基于空間Logistic的山西省火災(zāi)風(fēng)險評價與火險區(qū)劃

王衛(wèi)國，潘竟虎，李俊峰

(西北師范大學(xué)地理與環(huán)境科學(xué)學(xué)院，甘肅 蘭州 730070)

?

基于空間Logistic的山西省火災(zāi)風(fēng)險評價與火險區(qū)劃

王衛(wèi)國，潘竟虎，李俊峰

(西北師范大學(xué)地理與環(huán)境科學(xué)學(xué)院，甘肅 蘭州 730070)

摘要：利用山西省2002-2012年MODIS衛(wèi)星遙感數(shù)據(jù)，建立了描述火災(zāi)空間分布及其影響因子的空間Logistic風(fēng)險模型，從省域空間尺度和較長時間尺度上，開展火險評價與火險區(qū)劃研究。結(jié)果表明，通過空間采樣構(gòu)建的Logistic火災(zāi)風(fēng)險模型擬合效果很好。在顯著性水平為0.05的情況下，通過模型系數(shù)檢驗和Wald檢驗，相對運(yùn)行特征值(ROC)為0.757。經(jīng)圖層運(yùn)算得到火燒概率分布圖，并將山西省分為無火險區(qū)、低火險區(qū)、中火險區(qū)、高火險區(qū)和極高火險區(qū)。對山西省火災(zāi)風(fēng)險空間變化影響較為顯著的因子為高程(GC)、土地利用類型(LT)、地表溫度(LST)、歸一化差值植被指數(shù)(NDVI)和全球植被濕度指數(shù)(GVMI)，對火災(zāi)風(fēng)險空間變化影響不顯著的因子則僅有坡度(PD)和道路可達(dá)性(DL)。NDVI和LST對火災(zāi)影響在省內(nèi)全局顯著，而GC、LT和GVMI僅對省內(nèi)部分地區(qū)的火災(zāi)影響顯著。山西省按火災(zāi)影響因素可劃分為7類區(qū)域，不同類型區(qū)域應(yīng)確定不同的防火重點，制定差別化的防火策略。

關(guān)鍵詞：火災(zāi)風(fēng)險；Logistic回歸；區(qū)劃；MODIS；山西省

隨著草地生態(tài)系統(tǒng)的退化，火在草地生態(tài)系統(tǒng)演替和發(fā)展過程中所起的作用顯得越來越重要[1]。火災(zāi)具有突發(fā)性強(qiáng)、破壞性大、處置救助困難、影響深遠(yuǎn)等特點。減少損失的有效途徑在于盡早發(fā)現(xiàn)林火并組織有效地?fù)渚?，而科學(xué)開展撲救的前提是要能夠及時準(zhǔn)確地進(jìn)行火險預(yù)警。火險評價對火災(zāi)監(jiān)測和防控有著重要的實際意義[2]，并且越來越受到學(xué)術(shù)界的關(guān)注和重視[3-4]。火險預(yù)報普遍經(jīng)歷了由野外觀測和對環(huán)境的經(jīng)驗判斷階段到基于物理原理的火險等級預(yù)報系統(tǒng)階段，在火險預(yù)報模型方面，發(fā)展了眾多全局或半局部模型，典型代表如Logistic全局回歸[5]、人工神經(jīng)網(wǎng)絡(luò)[6]、地理加權(quán)回歸[7]、貝葉斯網(wǎng)絡(luò)[8]、最大熵模型[9]等?；痣U區(qū)劃主要劃分方法包括聚類分析[10]、Fuzzy綜合評判法[11]、主成分分析[12]、投影尋蹤[13]等。以往的研究主要關(guān)注于火險預(yù)警，對火災(zāi)模擬的精度加以驗證，但較少利用空間手段分析火災(zāi)因子的空間分布及空間影響程度[14]。事實上，火災(zāi)發(fā)生及其誘發(fā)和蔓延機(jī)制十分復(fù)雜，不同地區(qū)的火災(zāi)影響因素及其重要程度通常并不相同[15]，在涉及環(huán)境條件異質(zhì)性較大的區(qū)域時這一問題尤為突出?？茖W(xué)分析火災(zāi)發(fā)生和影響因子間的空間聯(lián)系，將有助于科學(xué)解釋火災(zāi)發(fā)生機(jī)制。反之，若不明確二者間的關(guān)系則可能造成模擬和預(yù)報的結(jié)果出現(xiàn)偏差，進(jìn)而對火災(zāi)預(yù)防造成負(fù)面影響。

