基于衛星監測熱點的林火分布及發生預報模型

劉柯珍，舒立福，趙鳳君*，張運生，李艷云

(1.中國林業科學研究院森林生態環境與保護研究所，國家林業局森林保護學重點開放實驗室，北京100091；2.遷安市林業局，唐山064400)

基于衛星監測熱點的林火分布及發生預報模型

劉柯珍1，舒立福1，趙鳳君1*，張運生1，李艷云2

(1.中國林業科學研究院森林生態環境與保護研究所，國家林業局森林保護學重點開放實驗室，北京100091；2.遷安市林業局，唐山064400)

衛星林火監測作為森林火災預防和撲救工作的重要方法，在我國森林防火工作中得到廣泛推廣和應用?；谛l星監測研究全國各省份的林火熱點分布規律以及熱點集中區域的氣象因子與火災頻率的關系，以我國各地區2010—2015年春季森林防火期(3月1日—6月1日)的衛星監測熱點數據為研究對象，分析我國各省林火的年際變化及區域分布特征；通過提取火場時空因子，結合當年氣象數據，建立熱點集中區域的火災趨勢回歸模型。結果表明，衛星監測熱點統計的森林火災次數與當地林業局統計的火災數據吻合度高。2010—2015年春季林火熱點從整體趨勢上看，森林火災的熱點數量在逐年遞減，主要集中在中國的西南部區域，最多的省份為云南省，占林火熱點總數的20%；其次為四川省，占林火熱點總數的13%。云南省的春季林火次數多元回歸方程，復相關系數R=0.838**；四川省的春季林火次數多元回歸方程，復相關系數R=0.744*，回歸模型都達到了顯著水平。衛星監測熱點用于林火監測，可以高精度統計森林火災次數，回歸模型對于林火的預測預報具有一定適應性，為森林火災發生預測預報提供數據支持。

衛星熱點；林火監測；空間分布；預報模型

衛星林火監測主要是利用氣象衛星和陸地資源衛星進行森林火災監測，是現代森林防火工作技術含量最高的森林火災監測手段，因具有監測范圍廣、時間頻率高、時效性強的優點，已在我國森林防火工作中得到廣泛應用[1]。我國地域遼闊，主要的森林覆蓋區分布在東北、華南、中南和西南地區，這類地區的林火統計數據并不完善，而使用衛星林火監測可以探測到地球表面的高溫熱源點，數據較為詳細，基本包括所有林火信息[2-3]。

對于森林火災區域及預測的分析已經有大量的研究，田曉瑞等[4]根據衛星熱點數據分析了生態地理區的林火空間與時間的分布關系；郭福濤等[5]對中國北方針葉林人為火發生的預測模型進行了研究；蘇漳文等[6]利用氣象因子建立了福建省森林火險預測模型；張潔等[7]對常用于林火發生預測的正太分布、邏輯斯蒂分布、泊松分布、負二項分布、零膨脹、柵欄等6種廣義線性回歸模型的表達式、參數估計方法和假設方法做了詳細的闡述；Cary等[8]通過4種模型研究地形、可燃物及氣候因子與火災發生的關聯性；Rydén等[9]用Poission模型和零膨脹Poisson模型來模擬林火發生與氣象因素的關系。

目前的研究大部分針對某些特定區域，而對全國尺度上的火災分布及預測分析的研究較少，因此，研究的成果具有局域性和局限性，所以開展國家尺度上的森林火災發生預測預報研究，了解各區域森林火災分布情況，可為林火管理提供科學的數據支持，而衛星熱點數據具有全面性、真實性及直觀性，能為森林火險的分析提供最直接有效的數據。本研究采用2010—2015年春季森林防火期(3月1日—6月1日)的衛星監測熱點數據分析我國各省熱點的發生規律，根據氣象因子對火災發生的影響，建立火災發生次數和氣象因子的回歸模型，預測熱點集中省份的火災變化趨勢，以期為林火管理提供方法及數據支持。

1 數據與方法

1.1 數據來源

本研究中熱點數據來源于國家林業局林火監測中心的中國森林防火網熱點數據庫，時間跨度從2010年春季至2015年春季，林火監測的衛星源包括Aque、Terre、FY-1D、FY3、GF-4、NPP、NOAA-12、NOAA-14、NOAA-16、NOAA-17和NOAA-18，數據信息包括圖像數量、火點總計、林火、草原火、計劃燒除、煉山、農用火、其他、未找到、核查中、荒火、灌木火、工礦用火、未反饋、連續、非連續、0～1像素、2～3像素、4～5像素、6～10像素、10像素以上及反饋率。由于筆者研究的重點為森林火災，所以根據熱點及其他屬性如連續性、土地類型、反饋情況等對重復熱點和森林草地火災以外的熱點進行了剔除，最終獲得的熱點主要為在森林和草地等區域發生的火燒[10]。

