基于GIS的溆浦縣森林火災(zāi)潛在風(fēng)險地圖制作

付小春

摘 要 森林防火是森林資源保護(hù)工作的重要內(nèi)容。繪制森林火災(zāi)潛在風(fēng)險地圖，是一種有效的林火管理措施。為探究森林火災(zāi)潛在風(fēng)險，有效預(yù)防森林火災(zāi)，以湖南省懷化市溆浦縣為研究區(qū)域，利用地理信息系統(tǒng)（Geographic Information System，GIS）技術(shù)，參考統(tǒng)計年鑒等資料，選取歸一化植被指數(shù)、年平均溫度、地形濕度指數(shù)、海拔、坡度和距道路距離等6個風(fēng)險因子，運用層次分析法對研究區(qū)的林火風(fēng)險進(jìn)行定量評價，并繪制森林火災(zāi)潛在風(fēng)險地圖，劃分森林火災(zāi)等級。結(jié)果顯示：研究區(qū)屬于中高風(fēng)險和高風(fēng)險區(qū)域合計占比為41.68%，中高風(fēng)險和高風(fēng)險主要分布在中部城市和道路周圍；MODIS熱點數(shù)據(jù)驗證結(jié)果顯示，分布在中高風(fēng)險和高風(fēng)險的熱點合計達(dá)到80.14%，說明運用的森林火災(zāi)潛在風(fēng)險地圖制作方法具有較高準(zhǔn)確性，可為當(dāng)?shù)厣仲Y源保護(hù)、林火預(yù)警、防火資源配置提供基礎(chǔ)參考。

關(guān)鍵詞 地理信息系統(tǒng)（GIS）；森林火災(zāi)風(fēng)險；湖南省懷化市溆浦縣

中圖分類號：S762 文獻(xiàn)標(biāo)志碼：A DOI：10.19415/j.cnki.1673-890x.2023.06.024

森林火災(zāi)風(fēng)險是在特定區(qū)域，多種因素綜合作用下，發(fā)生著火和蔓延的可能性[1]。溆浦縣是湖南省林業(yè)重點縣，也是森林防火重點縣。本文參考相關(guān)學(xué)者的研究，結(jié)合研究區(qū)實際情況，借助地理信息系統(tǒng)（Geographic Information System，GIS）技術(shù)，選取地形濕度指數(shù)、歸一化植被指數(shù)、年平均溫度、海拔、坡度和距道路距離等6個風(fēng)險因子，在定量評估的基礎(chǔ)上，對溆浦縣的森林火災(zāi)潛在風(fēng)險等級進(jìn)行劃分。

1 材料與方法

1.1 試驗區(qū)概況

研究區(qū)為湖南省懷化市溆浦縣，地形以山地丘陵為主，海拔100～1 700 m，氣候類型屬亞熱帶季風(fēng)性濕潤氣候。境內(nèi)森林資源豐富，森林覆蓋率約為67.49%。根據(jù)溆浦縣2012—2020年統(tǒng)計年鑒資料，境內(nèi)森林火災(zāi)頻發(fā)，多發(fā)生在春秋季節(jié)的防火期（11月至翌年4月）。

1.2 數(shù)據(jù)獲取與預(yù)處理

研究中獲取的數(shù)據(jù)及產(chǎn)品信息如表1所示。

對獲取的道路矢量數(shù)據(jù)，在ArcGIS 10.8中裁剪、拼接，得到研究區(qū)的道路矢量分布圖。對獲取的DEM數(shù)據(jù)，在ENVI 5.3中進(jìn)行鑲嵌、裁剪等處理，得到研究區(qū)的DEM分布圖；對獲取的Landsat 8遙感影像，在ENVI 5.3中進(jìn)行輻射定標(biāo)、大氣校正、鑲嵌、按掩膜提取等處理，為后續(xù)研究分析做準(zhǔn)備。

MODIS熱點數(shù)據(jù)常用于森林火災(zāi)監(jiān)測研究。該數(shù)據(jù)的火災(zāi)信息來自Aqua和Terra衛(wèi)星上MODIS傳感器的火災(zāi)數(shù)據(jù)產(chǎn)品MCD14DL，空間分辨率為1 km，每個MODIS熱點表示1 km像素的中心。在ArcGIS 10.8中對獲取的MODIS熱點數(shù)據(jù)進(jìn)行裁剪，篩選置信度大于50%、火災(zāi)類型為植被火災(zāi)的熱點，共獲得141個MODIS熱點數(shù)據(jù)。