傳統(tǒng)的火災(zāi)風(fēng)險評價多利用統(tǒng)計數(shù)據(jù)和存檔資料[16]，其準(zhǔn)確性不高，數(shù)據(jù)的現(xiàn)勢性較差，不僅導(dǎo)致評價精度差，而且影響數(shù)據(jù)處理效率[17]。加之火災(zāi)的影響因素紛繁復(fù)雜，且各因素間往往具有多重聯(lián)系。遙感(RS)因其實時動態(tài)獲取、覆蓋面積大、低成本等優(yōu)勢，結(jié)合地理信息系統(tǒng)(GIS)強(qiáng)大的空間分析功能，正日益成為火險研究中重要和常用的技術(shù)手段[18]。但這些研究大多使用簡單的多因子空間(加權(quán))疊置方法對火險進(jìn)行分類分區(qū)。此外，利用遙感數(shù)據(jù)提取的火環(huán)境因子往往存在空間異質(zhì)性[7,19]。Logistic模型可用于帶有二元因變量的地理空間過程模擬[20]，本研究利用山西省2002-2012年MODIS火燒跡地數(shù)據(jù)集MCD45A1，以高程(GC)、坡度(PD)、土地利用類型(LT)、地表溫度(LST)、歸一化差值植被指數(shù)(NDVI)、全球植被濕度指數(shù)(GVMI)、道路可達(dá)性(DL)等作為火災(zāi)影響因子，建立火災(zāi)風(fēng)險評價的空間 Logistic模型，在省域空間尺度和較長時間尺度上對火災(zāi)的影響因素和火險區(qū)劃進(jìn)行研究，旨在為火災(zāi)安全風(fēng)險防范和風(fēng)險決策提供科學(xué)合理的參考依據(jù)。

1研究區(qū)與數(shù)據(jù)

1.1研究區(qū)概況

山西省位于黃土高原東部，東鄰河北省，西靠陜西省，南接河南省，北連內(nèi)蒙古自治區(qū)。地理坐標(biāo)為34°36-40°44′ N，110°15-114°32′ E，地勢東北高、西南低，地形可分為3區(qū)：晉中盆地，自北而南大同、忻州、太原、臨汾、運(yùn)城盆地呈串珠狀縱貫；晉東山地，以太行山為主，還包括北部的恒山、五臺山和南部的中條山；晉西山地高原，以呂梁山為主體。氣候類型為中緯度大陸性季風(fēng)氣候，四季分明，降水少，溫差大，光熱資源豐富，氣象災(zāi)害多。年降水量400～500 mm，平均氣溫4～12 ℃。全省土地面積14.73萬km2，總?cè)丝? 610.8萬(2012年)。南部的中條山南坡以次生落葉灌木叢和落葉闊葉林及闊葉混交林為主，還存在一些亞熱帶植物種類；中部以中旱生的落葉灌木叢和針葉林為主；高緯度的恒山、內(nèi)長城以北分布暖溫帶及溫帶灌木叢。據(jù)統(tǒng)計(表1)，2002-2012年，山西共發(fā)生44 686起火災(zāi)事故，死亡人數(shù)共計345人，受傷人數(shù)達(dá)400人，經(jīng)濟(jì)損失高達(dá)36 688.3萬元，主要有森林火災(zāi)、草原火災(zāi)、季節(jié)性秸稈焚燒引起的火災(zāi)等，火災(zāi)的發(fā)生對山西人民的生命健康和經(jīng)濟(jì)財產(chǎn)造成巨大的損失。

1.2數(shù)據(jù)源與數(shù)據(jù)處理

本研究中采用的遙感影像均獲取自美國航空航天局(NASA)，包括：1)山西省2002-2012年火燒跡地數(shù)據(jù)集 MCD45A1，為月尺度的3級產(chǎn)品，空間分辨率為500 m。從NASA的陸地過程分布式數(shù)據(jù)檔案中心(The Land Processes Distributed Active Archive Center，LPDAAC/NASA)獲取，進(jìn)行投影的批量轉(zhuǎn)換，邊界裁剪，并通過ArcGIS生成二元因變量(0非火燒，1火燒)柵格圖；2)山西省2002-2012年歸一化差值植被指數(shù)(NDVI)數(shù)據(jù)集MOD13A3，為Terra衛(wèi)星全球月尺度的3級產(chǎn)品，空間分辨率為1 km，獲取自Center，GSFC)；3)GSFC的地表溫度數(shù)據(jù)集MOD11A2(MODIS/Terra 8day L3 1 km)；4) GSFC的地表反射率數(shù)據(jù)集MOD09A1(MODIS/Terra 8day L3 500 m)；5)GSFC的土地覆蓋數(shù)據(jù)集MCD12Q1 L3。數(shù)字高程模型(DEM)取自地理空間數(shù)據(jù)云(www.gscloud.cn/)的90 m分辨率的SRTM(Shuttle Radar Topography Mission)數(shù)據(jù)。道路和水體數(shù)據(jù)來源于1∶100萬中國地圖的數(shù)字化。NASA的戈達(dá)德太空飛行中心(Goddard Space Flight

表1　山西省2002-2012火災(zāi)事故情況

注：數(shù)據(jù)來自中華人民共和國國家統(tǒng)計局《中國統(tǒng)計年鑒2002-2012》。

Note: Data from China Statistical Yearbook 2002-2012 of NSBC.

