基于非参数检验方法吉林省重特大森林火灾影响因素分析1)

李晶 单延龙

(北华大学，吉林，132013)

于淑香

(吉林省靖宇县林业局)

张志文

(吉林省通化县林业局)

基于非参数检验方法吉林省重特大森林火灾影响因素分析1)

李晶 单延龙

(北华大学，吉林，132013)

于淑香

(吉林省靖宇县林业局)

张志文

(吉林省通化县林业局)

根据吉林省1969—1980年的重特大森林火灾的统计数据，借助SPSS17.0统计软件，运用非参数检验的方法，分析了不同地区、起火月份、起火时间、林型、林龄、疏密度、气温、风速等因素对受害森林面积和过火总面积的影响。结果表明：不同地区的过火总面积之间存在极其显著性差异，延边地区的起火次数最多(127次)，过火总面积的均值最大(528.878 9 hm2)；不同起火月份的受害森林面积之间存在显著性差异，3月份受害森林面积的均值最大(572.021 4 hm2)，而起火次数较多的月份主要集中在4、5、9、10月份，应注意春、秋两季的重特大森林火灾预防。

吉林省；非参数检验；地区；重特大森林火灾；影响因素

With the statistical data of the extremely large forest fires in Jilin Province from 1969 to 1980, we analyzed the impact of different regions, fire month, fire time, forest types, forest age, density, temperature, wind speed on forest area burnt and area burnt with SPSS 17.0 statistical software by using nonparametric test methods. There was significant difference between different regions of area burnt. The fire number of Yanbian region was up to 127, and the average of total area burnt was 528.878 9 hm2. There was significant difference between different fire months of forest area burnt, the mean of forest area burnt in March was 572.021 4 hm2, and the fire were mainly concentrated in April, May, September, and October. Therefore, more attention should be paid to the spring and autumn to prevent the extremely large forest fire.

我国森林资源丰富，但也是林火高发区，每年林火发生超过10 000次，过火面积达820 000 hm2[1]。目前，大面积森林火灾已被联合国粮农组织列为当今世界第八大自然灾害[2]。森林火灾受火源、气候、地形、植被特征等多种因素共同影响[3]，对森林火灾影响因素分析是科研人员和林业管理部门共同关注的重要课题。

吉林省是全国重点林业省份之一。全省林业用地面积9.376×106hm2，有林地面积8.221×106hm2，森林覆盖率43.9%，活立木总蓄积9.880 1×108m3[4]。截至2015年11月30日秋季森林防火期结束，吉林省圆满完成2015年森林防火工作任务，未发生重大森林火灾和人员伤亡事故，森林火灾受害率、森林火灾控制率均低于省政府年初确立的责任目标，胜利实现全省连续35 a无重大森林火灾[5]。但一些重点火险区可燃物的积累量已达到30 t/hm2以上，超过国际公认的发生大火的载量极限。如中朝边境双目峰一带的茂盛杂草，与低垂的树木枝条相接，一旦着火，极有可能发展为树冠火，造成毁灭性的灾难[6]。因此，有必要对吉林省重特大森林火灾的影响因素进行分析，更有效地预防重特大森林火灾的发生。

1 研究区概况

吉林省位于东北亚地理中心，中国东北地区腹地。地跨东经121°38′～131°19′、北纬40°50′～46°19′。东西长769.62 km，南北宽606.57 km。地势由东南向西北倾斜，呈现明显的东南高、西北低的特征。以中部大黑山为界，可分为东部山地和中西部平原两大地貌区。在总面积中，山地占36%，平原占30%，台地及其他占28.2%，其余为丘陵。吉林省位于中纬度欧亚大陆的东侧，属于温带大陆性季风气候，四季分明，雨热同季。从东南向西北由湿润气候过渡到半湿润气候再到半干旱气候，全省气温、降水、温度、风速以及气象灾害等都有明显的季节变化和地域差异。年均气温4 ℃，呈山地偏低、平原较高的特征。冬季平均气温在-11 ℃以下，夏季平原平均气温23 ℃以上。全省气温年较差在35～42 ℃，日较差一般为10～14 ℃。全年无霜期一般为100～160 d。全省年日照时间2 259～3 016 h。年降水量为400～600 mm，但季节、区域差异较大，其中80%集中在夏季，以东部降水量最为丰沛[7]。吉林省森林的分布很不平衡，主要分布在东部长白山区，森林大都为针阔混交林。

