基于MCD45A1的我國大陸地區草地火時空格局分析

靳全鋒　沈培?！↑S海松　馬遠帆　郭福濤

摘要：基于2001—2016年我國大陸地區中分辨率成像光譜儀（MODIS）遙感影像數據，運用R和ArcGIS軟件以及Mann-Kandell顯著性檢驗、核密度和隨機森林等方法分析草地火時空分布及影響因素。研究結果顯示，我國大陸地區草地火時空分布不均衡，東北區域火集中在黑龍江省西部、東部區域和吉林省西部區域;華北區域火集中在內蒙古與黑龍江省、吉林省交匯處，河北省、山西省與內蒙古交匯區域火密度較大;西北區域火集中在新疆西北部、中部區域及甘肅省中部區域;西南區域火集中在甘肅省、青海省、四川省和西藏交匯區域以及云南省少部區域;16年火次數和面積分別是 2.32×104次和2.57×106 hm2，各區域火次數和面積差異明顯，華北、西北、東北、西南、華中、華東和華南等區域火次數占總次數比例分別為41.08%、21.81%、19.82%、16.29%、0.44%、0.36%和0.20%，火面積比例分別是52.14%、18.51%、15.80%、13.19%、0.14%、0.11%和0.11%;年變化表明華北區域草地火災面積呈增長趨勢，西北、東北、西南和華中等區域呈降低趨勢而華南區域呈顯著降低趨勢;華北、西北和東北區域草地火次數呈增長趨勢，西南華東和華南呈降低趨勢，華中呈顯著降低趨勢;月變化表明草地火的月際變化不均勻，火比率呈雙峰分布，北方區域草地火多集中在3—5月和8—10月，南方華中區域草地火多集中在8—10月，華南集中在1—3月。此外草地火受海拔和坡向影響明顯，海拔在1 000 m和2 000 m、陽坡和半陽坡區域是草地火頻發區。通過對我國大陸地區草地火時空特征分析研究，為深入探究草地火污染排放和損失評估提供科學依據，為各級政府和相關部門制定防火政策提供理論和數據支持。

關鍵詞：我國大陸;MCD45A1;草地火;時空格局;隨機森林

中圖分類號： X43? 文獻標志碼： A? 文章編號：1002-1302（2019）04-0264-05

草地火是草地生態系統的重要干擾因子，其高強度、高頻率對全球大氣環境、氣候、土壤和生態系統有顯著影響[1-2]。Torlak等研究顯示全球有3.49×109 hm2的草業資源[3]，44%火災發生在草地[4]，其中52%來源于非洲、30%來源于美洲、14%來源于亞洲，其他區域占4%[5]。草地是全球最大的生物質燃燒源[6]，燃燒時釋放大量酸性氣體、污染性氣體和顆粒物顯著影響空氣質量和人類健康[7-8]。煙氣排放破壞臭氧層[9]，降低空氣能見度，促進化學煙霧的形成，直接導致氣候改變[10]，此外，草地火不僅破壞生態系統，還顯著影響土壤及降水pH值[11]，導致水土流失，造成草地生態系統退化[12]。目前關于草地火災的研究已展開，隨著科學技術發展，衛星監測方法已成為主流，衛星遙感影像最適用于大尺度草地火時空格局研究。遙感影像具有空間尺度大、時間周期短和成本低等優良特性，對于大尺度草地火災研究具有其他方法不可替代的優勢[13-14]。

我國是居世界第2的草地資源大國，約有4.0×108 hm2草地資源，占國土面積的2/5。然而我國也是草地火災頻發的國度，每年有1/3的草地遭受火災的破壞[15]。人類活動導致草地火頻發，95%草地火由人類活動引起[16]。目前我國已開展草地火災研究，并取得了一定進展[17-21]，但以往研究主要是草地火險等級劃分和研究草地火災影響因子[20，22-26]。麗娜等對小區域草地火面積進行研究[27]，靳全鋒等對小區域草地火災污染物進行研究[18]，而大空間尺度和長時間尺度的研究未見報道。因此，探討我國大陸區域草地火和火面積時空變化具有重要意義。

本研究以2001—2016年中分辨率成像光譜儀（MODIS）火災數據為研究對象，運用R和ArcGIS軟件以及Mann-Kandell趨勢顯著性檢驗、核密度和隨機森林等方法分析草地火時空分布及影響因素。主要研究目標：（1）估測出2001—2016年我國大陸地區草地火面積;（2）分析我國大陸地區草地火和面積時空分布;（3）分析地形對草地火的影響。本研究深入探究草地火與地形關系及火點和面積時空格局，為各級政府和相關部門制定防火政策提供理論和數據支持。

