广西森林火灾重灾年景对北太平洋海温异常的响应

根据广西１９５３～１９９０年的森林火灾统计数据和北太平洋２８６个格点１９５１～１９９０年历年逐月实测数据,运用异常度分析技术,对位于中国西南部的广西林区的森林火灾重灾年景的当年及前后各３年北太平洋海温异常变化的基本规律及时相进行了研究,发现广西林区出现森林火灾重灾年景的前１年２月至当年４月时段,北太平洋赤道附近海域（１０°Ｓ～１０°Ｎ,８０°～１８０°Ｗ）具有明显的持续低温规律,并得出在广西森林火灾重灾年景的前１年５～６月和１１～１２月期间该部分海域海温异常度指数≤－１５０,信度可达９３％的结论,为进一步揭示中国西南部林区森林火灾重灾年景的规律、成因,科学地预测中国西南部林区未来年、季林林火灾活动及致灾潜力提供了重要参考和依据     

云南林区森林火灾重灾年景对北太平洋海温异常变化响应规律的研究

根据云南１９５３～１９９０年的森林火灾统计数据和北太平洋２８６个格点自１９５１～１９９０年历年逐月实测数据,运用异常度分析技术,对云南林区的森林火灾重灾年景的当年及前后各３年北太平洋海温异常变化的基本规律及时相进行了研究,发现云南林区出现森林火灾重灾年景的前一年４～１２月时段,太平洋赤道附近海域（１０°Ｓ～１０°Ｎ,８０°～１８０°Ｗ）具有明显的持续低温,并得出该部分海域在云南森林火灾重灾年景前一年的８～９月份异常度指数≤－１５０,信度可达９３％的结论。     

陕西森林火灾重灾年与北半球副热带高压面积指数的关系研究

根据陕西省1954—2013年森林火灾统计数据和1951—2013年北半球副热带高压面积指数(SHPAINH)逐月观测数据,采用异常度和距平分析方法,研究了森林火灾重灾年当年及前后各3年逐月北半球副热带高压面积指数(SHPAINH)变化特点。研究发现,陕西省森林火灾重灾时段以关键年前3年至关键年前2年北半球副热带高压面积指数(SHPAINH)出现持续负距平为前提条件,关键年前1年11月开始出现显著正距平,同时自关键年前3年开始,10月异常度指数出现先增大后减小的单峰型曲线,据此可以推断未来一段时间内陕西可能处于森林火灾高火险时段,致灾潜力较大,这一结果可为当地森林火灾重灾年的预测和森林火灾防控物资的调度提供参考。     

基于灰色系统理论的森林火灾预测模型研究

依据灰色系统建模的基本理论，在系统分析内蒙古大兴安岭林区森林火灾发生规律的基础上，建立了森林火灾高火险及重灾年景灰色灾变GM（1，1）预测模型。模型模拟检验精度达到Ⅰ水平，发展系数-α小于0.3，可用于该地区森林火灾灾变中长期预测。预测结果显示，2001-2010年间，该林区将出现3个森林火灾高火险年，5个森林火灾重灾年，二者出现的间隔期均为2-3a，平均相对精度达98%以上；预测2007年将是高火险、重灾年份，前者预测精度为98.05%，后者预测精度为99.78%。     

厄尔尼诺-南方涛动异常对森林火灾年际活动规律的影响

本文简要介绍了森林火灾年际活动中重灾时段(年)的客观规律性以及在所有被考察年价中的比重、损失状况,对运用ENSO预测预报森林火灾重灾年景的未来应用前景及可能产生的经济、生态效益作了评价,并论述了森林火灾(Forest Fire)与厄尔尼诺(El Nino)、南方涛动(Southern Oscillation)异常关系(缩写为FF-ENSO)研究的发展趋势及可能方向,以及避免或控制ENSO对森林火灾年际活动影响的对策。     

把握形势 振奋精神 切实做好东北、内蒙古重点省区春防工作

召开这次会议,主要目的是进一步贯彻落实全国重点省区森林防火工作座谈会精神,总结东北、内蒙古林区2004年森林防火情况,研究分析当前形势,对四省区春防工作进行再动员、再部署。1东北、内蒙古林区2004年森林防火情况1.1四省区的防火成效及经验(1)火灾次数大幅度下降。四省区全年共发生森林火灾539起,比2003年下降31.8%,其中特大火灾3起,同比下降了57.2%。(2)火灾损失显著减少。全年火场总面积192411hm2,同比下降了98.1%;受害森林面积74134hm2,同比下降了98.2%。(3)伤亡人数明显降低。全年因森林火灾伤亡3人,同比下降了25%,仅占全国伤亡总人…     