2 研究方法

若利用方差分析方法对吉林省重特大森林火灾受害面积影响因素进行分析，要求因子的不同水平均来自正态总体，各总体的方差相等，样本之间相互独立。利用SPSS17.0进行探索性分析，对不同影响因素的受害森林面积及过火总面积进行正态性检验，均无明显的正态性特征，更有些不满足方差齐性，因此无法使用方差分析的方法研究各影响因素的显著性。本文采用对总体分布无要求的非参数检验方法。

2.1 数据来源

森林火灾数据来自于吉林省林业厅森林防火办公室和吉林省档案馆，主要指标包括1969—1980年重特大森林火灾的起火地区、起火月份、起火时、林型、林龄、疏密度、气温、风速、受害森林面积、过火总面积等。

2009年1月1日起施行的《森林防火条例》第四十条规定，重大森林火灾受害森林面积在100～1 000 hm2，特别重大森林火灾受害森林面积在1 000 hm2以上。本文研究这两种森林火灾等级的受害森林面积和过火总面积影响因素的显著性。

2.2 非参数检验

经典统计的多数检验都假定了总体分布，但也有些没有假定总体分布的具体形式，仅仅依赖于数据观测值的相对大小(秩)或原假设下等可能的概率等与数据本身的总体分布无关的性质进行检验，这都是非参数检验。

非参数检验是指在总体不服从正态分布且分布情况不明时，用来检验数据资料是否来自同一个总体假设的一类检验方法。由于这些方法一般不涉及总体参数故得名。这类方法的假定前提比参数性假设检验方法少得多，也容易满足，适用于计量信息较弱的资料且计算方法也简单易行，所以在实际中有广泛的应用。

非参数检验在总体分布未知时有很大的优越性，总是比传统检验安全。在总体未知时非参数统计效率比传统方法要高，有时要高很多。是否用非参数统计方法，要根据对总体分布的了解程度来确定。

2.3 多独立样本检验

在非参数检验中，多独立样本检验是判断多个独立的样本是否来自相同分布的总体[8]。通过分析多个样本数据，推断它们的分布是否存在显著性差异。方法有三种：

显然，在原假设H0成立，即θ1=θ2=…=θk时，所有N个样本单元都是独立同分布的。记xij在合样本{xi1,xi2,…,xini,i=1,2,…,k}中的秩为Rij,Rij=1,2,…,N。Kruskal-WallisTest的基本思想是用xij的秩Rij代替xij，然后用ANOVA方法作统计分析。检验统计量为

MedianTest是通过对中位数的研究来实现推断的。基本思想是若多个独立总体有共同的中位数，则这个共同的中位数应在各组样本中处于中间位置上。即每组样本中大于该中位数或是小于该中位数的样本数目应大致相同。

Jonckheere-TerpstraTest与两个独立样本检验的Mann-WhitneyU类似，主要用于备择假设有序情形，称为有方向检验问题，而将Kruskal-WallisTest的问题称为无方向检验问题。若检验问题需要比较各位置参数的大小，则选择Jonckheere-TerpstraTest比Kruskal-WallisTest有更强的势[9]。

由于所选取的150个研究对象均来自吉林省重特大森林火灾数据资料的随机抽取，满足多独立样本检验的条件。本文利用SPSS17.0非参数检验中多个独立样本Kruskal-WallisTest方法，对影响受害森林面积和过火总面积的因素进行分析。

3 结果分析

3.1 不同地区受害森林面积和过火总面积的显著性

根据1969—1980年重特大森林火灾统计数据，起火地区有白山、延边、吉林、通化、白城。由于通化、白城地区都仅有一个数据，不具有代表性，故按列表排除个案处理。不同地区受害森林面积描述性统计量，样本总数为148个，受害森林面积的均值为392.538 1 hm2，最小值为100 hm2，最大值为2 517 hm2。从表1可看出，各组平均秩分别为60.67、77.11、53.75，卡方值为3.442，自由度为2，渐近显著性水平为0.179>0.05，说明不同地区的受害森林面积之间差异不显著。

