基于火险区划的大兴安岭地区林火监控效率与扑救可达性研究

以大兴安岭地区2000—2010年卫星火点数据为基础,运用逻辑斯蒂回归模型建立基于气象、植被、地形、社会经济和基础设施因子的林火预测模型,并划分火险等级。此外,基于火险区划对大兴安岭地区的林火监控与扑救效率进行评价分析。模型预测结果表明,坡度、月平均降水、月平均温度等多种因素对大兴安岭地区林火发生有显著影响;火险区划表明,高火险区域面积占研究区域总面积的24. 47%;林火监控效果的评价结果显示,对比现有瞭望塔选址方式,网格布设法(20km×20km网格和10km×10km网格)的监控布点可以显著提高林火监测效果,高火险区域监测面积分别提高36. 97%和60. 52%,同时,站点需求数量也相应减少;林火扑救可达性研究表明,大兴安岭地区东、南、西部地区对高火险区域的可达性较好,中、北部地区则相对较差,而全区仅有1/3的森林消防站处于可达性高的区域,因此建议在可达性差的高火险区域适当增设森林消防站,从而全面提高该区域林火扑救效率。     

基于加权Logistic回归模型的森林火灾预测

林火预警是保障超高压输电网安全的重要工作,是森林防火部门和电网公司深度关注的领域。 研究以 2007—2017 年广东省超高压输电网线路途经地区的气象数据和林火监测的数据为基础,通过加权 Logistic 回归分析方法构建了广东省超高压输电线路区域森林火险预警模型,并用 2017 年实际林火发生 数据对该模型进行检验。模型预测准确率达到 92.6%,证明该模型具有良好的预测效果,反映了广东省区 域森林火险等级与相关气象因子的密切关系。     

山西省林火驱动因子及分布格局研究

【目的】研究山西省的林火驱动因子和火险分布格局,可为山西省森林防火工作提供参考。【方法】使用2010—2017年卫星监测热点数据,基于逻辑斯蒂模型和随机森林模型分析气象、地形、植被和人类活动对山西省林火发生的影响,选取山西省主要林火驱动因子,建立林火发生概率模型,并基于最优模型结果绘制山西省森林火险等级区划图,分析山西省森林火险分布格局。【结果】逻辑斯蒂模型选取的山西省主要林火驱动因子有日平均相对湿度、日照时数、日平均气温、日平均风速、海拔、坡度、距道路距离、距居民区距离;随机森林模型选取的山西省主要林火驱动因子有日平均地表气温、日平均气压、日平均相对湿度、日照时数、日平均气温、日平均风速、季度NDVI和GDP;逻辑斯蒂模型的预测准确率在84.31%～86.33%之间,随机森林模型的预测准确率在88.98%～94.37%之间。【结论】山西省主要林火驱动因子为气象因子;随机森林模型比逻辑斯蒂模型更适用于山西省林火发生概率的预测;山西省森林火险分布有明显的季节和地域差异,春季的高火险区明显多于其它季节,东部的高火险区多于西部,阳泉市、长治市、晋城市、忻州市东部、晋中市北部、吕梁市东南部和太原市中部是山西省主要高火险区。     

基于气象因子的随机森林算法在塔河地区林火预测中的应用

[目的]应用逻辑斯蒂回归模型和随机森林算法建立大兴安岭塔河地区林火发生的预测模型并对比模型预测精度,判断随机森林算法在该地区林火预测中的适应性,为该地区林火管理工作提供技术支持。[方法]利用1974—2008年大兴安岭塔河地区森林火灾发生数据,分别运用二项逻辑斯蒂回归模型和随机森林算法,对塔河地区林火发生与气象因子之间的关系进行实证分析。为减少训练样本分布对试验结果的影响,将全样本数据随机分成60%的训练样本和40%的测试样本,并且进行5次重复,建立5个中间模型(样本组)。选择在5个中间模型中的3个及以上的显著变量(因子)对全样本数据进行分析并分别比较2种模型算法在5个中间模型和全样本模型中的预测准确率。此外,还设计了变量交互试验进一步验证相同变量下2种模型的预测精度。[结果]日最小相对湿度、细小可燃物湿度码和干旱码3个因子在二项逻辑斯蒂回归模型和随机森林算法中均与林火发生呈显著相关。模型拟合的预测结果显示:在对5个中间模型的预测中,随机森林算法对训练样本(60%)和测试样本(40%)的预测准确率分别高于二项逻辑斯蒂回归模型8%和10%左右;在全样本模型的预测中,随机森林算法拟合的准确率为85.0%,而二项逻辑斯蒂回归模型拟合的准确率为76.2%,二者相差10%左右,与之前5个中间模型的预测结果一致;在变量交互试验中,随机森林算法拟合的准确率为86.0%,而二项逻辑斯蒂回归模型拟合的准确率为72.8%,随机森林算法的预测准确率提高了18.1%左右。[结论]日最小相对湿度、细小可燃物湿度码和干旱码是影响林火发生的主要气象因子。在基于气象因子的塔河地区林火发生预测模型研究中,随机森林算法的预测准确率高于传统二项逻辑斯蒂回归模型10%左右,具有一定的预测优势和应用价值,可为大兴安岭塔河地区林火预测和决策提供参考。     