1 資料來源與方法

本研究以我國大陸31個?。ㄊ小⒆灾螀^）為研究區域，運用傳統的統計方法和ArcGIS空間分析方法進行數據分析，運用ENVI軟件進行MODIS數據拼接獲得火跡地數據，探索2001—2016年我國大陸草地火點和面積時空變化及影響因素。

1.1 研究區概況

我國大陸地區位于北半球、東半球，大部分位于北回歸線以北。5個熱量帶中大部分屬于北溫帶，少部分屬于熱帶，沒有寒帶，地理位置為6°06′～53°30′N、73°20′～135°30′E（圖1）。土地面積9.60×106 km2，僅次于俄羅斯、加拿大，居世界第三，我國草地資源居世界第2，占國土面積的2/5[28]。

1.2 數據來源與處理方法

1.2.1 數據來源 MODIS遙感影像數據在監測植被火災方面具有良好的可靠性[29]，目前MODIS監測受自然因素影響，成功監測率為90%左右，但通過濾除噪聲、耀斑及云的干擾，不同區域和季節草地成功監測率為高達100%[30]，因此本研究使用的是500 m空間分辨率的月尺度MCD45A1產品（https：//e4ftl01.cr.usgs.gov/），以及空間分辨率為1 km的我國行政區劃圖（1 ∶ 1 000 000）和我國植被覆蓋圖產品（http：//www.resdc.cn/data.aspx？DATAID=184）進行疊加分析。

1.2.2 數據處理方法 MODIS數據產品處理主要包括定義投影信息、投影轉換、鑲嵌、裁剪以及掩膜計算，將2001—2016年MCD45A1火面積數據運用ENVI軟件由正弦曲線投影轉換為蘭伯特投影，帶號為48，橢球體基準為1984年世界大地坐標系統（WGS-84）。將我國大陸地區每月19景遙感影像運用ArcGIS 10.2軟件進行數據鑲嵌、裁剪以及利用我國植被類型圖進行掩膜計算，分析發生草地區域過火像元和火災日期信息。

1.2.3 數據處理 利用Excel統計2001—2016年每次草地火發生時間、位置和面積，以獲取草地火時間分布特征，根據草地火空間分布特征運用ArcGIS 10.2軟件繪制空間分辨率為10 km×10 km的草地火密度和空間分布圖。

1.3 草地火點和面積變化趨勢及顯著性

1.3.1 Pearson相關系數方法 Pearson相關系數方法是一種統計學方法[31]，可以定量地衡量變量之間的相關關系，Pearson相關系數取值域范圍是-1～+1，相關系數為+1或-1時，表示完美線性相關關系，相關系數為0時，表示沒有線性相關關系。

1.3.2 草地火災次數和面積趨勢及其顯著性分析 Mann-Kandell趨勢檢驗法[32]是一種非參數統計檢驗方法。該方法不需要遵循一定分布，不受少量異常值干擾，更適用于時間序列變化的數據趨勢檢驗，被廣泛運用于時間序列上水文、溫度和氣候等趨勢變化，且計算比較簡單。

1.3.3 草地火與地形關系分析 隨機森林算法是Breiman提出的一種基于分類樹的算法[33]，運算速度很快，處理大數據表現優異，不需要回避多重共線性問題，通過對大量分類樹匯總提高了模型的預測精度，用于火災因子對因變量影響分析以及其他領域，成為機器學習領域的一個里程碑。

2 結果與分析

2.1 我國大陸草地火空間分布格局

基于2001—2016年MODIS-MCD45A1草地火數據，運用ArcGIS 10.2在WGS-84投影下劃分為10 km×10 km網格，將草地火點運用核密度原理，繪制16年火點密度圖（圖2）。2001—2016年我國大陸區域共發生草地火23 192次，年均1 450次，火在空間分布不均勻，火密度分布規律：東北地區火集中在黑龍江省西部、東部區域和吉林西部區域;華北地區在內蒙古與黑龍江省、吉林省交匯處，河北省、山西省與內蒙古交匯區域火點密度較大;西北地區火集中在新疆西北部、中部區域及甘肅省中部區域;西南地區火集中在甘肅省、青海省、四川省和西藏交匯區域以及云南少部區域。該研究結果與靳全鋒等研究[18，34-35]一致，靳全鋒等研究顯示草地火受自然因素（氣溫、降水、相對濕度等）、人為因素（放牧數量、道路密度、農田等）和生物質特性等因素影響[18-19]。相關研究表明，生物質密度越大、溫度越高、降水越少、相對濕度越低、放牧數量越少、距道路越近越有利于草地火發生。