表1 不同地区受害森林面积Kruskal-Wallis检验结果

不同地区过火总面积描述性统计量，样本总数为148个，过火总面积的均值为491.245 0 hm2，最小值为100 hm2，最大值为3 510 hm2。从表2可以看出，各组平均秩分别为50.53、78.86、42.08，卡方值为9.436，自由度为2，渐近显著性水平为0.009<0.01，说明不同地区的过火总面积之间存在极其显著性差异。

表2 不同地区过火总面积Kruskal-Wallis Test结果

由于不同地区的过火总面积之间的差异性，进一步比较均值。由表3知，延边地区的起火次数最多，为127次，占总起火次数的85.81%，平均过火面积为528.878 9 hm2，最大过火面积为3 510.00 hm2；吉林地区的起火次数为6次，占总起火次数的4.05%，平均过火面积最少，为206.083 3 hm2，过火总面积的最大值为436.00 hm2。林业管理部门和相关森林防火工作人员，应重点做好延边地区的森林防火工作，防患于未然，以避免重特大森林火灾的发生。

表3 不同地区过火总面积均值比较

3.2 不同起火月份受害森林面积和过火总面积的显著性

研究不同起火月份的受害森林面积之间是否存在显著性差异。根据重特大森林火灾数据，起火月份分别是3、4、5、9、10、11月份。由于11月份仅有一个数据，不具有代表性，故按列表排除个案处理。不同起火月份受害森林面积描述性统计量，样本总数为148个，受害森林面积的均值为390.215 1 hm2，最小值为100 hm2，最大值为2 517 hm2。从表4可以看出，各组平均秩分别为85.21、54.41、72.19、85.52、80.07，卡方值为11.597，自由度为4，渐近显著性水平为0.021<0.05，说明不同起火月份的受害森林面积之间存在显著性差异。

表4 不同起火月份受害森林面积Kruskal-Wallis Test结果

由于不同起火月份的受害森林面积之间的差异性，进一步比较均值。由表5知，3月份受害森林面积的均值最大，为572.021 4 hm2，明显高于4月份受害森林面积的均值307.9185 hm2，而起火次数较多的月份主要集中在4、5、9、10月份，说明林业管理部门应注意春、秋两季的重特大森林火灾预防，以有效避免重特大森林火灾的发生。

表5 不同起火月份受害森林面积均值比较

研究不同起火月份的过火总面积之间是否存在显著性差异。这里对缺失数据按列表排除个案处理。不同起火月份过火总面积描述性统计量，样本总数为148个，过火总面积的均值为493.368 0 hm2，最小值为100 hm2，最大值为3 510 hm2。从表6可以看出，各组平均秩分别为112.71、63.74、74.29、77.79、72.79，卡方值为8.032，自由度为4，渐近显著性水平为0.090>0.05，说明不同起火月份的过火总面积之间不存在显著性差异。

表6 不同起火月份过火总面积Kruskal-Wallis Test结果

3.3 其他影响因素受害森林面积和过火总面积的显著性

类似前面的处理方法，研究影响受害森林面积和过火总面积的其他因素，如起火时、林型、林龄、疏密度、气温、风速等是否存在显著性差异。在这里对缺失数据按列表排除个案处理。从Kruskal-Wallis Test检验结果知，各影响因素对应的受害森林面积和过火总面积的渐近显著性水平均大于0.05，说明它们之间不存在显著性差异。

4 结论与讨论

白山、延边、吉林地区的过火总面积之间存在极其显著性差异，延边地区的起火次数最多为127次，占总起火次数的85.81%，最大过火面积为3 510.00 hm2。因此重点预防延边地区重特大森林火灾的发生。

火灾发生的季节是火灾后演替途径的决定因素之一，气候变化会增加火灾活动，季节性差异影响火灾强度，造成森林火灾的发生[10-12]。不同起火月份的重特大森林火灾受害森林面积之间存在显著性差异，3月份受害森林面积的均值最大，为572.021 4 hm2。虽然3月份重特大森林火灾次数少，但一旦出现，就非常大，应提高警惕。从受害森林面积和次数综合考虑，需要特别重视的月份依次为9、10、5、4月份。

