駱相宇,李宗敏

(四川大學 商學院,成都 610041)

森林作為地球上最大的陸地生態(tài)系統(tǒng),在人類生存和發(fā)展的歷史上起著不可替代的作用。它通過光合作用吸收大量的二氧化碳,轉化為有機物,并釋放氧氣,維持生物圈中的碳-氧平衡,有“地球之肺”的美譽。在新世紀到來之際,世界森林資源面臨著質和量的下降。1990—2015年,全球森林面積累計減少12.9億hm2,2000年以來凈喪失率一直維持在每年520萬hm2[1]。森林消失和森林破壞已成為人類環(huán)境問題的重要因素。在眾多影響森林健康成長的因素中,森林火災這一要素尤為突出。森林火災是一種嚴重而普遍的自然災害,具有分布廣、頻率高、不確定性強的特點[2]。不僅會嚴重阻礙森林生態(tài)系統(tǒng)的發(fā)展,還會威脅到人民的生命財產安全和正常的生產生活秩序。例如,2019 年四川涼山州木里縣發(fā)生火災,火場過火面積約20hm2,遇難30人[3-4]。數(shù)據(jù)表明,2019年衛(wèi)星偵測到亞馬孫雨林火災數(shù)量超過72 000起,創(chuàng)歷史新高,較去年同期大增83%[5]。

在森林火災發(fā)生風險評估研究中,有專家從影響林火發(fā)生的氣象因素[6]、地形環(huán)境因素[7]等角度出發(fā)進行研究。也有不少學者采用神經(jīng)網(wǎng)絡法[8]、證據(jù)權重法[9]、邏輯回歸法[10]、集成學習法[11]等方法對森林火災發(fā)生風險作出評估。由于客觀世界的復雜性以及人類思維的局限性,使人們在對事物進行分析時難以做出精確地判斷和量化表達,因此會使用一些定性的語言,例如“風險較大”,“地形較復雜”等。一些專家引入了模糊數(shù)學、灰色模糊等方法量化語言信息,例如Sharifid等[12]在利用遙感、氣象資料和地理信息系統(tǒng)對森林火災潛力建模時,為解決空間數(shù)據(jù)的模糊性,引入模糊層次分析法對研究區(qū)域火災風險的影響因素進行排序；Wang等[13]提出一種基于信息熵的模糊綜合評價法,以減少基于數(shù)據(jù)評價的主觀性影響,使評價結果更加可靠合理；Tsataltzinos等[14]引入模糊粗糙集理論,將森林火災風險估計中的數(shù)據(jù)進行約簡,試圖用盡可能少的數(shù)據(jù)集獲得盡可能精確的預測結果；楊建華等[15]探討了森林火災風險的灰色模糊綜合評價方法；趙迎子等[16]引入多層次模糊綜合評判法對各生態(tài)公益林小班的森林火災風險進行分析評價。但是現(xiàn)有的研究在語言的定量表達、賦權等方面仍然存在優(yōu)化的空間。楊建華等[15]的評估權重選擇Delphi專家調查法,具有較大的主觀性；趙迎子等[16]的評估僅將風險等級劃分為3個等級,對風險大小的區(qū)分度不明顯。

此外,評價者在對各個屬性進行評價時,許多評價者往往是猶豫的,可能會在幾個值之間徘徊,例如:“介于一般和很大之間”,傳統(tǒng)的模糊集很難描述。因此,Torra等[17]拓展了模糊集,進而提出猶豫模糊集,它允許一個變量中含有多個取值,在刻畫評估過程中存在的猶豫性上彰顯出獨特的優(yōu)勢；受此啟發(fā),Rodríguez等[18]提出了猶豫模糊語言集的概念,使得表達更加自由化同時強化了對語言信息的抽取。猶豫模糊集已經(jīng)被廣泛應用于各類評估問題,例如,多指標供應商選擇[19]、服務質量評估[20]、醫(yī)院績效評估[21]等問題。本文首次將猶豫模糊語言引入到森林火災風險評估問題中,增加了評估過程中語言表達的靈活性和賦權的科學性,為有效防治森林火災發(fā)生、降低損失提供參考。

1 預備知識

定義1[22]:對于一個猶豫模糊語言變量,則稱

定義3[24]:設函數(shù)OWA:Rn→R(a1,a2,a3,…,an)是一組給定的數(shù)據(jù)組,若:

定義4[25]:基于等差數(shù)列的OWA賦權方法,根據(jù)OWA的原理,對原始數(shù)據(jù)(a1,a2,a3,…,an)從大到小排序,得到新的數(shù)據(jù)列(b1,b2,b3,…,bn),數(shù)據(jù)bj的權重wj由下面的方法確定:

n為奇數(shù)時:

