昆明市林火驅(qū)動因子及火險(xiǎn)區(qū)劃研究

朱 政，趙 璠，王秋華，高仲亮，鄧小凡，黃鵬桂

（1.西南林業(yè)大學(xué) 大數(shù)據(jù)與智能工程學(xué)院, 云南 昆明 650224；2.西南林業(yè)大學(xué) 土木工程學(xué)院, 云南 昆明 650224）

森林火災(zāi)是一種失去人為控制肆意燃燒毀壞林地的森林燃燒現(xiàn)象，嚴(yán)重威脅著生物多樣性、森林生態(tài)系統(tǒng)和人類生命財(cái)產(chǎn)安全[1-2]。森林火險(xiǎn)區(qū)劃是有效防止和減小森林火災(zāi)危害的手段，結(jié)合火環(huán)境將森林區(qū)域劃分為不同的火險(xiǎn)等級便于分級管理[3]。國內(nèi)外許多學(xué)者研究表明，林火受多種驅(qū)動因子共同影響，因子可以分為氣象、地形、植被和人為因素[4-5]。森林火險(xiǎn)區(qū)劃與林火驅(qū)動因子之間存在復(fù)雜聯(lián)系，根據(jù)前人研究，其劃分方法主要包括模糊聚類法、主成分分析法、模糊綜合評判法等[6-8]。Logistic模型是林火研究常用的一種回歸模型，因其模型的解釋性好和預(yù)測準(zhǔn)確率較高被廣泛應(yīng)用在林火研究之中。本研究應(yīng)用Logistic回歸模型結(jié)合氣象、地形、植被、人為等因素建立林火預(yù)測模型，對昆明市林火驅(qū)動因子進(jìn)行分析并劃分等級，以期為昆明市林火預(yù)防和管理工作提供參考。

1 研究區(qū)和數(shù)據(jù)

1.1 研究區(qū)概況

昆明市行政管轄范圍包括7個區(qū)6個縣，代管安寧市。地處云貴高原中南部，24°23′～26°22′N，102°10′～103°40′E，行政面積為 2 1473 km2。地勢北高南低，地形以高原為主，多數(shù)地區(qū)海拔為1 500～2 800 m，垂直地域特征明顯，物種多樣性豐富。昆明屬于亞熱帶高原季風(fēng)氣候，四季如春，日照長、霜期短，市區(qū)年平均氣溫為15.0 ℃，全年干濕季明顯，干季在11月至次年4月，屬于森林火災(zāi)高頻期。現(xiàn)有森林面積110.69 萬 hm2，森林覆蓋率達(dá) 52.62%，森林蓄積量達(dá) 6 057 萬 m3。主要樹種有云南松Pinusyunnanensis、華山松P. armandii、櫟類Quercusspp.、杉木Cunninghamia lanceolata、楊樹Populusspp.等。衛(wèi)星火點(diǎn)數(shù)據(jù)(圖1)表明：昆明市2000—2015年共發(fā)生森林火災(zāi)321次，落在昆明防火期12月到次年5月的火點(diǎn)有280個，占總火點(diǎn)的80%以上。

圖1 2000—2015 年昆明市森林衛(wèi)星火點(diǎn)分布示意圖Figure 1 Distribution of forest satellite fire data in Kunming from 2000 to 2015

1.2 數(shù)據(jù)來源和處理

1.2.1 因變量 林火發(fā)生受多種驅(qū)動因子共同影響[9-10]?；瘘c(diǎn)數(shù)據(jù)來自地理空間數(shù)據(jù)云平臺(http://www.gscloud.cn/)提供的MOD14A2衛(wèi)星火點(diǎn)數(shù)據(jù)。該數(shù)據(jù)為8 d合成數(shù)據(jù)，該產(chǎn)品被國內(nèi)外學(xué)者用于林火的廣泛研究[11-12]。用ArcGIS 10.7對下載的MOD14A2影像數(shù)據(jù)投影和裁剪獲得昆明市范圍的影像數(shù)據(jù)，利用重分類功能將firemask灰度屬性值按照0～6和7～9劃分為未過火和過火像元，將過火像元比對昆明市地物類型圖，將所有落在類型為林地的火點(diǎn)提取作為本研究使用的林火數(shù)據(jù)。

