湖南省森林火险天气等级预测模型研究

郭海峰，禹 伟

（湖南省气象服务中心，湖南 长沙 410118）

湖南省森林火险天气等级预测模型研究

郭海峰，禹 伟

（湖南省气象服务中心，湖南 长沙 410118）

为提高湖南省森林火险天气等级预测精度，降低空报和漏报比例，基于湖南省各县2005—2015年森林火灾数据及各县气象站对应的同期气象资料，利用变异系数方法确定了日最高气温、风速、相对湿度、降雨量等天气因子的分段区域，设定了各区域的得分值，并运用主成分分析方法确定了不同分段区域对湖南省森林火灾的影响权重，建立了加权森林火险天气指数模型，根据天气指数确定森林火险天气等级。经2015年森林火灾数据验证模型精度达到了74.2%，表明了该森林火险天气等级预测模型具有适用价值。

森林火险；天气等级预测； 模型； 湖南

自20世纪初，天气条件对森林火灾的影响就已受到研究者的关注，20世纪70年代基于天气条件的林火预报研究取得了突破性进展[1-2]。我国自20世纪80年代以来，对森林火险与天气条件的关联性也展开了深入研究[3-4]。研究认为，天气条件是影响林火动态变化的重要因子，影响着林火发生发展的时空规律[5-7]，并在此基础上以气象要素作为主要的预报参数给出了不同类型的林火预报模型或系统[8-9]。由于与森林火险相关的天气因子很多，而各天气因子又受地理条件及社会经济发展等因素的影响，各天气因子相互作用，紧密联系，现有的森林火险天气等级预测模型精度受制于天气因子的选取及取值的影响，而且其模型并未考虑各天气因子不同取值段对森林火灾风险的影响，故森林火险天气等级预测模型的空报、漏报比例较高，对于特定区域而言，森林火险天气等级预测模型需进一步改进。湖南是我国重要的商品林建设基地，却又是中南地区森林火灾重灾区[10-11]，本研究以湖南森林火灾为研究对象，探讨湖南森林火险天气等级预测模型。

1 研究区森林火灾及天气影响概况

湖南地处108°47′～ 114°15′E，24°38′～30°08′N之间。气候为具有大陆性特点的亚热带季风湿润气候，降雨量年际变化大，雨季集中在5月初至7月底。森林资源主要集中在湘西南、湘南、湘西北及湘东。

从2005—2015年森林火灾统计数据来看，湖南一年四季均有火灾发生，年内变化幅度较大，主要集中分布在每年的10月份到次年的4月份，呈现出明显的季节变化。

图1 湖南省森林火灾月均变化Fig. 1 Month mean variation of forest fi re in Hunan province

基于湖南历史森林火灾数据，分析其对应的同期天气条件数据可知影响湖南森林火险的天气因子具有如下统计特征，：当日最高气温低于5 ℃时，湖南省很少发生森林火灾，随随着日最高气温的升高，湖南森林火灾发生频率快速升高，但当温度达到25 ℃左右时，火灾发生率不再明显上升；最适于湖南森林火灾发生的风速处于1.5 m/s的微风环境；风速低于0.2 m/s，高于5.4 m/s时，很少发生森林火灾；当相对湿度低于30% rh时，火灾发生率很高，而高于51% rh时，很少发生森林火灾；对降雨量来讲，日降雨量大于2 mm的情况下,森林火灾很少发生，而低于0.3 mm时，森林火灾则很容易发生。这表明各天气因子对湖南森林火灾的发生影响不同，同一天气因子在不同的取值范围内对森林火灾的影响也明显不同。