基于零膨胀负二项模型对大兴安岭地区夏季火发生预报模型的研究

大兴安岭林区地处寒温带,是我国东北最重要的森林资源采伐基地。在全球气候逐渐变暖背景下大兴安岭地区的气候发生了明显的变化,导致夏季火频发,对该地区生态系统造成一定影响。选用零膨胀负二项(ZINB)模型,使用R-project软件,对该地区1967-2008年夏季火每日发生林火次数与气象因子之间的关系进行拟合,并用检验数据进行模型准确度预测。结果表明:最高气温对于模型的点部分影响极显著,平均地温和日照时数对于模型的零膨胀部分具有显著性影响,模型预报的准确率达71%。该模型对大兴安岭地区夏季火的预测准确性较好,利用该模型的预测预报结果能够为森林防火工作者合理配置灭火人力与物力,优先对火灾潜在高发区的可燃物进行中断管理提供科学的依据与技术支撑。     

内蒙古大兴安岭森林火险等级预报模型研究

为提高森林火险等级预报的准确率和及时率,减少森林资源损失。以内蒙古大兴安岭地区为研究区域,利用遥感MODIS-NDVI数据反演可燃物的湿度指数,以气象指数、植被指数、闪电指数、湿度指数共同计算得出森林火险指数,以火险指数作为内蒙古大兴安岭地区森林火险等级预报模型的量化指标,并对火险等级进行分级,获得内蒙古大兴安岭森林火险等级预报方法。该方法结合当地的实际情况,将闪电指数引入到预报模型中,并实现了定量化估测。同时,以近几年发生在该地区重特大森林火灾为例,对该预报模型进行了验证。该方法可较好地对内蒙古大兴安岭地区森林火险等级进行定量化预报。     

Poisson回归模型和负二项回归模型在林火预测领域的应用

应用Poisson回收模型和负二项回归模型进行林火预测预报,研究模型的使用条件和检验方法,以大兴安岭地区1980—2005年该地区林火发生数据为基础,并运用AIC检验方法对模型的拟合水平进行检验,探讨这2种模型对林火发生的预测能力,为在我国林业领域的应用提供必要的理论依据和数据支持。     

龙胜县森林火险等级区

以广西龙胜县为研究区,调查分析该县森林火险状况及影响要素,结合森林资源载量及森林防火实际,选取树种（组）燃烧类型、人口密度、气象因子、火灾次数等11项主要林火影响因子,综合运用层次分析法(AHP)、聚类分析法及ArcGIS空间分析法,区划森林火险等级。结果表明,各村（分场）可区划为Ⅰ（高火险区）、Ⅱ（中火险区）、Ⅲ（低火险区）3个火险等级;Ⅰ、Ⅱ、Ⅲ级火险区面积分别占研究区总面积的35.47%、38.33%、26.20%。高火险区主要分布在东部和南部,中火险区集中于西部和北部,低火险区分散在高、中火险区之间。区划结果有利于总结、突出研究区森林火情特点和重点。     

黄山地区森林火险天气分析

对黄山东部旌德、绩溪两县１９８７～１９９０年森林火灾资料及气象资料的研究分析表明，黄山地区１１月到次年４月为森林火灾发生季节，１０∶００～１７∶００时又为林火发生时段。林火的发生与大气湿度、降水、风等气象因子关系密切，可由这些因子综合建立火险天气级别。火险天气级别高，林火频率高；火险级别低，林火不发生或极少发生。经统计黄山气象站资料，天都峰森林火灾是在火险级别为五级状况下发生的。     

大兴安岭林区林火生态预防的新特征

根据大兴安岭林区自然概况,从生态保护的目的出发,对林火预防工作提出新的要求.林火生态预防工作主要包括火险区划、火源管理、林火阻隔、林火气象预测预报、林火监测等有关具体步骤和应该注重的问题.     