1.2.2 自變量 選取氣象、地形、植被、人為活動等共17個因子。地形初始變量有海拔、坡度、坡向，數(shù)據(jù)來源于地理空間云(http://www.gscloud.cn/)的GDEMV2 30 m數(shù)字高程模型(DEM)數(shù)據(jù)。使用ArcGIS 10.7按掩膜提取昆明市DEM，采用“值提取到點(diǎn)”分別提取各火點(diǎn)對應(yīng)的值。氣象初始變量有月均地表溫度、月均氣壓、月均相對濕度、月均風(fēng)速、月均氣溫、月均日照時長，數(shù)據(jù)來源于中國氣象數(shù)據(jù)共享網(wǎng)(http://cdc.cma.gov.cn/)，氣象數(shù)據(jù)采用月均值的方式計(jì)算，對各火點(diǎn)直接賦值。植被數(shù)據(jù)有植被類型和季度歸一化植被指數(shù)(NDVI)。植被類型來源于全國地理信息資源目錄系統(tǒng)下30 m全球地表覆蓋數(shù)據(jù)Globeland 30，運(yùn)用ArcGIS 10.7值提取至點(diǎn)，得到分類變量值。NDVI來源于中國科學(xué)院資源與環(huán)境科學(xué)與數(shù)據(jù)中心下中國季度1 km植被指數(shù)空間分布數(shù)據(jù)集，數(shù)值分為春夏秋冬4個季節(jié)，對火點(diǎn)年份和月份按照對應(yīng)的季度NDVI進(jìn)行分類和提取。人為活動因素有距河流距離、距居民區(qū)距離、距公路距離、距鐵路距離、人均國內(nèi)生產(chǎn)總值(GDP)、人口密度，數(shù)據(jù)來源于全國地理信息資源目錄系統(tǒng)下1∶25萬全國基礎(chǔ)地理數(shù)據(jù)庫和中國科學(xué)研究院資源與環(huán)境數(shù)據(jù)中心下分辨率1 km人口和GDP格網(wǎng)數(shù)據(jù)。導(dǎo)入基礎(chǔ)設(shè)施矢量圖后，利用ArcGIS 10.7的近鄰分析工具得到火點(diǎn)距離各要素的最近距離，人口密度和人均GDP只有2000、2005、2010年的柵格數(shù)據(jù)，通過比對《云南省統(tǒng)計(jì)年鑒》測算各年人口密度和人均GDP增長率，用“值提取至點(diǎn)”功能得到各火點(diǎn)對應(yīng)數(shù)據(jù)。各變量因子之間的量綱不同且存在數(shù)據(jù)級之間的巨大差別，為消除量綱，避免存在數(shù)據(jù)級引發(fā)的結(jié)果貢獻(xiàn)問題，對數(shù)據(jù)采取歸一化處理。

2 研究方法

2.1 二項(xiàng) Logistic 林火回歸模型

建立二項(xiàng)Logistic林火預(yù)測回歸模型時，需要一些隨機(jī)非火點(diǎn)與火點(diǎn)共同構(gòu)成樣本數(shù)據(jù)?；谇叭说难芯拷?jīng)驗(yàn)[14]，將火點(diǎn)與非火點(diǎn)比例調(diào)整為1∶2，對非火點(diǎn)日期進(jìn)行隨機(jī)賦值，保證時間和空間上的雙隨機(jī)。將樣本數(shù)據(jù)隨機(jī)分成60%作為模型樣本，40%進(jìn)行獨(dú)立檢驗(yàn)，重復(fù)5次隨機(jī)劃分，避免樣本分布對最終模型結(jié)果的影響。

