2016—2020年四川省 森林火灾与气象因子的关系

高洁　郭善云　汪丽

摘要：文章利用四川省2016—2020年森林火灾与相关气象因子（当月平均气压、平均气温、平均相对湿度、降水量、最大风速和日照时数）历史数据，分析四川省森林火灾分布特征，分别将森林火灾重点地区每月林火发生次数、火场面积和受害森林面积与当月和前月气象因子做相关分析并建立模型，研究森林火灾发生与气象因子的关系。结果表明，林火次数与气象因子的相关性更好，模型拟合度更佳。不同地区气象因子对林火的影响程度不尽相同，凉山州和攀枝花市森林火灾发生次数随当月湿度下降和风速上升呈增加趋势，线性关系显著;凉山州火灾次数与前月温度、相对湿度和降水量呈显著线性相关，攀枝花市火灾次数与前月相对湿度线性相关显著;甘孜州林火次数与当月和前月相对湿度呈显著线性相关。

关键词：森林火灾;气象因子;相关;回归模型;四川

森林火灾是对森林的影响和破坏最为严重的自然灾害[1]，其突发性强、破坏性大，给人类和生态系统带来严重危害和损失。森林火灾的发生与一定的气候背景有关[2]，气象条件是林火发生的决定作用因子之一[3]。目前，国内外学者在森林火灾发生及其与气象因素之间的关系方面进行了大量研究。杜建华[4]等通过对我国森林火灾时空分布及其气候驱动因子的研究，表明森林火灾具有显著的区域性特征，可燃物含水率是决定林火发生的关键因子。刘刈[5]等对重庆市春季和盛夏高森林火险等级下的典型年份的大气环流特征进行分析，表明春季“北低南高”的环流形势，重庆受高压脊影响降水偏少，气温偏高，利于森林火灾发生。陈峰[6]等对云南省各个生态区气候因子与森林火灾之间的关系进行研究，发现用火灾次数和火灾受害面积作为火灾指标，主导气象因子有所差异。李德[7]等对四川省1979—2008年森林火灾重灾区火灾发生与气象因子的关系研究，表明四川火灾总体呈下降趋势，重灾区火灾与风速、日照和降水量呈显著线性关系。

四川省地形复杂，森林资源丰富，是我国森林火灾的多发区和重灾区，凉山州在2019年和2020年连续两年出现多名消防人员在森林灭火任务中牺牲，森林防火工作十分艰巨。2011—2020年，是1850年以来最暖的十年，2020年更是20世纪初以来的最暖年份[8]。在气候变暖大背景下，近几年四川省森林火灾与气象因子关系的相关研究工作较少。本研究以四川省为对象，对森林火灾重点地区2016—2020年的月火灾次数、火场面积和受害森林面积与当月和前月气象因子进行相关分析，并建立数学模型，以探索四川省森林火灾重点地区林火发生与气象因子的关系，为该地区制定森林防火方针及开展防火工作提供理论依据。

一、資料与方法

（一）研究区概况

四川省位于青藏高原与我国东部平原过渡区，界于北纬26°03′～34°19′，东经97°21′～108°12′之间，省内地形复杂，东西部地形差异显著。以龙门山和大凉山为界，东部为四川盆地和盆缘山地，属于亚热带湿润气候，夏季（5～10月）降水占全年总雨量的80%，年均气温17℃;西部为川西高原和川西南山地，以垂直气候带为主，其中川西高原主要为山原地貌和高山峡谷区，年降雨量600～800mm，年均气温低于8℃;川西南山地主要为次高山和中山峡谷区，降雨强度接近盆地中南部。四川是全国第二大林区，森林面积居全国第4位，森林资源分布不均，天然林约占2/3，主要分布在川西高原和川西南山地。森林面积按川西高山高原区、川西南山地、盆周山区和盆中丘陵区依次递减。

（二）资料来源

火灾发生历史数据来源于四川省应急厅森林草原防灭火指挥部，包括2016—2020年关于四川省21个市州森林火灾的数据记录。四川省2016—2020年39个国家气象站的气象资料来自四川省气象信息中心。

