基于犹豫模糊语言的森林火灾发生风险评估

骆相宇,李宗敏

(四川大学 商学院,成都 610041)

森林作为地球上最大的陆地生态系统,在人类生存和发展的历史上起着不可替代的作用。它通过光合作用吸收大量的二氧化碳,转化为有机物,并释放氧气,维持生物圈中的碳-氧平衡,有“地球之肺”的美誉。在新世纪到来之际,世界森林资源面临着质和量的下降。1990—2015年,全球森林面积累计减少12.9亿hm2,2000年以来净丧失率一直维持在每年520万hm2[1]。森林消失和森林破坏已成为人类环境问题的重要因素。在众多影响森林健康成长的因素中,森林火灾这一要素尤为突出。森林火灾是一种严重而普遍的自然灾害,具有分布广、频率高、不确定性强的特点[2]。不仅会严重阻碍森林生态系统的发展,还会威胁到人民的生命财产安全和正常的生产生活秩序。例如,2019 年四川凉山州木里县发生火灾,火场过火面积约20hm2,遇难30人[3-4]。数据表明,2019年卫星侦测到亚马孙雨林火灾数量超过72 000起,创历史新高,较去年同期大增83%[5]。

在森林火灾发生风险评估研究中,有专家从影响林火发生的气象因素[6]、地形环境因素[7]等角度出发进行研究。也有不少学者采用神经网络法[8]、证据权重法[9]、逻辑回归法[10]、集成学习法[11]等方法对森林火灾发生风险作出评估。由于客观世界的复杂性以及人类思维的局限性,使人们在对事物进行分析时难以做出精确地判断和量化表达,因此会使用一些定性的语言,例如“风险较大”,“地形较复杂”等。一些专家引入了模糊数学、灰色模糊等方法量化语言信息,例如Sharifid等[12]在利用遥感、气象资料和地理信息系统对森林火灾潜力建模时,为解决空间数据的模糊性,引入模糊层次分析法对研究区域火灾风险的影响因素进行排序；Wang等[13]提出一种基于信息熵的模糊综合评价法,以减少基于数据评价的主观性影响,使评价结果更加可靠合理；Tsataltzinos等[14]引入模糊粗糙集理论,将森林火灾风险估计中的数据进行约简,试图用尽可能少的数据集获得尽可能精确的预测结果；杨建华等[15]探讨了森林火灾风险的灰色模糊综合评价方法；赵迎子等[16]引入多层次模糊综合评判法对各生态公益林小班的森林火灾风险进行分析评价。但是现有的研究在语言的定量表达、赋权等方面仍然存在优化的空间。杨建华等[15]的评估权重选择Delphi专家调查法,具有较大的主观性；赵迎子等[16]的评估仅将风险等级划分为3个等级,对风险大小的区分度不明显。

此外,评价者在对各个属性进行评价时,许多评价者往往是犹豫的,可能会在几个值之间徘徊,例如:“介于一般和很大之间”,传统的模糊集很难描述。因此,Torra等[17]拓展了模糊集,进而提出犹豫模糊集,它允许一个变量中含有多个取值,在刻画评估过程中存在的犹豫性上彰显出独特的优势；受此启发,Rodríguez等[18]提出了犹豫模糊语言集的概念,使得表达更加自由化同时强化了对语言信息的抽取。犹豫模糊集已经被广泛应用于各类评估问题,例如,多指标供应商选择[19]、服务质量评估[20]、医院绩效评估[21]等问题。本文首次将犹豫模糊语言引入到森林火灾风险评估问题中,增加了评估过程中语言表达的灵活性和赋权的科学性,为有效防治森林火灾发生、降低损失提供参考。

1 预备知识

定义1[22]:对于一个犹豫模糊语言变量,则称

定义3[24]:设函数OWA:Rn→R(a1,a2,a3,…,an)是一组给定的数据组,若:

定义4[25]:基于等差数列的OWA赋权方法,根据OWA的原理,对原始数据(a1,a2,a3,…,an)从大到小排序,得到新的数据列(b1,b2,b3,…,bn),数据bj的权重wj由下面的方法确定:

n为奇数时:

(1)

n为偶数时:

(2)

