基于林区智能网格的精细化森林火险气象预报模型及应用

2019-05-24韩焱红郝淑会赵鲁强

中低纬山地气象 2019年2期

韩焱红,苗蕾,郝淑会,吴英,赵鲁强

(中国气象局公共气象服务中心,北京 100081)

1 引言

近年来，我国森林资源日益增长、林内可燃物载量持续增加，受全球异常气候变化、传统习俗及林内多种经营活动增多等因素叠加影响，我国已进入森林火灾易发期和高危期，森林防火形势严峻，森林火灾已成为我国生态文明建设和森林资源安全的最大威胁。在森林可燃物和火源具备的情况下，森林能否着火、着火后能否成灾，主要取决于气象条件[1]。火险气象是指有利于发生森林火灾的气象条件，如高温、干旱、大风等天气。因此，做好森林火险气象预报可以为预防、控制、扑救森林火灾提供科学的依据，减少森林火灾损失。

1999年，中国气象局和国家林业局联合启动了国家级森林火险气象等级预报业务，有力地推动了我国森林火险气象预报服务的跨越式发展。随着森林火险气象预报技术的研究和发展，预报水平不断提高，在森林防火方面取得了较大成效。但目前我国的森林火险气象预报仍以站点预报或大范围区域预报为主[2-7]，其预报结果与美国[8-10]、加拿大[11]等国外先进的基于网格的火险预报结果相比，预报产品精细化程度较低、区域代表性较差[12]。由于我国还没有建立基于森林植被的国家级森林火险气象等级网格预报模型，这在一定程度上制约了精细化森林火险预报预警服务的发展。

本研究依托中国气象局2017年初步建立的智能网格气象预报系统，选取气温、降水、风速、相对湿度等作为动态火险气象因子，利用全国森林资源分布数据，基于GIS获得与智能网格匹配的植被下垫面数据作为静态植被因子，建立精细化森林火险气象预报模型，实现基于植被的森林火险气象等级网格化预报。

2 数据及来源

2.1 气象数据

研究采用的气象数据是基于全国综合气象信息共享平台(CIMISS)获得的国家级智能网格气象预报产品与实况分析产品，空间分辨率为0.05°。其中，智能网格气象预报产品是由国家气象中心基于主客观融合预报、采用精细化地理信息的插值分析以及区域建模预报等技术方法研发的中国区域格点化预报产品，预报时效为240 h、时间分辨率为3 h；实况分析产品是由国家信息中心基于中国气象局多源融合降水分析系统(CMPAS)实时生成的中国区域地面—卫星—雷达三源融合逐时降水分析产品。

2.2 植被下垫面数据

研究采用的森林植被下垫面数据是由国家林业和草原局提供的全国森林资源分布信息，包含针叶林、阔叶林、针阔混交林、竹林、特灌等我国主要森林植被类型及空间分布(图1)。

图1 全国森林资源分布Fig.1 Distribution of forest resource in China

3 方法原理

3.1 预报因子选取

3.1.1 动态气象因子森林火险气象预报是从气象因素角度来研究和探讨林火发生规律。影响林火发生的气象因子主要有气温、相对湿度、降水、风速等。温度越高，可燃物中水分蒸发和变干的速度越快，火灾发生的可能性越大；相对湿度越小导致可燃物含水率越低，越利于林火燃烧发展；降水及连续无雨日数长短直接影响可燃物含水量，是决定林火发生可能性和能否蔓延的重要因素；风是影响火灾蔓延的主要气象因子，风速较大时，火场易蔓延扩大，危险性增加。研究利用智能网格气象产品，选取日降水量、14时气温、14时相对湿度、平均风速等气象要素预报，以及基于24 h累积降水实况计算得到的连续无降水日数作为动态气象因子，分析气象要素对森林火险的综合影响。

3.1.2 静态植被因子可燃物是林火发生和蔓延的物质基础，不同可燃物类型其易燃性有所不同，可燃物含水率对气象因子的响应速率也有所不同。目前，我国的森林火险气象预报业务中，几乎仅考虑了气象要素对森林火险的动态影响，忽略了森林植被等不随地点改变的基础静态因素。本研究利用植被下垫面基础数据，基于GIS，采用空间分析技术将全国森林资源分布数据与气象资料相结合，得到与气象资料空间分布一致的网格化植被下垫面数据，作为静态因子输入到模型中，探讨不同类型的森林植被在气象因子的综合影响下，其森林火险气象等级的变化。