2.2 多重共線性檢驗(yàn)

多重共線指變量因子之間存在相關(guān)關(guān)系使模型精度下降，利用多重共線性診斷可以有效剔除相關(guān)變量。使用方差膨脹因子(VIF)進(jìn)行多重共線性檢驗(yàn)，通常認(rèn)為0＜VIF＜10時不存在多重共線性，當(dāng)VIF≥10時，變量之間存在顯著共線性，據(jù)此逐步剔除直至變量間不存在顯著共線性。

2.3 自變量篩選

為減小隨機(jī)選擇自變量對建模結(jié)果的影響，提高模型的精確度，采用SPSS中系統(tǒng)默認(rèn)的“強(qiáng)迫回歸方法”進(jìn)行自變量的篩選，逐步剔除變量使剩余變量VIF值均小于10。在上述5次劃分的隨機(jī)模型中選取至少出現(xiàn)3次的顯著變量參與全樣本數(shù)據(jù)的擬合。

2.4 模型檢驗(yàn)

受試者工作特征曲線(receiver operator characteristic curve，ROC)常用于評價分類模型精度和計(jì)算最佳閾值。該曲線以特異性(正類誤判為負(fù)類)為橫坐標(biāo)，以敏感性(正類判斷為正類)為縱坐標(biāo)，ROC曲線下面積(area under curve AUC)的值用來評價模型的精度，AUC的值越接近于1則表示該模型的精度越高，通常認(rèn)為AUC＞0.8時該模型擁有較好預(yù)測能力[15]。約登指數(shù)(Youden index，敏感性+1-特異性)是ROC曲線上最靠近左上角的一點(diǎn)，代表兩分類模型預(yù)測準(zhǔn)確度最佳閾值[16]，用該閾值計(jì)算可以得到模型的預(yù)測準(zhǔn)確率。

2.5 火險(xiǎn)概率及火險(xiǎn)等級劃分

依據(jù)全樣本運(yùn)算得到的Logistic回歸方程式計(jì)算結(jié)果，使用ArcGIS的克里金插值法進(jìn)行圖層運(yùn)算，獲得昆明市的林火發(fā)生概率分布圖。《全國森林火險(xiǎn)區(qū)劃等級》[17]將全國森林火險(xiǎn)等級劃分為3級，但該標(biāo)準(zhǔn)只適用于縣級或林場的等級區(qū)劃，對于大區(qū)域的宏觀預(yù)測精度和指導(dǎo)意義遠(yuǎn)遠(yuǎn)不夠。本研究按照前人的經(jīng)驗(yàn)和國際慣例[18]，依據(jù)概率等間距將昆明市劃分為五級森林火險(xiǎn)：0～0.2為一級火險(xiǎn)區(qū)，0.2～0.4為二級火險(xiǎn)區(qū)，0.4～0.6為三級火險(xiǎn)區(qū)，0.6～0.8為四級火險(xiǎn)區(qū)，0.8～1.0為五級火險(xiǎn)區(qū)。

3 結(jié)果與分析

3.1 自變量確定

共線性診斷適用于連續(xù)變量不適用于分類變量，因此，先對15個連續(xù)變量進(jìn)行多重共線性診斷，再綜合5個中間模型加上非連續(xù)性變量“植被類型”和“坡向”進(jìn)行模型顯著性檢驗(yàn)，確定最終林火驅(qū)動因子。多重共線性診斷的結(jié)果如表1所示：在剔除月均氣溫之后，不存在多重共線性。將篩選的連續(xù)變量和分類變量采用“沃爾德(Wald)向前”原則對5個樣本進(jìn)行擬合，選擇結(jié)果中出現(xiàn)3次及以上的顯著變量作為全樣本模型的自變量因子，全樣本的擬合結(jié)果如表2所示。

