基于衛(wèi)星監(jiān)測熱點(diǎn)的林火分布及發(fā)生預(yù)報模型

劉柯珍，舒立福，趙鳳君*，張運(yùn)生，李艷云

(1.中國林業(yè)科學(xué)研究院森林生態(tài)環(huán)境與保護(hù)研究所，國家林業(yè)局森林保護(hù)學(xué)重點(diǎn)開放實(shí)驗(yàn)室，北京100091；2.遷安市林業(yè)局，唐山064400)

基于衛(wèi)星監(jiān)測熱點(diǎn)的林火分布及發(fā)生預(yù)報模型

劉柯珍1，舒立福1，趙鳳君1*，張運(yùn)生1，李艷云2

(1.中國林業(yè)科學(xué)研究院森林生態(tài)環(huán)境與保護(hù)研究所，國家林業(yè)局森林保護(hù)學(xué)重點(diǎn)開放實(shí)驗(yàn)室，北京100091；2.遷安市林業(yè)局，唐山064400)

衛(wèi)星林火監(jiān)測作為森林火災(zāi)預(yù)防和撲救工作的重要方法，在我國森林防火工作中得到廣泛推廣和應(yīng)用?；谛l(wèi)星監(jiān)測研究全國各省份的林火熱點(diǎn)分布規(guī)律以及熱點(diǎn)集中區(qū)域的氣象因子與火災(zāi)頻率的關(guān)系，以我國各地區(qū)2010—2015年春季森林防火期(3月1日—6月1日)的衛(wèi)星監(jiān)測熱點(diǎn)數(shù)據(jù)為研究對象，分析我國各省林火的年際變化及區(qū)域分布特征；通過提取火場時空因子，結(jié)合當(dāng)年氣象數(shù)據(jù)，建立熱點(diǎn)集中區(qū)域的火災(zāi)趨勢回歸模型。結(jié)果表明，衛(wèi)星監(jiān)測熱點(diǎn)統(tǒng)計的森林火災(zāi)次數(shù)與當(dāng)?shù)亓謽I(yè)局統(tǒng)計的火災(zāi)數(shù)據(jù)吻合度高。2010—2015年春季林火熱點(diǎn)從整體趨勢上看，森林火災(zāi)的熱點(diǎn)數(shù)量在逐年遞減，主要集中在中國的西南部區(qū)域，最多的省份為云南省，占林火熱點(diǎn)總數(shù)的20%；其次為四川省，占林火熱點(diǎn)總數(shù)的13%。云南省的春季林火次數(shù)多元回歸方程，復(fù)相關(guān)系數(shù)R=0.838**；四川省的春季林火次數(shù)多元回歸方程，復(fù)相關(guān)系數(shù)R=0.744*，回歸模型都達(dá)到了顯著水平。衛(wèi)星監(jiān)測熱點(diǎn)用于林火監(jiān)測，可以高精度統(tǒng)計森林火災(zāi)次數(shù)，回歸模型對于林火的預(yù)測預(yù)報具有一定適應(yīng)性，為森林火災(zāi)發(fā)生預(yù)測預(yù)報提供數(shù)據(jù)支持。

衛(wèi)星熱點(diǎn)；林火監(jiān)測；空間分布；預(yù)報模型

衛(wèi)星林火監(jiān)測主要是利用氣象衛(wèi)星和陸地資源衛(wèi)星進(jìn)行森林火災(zāi)監(jiān)測，是現(xiàn)代森林防火工作技術(shù)含量最高的森林火災(zāi)監(jiān)測手段，因具有監(jiān)測范圍廣、時間頻率高、時效性強(qiáng)的優(yōu)點(diǎn)，已在我國森林防火工作中得到廣泛應(yīng)用[1]。我國地域遼闊，主要的森林覆蓋區(qū)分布在東北、華南、中南和西南地區(qū)，這類地區(qū)的林火統(tǒng)計數(shù)據(jù)并不完善，而使用衛(wèi)星林火監(jiān)測可以探測到地球表面的高溫?zé)嵩袋c(diǎn)，數(shù)據(jù)較為詳細(xì)，基本包括所有林火信息[2-3]。