(1)

n為偶數(shù)時:

(2)

2 評價指標體系構建

理解火災風險及其行為必不可少的因素是:氣象、可燃物、地形和火源[26]。在發(fā)生的林火中,火源可能是人為縱火,也可能是雷擊火,具有較大的不確定性和隨機性。本文意在通過對客觀事實進行觀察,評估該因素對森林火災發(fā)生風險的影響程度,從而判斷該地區(qū)的森林火災發(fā)生風向的大小。因此,選取Anne[27]指出的環(huán)境3因子:地形因子(c1)、氣象因子(c2)和可燃物因子(c3)。

2.1 地形因子

地形變化影響森林植被的分布,使可燃物空間分布發(fā)生變化,引起局部小氣候,從而影響森林火災的發(fā)生和發(fā)展[28],其中主要包括：坡向、坡位、坡度和海拔[29]。Hong等[29]在森林火災發(fā)生的研究中認為,海拔和坡度對林火發(fā)生影響明顯。不同坡度對降水的截留程度不同,會影響可燃物的含水率。坡度越陡,降水易流失,可燃物易干燥,易燃程度高；反之,坡度越平緩,降水滯留時間長,林地潮濕,可燃物含水率高,不易著火。海拔可以影響局部氣溫和相對濕度。海拔越高,氣溫越低,相對濕度增大,因而森林可燃物的含水量增高,不易發(fā)生燃燒。坡向不同,接受太陽的輻射不同,導致相同可燃物的含水量不同。我國處在北半球,一般而言,南坡接受的陽光照射時間長,其次是西坡和東坡,北坡最短。因而南坡吸收熱量較多,植物含水量較低,溫度較高,發(fā)生火災風險較大。不同坡位植被的含水量也不同,一般而言,山脊、陡坡的林地較為干燥,植被容易燃燒。綜上,在地形因子維度下,選取海拔(c11)、坡向(c12)、坡度(c13)、坡位(c14)4個指標。

2.2 氣象因子

在加拿大森林火災評級系統(tǒng)的火險天氣指數(shù)中,其檢測的主要氣象特征包括風速、溫度、相對濕度和降水。Zaitchik等[30]的研究指出,氣象特征對火災的發(fā)生和發(fā)展強度都有極大影響,相對濕度大小與森林火災發(fā)生概率呈反比關系,相對濕度越低,空氣越干燥,植被水分蒸發(fā)越快,森林火災發(fā)生的概率就越高；Hamadeh等[31]指出,高溫、高風速、低濕度可以顯著增加森林火災發(fā)生的風險。氣溫可以影響可燃物的易燃性,氣溫升高,促使森林可燃物水分蒸發(fā),加速可燃物干燥,同時促使可燃物本身的溫度升高,增加森林火災發(fā)生的風險。風和降水是影響林火行為的重要因素[32]。風能夠加速水分蒸發(fā),降低林內空氣濕度,促使地表可燃物干燥,同時補充氧氣,增加助燃條件。降水也可以直接影響森林火災的發(fā)生,它可以快速增加森林可燃物的含水量,提高空氣濕度,潮濕的可燃物一般不易燃燒,從而降低可燃物的可燃性。因此,在氣象因子維度下,選取氣溫(c21)、相對濕度(c22)、降水因子(c23)、風力(c24)4個指標。

2.3 可燃物因子

可燃物是森林燃燒的基礎物質條件,是林火行為的主體,影響林火蔓延、林火強度[33]。可燃物本身的理化性質直接影響著森林火災能否發(fā)生,森林可燃物類型不同,發(fā)生火災的可能性也不同。根據(jù)易燃程度可分為易燃可燃物、燃燒緩慢可燃物和難燃可燃物。植被的類型影響可燃物的易燃程度[34],例如,馬尾松(PinusmassonianaLamb)、杉木(CunninghamialanceolataHook)等針葉林樹種,本身含有大量的油脂,燃點低,容易著火。郁閉度是決定森林林分結構的重要因子之一[35]。郁閉度越小,林內光照充足,土壤植被干燥,易燃性大。反之郁閉度越大,林內潮濕,不易發(fā)生火災。而Mckenzie等[36]指出,即便同一林型,不同演替階段可燃物的可燃性也不同。隨著樹齡的增長,樹冠稀疏,林下堆積大量干枯樹枝,易發(fā)生地表火。故在可燃物因子維度下,選取植被種類(c31)、主要植被樹齡(c32)和郁閉度(c33)3個指標。

