氣候變化背景下江西省林火空間預(yù)測(cè)

顧先麗,吳志偉,張宇婧,閆賽佳,付婧婧,杜林翰

1 江西師范大學(xué)鄱陽(yáng)湖濕地與流域研究教育部重點(diǎn)實(shí)驗(yàn)室, 南昌 330022 2 江西師范大學(xué)地理與環(huán)境學(xué)院, 南昌 330022

林火是森林生態(tài)系統(tǒng)中重要的干擾因子之一[1],嚴(yán)重影響森林景觀結(jié)構(gòu)和功能[2- 7]。研究表明,在全球氣候變暖背景下隨著植被生長(zhǎng)季的延長(zhǎng)和人類(lèi)活動(dòng)的加劇,林火發(fā)生的頻率和面積將顯著增加。如Flannigan等[8]基于大氣環(huán)流模型(General Circulation Models, GCMs)對(duì)加拿大林火進(jìn)行預(yù)測(cè),結(jié)果表明到2100年加拿大大部分地區(qū)呈火險(xiǎn)增加趨勢(shì),火燒面積將增加74%—118%?；馃l率和面積的增加,將更加顯著地影響森林景觀結(jié)構(gòu)和功能。因此,預(yù)測(cè)氣候變化背景下林火發(fā)生的趨勢(shì)深受?chē)?guó)內(nèi)外學(xué)者的關(guān)注[9- 11]。

我國(guó)學(xué)者對(duì)林火預(yù)測(cè)也開(kāi)展了研究。例如,郭海峰等[12]基于2005—2015年氣象數(shù)據(jù)預(yù)測(cè)了湖南省森林火險(xiǎn)等級(jí)。梁慧玲等[13]基于隨機(jī)森林算法對(duì)福建省林火進(jìn)行了預(yù)測(cè)。常禹等[14]以呼中林區(qū)為例,應(yīng)用證據(jù)權(quán)重法估測(cè)了林火發(fā)生的可能性。從國(guó)內(nèi)的研究文獻(xiàn)來(lái)看,林火預(yù)測(cè)更多是直接考慮其與氣候因子之間的統(tǒng)計(jì)關(guān)系,而對(duì)氣候、植被、地形和人類(lèi)活動(dòng)等因子的共同作用研究有待加強(qiáng)。而且,越來(lái)越多的研究表明氣候雖然是引起林火發(fā)生的主導(dǎo)因素,但人類(lèi)活動(dòng)等因子也起著重要的作用[15- 16]。相比人口稀少的北方針葉林區(qū),這在人口稠密的南方常綠闊葉林區(qū)更為明顯[17]。因此,綜合考慮氣候、植被、地形、人類(lèi)活動(dòng)等因子的作用有助于提升林火預(yù)測(cè)的精度。

而且,我國(guó)林火預(yù)測(cè)研究多集中在大興安嶺等北方針葉林區(qū)[18],南方闊葉林區(qū)的研究相對(duì)較少。在北方寒溫帶針葉林區(qū)(如大興安嶺地區(qū)),森林植被空間連續(xù)性高(如集中成片分布)、人口密度低,林火多為面積較大的雷擊火；在南方亞熱帶常綠闊葉林區(qū),由于森林分布較散、林區(qū)人口密度高、道路網(wǎng)絡(luò)發(fā)達(dá),多為面積較小的人為火[19]。雖然亞熱帶常綠闊葉林區(qū)火燒面積通常較小[20],但是林火發(fā)生頻率高,且大多分布在人口密集的區(qū)域,對(duì)社會(huì)經(jīng)濟(jì)(農(nóng)田、房屋燒毀)以及空氣質(zhì)量等的影響較大。因此,開(kāi)展亞熱帶常綠闊葉林區(qū)林火預(yù)測(cè)研究,對(duì)我國(guó)南方林區(qū)林火的預(yù)防與管理具有重要的意義。

江西省是我國(guó)亞熱帶常綠闊葉林典型區(qū)。1950—2010年江西省共發(fā)生林火41846次,面積約98萬(wàn)hm2,分別位列全國(guó)第8、9位[21]。江西是首批被列入國(guó)家生態(tài)文明試驗(yàn)區(qū)的省份之一,要打造美麗中國(guó)“江西樣板”,到2020年實(shí)現(xiàn)全省森林覆蓋率穩(wěn)定在63%。增強(qiáng)林火管理,減少火災(zāi)導(dǎo)致的森林損失非常重要。為此,本研究以江西省為例,(1)利用增強(qiáng)回歸樹(shù)模型建立林火與氣候、植被、地形、人類(lèi)活動(dòng)等因子間的關(guān)系；(2)分析各因子的相對(duì)貢獻(xiàn)率及其邊際效應(yīng)；(3)并利用未來(lái)氣候情景數(shù)據(jù)預(yù)測(cè)林火發(fā)生的時(shí)空趨勢(shì)。為制定切實(shí)可行的未來(lái)林火管理策略和資源分配方案提供科學(xué)指導(dǎo)。