1.3 參考資料

以溆浦縣2010—2018年的統(tǒng)計年鑒為參考，期間共發(fā)生42起森林大火，多在城鎮(zhèn)、道路等附近的林區(qū)發(fā)生?；馂?zāi)主要由人類活動引發(fā)，包括清明祭祀、丟棄煙頭、燒土坎、林區(qū)內(nèi)違規(guī)用火和野外非法用火等行為。參考統(tǒng)計年鑒信息，為后續(xù)的森林火災(zāi)風(fēng)險因子的等級分類、風(fēng)險因子權(quán)重分配分析做準(zhǔn)備。

1.4 技術(shù)路線

參考統(tǒng)計年鑒、相關(guān)文獻(xiàn)等資料，選取歸一化植被指數(shù)（NDVI）、年平均溫度、地形濕度指數(shù)、海拔、坡度和距道路距離等6個風(fēng)險因子，運用層次分析法（Analytic Hierarchy Process，AHP）確定各因子的權(quán)重，繪制研究區(qū)森林火災(zāi)潛在風(fēng)險地圖，劃分森林火險等級，并利用MODIS熱點數(shù)據(jù)驗證結(jié)果的準(zhǔn)確性，技術(shù)路線如圖1所示[2-3]。

2 結(jié)果與分析

2.1 森林火災(zāi)風(fēng)險因子計算

2.1.1 歸一化植被指數(shù)

NDVI能反映植被生長狀況、植被豐度等信息，常用于植被監(jiān)測、林火研究。對預(yù)處理后的Landsat 8

遙感影像數(shù)據(jù)，利用近紅外和紅外波段計算得到研究區(qū)的NDVI，計算公式如（1）所示。

（1）

式中，Rnir為近紅外波段的反射率，Rred為紅外波段的反射率。

2.1.2 海拔、坡度、地形濕度指數(shù)

海拔和坡度會影響氣溫、降水、濕度、風(fēng)速等因子，從而影響森林火災(zāi)。海拔由預(yù)處理后的DEM數(shù)據(jù)得到，然后在ArcGIS 10.8中計算得到坡度。地形濕度指數(shù)可反映土壤干濕狀況，對地表死可燃物含水率有直接影響，其計算公式如（2）所示。

（2）

式中，ITW為地形濕度指數(shù)；VSCA為單位面積的匯流量，由DEM數(shù)據(jù)在ArcGIS 10.8中計算得到；θslope為坡度。

2.1.3 距道路距離、年平均溫度

研究區(qū)的森林火災(zāi)多發(fā)生在人類活動頻繁地區(qū)，對預(yù)處理后道路數(shù)據(jù)，利用ArcGIS 10.8中的歐式距離工具，計算得到距道路距離的柵格分布圖。獲取的溫度數(shù)據(jù)為NetCDF格式，在ArcGIS 10.8中將其轉(zhuǎn)成TIFF格式，并將空間分辨率重采樣到30 m，裁剪后得到研究區(qū)的年平均溫度分布圖。

2.2 各風(fēng)險因子等級與權(quán)重

在GIS中集成森林火災(zāi)信息時，不同類型森林火災(zāi)風(fēng)險因子的屬性、特征和分類標(biāo)準(zhǔn)不同，使得其成為一個多標(biāo)準(zhǔn)的分析問題?；跀?shù)學(xué)和專家知識的層次分析方法，能很好地解決該問題[4-5]。

運用AHP分析方法，確定了研究區(qū)的6個森林火災(zāi)風(fēng)險等級和權(quán)重值，如表2所示。

2.3 森林火災(zāi)風(fēng)險指數(shù)計算

依據(jù)確定的各風(fēng)險因子的權(quán)重值，在GIS中將各風(fēng)險因子圖層疊加。在ArcGIS 10.8中，按照公式（3）計算每個像元的森林火災(zāi)綜合風(fēng)險指數(shù)（Combined Fire Risk Index，CFRI）。