3.2 森林火险气象指数计算

研究采用《森林火险气象等级》国家标准中规定的森林火险气象指数(FFDI)作为评估林火发生、扩散及蔓延难易程度的气象指标，利用火险预报业务中常用的指数查对法[13]进行森林火险气象指数的计算。这种方法是在综合考虑气象因子对火险影响的基础上，根据试验和统计分析建立相应的火险气象因子及其火险指数表。该方法计算简单、便于推广，有较高的实用价值，在国家级森林火险预报业务应用中取得了良好的预报效果。选取风速、气温、相对湿度、降水等作为动态气象因子，将植被下垫面数据作为静态因子，以美国布龙—戴维斯方案为理论依据，在国家气象中心利用我国特大火灾历史反复验证的基础上[14]，建立了火险气象指数计算方案(公式(1))，确定动态气象因子对应的火险指数及综合森林火险气象指数。

U=IV(V)+IT(T)+IF(F)+IM(M)

(1)

式中，U为基于各因子的火险指数加权得到的综合火险气象指数；V为当日14时风速(m/s)；T为当日14时气温(℃)；F为湿度(%)，其数值为植被可燃物湿度与当日14时相对湿度的加权和；M为连续无降水日数(d)；IV(V)、IT(T)、IF(F)、IM(M)分别表示各火险气象因子所对应的火险指数，由火险气象因子指数查对表(表1)得出。

表1 火险气象因子及其指数查对表Tab.1 Fire danger meteorological factors and index query table

在此基础上，利用降水修正系数和地表状况修正系数对综合森林火险气象指数进行订正(公式(2))，得到订正后的森林火险气象指数。

FFFDI=U×Cr×Cs

(2)

式中，FFFDI为订正后的森林火险气象指数；Cr为降水量修正系数，当日有降水时取值为0，当日无降水取值为1；Cs为地表状况修正系数，根据网格点的静态植被因子取值，当地表无森林植被时取值为0，地表有森林植被时取值为1。

3.3 森林火险气象等级划分

按照林业行业标准确定的《森林火险天气等级》，将森林火险气象指数由低至高分为5个等级：低、较低、较高、高、极高。具体森林火险气象等级划分标准及其对应的危险程度、易燃程度、蔓延程度见表2。

表2 森林火险气象等级划分标准及其描述Tab.2 The classification standard and description of forest fire danger ratings

4 预报效果及分析

研究通过选取动态气象因子和静态植被因子，建立森林火险气象等级预报模型，实现了基于植被的精细化森林火险气象等级网格化预报，模型产品精准到不同类型的森林植被火险气象等级定量化预报，产品空间分辨率为5 km。同时，通过开展智能网格气象预报产品在模型中的应用，实现了未来10 d全国森林火险气象等级的短、中期无缝隙定量化预报。

4.1 静态植被因子的精细化森林火险气象等级预报

森林植被是发生林火的物质基础。在同样的气象条件下，植被的类型、结构和易燃性等理化特征与引发森林火灾的关系也有所不同。以2017年12月20日19时发生在广东省珠海市香洲区凤凰山的森林火灾为例(图2a)，结果表明，基于静态植被因子的预报模型考虑不同可燃物类型对森林火险气象等级的影响，同时实现了精准到林区分布的精细化森林火险气象等级网格预报，在森林火险预警预报业务、火场保障服务中发挥了重要作用。

图2 广东省珠海市香洲区凤凰山森林火灾，(a)、火场位置；(b)、12月11日08时起报的20日森林火险气象等级Fig.2 Fire disaster in Fenghuang Mountain, Xiangzhou District, Zhuhai City, Guangdong Province. (a) Fireground positions (b) Forecast result of forest fire danger ratings in December 20 initialized from 08∶00 December 11

2017年12月以来，广东珠海地区降水偏少，相对湿度较低，出现了一定程度的旱情，智能网格降水预报产品显示，未来10 d内，珠海地区仍无明显降水过程，气象条件十分利于森林火灾的发生；同时，火场周围植被分布以针叶林、阔叶林为主(图2a)，植被较易燃烧。模型提前10 d已预测出广东等地森林火险气象等级较高(图2b)，其中，广东南部包括珠海等局部林区的森林火险气象等级高。此外，对比图2a和图2b可以发现，模型给出的森林火险气象等级预报结果空间分布与森林植被分布特征吻合，体现了精准到森林植被的精细化火险气象等级预报。

4.2 动态气象因子的预报准确率评估

模型选取降水、气温、相对湿度、风速等作为动态气象因子，采用智能网格气象预报产品作为模型气象背景场，对森林火险气象条件进行预测。其中，降水是影响火险等级的关键气象因子，模型根据24 h降水预报判断网格点有无降水，从而预测火险气象等级。因此，降水等关键火险气象因子的预报准确性直接影响模型的预报效果。我国森林火灾的季节性和区域性变化特征十分明显，西南、华南等地的森林火灾多发生在春冬季(12—次年5月)，东北、华北地区森林火灾多发生在春季(3—5月)[15]。本文以晴雨准确率为指标，采用邻域法对我国东北、华北、西南、华南等林火高发地区重点防火期的格点降水预报准确率进行检验，进而评估气象要素预报对模型效果的影响。