對于森林火災(zāi)區(qū)域及預(yù)測的分析已經(jīng)有大量的研究，田曉瑞等[4]根據(jù)衛(wèi)星熱點(diǎn)數(shù)據(jù)分析了生態(tài)地理區(qū)的林火空間與時間的分布關(guān)系；郭福濤等[5]對中國北方針葉林人為火發(fā)生的預(yù)測模型進(jìn)行了研究；蘇漳文等[6]利用氣象因子建立了福建省森林火險預(yù)測模型；張潔等[7]對常用于林火發(fā)生預(yù)測的正太分布、邏輯斯蒂分布、泊松分布、負(fù)二項(xiàng)分布、零膨脹、柵欄等6種廣義線性回歸模型的表達(dá)式、參數(shù)估計方法和假設(shè)方法做了詳細(xì)的闡述；Cary等[8]通過4種模型研究地形、可燃物及氣候因子與火災(zāi)發(fā)生的關(guān)聯(lián)性；Rydén等[9]用Poission模型和零膨脹Poisson模型來模擬林火發(fā)生與氣象因素的關(guān)系。

目前的研究大部分針對某些特定區(qū)域，而對全國尺度上的火災(zāi)分布及預(yù)測分析的研究較少，因此，研究的成果具有局域性和局限性，所以開展國家尺度上的森林火災(zāi)發(fā)生預(yù)測預(yù)報研究，了解各區(qū)域森林火災(zāi)分布情況，可為林火管理提供科學(xué)的數(shù)據(jù)支持，而衛(wèi)星熱點(diǎn)數(shù)據(jù)具有全面性、真實(shí)性及直觀性，能為森林火險的分析提供最直接有效的數(shù)據(jù)。本研究采用2010—2015年春季森林防火期(3月1日—6月1日)的衛(wèi)星監(jiān)測熱點(diǎn)數(shù)據(jù)分析我國各省熱點(diǎn)的發(fā)生規(guī)律，根據(jù)氣象因子對火災(zāi)發(fā)生的影響，建立火災(zāi)發(fā)生次數(shù)和氣象因子的回歸模型，預(yù)測熱點(diǎn)集中省份的火災(zāi)變化趨勢，以期為林火管理提供方法及數(shù)據(jù)支持。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

本研究中熱點(diǎn)數(shù)據(jù)來源于國家林業(yè)局林火監(jiān)測中心的中國森林防火網(wǎng)熱點(diǎn)數(shù)據(jù)庫，時間跨度從2010年春季至2015年春季，林火監(jiān)測的衛(wèi)星源包括Aque、Terre、FY-1D、FY3、GF-4、NPP、NOAA-12、NOAA-14、NOAA-16、NOAA-17和NOAA-18，數(shù)據(jù)信息包括圖像數(shù)量、火點(diǎn)總計、林火、草原火、計劃燒除、煉山、農(nóng)用火、其他、未找到、核查中、荒火、灌木火、工礦用火、未反饋、連續(xù)、非連續(xù)、0～1像素、2～3像素、4～5像素、6～10像素、10像素以上及反饋率。由于筆者研究的重點(diǎn)為森林火災(zāi)，所以根據(jù)熱點(diǎn)及其他屬性如連續(xù)性、土地類型、反饋情況等對重復(fù)熱點(diǎn)和森林草地火災(zāi)以外的熱點(diǎn)進(jìn)行了剔除，最終獲得的熱點(diǎn)主要為在森林和草地等區(qū)域發(fā)生的火燒[10]。

研究區(qū)域中氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(data.cma.cn)，包括降水量、相對濕度、月平均最高氣溫、月平均最低氣溫、平均氣溫、風(fēng)速等氣象數(shù)據(jù)。

1.2 研究方法

1.2.1 衛(wèi)星監(jiān)測熱點(diǎn)數(shù)據(jù)處理方法

首先對2010—2015年春季(3月1日—6月1日)發(fā)生的森林火災(zāi)進(jìn)行統(tǒng)計，并制作2010—2015年春季森林火災(zāi)趨勢分布圖。通過文獻(xiàn)查詢、調(diào)查訪問及衛(wèi)星監(jiān)測熱點(diǎn)統(tǒng)計等方法獲取全國各省2010—2015年春季發(fā)生的森林火災(zāi)實(shí)證數(shù)據(jù)，并以此為研究對象，在地理信息系統(tǒng)以及計算機(jī)網(wǎng)絡(luò)等現(xiàn)代高新信息技術(shù)的支持下，分析春季森林火災(zāi)發(fā)生的空間規(guī)律。