表1 評價指標體系表Tab.1 Evaluation index system

3 評價方法及實施步驟

邀請n位專家對指標體系的各個維度和指標賦權,通過OWA算子集結得到各個指標的權重。專家根據(jù)自己的知識和經(jīng)驗做出各指標對火災影響程度的評價,通過猶豫模糊語言混合加權平均算子對語言信息進行集結,得到各個因素的綜合影響程度,從而判斷該區(qū)域森林火災發(fā)生的風險。

3.1 基于OWA算子的指標權重確立

步驟4:采用上述相同的方法,讓n個評價者對每個維度進行評價,賦予一個位于[0,1]的權重,得到各維度的權重矩陣。根據(jù)評價人數(shù)的奇偶性得到位置權重,通過OWA算子計算初始權重,進行歸一化處理,得到3個維度的權重(ω1,ω2,ω3)。

3.2 猶豫模糊信息集結方法

步驟2:運用猶豫模糊語言集結算子對指標評價集進行集結,得到3個維度的評價結果s1,s2,s3。其中,重要性權重為通過OWA算子計算的指標權重,而相關性權重由定義4中的計算方法產生。

步驟3:對各維度下指標的評價集進行集結后,得到的依舊是一個包含多個語言術語的猶豫模糊語言變量。因此,采用相同的集結算子HFLHWA,對每個維度的評價集進行集結,從而得到以猶豫模糊語言表示的森林火災發(fā)生風險評價集s。再通過得分函數(shù)求得最終的評估結果,據(jù)此判斷該片區(qū)的森林火災發(fā)生風險水平s*。

4 案例應用

4.1 研究區(qū)域概況

為了驗證該方法的有效性,選取1987年“5·6”大興安嶺森林火災的某片過火地區(qū)為研究對象。該地區(qū)海拔約500～800m,坡向為南偏西約10°,坡度約30°,處于山的中上坡。優(yōu)勢樹種為落葉松(Larixgmelinii)、樟子松(Pinussylvestrisvar.mongholica)和白樺(Betulaplatyphylla)等,森林覆被率達60%以上[37]。每年都有大量的枯枝落葉,由于年平均氣溫低,有機物分解也十分緩慢。林下地被植物主要是越桔(Vacciniumvitis-idaeaLinn)、杜香(LedumpalustreL)和杜鵑(RhododendronsimsiiPlanch)。近年來正在進行采伐,部分地區(qū)出現(xiàn)過伐現(xiàn)象。過伐林地和溝塘草甸雜草叢生,積累較多,厚度在10cm左右。在此前一年半的時期里,只下過一場透雨。近段時間氣候出現(xiàn)異常,氣溫持續(xù)上升,5天內平均氣溫上升10°以上,達到23°左右,比歷年偏高,地表和深層可燃物含水量都降到最低值,只有10%～20%。相對濕度較歷年同期平均值降低20%左右,降至10%以下,最低相對濕度僅為5%。降水量呈現(xiàn)明顯的負距平,比歷年同期減少了40%～50%。風速約為6～8m/s,瞬時風速可達17m/s[38]。

4.2 計算過程演示

首先,邀請3位來自林業(yè)局從事森林防火工作的人員,1名做森林火災類項目的高校老師,以及1名有7年森林防火工作經(jīng)驗的地方林火專家,分別對每個維度下的各個指標賦予權重。為避免主觀因素的影響,評估過程中并未告知該片區(qū)為大興安嶺森林的過火片區(qū),且均以“某片區(qū)”替代。得到原始權重矩陣:

將原始矩陣每一列按照從大到小的順序排列,得到新矩陣:

已知有5位專家,通過定義4得到位置權重L1=L2=L3=[1/9,2/9,3/9,2/9,1/9],再根據(jù)OWA算子的定義,將位置權重與專家賦予指標權重進行集結,得到每個維度下的各個指標的初始權重:

進行歸一化處理,得到3個維度下各指標的最終權重為:ω1=[0.1667,0.3111,0.3000,0.2222],ω2=[0.3626,0.3626,0.1648,0.1100],ω3=[0.3667,0.2000,0.4333]。

5位專家對3個維度的重要性進行評估,得到3個維度的重要性權重矩陣:

排序后得到新矩陣:

通過定義4得到位置權重L=[1/9,2/9,3/9,2/9,1/9],通過OWA算子集結,再進行歸一化處理后得到3個維度最終的重要性權重ω=[0.1889,0.5333,0.2778]。

在5位專家對該區(qū)域各指標情況進行一定了解的基礎上,將各指標對該區(qū)域森林火災發(fā)生風險的影響以猶豫模糊語言的方式進行評估,得到各指標的評價結果如表2所示。

