江西省土壤墑情與林火關系研究

凌 婷，龍余良，張 思

(1. 江西省氣象服務中心，330046，南昌；2. 云南省氣象信息中心，650034，昆明)

0 引言

氣象因子被認為是影響林火發(fā)生的潛在重要因素，國內(nèi)氣象部門對此做了大量的分析研究。中央氣象臺曾利用T213數(shù)值預報產(chǎn)品日最高氣溫、最小相對濕度、最大風速、24 h降水預報，計算未來5 d逐日森林火險天氣綜合指數(shù)，并建立了森林火險氣象等級中短期預報系統(tǒng)[1]。湖北省氣象局綜合運用多種回歸技術，研發(fā)了不同時間尺度森林火險預報模型。吉林省氣象局[2]采用1952—2010年森林火災次數(shù)資料和全省氣象站資料，分析該省林火次數(shù)時間變化特征及其與氣象條件的關系，指出林火次數(shù)與降水、相對濕度、氣溫、風速等氣象因子關系密切。此外福建、黑龍江、貴州、云南、陜西、內(nèi)蒙古等森林覆蓋面積較多的省份也在林火的預報預警方面做了諸多的研究，并已將一些相關結(jié)論投入到了氣象服務的應用中。

除了氣象部門以外，很多專家學者也做了大量的研究工作。王梅[3]等采用氣象和雷擊火災資料研究大興安嶺地區(qū)夏季森林火災的時空分布規(guī)律和周期變化以及影響因子。王研峰[4]等研究了氣溶膠產(chǎn)品在林火檢測中的適用性。杜帥[5]等針對通化市林火特點，引入了加拿大天氣指標系統(tǒng)。梁慧玲[6]等通過研究指出，日最小相對濕度、細小可燃物濕度碼和干旱碼是影響林火發(fā)生的主要氣象因子。

由此可見，大部分研究部門和學者對林業(yè)氣象火險的研究主要集中在空氣的溫濕條件、植被和地形地貌的關系研究上，對土壤墑情與山火關系的研究還較少。但土壤墑情與降水、日照時間、溫度等多個氣象因子以及植被、地形地貌等關系密切，是綜合性較強的影響因素。且土壤水分是植物耗水的主要直接來源，對植物的生理活動有重大影響。江西省森林覆蓋面積較廣，林場山地較多，每年因山火而造成的經(jīng)濟損失數(shù)以萬計，所以土壤墑情與林火的關系具有較為重要的研究意義和實踐價值。

1 資料說明

所用資料有2013—2015年江西省衛(wèi)星監(jiān)測熱點和地面核查反饋數(shù)據(jù)，同時段江西省52個土壤水分站資料(包括土壤體積含水量、相對濕度、重量含水量、有效水分貯存量)，分析了熱點時空分布特征，對江西省土壤墑情分布特征做了討論，并利用二元logistic回歸分析討論了二者之間的相關關系。

2 熱點分布概況

衛(wèi)星監(jiān)測熱點本質(zhì)是地面高溫熱源[7]，對范圍較大的野外火源甄別效果較好，且有地面核查反饋數(shù)據(jù)以證實其真實可靠性。因此，可以用來探討熱點本身及其導致的林火的空間分布特征。從2013―2015年江西省森林熱點頻次總分布來看(圖1)，林火頻次密度較大的地區(qū)主要集中在江西的西部、贛東北和贛南南部。對比月分布(圖略)和氣象上的季節(jié)分布(圖2，冬季：12—2月，春季：2—4月，夏季：5—8，冬季9—11月)，林

圖1 (a)2013—2015年江西省森林熱點頻次總分布、(b)江西省土地利用圖

(a)12—2月；(b)3—5月；(c)6—8月；(d)9—11月

火主要發(fā)生在冬季，以1月和12月為最，夏季5—9月基本無林火，春秋兩季林火發(fā)生的概率也比較小，且春季贛南南部林火密度相對大些。除去燒秸稈、烤火爐，以及年節(jié)放鞭炮等冬季容易引發(fā)火災的人為因素外，自然氣象條件也占了很大一部分原因，冬季風干物燥，空氣相對濕度較低，極易產(chǎn)生火災，所以森林火險等級會高于其他季節(jié)。

3 土壤墑情分布概況

土壤水分站是氣象部門經(jīng)過嚴格的選址、場地建設、儀器布設，建立了自動土壤水分觀測站，用自動土壤水分觀測儀對土壤墑情進行觀測而得到的，其觀測到的不同深度(10 cm、20 cm、30 cm、40 cm、50 cm、60 cm、80 cm、100 cm)的土壤體積含水量、相對濕度、重量含水量、有效水分貯存量等參數(shù)都具有較高的可用性。圖3為江西省52個土壤水分站的空間分布位置，贛北南部和贛中的站點分布密度比全省其他地區(qū)要大，且除了贛南，基本涵蓋了圖1中火災發(fā)生的主要范圍。

