畢晨 吳菲菲

摘要 利用江西省2003—2018年全省林火數(shù)據(jù)，探討江西省林火發(fā)生的時空變化及對應氣象影響因子的特征，并建立出包含氣象要素變量的林火預測模型。結果發(fā)現(xiàn)，江西火點主要集中在贛南地區(qū)，2007—2009年期間森林火災多發(fā)，冬季1—3月易發(fā)生森林火災。通過逐步回歸的方法選取10個顯著相關的氣象要素變量進行林火預測模型的建立。模型對林火和非林火的預測概率分別為85.1%和38.8%，預測總準確率可達65.6%，使用井岡山地區(qū)林火數(shù)據(jù)代入模型進行驗證，模型對井岡山區(qū)域的林火發(fā)生預測準確率為84%，研究結果可為當?shù)亓只痤A報服務及森林防災減災決策提供技術支持。

關鍵詞 森林氣象火險;預測模型;等級區(qū)劃;預報服務

中圖分類號：S762.1 文獻標識碼：B 文章編號：2095–3305（2021）04–0120–04

由于森林被肆意砍伐，地球自然資源被無度索取，造成生態(tài)環(huán)境的嚴重破壞，全球溫室效應影響日益嚴峻，氣候異常增暖，森林火災次數(shù)顯著增加，損失慘重。王學祥等[1]曾提出森林火災會給生態(tài)環(huán)境造成毀滅性的影響，防災減災難度大。多年來，我國采取多項舉措保護生態(tài)環(huán)境，堅決杜絕發(fā)生森林火災。劉發(fā)林等[2]對自然保護區(qū)森林防火現(xiàn)狀進行剖析，指出了人為產(chǎn)生的非生產(chǎn)性用火是造成森林火災的主要元兇。何銳[3]表示只有充分做好森林防災減災工作，建立完善的防火機制，才能有效地抑制林火的發(fā)生。李黎立等[4]提出了科學防火的重要性，表示監(jiān)測手段落后是森林防火工作的一個主要問題。實際上在科學防控方面，專家學者都進行了大量細致的研討，梁慧玲等[5]運用隨機森林算法提出了日最高氣溫、日最高地表氣溫、日最低地表氣溫、日最小相對濕度、日照時數(shù)等5個氣象要素是導致林火發(fā)生的主要驅動因子。葉更新等[6]給出了對于火險等級的預報，運用非線性回歸方法得出了可燃物含水率與溫度和風速成負相關，與相對濕度成正相關。祝必琴等[7]分析了江西省井岡山地區(qū)1991—2000年森林火災與氣象條件的相關性。

井岡山位于江西省西南部，是全省乃至全國重要的紅色教育基地，森林植被覆蓋率高，一旦出現(xiàn)火災，會毀滅生態(tài)環(huán)境資源，尤其是珍貴樹種，而且還會破壞自然景觀、園林古文化、紅色文化。因此，建立適宜的森林火險等級劃分標準和預報模型對于預防森林火災的發(fā)生、減少火災造成的經(jīng)濟損失和保護森林生態(tài)系統(tǒng)具有重要意義。本課題應用與林火發(fā)生顯著相關的氣象要素變量建立林火預測模型，計算林火可能發(fā)生的概率，并對森林氣象火險進行區(qū)劃，研究結果可為當?shù)亓只痤A報服務及森林防災減災決策提供參考和相應的技術支持。

1 資料與方法

1.1 資料

火點數(shù)據(jù)來源于江西省氣象科學研究所，包括2003—2018年江西省火點的地理坐標和起火時間，從中可篩選出1 037次林火。氣象數(shù)據(jù)取自江西氣象站常規(guī)觀測數(shù)據(jù)。將火點數(shù)據(jù)作為模型的因變量，氣象數(shù)據(jù)作為自變量，再按比例選取一部分非火點作為隨機點，最終組合火點和非火點數(shù)據(jù)作為模式擬合的總樣本。最終提取獲得與火點匹配的有效氣象數(shù)據(jù)5 995組。

1.2 方法

按照蘇漳文等[8]的研究方法，總樣本被分為建模部分和校驗部分，包含已知森林火點和氣象隨機點。分別對兩種樣本進行多次模擬擬合，剔除不顯著的變量后，出現(xiàn)顯著相關的10個變量將參與全樣本模型擬合。通過ROC曲線擬合優(yōu)度檢驗模型的預測能力，根據(jù)最終結果建立概率模型，代入井岡山地區(qū)已發(fā)生的林火樣本數(shù)據(jù)進行驗證，進而得出能預測井岡山地區(qū)火險概率的模型。再用ROC中敏感性和特異性計算約登指數(shù)，得出林火發(fā)生概率的臨界值。最后將計算得出的預測概率用Kriging方法進行空間分布插值，求出模型擬合過程中的閾值均值，并對火險概率進行區(qū)劃。

