呼倫貝爾草原火災風險預警研究

崔亮，張繼權，包玉龍，佟志軍，劉興朋

（東北師范大學城市與環境科學學院自然災害研究所，吉林 長春130024）

草地，尤其中國草地，作為主要陸地生態系統之一，半個多世紀以來，遭受濫墾濫牧和不良管理的摧殘［1］。草地不僅是畜牧業的生產基地，而且是生態安全屏障保護和牧民生活與草原文化傳承的基礎，具有生態、生產和生活功能［2］。我國草原面積廣大，區域間自然環境、社會經濟、民族文化等差異明顯，且隨著多因素的影響和時間的推移，草原正向多維方向演化和發展［3］。草原火災作為影響牧區人民生命財產安全和生態環境較為嚴重的自然災害之一，往往是最頻繁發生且極容易引起森林火災。據1980年的全國草地資源調查，我國草地面積約有4億hm2，約占國土面積的40%以上，是世界上第三草地大國。我國草地基本上分成三大片：北方溫帶草原、青藏高寒草地，南方熱帶亞熱帶草地。1949年以來我國牧區共發生草原火災5萬多起，受害草原面積2億多hm2。1987年以后，我國加強了草原防火工作，通過增加資金投入、加強法規建設和機構建設，提高防撲火裝備水平和科技水平，推廣配套的防撲火技術，獲得了很好的效果。近年來，隨著我國草原保護建設工程的實施，草原植被得到有效恢復，火險等級也在逐步攀升，草原火災威脅日益加重。因此，進行草原火災的研究對于改善我國生態大環境、促進我國畜牧業發展具有重大戰略意義。

在國外，草原火災作為野火的一部分進行研究，而單獨進行草原火災的研究也很少。在國內，火災科學研究者對森林火災的研究較為深入，而草原火災的研究則相對滯后，關于草原火災的研究多集中于草原火險研究［4，5］和草原火災監測預警研究［6］。

“草原火險”即草原火的危險性，可理解為某一地區某一時段內著火的危險程度，或者說著火的可能性。火險是對影響火災孕育（孕災環境）、發生的所有因子（致災因子）的綜合評價，反映了這些因子的變化對火災發生的可能影響，同時也反映了草地在所有因子作用下的火成熟狀態，即可燃性。草原火災風險是指在失去人們的控制時草原火的活動（發生、發展）及其對人類生命財產和草原生態系統造成破壞損失（包括經濟、人口、牲畜、草場、基礎設施等）的可能性，而不是草原火災損失本身。當這種由于火災導致的損害的可能性變為現實，即為草原火災［7］。國外研究多集中于森林、森林草原火背景因素（可燃物、氣象因素和地形）影響下的野火危險性（火險）預測預報等方面，通常稱為草原火災氣候預警，研究方法以數理統計和過程模擬為主，分別從火源、地理因素、可燃物類型與特征、氣象條件等方面構建草原、森林火險預報指標體系和預報模型，構造火災危險指數。具有代表性的研究工作是勞倫斯－利弗莫爾國家實驗室（Lawrence Livermore National Lab）和洛斯阿拉莫斯國家實驗室（Los Alamos National Laboratory，LANL）完成了一個國家野火自動氣候火險預測模型（NWPP），它對火行為進行動態預測，可為撲火和滅火等提供技術支持［8］。Brillinger等［9］利用Logistic回歸模型預測森林野火發生的概率，得到了理想預測結果。

草原火災風險預警是減少草原火災損失的有效措施，而構造草原火災風險指數是實現草原火險預警的主要手段。國內外學者對草原火災預警的研究主要是火險預警，大體上經歷了3個階段：20世紀60－70年代，主要使用氣象因素作為火險預測的因子，始終把氣象要素作為主要的預報參數；20世紀80－90年代，隨著遙感和地理信息系統技術的發展，大大推動了火險指數研究的發展，多因子火險預測開始起步；20世紀90年代至今，隨著網絡化和遙感監測手段的發展，國內外學者綜合考慮可燃物狀況、氣象條件、地形等因素來計算草原火險指數，使得火險指數的使用更加便利和快捷。周利霞［10］利用MODIS數據的優勢，以黑龍江省和南方幾省為例，就火險預報和火點監測進行了深入的研究；陳世榮［11］以MODIS為數據源，結合GIS技術和相關數據，根據我國北方草原生態和環境特點，在分析草原火災發生和遙感信息傳輸機理的基礎上，利用遙感反演植被葉面水分、陸地地表溫度以及枯草率、可燃物重量和草地連續度5個基本指標構造了基于遙感的草原火險指數。