2.2 我國大陸草地火時間分布格局

我國大陸草地火點和面積時間變化趨勢見圖3，全國2001—2016年草地火次數和面積分別是2.32×104次和 2.57×106 hm2各區域火次數和面積差異明顯，總體火次數高低順序為華北>西北>東北>西南>華中>華東>華南，火面積高低順序為華北>西北>東北>西南>華東>華中>華南;華北、西北、東北、西南、華中、華東和華南等區域火次數占總火比例分別為41.08%、21.81%、19.82%、16.29%、0.44%、0.36%和0.20%，火面積比例分別是52.14%、18.51%、15.80%、13.19%、0.14%、0.11%和0.11%。全國火次數和面積分別在2003年和2014年達到極大值，華北區域草地火次數和面積皆在2014年達到極大值，東北區域火次數和面積皆在2013年達到極小值，其他5區域火次數和面積呈波動變化，年際變化存在差異。

運用Pearson相關系數和Mann-Kandell趨勢顯著性檢驗分析草地火次數和面積時間變化。圖4為2001—2016年我國大陸區域草地火次數和面積的動態變化，Mann-Kandell趨勢顯著性檢驗結果表明，華北區域草地火面積呈增長趨勢，西北、東北、西南和華中等區域呈降低趨勢而華南區域呈顯著降低趨勢;華北、西北和東北區域草地火次數呈增長趨勢，西南、華東和華南呈降低趨勢，華中呈顯著降低趨勢。研究顯示草地火面積與空氣相對濕度和降水量呈負相關關系，與草地生物量風速等因素呈正相關[36]。

由圖5可知，我國大陸地區草地火的月際變化不均勻，火發生比率呈雙峰分布，主峰明顯高于次峰，峰值分別集中在3—5月和8—10月，時間上草地火發生比率高低順序為春 季>秋 季>夏季>冬季，春、夏、秋和冬季發生草地獲得比率分別是40.91%、15.95%、30.10%和13.04%;各區域間存在差異，東北、華北、西北、華東和西南等區域呈雙峰分布、但主峰與次峰時間差異較大。華中和華南區域呈單峰分布，從而體現南、北方草地火發生存在差異。東北和華北區域草地火多集中在3—5月和8—10月，該研究與靳全鋒等研究[18，25]一致，北部區域草地火集中在春、秋2季，主要受自然因素（降水、空氣濕度、溫度和風速等）、草地植被性質和植被含水率等因素影響。張正祥等研究表明北方區域春季降水較少、相對濕度低、氣溫回暖快、風速較大導致植被含水量低，且前1年死亡生物質較多，極易促進草地火災形成[19，35];秋季生物質大量死亡、降水較少、空氣濕度降低和風速較強，有利于草地火災的形成，但由于氣溫下降較快降低火頻率，導致春季火災頻率顯著高于秋季;其他月份降水、溫度和草地屬性等因子阻礙草地火發生。南方華中區域草地火多集中在8—10月，華南集中在1—3月。

2.3 地形對草地火的影響

全國草地火災與地形有密切關系，草地火主要集中在中海拔區域，隨海拔的增高大致呈增加→降低→增加→降低趨勢。由圖6可知，海拔在500 m以下，對草地火發生的影響較小，在1 000 m左右和2 000 m左右呈雙峰分布，該海拔對草地火影響顯著。Guo等研究表明，在該范圍是城市人口和工業的聚集地，人為活動頻繁，容易發生人為火災，草地區域主要分布在海拔2 000左右的區域，是旅游的主要分布區及北方區域人類活動區域，人類活動加強，導致發生火災的概率增大，且頻率顯著高于低海拔區域[16，37-38]。坡向對草地火有明顯影響，陽坡與半陽坡草地火災發生概率明顯高于陰坡和半陰坡。由于陽坡和半陽坡區域受到太陽輻射時間和強度高于陰坡和半陰坡，使其下墊面升溫較快，易于地表生物量水汽的蒸發，加快植被水分蒸發，有利于火災的發生，Guo等研究表明太陽輻射、溫度等因素與草地火呈正相關[16]，本研究與Guo等的結果一致。

