基于卫星监测热点的林火分布及发生预报模型

刘柯珍，舒立福，赵凤君*，张运生，李艳云

(1.中国林业科学研究院森林生态环境与保护研究所，国家林业局森林保护学重点开放实验室，北京100091；2.迁安市林业局，唐山064400)

基于卫星监测热点的林火分布及发生预报模型

刘柯珍1，舒立福1，赵凤君1*，张运生1，李艳云2

(1.中国林业科学研究院森林生态环境与保护研究所，国家林业局森林保护学重点开放实验室，北京100091；2.迁安市林业局，唐山064400)

卫星林火监测作为森林火灾预防和扑救工作的重要方法，在我国森林防火工作中得到广泛推广和应用。基于卫星监测研究全国各省份的林火热点分布规律以及热点集中区域的气象因子与火灾频率的关系，以我国各地区2010—2015年春季森林防火期(3月1日—6月1日)的卫星监测热点数据为研究对象，分析我国各省林火的年际变化及区域分布特征；通过提取火场时空因子，结合当年气象数据，建立热点集中区域的火灾趋势回归模型。结果表明，卫星监测热点统计的森林火灾次数与当地林业局统计的火灾数据吻合度高。2010—2015年春季林火热点从整体趋势上看，森林火灾的热点数量在逐年递减，主要集中在中国的西南部区域，最多的省份为云南省，占林火热点总数的20%；其次为四川省，占林火热点总数的13%。云南省的春季林火次数多元回归方程，复相关系数R=0.838**；四川省的春季林火次数多元回归方程，复相关系数R=0.744*，回归模型都达到了显著水平。卫星监测热点用于林火监测，可以高精度统计森林火灾次数，回归模型对于林火的预测预报具有一定适应性，为森林火灾发生预测预报提供数据支持。

卫星热点；林火监测；空间分布；预报模型

卫星林火监测主要是利用气象卫星和陆地资源卫星进行森林火灾监测，是现代森林防火工作技术含量最高的森林火灾监测手段，因具有监测范围广、时间频率高、时效性强的优点，已在我国森林防火工作中得到广泛应用[1]。我国地域辽阔，主要的森林覆盖区分布在东北、华南、中南和西南地区，这类地区的林火统计数据并不完善，而使用卫星林火监测可以探测到地球表面的高温热源点，数据较为详细，基本包括所有林火信息[2-3]。

对于森林火灾区域及预测的分析已经有大量的研究，田晓瑞等[4]根据卫星热点数据分析了生态地理区的林火空间与时间的分布关系；郭福涛等[5]对中国北方针叶林人为火发生的预测模型进行了研究；苏漳文等[6]利用气象因子建立了福建省森林火险预测模型；张洁等[7]对常用于林火发生预测的正太分布、逻辑斯蒂分布、泊松分布、负二项分布、零膨胀、栅栏等6种广义线性回归模型的表达式、参数估计方法和假设方法做了详细的阐述；Cary等[8]通过4种模型研究地形、可燃物及气候因子与火灾发生的关联性；Rydén等[9]用Poission模型和零膨胀Poisson模型来模拟林火发生与气象因素的关系。

目前的研究大部分针对某些特定区域，而对全国尺度上的火灾分布及预测分析的研究较少，因此，研究的成果具有局域性和局限性，所以开展国家尺度上的森林火灾发生预测预报研究，了解各区域森林火灾分布情况，可为林火管理提供科学的数据支持，而卫星热点数据具有全面性、真实性及直观性，能为森林火险的分析提供最直接有效的数据。本研究采用2010—2015年春季森林防火期(3月1日—6月1日)的卫星监测热点数据分析我国各省热点的发生规律，根据气象因子对火灾发生的影响，建立火灾发生次数和气象因子的回归模型，预测热点集中省份的火灾变化趋势，以期为林火管理提供方法及数据支持。

1 数据与方法

1.1 数据来源

本研究中热点数据来源于国家林业局林火监测中心的中国森林防火网热点数据库，时间跨度从2010年春季至2015年春季，林火监测的卫星源包括Aque、Terre、FY-1D、FY3、GF-4、NPP、NOAA-12、NOAA-14、NOAA-16、NOAA-17和NOAA-18，数据信息包括图像数量、火点总计、林火、草原火、计划烧除、炼山、农用火、其他、未找到、核查中、荒火、灌木火、工矿用火、未反馈、连续、非连续、0～1像素、2～3像素、4～5像素、6～10像素、10像素以上及反馈率。由于笔者研究的重点为森林火灾，所以根据热点及其他属性如连续性、土地类型、反馈情况等对重复热点和森林草地火灾以外的热点进行了剔除，最终获得的热点主要为在森林和草地等区域发生的火烧[10]。