通過對草原火災研究現狀分析可以看出，目前對草原火災研究主要集中于過多采用歷史案例進行草原火災起火概率評價，傳統的火險預警一般是氣候預警和遙感監測火點預警，可以說都是火危險性預警，尚未發展到基于風險理論的火災風險預警。本研究以呼倫貝爾草原為研究區域，基于自然災害風險形成原理、草原火災形成原理，從災害科學、風險科學、草地學等學科觀點出發，綜合考慮呼倫貝爾草原自然、社會經濟現狀，從致災因子、孕災環境、承災體角度對草原火災風險預警進行研究。利用Logistic回歸、GIS技術、可燃物室內實驗等技術方法確定在不同草原火險條件下火災發生的概率；建立草原火災風險預警模型；確定火災風險預警模型閾值，最后實現呼倫貝爾草原火災風險日預警。

從研究尺度上講，基于網格尺度的研究可以提高研究結果精度。網格是在GIS環境下，利用HawthsTools插件建立矢量網格，結合GIS強大的分析功能，為研究提供了新思路。以網格為單位，改變了以往以行政區為單位來采集數據和進行分析的較低精度的固定模式。

草原火災風險預警與傳統的草原火災預警的區別在于，前者主要利用多學科交叉理論和方法，結合傳統研究方法和現代地學技術，基于災害風險基礎上的預警（風險預警），將草原火災氣候預警與風險評價結果結合起來的預警，即不止對草原火災的危險性進行預警，更重要的是可以預測其期望的損失，可以使草原火災風險預警研究能更好的為草原火災管理部門服務。此外，就預警的時間尺度而言，本研究方法可以預測不同時間尺度（日、月、旬、年）的草原火發生的可能性及其可能造成的損失。這也是與傳統火險預警的主要區別。

圖1 自然災害風險四要素示意圖Fig.1 The four components of natural disaster risk

1 材料與方法

1.1 理論依據

1.1.1 自然災害風險形成原理 自然災害指由于自然變異因子對人類和社會經濟造成損失的事件［12］。自然災害是地球表層孕災環境（E）、致災因子（H）、承災體（S）綜合作用的產物。具體而言，就是指某一地區某一時間內可能發生哪些災害、活動程度、破壞損失及對社會經濟的破壞影響可能有多大。根據目前比較公認的自然災害風險形成機制［13］，自然災害風險主要取決于4個因素，如圖1所示。

因此在區域自然災害風險形成過程中，危險性（H）、暴露性（E）、脆弱性（V）和防災減災能力（R）是缺一不可的，是四者綜合作用的結果。其數學計算公式為：I＝H∩E∩V∩R

1.1.2 災害預警理論 預警是指對某一警素的現狀和未來進行測度，預報不正常狀態的時空范圍和危害程度［14］。近年來預警理論在地質災害、氣象、環境災害等方面得到了更為廣泛的應用，氣象預報預警就是成功的范例。

由于災害的發生和發展給人類帶來巨大的損失，而且其發生具有一定的先兆，因此，可以通過預警研究對其進行監測、度量和分析，從而進行警情判定和警度預報，及時了解災害的發展狀態和危害程度，達到警示、規范人們行為之目的［15］。預警的分析流程為：確定警情→尋找警源→分析警兆→預報警度→決策分析，并在其流程的運作中發揮作用［16］。

1.1.3 災害風險預警原理 進行預警必須明確預警各個流程的基本概念。首先要確定警情，警情是預警研究的對象，本研究即草原火災風險預警；其次是警源，警源是指警情產生的根源，在草原火災風險預警研究中指直接影響到草原火災的發生和造成社會經濟損失的各種因素；警兆是出現警情的先兆，是對警源發展變化的綜合反映，警源的量變即為警兆。某一警源的變化可以引起其他警源的變化，進而反應為警兆，進行風險預警必須綜合考慮致災因子和承災體的綜合影響，因此將警兆劃分為內生警兆和外生警兆；外生警兆和內生警兆的綜合作用形成風險預警警度。