研究區域中氣象數據來源于中國氣象數據網(data.cma.cn)，包括降水量、相對濕度、月平均最高氣溫、月平均最低氣溫、平均氣溫、風速等氣象數據。

1.2 研究方法

1.2.1 衛星監測熱點數據處理方法

首先對2010—2015年春季(3月1日—6月1日)發生的森林火災進行統計，并制作2010—2015年春季森林火災趨勢分布圖。通過文獻查詢、調查訪問及衛星監測熱點統計等方法獲取全國各省2010—2015年春季發生的森林火災實證數據，并以此為研究對象，在地理信息系統以及計算機網絡等現代高新信息技術的支持下，分析春季森林火災發生的空間規律。

1.2.2 氣象數據處理及火災預報模型建立

采集2010—2015年春季(3月1日—6月1日)月均降水量、平均氣溫、平均相對濕度、風速等數據。采用指數方程建立森林火災次數和氣象因子(濕潤系數、氣溫日較差和平均風速)之間的關系模型，其表達式為：

F=eaT-bD+cW+m

(1)

式中：F為重點省份春季發生森林火災次數；T為平均氣溫日較差，℃；D為平均濕潤系數；W為平均風速，m/s；a、b、c、m均為參數。

平均濕潤系數是降水量、氣溫、相對濕度等三大氣象因子的綜合。根據伊凡諾夫公式求得：

Di=Pi/Ei

(2)

Ei=0.001 8(100-Ri)(25+Ti)2

(3)

式中：Di為第i月濕潤系數；Pi為第i月降水量，mm；Ei為第i月潛在蒸發量，mm；Ri為第i月平均相對濕度，%；Ti為第i月平均氣溫，℃。

將公式(1)兩邊取對數，轉化成線性方程，見公式(4)。

lnF=aT-bD+cW+m

(4)

令Y=lnF，公式(4)轉化成Y=aT-bD+cW+m，利用SPSS軟件對氣象因子變量和火災發生次數進行多元線性回歸分析。

2 結果與分析

2.1 2010—2015年春季全國熱點分布及森林火災熱點分析

2010—2015年全國春季共監測到熱點總數為24 548個，其中林火(包括草原火)熱點總數為3 380個，這些熱點主要集中于西南、東南及東北大、小興安嶺地區(圖1)；南方林區的春季林火熱點數量多于北方林區，主要原因如下：南方林區相對北方林區人口密度偏大，因氣溫影響，南方森林中人們的活動影響相對頻繁，通過調研發現大部分林火熱點是由農用火引起的林區火災，森林火災發生的危險性提高[11]；因北方林區(尤其東北林區及內蒙古林區)的樹種易燃及氣候干燥等原因，雖總體林火熱點數量相對偏少，但一旦著火后容易形成重大火災。

圖1 2010—2015年春季防火期熱點分布圖Fig. 1 Hotspots distribution in the spring fire season during 2010-2015

2010—2015年春季全國森林火災熱點年際變化見圖2。從整體趨勢上看，森林火災的熱點數量逐年遞減；2010年和2011年春季林火熱點數量分別為769個和936個，分別是2015年春季林火熱點數量(201個)的3.8倍和4.6倍，林火數量呈明顯下降趨勢，同時造成林內可燃物載量增加。

圖2 2010—2015年春季全國林火熱點年際變化Fig. 2 Annual change of the number of forest firehotspots during 2010-2015

2010—2015年春季林火熱點的數量分別為769，936，687，432，355，201，分別占熱點總數的18.1%，19.4%，15.4%，8.2%，12.2%，7.0%，這與國家林業局統計的這6 a森林火災次數755，907，646，402，332，179比較接近，可以認為這些監測熱點包括了大部分森林火災；由圖3可知：2010年、2011年和2012年熱點數量出現幾次較大波動，其他幾年波動幅度較小，2010年云南、貴州和廣西發生的林火熱點占總熱點數量的58.8%，其中云南熱點數量最多，占47.8%；2011年浙江、福建、湖北發生的林火熱點數量占總的49.8%，其中湖北最多，占42.5%；2012年湖南的熱點數量最多，占全國總熱點數量的27%；2015年全國范圍內熱點數量較少，發生火災次數較少，主要原因在于我國加強了林火管理，