2 結果與分析

2.1 江西林火發(fā)生的時空特征

根據(jù)江西省2003—2018年林火空間火點分布圖可知，江西火點主要集中在贛南地區(qū)（圖1）。江西地貌以海拔100～500 m的丘陵、山地為主，占總土地面積65.4%，其主要分布在江西省南部，森林植被覆蓋面積廣，火點分布較為密集。贛北地區(qū)相較于贛南地區(qū)火點分布較少，這是因為北部為鄱陽湖平原，地勢平坦，且鄱陽湖周圍城市化進程高，林火發(fā)生次數(shù)少，例如南昌市16年間只發(fā)生兩起林火。以丘陵地貌為主的上饒市火點分布相對于贛北其他地區(qū)更密集。

從2003—2018年江西省林火時間變化特征圖（圖2）中可以看出，江西省林火年變化總體表現(xiàn)出先升后降的波動，其中峰值年出現(xiàn)在2007—2009年間，僅2009年全省林火次數(shù)就高達361次;然而2015年全省僅記錄到一次有效林火（圖2）。同時，林火發(fā)生次數(shù)還具有顯著的月變化規(guī)律，暖季的5—9月幾乎沒有森林火災發(fā)生，此時為江西省汛期，顯而易見降水次數(shù)、空氣相對濕度、土壤含水量、植被含水量等均與林火發(fā)生有強烈的相關性;進入冷季后火災發(fā)生次數(shù)有所增加，其中，冬季1—3月易發(fā)森林火災，除了季節(jié)性氣象條件改變外，可能還存在人為引發(fā)林火的可能性，如春節(jié)祭祀和慶?；顒印⑥r(nóng)業(yè)活動等?？傮w來說，人為因素雖有干擾，與林火息息相關的還是氣象因子。因此，將進一步探討氣象因子的影響機制并建立林火發(fā)生概率與氣象因子相關的判斷模型。

2.2 林火發(fā)生時氣象特征

圖3是2003—2018年15年間江西省林火發(fā)生時的主要氣象要素頻率分布圖，包括日平均溫度、日最高溫度、日平均相對濕度、日蒸發(fā)量、日最高地面溫度和日平均氣壓，所有氣象要素均呈現(xiàn)出單峰分布特征。結果表明，發(fā)生林火的平均溫度峰值在10℃～16℃，在12℃～14℃范圍內達到頻率最大值，占總體的14.4%;日最高氣溫在20℃～24℃的范圍內達到最大峰值，最大頻率占比達到16.4%，然而在26℃～30℃間仍有一個次峰值，占比高達11.1%～12.8%。林火發(fā)生時相對濕度范圍在15%～95%之間，環(huán)境濕度較為干燥，最大峰值出現(xiàn)在50%～60%，僅這一范圍的累計頻率占比就達到35.7%，而在相對濕度大于80%的區(qū)間內的累計頻率占比僅為1.1%，這表明高的相對濕度環(huán)境是規(guī)避林火發(fā)生的一個重要條件。林火發(fā)生時，蒸發(fā)量較小，蒸發(fā)量峰值在3～4 mm區(qū)間內達到頻率25%的峰值，峰值過后，蒸發(fā)量和頻率逐漸呈負相關。從地面最高溫度的頻率分布可以發(fā)現(xiàn)，30℃～40℃區(qū)間內的占比超過總體的一半，這一范圍的累計占比超過50%。

2.3 林火模型的建立

使用SPSS軟件和Logistic模型將所有的訓練樣本進行擬合，總樣本被分為建模部分和校驗部分，其包含已知森林火點和氣象隨機點。其后應用逐步回歸的方法對模型參數(shù)進行選擇，在剔除不顯著的變量后，最終選取10個顯著相關（α=0.01）的氣象變量，分別為觀測站的平均氣壓、日最高氣壓、日最低氣壓、平均氣溫、日最高氣溫、日最低氣溫、平均相對濕度、蒸發(fā)量、日最低地表氣溫、日照時間，參與模型擬合。

利用ROC曲線，其目的是通過擬合優(yōu)度檢驗模型的預測能力，進而估算出森林火點發(fā)生的最優(yōu)臨界值。ROC曲線圖由圖4所示，計算得到ROC 曲線下的面積（AUC值）為0.662～0.693，標準誤差為0.008，這表明Logistic模型的擬合水平較高，且具有統(tǒng)計學上的意義（顯著性水平P<0.0001），可滿足江西省井岡山森林火險氣象平臺的林火預測預報業(yè)務中。根據(jù)圖4曲線的坐標值可以求得各個坐標點的約登指數(shù)（敏感性+特異性-1），其中林火發(fā)生的最佳閾值可由約登指數(shù)的最大值來代表。通過本次模型的ROC檢驗最終結果分析發(fā)現(xiàn)，Logistic模型的擬合效果較好（AUC值為0.68），全樣本數(shù)據(jù)模型最優(yōu)臨界值為0.275。模型對林火和非林火的預測概率為85.1%和38.8%，總預測概率為65.6%。模型對火點的預測準確率明顯優(yōu)于非火點的，能夠很好地應用于林火預警預報業(yè)務中。