結合風險四因子理論、區域災害系統理論和災害預警理論，概括出災害風險預警理論示意圖（圖2）。

圖2 災害風險預警形成示意圖Fig.2 Sketch map of early warning of disaster risk

圖3 草原火災風險預警概念框架Fig.3 Conceptual framework of grassland fire disaster risk early warning

1.2 草原火災風險預警內涵和概念框架

進行災害風險預警必須綜合考慮風險理論、區域災害理論和災害預警理論，既要包括造成災害的直接原因，也要考慮承災體的狀況。基于上述理論，建立草原火災風險預警概念框架（圖3），草原火災風險預警定量描述公式為：草原火災風險預警＝內生警兆∩外生警兆。

1.3 研究區概況

呼倫貝爾草原位于內蒙古自治區東北部，北緯47°05′～53°04′、東經 115°31′～126°14′，總面積約93 000km2，行政范圍上包括陳巴爾虎旗、鄂溫克旗、新巴爾虎左旗、新巴爾虎右旗和海拉爾市、滿洲里市（圖4）。地勢東高西低，海拔在600～1 000m，溫帶大陸氣候，年降水量250～400mm，自東南向西北遞減，年均溫－3～0℃，自東南向西北遞增。無霜期80～110d，地帶性植被呈草甸草原、干草原有規律分布［17－23］。

1.4 數據來源

草原火災資料來源于農業部草原監理中心草原防火處，氣象資料來源于中國氣象科學數據共享服務網（http：／／cdc.cma.gov.cn／），社會經濟數據來自文獻［24］。

2 結果與分析

2.1 呼倫貝爾草原火災預警警源識別

警源是引起警情的各種可能因素。風險預警的警源可以分為2類：內生警源與外生警源。內生警源，指所研究對象系統內部的影響因素；外生警源，就是指所研究對象系統外部的影響因素［18］。對于草原火災風險預警，其內生警源為直接影響草原火災發生的所有因素，是火災能否發生的充分條件，主要是各種氣象因素及可燃物狀況；其外生警源為影響草原火災損失的所有因素，草原火災所造成損失主要包括經濟損失和生命損失，對潛在經濟損失和生命損失造成直接影響的所有因子即為外生警源。

影響草原火災預警內生警源的氣象因子主要包括氣溫、相對濕度、風速、降水量、日照時數等。高溫，特別是連續多日的高溫天氣會大大增強可燃物的可燃性；連續多日無雨天氣能使可燃物和空氣迅速變干，經過多年統計發現日降水量大于5mm以上時均無火災發生；大風天氣非常容易發生火災，但以多日干旱和無雨天氣為前提條件。從全年各月火災分布動態來看，草原地區火災主要發生在3－6月和9－11月［19］，所以本研究僅從上述時間尺度進行研究。

圖4 研究區位置圖Fig.4 Location of study area

通過對多年的資料統計發現，降水量、最小相對濕度、最高氣溫、日最大風速與火災的發生存在著密切的關系［20，21］，起火原因統計資料表明草原火災的主要起因是吸煙、上墳、惡意縱火等人為原因，它和當地的人口密度密切相關，呼倫貝爾草原地形起伏平緩，海拔多集中于600m左右，研究區內高差小于400m，因此沒有考慮地形因子。

不同草地類型易燃程度不同，同時由于草地類型是定性指標，有必要對草地類型進行量化。通過對呼倫貝爾草原火災歷史數據統計可以發現：草地類型作為草原火災的承災體，其危險性程度與草原火災的發生關系密切，不同草地類型上火災發生的次數差別明顯。為了刻畫不同草地類型的危險性程度，可以用不同草地類型歷史上火災發生的次數來描述草地類型的危險性，即某種草地上過去發生的火災次數越多，說明該草地類型火災危險性較大，相應其量化值較大。草地類型量化時參考了劉興朋等［22］的研究方法（表1），其中火災次數為1994－2004年間不同草地類型上火災統計。

通過上述分析，呼倫貝爾草原風險預警內生警源選取的指標有：日平均風速（m／s）、日平均相對濕度（%）、日降水量（mm）、日最高氣溫（℃）、日照時數（h）、草地類型量化值。