人們對于森林防火認識深化，取得

效果顯著，然而也造成了林內可燃物逐漸積累，因此加強林內可燃物管理對預防下次重大火災的發生非常重要[12-14]；由圖3和表1可得，2010—2015年春季林火熱點最多的省份為云南，林火為573次，占林火熱點總數的20%；其次為四川，林火為439次，占林火熱點總數的13%。

圖3 2010—2015年春季中國不同省份林火熱點散點圖Fig. 3 Forest fire hotspots in different provinces ofChina in spring during 2010-2015

表1 2010—2015年全國范圍熱點數量排列前5位的省份

注：括號內為監測熱點數量。

2.2 重點研究省份森林火災次數回歸模型

2.2.1 回歸模型的建立

根據云南和四川2010—2015年春季林火數據和氣象數據用IBM SPSS Statistics 22進行建模，以林火次數為因變量，平均氣溫日較差、平均濕潤系數、平均風速為自變量，得到全省春季林火次數氣候回歸模型，分別如下：

F1=e0.819T+1.463D+3.559W-16.224

(5)

F2=e-0.821T-4.318D+0.217W+14.222

(6)

式中：F1、F2分別為云南和四川春季發生森林火災次數；T為平均氣溫日較差，℃；D為平均濕潤系數；W為平均風速，m/s。其中，云南春季林火次數多元回歸方程，復相關系數R=0.838**(P<0.01)，回歸模型達到顯著水平；建立四川的春季林火次數多元回歸方程，復相關系數R=0.744*(P<0.05)，回歸模型達到了顯著水平。

2.2.2 回歸模型的評估檢驗

利用云南和四川2010—2015年春季林火次數對回歸模型進行評估檢驗，模型預測值與真實值之間的比較分析見圖4和圖5，可以看出預測值和真實值比較吻合，模型效果比較理想。

圖4 云南火災次數多元回歸方程的模型預測值與真實值比較Fig. 4 Comparison between predicted fire numbers and actual true values in Yunnan province

圖5 四川火災次數多元回歸方程的模型預測值與真實值比較Fig. 5 Comparison between predicted fire numbers and actual values in Sichuan province

3 結論與討論

本研究利用國家林業局林火監測中心的中國森林防火網熱點數據庫數據，結合森林資源數據、人工調研數據及氣象數據等，分析了春季全國熱點分布并構建了火災次數較多省份的森林火災次數回歸模型，結論如下：

1)從區域上看，森林火災的數量主要集中在中國的西南部區域，中國各地理位置的火險期與火災數量分布關聯性大，體現出人為干擾與火災動態之間的相關性。人口密集的南方區域，人為對森林擾動大，發生森林火災的頻率相對人口稀疏的北方要高[15]，因此，林區人員管控是森林火災防控最主要的措施之一。因北方林區(尤其東北林區及內蒙古林區)的樹種易燃及氣候干燥等原因，雖總體林火熱點數量相對偏少，但一旦發生火災后容易形成重大火災。

2)從整體趨勢上看，森林火災的熱點數量在逐年遞減，可見人們對于森林防火意識深化以及滅火設備和技術水平提高，防火效果顯著，然而也造成了林內可燃物逐漸積累。因此，加強林內可燃物管理對預防下次重大火災的發生非常重要。

3)2010—2015年春季林火熱點最多的省份為云南，其次為四川。根據云南和四川2010—2015年春季林火數據和氣象數據進行建模，并利用實證數據對其進行檢驗結果表明，模型預測值與真實值之間比較吻合，模型效果比較理想。

4)森林火災是一項復雜的自然災害現象，林火的發生包含多個因子，除了人為干擾以外，地形、氣候、植被類型、當地政策、民俗習慣等都是火災發生的干擾因子[16]。本研究只是基于火災發生的數據對云南和四川的林火發生進行分析，雖模型預測效果比較理想，但結合其他林火發生干擾因子的分析，是提高模型精度和實用性的重要途徑。

5)開發地理信息系統，進行地面核查輔助決策，分類、快速核查和管理具有不同火險級別的衛星熱點，確定熱點的具體位置，不僅包括經緯度，還包括具體鄉(鎮)、村、組及具體的山頭，是衛星林火監測發展的方向[17-19]。