1 研究區(qū)域與研究方法

1.1 研究區(qū)概況

江西省位于長(zhǎng)江中下游南岸(24°07′—29°09′N(xiāo),114°02′—117°97′E)。境內(nèi)東、西、南三面環(huán)山,北部較為平坦,中部以丘陵為主。屬中亞熱帶溫暖濕潤(rùn)氣候,年均溫為16.4—19.8℃,年均降水量為1340—1930 mm。據(jù)2017年中國(guó)統(tǒng)計(jì)年鑒數(shù)據(jù)顯示,到2016年底,江西省森林面積共1001.81萬(wàn)hm2,森林覆蓋率為60.01%,居全國(guó)第二。主要植被類(lèi)型有針葉林、常綠闊葉林、針闊混交林、常綠落葉闊葉混交林、竹林、矮林和灌叢等。設(shè)區(qū)市森林覆蓋率由大到小依次是贛州市(76.24%)、吉安市(67.61%)、萍鄉(xiāng)市(66.02%)、景德鎮(zhèn)市(65.07%)、撫州市(64.54%)、上饒市(61.67%)、鷹潭市(57.38%)、宜春市(56.97%)、新余市(56.49%)、九江市(54.92%)、南昌市(21.96%)。

1.2 數(shù)據(jù)來(lái)源與處理

1.2.1林火數(shù)據(jù)

時(shí)空明晰的森林火災(zāi)統(tǒng)計(jì)數(shù)據(jù)通常不易獲取、數(shù)據(jù)的完整性有限。而利用遙感觀測(cè)獲得的火災(zāi)影像(如MODIS火影像),具有時(shí)空覆蓋范圍廣且可全球免費(fèi)共享的優(yōu)勢(shì)。中等分辨率成像光譜儀(MODIS)火影像數(shù)據(jù)被認(rèn)為是用于表征大空間尺度火情的可靠數(shù)據(jù)源[22- 23],其具有飽和溫度較高、影像波段多、時(shí)間分辨率高等優(yōu)勢(shì)[24]。因此,本文的江西省2001—2015年林火數(shù)據(jù)采用MODIS動(dòng)態(tài)火影像數(shù)據(jù)—MCD14ML。該影像是MODIS的L3級(jí),空間分辨率為1 km的全球每月火災(zāi)影像,記錄了火燒時(shí)間、經(jīng)緯度坐標(biāo)、可信度等信息?？尚哦确譃?個(gè)等級(jí)：低0—30%,中30%—80%,高80%—100%。

為最大限度地減少火災(zāi)探測(cè)中的誤報(bào)等不確定性,本研究只選取了可信度>80%的火。采用ArcGIS對(duì)預(yù)先處理的影像的像元進(jìn)行二值化處理(0代表未發(fā)生火災(zāi),1代表發(fā)生火災(zāi)),與江西省行政區(qū)圖和植被覆蓋圖疊加,提取不同區(qū)市和不同植被類(lèi)型上的火點(diǎn)。

1.2.2因子數(shù)據(jù)

地形：海拔、坡度和坡向是與火災(zāi)發(fā)生有關(guān)的3個(gè)主要地形因子[25]。鑒于本研究分析的是1 km空間分辨率下的火災(zāi),所以僅選用高程作為地形因子。從美國(guó)國(guó)家海洋和大氣管理局(NOAA,https://www.ngdc.noaa.gov/)下載得到數(shù)字高程模型(DEM)數(shù)據(jù)。

植被類(lèi)型：從中國(guó)寒區(qū)旱區(qū)科學(xué)數(shù)據(jù)中心(http://westdc.westgis.ac.cn/)下載得到2001年中國(guó)植被覆蓋圖(空間分辨率為1 km,共17個(gè)分類(lèi)系統(tǒng))。本文研究的對(duì)象是森林火點(diǎn),因此提取了5個(gè)森林類(lèi)型：常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林。