黑龙江省雷击森林火灾时空分布特点

通过对2002年—2017年黑龙江省雷击森林火灾进行研究分析,发现该地区雷击森林火灾呈现明显的空间、时间分布特点。雷击引发的森林火灾占火灾总数的34.4%。(1)黑龙江省雷击森林火灾只在东经121°12′—129°32′和北纬47°6′—53°28′之间发生过;(2)大兴安岭地区是黑龙江省雷击森林火灾的主要发生地区,大兴安岭呼中区是雷击森林火灾最严重的县区,发生次数明显高于其它各县区;(3)黑龙江省每年都会发生雷击森林火灾,但不同年份的发生次数呈现较大差异;(4)雷击森林火灾多发生在夏季防火期,春季防火期后期发生次数较多;(5)雷击森林火灾的发生具有集中性,5月份进入雷击森林火灾高发期,6、7、8月份发生的雷击森林火灾最多,12时至18时是每日雷击森林火灾的高发期。     

森林火险趋势预报中降水日数和降水量模型的研建

月降水日数和降水量是制约森林火灾发生的重要气象因子。实践表明 ,降水日数和降水量偏多 ,则火灾不易发生 ,反之则易。准确预测月降水日数和降水量 ,对森林火险气候预测有重要意义。1　月降水日数预测模型的建立我们采用两种预测模型 ,即逐步回归模型和相似模型来预测月降雨日数 (日降雨量≥ 0 .3ｍｍ)。建立模型的步骤如下 :1 1　普查相关因子影响气象要素变化的物理因子很多 ,主要有海温、5 0 0ｈｐａ高度场、各种环流指数、环流特征量等。研究表明 ,北太平洋海温、5 0 0ｈｐａ位势高度与广西气象要素变化的相关较好 ,建立的预测模型效果…     

松花江林区“5.13”森林火灾战例分析

松花江林区“５．１３”森林火灾战例分析黑龙江省森警总队朱延海徐玉湘１综合情况１９９６年５月１３日，黑龙江省松花江林区通北林业局沾河顶子（北纬４８°０４′东经１２７°５７′）发生山火，火场横跨通北、沾河、绥棱三个林业局，火势向东北方向蔓延，严重威胁到伊...     

北太平洋夏季海温的时空变化特征

利用NOAA ,NCEP和NCAR的1854～2009年北太平洋区域（10°S －60°N ,120°E －80°W ）海表温度（SST ）资料,采用EOF、谐波分析和小波分析等方法,详细探讨了北太平洋夏季（6～8月）SST 的时空变化特征。结果表明：160年来北太平洋夏季SST的空间变化主要分为3种模态,第一横模态为全区一致型,该模态振幅最大值中心位于菲律宾群岛附近的暖池区;第二模态为东西差异型即ENSO模态,该模态反映了中东太平洋SST与西太平洋暖池的反位相变化。第三模态为南北差异型,反映了东北太平洋SST 与赤道太平洋SST的南北反位相变化,振幅中心位于阿拉斯加湾暖流附近。北太平洋SST具有显著的年际、年代际和多时间尺度的周期变化特征。北太平洋SST年际变化显著的区域位于：日本海一带,我国大陆以东洋面,北太平洋中部30°N 附近,北太平中部45°N 附近,北美海岸山脉以西,墨西哥以西,赤道中、东太平洋亚洲大陆一带洋面。北太平洋SST从19世纪50年代中期至20世纪70年代末期偏低,20世纪80年代初期至今呈持续上升趋势。北太平洋SS T具有周期为3～6年的年际变化,还叠加有周期分别为21.11年,27.86年,18.28年的年代际变化。北太平洋SST高值年和低值年分别与厄尔尼诺年和拉尼娜年对应。     

STUDY ON RELATIONS BETWEEN HEAVY-DISASTER-PERIOD OF FOREST FIRE ACTIVITY AND SUNSPOT ACTIVITY, SSTA

TheprojectwassupportedbyChinaNaturalScienceFund.INTRoDUCTIoNOursocietyhascomeintoaperiodofhighdevelopedscienceandtechnology,nevertheless,it'sapitythatmankindhasn'tfreedhimselffrompassiveandblindcondi-tionthatforestfirewaspreventedandcon-trolledonlargescale.Particufarly,sofarthebasiclawsofinter-annualchangesofforestfirehasnotbeenknown.Itremainsperplexingwhyheavy-disaster-periodofforestfire(HDPFF)inacertainregionreappearseveryafewyearsandlastsforl-2yearswithgreatlossofforestresource.A1th…     