本研究嘗試用衛星監測熱點進行各省林火的年際變化及區域分布特征分析并建立了發生預報模型，為森林火災預測預報分析提供了一種新的方法，將來可結合人為干擾及其他火災干擾因子提高火災發生預測預報的精度。

[ 1 ]劉運貴, 聶勇, 田景容,等. 利用林權管理軟件確定衛星林火監測熱點詳細信息的方法[J]. 林業調查規劃, 2009, 34(4):65-67. LIU Y G, NIE Y, TIAN J R, et al. Method for defining hotspots of detailed information about satellite forest fire monitoring with software of forest ownership management[J]. Forest Inventory and Planning, 2009, 34(4):65-67.

[ 2 ]李洪雙, 江西軍. 衛星林火監測在東北林區森林防火中的應用[J]. 森林防火, 2010(1):39-41, 46. LI H S, JIANG X J. Application of monitoring forest fire by satellites to forest fire prevention in northeastern area[J]. Forest Fire Prevention, 2010(1):39-41, 46.

[ 3 ]徐盛基. 西南衛星林火監測技術現狀與思考[J]. 綠色科技, 2011(2):133-135. XU S J. Thought on current status and further directions of forest fire satellite monitoring technology in southwest China[J]. Journal of Green Science and Technology, 2011(2):133-135.

[ 4 ]田曉瑞, 舒立福, 趙鳳君, 等. 中國主要生態地理區的林火動態特征分析[J]. 林業科學, 2015, 51(9):71-77. TIAN X R, SHU L F, ZHAO F J, et al. Dynamic characteristics of forest fires in the main ecological geographic districts of China[J]. Scientia Silvae Sinicae, 2015, 51(9):71-77.

[ 5 ]郭福濤, 蘇漳文, 王光玉, 等. 我國北方針葉林人為火發生的預測模型[J]. 應用生態學報, 2015, 26(7):2099-2106. GUO F T, SU Z W, WANG G Y, et al. Prediction model of human-caused fire occurrence in the boreal forest of northern China[J]. Chinese Journal of Applied Ecology, 2015, 26(7):2099-2106.

[ 6 ]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]. 森林與環境學報, 2015, 35(4):370-376. SU Z W, LIU A Q, LIANG H L, et al. Model to predict forest fire occurrence in Fujian Province based on meteorological factors[J]. Journal of Forest and Environment, 2015, 35(4):370-376.

[ 7 ]張潔, 趙浩彥, 張民俠, 等. 廣義線性模型在林火發生預報中的應用[J]. 林業工程學報, 2017, 2(1)：135-142. ZHANG J, ZHAO H Y, ZHANG M X, et al. Research on generalized linear models applied to forest fire forecast[J]. Journal of Forestry Engineering, 2017, 2(1)：135-142.

[ 8 ]CARY G J, FLANNIGAN M D, KEANE R E, et al. Relative importance of fuel management, ignition management and weather for area burned：evidence from five landscape-fire-succession models[J]. International Journal of Wildland Fire, 2009, 18(2)：147-156.

[ 9 ]RYDéN J, RYCHLIK I. A note on estimation of intensities of fire ignitions with incomplete data[J]. Fire Safety Journal, 2006, 41(5)：399-405.

[10]田曉瑞, 趙鳳君, 舒立福, 等. 西南林區衛星監測熱點及森林火險天氣指數分析[J]. 林業科學研究, 2010, 23(4):523-529. TIAN X R, ZHAO F J, SHU L F, et al. Hotspots from satellite monitoring and forest fire weather index analysis for southwest China[J]. Forest Research,2010,23(4):523-529.

[11]王文元. 衛星林火監測在西南地區應用狀況及存在問題[J]. 林業調查規劃, 2008, 33(6):59-61. WANG W Y. Application of satellite forest fire monitoring in southwest areas and related issues[J]. Forest Inventory and Planning, 2008, 33(6):59-61.

[12]賀紅士, 常禹, 胡遠滿, 等. 森林可燃物及其管理的研究進展與展望[J]. 植物生態學報, 2010, 34(6):741-752. HE H S, CHANG Y, HU Y M, et al. Contemporary studies and future perspectives of forest fuel and fuel management[J]. Chinese Journal of Plant Ecology, 2010, 34(6):741-752.