人類(lèi)活動(dòng)：距離道路距離、距居民點(diǎn)距離和人口密度是影響林火發(fā)生的顯著因子[26]。從美國(guó)哥倫比亞大學(xué)地球研究所國(guó)際地球科學(xué)信息網(wǎng)絡(luò)中心(http://sedac.ciesin.columbia.edu)下載了1980年至2010年期間的全球道路數(shù)據(jù)集(gROADSv1)。從全球農(nóng)村城市測(cè)繪項(xiàng)目(GRUMPv1)中獲得2000年代的居民點(diǎn)和人口密度數(shù)據(jù)。采用ArcGIS計(jì)算每個(gè)像元到最近道路和居民點(diǎn)的歐幾里德距離,得到道路距離和居民點(diǎn)距離的圖層。

氣象數(shù)據(jù)：溫度和降水是評(píng)估林火發(fā)生的主要因子。從我國(guó)旱區(qū)寒區(qū)科學(xué)數(shù)據(jù)中心(http://westdc.westgis.ac.cn)獲得了2001—2015年江西省氣溫和降水?dāng)?shù)據(jù)。采用ArcGIS計(jì)算15年的年均氣溫和降水量,并將其采樣為空間分辨率為1 km的網(wǎng)格,作為當(dāng)前氣候背景下的氣象數(shù)據(jù)。從WorldClim網(wǎng)站(http://worldclim.org/)獲得了未來(lái)年均氣溫和降水的GCMs氣候數(shù)據(jù)。本研究選擇GFDL-CM3(美國(guó)地球物理流體動(dòng)力學(xué)實(shí)驗(yàn)室)和GISS-E2-R(NASA戈達(dá)德空間研究所)2種氣候變化模式代表未來(lái)氣候狀況。每種模式選擇了3個(gè)濃度的溫室氣體排放量情景(RCP2.6、RCP4.5和RCP8.5)。以2050年(2041—2060的平均值)和2070年(2061—2080的平均值)為預(yù)測(cè)年。

1.3 研究方法

1.3.1增強(qiáng)回歸樹(shù)模型構(gòu)建

本研究利用增強(qiáng)回歸樹(shù)(Boosted Regression Tree,BRT)模型建立林火與氣候、植被、地形、和人類(lèi)活動(dòng)等因子之間的關(guān)系; 預(yù)測(cè)未來(lái)(2050年和2070年)林火變化的趨勢(shì)。增強(qiáng)回歸樹(shù)模型是一種用于擬合統(tǒng)計(jì)模型的集成方法。該方法結(jié)合了回歸樹(shù)算法和Boosting方法的優(yōu)點(diǎn)[27],能適應(yīng)復(fù)雜的非線性關(guān)系,并自動(dòng)處理因子變量之間的交互效應(yīng),可以提高模型的穩(wěn)定性和精度。BRT模型采用的是機(jī)器分類(lèi)回歸算法,與其他常用的機(jī)器學(xué)習(xí)方法(如Random Forest,隨機(jī)森林)算法類(lèi)似。目前BRT方法主要被應(yīng)用到林火發(fā)生[28]、火后森林更新等[29]方面。

將2001—2015年共5702個(gè)1 km空間像元是否發(fā)生林火作為因變量(0代表未發(fā)生火災(zāi),1代表發(fā)生火災(zāi)),以因子數(shù)據(jù)為自變量。參考Elith等[30]人開(kāi)發(fā)的R語(yǔ)言腳本,本研究使用R語(yǔ)言中的“gbm”軟件包構(gòu)建BRT模型。采用70%的樣本數(shù)據(jù)構(gòu)建模型,30%的數(shù)據(jù)進(jìn)行模型驗(yàn)證。

1.3.2模型校驗(yàn)

使用受試者工作特征ROC(Receiver Operating Characteristic)評(píng)估BRT模型的擬合效果。通過(guò)繪制概率閾值的靈敏度與特異性獲得ROC曲線[31],計(jì)算得出曲線下面積(AUC)的值。AUC取值范圍為0—1,0.5表示低精度,0.7—0.9表示合理精度,高于0.9表示特別高精度[32]。