火災(zāi)的發(fā)生是多種因素作用的結(jié)果，不僅與地形地貌、氣候氣象、植被覆蓋等自然因素有關(guān)，還與人類活動密切相關(guān)；此外，不同的地區(qū)，這些因子對火災(zāi)發(fā)生和蔓延的影響程度也不同[21]。本研究選取了地形、人類活動、地表溫度、植被長勢4個方面，7個火災(zāi)風(fēng)險因子分別為高程(GC)、坡度(PD)、道路可達(dá)性(DL)、土地利用類型(LT)、地表溫度(LST)、歸一化差值植被指數(shù)(NDVI)和全球植被濕度指數(shù)(GVMI)。在ArcGIS中將DEM重采樣為1 000 m的柵格，分別生成PD和GC兩個火災(zāi)風(fēng)險因子。利用歐式距離工具生成火災(zāi)風(fēng)險因子DL。MOD11A2、MOD13A3、MOD09A1和MCD12Q1數(shù)據(jù)對應(yīng)生成LST、NDVI、GVMI和LT共4個風(fēng)險因子。由于火災(zāi)跡地產(chǎn)品數(shù)據(jù)MCD45A1的時間分辨率為月度，MOD11A2為8天合成數(shù)據(jù)，故通過4期8天數(shù)據(jù)進(jìn)行最大值合成獲取LST。GVMI采用對應(yīng)時間4期8天的GVMI，進(jìn)行月最大值合成。8天的GVMI通過公式(1)計算得出[22]：

(1)

式中，NIR為MOD09A1產(chǎn)品中的波段2的反射率，SWIR是波段6的反射率。在LST、NDVI和GVMI因子計算中，采用各數(shù)據(jù)集中的質(zhì)量層來排除云覆蓋區(qū)等低質(zhì)量區(qū)域。MODIS Terra數(shù)據(jù)的l km土地覆蓋類型年合成柵格數(shù)據(jù)產(chǎn)品包含5種不同的土地覆蓋分類體系。本研究采用種植功能分類，將土地類型分為常綠闊葉林、常綠針葉林、落葉闊葉林、落葉針葉林、灌木、草地、谷類作物、闊葉作物、城市與建筑區(qū)、稀疏植被、冰雪、水12類?？紤]到生成7個火環(huán)境因子的原始數(shù)據(jù)的最低分辨率是1 km，本研究將所有數(shù)據(jù)的分辨率均統(tǒng)一重采樣到1 km。利用NASA提供的轉(zhuǎn)換工具軟件MRT對數(shù)據(jù)進(jìn)行圖幅拼接、裁剪、格式轉(zhuǎn)換等操作，并將各因子統(tǒng)一到Albers Conical Area投影系。

2研究方法

2.1提取訓(xùn)練和檢驗樣本

將最大值合成后的2002-2007年和2008-2012年的火燒跡地數(shù)據(jù)分別進(jìn)行最大值合并，制作兩個時期的二值柵格圖，柵格數(shù)值0為非火燒，數(shù)值1則為火燒。各變量可能存在空間自相關(guān)，將影響模型的擬合精度。為了減輕這種效應(yīng)，分別從兩個時期的二值柵格圖火燒區(qū)抽取火點，從2002-2007年兩個時期的二值柵格圖中隨機(jī)抽取與火點數(shù)等量的非火點(各1 133個)，采樣間隔為1 km，并以隨機(jī)方式抽取火點與非火點各70%作為訓(xùn)練樣本。同時，抽取時要確保所有因子值均有效，各樣點不能在水域內(nèi)抽取。利用ArcGIS軟件的區(qū)域統(tǒng)計功能，生成2002-2007年、2008-2012年兩個時段的動態(tài)火險因子(LST、NDVI和GVMI)，得到柵格因子圖層。由于各因子量綱不同，需將7個火險因子進(jìn)行無量綱處理，本研究采用極差標(biāo)準(zhǔn)化法進(jìn)行處理。2002-2007年各抽取730個(占總數(shù)的70%)火點與非火點，分別提取對應(yīng)位置上的柵格因子值，生成訓(xùn)練樣本用于建立回歸模型；同時，抽取剩余30%的火點與非火點(各340個)作為內(nèi)部檢驗樣本，用于模型的內(nèi)部檢驗。2008-2012年則抽取各1 193個火點與非火點用于生成獨(dú)立檢驗樣本，以便進(jìn)行模型的獨(dú)立檢驗。

2.2多重共線性檢驗

多重共線性(Multi-colineatity)是多重回歸分析時存在的一個普遍問題。多重共線性是指多個自變量間有著近似的線性關(guān)系，某自變量可近似通過其它自變量的線性函數(shù)來表征。自變量間的多重共線性會使得回歸系數(shù)的標(biāo)準(zhǔn)誤差過大，擬合結(jié)果產(chǎn)生偏的參數(shù)估計，模型因此出現(xiàn)不穩(wěn)定，得出的推斷也隨即無效。在實際回歸分析應(yīng)用中，自變量間很難完全獨(dú)立，所以共線性的問題并不少見。多重共線性診斷指標(biāo)一般有容忍度(Tolerance，T)、方差膨脹因子(Variance Inflation Factor,VIF)、特征根(Eigenvalue)和條件指數(shù)(Condition Index)等，本研究采用方差膨脹因子(VIF)。VIF越大，表示共線性越嚴(yán)重，VIF不應(yīng)該大于5，一般而言，當(dāng)VIF>10時，表示存在嚴(yán)重共線性[23]。