（3）

式中，ICFR是森林火災(zāi)綜合風(fēng)險指數(shù)；wi是因子的指標(biāo)權(quán)重值；xi是第i項指標(biāo)取值；n是評估指標(biāo)標(biāo)準(zhǔn)數(shù)。

2.4 制圖

依據(jù)森林火災(zāi)綜合風(fēng)險指數(shù)計算方法，在GIS中疊加計算得到研究區(qū)每個像元的CFRI。

因本文研究的對象是森林火災(zāi)，在ENVI 5.3中對預(yù)處理后的Landsat 8遙感影像采用最大似然法的監(jiān)督分類，將研究區(qū)劃分為林地、水域、建設(shè)用地、耕地、未利用地。依據(jù)土地利用分類結(jié)果，提取研究區(qū)的林地范圍，并轉(zhuǎn)成矢量格式，最后用林地矢量裁剪CFRI柵格地圖，得到研究區(qū)林地范圍內(nèi)的CFRI柵格地圖。

在ArcGIS 10.8中，采用自然間斷法，將CFRI柵格地圖劃分為低、中低、中、中高、高5個等級，繪制研究區(qū)的森林火災(zāi)潛在風(fēng)險地圖，并利用獲取的2012—2020年的MODIS熱點數(shù)據(jù)覆蓋在地圖上來驗證結(jié)果的可靠性。如圖2所示，研究區(qū)屬于中高風(fēng)險和高風(fēng)險區(qū)域合計占比為41.68%，中高風(fēng)險和高風(fēng)險主要分布在中部城市和道路周圍，表明本地的森林火災(zāi)與人類活動有密切聯(lián)系。該研究結(jié)果與Wen和Sivrikaya等的研究結(jié)果一致[3，6]。

3 結(jié)論

MODIS熱點統(tǒng)計結(jié)果顯示，141個MODIS熱點分布在低、中低、中、中高、高風(fēng)險等級的數(shù)量分別為5、13、10、78、35，占比分別為3.55%、9.22%、7.09%、55.32%、24.82%；中高風(fēng)險和高風(fēng)險合計占比達(dá)到80.14%，表明本文采用的森林火災(zāi)潛在風(fēng)險地圖繪制方法具有較高的準(zhǔn)確性，可以為當(dāng)?shù)氐纳仲Y源保護(hù)、林火預(yù)警、防災(zāi)減災(zāi)資源配置等提供參考；在森林火災(zāi)高風(fēng)險地區(qū)，應(yīng)當(dāng)采取嚴(yán)格的森林保護(hù)措施，包括設(shè)置森林防火帶和防火屏障、定期清除林下可燃物、配置森林消防資源和限制人類進(jìn)入林區(qū)等。

參考文獻(xiàn)：

[1] MATIN M， CHITALE V， MURTHY M S R， et al. Understanding forest fire patterns and risk in Nepal using remote sensing， geographic information system and historical fire data[J]. International Journal of Wildland Fire，2017，26（4）：276-286.

[2] HOANG T V，CHOU T Y，F(xiàn)ANG Y M，et al.Mapping forest fire risk and development of early warning system for NW Vietnam using AHP and MCA/GIS methods[J].Applied Sciences，2020，10（12）：4348.

[3] WEN H R，GUO Q Z，ZENG Y H，et al.Study on forest fire risk in Conghua district of Guangzhou city based on multi-source data[J].Natural Hazards，2022，114（3）：3163-3183.

[4] ZHAO P C，ZHANG F Q，LIN H F，et al.GIS-Based forest fire risk model：a case study in Laoshan National Forest Park，Nanjing[J].Remote Sensing， 2021，13（18）：3704.

[5] MALLINIS G， PETRILA M， MITSOPOULOS I， et al. Geospatial patterns and drivers of forest fire occurrence in Romania[J]. Applied Spatial Analysis and Policy，2019，12（4）：773-795.

[6] SIVRIKAYA F， K???K ?. Modeling forest fire risk based on GIS-based analytical hierarchy process and statistical analysis in Mediterranean region[J]. Ecological Informatics，2022，68：101537.

（責(zé)任編輯：張春雨）