黔中地區森林火險氣象風險模型的研究

中圖分類號：S762 文獻標志碼：B 文章編號：2095-3305（2025）05-0263-03

森林火災會對生態環境、人類生命財產安全以及經濟社會造成巨大影響[1-2]。隨著全球氣候變化和人類活動的加劇，森林火災的頻率和強度呈現上升趨勢[3-4]。對森林火險氣象風險進行準確預測，對制定有效的預防措施和應急響應策略至關重要。森林火災的發生與氣象條件密切相關。

此外，地形、植被類型和人類活動等非氣象因素也會對火險等級產生影響[5-9]。準確預測火險等級，不僅能夠為森林火災的預防和撲救提供科學依據，還對維護生態平衡、促進可持續發展具有重要意義。

近年來，國外研究主要集中在火災發生概率模型、火災行為模擬和火災風險評估等方面[10。國內研究則側重于火災氣象條件的定量分析和火災風險區劃[1-13]。盡管研究取得了一定進展，但現有研究仍存在模型泛化能力不足、數據更新滯后和預測精度不高等問題。

1研究區概況與數據來源

1.1 研究區概況

貴陽地處云貴高原東部的黔中山原地帶，地勢自西南向東北逐漸升高，海拔 800-2200m 貴陽屬于亞熱帶濕潤氣候，夏季雨水充沛，冬季相對較干燥。年均氣溫16°C 左右，年降水量約為 1200mm 貴州森林覆蓋率高達60% ，該地區在森林火災防控方面面臨較大壓力（圖1）。

1.2 數據來源

氣象觀測數據來源于貴州省氣象信息中心，主要包含日最高氣溫、日最低氣溫、日降水量、日最小相對濕度、日最大風速。預報數據來源于貴陽市氣象臺，火災樣本數據來源于FIRMS（FireInformationforResoutceManagement System）。

2研究方法研究，預報模型的建立

區域氣候環境狀態是森林火災發生的根本因素[14-15]。一般火險預報模型僅考慮氣象條件對森林火險發生的影響，但由于貴陽地處山區，局部地區氣候差異較大，極易造成誤報或漏報，故將坡度加入模型中。利用2013—2022年貴陽市67個遙感森林火災樣本和氣象觀測數據、坡度數據，建立了森林火險綜合預測模型 U ，計算公式如下：

式 （1）～ 式（3中， U 為森林火險氣象綜合指數；Um（a） 為森林火險氣象監測指數； Uf（b） 為森林火險氣象預報指數； Im（V） 為觀測數據中日最大風速V對應的森林火險天氣指數； Im（T） 為觀測數據中日最高氣溫T對應的森林火險天氣指數； Im（RH） 為觀測數據中日最小相對濕度RH對應的森林火險天氣指數； Im（ΔT） 為觀測數據中溫度日較差 Δ T對應的森林火險天氣指數； Im（m） 為觀測數據中降水量及其后連續無降水日數 m 對應的森林火險天氣指數， If（V） / 為預報數據中各氣象要素對應的森林火險天氣指數，函數取值同觀測數據對應的森林火險天氣指數。 Ca 為坡度系數，計算公式如下：

式（4）式（5）中， Ca 的取值參考《森林火險氣象等級》國家標準（QX/T77—2007）的其他因子火情貢獻度計算方法。i為各區間因子之和（如地形中坡度的分類級別； P_i 反映該區間的火情嚴重程度； P_min 為各區間內 P_i 最小值。式（5）中， F_i 為各區間火災出現次數歷史平均值； Y_i 為各因子區間內火災出現日數。火險模型中氣象因子函數值、坡度及其系數見表1。

3數據處理與分析

3.1 火險氣象風險等級的劃分

依靠經驗劃分森林火險等級存在較強主觀性，自然斷點分級法具有定量、客觀、科學等優勢。森林火險一般劃分為5個級別，三級以上（包括三級）容易發生森林火災。針對2013—2022年貴陽67個森林火災樣本，閾值范圍確定為46＼～128，將各火點當天的森林火險氣象預報指數導入ArcMap軟件，并運用自然斷點法將樣本火險指數分為三級，即第三、第四和第五級森林火險。當火災樣本森林火險預報指數 U 為46時，即為第一、第二級森林火險分界（表2）。