2.3二項分類Logistic回歸

二項分類Logistic回歸BLR(Binary Logistic Regression)是指因變量為二分類變量時的回歸分析。在Logistic回歸模型中，因變量設(shè)為y，服從二項分布，取值為0(非火燒)和1(火燒)，自變量既可是名義變量，也可是有序變量或比率變量，它與因變量間存在非線性關(guān)系?；馃怕蕄與預(yù)測因子xi(i=1，2，3，…，n)之間的關(guān)系可表達(dá)為[24]：

(2)

式中,p(y=1)是火燒概率，xi是第i個火險因子，bi是擬合因子的系數(shù)，反映了自變量xi對火燒概率p的貢獻(xiàn)量，b0為常數(shù)項。借助SPSS軟件，通過所選2002-2007年隨機(jī)抽取的70%等數(shù)量的火點與非火點訓(xùn)練子集，即可估計系數(shù)bi與b0，借助公式(2)即可求得整個研究區(qū)的火燒概率。

ROC(RelativeOperatingCharacteristics)常用于對Logistic回歸分析的結(jié)果進(jìn)行檢驗，驗證驅(qū)動因素的解釋能力。ROC在0.5～1，如果ROC值接近0.5，則反映出回歸方程無法解釋因變量；若ROC值>0.7，說明自變量具有較好的解釋因變量的能力[25]。

3結(jié)果與分析

3.1火燒跡地的空間分布

將下載到的山西省2002-2012年的MCD45A1L3火燒跡地數(shù)據(jù)用MRT(MODISReprojectionTool)拼接。山西省2002-2012年火燒跡地遍布山西省11個地級市，主要分布在晉城市中部、呂梁市南部、臨汾市北部、忻州市大部，其余地級市的局部地區(qū)也有分布(圖1)?；馃芏容^大的地區(qū)主要分布在晉城市、忻州市、呂梁市、臨汾市、太原市和陽泉市。

圖1　2002-2012年山西省火燒跡地的空間分布

3.2火災(zāi)風(fēng)險模型與檢驗

3.2.1多重共線性的檢驗結(jié)果解釋變量GC、DL、GVMI、LT、LST、NDVI和PD的VIF值分別為3.058、1.069、1.123、1.894、1.187、1.183和1.545。在所有因子中，GC因子的VIF值最大，也僅為3.058，說明共線性極好，因此，本研究將所有解釋變量都將用于建立Logistic模型。

3.2.2ROC曲線ROC曲線是由變量特異性(橫軸)和敏感度(縱軸)構(gòu)成的坐標(biāo)系中繪制的，特異性為負(fù)正類率(負(fù)類判為正類的比例)，敏感度為真正類率(正類判為正類的比例)，它不同于先定概率以判定“是否發(fā)生火災(zāi)”，而是將預(yù)測概率(PRE)作為檢驗變量進(jìn)行分析。Logistic 回歸分析將1代表著正類(火災(zāi)發(fā)生)，0 代表著負(fù)類(火災(zāi)不發(fā)生)。ROC曲線(圖2)下面積(AUC)是一個無偏的區(qū)分指數(shù)，用于檢驗?zāi)Ｐ蛥^(qū)分火點的能力[26]：AUC值介于0.5到0.7之間，說明模型的區(qū)分能力差；若AUC值在0.7～0.9，則說明模型區(qū)分能力好；若AUC值>0.9，即區(qū)分能力極好。在SPSS軟件中利用訓(xùn)練子集計算AUC值，得到 ROC曲線下面積為0.757，遠(yuǎn)超過0.5，模型擬合效果很好，表明模型對于火點與非火點的區(qū)分能力合理，非?？煽俊?/p>

圖2　ROC曲線分析

3.2.3模型參數(shù)估計及性能檢驗各火災(zāi)影響因子均通過了 0.05 的顯著度檢驗和Wald檢驗(表2)。對火災(zāi)的發(fā)生與否貢獻(xiàn)率大小排序依次為GVMI>NDVI>LST>GC>LT>PD>DL。

將火燒概率分為5類火險等級：極高、高、中、低、極低火險區(qū)，分別統(tǒng)計2002-2007年內(nèi)部檢驗火點(340個)與2008-2012年獨(dú)立檢驗火點(1 193個)落入火點的百分比，制作檢驗火點落入百分比直方圖(圖3)。從圖3可以看到，多數(shù)檢驗火點均位于中火險、高火險和極高火險區(qū)，高火險和極高火險區(qū)之和能夠識別59%的內(nèi)部檢驗火點和58%的獨(dú)立檢驗火點，顯示了模型較高的可靠性。

表2　Logistic模型的擬合結(jié)果

圖3　檢驗火點的分區(qū)統(tǒng)計圖

3.3火燒概率圖與火險空間等級區(qū)劃

基于Logistic模型計算研究區(qū)內(nèi)的火燒概率，根據(jù)式(2)得到：

(3)