研究区域中气象数据来源于中国气象数据网(data.cma.cn)，包括降水量、相对湿度、月平均最高气温、月平均最低气温、平均气温、风速等气象数据。

1.2 研究方法

1.2.1 卫星监测热点数据处理方法

首先对2010—2015年春季(3月1日—6月1日)发生的森林火灾进行统计，并制作2010—2015年春季森林火灾趋势分布图。通过文献查询、调查访问及卫星监测热点统计等方法获取全国各省2010—2015年春季发生的森林火灾实证数据，并以此为研究对象，在地理信息系统以及计算机网络等现代高新信息技术的支持下，分析春季森林火灾发生的空间规律。

1.2.2 气象数据处理及火灾预报模型建立

采集2010—2015年春季(3月1日—6月1日)月均降水量、平均气温、平均相对湿度、风速等数据。采用指数方程建立森林火灾次数和气象因子(湿润系数、气温日较差和平均风速)之间的关系模型，其表达式为：

F=eaT-bD+cW+m

(1)

式中：F为重点省份春季发生森林火灾次数；T为平均气温日较差，℃；D为平均湿润系数；W为平均风速，m/s；a、b、c、m均为参数。

平均湿润系数是降水量、气温、相对湿度等三大气象因子的综合。根据伊凡诺夫公式求得：

Di=Pi/Ei

(2)

Ei=0.001 8(100-Ri)(25+Ti)2

(3)

式中：Di为第i月湿润系数；Pi为第i月降水量，mm；Ei为第i月潜在蒸发量，mm；Ri为第i月平均相对湿度，%；Ti为第i月平均气温，℃。

将公式(1)两边取对数，转化成线性方程，见公式(4)。

lnF=aT-bD+cW+m

(4)

令Y=lnF，公式(4)转化成Y=aT-bD+cW+m，利用SPSS软件对气象因子变量和火灾发生次数进行多元线性回归分析。

2 结果与分析

2.1 2010—2015年春季全国热点分布及森林火灾热点分析

2010—2015年全国春季共监测到热点总数为24 548个，其中林火(包括草原火)热点总数为3 380个，这些热点主要集中于西南、东南及东北大、小兴安岭地区(图1)；南方林区的春季林火热点数量多于北方林区，主要原因如下：南方林区相对北方林区人口密度偏大，因气温影响，南方森林中人们的活动影响相对频繁，通过调研发现大部分林火热点是由农用火引起的林区火灾，森林火灾发生的危险性提高[11]；因北方林区(尤其东北林区及内蒙古林区)的树种易燃及气候干燥等原因，虽总体林火热点数量相对偏少，但一旦着火后容易形成重大火灾。

图1 2010—2015年春季防火期热点分布图Fig. 1 Hotspots distribution in the spring fire season during 2010-2015

2010—2015年春季全国森林火灾热点年际变化见图2。从整体趋势上看，森林火灾的热点数量逐年递减；2010年和2011年春季林火热点数量分别为769个和936个，分别是2015年春季林火热点数量(201个)的3.8倍和4.6倍，林火数量呈明显下降趋势，同时造成林内可燃物载量增加。

图2 2010—2015年春季全国林火热点年际变化Fig. 2 Annual change of the number of forest firehotspots during 2010-2015

2010—2015年春季林火热点的数量分别为769，936，687，432，355，201，分别占热点总数的18.1%，19.4%，15.4%，8.2%，12.2%，7.0%，这与国家林业局统计的这6 a森林火灾次数755，907，646，402，332，179比较接近，可以认为这些监测热点包括了大部分森林火灾；由图3可知：2010年、2011年和2012年热点数量出现几次较大波动，其他几年波动幅度较小，2010年云南、贵州和广西发生的林火热点占总热点数量的58.8%，其中云南热点数量最多，占47.8%；2011年浙江、福建、湖北发生的林火热点数量占总的49.8%，其中湖北最多，占42.5%；2012年湖南的热点数量最多，占全国总热点数量的27%；2015年全国范围内热点数量较少，发生火灾次数较少，主要原因在于我国加强了林火管理，