圖3 江西省土壤墑情站站點分布(三角形為下文所需樣本站點)

3.1 月變化特征

從多個土壤水分站的時空變化圖(略)來看，測得的幾個參數(shù)自變化趨勢較一致，且自變化特征具有相似性，所以選取宜豐站為代表站點討論江西省土壤墑情的時空分布特征。從月平均趨勢來看，1月份不同深度土壤濕度在12個月中都是最高的，而10月為最低。3—6月雖然為江西汛期，對應降水量峰值期，但因為7—10月平均每月20—24 h的日照時長，且9—10月全省降水量都較少，使得土壤中存儲的大量水分急速蒸發(fā)卻得不到補充，所以10月份成為全年土壤最干的一個月。11月為江西秋季暴雨的集中時期，對土壤水分又有了補充，加之冬季日照時長短于夏季，土壤中水分蒸發(fā)能力下降，使得1月份土壤最為濕潤。

圖4 (a)土壤體積含水量和月平均降水量隨時間變化；(b)土壤質(zhì)量含水率和日照時數(shù)隨時間變化

(a)土壤體積含水量；(b)土壤質(zhì)量含水率；(c)土壤有效水分貯存量

圖5可見，整個垂線方向上1—10月土壤絕對濕度都呈現(xiàn)遞減的現(xiàn)象，與上文月均變化特征一致。30 cm到地面之間土壤濕度隨深度的加深而增加，30～40 cm以下隨著土層的加深，濕度減小，所以土壤墑情整體呈現(xiàn)“增加-略平緩-減小”的趨勢，這可能與測站附近降水以及降水再分配、植被根系數(shù)量、根系分布深度、土壤孔隙度和氣候條件等因素有關[8]。

3.2 空間分布特征

由于土壤墑情站所測的參數(shù)(包括土壤體積含水量、相對濕度、重量含水量、有效水分貯存量)在時間序列和垂直方向上分布特征大致相同，所以選取質(zhì)量含水率這一參數(shù)來表征土壤墑情特征。且由上文可知，不同深度土壤質(zhì)量含水率不同，變化特征也不盡相同。由于降水和蒸發(fā)是土壤濕度變化的直接影響因子[9]，從上文可知，層次越深土壤濕度隨外界條件變化反饋越緩慢，50 cm以下開始出現(xiàn)滯后現(xiàn)象，所以采用四點法[10]，選取各站垂直平均質(zhì)量含水率，按取樣深度10 cm、20 cm、30 cm和40 cm來計算。公式如下：

P=(P0.1+P0.2+P0.3+P0.4)/4

式中：P為垂直平均土壤含水率(%)，Pi為不同深度(i=0.1 m、0.2 m、0.3 m、0.4 m)的測點土壤含水率(%)。

分析可得，各月的垂直平均土壤含水率空間分布大致相同，由上文分析選取高值(1月)和低值(10月)2個月來討論(圖6)。從整體空間分布來看，江西的西部以及贛東北和贛南南部較全省其他地區(qū)土壤更加濕潤，即植被森林覆蓋地區(qū)的土壤濕度較裸地和旱地都要高些，一定程度上表明林地儲水能力較強。

(a)1月 (b)10月

4 二元logistic回歸分析

上文分析了江西省土壤墑情和森林熱點各自的時空分布特征，得到一些簡單的規(guī)律結(jié)論，而兩者之間是否有相關性，山火是否可以通過土壤墑情的變化來進行概率預測是實際應用中迫切需要了解和解決的問題。而logistic回歸分析，則可以滿足以上分析需求。

4.1 原理與公式

logistic回歸是利用回歸類似的方法來解決分類問題，指對目標概率進行Logit變換，而二元logistic回歸則是二分類問題，輸出概率p的數(shù)據(jù)集合為{0,1}，對應本文中發(fā)生火災為1，未發(fā)生火災則為0。記{Xi}為自變量值，把p的某個線性函數(shù)假設為變量的函數(shù)形式，進行Logit變換，即：

其中β0,β1,β2,…,βi為邏輯回歸系數(shù)[11]。

4.2 自變量選取和抽樣說明

“日照時數(shù)”“平均相對濕度”“日最高地表氣溫”等氣象因子被認為與林火發(fā)生關系密切[12]，但由于二元logistic回歸分析要求自變量之間為非共線性，而模型中用來代表土壤墑情的物理量土壤質(zhì)量含水率p，與這些氣象要素之間存在相關關系(檢驗略)，所以都不能被選為模型分析的自變量。上文分析山火發(fā)生頻數(shù)具有明顯的月分布特征，且土壤墑情與降水量、日照時長等關系密切，所以選取月份和連晴天數(shù)以及土壤質(zhì)量含水率p來進行回歸分析。