經濟潛在損失是指受到危險因素威脅的所有財產。草原火災所造成的直接經濟損失包括牲畜傷亡、房屋毀壞、牲畜棚圈毀壞、飼草燒毀等。

生命潛在損失是指在給定危險區內的承災體由于危險因素而造成的傷害或損失程度。生命潛在損失的影響因子即暴露于研究區的所有人口，其中老幼人口極易受到災害的影響，因此選擇0～6、60歲以上年齡人口數作為衡量生命潛在損失的另一個重要指標。

防災減災能力的大小受災區在火災發生時和發生后恢復能力的影響，較強的防災減災能力能緩解火災所造成的影響。因此選取防火人員數量（人）、防火物資（萬元）、公路網密度（km／km2）、水體面積（km2）來衡量草原火災防災減災能力的大小。

表1 呼倫貝爾不同草地類型等級量化值Table 1 Qualification of different types of grassland in Hulunbeier

綜合上述分析，呼倫貝爾草原風險預警外生警源主要是經濟影響因子和生命損失影響因子和防災減災能力。

2.2 呼倫貝爾草原火災風險預警警兆分析

呼倫貝爾草原火災風險預警的警兆依據對警源的分析，可以將警兆劃分為由內生警源產生的內生警兆和由外生警源產生的外生警兆（表2）。內生警兆是對內生警源的綜合評價，表現為火災發生的可能性，本研究用Logistic回歸模型分析內生警兆；外生警兆是對外生警源所造成的草原火災潛在損失的綜合評價，它與經濟因子（E）、人口因子（P0）和防災減災能力因子（R）有密切關系。

表2 呼倫貝爾草原火災風險預警警兆Table 2 Warning sign of early warning of fire disaster risk in Hulunbeier grassland

2.3 呼倫貝爾草原火災風險預警指標體系

通過分析影響草原火災預警的警源及警兆，建立草原火災風險預警指標體系（表3），整個指標體系分為警源、警兆因子和警兆。

2.4 草原火災風險預警評價指標量化

定義草原火災風險預警指數GDEWI。先找到各個二級指標的最大值及最小值，根據公式（1）對外生警源進行指標的無量綱化處理。

式中，Xi為第i個警源，X′i為無量綱化處理后第i個警源。Ximax和Ximin分別指該指標的最大值和最小值。

2.5 呼倫貝爾草原火災風險預警模型建立

草原火災風險預警指數（GDEWI）是對草原火災的內生警兆（P）和外生警兆（Dg）的綜合評價。草原火災內生警兆（P）依據Logistic回歸模型建立；草原火災的外生警兆與經濟因子（E）、人口因子（P0）和防災減災能力（R）有密切關系。草原火災潛在的損失（Dg）與經濟因子和人口因子呈正相關，與防災減災能力呈負相關；根據以上的分析，對草原火災風險預警指數的計算公式如下：

表3 呼倫貝爾草原火災風險預警指標體系Table 3 Indicators system and weights of early warning of fire disaster risk in Hulunbeier grassland

式中，Pm／t為在地點m時間t草原火災發生的可能性，Pm／t∈［0，1］，Pm／t越大，草原火災發生的可能性越大；Dg指呼倫貝爾草原火災風險預警外生警兆；E（X）、P0（X）、R（X）的值相應地表示經濟因子、人口因子和防災減災能力大小；xk為內生警兆對應的警源，bk為其回歸系數；E1，E2，E3，E4，E5，E6分別為經濟因子中對應的警源；P1，P2分別為人口因子對應的警源；R1，R2，R3，R4分別為防災減災能力因子對應的警源。w分別為利用層次分析法得到的E（X）、P0（X）、R（X）的權重值。當R（X）＝0且E（X）＝1、P0（X）＝1時，Dg＝1；當R（X）＝1，E（X）×P0（X）＝0時，Dg＝0；當R（X）＝1且E（X）＝1、P0（X）＝1時，Dg＝0.5。

2.5.1 內生警兆評價 變量N的定義。在地點m和時間t時，N＝1表示火險發生；N＝0表示沒有火險發生。將選取上述草原火險變量代入Logistic回歸模型［23］，得到草原火險概率預測公式：

