大興安嶺森林火災樹木死亡率建模與預測

陳寶麟　戴安然

摘要：大興安嶺北部1987年春發生嚴重的森林火災，造成了巨大的損失。本文從森林防火決策和森林保險的角度出發，運用數理統計方法，根據Logistic回歸模型原理，以該場火災中的落葉松、樟子松、白樺山楊為研究對象，建立森林火災后樹木死亡率模型，開展森林火災風險評估，為未來森林火災防范預案、經濟損失估計以及森林保險費率厘定等提供參考及決策支撐，具有重要的實用價值。

關鍵詞：Logistic回歸；森林火災；樹木死亡率；大興安嶺

中圖分類號：S762.2 文獻識別碼：A 文章編號：1001-828X（2017）012-0-02

一、引言

近年來，隨著工業化城鎮化的推進、生態環境惡化的加劇、自然災害損失的增加和融入國際水平的提高，我國對林業發展的重視程度空前提高。我國是一個森林火災多發國家，1950～2010年，我國累計發生森林火災78.8萬次，受害森林面積達到3801.8萬公頃。尤其是1987年發生的大興安嶺火災，過火面積達到1.7萬平方公里，造成的危害至今仍未徹底消除。

林火發生具有突發性、隨機性和復雜性，致使林火實時數據的獲取十分困難，建立的模型預測預報精度低，普適性差，與之相應的撲救決策缺乏科學依據，加上落后的傳統林火數據處理手段，不能滿足對大量帶噪聲數據的精細研究，林火研究的現狀不盡如人意。

結合當前我國發展森林保險、管理森林災害風險的迫切需求，本文以大興安嶺北部1987年大火后的樹木為研究對象，根據Logistic回歸模型原理，建立了定量的森林火災后樹木死亡率模型，為森林火險等級模型的建立提供數據支撐，為未來森林火災防范預案、經濟損失估計、森林保險保費厘定等提供參考及決策支撐，具有重要的實用價值。

二、數據收集

1988年火災后的主要森林類型及所占比重是：落葉松林為70%、白樺林19%、樟子松林8%、山楊2%、河岸楊柳、赤楊林1%。

1.1988～1990年按不同火燒程度（極重度、重度、中度、輕度、極輕度）調查落葉松林、樟子松林、白樺山楊林等的燒死木情況及其徑級分布，一般采用30m×30m的樣地分樹種按死亡、存活逐株記載。共做各種森林類型的標準地290塊。

2.1989～1990年在不同火燒程度的不同森林群落類型的標準地中調查天然更新情況。采用樣方調查法，每個樣方的面積2m×2m，每個標準地中做樣方20～25個，記載樣方中的幼苗幼樹，對萌芽更新者，記載叢數與萌條根數及更新苗與萌生條生長狀況。2001年8 月以同樣方法對不同火燒程度的跡地做同樣的更新調查。

三、模型建立與分析

我們建立了Logistic回歸方程：

其中，P（m）是樹木死亡率，X1是樹木胸徑，X2是樹木燒傷面積比。

記死亡為1，存活為0，利用SPSS軟件，分別對落葉松、樟子松、白樺山楊進行二項Logistic回歸分析。

1.建模結果

（1）落葉松

即：Logistic回歸方程.

方程表明，胸徑和燒傷面積比對死亡率的影響都是顯著的，燒傷面積比對死亡率的影響更顯著。胸徑每增加1cm，死亡率降低22.9%；燒傷面積比每增加1%，死亡率增加5.16%。

（2）樟子松

得到回歸方程

類似地，胸徑和燒傷面積比對死亡率的影響都顯著，胸徑對死亡率的影響更加顯著。胸徑每增加1cm，死亡率降低27.4%；燒傷面積比每增加1%，死亡率增加10.35%。

（3）白樺山楊

回歸方程為

胸徑和燒傷面積比對死亡率的影響都是顯著的，相對而言燒傷面積比對死亡率的影響更顯著。胸徑每增加1cm，死亡率降低22.6%；燒傷面積比每增加1%，死亡率提高13.14%。

2.模型檢驗

（1）落葉松的似然比檢驗

三個Sig值均小于0.05，表明模型具有統計意義。

（2）預測正確率

使用Logistic回歸分析得到的方程，其準確率82.2%，接近85%，說明準確率較高。

同理可得：樟子松、白樺山楊的似然比檢驗三個Sig值均小于0.05，預測正確率分別為92.3%、 94.7%，說明準確率非常高。

四、結語

以上三個模型的預測準確率皆在80%以上，其中兩個高達90%以上，說明預測準確率高。由落葉松、樟子松、白樺山楊建立的火災后死亡率模型可知，樹木胸徑越大，所能承受的燒傷程度也越大。在重度火燒的情況下，落葉松與樟子松胸徑在20cm以上則已很少死亡，而白樺山楊最不耐火燒，應加強防范與保護措施，減少森林火災損害。

森林火險的定量定位評價可為林火的預防、撲救以及防火指揮員進行防火規劃和部署撲火力量、指導森林防火工作提供科學依據。林業產業人員可據此對林場進行保護措施的完善與加強，減少森林火災所造成的危害與損失。森林保險行業也可采取此模型，估計森林火災后所造成的經濟損失，設立賠付預案，從而為建立森林火災風險模型提供數據支撐，提高了我國在森林火災保險領域的承保風險管理水平，具有很強的實用性。

參考文獻：

[1]Bois C D. Systematic fire protection in the California forests[J].1914.

[2]王強，胡海清.基于嶺回歸和人工神經網絡估測森林可燃物負荷量[J].林業科學，2012，48（9）：108-114.

[3]楊光，舒立福，邸雪穎.氣候變化影響下大興安嶺地區21世紀森林火險等級變化預測[J].應用生態學報，2012，23（12）：3236-3242.

[4]于成龍.基于GIS和RS森林火險預測的研究研究[D].東北林業大學，2007.

[5]鄧歐.黑龍江省森林火災時空模型與火險區劃[D].北京林業大學，2012.

[6]鄧歐，李亦秋，馮仲科，等.基于空間Logistic的黑龍江省林火風險模型與火險區劃[J].農業工程學報，2012，28（8）：200-205.