（三）研究方法

对2016—2020年四川省森林火灾数据进行统计分析，并根据21个市州森林火灾发生情况，找出火灾发生最为严重的地区。

考虑到森林火灾的发生与前期气象因素累积有关，对林火重点地区，分别测定2016—2020年月森林火灾发生次数、火场面积和受害森林面积与当月和前月平均气压（X1）、平均气温（X2）、平均相对湿度（X3）、降水量（X4）、最大风速（X5）和日照时数（X6）之间的相关性，探讨不同火灾特征值与气象因子之间的关系，利用相关性极其显著的气象因子与不同火灾特征值通过SPSS进行线性回归计算，建立数学模型。

二、结果与分析

（一）四川省森林火灾时间特征分析

表1为2016—2020年四川省森林火灾发生次数、火场总面积、受害森林面积、死亡人数四个参数。研究期内每年的林火总次数在111～263次之间，平均每年发生森林火灾182次;火场总面积在1207.61～5177.57hm2之间，平均每年火场面积为2812.406hm2;受害森林面积在215.05～1540.16hm2，平均每年受害森林面积为976.77hm2。火灾种类以一般类型的火灾居多，占火灾总次数的85%，其次为较大类型火灾，占14%，重、特大火灾主要发生在2018年、2019年和2020年三年。2016—2020年林火总次数在减少，而火场面积显著增加，其中2019年和2020年死亡人数最多。

表1  2016—2020年四川省森林火灾特征值

时间/年 火灾次数/次 火场面积/hm2 受害森林面积/hm2 死亡/人

一般 较大 重特大 总

2016 230 33 0 263 1207.61 215.05 3

2017 152 18 1 171 1610.86 1014.85 1

2018 201 26 2 229 3589.48 1540.16 1

2019 105 31 2 138 2476.51 661.05 31

2020 88 20 3 111 5177.57 1452.74 21

森林火灾各月分布如图1所示。2～5月为四川森林火灾高峰期，此期间发生的林火总次数占全年林火总次数的86%，火场面积和受害森林面积占全年总面积的95%。2月火灾总次数最多，平均每年发生53次，占全年林火总次数的29%，3月火场面积和受害森林面积最大，占全年总面积的44%。6～12月林火发生次数在2～24次之间，火场面积0.67～189.42hm2。森林火災发生与降水、气温、相对湿度等气象要素及人类活动密切相关。2～5月，森林里可燃物水分不能得到充足补给，蒸发量增加，加之气温逐渐回升，可燃物比较干燥，遇到火源极易燃烧，这段时期相继进入中国传统节日春节和清明节，农事用火、祭祀用火管控难度大，干燥的森林可燃物遇到火种极易引起燃烧，使得该时段森林火灾明显偏多。5月以后四川省相继进入雨季，降水增多，可燃物湿度较大，林火发生次数显著减少。秋冬季节，气温下降，相对湿度大，降水少，林火发生也较少。

图1  2016—2020年四川省森林火灾频次、火场面积和受害森林面积月分布

（二）四川省森林火灾的区域分布

将2016—2020年四川省21个市州的森林火灾总次数、火场面积和受害森林面积按地区统计，结果见表2。由表2可以看出，凉山州、甘孜州和攀枝花是四川省森林火灾发生最为严重的地区，年均火灾面积分别为1274.92hm2、882.57hm2和410.89hm2，火场面积占全省火灾面积的91.3%，受害森林面积占全省的88.89%，火灾发生次数占全省火灾总次数的40.6%。从森林火场面积来看，凉山州、甘孜州、攀枝花、南充市、内江市排名全省前5位，其中南充市和内江市年均火灾面积分别为51.81hm2和28.17hm2，远低于凉山州、甘孜州和攀枝花;从受害森林面积来看，凉山州和甘孜州远高于其他市州;从火灾次数来看，凉山州和攀枝花火灾总次数远高于其他市州。综合各区域森林火灾发生情况，本研究主要针对凉山州、甘孜州和攀枝花市3个重点区域进行研究。