3 結論

針對我國大陸地區草地火災現狀，本研究利用MODIS遙感影像，運用Mann-Kandell趨勢顯著性檢驗、核密度和隨機森林等方法，對不同地區草地火點、火面積時空分布及影響因子進行系統的研究，得到主要結論如下：（1）2001—2016年我國大陸地區草地火空間分布不均衡，火密度分布規律：東北地區火集中在黑龍江省西部、東部區域和吉林省西部區域;華北地區在內蒙古與黑龍江省、吉林省交匯處，河北省、山西省與內蒙古交匯區域火點密度較大;西北地區火集中在新疆西北部、中部區域及甘肅省中部區域;西南地區火集中在甘肅省、青海省、四川省和西藏交匯區域以及云南部分區域。（2）2001—2016年全國共發生火次數和面積分別是 2.32×104次和2.57×106 hm2，各區域火災次數和面積差異明顯，華北、西北、東北、西南、華中、華東和華南等區域火次數占總火比例分別是41.08%、21.81%、19.82%、16.29%、0.44%、0.36%和0.20%，火面積比例分別是52.14%、18.51%、15.80%、13.19%、0.14%、0.11%和0.11%。（3）2001—2016年我國大陸地區草地火和面積動態變化，年變化表明華北草地火面積呈增長趨勢，西北、東北、西南和華中等區域呈降低趨勢而華南區域呈顯著降低趨勢;華北、西北和東北區域草地火次數呈增長趨勢，西南、華東和華南呈降低趨勢，華中呈顯著降低趨勢;月變化表明草地火的月際變化不均勻，火比率呈雙峰分布，北方區域草地火多集中在3—5月和8—10月，南方華中區域草地火多集中在8—10月，華南集中在1—3月。（4）草地火受海拔和坡向影響顯著，結果表明，海拔 1 000 m 和 2 000 m 左右、陽坡和半陽坡區域草地火災發生頻率較高。

參考文獻：

[1]Akagi S K，Craven J S，Taylor J W，et al. Evolution of trace gases and particles emitted by a chaparral fire in California[J]. Atmospheric Chemistry and Physics，2012，12（3）：1397-1421.

[2]Permadi D A，Oanh N T K. Assessment of biomass open burning emissions in Indonesia and potential climate forcing impact[J]. Atmospheric Environment，2013，78（3）：250-258.

[3]Torlak G，Sevkli M，Sanal M，et al. Analyzing business competition by using fuzzy TOPSIS method：an example of Turkish domestic airline industry[J]. Expert Systems with Applications An International Journal，2011，38（4）：3396-3406.

[4]Van G R，Randerson J T，Giglio L，et al. Global fire emissions and the contribution of deforestation，savanna，forest，agricultural，and peat fires （1997—2009）[J]. Atmospheric Chemistry and Physics，2010，10（23）：11707-11735.

[5]Van G R，Randerson J T，Giglio L，et al. Interannual variability of global biomass burning emissions from 1997 to 2004[J]. Atmospheric Chemistry & Physics Discussions，2006，6（2）：3175-3226.

[6]Baleentiene· L，Uupis A. Fuzzy TOPSIS applied for evaluation of mitigation strategies for greenhouse gas emissions from abandoned grassland[J]. 2012，75（3）：242-249.

[7]Levine J. Influence of biomass burning emissions on precipitation chemistry in the equatorial forests of Africa[M]// Global biomass burning：atmospheric，climatic，and biospheric implications. Boston：MIT Press，1991.

[8]靳全鋒，馬祥慶，王文輝，等. 中國亞熱帶地區2000—2014年林火排放顆粒物時空動態變化[J]. 環境科學學報，2017，37（6）：2238-2247.

[9]Blake N J，Blake D R，Sive B C，et al. Biomass burning emissions and vertical distribution of atmospheric methyl halides and other reduced carbon gases in the South Atlantic region[J]. Journal of Geophysical Research：Atmospheres，1996，101（19）：24151-24164.

[10]Neto T G S，Carvalho J A，Veras C A G，et al. Biomass consumption and CO2，CO and main hydrocarbon gas emissions in an Amazonian forest clearing fire[J]. Atmospheric Environment，2009，43（2）：438-446.

[11]Yokelson R J，Goode J G，Ward D E，et al. Emissions of formaldehyde，acetic acid，methanol，and other trace gases from biomass fires in North Carolina measured by airborne Fourier transform infrared spectroscopy[J]. Journal of Geophysical Research：Atmospheres，1999，104（23）：30109-30125.

[12]Chuvieco E，Aguado I，Yebra M，et al. Development of a framework for fire risk assessment using remote sensing and geographic information system technologies[J]. Ecological Modelling，2010，221（1）：46-58.

[13]傅澤強，楊友孝，戴爾阜. 內蒙古干草原火動態及火險氣候區劃研究[J]. 中國農業資源與區劃，2001，22（6）：18-22.