式中，Um／t指地點m在時間t的各解釋變量。Ws為日平均風速（m／s）；Hu為日平均相對濕度（%）；Pr為日降水量（mm）；Te為日最高氣溫（℃）；Sh為日照時數（h）；Gt為草地類型量化值；b1，b2，b3，b4，b5，b6為內生警兆割警源對應的回歸系數，b0是常數。

因此，可以使用公式（8）計算地點m在時間t發生火災的概率Pm／t，將公式（8）進行邏輯回歸變換得到公式（9）：

用統計軟件SPSS計算所得數據發現，日照時數的顯著性檢驗概率值為0.711，超過可接受錯誤的邊界水平0.05，沒有統計學意義。剔除變量日照時數，對剩余5個變量進行分析，通過分析可知，各個要素的顯著性檢驗概率值均小于0.05，具有統計學意義。由此建立的草原火險主效應邏輯回歸模型為：

將公式（10）中各個變量的系數代入到公式（8）即可計算火險概率。

2.5.2 外生警兆評價 外生警兆評價采用加權綜合評價法：公式（4），通過對多位草原火災專業專家的咨詢，把各指標按照相對重要程度進行九分位打分，通過專家打分構造判斷矩陣計算出各指標的權重并進行一致性檢驗（表4）。

表4 呼倫貝爾草原火災風險預警外生警兆Table 4 Exogenous source of grassland fire disaster risk early warning in Hulunbeier

2.6 警源空間展布

本研究以網格為空間尺度，綜合考慮實際情況，避免造成過多的網格沒有數據并且便于行政管理。網格既具有柵格數據的顯示形式，又具有矢量數據的屬性信息，是將傳統意義上的矢量數據詳細化。

2.6.1 日最高氣溫空間展布 日最高氣溫的網格化利用ArcGIS地統計分析中的Geostatistical Analyst模塊，采用協同克里格插值方法進行空間插值。協同克里格利用空間位置樣點間的相關關系，且某些屬性不易獲得，借助其他屬性去實現對另一屬性的空間插值。通過研究發現氣溫主要的影響因素為經緯度和地形特點，因此本研究對氣溫的插值考慮高程、經度和緯度的影響，利用協同克里格插值建立氣象站點的氣象數據與海拔、經度、緯度的函數關系即y＝f（φ，λ，h），式中，φ表示經度；λ表示緯度；h表示高程，以求得到較準確的結果。以1996年4月22日日最高氣溫為例，行進插值（圖5）。

2.6.2 人口因子空間展布 人口數量網格化采用多因素綜合分析法，通過多元相關分析、回歸分析等確定與人口相關的關鍵因素，進行網格化。本研究對2003年的人口數量進行展布，作為1994－2004年各個網格內的人口數量（圖6），其中，人口數量與路網密度和草地面積的相關系數分別為0.927和－0.985，與高程的相關系數為0.531，得出人口空間展布方程：

式中，W為路網密度、G為草地面積、P0為人口數量。

本研究脆弱人口的展布通過建立與居民地密度的相關關系，利用一元回歸分析確定人口與居民地密度的回歸方程，進行網格化：

式中，N為居民地密度，Pv為脆弱人口數量（圖7）。

2.6.3 經濟因子空間展布 經濟因子空間展布采用協同克里格插值方法。經濟因子的影響因素主要是人口數量的多少，以各旗縣相關經濟數據為樣點數據，以人口數量、居民地數量為協同數據即y＝f（P0，Re），式中，P0表示人口數量；Re表示居民地數量，利用協同克里格地統計空間插值方法，對相關經濟數據進行空間插值（圖8）。

圖5 日最高氣溫空間展布Fig.5 The distribution of daily maximum temperature

圖6 呼倫貝爾草原人口展布圖Fig.6 The distribution of population in Hulunbeier grassland

圖7 呼倫貝爾草原脆弱人口展布圖Fig.7 The distribution of vulnerable populations in Hulunbeier grassland