1.2.2 氣象數(shù)據(jù)處理及火災(zāi)預(yù)報模型建立

采集2010—2015年春季(3月1日—6月1日)月均降水量、平均氣溫、平均相對濕度、風(fēng)速等數(shù)據(jù)。采用指數(shù)方程建立森林火災(zāi)次數(shù)和氣象因子(濕潤系數(shù)、氣溫日較差和平均風(fēng)速)之間的關(guān)系模型，其表達(dá)式為：

F=eaT-bD+cW+m

(1)

式中：F為重點(diǎn)省份春季發(fā)生森林火災(zāi)次數(shù)；T為平均氣溫日較差，℃；D為平均濕潤系數(shù)；W為平均風(fēng)速，m/s；a、b、c、m均為參數(shù)。

平均濕潤系數(shù)是降水量、氣溫、相對濕度等三大氣象因子的綜合。根據(jù)伊凡諾夫公式求得：

Di=Pi/Ei

(2)

Ei=0.001 8(100-Ri)(25+Ti)2

(3)

式中：Di為第i月濕潤系數(shù)；Pi為第i月降水量，mm；Ei為第i月潛在蒸發(fā)量，mm；Ri為第i月平均相對濕度，%；Ti為第i月平均氣溫，℃。

將公式(1)兩邊取對數(shù)，轉(zhuǎn)化成線性方程，見公式(4)。

lnF=aT-bD+cW+m

(4)

令Y=lnF，公式(4)轉(zhuǎn)化成Y=aT-bD+cW+m，利用SPSS軟件對氣象因子變量和火災(zāi)發(fā)生次數(shù)進(jìn)行多元線性回歸分析。

2 結(jié)果與分析

2.1 2010—2015年春季全國熱點(diǎn)分布及森林火災(zāi)熱點(diǎn)分析

2010—2015年全國春季共監(jiān)測到熱點(diǎn)總數(shù)為24 548個，其中林火(包括草原火)熱點(diǎn)總數(shù)為3 380個，這些熱點(diǎn)主要集中于西南、東南及東北大、小興安嶺地區(qū)(圖1)；南方林區(qū)的春季林火熱點(diǎn)數(shù)量多于北方林區(qū)，主要原因如下：南方林區(qū)相對北方林區(qū)人口密度偏大，因氣溫影響，南方森林中人們的活動影響相對頻繁，通過調(diào)研發(fā)現(xiàn)大部分林火熱點(diǎn)是由農(nóng)用火引起的林區(qū)火災(zāi)，森林火災(zāi)發(fā)生的危險性提高[11]；因北方林區(qū)(尤其東北林區(qū)及內(nèi)蒙古林區(qū))的樹種易燃及氣候干燥等原因，雖總體林火熱點(diǎn)數(shù)量相對偏少，但一旦著火后容易形成重大火災(zāi)。

圖1 2010—2015年春季防火期熱點(diǎn)分布圖Fig. 1 Hotspots distribution in the spring fire season during 2010-2015

2010—2015年春季全國森林火災(zāi)熱點(diǎn)年際變化見圖2。從整體趨勢上看，森林火災(zāi)的熱點(diǎn)數(shù)量逐年遞減；2010年和2011年春季林火熱點(diǎn)數(shù)量分別為769個和936個，分別是2015年春季林火熱點(diǎn)數(shù)量(201個)的3.8倍和4.6倍，林火數(shù)量呈明顯下降趨勢，同時造成林內(nèi)可燃物載量增加。

圖2 2010—2015年春季全國林火熱點(diǎn)年際變化Fig. 2 Annual change of the number of forest firehotspots during 2010-2015