表1 多重共線性診斷結(jié)果Table 1 Results of multicollinearity diagnosis

表2 全樣本數(shù)據(jù)邏輯斯特回歸模型擬合結(jié)果Table 2 Results of logistic regression model for all data

3.2 模型檢驗(yàn)結(jié)果與評價

如圖2所示：用ROC曲線分別計(jì)算模型的AUC和約登指數(shù)并以此計(jì)算測試樣本預(yù)測準(zhǔn)確率。如表3所示：5個中間模型的樣本的AUC值均大于0.890，對樣本的預(yù)測準(zhǔn)確率均高于80%，全樣本AUC值為0.905，預(yù)測準(zhǔn)確率為81.7%，說明Logistic回歸模型對昆明市林火發(fā)生預(yù)測有較好的預(yù)測效果，適用于昆明市林火發(fā)生預(yù)測。根據(jù)全樣本擬合結(jié)果建立昆明市Logistic回歸概率模型為：

表3 模型評價Table 3 Model evaluation

圖2 昆明市林火預(yù)測模型 ROC 曲線擬合Figure 2 ROC curve of forest fire prediction model in Kunming City

其中：P是林火發(fā)生概率，x1為海拔，x2為居民點(diǎn)，x3為離鐵路距離，x4為NDVI，x5為月均地表溫度，x6為月均氣壓，x7為月均相對濕度，x8為月均風(fēng)速，為人均GDP。

3.3 昆明市火險(xiǎn)概率及火險(xiǎn)等級區(qū)劃

由圖3可見：5類森林火險(xiǎn)等級分別占昆明市區(qū)面積的48.82%、35.17%、11.26%、2.55%、2.2%，高火險(xiǎn)地區(qū)集中分布在五華區(qū)、盤龍區(qū)、官渡區(qū)、呈貢區(qū)、西山區(qū)、安寧市等，四級和五級火險(xiǎn)區(qū)集中在一起。與實(shí)際火點(diǎn)進(jìn)行比對，這片區(qū)域發(fā)生歷史火災(zāi)集中且次數(shù)最多?？傮w來看，昆明市的重點(diǎn)火險(xiǎn)區(qū)主要分布在昆明市西南部、嵩明縣的中部地區(qū)、東川區(qū)的邊界和石林彝族自治縣的中部地區(qū)。

圖3 昆明市林火發(fā)生概率及火險(xiǎn)區(qū)劃示意圖Figure 3 Probability and risk division of forest fire occurrence in Kunming City

3.4 林火驅(qū)動因子與火點(diǎn)頻次關(guān)系

從表3可以看出：對昆明市林火發(fā)生概率具有顯著影響的林火驅(qū)動因子分別為海拔、距居民點(diǎn)距離、距鐵路距離、NDVI值、月均地表溫度、月均氣壓、月均相對濕度、月均風(fēng)速、人均GDP。由圖4可得：火點(diǎn)集中在距居民區(qū) 1 500～2 500 m，這個區(qū)間屬于人口密集區(qū)，人為活動頻繁導(dǎo)致林火發(fā)生概率增大。火點(diǎn)集中分布在月均地表溫度15～25 ℃區(qū)間，該溫度對應(yīng)昆明市春夏季，此時正是昆明市的防火期，降水稀少，日照時間長，可燃物含水率低，容易引發(fā)火災(zāi)發(fā)生。昆明市火點(diǎn)頻次在月均風(fēng)速 2.0～4.0 m·s-1時呈下降趨勢，到達(dá) 4.5 m·s-1先上升后下降，該區(qū)間對應(yīng)昆明市春夏季過渡到秋季，降水增多，植物含水率和溫度較低，不易發(fā)生火災(zāi)。11月進(jìn)入冬季，為昆明市防火期時段，從月均相對濕度來看，昆明市火點(diǎn)主要集中在40%～60%，在相對濕度高于60%之后的區(qū)間，月均相對濕度與火點(diǎn)頻次呈負(fù)相關(guān)關(guān)系。