人们对于森林防火认识深化，取得

效果显著，然而也造成了林内可燃物逐渐积累，因此加强林内可燃物管理对预防下次重大火灾的发生非常重要[12-14]；由图3和表1可得，2010—2015年春季林火热点最多的省份为云南，林火为573次，占林火热点总数的20%；其次为四川，林火为439次，占林火热点总数的13%。

图3 2010—2015年春季中国不同省份林火热点散点图Fig. 3 Forest fire hotspots in different provinces ofChina in spring during 2010-2015

表1 2010—2015年全国范围热点数量排列前5位的省份

注：括号内为监测热点数量。

2.2 重点研究省份森林火灾次数回归模型

2.2.1 回归模型的建立

根据云南和四川2010—2015年春季林火数据和气象数据用IBM SPSS Statistics 22进行建模，以林火次数为因变量，平均气温日较差、平均湿润系数、平均风速为自变量，得到全省春季林火次数气候回归模型，分别如下：

F1=e0.819T+1.463D+3.559W-16.224

(5)

F2=e-0.821T-4.318D+0.217W+14.222

(6)

式中：F1、F2分别为云南和四川春季发生森林火灾次数；T为平均气温日较差，℃；D为平均湿润系数；W为平均风速，m/s。其中，云南春季林火次数多元回归方程，复相关系数R=0.838**(P<0.01)，回归模型达到显著水平；建立四川的春季林火次数多元回归方程，复相关系数R=0.744*(P<0.05)，回归模型达到了显著水平。

2.2.2 回归模型的评估检验

利用云南和四川2010—2015年春季林火次数对回归模型进行评估检验，模型预测值与真实值之间的比较分析见图4和图5，可以看出预测值和真实值比较吻合，模型效果比较理想。

图4 云南火灾次数多元回归方程的模型预测值与真实值比较Fig. 4 Comparison between predicted fire numbers and actual true values in Yunnan province

图5 四川火灾次数多元回归方程的模型预测值与真实值比较Fig. 5 Comparison between predicted fire numbers and actual values in Sichuan province

3 结论与讨论

本研究利用国家林业局林火监测中心的中国森林防火网热点数据库数据，结合森林资源数据、人工调研数据及气象数据等，分析了春季全国热点分布并构建了火灾次数较多省份的森林火灾次数回归模型，结论如下：

1)从区域上看，森林火灾的数量主要集中在中国的西南部区域，中国各地理位置的火险期与火灾数量分布关联性大，体现出人为干扰与火灾动态之间的相关性。人口密集的南方区域，人为对森林扰动大，发生森林火灾的频率相对人口稀疏的北方要高[15]，因此，林区人员管控是森林火灾防控最主要的措施之一。因北方林区(尤其东北林区及内蒙古林区)的树种易燃及气候干燥等原因，虽总体林火热点数量相对偏少，但一旦发生火灾后容易形成重大火灾。

2)从整体趋势上看，森林火灾的热点数量在逐年递减，可见人们对于森林防火意识深化以及灭火设备和技术水平提高，防火效果显著，然而也造成了林内可燃物逐渐积累。因此，加强林内可燃物管理对预防下次重大火灾的发生非常重要。

3)2010—2015年春季林火热点最多的省份为云南，其次为四川。根据云南和四川2010—2015年春季林火数据和气象数据进行建模，并利用实证数据对其进行检验结果表明，模型预测值与真实值之间比较吻合，模型效果比较理想。

4)森林火灾是一项复杂的自然灾害现象，林火的发生包含多个因子，除了人为干扰以外，地形、气候、植被类型、当地政策、民俗习惯等都是火灾发生的干扰因子[16]。本研究只是基于火灾发生的数据对云南和四川的林火发生进行分析，虽模型预测效果比较理想，但结合其他林火发生干扰因子的分析，是提高模型精度和实用性的重要途径。

5)开发地理信息系统，进行地面核查辅助决策，分类、快速核查和管理具有不同火险级别的卫星热点，确定热点的具体位置，不仅包括经纬度，还包括具体乡(镇)、村、组及具体的山头，是卫星林火监测发展的方向[17-19]。

本研究尝试用卫星监测热点进行各省林火的年际变化及区域分布特征分析并建立了发生预报模型，为森林火灾预测预报分析提供了一种新的方法，将来可结合人为干扰及其他火灾干扰因子提高火灾发生预测预报的精度。

[ 1 ]刘运贵, 聂勇, 田景容,等. 利用林权管理软件确定卫星林火监测热点详细信息的方法[J]. 林业调查规划, 2009, 34(4):65-67. LIU Y G, NIE Y, TIAN J R, et al. Method for defining hotspots of detailed information about satellite forest fire monitoring with software of forest ownership management[J]. Forest Inventory and Planning, 2009, 34(4):65-67.