2010—2015年春季林火熱點(diǎn)的數(shù)量分別為769，936，687，432，355，201，分別占熱點(diǎn)總數(shù)的18.1%，19.4%，15.4%，8.2%，12.2%，7.0%，這與國家林業(yè)局統(tǒng)計的這6 a森林火災(zāi)次數(shù)755，907，646，402，332，179比較接近，可以認(rèn)為這些監(jiān)測熱點(diǎn)包括了大部分森林火災(zāi)；由圖3可知：2010年、2011年和2012年熱點(diǎn)數(shù)量出現(xiàn)幾次較大波動，其他幾年波動幅度較小，2010年云南、貴州和廣西發(fā)生的林火熱點(diǎn)占總熱點(diǎn)數(shù)量的58.8%，其中云南熱點(diǎn)數(shù)量最多，占47.8%；2011年浙江、福建、湖北發(fā)生的林火熱點(diǎn)數(shù)量占總的49.8%，其中湖北最多，占42.5%；2012年湖南的熱點(diǎn)數(shù)量最多，占全國總熱點(diǎn)數(shù)量的27%；2015年全國范圍內(nèi)熱點(diǎn)數(shù)量較少，發(fā)生火災(zāi)次數(shù)較少，主要原因在于我國加強(qiáng)了林火管理，

人們對于森林防火認(rèn)識深化，取得

效果顯著，然而也造成了林內(nèi)可燃物逐漸積累，因此加強(qiáng)林內(nèi)可燃物管理對預(yù)防下次重大火災(zāi)的發(fā)生非常重要[12-14]；由圖3和表1可得，2010—2015年春季林火熱點(diǎn)最多的省份為云南，林火為573次，占林火熱點(diǎn)總數(shù)的20%；其次為四川，林火為439次，占林火熱點(diǎn)總數(shù)的13%。

圖3 2010—2015年春季中國不同省份林火熱點(diǎn)散點(diǎn)圖Fig. 3 Forest fire hotspots in different provinces ofChina in spring during 2010-2015

表1 2010—2015年全國范圍熱點(diǎn)數(shù)量排列前5位的省份

注：括號內(nèi)為監(jiān)測熱點(diǎn)數(shù)量。

2.2 重點(diǎn)研究省份森林火災(zāi)次數(shù)回歸模型

2.2.1 回歸模型的建立

根據(jù)云南和四川2010—2015年春季林火數(shù)據(jù)和氣象數(shù)據(jù)用IBM SPSS Statistics 22進(jìn)行建模，以林火次數(shù)為因變量，平均氣溫日較差、平均濕潤系數(shù)、平均風(fēng)速為自變量，得到全省春季林火次數(shù)氣候回歸模型，分別如下：

F1=e0.819T+1.463D+3.559W-16.224

(5)

F2=e-0.821T-4.318D+0.217W+14.222

(6)

式中：F1、F2分別為云南和四川春季發(fā)生森林火災(zāi)次數(shù)；T為平均氣溫日較差，℃；D為平均濕潤系數(shù)；W為平均風(fēng)速，m/s。其中，云南春季林火次數(shù)多元回歸方程，復(fù)相關(guān)系數(shù)R=0.838**(P<0.01)，回歸模型達(dá)到顯著水平；建立四川的春季林火次數(shù)多元回歸方程，復(fù)相關(guān)系數(shù)R=0.744*(P<0.05)，回歸模型達(dá)到了顯著水平。

2.2.2 回歸模型的評估檢驗(yàn)

利用云南和四川2010—2015年春季林火次數(shù)對回歸模型進(jìn)行評估檢驗(yàn)，模型預(yù)測值與真實(shí)值之間的比較分析見圖4和圖5，可以看出預(yù)測值和真實(shí)值比較吻合，模型效果比較理想。

圖4 云南火災(zāi)次數(shù)多元回歸方程的模型預(yù)測值與真實(shí)值比較Fig. 4 Comparison between predicted fire numbers and actual true values in Yunnan province

圖5 四川火災(zāi)次數(shù)多元回歸方程的模型預(yù)測值與真實(shí)值比較Fig. 5 Comparison between predicted fire numbers and actual values in Sichuan province

3 結(jié)論與討論

本研究利用國家林業(yè)局林火監(jiān)測中心的中國森林防火網(wǎng)熱點(diǎn)數(shù)據(jù)庫數(shù)據(jù)，結(jié)合森林資源數(shù)據(jù)、人工調(diào)研數(shù)據(jù)及氣象數(shù)據(jù)等，分析了春季全國熱點(diǎn)分布并構(gòu)建了火災(zāi)次數(shù)較多省份的森林火災(zāi)次數(shù)回歸模型，結(jié)論如下：