根據(jù)HFLHWA算子的計算式,將表中的評價集進行集結。由于計算復雜,根據(jù)猶豫模糊語言變量的計算原理,在python中,直接對評價集的變量的下標進行計算。根據(jù)指標評價結果表可以得到第一維度下4個指標的得分函數(shù)Sc(s1,1)≤Sc(s1,3)≤Sc(s1,4)≤Sc(s1,2)。再根據(jù)定義4,可以得到4個變量的相關權重為h1,1=0.167,h1,2=0.167,h1,3=0.333,h1,4=0.333。且由上文已知第一維度下4個指標的重要性權重為：ω1,1=0.1667,ω1,2=0.3111,ω1,3=0.3000,ω1,4=0.2222。由此可得第一個維度的評價集結值:s1= {s3.9853,s4.2770,s4.5683,…,s5.9853,s6.2770} 。采用相同的方法,得到第二和第三維度的評價集分別為:s2={s5.1665,s5.2376,s5.3097,…,s6.9279,s7.000},s3={s4.9765,s5.5814,s6.1862,…,s6.2558,s6.8605}。

表2 指標評價結果表Tab.2 Index evaluaion results

根據(jù)集結結果可得Sc(s1)≤Sc(s3)≤Sc(s2),則對應的相關權重為h1=0.25,h2=0.25,h3=0.5,維度層的重要性權重為ω1=0.1889,ω2=0.5333,ω3=0.2778。運用同樣的程序,通過HFLHAW算子,對維度層的評語集進行集結,得到以猶豫模糊語言表示的森林火災發(fā)生風險的評價結果:s*={s4.9090,s5.1719,s5.4348,…,s6.5695,s6.8325}。

通過得分函數(shù)求得最終的評估結果s*=Sc(s)=s5.8707。該區(qū)域各指標對火災發(fā)生的綜合影響顯示,該區(qū)域火災發(fā)生的風險很大,防火部門應當對該區(qū)域加強管理,避免火災發(fā)生。

4.3 對比分析

為了體現(xiàn)猶豫模糊語言方法的優(yōu)勢,下面使用灰色模糊綜合評價法來對該區(qū)域火災發(fā)生風險進行評估。根據(jù)以上分析,影響森林火災風險的因素有3個,由此建立評價指標因素集C={C1,C2,C3},C1,C2,C3分別為地形因子、氣象因子和可燃物因子。建立評判結果因素集合V={V1,V2,V3,V4,V5}分別代表風險特別大、較大、中等、較小、很小。因此,即有R1=(0.1,0.2,0.4,0.2,0.1),R2=(0.2,0.5,0.2,0.1,0),R3={0.1,0.5,0.2,0.1,0.1},進而得到所有單因素評判組成的矩陣:

每個維度的權重為ω=[0.1889,0.5333,0.2778],可求得該地森林火災風險可能性的灰色模糊綜合評價為:B=ω×R=(0.15333,0.44333,0.23778,0.11889,0.04667)。即該地發(fā)生森林火災風險的可能性為:15.3%的隸屬度為特別大,44.3%隸屬度為較大,23.8%的隸屬度為中等,11.9%的隸屬度為較小,4.7%的隸屬度為很小。

5 結果與討論

從上述與其他方法的對比分析過程可以看出:1)本文提出的基于猶豫模糊語言的評估方法,在語言表達上更具有靈活性,允許專家在多個可能結果之間猶豫,更加符合人的思維。2)在準確性方面,本文提出的方法擁有7個語言粒度,由于人類思維的局限性,難以對7 個粒度分別賦值,只能降低粒度的個數(shù),導致準確性降低。3)不少學者在森林火災發(fā)生風險預測方面只側重于影響火災發(fā)生的某一個維度,而火災發(fā)生的影響因子眾多,各個因子之間也存在促進或抑制的作用。例如,某區(qū)域氣象因子維度:氣溫高、風速大,單一考慮該維度可能會認為火災風險很高,但是可能森林植被種植稀疏,林地干凈,易燃物少,綜合考慮該區(qū)域的火災風險可能并不高,所以綜合考慮多方面因素可以提高預測的準確性。

6 結語

本文針對森林火災發(fā)生風險評估時一些影響因素具有不確定性,難以量化表達的特點,運用猶豫模糊語言做出評價,使得評估者表達更加自由；同時,建立了森林火災發(fā)生風險的評價體系,并運用基于等差數(shù)列的OWA算子確立各指標和維度的權重值；最后,通過實際案例的應用,驗證了該方法的有效性。相關管理部門可根據(jù)最終的評估結果采取合理的措施,降低森林火災的發(fā)生風險,對預防工作具有一定的指導價值。本文也有一些不足之處,例如在指標體系建立方面,火源有人為和非人為兩種來源,本文尚未引入人為縱火的危險因素。未來將進一步研究更加綜合集成的指標體系,以及更多先進多屬性評價方法在森林火災發(fā)生風險評價方面的應用。