據(jù)此，經(jīng)圖層運(yùn)算得到山西省火燒概率分布圖(圖4)。

依據(jù)計算得到的火燒概率分布圖，利用等間距法將山西省分為5 類火險區(qū)(表3和圖5)，即極低火險區(qū)、低火險區(qū)、中火險區(qū)、高火險區(qū)和極高火險區(qū)。山西省火險地域分異明顯(圖5)，極高火險區(qū)主要集中分布在山西南部運(yùn)城市的永濟(jì)市、臨猗縣、鹽湖區(qū)、垣曲縣北部，以及太原市、呂梁市和晉中市交界處，其中以清徐縣南部、汾陽市西部、文水縣東南部分布面積最大；侯馬市、曲沃縣、洪桐縣、吉寧縣東部和北部，蒲縣的南部也有零星分布。高火險區(qū)在晉東南分布于沁水縣中部、澤州縣、高平市、陵川縣、屯留縣、長治縣、長子縣、黎城縣等地；在晉北分布于忻府區(qū)東北部、定襄縣大部、原平市中部，五寨縣和廣靈縣也有零星分布；運(yùn)城盆地分布于絳縣、夏縣、垣曲縣、芮城縣；在臨汾市分布于安澤縣、襄汾縣、鄉(xiāng)寧縣、蒲縣、吉縣；在呂梁市分布于交口縣、中陽縣、方山縣等地。中火險區(qū)主要分布在陽泉市、晉中市東部、長治市西北部、晉城市西部。低火險區(qū)和極低火險區(qū)主要分布在呂梁山脈、晉北地區(qū)、晉西北地區(qū)，該地區(qū)多為黃土丘陵溝壑區(qū)，地形破碎，植被覆蓋低；在晉南、晉中的局部地區(qū)也有分布。

圖4　火燒概率分布圖

圖5　火災(zāi)風(fēng)險概率圖

火險等級的劃分能夠顯示火災(zāi)發(fā)生的可能性和災(zāi)情蔓延的風(fēng)險，表3為劃分的山西省5類火險區(qū)，其面積分別占全省總面積的29.6%、26.0%、22.9%、17.6%和3.9%，其中，極高火險區(qū)和高火險區(qū)占山西省總面積的21.5%，超過了20%，極高火險區(qū)、高火險區(qū)和中火險區(qū)則占44.4%，接近全省面積的一半。

3.4影響火災(zāi)要素的空間分析

從Logistic建模結(jié)果可知，GC、LST、NDVI、GV-MI、LT體現(xiàn)出顯著的空間變化，而DL和PD對山西省內(nèi)火災(zāi)發(fā)生的影響在空間上變化不明顯，隨著坡度增加以及距主要道路的距離增大，火災(zāi)發(fā)生的概率也呈現(xiàn)升高的趨勢。根據(jù)局部系數(shù)制圖方法[27]，預(yù)測因子系數(shù)值介于-1.96到1.96之間是不顯著區(qū)，不顯示在系數(shù)圖上，不顯著區(qū)表示該因子在本地的影響較弱。若預(yù)測因子的系數(shù)值>1.96或<-1.96，則回歸系數(shù)圖只顯示顯著區(qū)(對于火災(zāi)的影響在統(tǒng)計上顯著的區(qū)域)，表示該地區(qū)此因子影響較強(qiáng)，且系數(shù)<0用冷色表示，系數(shù)>0以暖色顯示。按照上述方法，GC、LST、NDVI、GVMI和LT的系數(shù)制圖如圖6所示。從系數(shù)估計顯著區(qū)看到，NDVI和LST對全省火災(zāi)形成的影響顯著，顯著區(qū)幾乎覆蓋了全省范圍。其中，NDVI因子的強(qiáng)影響區(qū)主要位于東部的晉城、長治、晉中、陽泉、忻州東部，以及臨汾、運(yùn)城、呂梁的部分地區(qū)。LST的強(qiáng)影響區(qū)主要分布在西部的呂梁山脈，中部的太原盆地、臨汾盆地、運(yùn)城盆地。LT、GVMI和GC僅對山西省部分區(qū)域火災(zāi)的發(fā)生影響顯著。其中，GC因子的影響顯著區(qū)范圍要大于GVMI和LT，主要位于呂梁山脈和太行山脈的大同市、朔州市西北部、忻州大部、太原西部、呂梁中北部和晉中東部。LT因子的顯著影響區(qū)主要分布在運(yùn)城市、大同市、臨汾市中部，太原、呂梁、陽泉、長治、晉城也有少許分布。GVMI因子的強(qiáng)影響區(qū)分布面積較少，只在太原、呂梁、陽泉、長治等地零星分布。