1)從區(qū)域上看，森林火災(zāi)的數(shù)量主要集中在中國的西南部區(qū)域，中國各地理位置的火險期與火災(zāi)數(shù)量分布關(guān)聯(lián)性大，體現(xiàn)出人為干擾與火災(zāi)動態(tài)之間的相關(guān)性。人口密集的南方區(qū)域，人為對森林?jǐn)_動大，發(fā)生森林火災(zāi)的頻率相對人口稀疏的北方要高[15]，因此，林區(qū)人員管控是森林火災(zāi)防控最主要的措施之一。因北方林區(qū)(尤其東北林區(qū)及內(nèi)蒙古林區(qū))的樹種易燃及氣候干燥等原因，雖總體林火熱點(diǎn)數(shù)量相對偏少，但一旦發(fā)生火災(zāi)后容易形成重大火災(zāi)。

2)從整體趨勢上看，森林火災(zāi)的熱點(diǎn)數(shù)量在逐年遞減，可見人們對于森林防火意識深化以及滅火設(shè)備和技術(shù)水平提高，防火效果顯著，然而也造成了林內(nèi)可燃物逐漸積累。因此，加強(qiáng)林內(nèi)可燃物管理對預(yù)防下次重大火災(zāi)的發(fā)生非常重要。

3)2010—2015年春季林火熱點(diǎn)最多的省份為云南，其次為四川。根據(jù)云南和四川2010—2015年春季林火數(shù)據(jù)和氣象數(shù)據(jù)進(jìn)行建模，并利用實(shí)證數(shù)據(jù)對其進(jìn)行檢驗(yàn)結(jié)果表明，模型預(yù)測值與真實(shí)值之間比較吻合，模型效果比較理想。

4)森林火災(zāi)是一項(xiàng)復(fù)雜的自然災(zāi)害現(xiàn)象，林火的發(fā)生包含多個因子，除了人為干擾以外，地形、氣候、植被類型、當(dāng)?shù)卣?、民俗?xí)慣等都是火災(zāi)發(fā)生的干擾因子[16]。本研究只是基于火災(zāi)發(fā)生的數(shù)據(jù)對云南和四川的林火發(fā)生進(jìn)行分析，雖模型預(yù)測效果比較理想，但結(jié)合其他林火發(fā)生干擾因子的分析，是提高模型精度和實(shí)用性的重要途徑。

5)開發(fā)地理信息系統(tǒng)，進(jìn)行地面核查輔助決策，分類、快速核查和管理具有不同火險級別的衛(wèi)星熱點(diǎn)，確定熱點(diǎn)的具體位置，不僅包括經(jīng)緯度，還包括具體鄉(xiāng)(鎮(zhèn))、村、組及具體的山頭，是衛(wèi)星林火監(jiān)測發(fā)展的方向[17-19]。

本研究嘗試用衛(wèi)星監(jiān)測熱點(diǎn)進(jìn)行各省林火的年際變化及區(qū)域分布特征分析并建立了發(fā)生預(yù)報模型，為森林火災(zāi)預(yù)測預(yù)報分析提供了一種新的方法，將來可結(jié)合人為干擾及其他火災(zāi)干擾因子提高火災(zāi)發(fā)生預(yù)測預(yù)報的精度。

[ 1 ]劉運(yùn)貴, 聶勇, 田景容,等. 利用林權(quán)管理軟件確定衛(wèi)星林火監(jiān)測熱點(diǎn)詳細(xì)信息的方法[J]. 林業(yè)調(diào)查規(guī)劃, 2009, 34(4):65-67. LIU Y G, NIE Y, TIAN J R, et al. Method for defining hotspots of detailed information about satellite forest fire monitoring with software of forest ownership management[J]. Forest Inventory and Planning, 2009, 34(4):65-67.

[ 2 ]李洪雙, 江西軍. 衛(wèi)星林火監(jiān)測在東北林區(qū)森林防火中的應(yīng)用[J]. 森林防火, 2010(1):39-41, 46. LI H S, JIANG X J. Application of monitoring forest fire by satellites to forest fire prevention in northeastern area[J]. Forest Fire Prevention, 2010(1):39-41, 46.