[13]SCHWILK D W, KEELEY J E, KNAPP E E, et al. The national fire and fire surrogate study：effects of fuel reduction methods on forest vegetation structure and fuels[J]. Ecological Applications, 2009, 19(2)：285-304.

[14]STRATTON R D. Assessing the effectiveness of landscape fuel treatments on fire growth and behavior[J]. Journal of Forestry, 2004, 102(7)：32-40.

[15]徐盛基. 南方十省區衛星林火監測熱點趨勢分析[J]. 森林防火, 2011(1):50-52. XU C J. Analyses on potential forest fire spots of ten southern provinces through satellite images[J]. Forest Fire Prevention, 2011(1):50-52.

[16]田曉瑞, 趙鳳君, 舒立福, 等. 1961—2010年中國植被區的氣候與林火動態變化[J]. 應用生態學報, 2014, 25(11):3279-3286. TIAN X R, ZHAO F J, SHU L F, et al. Changes of climate and fire dynamic in China vegetation zone during 1961-2010[J]. Chinese Journal of Applied Ecology, 2014, 25(11):3279-3286.

[17]黃甫則, 周汝良, 葉江霞, 等. 利用衛星熱點測報森林火災的報準率統計分析[J]. 林業調查規劃, 2012, 37(2):65-68. HUANG F Z, ZHOU R L, YE J X, et al. Accuracy statistical analysis of forest fire forecasting by using satellite hot spot[J]. Forest Inventory and Planning, 2012, 37(2):65-68.

[18]楊毅, 周汝良, 張珍蔭. 基于GIS的森林防火信息系統的研究與開發[J]. 計算機系統應用, 2003(6):8-10. YANG Y, ZHOU R L, ZHANG Z Y. The research development of forest fireproofing information system based GIS[J]. Computer Systems & Applications, 2003(6):8-10.

[19]舒立福, 田曉瑞, 向安民. 3S集成技術在林火管理中的應用研究[J]. 火災科學, 1999, 8(1)：12-18. SHU L F, TIAN X R, XIANG A M. The application of 3S technology in forest fire management [J]. Fire Safety Science, 1999, 8(1)：12-18.

Research on spatial distribution of forest fire based onsatellite hotspots data and forecasting model

LIU Kezhen1, SHU Lifu1, ZHAO Fengjun1*, ZHANG Yunsheng1, LI Yanyun2

(1.KeyOpenLaboratoryofForestProtectionofStateForestryAdministration,ResearchInstituteofForestEcology,EnvironmentandProtection,ChineseAcademyofForestry,Beijing100091,China;2.Qian’anForestryBureau,Tangshan064400,Hebei,China)

As an important method of forest fire forecast and fire suppression, satellite forest fire monitoring, with the characteristics of wide monitoring range, high frequency and short delay, has been widely introduced and applied in forest fire prevention of China. In this paper, the spatial distribution pattern of the forest fire hotspots and the relationship between the weather factors and forest fire frequency were studied based on the nationwide satellite monitoring. The satellite hotspots data of spring fire season(March 1st to June 1st) from 2010 to 2015 were used to analyze the annual characteristics of forest fires in all the provinces. The multivariate statistical regression analysis was used to establish forest fire frequency regression models in the major disaster provinces, i.e., Yunnan and Sichuan, combined with current weather data. The results showed that forest fires frequency provided by satellite hotspots monitoring coincided well with that provided by local forest administration. The number of forest fire hotspots declined year by year as a whole, and they were mainly concentrated in the southwest of China, where Yunnan and Sichuan were the provinces with the most hotspot numbers, which accounted for 20% and 13% of the whole respectively. The multiple correlation coefficients(R) of Yunnan and Sichuan forest fire frequency regression models were 0.838**and 0.744*, respectively, both of which reached a significant level. The comparison between the model and the real values showed that they were much consistent. The satellite hotspots monitoring used in the forest fire monitoring could count the numbers of forest fires with high accuracy. The enhancement of fire sources management was an important and effective measure to reduce the risk of forest fire. The regression model can be adapted in the forest fire prediction and provide the data support for the decision makers in the field of forestry in China.

satellite hotspots; forest fire monitoring; spatial distribution; forecast model

2016-12-03

2017-03-01

國家自然科學基金(31570645)。

劉柯珍，女，研究方向為森林防火。通信作者：趙鳳君，女，副研究員。E-mail:zhaofengjun1219@163.com

S762.2

A

2096-1359(2017)04-0128-06