2 评价指标体系构建

理解火灾风险及其行为必不可少的因素是:气象、可燃物、地形和火源[26]。在发生的林火中,火源可能是人为纵火,也可能是雷击火,具有较大的不确定性和随机性。本文意在通过对客观事实进行观察,评估该因素对森林火灾发生风险的影响程度,从而判断该地区的森林火灾发生风向的大小。因此,选取Anne[27]指出的环境3因子:地形因子(c1)、气象因子(c2)和可燃物因子(c3)。

2.1 地形因子

地形变化影响森林植被的分布,使可燃物空间分布发生变化,引起局部小气候,从而影响森林火灾的发生和发展[28],其中主要包括：坡向、坡位、坡度和海拔[29]。Hong等[29]在森林火灾发生的研究中认为,海拔和坡度对林火发生影响明显。不同坡度对降水的截留程度不同,会影响可燃物的含水率。坡度越陡,降水易流失,可燃物易干燥,易燃程度高；反之,坡度越平缓,降水滞留时间长,林地潮湿,可燃物含水率高,不易着火。海拔可以影响局部气温和相对湿度。海拔越高,气温越低,相对湿度增大,因而森林可燃物的含水量增高,不易发生燃烧。坡向不同,接受太阳的辐射不同,导致相同可燃物的含水量不同。我国处在北半球,一般而言,南坡接受的阳光照射时间长,其次是西坡和东坡,北坡最短。因而南坡吸收热量较多,植物含水量较低,温度较高,发生火灾风险较大。不同坡位植被的含水量也不同,一般而言,山脊、陡坡的林地较为干燥,植被容易燃烧。综上,在地形因子维度下,选取海拔(c11)、坡向(c12)、坡度(c13)、坡位(c14)4个指标。

2.2 气象因子

在加拿大森林火灾评级系统的火险天气指数中,其检测的主要气象特征包括风速、温度、相对湿度和降水。Zaitchik等[30]的研究指出,气象特征对火灾的发生和发展强度都有极大影响,相对湿度大小与森林火灾发生概率呈反比关系,相对湿度越低,空气越干燥,植被水分蒸发越快,森林火灾发生的概率就越高；Hamadeh等[31]指出,高温、高风速、低湿度可以显著增加森林火灾发生的风险。气温可以影响可燃物的易燃性,气温升高,促使森林可燃物水分蒸发,加速可燃物干燥,同时促使可燃物本身的温度升高,增加森林火灾发生的风险。风和降水是影响林火行为的重要因素[32]。风能够加速水分蒸发,降低林内空气湿度,促使地表可燃物干燥,同时补充氧气,增加助燃条件。降水也可以直接影响森林火灾的发生,它可以快速增加森林可燃物的含水量,提高空气湿度,潮湿的可燃物一般不易燃烧,从而降低可燃物的可燃性。因此,在气象因子维度下,选取气温(c21)、相对湿度(c22)、降水因子(c23)、风力(c24)4个指标。

2.3 可燃物因子

可燃物是森林燃烧的基础物质条件,是林火行为的主体,影响林火蔓延、林火强度[33]。可燃物本身的理化性质直接影响着森林火灾能否发生,森林可燃物类型不同,发生火灾的可能性也不同。根据易燃程度可分为易燃可燃物、燃烧缓慢可燃物和难燃可燃物。植被的类型影响可燃物的易燃程度[34],例如,马尾松(PinusmassonianaLamb)、杉木(CunninghamialanceolataHook)等针叶林树种,本身含有大量的油脂,燃点低,容易着火。郁闭度是决定森林林分结构的重要因子之一[35]。郁闭度越小,林内光照充足,土壤植被干燥,易燃性大。反之郁闭度越大,林内潮湿,不易发生火灾。而Mckenzie等[36]指出,即便同一林型,不同演替阶段可燃物的可燃性也不同。随着树龄的增长,树冠稀疏,林下堆积大量干枯树枝,易发生地表火。故在可燃物因子维度下,选取植被种类(c31)、主要植被树龄(c32)和郁闭度(c33)3个指标。

表1 评价指标体系表Tab.1 Evaluation index system

3 评价方法及实施步骤

邀请n位专家对指标体系的各个维度和指标赋权,通过OWA算子集结得到各个指标的权重。专家根据自己的知识和经验做出各指标对火灾影响程度的评价,通过犹豫模糊语言混合加权平均算子对语言信息进行集结,得到各个因素的综合影响程度,从而判断该区域森林火灾发生的风险。