表2  2016—2020年四川省21个市州森林火灾特征

（三）森林火灾重点地区火灾发生次数与当月气象因子的关系

四川省森林火灾重点地区2016—2020年森林火灾次数与当月气象因子的关系如表3所示。

*表示通过0.05显著水平的显著性检验，**表示通过0.01显著性检验，***表示通过0.001显著性检验，下同。

1.凉山州

2016—2020年月林火次数与月平均相对湿度和月最大风速相关性极其显著（P=0.001），与月平均气压和月日照时数相关性不显著。选取月平均相对湿度、月最大风速回归分析建立林火次数模型。

通过SPSS进行线性回归计算，得到了5年间凉山州地区月林火次数（Y）与月平均相对湿度（X3）、月最大风速（X5）之间的相关系数，建立回归方程：

Y=7.13-0.167X3+0.768X5          （1）

可见，凉山州地区森林火灾发生次数与相对湿度呈负相关，与最大风速呈正相关，即森林火灾次数随着湿度的减小和风速的上升而增加。判定系数R2=0.553，P=0.000<0.001，该模型整体极其显著;变量X3、X5通过T检验（P=0.05）。拟合度良好，各变量对被解释变量有显著线性关系。

2.攀枝花

2016—2020年月林火发生次数与月平均相对湿度、月最大风速和月日照时数相关性达极显著水平，与月平均气压和月平均温度的相关性不显著。选取月平均相对湿度、月最大风速和月日照时数与森林火灾发生次数进行回归分析建立模型。

建立攀枝花市月火灾次数（Y）与月平均相对湿度X3、月最大风速X5和月日照时数X6之间的回归方程为：

Y=11.368-0.242X3+0.837X5-0.007X6    （2）

判定系数R2=0.555，P=0.000，该模型整体极其显著;变量X3和X5通过T检验。

考虑到本研究中月日照时数（X6）与被解释变量无显著线性关系，且多数研究中森林火灾发生与日照时数呈正相关，剔除变量X6再进行线性回归，得到回归方程：

Y=8.435-0.221X3+0.875X5         （3）

该模型整体显著，拟合度良好，且两个变量都与被解释变量具有显著线性关系。可见攀枝花市月森林火灾发生次数与当月相对湿度呈负相关，与最大风速呈正相关，即随着相对湿度减小、风速增大，森林火灾发生次数增加。

3.甘孜州

2016—2020年月森林火灾发生次数与月平均相对湿度的相关系数是0.5（负相关），达极显著水平，与月最大风速和月日照时数相关性不显著。

线性回归计算甘孜州地区月火灾次数（Y）与月平均相对湿度（X3）之间的相关系数，建立回归方程：

Y=2.011-0.03X3            （4）

判定系数R2=0.238，F=19.41，P=0.000，常数项和变量X3均通过T检验，但拟合度较低。

（四）森林火灾重点地区火灾发生次数与前月气象因子的关系

四川省森林火灾重点地区2016—2020年月森林火灾发生次数与前月气象因子之间的关系进行相关分析，结果如表4。由表4可知，凉山州2016—2020年月森林火灾发生次数与前月平均气压和日照时数相关性不显著，与前月平均温度、平均相对湿度和降水量的相关系数分别是0.629（负相关）、0.634（负相关）、0.531（负相关），达极显著水平（P=0.001）。攀枝花市月森林火灾次数与前月平均温度、平均相对湿度和降水量的相关系数分别是0.549（负相关）、0.558（负相关）、0.458（负相关），达极显著水平。甘孜州月森林火灾次数与前月平均相对湿度、降水量和日照时数的相关系数分别是0.671（负相关）、0.469（负相关）、0.461（正相关），达极显著水平。

表4  四川省森林火灾重点地区月火灾次数与前月气象因子的关系

通过SPSS进行线性回归计算，建立凉山、攀枝花和甘孜三市（州）月森林火灾发生次数与前月气象因子回归方程（表5）。由表5看出，3个重点地区模型拟合度均通过了显著性检验，除了甘孜州拟合度较差外，凉山州和攀枝花拟合度都较好，具有统计学意义，说明回归模型能够较好地解釋四川森林火灾重点地区当月火灾次数与前月气象因子之间的关系。

