基于点模式法的四川省林火时空分布特征研究
2019-07-07覃先林李晓彤侯亚男
刘 倩，覃先林，李晓彤，侯亚男
(中国林业科学研究院资源信息研究所,国家林业局林业遥感与信息技术实验室，北京 100091)
作为森林扰动的一个重要影响因子，森林火灾直接影响森林覆盖，改变森林生态系统物种多样性，在不同时空尺度对生态系统生产力水平及资源可用性造成很大破坏[1]。位于我国西南地区的四川省内由于西南高山林区的存在，林火频发且危害严重，是卫星林火监测的重点区域[2-3]。因此在景观或区域尺度上研究四川省林火时空分布规律，既是该地区森林火灾区划、火源安全管理的需要，也为进一步开展森林火险预报和林火预防工作提供帮助。
历史森林火灾统计数据是用来研究林火时空分布的重要数据源[4～11]，如杨广斌等[6]根据1986—2006年北京市森林火灾统计数据，对北京市林火时空发生规律进行了分析。Vega等[7]利用1969—2008年林火统计数据对瑞士提契诺州森林火灾分布进行了分析。但随着卫星遥感数据源的增加、卫星传感器性能的不断优化，许多高时间、空间分辨率的遥感数据如 AVHRR[12～13]、MODIS[14～16]、HJ[17～18]等早已广泛用于林火研究，其中，MODIS卫星数据因其光谱范围广、一天可覆盖同一区域 4 次、时间分辨率高等特点被广泛用于火点检测、过火面积评估、林火发生时空规律研究等[19～20]，且 Qin 等发现对于中国典型森林火灾案例， 从MODIS中获得的火灾数据比从国家收集的统计火灾数据更准确、空间精确性更好[21]。
近年来，国内对于林火发生时空研究主要是在时间尺度和空间尺度上找到其分布特征规律。时间尺度上李顺等[22]采用变异系数和阿伦因子对兴安岭林火时间分布的聚集性范围和尺度进行了分析;空间尺度上邓忠坚等[23]采用核密度法分析了云南省 2007—2013 年卫星检测热点与林火数据，顾先丽等[16]采用Getis-Ord-Gi*热点分析工具和信息熵理论研究了江西省2001—2015年林火发生时空分布特征，阙华斐等[24]借助时空立方体热点分析模型分析了湖南省近10年林火时空分布规律和发展趋势。
四川省是我国林业资源大省，也是我国林火的多发区和重灾区，以往针对四川省林火时空分布规律的研究较少，利用不同的分析方法对其多个林火高风险区进行针对性分析更是稀少。因此本研究基于MODIS火产品数据，提取了四川省 2001—2012 年 12 年时间序列信息，在时间和空间尺度上运用不同的空间分析方法对该区域林火点模式分布规律进行探究，以期为该地区森林防火安全管理工作提供帮助。
1 研究区及研究方法
1.1 研究区概况
四川省位于中国西南地区内陆，地理位置东经92 ° 21 ′～108 ° 12 ′和北纬26 ° 03 ′～34 ° 19 ′，地处长江上游。四川省总面积达48.6 km2，居全国第五位。据第八次全国森林资源清查结果显示，四川省森林面积达1 703.74 万 hm2，仅次于内蒙古、黑龙江和云南。森林覆盖率为35.22%，活立木总蓄积量为177 576.04 万 m3，居全国第2位。全省主要由四川盆地、川西北高原和川西南山地3部分组成。东部四川盆地是我国四大盆地之一，面积16.5 万 km2，气候温暖湿润，冬暖夏热，年降水量可达 1 000 mm～1 300 mm，属于亚热带湿润季风气候，植被为亚热带常绿阔叶林。川西高原则以寒温带气候为主，气候垂直变化显著，冬寒夏凉，日照充足，年降水量500 mm～900 mm,主要分布高山稀疏植被和嵩草高寒草甸。川西南山地四季不明显，日照充足，年降水量900 mm～1 200 mm，属于亚热带半湿润气候。由于独特的气候和地理条件，且少数民族居住分散，火源管理较难，四川省森林火灾频发，造成巨大损失[25]。如2019年3月30日凉山州木里县境内发生的火灾，由于林火爆燃导致30名扑火人员牺牲。
1.2 数据来源
选取四川省 2001—2012 年 MODIS火产品数据 MOD14A2/MYD14A2(a Daily Level 2 Gridded 1Km Fire Active Product)，来源于网络共享(http://earthdata.nasa.gov/data/nrt-data/firms/)。该火产品数据空间分辨率为 1 km，记录了火点时间、经纬度、可信度等信息。为减少误差，本研究选取了可信度 ≥75%的火点。
中国1∶100 万植被图由中国科学院于2001年根据全国植被调查结果、航空遥感和卫星图像以及地质，土壤学和气候学的数据得出，它涵盖了整个中国领土，全面展示了11组植被类型的地理分布。
1.3 数据处理