圖1 BRT模型的ROC曲線Fig.1 ROC curve of BRT model

同時(shí)采用混淆矩陣評(píng)估模型預(yù)測(cè)的準(zhǔn)確性。構(gòu)建觀察值與預(yù)測(cè)值的2×2個(gè)分類(lèi)矩陣表,利用約登指數(shù)(敏感性+特異性-1)確定林火發(fā)生概率的最佳界值,從而將概率值轉(zhuǎn)換為0—1二分?jǐn)?shù)據(jù)[33]。概率值大于等于最佳界值,則將概率編碼為“1”并將其視為林火發(fā)生,否則,概率編碼為“0”視為沒(méi)有林火發(fā)生。本研究應(yīng)用R軟件中的“ROCR”包計(jì)算AUC和最佳界值。

2 結(jié)果與分析

2.1 模型驗(yàn)證結(jié)果

最終BRT模型經(jīng)過(guò)1600次迭代運(yùn)算達(dá)到最優(yōu)(表1)。訓(xùn)練數(shù)據(jù)(70%)和驗(yàn)證數(shù)據(jù)(30%)的AUC值都為0.736(圖1),最佳界值為0.0618。訓(xùn)練數(shù)據(jù)預(yù)測(cè)的總體正確率為70.1%(表2)?；煜仃嚪治龅贸龌瘘c(diǎn)、非火點(diǎn)預(yù)測(cè)的正確率都為67.8%(表2)。這兩種驗(yàn)證結(jié)果均表明模型有合理的擬合效果,能夠很好地預(yù)測(cè)研究區(qū)林火的發(fā)生。

表1 BRT模型的關(guān)鍵擬合參數(shù)

表2 基于混淆矩陣的訓(xùn)練和驗(yàn)證數(shù)據(jù)集的模型分類(lèi)準(zhǔn)確性評(píng)估結(jié)果

2.2 因子與林火的關(guān)系

林火發(fā)生的最大貢獻(xiàn)因子為年均氣溫(貢獻(xiàn)率為21.19%),其余因子貢獻(xiàn)率依次是海拔(20.14%)、年均降水量(16.23%)、居民點(diǎn)距離(15.56%)、人口密度(13.44%)、道路距離(10.54%)、林型(2.90%)(圖2)。

圖2 因子變量的相對(duì)重要性(%)和邊際效應(yīng)對(duì)火災(zāi)發(fā)生概率的影響Fig.2 Relative importance (%) and marginal effects of explanatory variables on fire occurrence probability1：常綠針葉林；2：常綠闊葉林；3：落葉針葉林；4：落葉闊葉林；5：混交林

年均溫小于15℃時(shí)林火較少發(fā)生,但在15℃—21℃時(shí)林火增加趨勢(shì)明顯。林火隨著年均降水量的增加總體上呈下降的趨勢(shì),尤其當(dāng)降水量超過(guò)2000 mm時(shí)更為明顯。海拔低于500 m時(shí)林火發(fā)生較多,超過(guò)500 m時(shí)則呈急劇下降的趨勢(shì)。距離居民點(diǎn)0—30 km范圍內(nèi),隨著距離的增加林火呈現(xiàn)下降的趨勢(shì)。人口密度與林火在總體上具有較高的相關(guān)性。在人口密度為0—2000人/km2時(shí),兩者的相關(guān)性呈上升趨勢(shì),但當(dāng)超過(guò)2000人/km2以上時(shí)影響較弱。距離道路0—14 km范圍內(nèi),隨著道路距離的增加林火呈下降趨勢(shì)。混交林內(nèi)林火發(fā)生概率最高。

圖3 解釋變量的綜合效應(yīng)Fig.3 Incorporative effects of explanatory variables

通過(guò)綜合效應(yīng)(圖3)分析發(fā)現(xiàn),居民點(diǎn)距離與年均降水量和年平均氣溫存在明顯的交互關(guān)系。比如在居民點(diǎn)低于10 km、年均降水量1400—1600 mm、年均溫度在18—20℃之間的空間像元具有較高的林火發(fā)生概率。

2.3 當(dāng)前氣候條件下林火空間分布

2001—2015年江西省共發(fā)生森林火點(diǎn)5702個(gè)(1-km像元),呈南多北少分布格局?；瘘c(diǎn)較多的是贛州市(38.9%)、吉安市(23.1%)、撫州市(13.2%)；較少的是新余市(1.1%)、鷹潭市(1.0%)、南昌市(0.1%)。林火發(fā)生密度高的區(qū)域主要分布在贛州市西南部、吉安市西北部和撫州市南部。