3.1 基于OWA算子的指标权重确立

步骤4:采用上述相同的方法,让n个评价者对每个维度进行评价,赋予一个位于[0,1]的权重,得到各维度的权重矩阵。根据评价人数的奇偶性得到位置权重,通过OWA算子计算初始权重,进行归一化处理,得到3个维度的权重(ω1,ω2,ω3)。

3.2 犹豫模糊信息集结方法

步骤2:运用犹豫模糊语言集结算子对指标评价集进行集结,得到3个维度的评价结果s1,s2,s3。其中,重要性权重为通过OWA算子计算的指标权重,而相关性权重由定义4中的计算方法产生。

步骤3:对各维度下指标的评价集进行集结后,得到的依旧是一个包含多个语言术语的犹豫模糊语言变量。因此,采用相同的集结算子HFLHWA,对每个维度的评价集进行集结,从而得到以犹豫模糊语言表示的森林火灾发生风险评价集s。再通过得分函数求得最终的评估结果,据此判断该片区的森林火灾发生风险水平s*。

4 案例应用

4.1 研究区域概况

为了验证该方法的有效性,选取1987年“5·6”大兴安岭森林火灾的某片过火地区为研究对象。该地区海拔约500～800m,坡向为南偏西约10°,坡度约30°,处于山的中上坡。优势树种为落叶松(Larixgmelinii)、樟子松(Pinussylvestrisvar.mongholica)和白桦(Betulaplatyphylla)等,森林覆被率达60%以上[37]。每年都有大量的枯枝落叶,由于年平均气温低,有机物分解也十分缓慢。林下地被植物主要是越桔(Vacciniumvitis-idaeaLinn)、杜香(LedumpalustreL)和杜鹃(RhododendronsimsiiPlanch)。近年来正在进行采伐,部分地区出现过伐现象。过伐林地和沟塘草甸杂草丛生,积累较多,厚度在10cm左右。在此前一年半的时期里,只下过一场透雨。近段时间气候出现异常,气温持续上升,5天内平均气温上升10°以上,达到23°左右,比历年偏高,地表和深层可燃物含水量都降到最低值,只有10%～20%。相对湿度较历年同期平均值降低20%左右,降至10%以下,最低相对湿度仅为5%。降水量呈现明显的负距平,比历年同期减少了40%～50%。风速约为6～8m/s,瞬时风速可达17m/s[38]。

4.2 计算过程演示

首先,邀请3位来自林业局从事森林防火工作的人员,1名做森林火灾类项目的高校老师,以及1名有7年森林防火工作经验的地方林火专家,分别对每个维度下的各个指标赋予权重。为避免主观因素的影响,评估过程中并未告知该片区为大兴安岭森林的过火片区,且均以“某片区”替代。得到原始权重矩阵:

将原始矩阵每一列按照从大到小的顺序排列,得到新矩阵:

已知有5位专家,通过定义4得到位置权重L1=L2=L3=[1/9,2/9,3/9,2/9,1/9],再根据OWA算子的定义,将位置权重与专家赋予指标权重进行集结,得到每个维度下的各个指标的初始权重:

进行归一化处理,得到3个维度下各指标的最终权重为:ω1=[0.1667,0.3111,0.3000,0.2222],ω2=[0.3626,0.3626,0.1648,0.1100],ω3=[0.3667,0.2000,0.4333]。

5位专家对3个维度的重要性进行评估,得到3个维度的重要性权重矩阵:

排序后得到新矩阵:

通过定义4得到位置权重L=[1/9,2/9,3/9,2/9,1/9],通过OWA算子集结,再进行归一化处理后得到3个维度最终的重要性权重ω=[0.1889,0.5333,0.2778]。