内蒙古大兴安岭林火与气象因子关系研究

基于内蒙古大兴安岭1990—2019年森林火灾历史档案和同期气象因子的数据,对该地区林火与气象因子间的相关性进行了研究。结果表明,林火发生与气象因子间的关系密切。林火发生次数随着温度的升高和降水的减少呈上升趋势;研究区日均相对湿度范围在58%~62%,火灾发生次数最多;林火发生次数与日照时数、日均温、日最高温间均呈显著正相关;过火面积与日均相对湿度间呈显著负相关,与日照时数间呈显著正相关。     

吉林地区林火规律的剖析

吉林地区1978～1987年间共发生山火871起,其中春季发生66起,占76.8%;秋季发生202起,占23.2%。一日之中,10～14点是林火发生的高峰期。山火发生的原因,人为火源占99%以上。本文根据吉林地区林火的规律,提出划分火险区,进行重点防范和加强火险预报的建议。     

大兴安岭地区森林火险变化及FWI适用性评估

根据研究区内及附件气象站每日气温、相对湿度、24小时降水和风速计算1987—2006年大兴安岭每日的加拿大林火天气指数系统(FWI)各组分值。利用空间插值方法,获得1987—2006年所有森林火灾发生日的FWI系统各组分值。大兴安岭林区森林火灾主要发生在落叶针叶林(61.3%)、草地(23.9%)和落叶阔叶林(8.0%),主要火源是雷击火(占57.1%)。4—6月份森林火灾发生时的FWI、FFMC和ISI平均值高。根据1987—2006年FWI组分指数的分布和火发生情况,对森林火险指数进行了分级,低、中、高、很高和极高火险的FWI取值范围分别为0～2.5,2.6～10.0,10.1～18.0,18.1～31.0,≥31.1。FWI对大兴安岭地区森林火险有显著的指示意义,FFMC和ISI对预测火灾的发生与蔓延有较好的指示作用。1987—2001年每年明显有春季和秋季2个火险期,但2002—2006年火险期显著延长。春季火险严重度指数(SSR)波动幅度比较大,夏季SSR和春季SSR有相反的波动趋势,2000—2006年秋季火险严重度明显升高。     

多气候情景下大兴安岭森林燃烧性评估

【目的】利用燃烧概率模型BURN-P3描述未来不同气候情景下大兴安岭地区的林火动态变化,提高对气候变化影响的认知,为开展林火管理适应技术提供科学依据。【方法】基于RCP2.6、RCP4.5、RCP6.0和RCP8.5气候情景的气候模式数据,利用历史地面观测气象数据对气候模式数据的气温和降水量分别进行了校正。根据火险天气指数系统(FWI)分别计算研究区各格点的森林火险天气指数,结合研究区可燃物类型、火发生和地形等数据,利用BURN-P3软件逐日模拟1971—2050年黑龙江大兴安岭地区的火发生与蔓延状况,分析不同气候情景下的森林燃烧概率和火行为变化。【结果】1991—2010年研究区模拟平均燃烧概率为0.010 8,过火区(除2003年)燃烧概率为0.011 3,火发生位置的平均燃烧概率为0.012 45,t检验表明差异显著。2003年研究区平均燃烧概率为0.014 2,比1991—2010年平均值高31.5%。通过对过去时段的模拟结果与实际过火区比较分析,表明BURN-P3模型能较好地模拟大兴安岭地区的林火动态。与基准时段相比,2021—2050年RCP2.6、RCP4.5、RCP6.0和RCP8.5气候情景下燃烧概率平均增幅分别为-6.21%,7.71%,7.80%和19.48%,燃烧概率增幅较大的区域主要分布在中南部;火烧强度将分别增加-13.0%,4.4%,1.5%和8.0%;树冠火比例分别增加-12.7%,4.2%,5.0%和4.7%,中部和西部树冠火增多显著。【结论】BURN-P3模型可用于模拟大兴安岭的林火动态,模拟结果可反映森林燃烧概率状况。与基准时段相比,2021—2050时段RCP2.6气候情景下平均燃烧概率有所降低,RCP4.5、RCP6.0和RCP8.5气候情景下燃烧概率将增加,火烧强度、蔓延速度和树冠火比率都呈现小幅增加。中南部的火活动明显增强,不同气候情景之间有所差异。     