[ 2 ]李洪双, 江西军. 卫星林火监测在东北林区森林防火中的应用[J]. 森林防火, 2010(1):39-41, 46. LI H S, JIANG X J. Application of monitoring forest fire by satellites to forest fire prevention in northeastern area[J]. Forest Fire Prevention, 2010(1):39-41, 46.

[ 3 ]徐盛基. 西南卫星林火监测技术现状与思考[J]. 绿色科技, 2011(2):133-135. XU S J. Thought on current status and further directions of forest fire satellite monitoring technology in southwest China[J]. Journal of Green Science and Technology, 2011(2):133-135.

[ 4 ]田晓瑞, 舒立福, 赵凤君, 等. 中国主要生态地理区的林火动态特征分析[J]. 林业科学, 2015, 51(9):71-77. TIAN X R, SHU L F, ZHAO F J, et al. Dynamic characteristics of forest fires in the main ecological geographic districts of China[J]. Scientia Silvae Sinicae, 2015, 51(9):71-77.

[ 5 ]郭福涛, 苏漳文, 王光玉, 等. 我国北方针叶林人为火发生的预测模型[J]. 应用生态学报, 2015, 26(7):2099-2106. GUO F T, SU Z W, WANG G Y, et al. Prediction model of human-caused fire occurrence in the boreal forest of northern China[J]. Chinese Journal of Applied Ecology, 2015, 26(7):2099-2106.

[ 6 ]苏漳文, 刘爱琴, 梁慧玲, 等. 基于气象因子的福建省森林火险预测模型[J]. 森林与环境学报, 2015, 35(4):370-376. SU Z W, LIU A Q, LIANG H L, et al. Model to predict forest fire occurrence in Fujian Province based on meteorological factors[J]. Journal of Forest and Environment, 2015, 35(4):370-376.

[ 7 ]张洁, 赵浩彦, 张民侠, 等. 广义线性模型在林火发生预报中的应用[J]. 林业工程学报, 2017, 2(1)：135-142. ZHANG J, ZHAO H Y, ZHANG M X, et al. Research on generalized linear models applied to forest fire forecast[J]. Journal of Forestry Engineering, 2017, 2(1)：135-142.

[ 8 ]CARY G J, FLANNIGAN M D, KEANE R E, et al. Relative importance of fuel management, ignition management and weather for area burned：evidence from five landscape-fire-succession models[J]. International Journal of Wildland Fire, 2009, 18(2)：147-156.

[ 9 ]RYDÉN J, RYCHLIK I. A note on estimation of intensities of fire ignitions with incomplete data[J]. Fire Safety Journal, 2006, 41(5)：399-405.

[10]田晓瑞, 赵凤君, 舒立福, 等. 西南林区卫星监测热点及森林火险天气指数分析[J]. 林业科学研究, 2010, 23(4):523-529. TIAN X R, ZHAO F J, SHU L F, et al. Hotspots from satellite monitoring and forest fire weather index analysis for southwest China[J]. Forest Research,2010,23(4):523-529.

[11]王文元. 卫星林火监测在西南地区应用状况及存在问题[J]. 林业调查规划, 2008, 33(6):59-61. WANG W Y. Application of satellite forest fire monitoring in southwest areas and related issues[J]. Forest Inventory and Planning, 2008, 33(6):59-61.

[12]贺红士, 常禹, 胡远满, 等. 森林可燃物及其管理的研究进展与展望[J]. 植物生态学报, 2010, 34(6):741-752. HE H S, CHANG Y, HU Y M, et al. Contemporary studies and future perspectives of forest fuel and fuel management[J]. Chinese Journal of Plant Ecology, 2010, 34(6):741-752.

