基于层次分析（AHP）的山东林火风险区划研究

黄宝华，张 华，孙治军

（1．中国科学院烟台海岸带研究所，烟台，264003；2．烟台市地理信息中心，烟台，264003；3．中国科学院大学，北京，100049；4．中国农业大学（烟台），烟台，264670）

0 引言

林火风险指森林主体发生林火的可能性，表现为在特定时空环境中森林主体受林火威胁的可能性。其中环境是指森林主体所处空间中的气候、植被、林地及森林附近活动的人类。林火风险在时间上表现为不同时间的林火风险，在空间上表现为在不同的水平和垂直梯度上的林火风险［1］。传统的森林火险区划多使用森林调查成果的小班档案、林业基本图和林相图等续档资料，准确性、现实性较差［2］。遥感（RS）和地理信息系统（GIS）技术方法相结合，利用防火区域的地形、可燃物、天气数据和人为因素数据准确掌握火险情况，对林火火险预防更为有效、准确［3］。这种方法可以动态、快速地反应林火风险状况，具有一定的先进性，在林火理论研究和林火管理实践中具有指导意义。

1 研究区概况、数据来源及研究方法

1．1 研究区概况

山东省属农区林业，林农交错，森林防火外延广。自77年以来，森林面积与覆盖率总体呈现上升趋势，森林面积由73年的12．7亿hm2到08年的20．36亿hm2；森林覆盖率也从73年的1．22%上升到08年的1．95%。全省已建立森林和野生动物类型自然保护区16处，总面积47．4万hm2，建立森林公园84处，其中国家级森林公园26处，是古树名木的重要汇集区，且森林集中连片、与重点人文资源融入一体，是森林防火的重中之重［4］。

1．2 数据来源

表1 数据类型和来源Table 1 Data types and sources

1．3 研究方法

本文利用山东省2000年的土地覆盖类型数据、2001—2010年MODIS火烧迹地MODIS产品数据集MCD45A1、植被指数数据集MOD13Q 等，将过火像元与植被分布图进行叠加，剔除掉无植被、栽培植被和草地区域像元。邓［2］论述了经过上述数据处理的火烧迹地与森林火灾历史火点记录进行叠加，在时空分布上它们都具有较高的相关性。绘制山东森林火灾空间分布二值图。选取包括气候因子、地物类型、地形因子和人类活动在内的10个森林火险影响因子，绘制成具有统一投影坐标参考的栅格图层。在GIS技术支持下进行空间采样，构建林火空间分布与林火影响因子间的林火风险指数模型，利用层次分析法运算得到权重，最后得到森林火险概率分布图，并对2011—2012年火烧迹地数据进行验证分析。

2 林火影响因子分析与选取

2．1 气候因子与火点频次关系

温度是林火发生的重要因子，气温对火灾的影响是多方面的。高温可明显降低大气相对湿度，可燃物温度也随之升高。高温提供蒸发所需的热量，可燃物中水分蒸发和变干的速度将加快，火灾发生的可能性增幅大；另一方面，可燃物达到着火点需要一定的热量，这种热量依赖于可燃物周围空气的温度。因此，气温升高将使可燃物达到燃点所需的热量大大降低，增加火灾发生时可燃物的易燃性。空气比湿影响太阳辐射强度，进而对地面和地表燃料的温度有影响［5］。山东林火主要集中在20℃～25℃和5℃以下两部分（图1），大于25℃温度以上主要集中在6—9月，这个时期植被生长旺盛，含水量高，不易燃烧。由于空气比湿大，地表干燥物不易燃烧；5℃以下主要为1—2月和11—12月间，这个时期主要以地表易燃烧干燥物为主（图2）。

图1 多年平均气温Fig．1 Annual average temperature

图2 多年平均近地空气比湿Fig．2 Annual average near surface specific humidity

2．2 可燃物与火点频次关系

森林可燃物是森林火灾发生的物质基础，也是林火发生的首要条件。针叶林、针阔混交林、落叶阔叶林、常绿阔叶林耐火能力逐渐增强，易燃性依次降低。山东林火主要集中在常绿针叶林、落叶阔叶林和郁闭灌木林区域（图3、图4）。

火点处植被覆盖度fg（fg＝ （NDVINDVI0）／（NDVIg－NDVI0）；NDVIo为裸土或无植被覆盖区域的NDVI值，即无植被像元的NDVI值；而NDVIg则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值）值在中度覆盖0．45～0．6之间，植被覆盖度低，可燃物数量少，不易燃烧；植被覆盖度高，表面温度降低，土壤水分不易蒸发，地表可燃物湿度高不易燃烧（图5）。