应用证据权重法估测林火发生的可能性——以呼中林区为例

以大兴安岭呼中林区为研究区,综合考虑影响林火发生的自然和人为因素,应用证据权重法,从众多的影响因素中,选取能反映地形(坡向、坡位指数)、气象(年均温、年降水量)、可燃物(1h,10h时滞地表死可燃物的载量、1h时滞地表死可燃物含水量)和人类活动(距道路的距离)等因素,分析林火发生的可能性。结果表明:呼中林区林火的发生存在一定的不确定性,但研究结果对该地区森林的管理仍具有很好的指导作用,可以为森林火险区划、森林可燃物优先处理区的选择提供科学依据。应加强森林可燃物的基础研究,尤其是森林可燃物载量的时空分布规律的探讨,提高空间数据的准确性,减少不确定性,从而更好地对林火的发生作出科学的预测。     

大兴安岭雷击火发生条件分析

根据2007—2009年大兴安岭林区闪电和林火监测结果进行分析,研究火灾发生时的火险状况和雷击火灾案例,提高对这一区域雷击火的认识。根据研究区内11个气象站定时观测数据,采用加拿大林火天气指数系统计算各站点每日火险指数,分析研究时段内火灾发生与火险和闪电分布的关系。结果表明:2007—2009年共发生野火195起,其中林火148起,主要发生在4,5和8月份。雷击天气主要出现在5—9月份,其中6,7和8月份闪电最多。闪电分布密度较高的区域主要在研究区东北部,大部分闪电活动伴随着降水,但在比较干旱的年份,容易出现干雷暴天气,易引发雷击火。根据林火及火灾发生前24h的闪电分布分析,雷击火占总火灾的5.1%,闪电活动不是影响林火发生的主要原因。雷击火主要发生在火险比较高、闪电活动频繁且无有效降雨的区域。     

基于APRIORI算法的林火发生与气象关系的分析

传统的气象林火火险预测方法只适应于省级以上的大地域林火发生风险的宏观预测,不能用于林场一级的小地域的林火发生预测。林场一级的单位缺乏精确的林火发生数据和实用有效的林火监测手段,记录数据一般较粗放,难以用精确的方法进行预测。本文利用关联算法Apriori,分析了北京市房山区林火发生的可能性及发生强度与气象因子间的关系。研究结果表明,Apriori算法可以有效地利用粗放的林火数据集进行林火预测,为基层林场预测林火发生提供了方法。     

黑龙江大兴安岭雷击火概率预测模型研究

结合黑龙江大兴安岭雷击火发生特点及该地区的气象条件,引用加拿大天气指标(FWI)系统,使用2005年至2010年每日的闪电定位数据、天气数据、雷击引发的火灾数据,利用二元Logistic回归模型,采用全部进入法建立回归模型,最后检验分析显示:模型拟合效果较为理想,为预测黑龙江大兴安岭地区雷击火发生概率提供依据。     

基于闪电定位数据和气象数据的大兴安岭雷击火预测模型研究

利用2005—2011年5—10月黑龙江省大兴安岭林区的雷击火灾、闪电气象数据和其它数据,建立用于该地区雷击火预报的二项Logistic回归模型,并将ROC曲线用于模型的评价。结果表明:2005—2011年该地区雷击火发生数量年际变化较大,相对于人为火呈上升趋势;集中发生于5—6月,与云地闪电发生频数相关不显著(P0.05)。经似然比检验,最终进入模型的变量为:前7 d FFMC平均值、前3 d地闪次数、前7 d平均降水量。用于模型评价的ROC曲线比较凸近左上角,曲线下面积(AUC)为0.888,表明模型预测效果较理想,可为大兴安岭林区的雷击火预测提供科学参考。