影响黑龙江省夏季林火的关键气象因子分析

利用2001～2009年黑龙江省夏季林火资料和同期林区气象观测资料,采用主成分分析方法确定了月降水量和月无雨日数、月平均温度及14时月平均风速是影响夏季林火的关键因子,其中降水量是最重要的影响因子,其次是温度因子和动力因子,夏季的温湿状况以及动力条件是决定夏季林火是否发生的关键;根据温湿因子综合分析发现,夏季林火多发生在暖干型气候背景下,即气温高降水少的月份,而且这种形势下发生的火灾往往持续时间长、过火面积大、造成的损失严重。     

黑龙江省林火规律研究Ⅱ.林火动态与格局影响因素的分析

本文对在大尺度 (5 0 0km2 以上 )上影响黑龙江省林火的因素及其影响途径进行了分析。结果表明 ,年林火次数 (人为火次数 )与林业人口正相关 ,林火面积与人口无关。干燥度的空间差异对林火燃烧率格局有正向影响。林火特征与气候因子之间没有线性关系。黑龙江省林火次数和面积对年均温和降水量的响应可归纳为旋转的单叶双曲面和双叶抛物面两种模式。林火特征的周期与年均温、年降水量的周期关系很大。黑龙江省森林类型对林火次数、面积的影响在省级区划尺度上不显著的。较高的管理水平显著减少林火。林火次数、面积与了望塔数量、消防车数量及通讯覆盖率等无线性关系     

长沙县森林火灾发生规律研究

根据长沙县"十一五"期间森林火灾发生的统计数据,从地域、时间、火因和肇事者等分析森林火灾发生的规律.结果表明:森林火灾发生存在明显的地域差异,据此可分为重灾区、较重灾区、较轻灾区、轻灾区和无灾区;森林火灾主要发生在防火期内,其中春防期明显多于冬防期,2月或3月为高发期,一天中的起火高峰在10:00—18:00;森林火灾发生主要由人为因素引起,森林火灾的肇事者老人最多,占30.6%。通过对森林火灾发生规律的调查分析,为长沙县"十二五"期间的森林火灾防控对策提出了建议。     

基于地理加权回归模型与林火遥感数据估算森林年龄

【目的】通过地理加权回归(GWR)模型估算非干扰林龄,利用遥感数据和林火发生历史数据,获取过火区域信息,进而对林火烈度分级,讨论林火烈度与森林类型的交互作用,估算干扰林龄,最终获得黑龙江省森林年龄的空间分布。【方法】以黑龙江森林为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,通过逐步回归方法提取了包括遥感因子绿度指数(Greeness)、湿度指数(Wetness)、林分平均胸径(ADBH)、林分平均树高(ASH)及海拔(Altitude)在内的5个显著因子作为自变量,采用GWR模型建立非干扰林龄估算模型。采用全局Moran I来描述模型残差的空间自相关性。绘制研究区非干扰林龄空间分布图并探究林龄的空间分布状态。[JP+1]结合林火位置与面积记录对多光谱数据目视解译提取过火区域,根据dNBR将过火区域火烈度分级。将火烈度图与植被类型图叠加分析,讨论不同森林类型在不同火烈度下的演替情况。定义干扰林龄时,未发生树种更替的森林林龄不变,树种发生更替的森林在林火发生年将其林龄归为0,并在新的优势树种萌发时从1开始累加,以此类推干扰后森林的林龄。【结果】黑龙江省非干扰森林平均林龄为48年,标准差为16年。GWR模型的 Radj^2 为0.68,RMSE为16.171 7。使用Moran I来检验模型的残差,发现GWR模型可很好地消除残差的空间自相关性。研究区林龄整体空间分布状态不均匀,大兴安岭地区林龄普遍高于黑龙江林区。黑龙江省2000―2010年林火主要发生在大兴安岭及小兴安岭地区,根据dNBR将已提取的过火区域林火烈度分为:未过火、轻度过火、中度过火和重度过火4类,总过火面积为527 932 hm^2,其中重度29 157 hm^2、中度180 268 hm^2、轻度318 507 hm^2。兴安落叶松林和蒙古栎林在整个研究区中过火面积最大,分别占总过火面积的28.63%和47.23%。根据不同森林类型在不同火烈度下的演替情况,估算干扰森林的林龄并绘制干扰林龄空间分布图。【结论】 GWR模型能较有效地估算黑龙江省非干扰林龄,成功地降低了残差的空间自相关性。在估算林龄的过程中加入林火干扰因素,以获取更真实的林龄空间分布数据,可为黑龙江地区森林NPP、NEP以及森林碳储量、森林生物量等相关研究提供数据支持。     