图3 植被类型分布Fig．3 Distribution of vegetation types

图4 着火点植被类型统计图Fig．4 Fire points distribution of different vegetation types

图5 植被覆盖度Fig．5 Vegetation coverage

2．3 海拔、地形特征与火点频次关系

山东森林火警火灾主要分布在森林资源集中连片、地形复杂的鲁中、鲁中南山区和胶东丘陵区。火点主要集中在中低海拔（1m～400m）之间，因为随着海拔高度不断增加，气温逐渐下降（每上升100m，气温大约降低0．6℃），相对湿度增大，地被物含水率较高，不易燃烧（图6、图7）。

绝大多数火灾集中在坡度小于5°的区域（图8、图9）。一是因为人在坡度平缓区域活动和停留的时间长而导致火灾数量增多；二是因为坡度对林木危害程度，坡度与火的蔓延速度成正比，而与林木死亡数量成反比。坡度越大，火蔓延愈快，火停留时间短，对林木危害较轻；坡度愈小，火蔓延缓慢，火停留时间长，对森林危害严重。

图6 数字高程模型（DEM）Fig．6 Digital elevation model

图7 着火点DEM 统计图Fig．7 Fire points distribution at different DEM

图8 坡度Fig．8 Slope

山东山地坡向的差异对植物的生长和分布、林火的发生和蔓延有明显影响（图10、图11）。火点主要集中在阳坡（南坡和西南坡），半阳坡（东南坡和西坡）和半阴坡（东坡和西北坡）次之，阴坡（北坡和东北坡）最少。因为不同坡向接受太阳辐射不一。南坡受到太阳直接辐射大于北坡，偏东坡上午受到太阳的直接辐射大于下午，偏西坡则相反。即南坡吸收的热量最多，西坡要大于东坡，北坡吸收的能最少。阳坡日照强、温度高、蒸发快，可燃物易干燥而燃烧、火势强、蔓延快；阴坡日照弱、温度低、蒸发慢、林地湿度大、可燃物不易燃烧、火势弱、蔓延速度较慢；半阳坡和半阴坡的环境条件居中，可燃物的燃烧状态也处于两者之间。

图9 着火点坡度统计Fig．9 Fire points distribution at different slopes

图10 坡向Fig．10 Aspect

图11 着火点坡向统计Fig．11 Fire points distribution at different aspects

2．4 人为因素与火点频次关系

“人”是森林致火最为活跃因素，山东森林火灾96%是由人为因素引起。人口素质较低地区，防火意识较差，森林火灾发生概率较大；人口素质较高地区，防火意识较好，森林火灾发生概率较小。再者，人口素质较高地区一般经济发展较好，森林防火的基本设施较为完备，发生森林火灾能及时予以扑救。从事户外工作的主要为农民，农民素质对林火的发生起至关重要作用，研究表明农民素质与其人均纯收入呈正比关系。因此，以农民人均纯收入指数—（（农民人均纯收入—全省农民人均纯收入）／全省农民人均纯收入）作为农民素质衡量标准。按照小于0为一级，0～0．5为二级，0．5～1为三级，大于1为四级的标准，绘制农民人口素质图（图12、图13）。

图12 农民人均纯收入指数Fig．12 Per capita net income index of farmers

图13 火点处农民人均收入指数统计Fig．13 Fire points distribution at different per capita net income indexes of farmers

道路是表征人类活动对火险影响的重要因子，是人为火灾发生的潜在路线。道路的存在一方面增加火灾发生的危险；另一方面，道路的存在又使发现火情后人员和扑火设备能够及时到达火场，为火灾的积极扑救创造较好的条件。同时较宽的道路又为火场隔离起到积极作用。山东林火主要集中在乡镇村道和其他道路两侧。火点频次随着居民地距离的接近而增加，因为距离居住区越近越易遭受火灾干扰，研究区内位于林区中的居住区较多而导致森林火灾的发生（图14、图15）。

3 火险影响因子分类及火险区划建立

3．1 火险因子权重确定

图14 火点处与居民地距离统计Fig．14 Fire points and its distance to residence

图15 火点处与道路距离统计Fig．15 Fire points and its distance to road

层次分析法（Analytic Hierarchy Process，简称AHP法）是将决策元素分解成目标、准则、方案等层次，在此基础上进行定性和定量分析的多目标决策方法。特点是对复杂的决策问题本质、影响因素及其内在关系等进行深入分析基础上，利用较少的定量信息使决策思维过程数学化，从而为多目标、多准则或无结构特性复杂决策问题提供简便决策方法［6］。