表3　火險分區(qū)統(tǒng)計值

通過ArcGIS柵格計算器將GC、LST、NDVI、GVMI、LT系數(shù)估計顯著區(qū)疊加生成火災(zāi)因素影響因素分區(qū)圖(圖6)。將山西省劃分為7種影響類型區(qū)，不同類型區(qū)的火災(zāi)影響因素差異較大。解釋變量估計系數(shù)的絕對值刻畫了該因子對火災(zāi)發(fā)生的影響大小。對各解釋變量采用標(biāo)準(zhǔn)差法進(jìn)行歸一化處理，在相同位置的柵格上，解釋變量估計系數(shù)絕對值的大小可用于評估不同因子對火災(zāi)發(fā)生影響程度的相對強(qiáng)弱程度。DL因子和PD因子回歸系數(shù)的絕對值較小，小于GC、LST、NDVI、GVMI、LT因子；如果將DL因子和PD因子進(jìn)行非平穩(wěn)項擬合，其顯著區(qū)的面積將很小。因此，本研究中的因子DL和PD不再參與評估。影響山西省火災(zāi)最重要的兩種因素分別是NDVI與LST，其次是GC、 LT、GVMI，這些因素對山西省火災(zāi)的發(fā)生所起的作用相對較弱。各分區(qū)火險因子的相對重要性排序與全省的火災(zāi)發(fā)生影響因素的大小排序并不完全一致(表4)。在Ⅰ類區(qū)中， GC是僅次于NDVI的火災(zāi)影響因素，Ⅲ類區(qū)的LT和Ⅳ類區(qū)的GVMI都是僅次于NDVI和LST的火災(zāi)第三大影響因素。

從空間上來看，Ⅰ類火災(zāi)影響因素區(qū)的面積最小，受GC和NDVI因子的影響，主要分布在忻州市的靜樂縣、寧武縣以及五臺縣，這些地區(qū)海拔較高，植被覆蓋較好，蘆芽山國家森林公園、五臺山國家地質(zhì)公園等分布于此，需更加關(guān)注此地區(qū)的山地火災(zāi)，加強(qiáng)預(yù)防。Ⅱ類區(qū)主要分布在晉南、晉東南以及晉北的忻州盆地和大同盆地，此區(qū)火災(zāi)形成的原因主要是植被覆蓋和地表溫度。Ⅲ類火災(zāi)因素區(qū)面積最大，主要分布在太原、臨汾、運(yùn)城以及晉城的中部，多為地形平緩的盆地，包含了省內(nèi)工農(nóng)業(yè)較為發(fā)達(dá)的地區(qū)，城市和建成區(qū)比重相對較高，該地區(qū)火災(zāi)發(fā)生多為谷物秸稈焚燒或者城市地區(qū)的火災(zāi)事故，在這類影響區(qū)要注意人為致火風(fēng)險，加大宣傳力度，提高城市居民防火意識，在谷物秸稈焚燒季節(jié)對農(nóng)民加以規(guī)范指導(dǎo)。Ⅳ類區(qū)主要分布在陽泉市，除了應(yīng)重視NDVI和LST的影響外，還應(yīng)注意干燥植被點燃風(fēng)險。Ⅴ類火災(zāi)因素區(qū)主要分布呂梁山脈、太行山脈以及臨汾盆地的霍山附近，植被覆蓋面積較大，是山西省主要的林區(qū)，為森林火災(zāi)的高發(fā)區(qū)，應(yīng)高度重視植被長勢、地表溫度和海拔的影響。Ⅵ類區(qū)的面積僅次于Ⅲ類區(qū)，主要分布在呂梁市西部，屬多因素綜合影響區(qū)。Ⅶ類區(qū)為火災(zāi)影響因子影響較弱的地區(qū)。

圖6　回歸系數(shù)的顯著區(qū)空間分布及火險分區(qū)圖

表4　各分區(qū)的面積和火險因子相對重要程度

4結(jié)論

火災(zāi)風(fēng)險分析和火險區(qū)劃是消防管理的重要組成部分，遙感和地理信息系統(tǒng)(GIS)技術(shù)的應(yīng)用可為火災(zāi)風(fēng)險分析評價與火險區(qū)劃提供全空間化、動態(tài)、詳實、客觀的信息分析手段。本研究利用山西省2002-2012年MODIS衛(wèi)星遙感數(shù)據(jù)集，構(gòu)建火災(zāi)空間分布與火災(zāi)影響因子間的空間Logistic風(fēng)險模型，在較大時間尺度和省域空間尺度上進(jìn)行火險評價與區(qū)劃研究，得到以下幾點結(jié)論：

1)通過空間采樣構(gòu)建的Logistic火災(zāi)風(fēng)險模型擬合效果很好，在顯著性水平為0.05的情況下，通過模型系數(shù)檢驗和Wald 檢驗， ROC值為0.753，是一種較好的探索性火險分析工具。

2)經(jīng)圖層運(yùn)算得到火燒概率分布圖，并將山西省分為無火險區(qū)、低火險區(qū)、中火險區(qū)、高火險區(qū)和極高火險區(qū)。

3)NDVI和LST因子對山西省火災(zāi)發(fā)生具有全省范圍的影響，而GC、LT和GVMI僅對省內(nèi)部分區(qū)域的火災(zāi)影響顯著。PD和DL對山西省火災(zāi)發(fā)生的影響在空間上變化差異較小，GC、LT、LST、NDVI以及GVMI因子對存在著較為明顯的空間差異。

4)山西省按火災(zāi)影響因素可劃分為7類區(qū)域，防火管理部門可參考本研究結(jié)果制定山西省火季內(nèi)的防火對策，各類型區(qū)須依據(jù)自身實際來劃定防火的重點區(qū)域，高效合理地安排防火資源。

