合結(jié)果具有很強(qiáng)的規(guī)律性，模型顯示了鐵路對(duì)人為火的顯著影響，其次，林型和優(yōu)勢(shì)樹種代表了森林可燃物類型，研究結(jié)果表明人為火的發(fā)生受可燃物類型的影響顯著。此外，在1∶1選取隨機(jī)點(diǎn)條件下，坡向也與人為火發(fā)生表現(xiàn)了顯著相關(guān)性，然而在隨機(jī)點(diǎn)比例增加的情況下，坡向的顯著性水平有所下降，因此，在運(yùn)用“隨機(jī)點(diǎn)”方法進(jìn)行相關(guān)性分析時(shí)，要充分注意和分析隨機(jī)點(diǎn)數(shù)量對(duì)模型擬合結(jié)果的影響。圖4為根據(jù)林火和隨機(jī)點(diǎn)創(chuàng)建的研究區(qū)域人為火發(fā)生概率分布圖，圖中直觀地顯示了火險(xiǎn)高發(fā)區(qū)。

圖4　研究區(qū)域人為火發(fā)生概率克里格插值結(jié)果Fig．4 The Kriging interpolation of possibilityof human－caused fire in the study area

3　結(jié)論與討論

本文應(yīng)用塔河地區(qū)歷年人為火信息數(shù)據(jù)，結(jié)合研究地的基礎(chǔ)地理信息及矢量化林相圖，應(yīng)用Arc－GIS10．0和SPSS19．0等工具，通過圖層疊加計(jì)算，屬性轉(zhuǎn)換，邏輯斯蒂回歸模型運(yùn)算等一系列手段，分析了對(duì)我國北方針葉林帶人為火發(fā)生有顯著影響的非氣象因子。研究結(jié)果顯示“到鐵路距離”“優(yōu)勢(shì)樹種”和“林型”對(duì)人為火的發(fā)生有顯著影響，這同Cardille等［4］在北美針葉林帶所進(jìn)行的研究結(jié)論相似，他們的研究指出“鐵路密度”以及“林型”對(duì)研究區(qū)域人為火有顯著影響。此外，Maingi和Henry［16］在美國肯塔西州的研究也表明“到公路距離”和“公路密度”與人為火發(fā)生顯著相關(guān)，這也說明了人為基礎(chǔ)設(shè)施的空間分布對(duì)人為火的重要影響。塔河林業(yè)局的鐵路建設(shè)，在過去70，80年代主要為木材和省內(nèi)旅客運(yùn)輸服務(wù)，由于設(shè)備和人們防火認(rèn)識(shí)不夠完善，時(shí)常發(fā)生機(jī)車的閘瓦火，和由于旅客隨窗扔煙頭及在鐵路沿線活動(dòng)引發(fā)的森林火災(zāi)，這在當(dāng)?shù)氐牧只鸢l(fā)生情況統(tǒng)計(jì)資料中可以發(fā)現(xiàn)。本研究也證實(shí)了塔河林業(yè)局人為火發(fā)生的特殊性。

本研究主要選取河流及一些人為基礎(chǔ)設(shè)施為研究對(duì)象，與國外同類研究相比［4，16－18］，本文沒有考慮當(dāng)?shù)厝丝诿芏?，GDP等經(jīng)濟(jì)發(fā)展因素，主要由于我國公開的GDP或人口密度等統(tǒng)計(jì)數(shù)據(jù)，最小尺度單位為縣而本文的研究區(qū)域位于塔河縣內(nèi)，因此無法體現(xiàn)出空間異質(zhì)性，進(jìn)而無法同其它因子一樣進(jìn)行分析。另外，塔河林區(qū)的經(jīng)濟(jì)發(fā)展較其它以工業(yè)為主的地區(qū)落后，發(fā)展速度較慢，加之我國人口政策的限制，多年來塔河地區(qū)的人口數(shù)量和居住區(qū)范圍并沒有較為明顯的改變。因此，本文用居住區(qū)的位置，而不是大小作為變量，來探討其對(duì)人為火發(fā)生的影響。另一方面，本研究時(shí)間尺度為1974—2009年，而選取的鐵路、公路、河流、居民點(diǎn)、機(jī)耕路等是基于2000年的基礎(chǔ)地理圖，由于客觀數(shù)據(jù)條件的限制，本研究假設(shè)各地理、人為基礎(chǔ)設(shè)施在研究時(shí)間尺度內(nèi)保持不變［25］。實(shí)際情況是該地區(qū)河流、居民點(diǎn)及鐵路位置的變化相對(duì)較小，而林區(qū)的公路和機(jī)耕路隨著時(shí)間的推移和當(dāng)?shù)亟?jīng)濟(jì)發(fā)展呈現(xiàn)上升趨勢(shì)，這可能對(duì)研究結(jié)論產(chǎn)生一定的影響，因此，在未來的研究中，應(yīng)盡可能使用不同時(shí)間點(diǎn)的基礎(chǔ)地理圖，來減少研究過程中的不穩(wěn)定性。