2 指标选取与研究方法

2.1 天气因子指标选取

植物含水量是决定森林火险的重要参数，而植物的含水量与气象参数间存在着稳定的关联[12-14]，因此各气象因子诸如温度、降雨量、相对湿度、日照、风速、蒸发等因子是影响森林火险的重要因素。在参考国家“全国森林火险天气等级(LY/T 1172-1995) ”、“全国森林火险区划等级(LY/T 1063-2008)”等林业行业标准基础上，结合各地森林防火期设置标准，研究中选取了降雨量、最高气温、相对湿度、风速等单影响因子以及月湿润度概念作为天气因子指标体系去构建湖南天气等级预测模型。月湿润度以月为单位，是反映湖南省各县湿润程度的一个综合指标，用于调整局部点数据如降雨量、相对湿度等对各县植物整体含水情况的评价偏差。各县月湿润度的值e通过以下公式获取：

指各县各月平均降水量，指各县各月平均最高气温，指各县各月月平均相对湿度。

2.2 数据来源与研究方法

研究中所用森林火灾数据来源于国家森林防火网、湖南省林业厅，气象数据来源于湖南省各县气象站同期降水量、最高气温、最小相对温度和平均风速等。

使用的研究方法涉及到变异系数法和主成分分析方法，变异系数可以反映一组数据的变化程度，研究中应用变异系数进行各天气因子的分段区域及最后对森林火险天气等级的分级，结合湖南省森林火灾统计规律，进行分段调整；主成分分析方法可以克服人为权重设置导致的模型预测精度偏差，应用主成分分析方法确定各因子不同分段的权重值。在此基础上构建加权湖南森林火险天气等级预测模型。

3 森林火险天气等级预测模型的构建

3.1 森林火险天气指数模型

参考全国森林火险天气等级标准，定义湖南森林火险天气指数计算方法：

式（1）中：HTZ为森林火险天气等级指数，a，b，c，d分别为日降水量，日最高温度，最小相对湿度和风速的权重值，e为月湿润度。R，T，H，W，W1则分别为日降水量，日最高温度，最小相对湿度、风速各分段对应的得分值以及各月湿润度得分值。

3.1.1 各天气因子分段得分值的确定

参照“全国森林火险天气等级”、“全国森林火险区划等级”等林业行业标准，根据湖南省森林火灾的统计规律，对各天气因子，应用变异系数方法确定其相应分段值。变异系数CV的计算方法如下：式（3）、（4）中：n为组中数据个数，xi为组中数据值。

参照全国森林火险天气等级标准，确定各分段得分值。

3.1.2 模型参数的确定

在构建火险天气模型时，除了确定各天气因子的相对重要程度以外，还要体现同一因子不同取值范围对火险的不同影响。

（1）模型中各因子权重的确定

首先以县为单位分时段计算其森林火灾发生的概率，再应用主成分分析方法确定各因子分段权重。计算方法如下：

①变量标准化

由于在各因子不同分段条件下，火灾的发生率变化较大，为防止在评价中各分段作用就会被人为的夸大或缩小，为消除这种分段值统计结果的影响，用公式标准化方法对各指标标准化，记得到的标准化数据矩阵为X′。

②计算数据矩阵X′的相关系数矩阵：

③用雅可比法求X′的特征根λi和相应的特征向量ei(i=1，…，m)。

④计算主成分贡献率及累计贡献率，设αi为第i个主成分的贡献率，则

αi=λi/(λ1+λ2+…+λm)i=1，…，m，这个比值是第i个主成分的方差在全部方差中所占的比重。累计贡献率表示为：(λ1+λ2+…+λi)/(λ1+λ2+…+λm)表示前k个主成分的方差和在全部方差中所占的比重，前k个主成分共有多大的综合评价能力。研究中选取主成分对应的特征值大于1且累计方差贡献率达到85%以上，确定主成分个数。