森林火灾是森林更新和演替的主要影响因子之一，不仅会对森林生态系统造成重要的干扰和影响，也会对人类的生命财产安全造成威胁[13-14]。吉林省已连续35 a无重大森林火灾，有些人员难免思想懈怠，认为不会再发生重特大森林火灾，这方面仍需加强宣传教育的深度和广度。对重特大森林火灾发生的重点区域，易发生森林火灾的季节高度重视，建立健全林火的预测预报工作，利用现代化的技术手段合理布局、有效监测。林业管理部门和相关森林防火工作人员，应重点做好对起火次数发生多、过火面积大的延边地区的森林防火工作，重点监督、齐抓共管、多措并举[15]，以避免重特大森林火灾的发生。同时应注意春、秋两季的重特大森林火灾预防，采取有效措施以避免重特大森林火灾的发生。

[1] ZHONG M H, FAN W C, LIU T M, et al. Statistical analysis on current status of China forest fire safety[J]. Fire Safety Journal,2003,38(3):257-269.

[2] 孙龙,王千雪,魏书精,等.气候变化背景下我国森林火灾灾害的响应特征及展望[J].灾害学,2014,29(1):12-17.

[3] 刘志华,杨建,贺红士,等.黑龙江大兴安岭呼中林区火烧点格局分析及影响因素[J].生态学报,2011,31(6):1669-1677.

[4] 吉林省林业厅.吉林省林业基本情况[Z/OL].[2016-06-17].http://lyt.jl.gov.cn/jlly_lyt/jllq_lyt/lqgk_lyt/201606/t20160617_2287580.html.

[5] 吉林2015森林防火任务完成连续35年无重大火灾[Z/OL].[2015-12-12].http://www.jl.xinhuanet.com/2012jlpd/2015-12/12/c_1117438062.htm.

[6] 王希才,安国善,张敏.长白山区发生重大森林火灾的可能性及预防对策[J].吉林林业科技,2003,32(2):44-47.

[7] 吉林省人民政府.走进吉林[Z/OL].[2015-01-22].http://www.jl.gov.cn/zjjl/.

[8] 杨维忠,张甜.SPSS统计分析与行业应用案例详解[M].北京:清华大学出版社,2011.

[9] 吴喜之.非参数统计[M].北京:中国统计出版社,1999.

[10] STOCKS B J, MASON J A, TODD J B, et al. Large forest fires in Canada, 1959-1997[J]. Journal of Geophysical Research: Atmospheres,2003,108(D1):8149.

[11] CAHOON D R, STOCKS B J, LEVINE L S, et al. Satellite analysis of the severe 1987 forest fires in northern China and southeastern Siberia[J]. Journal of Geophysical Research: Atmospheres,1994,99(D9):18627-18638.

[12] FLANNIGAN M, STOCKS B, TURETSKY M, et al. Impacts of climate change on fire activity and fire management in the circumboreal forest[J]. Global Change Biology,2009,15(3)：549-560.

[13] CHANG Y, HE H S, BISHOP I, et al. Long-term forest landscape responses to fire exclusion in the Great Xing’an Mountains, China[J]. International Journal of Wildland Fire,2007,16(1):34-44.

[14] LIU H P, RANDERSON J T, LINDFORS J, et al. Changes in the surface energy budget after fire in boreal ecosystems of interior Alaska: an annual perspective[J]. Journal of Geophysical Research Atmospheres,2005,10(D13):2515-2530.

[15] 孙平岩.吉林省强化森林防火宣传教育的几种途径[J].森林防火,2015(4):14-17.

Influencing Factors of Extremely Large Forest Fires in Jilin Province with Nonparametric Test Methods//

Li Jing, Shan Yanlong

(Beihua University, Jilin 132013, P. R. China);

Yu Shuxiang

(Jingyu County Forestry Bureau of Jilin Province);

Zhang Zhiwen

(Tonghua County Forestry Bureau of Jilin Province)//Journal of Northeast Forestry University，2017,45(1)：61-64.

Jilin Province; Nonparametric test; Region; Extremely large forest fires; Influencing factor

1)国家自然科学基金项目(31470497)、吉林省教育厅项目(吉教科合字[2013]第158号)、吉林省林业厅项目(2013-007)、教育部新世纪优秀人才支持计划(NCET-12-0726)。

李晶，女，1982年6月生，北华大学数学与统计学院，讲师。E-mail:lijing4916395@163.com。

单延龙，北华大学林火管理研究所，教授。E-mail:shanyl@163.com。

2016年8月18日。

S762.2

责任编辑：王广建。