[ 3 ]徐盛基. 西南衛(wèi)星林火監(jiān)測技術(shù)現(xiàn)狀與思考[J]. 綠色科技, 2011(2):133-135. XU S J. Thought on current status and further directions of forest fire satellite monitoring technology in southwest China[J]. Journal of Green Science and Technology, 2011(2):133-135.

[ 4 ]田曉瑞, 舒立福, 趙鳳君, 等. 中國主要生態(tài)地理區(qū)的林火動態(tài)特征分析[J]. 林業(yè)科學(xué), 2015, 51(9):71-77. TIAN X R, SHU L F, ZHAO F J, et al. Dynamic characteristics of forest fires in the main ecological geographic districts of China[J]. Scientia Silvae Sinicae, 2015, 51(9):71-77.

[ 5 ]郭福濤, 蘇漳文, 王光玉, 等. 我國北方針葉林人為火發(fā)生的預(yù)測模型[J]. 應(yīng)用生態(tài)學(xué)報, 2015, 26(7):2099-2106. GUO F T, SU Z W, WANG G Y, et al. Prediction model of human-caused fire occurrence in the boreal forest of northern China[J]. Chinese Journal of Applied Ecology, 2015, 26(7):2099-2106.

[ 6 ]蘇漳文, 劉愛琴, 梁慧玲, 等. 基于氣象因子的福建省森林火險預(yù)測模型[J]. 森林與環(huán)境學(xué)報, 2015, 35(4):370-376. SU Z W, LIU A Q, LIANG H L, et al. Model to predict forest fire occurrence in Fujian Province based on meteorological factors[J]. Journal of Forest and Environment, 2015, 35(4):370-376.

[ 7 ]張潔, 趙浩彥, 張民俠, 等. 廣義線性模型在林火發(fā)生預(yù)報中的應(yīng)用[J]. 林業(yè)工程學(xué)報, 2017, 2(1)：135-142. ZHANG J, ZHAO H Y, ZHANG M X, et al. Research on generalized linear models applied to forest fire forecast[J]. Journal of Forestry Engineering, 2017, 2(1)：135-142.

[ 8 ]CARY G J, FLANNIGAN M D, KEANE R E, et al. Relative importance of fuel management, ignition management and weather for area burned：evidence from five landscape-fire-succession models[J]. International Journal of Wildland Fire, 2009, 18(2)：147-156.

[ 9 ]RYDéN J, RYCHLIK I. A note on estimation of intensities of fire ignitions with incomplete data[J]. Fire Safety Journal, 2006, 41(5)：399-405.

[10]田曉瑞, 趙鳳君, 舒立福, 等. 西南林區(qū)衛(wèi)星監(jiān)測熱點(diǎn)及森林火險天氣指數(shù)分析[J]. 林業(yè)科學(xué)研究, 2010, 23(4):523-529. TIAN X R, ZHAO F J, SHU L F, et al. Hotspots from satellite monitoring and forest fire weather index analysis for southwest China[J]. Forest Research,2010,23(4):523-529.

[11]王文元. 衛(wèi)星林火監(jiān)測在西南地區(qū)應(yīng)用狀況及存在問題[J]. 林業(yè)調(diào)查規(guī)劃, 2008, 33(6):59-61. WANG W Y. Application of satellite forest fire monitoring in southwest areas and related issues[J]. Forest Inventory and Planning, 2008, 33(6):59-61.

[12]賀紅士, 常禹, 胡遠(yuǎn)滿, 等. 森林可燃物及其管理的研究進(jìn)展與展望[J]. 植物生態(tài)學(xué)報, 2010, 34(6):741-752. HE H S, CHANG Y, HU Y M, et al. Contemporary studies and future perspectives of forest fuel and fuel management[J]. Chinese Journal of Plant Ecology, 2010, 34(6):741-752.

[13]SCHWILK D W, KEELEY J E, KNAPP E E, et al. The national fire and fire surrogate study：effects of fuel reduction methods on forest vegetation structure and fuels[J]. Ecological Applications, 2009, 19(2)：285-304.

[14]STRATTON R D. Assessing the effectiveness of landscape fuel treatments on fire growth and behavior[J]. Journal of Forestry, 2004, 102(7)：32-40.