[14]劉興朋，張繼權，周道瑋. 中國草原火災風險動態分布特征及管理對策研究[J]. 中國草地學報，2006，28（6）：77-82.

[15]張繼權，張 會，佟志軍，等. 中國北方草原火災災情評價及等級劃分[J]. 草業學報，2007，16（6）：121-128.

[16]Guo F T，Wang G Y，Su Z W，et al. What drives forest fire in Fujian，China？ Evidence from logistic regression and random forests[J]. International Journal of Wildland Fire，2016，25（5），505-519.

[17]宮大鵬，李炳怡，劉曉東. 草原火燒嚴重度燃燒指數的適用性比較分析[J]. 生態學報，2018（7）：1-7.

[18]靳全鋒，鞠園華，楊夏捷，等. 2005—2014年內蒙古草地火災排放污染物的時空格局[J]. 草業學報，2017，26（2）：21-29.

[19]張正祥，張洪巖，李冬雪，等. 呼倫貝爾草原人為火空間分布格局[J]. 生態學報，2013，33（7）：2023-2031.

[20]曲炤鵬，鄭淑霞，白永飛. 蒙古高原草原火行為的時空格局與影響因子[J]. 應用生態學報，2010，21（4）：807-813.

[21]陳世榮. 草原火災遙感監測與預警方法研究[D]. 北京：中國科學院研究生院，2006.

[22]烏云德吉. 基于GIS的草原火遙感監測與火險評估[D]. 呼和浩特：內蒙古師范大學，2014.

[23]都瓦拉. 內蒙古草原火災監測預警及評價研究[D]. 北京：中國農業科學院，2012.

[24]李興華. 內蒙古東北部森林草原火災規律及預警研究[D]. 北京：中國農業科學院，2007.

[25]周懷林，王玉輝，周廣勝. 內蒙古草原火的時空動態特征研究[J]. 草業學報，2016，25（4）：16-25.

[26]峰 芝. 近30年內蒙古牧區草原火時空演化特征分析[D]. 呼和浩特：內蒙古師范大學，2015.

[27]麗 娜，包玉龍，銀 山，等. 中蒙邊境地區草原火時空分布特征分析[J]. 災害學，2016，31（3）：207-210.

[28]曹國良，張小曳，鄭方成，等. 中國大陸草原火災排放的顆粒物及其它污染物量的估算[C]//大氣氣溶膠科學技術研究進展——第八屆全國氣溶膠會議暨第二屆海峽兩岸氣溶膠科技研討會文集. 北京：中國顆粒學會，2005.

[29]Amraoui M，Pereira M G，Dacamara C C，et al. Atmospheric conditions associated with extreme fire activity in the Western Mediterranean region[J]. Science of the Total Environment，2015，524/525：32-39.

[30]Zhou X C，Wang X Q. Validate and improvement on arithmetic of identifying forest fire based on EOS-MODIS data[J]. Remote Sensing Technology & Application，2006，21（3）：206-211.

[31]靳全鋒，馬祥慶，王文輝，等. 華東地區2000—2014年間秸稈燃燒排放PM2.5時空動態變化[J]. 環境科學學報，2017，37（2）：460-468.

[32]Jin Q，Ma X，Wang G，et al. Dynamics of major air pollutants from crop residue burning in mainland China，2000-2014[J]. Journal of Environmental Sciences，2017，70（8）：190-205.

[33]Breiman L. Random forests[J]. Machine Learning，2001，45（1）：5-32.

[34]劉興朋，張繼權，范久波. 基于歷史資料的中國北方草原火災風險評價[J]. 自然災害學報，2007，16（1）：61-65.

[35]張正祥. 基于地理信息系統和遙感的草地火狀況研究[D]. 長春：東北師范大學，2010.

[36]Zhang Z X，Zhang H Y，Zhou D W. Using GIS spatial analysis and logistic regression to predict the probabilities of human-caused grassland fires[J]. Journal of Arid Environments，2010，74（3）：386-393.

[37]梁慧玲，郭福濤，王文輝，等. 小興安嶺伊春地區林火發生自然影響因子及其影響力[J]. 東北林業大學學報，2015，43（12）：29-35.

[38]黃寶華. 基于MCD45山東植被燃燒時空分布分析[J]. 消防科學與技術，2016，35（2）：286-290.劉 博，雒沛文，齊永波，等. 氨基酸增效磷肥對黃褐土磷有效性的影響[J]. 江蘇農業科學，2019，47（4）：269-272.