BRT模型預(yù)測(cè)的當(dāng)前氣候下林火發(fā)生的概率范圍為0.0007—0.9070。低概率(< 0.0618)的像元為65.7%,中概率(0.0618—0.5)的像元為34.1%,高概率(≥0.5)的像元為0.2%。BRT模型預(yù)測(cè)林火發(fā)生的空間分布(圖4b)與MODIS遙感觀察到的基本一致(圖4a)。

2.4 未來(lái)氣候變化下林火空間分布預(yù)測(cè)

未來(lái)氣候情景下林火發(fā)生的概率值普遍高于當(dāng)前氣候情景。在GFDL-CM3中(圖5),排放濃度越高,林火發(fā)生概率越大；2050年林火發(fā)生概率略高于2070年。在GISS-E2-R下,2050年林火的發(fā)生概率隨著濃度的增加,呈先減少后增加的趨勢(shì),到2070年則是隨著濃度增加而增加。高林火發(fā)生區(qū)域由江西省南部擴(kuò)展延伸到東北部,這在GFDL-CM3下較為顯著。從兩種模式的增幅變化情況來(lái)看,RCP8.5排放情景中林火發(fā)生的增幅最明顯,其增幅較大的區(qū)域由贛南向贛北移動(dòng)。在GFDL-CM3中,2050年和2070年林火增幅較大的區(qū)域主要集中在贛州市,而在2070年P(guān)CP8.5情景下,贛州市的增幅減小,東北部的上饒市、鷹潭市的增幅增大；在GISS-E2-R中(圖6),RCP2.6情景下,增幅較大的主要位于九江市、撫州市和贛州市,RCP4.5、RCP8.5情景下,增幅明顯的區(qū)域由撫州市擴(kuò)展到鷹潭市,2050年和2070年變化不明顯。

3 討論

增強(qiáng)回歸樹(shù)模型預(yù)測(cè)的總體正確率為67.8%,這與其他學(xué)者采用邏輯斯蒂回歸模型預(yù)測(cè)的正確率相似。

圖4 MODIS觀測(cè)到的火災(zāi)(2001—2015年)和BRT模型預(yù)測(cè)當(dāng)前氣候下的火災(zāi)空間分布Fig.4 Spatial distribution of MODIS observed active fires (2001—2015) and BRT model predicted fires under current climate

圖5 2050年和2070年GFDL-CM3情景下預(yù)測(cè)的林火發(fā)生概率Fig.5 Predicted fire occurrence probability under GFDL-CM3 scenarios in years 2050 and 2070

圖6 2050年和2070年GISS-E2-R情景下預(yù)測(cè)的林火發(fā)生概率Fig.6 Predicted fire occurrence probability under GISS-E2-R scenarios in years 2050 and 2070

圖7 2050年和2070年GFDL-CM3的未來(lái)和當(dāng)前氣候情景之間火災(zāi)發(fā)生概率的相對(duì)變化Fig.7 Relative changes in fire occurrence probability between future and current climate scenarios for the GFDL-CM3 in years 2050 and 2070

圖8 2050年和2070年GISS-E2-R的未來(lái)和當(dāng)前氣候情景之間火災(zāi)發(fā)生的相對(duì)變化Fig.8 Relative changes in fire occurrence between future and current climate scenarios for the GISS-E2-R in years 2050 and 2070

例如,Bisquert M等[34]利用MODIS數(shù)據(jù)預(yù)測(cè)加利西亞森林火災(zāi)危險(xiǎn)性,精確度為65%—70%。Natalie Arndt等[35]利用模型評(píng)估奧地利的森林火險(xiǎn),驗(yàn)證數(shù)據(jù)集的正確率為63.0%。楊夏捷等[36]結(jié)合氣候、植被、地形及人口和社會(huì)經(jīng)濟(jì)數(shù)據(jù),對(duì)福建南部地區(qū)主要森林城市進(jìn)行森林火險(xiǎn)等級(jí)劃分,通過(guò)驗(yàn)證得到模型的預(yù)測(cè)準(zhǔn)確率為74.0%。增強(qiáng)回歸樹(shù)模型被廣泛應(yīng)用于世界其他地區(qū)林火的研究中,如新西蘭[37]、美國(guó)加利福尼亞州[38]、西班牙等地[39],研究結(jié)果均表明模型能較好的識(shí)別林火發(fā)生的關(guān)鍵因子及預(yù)測(cè)林火的空間分布。