⑤计算主成分载荷lij，写出主成分表达式Zi。

用主成分相应的特征根开平方根除因子载荷矩阵中的数据便得到每个主成分中的每个指标对应的系数pij。

对k个主成分中每个指标所对应的系数乘上该主成分所对应的贡献率之和除以k个主成分的贡献率之和，得到综合得分模型：

该模型中每个指标所对应的系数表示各指标的重要性含量，记为qi。

将各指标重要性指标转换成权重，即将其映射到[0，1]范围之内，使所有指标的权重之和为1。

记Xi指标权重为ti，则有：

3.2 森林火险天气等级的划分

通过计算湖南省各县气象站点各自过去8 a内的森林火险气象指数，升序排列后按中间多两头少的原则将森林火险天气等级的比例设定为：10%、20%、40%、20%、10%，再次应用变异系数调整天气等级的分段值，最后将湖南省森林火险天气等级定为：极度风险、重度风险、高度风险、中度风险和低度风险五级。

4 模型参数确定及应用

考虑到所建模型的实用性要求，建模过程中用2005—2014年森林火灾数据确定模型参数，随机抽取2014年部分检测模型有效性，并用2015年的实际98条森林火灾数据模拟本研究模型的应用效果。

4.1 各天气因子分段区域及其得分

利用变异系数结合湖南森林火灾规律，得到各天气因子的分段区域，结合森林火险天气等级标准，确定各分段区域得分，见表1。

表1 各天气因子分段区域及其得分Table 1 Section and it’s score for each weather factor

特别地，干旱程度是影响森林火险的重要条件，通过降水值的大小与前期无降水日数得分，可在一定程度上反映区域森林干旱情况。故确定了降水及前期无降水日数的相应得分，见表2。

表2 降水量的分段区域及其得分值表Table 2 Section and it’s score for rainfall

4.2 各天气因子不同分段区域的权重

利用主成分分析方法，得到各天气因子的分段权重值，见表3。

表3 各天气因子分段权重值表Table 3 Weight for each weather factor

4.3 森林火险天气指数分段与划分天气等级

利用变异系数对历史森林火灾数据相关的天气指数划分分段区域，确定天气等级，如下表4。

表4 森林火险天气指数分级Table 4 Weather index of forest fire risk

4.4 天气指数的计算与森林火险天气指数分级

根据实测的天气因子值，查表1～表3，结合构造的天气指数模型HTZ=a×R+b×T+c×H+d×W+e×W1，得到该气象站点所辖区域的天气指数HTZ，查表4，确定该区域森林火险天气等级。

4.5 模型有效性检测

为了检测预测模型的预测性能是否满足要求，我们随机抽取了2014年历史火灾数据50条进行测试。检测的指导思想是以这50条火灾数据所对应的天气情况取值分别计算各自的森林火灾天气风险指数值，查天气风险等级表，查表结果表明，模型计算得到的各火灾分级落入了中度风险级别以上级别层次里，表明火灾天气风险等级预测效果较好，中度及以下风险级别率控制在15%以内。这说明了模型预测结果可以用于森林火险等级预测。

4.6 森林火险天气等级预测应用

根据森林火险天气等级预测模型，随机取出2015年历史火灾数据的98条进行验证，落在极度风险范围内的火灾有22条，落在重度风险区的火灾有41条，落在高度风险区的火灾有10条，中低度风险区的火灾有10条，还有5条落入低度风险区。火险天气预报如果按高度森林火险天气预报发布而言，98条数据中有73条数据会及时预报，则该模型的预测精度达到了74.2%，说明该模型可以用于湖南省森林火险天气等级预测的实际应用中。

5 结论与讨论

加权森林火险天气等级预测模型的预测精度较高，误差约为15%，根据模型计算出风险指数，查对湖南森林火险天气指数分级表，即可确定目标区域的森林火险天气等级，经验证，该模型具有较好的预报能力。

森林火灾受诸多因素的影响，本研究选取的指标体系的科学性还有待于进一步探讨；由于森林火灾的特殊性，火灾数据获取难度较大，加之森林火险天气指数分级初始设置受人为经验的影响，各级别的边界取值尚待进一步调整。

[1]舒立福,张小罗,戴兴安,等. 林火研究综述(Ⅲ)-林火预测预报[J]. 世界林业研究,2003,16(4):34-37.