3.2貴陽市森林火點的發生特點

根據2013—2022年森林火點統計（圖2）顯示，貴陽在1一4月容易發生森林火災，5月之后森林火災發生次數相對較少。這可能是因為貴陽在冬春時期降水量較少、空氣相對干燥，加之受人類活動（如焚燒秸稈、祭祀等）影響，容易發生火災。

3.3森林火險監測預報模型與森林火險綜合預報模型對比

當考慮只用森林火險監測預報模型 Um 預報火險等級時，10年中森林火險為三級以上天數占比 25.66% 四級以上天數占比 2.19% ，五級以上天數占比為 0% 而森林火險綜合預報模型 U 在10年中三級以上天數占比 50.49% ，四級以上天數占比 6.19% ，五級以上天數占比 0.22% （表3）。此外 Um 的森林火險預報相對保守，而 U 則體現出應報盡報，降低漏報的概率。

為驗證2種模式的預報效果，用森林火險監測預 報模型 Um 與森林火險綜合預報模型 U 對2023年1月13日貴陽市森林火險氣象風險等級進行預報（圖3）。結果發現， Um 預報的高森林火險范圍過大，而 U 預報的高森林火險范圍較為符合實際，故 U 對貴陽本地的預報更具有參考價值。

4結論

（1）貴陽市2013一2022年火點分布情況顯示，貴陽市息烽縣、清鎮市、貴安新區、花溪區發生火災次數較多，中部城區一帶發生火災次數少。

（2）貴陽火災易在冬季和春季發生，因為貴陽冬春時期降水量較少、空氣相對干燥，加之受到人類活動（如焚燒秸稈、祭祀）影響，容易發生火災。

（3）森林火險氣象綜合指數 U 比森林火險氣象監測指數 Um 更符合貴陽本地森林火情，更適合業務應用。

參考文獻

[1]胡海清，羅碧珍，羅斯生，等.林火干擾對森林生態系統碳庫的影響研究進展[J].林業科學，2020，56（4）：160-169

[2]李春梅，孟慶祥，崔衛紅.基于WRF模式研究動態風場對林火蔓延預測的影響：以西昌\"3·30”森林火災為例[J]科學技術與工程，2023，23（11）：4579-4585.

[3]吳恒，朱麗艷，劉智軍，等.中國森林火災發生規律及預測模型研究[J].世界林業研究，2018，31（5）：64-70.

[4]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.

[5]肖金香，彭家武，袁平成，等.廬山森林火災的環境因素分析及對策[J].江西農業大學學報，1999（4）：592-596.

[6]巨文珍，韓斐揚，彭泊林，等.廣西林火發生動態及氣象影響因素研究[J].森林工程，2024，40（2）：77-84.

[7]王澳，王成虎，高桂云，等.2000—2022年我國林火主要致災因素及撲救傷亡原因分析[J].林草資源研究，2024（1）：1-7.

[8]王明玉，舒立福，田曉瑞，等.林火在空間上的波動性及其對全球變化的響應（I）[J].火災科學，2003（3）：165-170.

[9]金森，胡海清.黑龍江省林火規律研究I：林火時空動態與分布[J].林業科學，2002（1）：88-94.

[10]信曉穎，江洪，周國模，等.加拿大森林火險氣候指數系統（FWI）的原理及應用[J].浙江農林大學學報，2011，28（2）：314-318.

[11]張貴，劉峰，楊志高.基于RS和GIS的廣州市森林火險區劃研究[J].中南林學院學報，2003（4）：62-65.

[12]黃作維，劉峰.基于GIS和RS的森林火險預測研究[J].西北林學院學報，2007（2）：115-118，137.

[13]甄貞，趙穎慧，李鳳日.基于GIS森林火險等級預報系統數據處理技術[J].東北林業大學學報，2009，37（11）：113-117.

[14]楊美和，高穎儀，郝廣明.吉林省歷史森林大火與環境氣候背景的研究[J].吉林林學院學報，1999（3）：7-11.

[15]楊云蕓，唐杰，陳鶴，等.2022年極端干旱背景下湖南森林火災氣象條件分析：以2022年湖南新田“10·17”重大森林火災為例[J].災害學，2024，39（2）：113-118.