由于火災(zāi)發(fā)生具有隨機(jī)性和不確定性，同時影響火災(zāi)發(fā)生及發(fā)展的原因千差萬別，并不是每一個因子都可以空間化，加之本研究的核心內(nèi)容并不是研究起火的原因，而是旨在借助空間統(tǒng)計手段預(yù)估火災(zāi)發(fā)生的概率，這不可避免地會帶來一些誤差。再者，利用空間插值方法對降水、氣溫和相對濕度等氣象因子插值生成空間連續(xù)分布的柵格數(shù)據(jù)，此過程也會引入誤差，故本研究沒有使用氣象數(shù)據(jù)。這些問題期望在后續(xù)研究中加以改進(jìn)。

參考文獻(xiàn)(References)

[1]王謝,向成華,李賢偉,文冬菊.冬季火燒對川西亞高山草甸土壤理化性質(zhì)的影響.草業(yè)科學(xué),2014,31(5):811-817.

Wang X,Xiang C H,Li X W,Wen D J.Effects of winter wildfire on soil physical and chemical properties of western Sichuan subalpine grassland.Pratacultural Science,2014,31(5):811-817.(in Chinese)

[2]Preisler H K,Westerling A L,Gebert K M,Munoz-Arriola F,Holmes T P.Spatially explicit forecasts of large wildland fire probability and suppression costs for California.International Journal of Wildland Fire,2011,20(4):508-517.

[3]向澤宇,陳瑞芳,蔣忠榮,呷絨仁青,楊俊蓮,王長庭,胡雷.川西北高寒草甸對火燒干擾的短期響應(yīng).草業(yè)科學(xué),2014,31(11):2034-2041.

Xiang Z Y,Chen R F,Jiang Z R,Garongrenqing,Yang J L,Wang C T,Hu L.The short-term responses of alpine meadow to fire disturbance in Northwest Sichuan.Pratacultural Science,2014,31(11):2034-2041.(in Chinese)

[4]Zhang H J,Han X Y,Dai S.Fire occurrence probability mapping of Northeast China with binary logistic regression model.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2013,6(1):121-127.

[5]Lozano F J,Suárez-Seoane S,Luis E D.Assessment of several spectral indices derived from multi-temporal Landsat data for fire occurrence probability modeling.Remote Sensing of Environment,2007,107(4):533-544.

[6]Bisquert M,Caselles E,Sánchez J M,Caselles V.Application of artificial neural networks and logistic regression to the prediction of forest fire danger in Galicia using MODIS data.International Journal of Wildland Fire,2012,21(8):1025-1029.

[7]張海軍.河南省火災(zāi)影響因素的空間分析.地理科學(xué)進(jìn)展,2014,33(7):958-968.

Zhang H J.Spatial analysis of fire-influencing factors in Henan Province.Progress in Geography,2014,33(7):958-968.(in Chinese)

[8]Dlamini W M.Application of Bayesian networks for risk mapping using GIS and remote sensing data.GeoJournal,2011,76(3):283-296.

[9]Parisien M A,Snetsinger S,Greenberg J A,Nelson C R,Schoennagel T,Dobrowski S Z,Moritz M A.Spatial variability in wildfire probability across the western United States.International Journal of Wildland Fire,2012,21(4):313-327.

[10]Lazaros S I,Anastasios K P,Panagiotis D L.A computer-system that classifies the prefectures of Greece in forest fire risk zones using fuzzy sets.Forest Policy and Economics,2002,4(1):43-54.

[11]Salame C W,Queiroz J C B,de Miranda Rocha G,Amin M M.Mapping the risk of burning in the Brazilian Amazon with the use of logistic regression and fuzzy inference.Mathematical Geosciences,2012,44(3):241-256.

[12]蘇立娟,何友均,陳紹志.1950-2010年中國森林火災(zāi)時空特征及風(fēng)險分析.林業(yè)科學(xué),2015, 51(1):89-96.

Su L J,He Y J,Chen S Z.Temporal and spatial characteristics and risk analysis of forest fires in China from 1950 to 2010.Scientia Silvae Sinicae,2015,51(1):89-96.(in Chinese)

[13]王琳,王麗,黃甫則.基于投影尋蹤原理的云南森林火災(zāi)評估.安徽農(nóng)業(yè)科學(xué),2012,40(4):2083-2084.

Wang L,Wang L,Huang F Z.Assessment on forest fires in Yunnan Province based on the principle of projection pursuit method.Jounal of Anhui Agricultural Science,2012,40(4):2083-2084.(in Chinese)

[14]Hegeman E E,Dickson B G,Zachmann L J.Probabilistic models of fire occurrence across National Park Service units within the Mojave Desert Network,USA.Landscape Ecology,2014,29(9):1587-1600.

[15]Martílnez-Fernández J,Chuvieco E,Koutsias N.Modelling long-term fire occurrence factors in Spain by accounting for local variations with geographically weighted regression.Natural Hazards and Earth System Sciences,2013,13(2):311-327.

[16]Mohammadi F,Bavaghar M P,Shabanian N.Forest fire risk zone modeling using logistic regression and GIS:An Iranian case study.Small-scale Forestry,2014,13(1):117-125.