目前關(guān)于林火與影響因子的空間分析研究，主要有網(wǎng)格取點(diǎn)和隨機(jī)取點(diǎn)兩種方式。網(wǎng)格取點(diǎn)是指對(duì)研究區(qū)域進(jìn)行網(wǎng)格化，規(guī)定網(wǎng)格大小。每一個(gè)網(wǎng)格代表一個(gè)火點(diǎn)或?qū)?yīng)的非火點(diǎn)（隨機(jī)點(diǎn)），如果網(wǎng)格面積大，如5Km×5Km，那么坡向，林型等這類因子將不具備唯一性，沒有辦法考慮進(jìn)模型擬合中，若柵格面積小（1Km×1Km或更?。﹦t會(huì)出現(xiàn)“非火點(diǎn)”與“火點(diǎn)”比例嚴(yán)重失衡現(xiàn)象，會(huì)導(dǎo)致模型擬合的偏差，從而無法判斷影響因子。因此在火點(diǎn)和非火點(diǎn)比例失衡的情況下，隨機(jī)取點(diǎn)是一個(gè)比較好的選擇。因此本文采用了1∶1和1∶3兩種隨機(jī)選點(diǎn)方式。在模型運(yùn)算過程中，我們發(fā)現(xiàn)隨著隨機(jī)點(diǎn)比例的提高影響因子“坡向”的顯著性水平有所下降，從1∶1時(shí)的顯著相關(guān)，到1∶3時(shí)的不顯著。這種情況說明，不應(yīng)該簡(jiǎn)單地根據(jù)某一種隨機(jī)點(diǎn)選取比例而直接下結(jié)論。而是應(yīng)該對(duì)比不同比例隨機(jī)點(diǎn)下同一自變量因子在相同模型下的顯著性水平變化趨勢(shì)。這樣可以較為客觀地反映出對(duì)人為火有顯著影響的決策因子。此外，本文根據(jù)火點(diǎn)和隨機(jī)點(diǎn)的空間分布規(guī)律，對(duì)塔河地區(qū)進(jìn)行了人為火空間分布插值，為直觀了解研究地人為火火險(xiǎn)分布情況提供依據(jù)。本文研究結(jié)論對(duì)深入揭示研究地人為火發(fā)生規(guī)律具有一定意義。

參考文獻(xiàn)

［1］Podur J，et al．Spatial patterns of lightning－caused forest fires in Ontario．1976－1998［J］．Econ Model，2003，164 （1）：1－20．

［2］Chas－Amill ML，et al．Spatial distribution of humancaused forest fires in Galicia（NWSpain）［A］．Transactions on ecology and the environment［C］，2010，137．WIT Press，Southampton．ISSN 1743～3541（online）2010：247－258．

［3］Zhong MH，et al．Statistical analysis on current status of China forest fire safety［J］．Fire Safety Journal，2003，38（3）：257－269．

［4］Cardille JA，et al．Environmental and social factors influencing wildfires in the Upper Midwest．United States ［J］．Ecological Applications，2001，11（1）：111－127．［5］Prestemon JP，Butry DT．Time to burn：modeling wildland arson as an autoregressive crime function［J］．A－merican J．of Agricultural Economics，2005，87（3）：756－770．

［6］Susan K．Todd，Jewkes HA．Wildland fire in Alaska：a history of organized fire suppression and management in the last frontier［J］．Agricultural and Forestry Experiment Station Bulletin No．114University of Alaska Fairbanks March，2006．

［7］趙輝．福建三明2000～2009年森林火災(zāi)時(shí)空分布及影響因素研究［D］．北京：北京林業(yè)大學(xué)，2012．趙輝．福建三明2000～2009年森林火災(zāi)時(shí)空分布及影響因素研究［J］．北京林業(yè)大學(xué)學(xué)報(bào)，2012（1）．

［8］郭福濤．基于空間分析和模型理論的大興安嶺地區(qū)林火分布與預(yù)測(cè)模型研究［D］．哈爾濱：東北林大學(xué)，2010．［9］金森，胡海清．黑龍江省林火規(guī)律研究I林火時(shí)空動(dòng)態(tài)與分布［J］．林業(yè)科學(xué)，2002，38（1）：88－94．