对MODIS火产品数据进行投影转换等处理，采用 ArcGIS 空间分析技术，建立四川省 2001—2012 年火点点状图层，将其与中国1:100万植被图叠加获得每个火点对应的地物类型。然后仅提取出植被类型为针叶林、阔叶林、针阔混交林、灌木林、高山植被、草的火点得到四川省林火点数据。与具有相同投影坐标系的四川省行政区划图叠加，提取出分布在不同市区、不同植被类型的火点，再根据年份进行重分类，得到各年份的林火位置。
1.4 研究方法
从时间和空间两个尺度对四川省 2001—2012 年林火时空特征分布进行分析。
利用ArcGIS10.5 中 Tracking Analyst 下的数据圆环图对四川省 2001—2012 年林火数据年际、月份分布特征进行统计分析。数据圆环图是一种二维圆形图表，多个同心圆和径线的组合将图分为若干个单元，每个单元的颜色表示单元内事件的数量，能以两种不同频率分析数据时间分布规律。
空间统计点模式研究方法主要有中心点法、标准差椭圆法、核密度估算法、热点分析等[26]，本研究首先采用基于Ripley K 函数的多距离空间聚类分析确定这些火点是否具有聚集性，若有则确定其聚集的空间尺度范围。然后通过中心点法和标准差椭圆法确定四川省林火的总体聚集与蔓延方向，以及 12 年来每年林火分布的平均中心和趋势。最后采用核密度估算进一步具体表现林火空间分布规律。
1.4.1 RipleyK函数
RipleyK函数(RipleyKfunction)是点格局分析的常用方法，可分析要素质心随邻域大小变化时空间聚集或空间扩散的变化过程，确定不同空间尺度下的火点分布是否聚集[27]。Besag[28]将K函数进行开方线性转化以保持其方差稳定，转化后的公式如下:
(1)
式中，d是距离，n为点要素的总个数，A为要素区域总面积， = 0(di,j>d)或 = 1(di,j≤d)。
通过比较真实点的L(d)和空间随机点(complete spatial random-ness; CSR)之间的d，判断实际观测的空间点格局分布模式；如果L(d)
1.4.2 中心点法和标准差椭圆法
进行点模式统计分析时第一步往往是进行中心点分析，中心点主要包括中心要素、平均中心和中位数中心三种，其中中位数中心是一种对异常值反应较为稳健的中心趋势度量，适合用于不能被少数外围火灾影响火灾核心区的林火发生方位分析。中位数中心算法是由 Kuhn 和 Kuenne[29]首次提出， Burt 和 Barber[30]进一步总结归纳，得到优化算法如下：
(2)
式中，t为计算次数，都会找到一个候选“中位数中心”(Xt,Yt)，然后对其进行优化，直到其表示的位置距数据集中的所有要素i的“欧式距离”d最小。
(3)
(4)
(5)
(6)
式中，xi和yi是点要素i的坐标，n为点要素总个数。
1.4.3 核密度分析法
在以上分析的基础上，可通过密度分析进一步对该研究区林火空间密度进行估算。密度分析根据输入的离散点或线要素数据内插计算整个区域数据聚集状况，根据插值原理不同主要分为核密度分析和普通的点/线密度分析。在核密度分析中落入搜索区的点具有不同的权重，靠近搜索中心的点或线会被赋予较大的权重，反之远离搜索中心的点或线则权重较小，它的计算结果分布较平滑。根据空间自相关性选择核密度分析对四川省林火空间密度进行计算。对于空间上点要素x1,x2,…,xn中任意一点x_k的空间密度为：
(7)
式中，K为高斯正态分布函数，h为核函数的带宽。当h越大时，所能表现出来的结论越粗略、抽象，越能表现出整体性的趋势；反之h越小细节程度越高，越能显示出局部性的趋势。
2 结果与分析
2.1 四川省林火格局时间尺度分析
同心圆以年份划分、径线以月份划分数据得到林火发生次数的数据圆环图见图1，另外以月份划分同心圆、以日期划分径线统计林火发生次数见图2。由图1可知四川省 2001—2012 年林火高峰期在1、2、3、4、5月份，而9、10、11月、12月属于林火低发期，且能看出 2004 年以后林火发生数逐年增多。而从图 2 中可发现四川省这12年间3月21日、4月3日和7日林火发生数最高，其次2月10日至16日、3月11日至22日、4月和5月初林火发生频繁，8月20日、10月26日、12月4日、5日和24日这几天也需重视。
图2 四川省林火月-天发生次数
2.2 四川省林火格局空间尺度分析
2.2.1 RipleyK函数分析
通过RipleyK函数得到不同空间尺度下四川省林火分布模式，由于四川省面积大，故起算距离设为0，递增步长设为 6 000 m，即每隔 6 km计算空间点的L值，递增次数设为100 ，最终分析结果见图3 。由图3可知，在空间尺度小于528 km时L函数观测值大于期望值，林火呈聚集分布；当空间尺度大于 528 km时，L函数观测值小于期望值，林火呈离散分布。因此，在较小空间尺度下四川省 2001—2012 年林火空间格局为聚集分布，可进一步进行点模式聚集分析。