[17]Jaiswal R K,Mukherjee S,Raju K D,Saxenad R.Forest fire risk zone mapping from satellite imagery and GIS.International Journal of Applied Earth Observation and Geoinformation,2002,4(1):1-10.

[18]del Hoyo L V,Isabel M P M,Vega F J M.Logistic regression models for human-caused wildfire risk estimation:Analysing the effect of the spatial accuracy in fire occurrence data.European Journal of Forest Research,2011,130(6):983-996.

[19]Garrigues S,Allard D,Baret F,Weiss M.Quantifying spatial heterogeneity at the landscape scale using variogram models.Remote Sensing of Environment,2006,103(1):81-96.

[20]Massada A B,Syphard A D,Stewart S I,Radeloff V C.Wildfire ignition-distribution modeling:A comparative study in the Huron-Manistee National Forest,Michigan,USA.International Journal of Wildland Fire,2013,22(2):174-183.

[21]Chang Y,Zhu Z,Bu R,Chen H W,Feng Y T,Li Y H,Hu Yu M,Wang Z C.Predicting fire occurrence patterns with logistic regression in Heilongjiang Province,China.Landscape Ecology,2013,28(10):1989-2004.

[22]Ceccato P,Gobron N,Flasse S,Pintya B,Tarantolac S.Designing a spectral index to estimate vegetation water content from remote sensing data:Part 1:Theoretical approach.Remote Sensing of Environment,2002,82(2):188-197.

[23]Krebs P,Koutsias N,Conedera M.Modelling the ecocultural niche of giant chestnut trees:New insights into land use history in southern Switzerland through distribution analysis of a living heritage.Journal of Historical Geography,2012,38(4):372-386.

[24]Guisan A,Edwards T C,Hastie T.Generalized linear and generalized additive models in studies of species distributions:Setting the scene.Ecological Modelling,2002,157(2-3):89-100.

[25]Wilson K,Newton A,Echeverria C,Westonb C,Burgman M.A vulnerability analysis of the temperate forests of south central Chile.Biological Conservation,2005,122(1):9-21.

[26]Fawcett T.An introduction to ROC analysis.Pattern Recognition Letters,2006,27(8):861-874.

[27]Matthews S A,Yang T C.Mapping the results of local statistics:Using geographically weighted regression.Demographic Research,2012,26(6):151-166.

Assessment and zoning of fire risk in Shanxi Province based on spatial Logistic model

Wang Wei-guo, Pan Jing-hu, Li Jun-feng

(College of Geographic and Environmental Sciences, Northwest Normal University, Lanzhou 730070, China)

Abstract:MODIS data in 2002-2012 was used to build the spatial logistic fire risk model based on the spatial distribution of fire and fire influencing factor by using geographic information system technology in Shanxi Province. Fire risk zoning study was conducted in a long temporal scale and provincial spatial scale. Logistic model of fire risk was built by spatial samples in fires region, and the simulated model fit well with the fire influencing factors (P<0.05), and the relative operating characteristic (ROC) was 0.757. The probability distribution map of fire events was made by map algebra. Fire area of Shanxi Province was zoned five classes, include none, low, moderate, high, and extremely high fire risk zones. The factors influence the fire event occur include altitude (GC), land use type (LT), land surface temperature (LST), Normalized Difference Vegetation Index (NDVI) and global vegetation moisture index (GVMI), whereas the influences of slope (PD) and distance to the nearest path (DL) exhibit insignificant in Shanxi Province. The NDVI and LST are significant factors in Shanxi Province globally, whereas the GC, LT and GVMI are only significant factors locally. Seven fire prevention regions are delimitated according to the fire influencing factors. Different fire prevention policies and emphases should be taken into consideration for each of the seven fire prevention regions.

Key words:forest fire risk; logistic regression; zoning; MODIS; Shanxi Province

Corresponding author:Pan jing-huE-mail: panjh_nwnu@nwnu.edu.cn

中圖分類號：S812.6

文獻(xiàn)標(biāo)識碼：A

文章編號：1001-0629(2016)4-0635-10*

通信作者：潘竟虎(1974-)，男，甘肅嘉峪關(guān)人，副教授，博士，研究方向為生態(tài)遙感。E-mail: panjh_nwnu@nwnu.edu.cn

基金項目：國家自然科學(xué)基金項目(41361040)和甘肅省高?；究蒲袠I(yè)務(wù)費(fèi)項目(2014-63)

收稿日期：2015-06-08接受日期：2015-10-09

DOI:10.11829/j.issn.1001-0629.2015-0323

王衛(wèi)國，潘竟虎,李俊峰.基于空間Logistic的山西省火災(zāi)風(fēng)險評價與火險區(qū)劃.草業(yè)科學(xué),2016,33(4)：635-644.

Wang W G,Pan J H,Li J F.Assessment and zoning of fire risk in Shanxi Province based on spatial Logistic model.Pratacultural Science，2016,33(4)：635-644.

第一作者：王衛(wèi)國(1992-)，男，山西忻府區(qū)人，在讀碩士生，研究方向為生態(tài)遙感。E-mail: wangweiguo0717@163.com