整体来看，我国西南、华南、东北、华北地区重点防火期期间，降水晴雨准确率较高。西南、华南地区初冬季节(12月)的晴雨准确率达到100%，而冬末春初之际，受南支槽波动影响，西南、华南地区降水逐渐增多，晴雨预报准确率略有降低，但基本维持在70%～85%(图3)；东北、华北地区2018年春季的降水晴雨准确率均在80%以上(图略)。由此可见，研究采用的智能网格气象预报产品为模型预测火险等级提供了可靠、精细的动态气象背景场。

图3 2017年12月—次年5月我国西南、华南地区24 h降水晴雨准确率统计图Fig.3 Statistic charts of forecast accuracy of the cloud-free rainfall in Southwest and South China from 2017.12—2018.05

4.3 森林火灾个例结果分析

模型自2017年10月正式业务化运行以来，在国家级森林火险预报预警业务中取得了较好的效果。本文以2018年春节、清明等重点防火时段为例，采用预报结果趋势是否与全国防火期分布及火灾发生趋势一致的分析方法[16]，评估模型预报效果。

4.3.1 春节期间春节前夕，我国华北东部、西南地区南部、江南南部、华南南部等地降雨持续偏少，出现了不同程度的旱情，上述地区植被以针叶林、阔叶林为主，气象、植被条件均利于林火发生。据国家林业和草原局统计，2018年春节期间(2月15—20日)，我国共发生34起林火，主要分布在江西、云南、四川、福建、广西、广东、贵州、湖北等地(图4)。

图4 2018年春节期间(2月15—20日)我国林火分布Fig.4 Forest fire distribution during 2018 Spring Festival (2.15—2.20)

从2018年2月15—20日期间逐日滚动更新的森林火险气象等级逐日预报来看(图5)，春节期间，四川南部、云南、贵州西南部地区的森林火险气象持续维持较高等级，广东南部、福建南部、江西南部地区的高森林火险气象等级主要集中在17—19日，模型预报结果与林火实际过程的空间分布、时间变化基本一致。由于林业部门提供的历史火灾信息仅有火灾点所在的区县级行政区域信息，无法确定火灾点的具体经纬度，因此本文以县域为检验对象，将发生火灾的区县落在森林火险气象等级较高及以上区域视为1次预报命中。检验结果表明，春节期间模型逐日预报的命中率均在60%以上(表3)，预报结果对春节期间我国南方地区的森林火灾发生具有很高的指示意义。

由图5还可以看出，春节期间我国东北地区的森林火险气象等级较实际情况偏高。其主要原因是模型主要从降水、相对湿度等气象要素导致可燃物含水率变化的角度考虑火险气象等级预报，暂时未考虑到植被状态、地表积雪覆盖等要素的动态变化，导致模型对冬季东北地区的森林火险气象等级预测结果存在偏差。

表3 春节期间我国逐日森林火灾分布及模型预报命中率Tab.3 Distributions of forest fire disaster and model forecast hit rate during 2018 Spring Festival

注：*表示同一县级行政区域内发生2起森林火灾。

图5 2018年2月15—20日期间全国森林火险气象等级逐日预报Fig.5 Daily forecast of forest fire danger ratings from 2018.02.15—2018.02.20 in China

4.3.2 清明节期间清明前夕，我国华南南部、四川南部、云南西部等地降水偏少，部分地区有轻旱，局部中旱，气象条件有利于森林火灾的发生发展。据国家林业和草原局统计，2018年清明节期间(4月5—7日)，我国共发生了7起林火，火灾发生时间均为4月5日下午，具体火点分布如图6所示。

从2018年2月15—20日期间逐日滚动更新的森林火险气象等级逐日预报来看(图7)，4月5日，四川南部、云南北部、广东东部等地的森林火险气象等级高，局部地区的森林火险气象等级极高；4月6—7日，受降水影响，上述地区的森林火险气象等级逐步降低。模型预报的高森林火险气象等级区域与森林火灾分布和变化趋势一致。对比发现，4月5日发生在四川、广东境内的7起林火均在森林火险气象等级较高及以上区域内，模型预报命中率达100%。由此可见，随着动态气象背景场的滚动更新，模型预报结果也随之变化，对火险气象条件模拟效果逐渐提升。