2.7 呼倫貝爾草原火災風險預警模型閾值

本研究利用最優分割法對呼倫貝爾草原火災風險預警閾值進行了定量的、客觀的劃分。作為分析數據特征的一種聚類方法，最優分割法將一個數據集劃分為若干個類，使得類內相似性盡可能大且類型間相似性盡可能小，進而保證了等級之間的差別很大，與傳統的對預警等級進行等分具有明顯的優勢。選擇1994－2004年呼倫貝爾草原火災典型案例，使得特大火災、重大火災、火災、火警案例次數相同，并計算每次火災的預警值，然后用最優分割對所有樣本的預警值進行最優分割（表5），確定最優預警等級及閾值，進而以此為依據進行草原火災風險預警。

圖8 呼倫貝爾草原牧業產值展布Fig.8 The distribution of animal husbandry output in Hulunbeier grassland

表5 呼倫貝爾草原火災風險預警閾值Table 5 Threshold value of early warning of fire disaster risk in Hulunbeier grassland

圖9 2005年4月27日呼倫貝爾草原火災風險預警Fig.9 Early warning of fire disaster risk in Hulunbeier grassland in April 27，2005

圖10 2005年4月28日呼倫貝爾草原火災風險預警Fig.10 Early warning of fire disaster risk in Hulunbeier grassland in April 28，2005

圖11 2005年4月29日呼倫貝爾草原火災風險預警Fig.11 Early warning of fire disaster risk in Hulunbeier grassland in April 29，2005

圖12 2005年4月30日呼倫貝爾草原火災風險預警Fig.12 Early warning of fire disaster risk in Hulunbeier grassland in April 30，2005

圖13 2005年5月1日呼倫貝爾草原火災風險預警Fig.13 Early warning of fire disaster risk in Hulunbeier grassland in May 1，2005

2.8 呼倫貝爾草原火災風險預警實例

按照上述風險預警理論和方法，以2005年呼倫貝爾草原火災案例為例對呼倫貝爾草原火災進行風險預警。將火災發生當日警源進行網格化，利用公式（8）、公式（3）計算當日呼倫貝爾草原內生警兆和外生警兆，然后利用公式（2）計算每個網格的火災風險預警值，根據表（5）中風險預警閾值確定預警警報，并得到草原火災風險預警圖，由此對草原火災風險進行動態預警，圖中黑點為起火地點，網格顏色的深淺表示預警值。

圖9～13為2005年4月28日－2005年5月1日呼倫貝爾草原火災風險連續動態預警圖。4月28日橙色和紅色預警區網格數量較少，僅位于新巴爾虎左旗中部地區，隨著時間的推移橙色、紅色預警區逐漸擴大并向東逐漸推移，5月1日紅色預警區已經非常大，非常容易發生草原火災、火災潛在損失較大，新巴爾虎左旗、陳巴爾虎旗南部和鄂溫克旗3個旗交界的地方火災風險預警等級非常高，極易發生火災，該日鄂溫克旗西蘇木發生了草原火災，過火面積620hm2，火災發生地點正位于該高預警等級區域。隨著時間的變化，高火災風險預警區隨之變化，表現出良好的動態預警和空間預警能力。

3 結論與討論

傳統的火險預警一般是氣候預警和遙感監測火點預警，可以說都是火危險性預警，尚未發展到基于風險理論的火災風險預警，與已有研究成果相比本研究較好的解決了草原火災風險預警時空預測方面的特性，能隨時間變化動態預警呼倫貝爾每日高火災風險區域，并且以網格為單位，精確顯示高風險區域，大大提高了預警精度；以2005年呼倫貝爾草原火災案例為例對呼倫貝爾草原火災進行風險預警，火災發生地點與火災風險預警高的區域吻合較好，表明該預警模型的準確性；草原可視為介于環境梯度的中間，是森林和沙漠之間的地帶，因此草原的生態意義極大。草原也是我國最大的陸地生態系統，在草原災害系列中，草原火災突發性強、破壞性大、處置救助較為困難，對草原資源危害極為嚴重。同時草原火災的發生也給牧區人民生命財產帶來很大威脅，給經濟建設、社會安定帶來巨大影響。本研究根據自然災害風險評價理論和災害預警理論，建立草原火災風險預警指標體系和模型。在風險預警建模過程中，本研究采用的是層次分析法，結合加權綜合評價法得出草原火災風險預警模型，并以網格方法對呼倫貝爾草原火災風險預警進行了研究。研究結果可以為草原火災應急管理部門進行火災管理、應急決策制定提供依據和指導，并為災情評估提供可靠依據。

［1］任繼周，梁天剛，林慧龍，等.草地對全球氣候變化的響應及其碳匯潛勢研究［J］.草業學報，2011，20（2）：1－22.