圖4 林火驅(qū)動因子與火點(diǎn)頻次關(guān)系與火點(diǎn)頻次的關(guān)系Figure 4 Relationships of forest fire driving factors and fire frequency

火點(diǎn)頻次與距鐵路距離呈明顯的負(fù)相關(guān)關(guān)系，火點(diǎn)主要分布在0～20 km的區(qū)域內(nèi)，隨距離增加，火點(diǎn)越來越少，距居民區(qū)的火點(diǎn)集中在0～2 000 m的區(qū)域內(nèi)，2 000 m以后呈明顯的負(fù)相關(guān)。人均GDP與火點(diǎn)頻次呈明顯的負(fù)相關(guān)，隨人均GDP的增長火點(diǎn)減少，人均GDP較少的區(qū)域多處于農(nóng)村、鄉(xiāng)鎮(zhèn)區(qū)域，森林面積大，火點(diǎn)占有可能性較高。NDVI代表植被覆蓋率，其值與植被覆蓋率呈正比關(guān)系，火點(diǎn)落入0.2～0.5最多，這一現(xiàn)象可能是因?yàn)橹脖幻艿貐^(qū)地表溫度較低，地表蒸發(fā)量小，從而使可燃物含水率保持在較高的程度，不易發(fā)生火災(zāi)。

4 結(jié)論與展望

林火驅(qū)動因子中，月均地表溫度、月均氣壓、月均相對濕度、月均風(fēng)速都屬于氣象因素，氣象因素是影響昆明市林火發(fā)生的主要因素。氣象因素影響火三角中可燃物與溫度這2個因素，相對濕度影響可燃物含水率，抑制林火發(fā)生，與林火發(fā)生呈負(fù)相關(guān)[19]。地溫和風(fēng)速通過減小可燃物含水率影響林火發(fā)生，風(fēng)速還可以加快空氣流動，影響火災(zāi)蔓延的方向和速率，與林火發(fā)生呈正相關(guān)。氣壓隨海拔升降發(fā)生變化，火點(diǎn)落入806～816 hPa為多，其中，火點(diǎn)主要分布在810 hPa。昆明市范圍內(nèi)的林火不僅受到氣象因素的影響，還受到地形、可燃物、人為活動等因素的共同影響，氣象因素決定大范圍內(nèi)林火發(fā)生的可能性，而地形、可燃物、人為活動等因素從更精細(xì)的空間角度預(yù)示著潛在的林火分布狀況。

進(jìn)行二項(xiàng)Logistic多重線性診斷時，5個中間模型得到的林火驅(qū)動因子都不相同，海拔作為顯著變量卻成為中間模型剔除因素，林火驅(qū)動因子之間存在復(fù)雜關(guān)聯(lián)，僅僅考慮自變量之間的相關(guān)性可能會剔除模型中存在重要影響的因子[20]。本研究選取了當(dāng)前林火驅(qū)動因子所有時間段的數(shù)據(jù)，Logistic回歸風(fēng)險(xiǎn)模型進(jìn)行擬合，沒有考慮可能存在氣候差異明顯的時間段，比如昆明市存在明顯的干濕季，對于林火發(fā)生概率也會產(chǎn)生顯著影響。在接下來的的研究中應(yīng)考慮做多個不同時期的森林火險(xiǎn)區(qū)劃。除本次研究中使用的Logistic回歸模型以外，預(yù)測林火的模型還有隨機(jī)森林算法、地理加權(quán)回歸模型等，國內(nèi)已有相關(guān)學(xué)者用于林火預(yù)測的研究[21-22]。不同林火模型對于地區(qū)的適用性和解釋性都不相同，可針對昆明市的林火分布特征找出最優(yōu)解釋模型。本研究所選的自變量沒有包含日值氣象數(shù)據(jù)，對于極端值情形研究不足，下一步將研究極端值情況對林火發(fā)生概率的影響。