［10］張正祥，等．呼倫貝爾草原人為火空間分布格局［J］．生態(tài)學(xué)報(bào)，2013，33（7）：2023－2031．

［11］王明玉，等．林火在空間上的波動(dòng)性及其對(duì)全球變化的響應(yīng)［J］．火災(zāi)科學(xué)，2003，12（3）：165－176．

［12］趙鳳君，等．氣候變化對(duì)林火動(dòng)態(tài)的影響研究進(jìn)展［J］．氣候變化研究進(jìn)展，2009，5（1）：50－55．

［13］郭福濤，等．不同模型對(duì)擬合大興安嶺林火發(fā)生與氣象因素關(guān)系的適用性［J］．應(yīng)用生態(tài)學(xué)報(bào)，2010，21 （1）：159－164．

［14］魏書精，等．氣候變化對(duì)我國林火發(fā)生規(guī)律的影響［J］．森林防火，2011，1：30－34．

［15］Syphard AD，et al．Human influence on California fire regimes［J］．Ecological Application，2007，17（5）：1388－1402．

［16］Maingi JK，Henry MC．Factors influencing wildfire occurrence and distribution in eastern Kentucky，USA ［J］．International Journal of Wildland Fire，2007，16 （1）：23－33．

［17］Romero－Calcerrada R，et al．GIS analysis of spatial patterns of human－caused wildfire ignition risk in the SW of Madrid（central Spain）［J］．Landscape Ecology，2008，23（3）：341－354．

［18］Martínez J，et al．Human－caused wildfire risk rating for prevention planning in Spain［J］．Journal of Environmental Management，2009，90（2）：1241－1252．

［19］Padilla M，Vega－Garcia C．On the comparative importance of fire danger rating indices and their interaction with spatial and temporal fire occurrences in Spain［J］．International Journal ofWildland fire，2011，20：46－58．

［20］于成龍，等．大興安嶺塔河林業(yè)局林火動(dòng)態(tài)氣象條件分析［J］．東北林業(yè)大學(xué)學(xué)報(bào)，2007，35（8）：23－27．

［21］Martell DL，et al．Modelling seasonal variation in daily people－caused forest fire occurrence［J］．Canadian Journal of Forest Research，1989，19（12）：1555－1563．

［22］Vasconcelos MJP de，et al．Spatial Prediction of Fire Ignition Probabilities：Comparing Logistic Regression and Neural Networks［J］．Photogrammetric Engineering ＆Remote Sensing，2001，67（1）：73－81．

［23］Garcia CV，et al．ALogit model for predicting the daily Occurrence of Human caused forest fires［J］．International journal of wildland fire，1995，5（2）：101－111．

Keyword：Boreal forest；Tahe area；Human－caused fire；Geographical factors；Logistic regression

［24］Andrews PL，et al．Evaluation of fire danger rating indexes using logistic regression and percentile analysis ［J］．International Journal of Wildland Fire，2003，12 （2）：213－226．

［25］Chang Y，et al．Predicting fire occurrence patterns with logistic regression in Heilongjiang Province，China［J］．Landscape Ecology，2013，28（10）：1989－2004．

Influence of geographical and environmental factors on human－caused fires in Tahe area

SU Zhangwen，SONG Yuhui，GUO Futao，YANG Tingting，WANG Wenhui，LIU Aiqin
（Fujian Agriculture and Forestry University，F(xiàn)uzhou 350002，China）

Abstract：In this paper，we used the spatial analysis tools in ArcGIS10．0and Logistic regression model imbedded in SPSS 19．0 to identify the impact of human－activity and geographical factors on forest fires，based on the coordinates of human－caused fires during 1974－2009and the basic geographical map．The results showed that“the distance to railway”has a significant impact on the human－caused fires．Moreover，“the dominant tree”and“the forest type”are significantly correlated with human－caused fires under 1∶1and 1∶3conditions，respectively．It was also found that the rate of random sample selection affects the parameter estimation of the model．

通訊作者：郭福濤，E－mail：guofutao＠126．com；劉愛琴，E－mail：lxylaq＠126．com

作者簡(jiǎn)介：蘇漳文（1987－），男，福建漳州。福建農(nóng)林大學(xué)碩士研究生，林業(yè)碩士專業(yè)，研究方向?yàn)樯峙嘤夹g(shù)。

基金項(xiàng)目：福建農(nóng)林大學(xué)重點(diǎn)大學(xué)建設(shè)基金（6112C035）；國家自然科學(xué)基金（31400552）。

收稿日期：2014－12－18；修改日期：2015－01－13

DOI：10．3969／j．issn．1004－5309．2015．01．03

文章編號(hào)：1004－5309（2015）(－)0016－10

文獻(xiàn)標(biāo)識(shí)碼：A

中圖分類號(hào)：S762．2；X954