根據(jù)模型因子相關參數(shù)結果（表1），可以得到概率模型為：

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為林火發(fā)生概率，x1為平均氣壓，x2為日最高氣壓，x3為日最低氣壓，x4為平均氣溫，x5為日最高氣溫，x6為日最低氣溫，x7為平均相對濕度，x8為蒸發(fā)量，x9為日最低地表氣溫，x10為日照時間。

轉換得到林火發(fā)生的概率公式為：

2.4 森林火險預測與等級劃分個例

根據(jù)林火發(fā)生的概率模型，最后將計算得出的預測概率用Kriging方法進行空間分布插值（圖5），求出模型擬合過程中閾值均值為0.275，并參照其他相關研究以該均值和0.500為分類點，對全省森林火險概率進行區(qū)劃，其中小于0.275為低火險區(qū)，0.275～0.500為中火險區(qū)，大于0.500為高火險區(qū)。

這一組隨機點的火險等級劃分結果如圖6所示。由圖6可知，此次隨機點的森林火險模型與此結果顯示全省各市均有高火險等級落區(qū)，說明全省森林火險等級較高，需加強防范管理高火險地區(qū)的用火安全。

2.5 井岡山區(qū)域森林火險驗證

表2為根據(jù)江西省林火發(fā)生模型計算得到井岡山地區(qū)林火發(fā)生概率，其中輸入的氣象要素為已知火點附近50 km的氣象數(shù)據(jù)。以閾值0.275和0.500為分類標準，其林火發(fā)生的預測準確率為84%，具備統(tǒng)計學意義，代表此模型可用于井岡山地區(qū)林火預測。

3 結論

利用2003—2018年江西省林火數(shù)據(jù)和林火對應的氣象站每日的氣象數(shù)據(jù)，研究了江西省林火發(fā)生的空間特征、時間變化及林火發(fā)生時的氣象特征，選取10個顯著相關的氣象要素變量進行林火預測模型的建立，并對計算出的林火預測概率進行空間分布插值區(qū)劃。模型對井岡山區(qū)域的林火發(fā)生預測準確率較高，研究結果可對當?shù)亓只痤A報服務及森林防災減災決策提供技術支持。

（1）江西火點主要集中在森林植被覆蓋率高的地區(qū)，例如贛南地區(qū)、上饒地區(qū)。江西省林火年變化有波動，峰值年出現(xiàn)在2007—2009年間，僅2009年全省林火次數(shù)就高達361次;冬季1—3月易發(fā)森林火災。降水次數(shù)、空氣相對濕度、氣溫、土壤含水量、植被含水量等均與林火發(fā)生有強烈的相關性。

（2）運用氣象觀測站平均氣壓、日最高氣壓、日最低氣壓、平均氣溫、日最高氣溫、日最低氣溫、平均相對濕度、蒸發(fā)量、日最低地表氣溫、日照時間10個顯著相關變量參與全樣本Logistic模型擬合。結果表明，模型對林火和非林火的預測概率分別為85.1%和38.8%，總預測概率達65.6%。Logistic模型的擬合水平較高（AUC值為0.68）且具有統(tǒng)計學上的意義（顯著性水平P<0.0001）?？蓪⒛Ｐ瓦\用于江西林火的預測預報預測業(yè)務中。此外，此模型對井岡山地區(qū)林火預測準確率高達84%，具備統(tǒng)計學意義，亦可用于井岡山地區(qū)的林火防控管理和預警預報業(yè)務中。

參考文獻

[1] 王學祥，曲智林.基于空間數(shù)據(jù)分析黑龍江森林火災空間關聯(lián)性[J].哈爾濱商業(yè)大學學報：自然科學版， 2016， 32（3）： 381-384.

[2] 劉發(fā)林，張思玉.自然保護區(qū)森林防火對策探討[J].林業(yè)經(jīng)濟問題，2009，29（5）： 392-394.

[3] 何銳.森林防火現(xiàn)狀及火災控制措施[J].生物技術世界，2016（2）：41.

[4] 李黎立，蔣健，杜連海.北京松山國家級自然保護區(qū)森林防火現(xiàn)狀與對策[J].四川林勘設計，2013（4）：52-54.

[5] 梁慧玲，孫鋒鋒，丁桂芹.基于隨機森林算法的福建林火發(fā)生驅動因子分析[J].信息系統(tǒng)工程，2019（9）：146-148，150.

[6] 葉更新，葉?，?林下可燃物含水率預測的一個多項式氣象模型[J].東北林業(yè)大學學報，2011，39（9）：65-68.

[7] 祝必琴，劉家勝，肖金香.井岡山森林火災與氣象條件的相關分析[J].氣象與減災研究，2007（4）：65-68.

[8] 蘇漳文，劉愛琴，梁慧玲，等.基于氣象因子的福建省森林火險預測模型[J].森林與環(huán)境學報，2015，35（4）：370-376.

責任編輯：黃艷飛