根據(jù)祝必琴[13]等研究得出的江西省森林火險精細化綜合區(qū)劃圖，選取高火險地區(qū)的13個土壤水分站作為取樣站點(圖3)，以天為樣本的計數(shù)單位，去掉持續(xù)發(fā)生火災的天數(shù)，統(tǒng)計得出由未發(fā)生火災到發(fā)生火災共46 d，對比火災前的降水日期，得出連晴天數(shù)。利用SPSS統(tǒng)計分析軟件對未發(fā)生火災天數(shù)進行隨機抽樣，得到354 d無火災樣本，由于354:46 < 10:1，所以不會因為0和1的樣本量懸殊而導致分析結(jié)果出現(xiàn)較大的差異。

4.3 結(jié)果分析

利用SPSS統(tǒng)計分析軟件對這400個樣本做了二元logistic回歸分析得出表1，模型輸出結(jié)果包括了偏回歸系數(shù)(B)、標準誤(S.E.)、Wals卡方、自由度(df)、顯著性(sig)和優(yōu)勢比(Exp(B))。因為自變量月份為不連續(xù)性的多分類變量，其數(shù)值不具備實際物理意義，所以需要將其量化，故設啞變量。為了避免完全的多重共線性，以12月為參考，引入11個啞變量，則代表月份的自變量可以寫成：

Y=b1M1+b2M2+…+bmMm，

其中：m=1,2,3,…,11；bm為m月的啞變量對應的偏回歸系數(shù)；Mm取值為0或1，m對應相應月份時，Mm=1，其余月份Mm=0，當所有Mm都取0時，Y=0表示12月份。

表1 模型輸出結(jié)果

分析Wals卡方和顯著性sig，10～40 cm的土壤質(zhì)量含水率、連晴天數(shù)和月份對應的卡方值較大，sig均小于0.05，即這3個自變量對火災的發(fā)生影響顯著。從啞變量的對應參數(shù)來看，1月、2月、3月和11月更容易發(fā)生火災，而5―8月基本沒有火災，9—10月相對于12月發(fā)生火災的概率要小得多，這一結(jié)論與各月的火災頻次分布一致。

用logistic回歸模型計算預測值得出預測概率(表2)，非火災樣本預測率為82.2%，火災樣本預測率為76.1%，總預測率為81.5%，預測結(jié)果較好。

表2 分類表

4.4 模型驗證

為了驗證回歸分析結(jié)果，用SPSS繪制ROC曲線(圖7)，并計算AUC值。ROC曲線表示擬合數(shù)據(jù)與實測數(shù)據(jù)的關系，常用來驗證模型的合理性。對于一個二分類問題，橫軸(1-特異性)表示假陽性率，即對應被錯誤識別為火災的非火災樣本占所有非火災樣本的比例，縱軸(敏感度)表示真陽性率，即模型識別出的火災樣本占所有火災樣本的比例。當模型閾值發(fā)生改變時，橫軸縱軸也在變化，由此繪制ROC曲線。當假陽性率越接近0，真陽性率越接近1，則模型識別效果越好。所以本模型中ROC曲線位于X=0和Y=X(圖7直線)兩函數(shù)曲線之間，表明火災擬合結(jié)果較好。AUC值是度量驗證模型的一個標準，其表示ROC曲線(圖7曲線)以下的面積，值為0.864，比較接近1，即模型模擬結(jié)果較好。

圖7 ROC曲線

5 結(jié)論

文章在分析了2013—2015年江西省土壤墑情和林火的時空分布特征的基礎上，利用二元logistic回歸分析討論了兩者之間的關系，得出如下結(jié)論。

1)林火分布主要集中在江西的西部、贛東北和贛南南部，且冬季林火發(fā)生頻次和火險等級高于其他季節(jié)。

2)林地儲水能力普遍強于裸地和旱地。受降水集中期影響，土壤墑情呈現(xiàn)明顯的月分布變化，1月份最高，10月為最低。而在垂線方向上土壤墑情則是“增加-略平緩-減小”的趨勢，層次越深土壤濕度隨外界條件變化反饋越緩慢。

3)做二元logistic回歸分析，10～40 cm的土壤質(zhì)量含水率、連晴天數(shù)和月份對火災的發(fā)生影響顯著。通過模型檢驗，ROC曲線位于X=0和Y=X之間，且AUC值較接近1，火災預測模型擬合結(jié)果較好。

4)文章僅就3 a的數(shù)據(jù)做了分析，不能完全包含所有特征，未來的工作中需要抽取更多的樣本來進行檢驗和訂正。