在5位专家对该区域各指标情况进行一定了解的基础上,将各指标对该区域森林火灾发生风险的影响以犹豫模糊语言的方式进行评估,得到各指标的评价结果如表2所示。

根据HFLHWA算子的计算式,将表中的评价集进行集结。由于计算复杂,根据犹豫模糊语言变量的计算原理,在python中,直接对评价集的变量的下标进行计算。根据指标评价结果表可以得到第一维度下4个指标的得分函数Sc(s1,1)≤Sc(s1,3)≤Sc(s1,4)≤Sc(s1,2)。再根据定义4,可以得到4个变量的相关权重为h1,1=0.167,h1,2=0.167,h1,3=0.333,h1,4=0.333。且由上文已知第一维度下4个指标的重要性权重为：ω1,1=0.1667,ω1,2=0.3111,ω1,3=0.3000,ω1,4=0.2222。由此可得第一个维度的评价集结值:s1= {s3.9853,s4.2770,s4.5683,…,s5.9853,s6.2770} 。采用相同的方法,得到第二和第三维度的评价集分别为:s2={s5.1665,s5.2376,s5.3097,…,s6.9279,s7.000},s3={s4.9765,s5.5814,s6.1862,…,s6.2558,s6.8605}。

表2 指标评价结果表Tab.2 Index evaluaion results

根据集结结果可得Sc(s1)≤Sc(s3)≤Sc(s2),则对应的相关权重为h1=0.25,h2=0.25,h3=0.5,维度层的重要性权重为ω1=0.1889,ω2=0.5333,ω3=0.2778。运用同样的程序,通过HFLHAW算子,对维度层的评语集进行集结,得到以犹豫模糊语言表示的森林火灾发生风险的评价结果:s*={s4.9090,s5.1719,s5.4348,…,s6.5695,s6.8325}。

通过得分函数求得最终的评估结果s*=Sc(s)=s5.8707。该区域各指标对火灾发生的综合影响显示,该区域火灾发生的风险很大,防火部门应当对该区域加强管理,避免火灾发生。

4.3 对比分析

为了体现犹豫模糊语言方法的优势,下面使用灰色模糊综合评价法来对该区域火灾发生风险进行评估。根据以上分析,影响森林火灾风险的因素有3个,由此建立评价指标因素集C={C1,C2,C3},C1,C2,C3分别为地形因子、气象因子和可燃物因子。建立评判结果因素集合V={V1,V2,V3,V4,V5}分别代表风险特别大、较大、中等、较小、很小。因此,即有R1=(0.1,0.2,0.4,0.2,0.1),R2=(0.2,0.5,0.2,0.1,0),R3={0.1,0.5,0.2,0.1,0.1},进而得到所有单因素评判组成的矩阵:

每个维度的权重为ω=[0.1889,0.5333,0.2778],可求得该地森林火灾风险可能性的灰色模糊综合评价为:B=ω×R=(0.15333,0.44333,0.23778,0.11889,0.04667)。即该地发生森林火灾风险的可能性为:15.3%的隶属度为特别大,44.3%隶属度为较大,23.8%的隶属度为中等,11.9%的隶属度为较小,4.7%的隶属度为很小。

5 结果与讨论

从上述与其他方法的对比分析过程可以看出:1)本文提出的基于犹豫模糊语言的评估方法,在语言表达上更具有灵活性,允许专家在多个可能结果之间犹豫,更加符合人的思维。2)在准确性方面,本文提出的方法拥有7个语言粒度,由于人类思维的局限性,难以对7 个粒度分别赋值,只能降低粒度的个数,导致准确性降低。3)不少学者在森林火灾发生风险预测方面只侧重于影响火灾发生的某一个维度,而火灾发生的影响因子众多,各个因子之间也存在促进或抑制的作用。例如,某区域气象因子维度:气温高、风速大,单一考虑该维度可能会认为火灾风险很高,但是可能森林植被种植稀疏,林地干净,易燃物少,综合考虑该区域的火灾风险可能并不高,所以综合考虑多方面因素可以提高预测的准确性。

6 结语

本文针对森林火灾发生风险评估时一些影响因素具有不确定性,难以量化表达的特点,运用犹豫模糊语言做出评价,使得评估者表达更加自由；同时,建立了森林火灾发生风险的评价体系,并运用基于等差数列的OWA算子确立各指标和维度的权重值；最后,通过实际案例的应用,验证了该方法的有效性。相关管理部门可根据最终的评估结果采取合理的措施,降低森林火灾的发生风险,对预防工作具有一定的指导价值。本文也有一些不足之处,例如在指标体系建立方面,火源有人为和非人为两种来源,本文尚未引入人为纵火的危险因素。未来将进一步研究更加综合集成的指标体系,以及更多先进多属性评价方法在森林火灾发生风险评价方面的应用。