图3 四川省林火L函数分布曲线
2.2.2 点模式聚集分析
通过RipleyK函数已计算出较小空间尺度下四川省 2001—2012 年林火属于聚集分布，基于此，根据四川省这12年的林火点集数据，在 ArcGIS 10.5 图层上计算中位数中心并绘制标准差椭圆。通过计算可知，林火发生的中位数中心位于攀枝花市，林火聚集区为凉山州，其总体蔓延趋势是向西北甘孜藏族自治州方向延伸。采用ArcGIS 10.5空间分析工具中的核密度分析，以 4 000 m 核密度分析，以，其为空间栅格单元，50 km为统计半径，对这12年林火发生总密度进行计算，结果为 0～0.887 次/(km2·12a)，同时可发现火点密度最高范围为整个攀枝花市，其次凉山彝族自治州 、甘孜藏族自治州和阿坝藏族羌族自治州也偶有火灾发生(见图4)。
图4 四川省2001—2012年林火空间分析
但上述分析未能结合时间尺度，为找到每个年份林火聚集区域进一步分析，利用核密度分析方法对 2001—2012 年火点数据按年份顺序进行分析，同样按照 50 km的统计半径，4 000 m×4 000 m 的空间栅格单元，依次计算每年四川省林火发生密度，并按照自然间断点法将每年火点密度分为 0～0.003 次·km-2、0.003次·km-2～0.015次·km-2、0.015次·km-2～0.033次·km-2、0.033次·km-2～0.053次·km-2和 0.053次·km-2～0.107 次·km-2共 5 个等级。从图 5 可知，2001—2012 年攀枝花市一直都是林火密度最高的地区；其次凉山彝族自治州从 2003 年开始林火发生数也逐渐增多，主要发生在与攀枝花市毗邻的西南部，2006 年以后凉山州中部林火发生数增多；甘孜藏族自治州南部和西部局部地区从 2009 年开始林火发生数增多。
3 结果与讨论
本研究结果表明，四川省 2001—2012 年林火高峰期在 1—5 月，从自然因素分析，四川气候区域表现差异明显，四川东部盆地和川西北高原冬季由于草木枯萎，落叶枯草等易燃物堆积，而冬天过后 3～5 月气温逐渐上升，在干季气温高更易于燃烧而导致林火多发。四川西南山地降水差异明显，每年5月—9 月为雨季，10 月至次年 4 月为旱季，空气干燥，容易发生火灾。另一方面从人为因素考虑， 2 月是中国新年，人为鞭炮等可能造成火灾，而 4 月清明时节四川省人民普遍有上坟祭祖的习俗，伴随上香烧纸钱，冬季堆积的枯草在上坟时容易被点燃；另外 3月—5 月正是春耕时节，容易产生人为火源。而2009年以后每年林火发生数有明显增加，这可能与 2008 年四川发生汶川大地震并遭受冰雪冻害有关。雪灾过后会导致森林火灾集中暴发，且冰冻雪害会极大损坏林区道路和瞭望台、通讯设施等森林防火设施[32]。
图5 四川省林火空间分析时序图
本研究结果表明，四川省 2001—2012 年林火分布具有明显空间聚集性，存在明显的林火高发区。火点最密集中心位于攀枝花市，其次火点高发区是凉山彝族自治州和甘孜藏族自治州，林火分布呈西北向，从攀枝花市中心向西北的甘孜藏族自治州扩展。攀枝花市火点主要集中在3月、4月、5月份，但从 2006 年开始1月、2月的火点数目比往年增加明显，由于地势地形复杂，一旦发生火灾，不容易即时进行扑救，故应将其作为该省每年1—5月防治林火的重点区域。甘孜藏族自治州地处青藏高原，天然草原面积占总面积的61.7%，森林面积占四川森林总面积的20%，该区域林火发生时间是每年11月至次年的5月，正是旱季时间，而每年进入雨季后该地区林火发生概率大大降低，因此甘孜州林火高风险区域应作为每年11月至次年5月林火防治重点区域。而凉山彝族自治州情况与其相似，火点主要发生在每年12月下旬至次年5月，该州靠近林火最密集区攀枝花市，是全省三大林区、三大牧区之一，作为一个多民族地区，少数民族居住分散，生产、生活用火频繁，故而火源管理较难[25]，凉山州防火时间需引起关注。不同的地区不仅林火高峰期有很大区别，林火成因也不尽相同，因此，在林火防治方面需要因地制宜，对于不同地区，应该结合当地的地形地貌、植被特征、气候条件以及土地利用类型和人类活动进行重点分析，才能为林火防治工作提供可靠的决策。
目前采用空间统计方法分析关于四川省林火空间特征研究并不太多，本研究通过空间点模式统计法可分析出四川省林火发生聚集区域，为四川省林火防治工作提供科学依据和有针对性地决策，可尝试将其扩展到更大空间尺度如全国进行林火空间分析。本文数据源为卫星检测热点数据，但缺乏实地核查数据，可能存在热点错判的情况，为更精细地研究四川省林火分布并结合地形、气象、可燃物等因子类型建立林火预报模型，未来还需要结合地面核查数据进行进一步分析。