[13]SCHWILK D W, KEELEY J E, KNAPP E E, et al. The national fire and fire surrogate study：effects of fuel reduction methods on forest vegetation structure and fuels[J]. Ecological Applications, 2009, 19(2)：285-304.

[14]STRATTON R D. Assessing the effectiveness of landscape fuel treatments on fire growth and behavior[J]. Journal of Forestry, 2004, 102(7)：32-40.

[15]徐盛基. 南方十省区卫星林火监测热点趋势分析[J]. 森林防火, 2011(1):50-52. XU C J. Analyses on potential forest fire spots of ten southern provinces through satellite images[J]. Forest Fire Prevention, 2011(1):50-52.

[16]田晓瑞, 赵凤君, 舒立福, 等. 1961—2010年中国植被区的气候与林火动态变化[J]. 应用生态学报, 2014, 25(11):3279-3286. TIAN X R, ZHAO F J, SHU L F, et al. Changes of climate and fire dynamic in China vegetation zone during 1961-2010[J]. Chinese Journal of Applied Ecology, 2014, 25(11):3279-3286.

[17]黄甫则, 周汝良, 叶江霞, 等. 利用卫星热点测报森林火灾的报准率统计分析[J]. 林业调查规划, 2012, 37(2):65-68. HUANG F Z, ZHOU R L, YE J X, et al. Accuracy statistical analysis of forest fire forecasting by using satellite hot spot[J]. Forest Inventory and Planning, 2012, 37(2):65-68.

[18]杨毅, 周汝良, 张珍荫. 基于GIS的森林防火信息系统的研究与开发[J]. 计算机系统应用, 2003(6):8-10. YANG Y, ZHOU R L, ZHANG Z Y. The research development of forest fireproofing information system based GIS[J]. Computer Systems & Applications, 2003(6):8-10.

[19]舒立福, 田晓瑞, 向安民. 3S集成技术在林火管理中的应用研究[J]. 火灾科学, 1999, 8(1)：12-18. SHU L F, TIAN X R, XIANG A M. The application of 3S technology in forest fire management [J]. Fire Safety Science, 1999, 8(1)：12-18.

Research on spatial distribution of forest fire based onsatellite hotspots data and forecasting model

LIU Kezhen1, SHU Lifu1, ZHAO Fengjun1*, ZHANG Yunsheng1, LI Yanyun2

(1.KeyOpenLaboratoryofForestProtectionofStateForestryAdministration,ResearchInstituteofForestEcology,EnvironmentandProtection,ChineseAcademyofForestry,Beijing100091,China;2.Qian’anForestryBureau,Tangshan064400,Hebei,China)

As an important method of forest fire forecast and fire suppression, satellite forest fire monitoring, with the characteristics of wide monitoring range, high frequency and short delay, has been widely introduced and applied in forest fire prevention of China. In this paper, the spatial distribution pattern of the forest fire hotspots and the relationship between the weather factors and forest fire frequency were studied based on the nationwide satellite monitoring. The satellite hotspots data of spring fire season(March 1st to June 1st) from 2010 to 2015 were used to analyze the annual characteristics of forest fires in all the provinces. The multivariate statistical regression analysis was used to establish forest fire frequency regression models in the major disaster provinces, i.e., Yunnan and Sichuan, combined with current weather data. The results showed that forest fires frequency provided by satellite hotspots monitoring coincided well with that provided by local forest administration. The number of forest fire hotspots declined year by year as a whole, and they were mainly concentrated in the southwest of China, where Yunnan and Sichuan were the provinces with the most hotspot numbers, which accounted for 20% and 13% of the whole respectively. The multiple correlation coefficients(R) of Yunnan and Sichuan forest fire frequency regression models were 0.838**and 0.744*, respectively, both of which reached a significant level. The comparison between the model and the real values showed that they were much consistent. The satellite hotspots monitoring used in the forest fire monitoring could count the numbers of forest fires with high accuracy. The enhancement of fire sources management was an important and effective measure to reduce the risk of forest fire. The regression model can be adapted in the forest fire prediction and provide the data support for the decision makers in the field of forestry in China.

satellite hotspots; forest fire monitoring; spatial distribution; forecast model

2016-12-03

2017-03-01

国家自然科学基金(31570645)。

刘柯珍，女，研究方向为森林防火。通信作者：赵凤君，女，副研究员。E-mail:zhaofengjun1219@163.com

S762.2

A

2096-1359(2017)04-0128-06