本研究表明,年均氣溫和海拔與林火的發(fā)生表現(xiàn)出較強(qiáng)的相關(guān)性,而年均降水量、居民點(diǎn)距離、人口密度、道路距離與林火發(fā)生的相關(guān)性較弱,植被類(lèi)型作用不明顯。在年均溫15—19℃時(shí),林火呈上升趨勢(shì)。這是由于溫度的增加,會(huì)直接影響林內(nèi)的相對(duì)濕度,加速可燃物內(nèi)部水分的蒸發(fā)[40],從而提高了著火的可能性。海拔對(duì)火災(zāi)的發(fā)生有顯著影響[41],在低海拔地區(qū),人類(lèi)活動(dòng)較集中,易形成火源而引發(fā)火災(zāi)[42]；在高海拔地區(qū)則相反。年均降水量對(duì)林火的影響總體上呈下降趨勢(shì)(負(fù)相關(guān))[43]。降水量越大,植物含水量增多,地表可燃物濕度大[44],不易引發(fā)林火。距居民點(diǎn)和道路距離越遠(yuǎn),受人為干預(yù)因素影響越小,可達(dá)性弱,森林火災(zāi)發(fā)現(xiàn)晚,不能及時(shí)進(jìn)行撲救,越易造成較大的危害[45-46]。人口密度與林火在總體上呈正相關(guān)。在林區(qū)人口密度越大,林火發(fā)生的次數(shù)越多[47-48]。總體來(lái)看,在江西省這樣的省域尺度上,氣候是控制林火發(fā)生的主導(dǎo)因素；地形和人類(lèi)活動(dòng)因子的貢獻(xiàn)率僅次于氣候；植被類(lèi)型的貢獻(xiàn)率最低。本研究采用的氣候因子為溫度和降水。風(fēng)速、空氣相對(duì)濕度等因子亦是影響林火發(fā)生時(shí)空格局的直接因子,將風(fēng)速等因子納入林火預(yù)測(cè)是今后的重要研究方向。

氣候因素是預(yù)測(cè)林火發(fā)生的重要因子[49]。預(yù)測(cè)得出江西省各地區(qū)未來(lái)林火發(fā)生的變化狀況各不相同。在江西南部地區(qū),將繼續(xù)保持較高的林火發(fā)生概率,北部地區(qū)隨著氣候的變化,林火發(fā)生增加趨勢(shì)明顯。在RCP8.5情景下,林火發(fā)生的概率值最高,且GFDL-CM3模型預(yù)測(cè)林火發(fā)生的概率值高于GISS-E2-R模型。這是由于RCP8.5是高濃度排放情景,增溫趨勢(shì)高于RCP2.6和RCP4.5情景。溫度升高,可燃物蒸發(fā)量增大,會(huì)導(dǎo)致火險(xiǎn)升高。這與其他相關(guān)研究一致[50]。兩種模式下的溫度均升高,GISS-E2-R的降水量減少,GFDL-CM3的降水量增加。由于降水量的變化有季節(jié)差異,冬弱春夏強(qiáng)[51],而江西省林火的發(fā)生多集中在冬季,所以降水的變化對(duì)林火的發(fā)生影響較小,主要依賴于溫度的升高。

林火發(fā)生概率的空間預(yù)測(cè)對(duì)林火管理有重要的指導(dǎo)意義。本文研究結(jié)果表明在未來(lái)氣候情景下,江西省南部森林火災(zāi)的發(fā)生概率較高。因此,林業(yè)管理部門(mén)應(yīng)將防火重點(diǎn)放在該區(qū)域。首先,加強(qiáng)高火險(xiǎn)區(qū)域監(jiān)測(cè)[52]及森林可燃物管理[53],從源頭上解決林火安全問(wèn)題；其次,合理調(diào)控?fù)渚荣Y源配置,及時(shí)發(fā)現(xiàn)火情,快速滅火,降低林火的危害；最后,要加大對(duì)當(dāng)?shù)孛癖姷姆阑鹦麄鹘逃?樹(shù)立森林資源可持續(xù)發(fā)展的理念。

4 結(jié)論

本研究根據(jù)江西省歷史林火和環(huán)境因子數(shù)據(jù),利用增強(qiáng)回歸樹(shù)模型,揭示了各因子對(duì)林火空間分布的影響,并結(jié)合未來(lái)氣候情景,預(yù)測(cè)林火未來(lái)分布變化。結(jié)果表明,氣象因子中的年均溫對(duì)林火的貢獻(xiàn)率最大,且在未來(lái)氣候變化的影響下,高排放RCP8.5情景中林火發(fā)生增幅最為明顯,其增幅較大的區(qū)域由贛南向贛北移動(dòng)。