［2］劉興元，龍瑞軍，尚占環.草地生態系統服務功能及其價值評估方法研究［J］.草業學報，2011，20（1）：167－174.

［3］侯向陽，尹燕亭，丁勇.中國草原適應性管理研究現狀與展望［J］.草業學報，2011，20（2）：262－269.

［4］Irvine D J，McCluskey J A，Robinson I M.Fire hazards and some common polymers［J］.Polymer Degradation and Stability，2000，67（3）：383－396.

［5］唐麗華，方陸明，夏凱，等.基于GIS空間分析技術的人為干擾強度火險評價研究［J］.浙江林業科技，2007，27（4）：42－47.

［6］范一大，王漢生，裴浩.基于RS／GIS的森林草原火災監測輔助決策系統［J］.內蒙古氣象，1998，（1）：21－23.

［7］張繼權，周道瑋，宋中山，等.草原火災風險評價與風險管理初探［J］.應用基礎與工程科學學報，2006，（增刊）：56－62.

［8］Bossert J E，Bradley M M，Hanson H P，et al.The national wildfire prediction program：A key piece of the wildfire solution［C／OL］.Joint Fire Science Conference and Workshop，Boise，USDOE Office of Defense Programs，1999［2009－05－05］.http：／／jfsp.nifc.gov／conferenceproc／Mo－02Bradleyetal.pdf.

［9］Brillinger D R，Preisler H K，Benoit J W.Probabilistic risk assessment for wildfires［J］.Environmetrics，2006，17：623－633.

［10］周利霞.基于MODIS數據火災預警研究［D］.南京：中南大學，2008.

［11］陳世榮.草原火災遙感監測與預警方法研究［D］.北京：中國科學院遙感應用研究所，2006.

［12］張繼權，李寧.主要氣象災害風險評價與管理的數量化方法及其應用［M］.北京：北京師范大學出版社，2007：351－352.

［13］張繼權，岡田憲夫，多多納裕一.綜合自然災害風險管理——全面整合的模式與中國的戰略選擇［J］.自然災害學報，2006，15（1）：29－36.

［14］董志穎，王娟，李兵.水質預警理論初探［J］.水土保持研究，2002，9（3）：224－226.

［15］卞建民，林年豐，湯潔.土地鹽堿荒漠化預警理論及實證研究［J］.農業環境科學學報，2003，22（1）：29－36.

［16］尹昌斌，陳基湘，魯明中.建立自然資源開發利用預警系統［J］.生態經濟，1999，（5）：23－26.

［17］楊殿林，張明，格日勒，等.呼倫貝爾四個主要草地類型植物量動態的研究［J］.草業科學，1994，11（3）：15－16.

［18］楊艷濤.加工農產品質量安全預警與實證研究［D］.北京：中國農業科學院農業信息研究所，2009.

［19］傅澤強.內蒙古干草原火災時空分布動態研究［J］.內蒙古氣象，2001，（1）：28－35.

［20］張尚印，祝昌漢，陳正洪.森林火災氣象環境要素和重大林火研究［J］.自然災害學報，2000，9（2）：111－117.

［21］李興華，郝潤全，李云鵬.內蒙古森林草原火險等級預報方法研究及系統開發［J］.內蒙古氣象，2003，（3）：32－35.

［22］劉興朋，張繼權，蔡維英，等.內蒙古自治區呼倫貝爾市西部草原火災危險性評價［A］.風險分析與危機反應的理論和實踐：中國災害防御協會風險分析專業委員會第三屆年會論文集［C］.巴黎：Atlantis出版社，2008，6（8－9）：333－338.

［23］崔亮，張繼權，劉興朋，等.基于Logistic回歸模型的呼倫貝爾草原火險預測研究［J］.安全與環境學報，2010，10（1）：173－177.

［24］國家統計局內蒙古調查總隊.經濟社會調查年鑒［M］.北京：中國統計出版社，2005.