基于地理加权回归模型与林火遥感数据估算森林年龄

【目的】通过地理加权回归(GWR)模型估算非干扰林龄,利用遥感数据和林火发生历史数据,获取过火区域信息,进而对林火烈度分级,讨论林火烈度与森林类型的交互作用,估算干扰林龄,最终获得黑龙江省森林年龄的空间分布。【方法】以黑龙江森林为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,通过逐步回归方法提取了包括遥感因子绿度指数(Greeness)、湿度指数(Wetness)、林分平均胸径(ADBH)、林分平均树高(ASH)及海拔(Altitude)在内的5个显著因子作为自变量,采用GWR模型建立非干扰林龄估算模型。采用全局Moran I来描述模型残差的空间自相关性。绘制研究区非干扰林龄空间分布图并探究林龄的空间分布状态。[JP+1]结合林火位置与面积记录对多光谱数据目视解译提取过火区域,根据dNBR将过火区域火烈度分级。将火烈度图与植被类型图叠加分析,讨论不同森林类型在不同火烈度下的演替情况。定义干扰林龄时,未发生树种更替的森林林龄不变,树种发生更替的森林在林火发生年将其林龄归为0,并在新的优势树种萌发时从1开始累加,以此类推干扰后森林的林龄。【结果】黑龙江省非干扰森林平均林龄为48年,标准差为16年。GWR模型的 Radj^2 为0.68,RMSE为16.171 7。使用Moran I来检验模型的残差,发现GWR模型可很好地消除残差的空间自相关性。研究区林龄整体空间分布状态不均匀,大兴安岭地区林龄普遍高于黑龙江林区。黑龙江省2000―2010年林火主要发生在大兴安岭及小兴安岭地区,根据dNBR将已提取的过火区域林火烈度分为:未过火、轻度过火、中度过火和重度过火4类,总过火面积为527 932 hm^2,其中重度29 157 hm^2、中度180 268 hm^2、轻度318 507 hm^2。兴安落叶松林和蒙古栎林在整个研究区中过火面积最大,分别占总过火面积的28.63%和47.23%。根据不同森林类型在不同火烈度下的演替情况,估算干扰森林的林龄并绘制干扰林龄空间分布图。【结论】 GWR模型能较有效地估算黑龙江省非干扰林龄,成功地降低了残差的空间自相关性。在估算林龄的过程中加入林火干扰因素,以获取更真实的林龄空间分布数据,可为黑龙江地区森林NPP、NEP以及森林碳储量、森林生物量等相关研究提供数据支持。     

ENSO对黑龙江省森林火灾的影响

利用黑龙江省1980—1999年森林火灾数据,以及NINO3.4指数和SOI指数,分别对其进行谱分析,得出其波动周期分别为:火灾次数的周期为10.00年;火灾面积的周期为6.67年;La Nin~a和El Nin~o在这20年中的基本周期为5.00年。进而对其进行相关性分析,结果表明,La Nin~a和El Ni~no与森林火灾面积和次数的相关性极为显著,NI-NO3.4指数与森林火灾年发生面积与次数呈负相关,相关系数分别为-0.523 1和-0.659 4,SOI指数与森林火灾年发生次数与面积呈正相关,相关系数分别为0.525 4和0.536 3。La Ni~na对森林火灾的影响较El Nin~o的影响要小。由于受遥相关二次效应的影响,森林火灾的发生相对于El Nin~o事件的高峰有一定的滞后。在ENSO暖事件间期,通常火灾面积、次数会异常增高。     

Summer Forest Fire Meteorological Environment in the North of Daxingan Mountains

In recent years, especially in the summer of 2002, the most serious forest fires occurred in the Daxingan Mountain of Heilongjiang province and Inner Mongolia. There has been long time serious forest fire environment in summer in Daxingan Mountain. The grass in the forest is scorched for long time drought and the moisture content of litter and turf layer decrease rapidly. The accumulation and dryness of fuel build the summer forest fire environment, which are major caused by Meteorological environment. Human are lack of the right recognition of summer fires, and can not achieve the goal of detecting and fighting in time. Also summer fires have the tendency to increase in some areas of the world and human have to pay much more attention to how to prevent and control summer fires.     

林芝地区森林火灾的年际变化特点及致灾原因分析

以林芝地区1986～2005年森林火灾统计数据为依据,分析森林火灾发生的年际变化特点.结果表明,森林火灾总起数在80年代末90年代初发生频率较高,1995年以后总体呈下降趋势,受灾森林面积有2个高峰期,集中在1990～1992年.林芝地区的火灾轮回期为18 008 a,火灾发生概率为0.000 056.对林芝地区森林火灾致灾原因进行分析,指出自然致灾因子包括相对湿度、风、温度、降水等气象条件是森林火灾发生的基础条件,人文致灾因子是森林火灾的诱导因素.