森林火险预测将每个因子看作是综合分析的不同信息层，它们的叠置可定义火险区。建立方法如下：第一，根据每个数据层对火险大小的影响赋予权重，权重的确定主要考虑每个变量（层）对于森林火险的相对重要性；第二，参考研究成果及实验区环境特性，把每个数据层再分为若干亚层。层次分析法基本步骤如下：1）建立层次结构模型；2）构造判断矩阵；3）判断矩阵的一致性及其检验；4）计算各层元素对目标层的总排序权重。火险指数（Fire Danger Index，FDI）公式可表达为：

式中，Wi为各个火险因子层的权重，Xi为应用到各层中的得分值，在森林火险等级区划过程中（图16）面临的是一个由相互关联、相互制约的众多火险因子构成的复杂而又缺少定量数据的系统，增加了研究难度。而AHP为这一问题的决策和排序提供了一种新的、简洁而实用的定性和定量相结合的系统性、层次化的多目标决策分析方法。

图16 山东森林火险区划因子权重Fig．16 Fire danger division index weights of Shandong forest

3．2 森林火险影响因子分类

森林火险影响因子有气候因子、地物类型、地形因子和人类活动等，森林火灾是在上述综合因素作用下发生和发展。本文在研究火烧迹地与火险因子关系的基础上，选取包括气候因子、地物类型、地形因子和人类活动在内的10个森林火险影响因子，因子分类及其描述如表2所示。

表2 森林火险影响因子分类及其描述Table 2 Forest fire risk factors classification and description

3．3 森林空间等级区划

根据上述森林火灾空间分布图层和森林火险影响因子图层间建立山东林火风险区划，经图层运算得到山东省森林火险分布图。

根据计算得到的森林火险概率值，按照概率等间距方法将山东省分为无火险区、低火险区、中火险区、高火险区和极高火险区5 类森林火险区（图17）。由图17可知山东森林火险地域分布不明显，主要沿几个林区分布。济南林区、崂山林区和昆嵛山牙山林区集中了极高火险区和高火险区，特别是极高火险区基本上集中在济南林区、泰莱林区、蒙山林区、沂山林区、尼山林区、鲁山林区、五莲山林区和牙山林区大部分地区属于中火险区。

图17 山东省森林火险分布图Fig．17 Forest fire danger distribution in Shandong province

图18 森林火险等级结果验证Fig．18 Validation of forest fire danger rating results

3．4 森林火灾验证

森林火险等级反映了火灾发生的可能性与蔓延的风险性，利用2011—2012年火烧迹地数据进行精度验证，通过统计信息可以看出山东省火点落在3级以上占到了95%以上。由表3可知，5类森林火险区分别占山东省总面积的59．67%、13．26%、14．86%、8．12%和4．09%；极高火险区和高火险区12．21%，占到山东省总面积1／8 以上；极高火险区、高火险区和中火险区27．07%。验证了火险区划的实用性。

表3 利用2011—2012年已知火点对森林火险区划进行验证结果Table 3 Validation of forest fire danger division results using observe fire points in 2011—2012

5 结论与讨论

在 研 究 中，处 理 MOD14A1、MCD45A1、MOD13Q1数据，并结合山东省森林火灾历史资料和现场勘察验证材料，通过对林火的特性进行分析，获得了山东地区森林火灾发生与时间空间的关系。

（1）利用2001—2010年火烧迹地数据和2S（RS、GIS）数据分析了导致山东省林火发生与火险因子关系，说明了各因子对火灾的影响关系；

（2）利用AHP法确定了火险因子的权重，其中气象数据和人类活动是引起森林火灾的重要因素；

（3）得到山东森林火险区划图，表明山东森林火险地域分布不明显，主要沿几个林区分布。

（4）分析农民纯收入指数和火险关系，并将其作为人为因素因子引入到火险预警模型中，以阐述农民人口素质与火灾发生频率的关系，以构建更为精确的火灾预警模型。

（5）利用2011—2012年火烧迹地数据进行验证，其中3级以上火险占到95%以上，证实了火险模型的可用性。

［1］胡林，等．基于GIS的林火动态风险等级区的划分［J］．福建林学院学报，2006，26（2）：131－134．

［2］邓欧，等．基于空间Logistic的黑龙江省林火风险模型与火险区划［J］．农业工程学报，2012，28（8）：200－205．

［3］何诚，等．基于MODIS数据的森林火险时空分异规律研究［J］．光谱学与光谱分析，2013，33（9）：2472－2477．

［4］赵德奎，等．山东省森林火灾的特点与预防对策［J］．森林防火，2006，1：17－20．

［5］胡海清．林火生态与管理［M］．北京：中国林业出版社，2012：57－59．

［6］Mahdavi A，el al．Forests and rangelands’wildfire risk zoning using GIS and AHP techniques［J］．Caspian Journal of Environmental Sciences，2012，10（1）：43－52．