表5  四川省森林火灾重点地区月火灾次数与前月气象因子回归分析

（五）森林火灾重点地区火场面积与气象因子的关系

四川省森林火灾重点地区2016—2020年月森林火灾火场面积与当月和前月气象因子之间的关系进行相关分析。凉山州和攀枝花市月森林火灾面积与当月和前月气象因子相关性未达极显著水平（P=0.001），凉山州月森林火灾面积与当月和前月平均相对湿度呈显著负相关，与当月最大风速呈显著正相关，攀枝花市森林火灾面积与前月平均温度和相对湿度呈显著负相关。甘孜州月森林火灾面积与当月平均相对湿度、最大风速和日照时数相关性达极显著水平（P=0.001），与前月平均相对湿度负相关极其显著，但是通过SPSS建立线性回归方程模型都不显著。

（六）森林火灾重点地区受害森林面积与气象因子的关系

森林火灾重点地区2016—2020年月受害森林面积与当月和前月气象因子之间的关系进行相关分析。凉山州和甘孜州月受害森林面积与当月和前月气象因子相关性未达极显著水平（P=0.001），凉山州月受害森林面积与当月和前月平均相对湿度呈显著负相关，与当月最大风速呈显著正相关，甘孜州月受害森林面积与前月平均温度和平均相对湿度呈显著负相关。攀枝花市月受害森林面积与当月和前月平均相对湿度呈显著负相关，与当月平均相对湿度呈显著负相关，达极显著水平（P=0.001）。通过线性回归计算攀枝花市月受害森林面积与当月和前月平均相对湿度（X3）之间的相关系数，建立回归方程：

Y=18.902-0.277X3           （5）

判定系数R2=0.205，统计检验量F=8.014，P=0.000;常数项和X3均通过T检验，但拟合度较差。

三、结论

对四川省2016—2020年21个地区的森林火灾总次数、火场面积和受害森林面积分地区统计，结果显示凉山州、甘孜州和攀枝花市为2016—2020年四川省森林火灾发生最严重的地区。

凉山州和攀枝花市森林火灾发生次数随当月湿度下降和风速上升呈增加趋势，线性关系显著;凉山州火灾次数与前月温度、相对湿度和降水量呈显著线性相关，攀枝花市火灾次数与前月相对湿度线性相关显著。甘孜

（下转第35页）（上接第32页）

州林火次数与当月和前月相对湿度呈显著线性相关。利用相关性构建回归模型，对不同区域林火发生进行预测预报。

三个市州火场面积和受害森林与当月和前月气象因子同样存在相关性，但是同气象因子与林火次数的相关性对比较差，且建立的回归模型拟合度稍小，或不能通过显著性检验。因此三个森林火灾重点地区火灾次数与气象因子的相关性及模型拟合度更具代表性。

参考文献：

[1]舒立福，田晓瑞，寇晓军.林火研究综述（I）——研究热点与进展[J].世界林业研究，2003，16（03）：37-40.

[2]Swetnam T W.Fire History and Climate Change in Giant Sequoia Groves[J].Science，1993，262（5135）：

885-889.

[3]谢克勇，黄志辉，周勇平，等.森林火灾与气象因子的相关性分析[J].江西林业科技，2008（05）：53-55.

[4]杜建华，宫殷婷，蒋丽伟.中国森林火灾发生特征及其与主要气候因子的关系研究[J].林业资源管理，2019（02）：7-14.

[5]刘刈，李强，刘德.重庆市森林火险变化特征及气象条件分析[J].干旱气象，2014，32（05）：744-750.

[6]陈峰，林向东，牛树奎，等.气候变化对云南省森林火灾的影响[J].北京林业大学学报，2012，34（06）：7-15.

[7]李德，牛树奎，龙先华，等.四川省森林火灾与气象因子的关系[J].西北农林科技大学学报，2013，41（06）：67-74.

[8]中国气象局气候变化中心.中国气候变化蓝皮书2021[M].北京：科学出版社，2021.

基金项目：高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金项目（SCQXKJQN2020019）。

作者简介：高洁（1988.01—），女，硕士，工程师，研究方向：气象灾害风险预警及决策气象服务。

通讯作者：郭善云（1980.09—），男，硕士，高级工程师，研究方向：气象灾害风险预警及决策气象服务。