[2]Erickson, Michael J. Charney, Joseph J. Colle, Brian A. Development of a Fire Weather Index Using Meteorological Observations within the Northeast United States[J]. Journal of Applied Meteorology and Climatology, 2016, 55(2): 389-402.

[3]刘思林.黑龙江大兴安岭森林火险气象等级及区划研究[D].北京:北京林业大学,2014.

[4]王会研,李 亮,刘 一,等. 加拿大火险天气指标系统在塔河林业局的适用性[J]. 东北林业大学学报,2008,36(11):45-47.

[5]文东新,张明军,龙定华,等. 广西森林火灾时空分布及其影响因素[J]. 中南林业科技大学学报,2007,27(5):83-86.

[6]Fang Lei, Yang Jian, ZuJiaxing. Quantifying influences and relative importance of fi re weather, topography, and vegetation on fi re size and fi re severity in a Chinese boreal forest landscape[J].Forest Ecology and Management, 2015,356(SI):2-12.

[7]张 伟. 关于大兴安岭地区森林火灾与气象因素的模型及分析[D].哈尔滨:东北林业大学,2015.

[8]单延龙,孙平岩,关 山,等. 加拿大林火天气指标系统在吉林省的应用[J]. 东北林业大学学报, 2014,(12):134-136.

[9]Jahdi, Roghayeh;Salis, Michele; Darvishsefat, Ali A. Evaluating fire modelling systems in recent wildfires of the Golestan National Park, Iran[J]. Forestry,2016,89(2):136-149.

[10]欧阳也能,佘高杰,范友华.湖南省森林火灾多发性原因及森林火险等级预报[J]. 湖南林业科技,2008,35(1):73-75.

[11]孙玉荣,张 贵,陈爱斌,等. 湖南森林火灾的灾情区域分异研究[J]. 中南林业大学学报,2012,32(8):7-11.

[12]宋卫国,马 剑,Satoh K,等.森林火险与气象因素的多元相关性及其分析[J]. 中国工程科学,2006,8(2):61-66.

[13]于宏洲,金 森,邸雪颖.以小时为步长的大兴安岭兴安落叶松林地表可燃物含水率预测模型[J].应用生态学报, 2013,24(6):1565-1571.

[14]张运林,张 恒,金 森.季节和降雨对细小可燃物含水率预测模型精度的影响[J].中南林业科技大学学报, 2015,35(8):5-12.

Study weather grade prediction model of forest- fi re risk in Hunan province

GUO Hai-feng, YU Wei
(Hunan Meteorological Service Centre, Changsha 410118, Hunan, China)

To improve Hunan Province weather grade forecasting precision of forest fi re risk and reduce the empty and false negative ratio, based on forest fi re data from 2005 to 2015 in counties in Hunan province and corresponding to the meteorological data from county meteorological station, obtained the segmented regions by CV, set the regional scores of the highest temperature, wind speed,relative humidity, rainfall and other weather factors on of forest fire in Hunan Province. Got the influence weight using principal component analysis method in succession. And fi nally Established a weighted forest fi re weather index model and determined weather grade for forest fi re risk. By the forest fi re data in 2015 verify the accuracy of the model, it reached 74.2%, indicating that the weather grade prediction model has practical value.

forest- fi re Risk; weather grade prediction; model; Hunan province

S762.2

A

1673-923X(2016)12-0044-04

10.14067/j.cnki.1673-923x.2016.12.008

http: //qks.csuft.edu.cn

2016-07-06

中国气象局应急减灾与公共服务司基于影响的电力气象预报课题：湖南省自然科学基金重点项目，“全球气候变化对湖南森林火灾时空格局的影响”(09JJ3033)

郭海峰，高级工程师；E-mail：7443086@qq.com

郭海峰，禹 伟. 湖南省森林火险天气等级预测模型研究[J].中南林业科技大学学报，2016, 36(12): 44-47, 67.

[本文编校：文凤鸣]