[15]徐盛基. 南方十省區(qū)衛(wèi)星林火監(jiān)測熱點(diǎn)趨勢分析[J]. 森林防火, 2011(1):50-52. XU C J. Analyses on potential forest fire spots of ten southern provinces through satellite images[J]. Forest Fire Prevention, 2011(1):50-52.

[16]田曉瑞, 趙鳳君, 舒立福, 等. 1961—2010年中國植被區(qū)的氣候與林火動態(tài)變化[J]. 應(yīng)用生態(tài)學(xué)報, 2014, 25(11):3279-3286. TIAN X R, ZHAO F J, SHU L F, et al. Changes of climate and fire dynamic in China vegetation zone during 1961-2010[J]. Chinese Journal of Applied Ecology, 2014, 25(11):3279-3286.

[17]黃甫則, 周汝良, 葉江霞, 等. 利用衛(wèi)星熱點(diǎn)測報森林火災(zāi)的報準(zhǔn)率統(tǒng)計分析[J]. 林業(yè)調(diào)查規(guī)劃, 2012, 37(2):65-68. HUANG F Z, ZHOU R L, YE J X, et al. Accuracy statistical analysis of forest fire forecasting by using satellite hot spot[J]. Forest Inventory and Planning, 2012, 37(2):65-68.

[18]楊毅, 周汝良, 張珍蔭. 基于GIS的森林防火信息系統(tǒng)的研究與開發(fā)[J]. 計算機(jī)系統(tǒng)應(yīng)用, 2003(6):8-10. YANG Y, ZHOU R L, ZHANG Z Y. The research development of forest fireproofing information system based GIS[J]. Computer Systems & Applications, 2003(6):8-10.

[19]舒立福, 田曉瑞, 向安民. 3S集成技術(shù)在林火管理中的應(yīng)用研究[J]. 火災(zāi)科學(xué), 1999, 8(1)：12-18. SHU L F, TIAN X R, XIANG A M. The application of 3S technology in forest fire management [J]. Fire Safety Science, 1999, 8(1)：12-18.

Research on spatial distribution of forest fire based onsatellite hotspots data and forecasting model

LIU Kezhen1, SHU Lifu1, ZHAO Fengjun1*, ZHANG Yunsheng1, LI Yanyun2

(1.KeyOpenLaboratoryofForestProtectionofStateForestryAdministration,ResearchInstituteofForestEcology,EnvironmentandProtection,ChineseAcademyofForestry,Beijing100091,China;2.Qian’anForestryBureau,Tangshan064400,Hebei,China)

As an important method of forest fire forecast and fire suppression, satellite forest fire monitoring, with the characteristics of wide monitoring range, high frequency and short delay, has been widely introduced and applied in forest fire prevention of China. In this paper, the spatial distribution pattern of the forest fire hotspots and the relationship between the weather factors and forest fire frequency were studied based on the nationwide satellite monitoring. The satellite hotspots data of spring fire season(March 1st to June 1st) from 2010 to 2015 were used to analyze the annual characteristics of forest fires in all the provinces. The multivariate statistical regression analysis was used to establish forest fire frequency regression models in the major disaster provinces, i.e., Yunnan and Sichuan, combined with current weather data. The results showed that forest fires frequency provided by satellite hotspots monitoring coincided well with that provided by local forest administration. The number of forest fire hotspots declined year by year as a whole, and they were mainly concentrated in the southwest of China, where Yunnan and Sichuan were the provinces with the most hotspot numbers, which accounted for 20% and 13% of the whole respectively. The multiple correlation coefficients(R) of Yunnan and Sichuan forest fire frequency regression models were 0.838**and 0.744*, respectively, both of which reached a significant level. The comparison between the model and the real values showed that they were much consistent. The satellite hotspots monitoring used in the forest fire monitoring could count the numbers of forest fires with high accuracy. The enhancement of fire sources management was an important and effective measure to reduce the risk of forest fire. The regression model can be adapted in the forest fire prediction and provide the data support for the decision makers in the field of forestry in China.

satellite hotspots; forest fire monitoring; spatial distribution; forecast model

2016-12-03

2017-03-01

國家自然科學(xué)基金(31570645)。

劉柯珍，女，研究方向?yàn)樯址阑?。通信作者：趙鳳君，女，副研究員。E-mail:zhaofengjun1219@163.com

S762.2

A

2096-1359(2017)04-0128-06