大兴安岭塔河地区林火发生的优势预测模型选择

选取在经济学和社会科学领域广泛应用的零膨胀模型(zero-inflated models)和栅栏模型(Hurdle models)对大兴安岭地区林火发生进行模拟,应用赤池准则(AIC)、似然比检验(LR)和模型残差平方和(SSR)对两类共4个回归模型——零膨胀泊松模型(ZIP)、零膨胀负二项模型(ZINB)、栅栏泊松模型(PH)、栅栏负二项模型(NBH)进行拟合分析,最终选取适合此林火发生特性的预测模型.模型的AIC和SSR值表明,ZINB模型对当地林火数据的拟合度最高.运用LR检验对嵌套模型(ZINB与ZIP,NBH与PH)进行检验,结果显示: ZINB和NBH均优于各自的嵌入模型,说明负二项(NB)模型对数据结构中的过度离散现象可以很好地模拟和解释.根据研究区林火实际发生规律和两类不同模型的应用假设条件判断,零膨胀模型更适合塔河地区的林火特性.     

混合效应模型在林火发生预测中的适用性

林火是森林生态系统的重要影响因子,建立科学准确的林火预测预报模型对林火管理工作至关重要。本研究以不同气象因子为主要预测变量,基于Logistic回归和广义线性混合效应模型建立福建省林火发生预测模型,通过对比Logistic基础模型和广义线性混合效应模型的拟合度和预测精度,研究混合效应模型在林火预报中的适用性。结果表明: Logistic基础模型的受试者工作特征曲线下面积(AUC)值为0.664,验证准确率为60.4%。添加随机效应后,模型的拟合和检验精度均获得了提升。其中,考虑行政区划和海拔差异效应的两水平混合效应模型的表现最优,其AUC值和验证准确率分别比基础模型提升0.057和6.0%。用此混合效应模型对福建省各地区的林火发生概率进行预测的结果表明,福建省西北部和南部为林火中高发区域,西南部和东部为林火低发区域,与实际观测的火点分布一致。混合效应模型在数据拟合和林火发生预测方面均优于Logistic基础模型,可作为林火预测和管理的重要工具。     

基于负二项和零膨胀负二项回归模型的大兴安岭地区雷击火与气象因素的关系

雷击火的发生与气象因子之间存在着密切的关系。该文选用符合大兴安岭地区林火发生数据结构的负二项(negative binomial,NB)和零膨胀负二项(zero-inflated negative binomial,ZINB)两种模型对大兴安岭林区1980–2005年间雷击火的发生与气象因素间的关系进行建模分析,并与以往研究中所使用的最小二乘(OLS)回归方法相对比。使用SAS和R-Project统计软件进行模型拟合运算,计算得出模型各参数。结果表明,NB和ZINB模型对数据拟合较好,模型内各气象因子显著性水平较高,对雷击火发生次数均具有较好的预测能力。运用AIC和Vuong等检验方法,进一步比较了NB和ZINB模型对数据的拟合水平以及模型预测水平,结果表明ZINB模型无论在数据拟合还是模型预测上都要优于NB模型。提出了大兴安岭地区林火发生与气象因子关系的最优模型。     

不同模型对拟合大兴安岭林火发生与气象因素关系的适用性

选用符合林火发生数据结构的Poisson和零膨胀Poisson(ZIP)模型对大兴安岭林区1980—2005年间林火发生与气象因素关系进行建模分析,并与普通最小二乘回归(ordinary least squares,OLS)方法的结果进行了对比分析.结果表明:OLS模型对研究区域林火发生与气象因素关系的拟合结果较差(R2=0.215);Poisson和ZIP模型的拟合效果较好,具有较好的火灾次数预测能力,且ZIP模型的预测能力高于Poisson模型.运用AIC和Vuong检验方法对Poisson和ZIP模型的拟合水平进行进一步检验,表明ZIP模型的数据拟合度优于Poisson模型.     

基于广义线性模型和最大熵模型的黑龙江省林火空间分布模拟

林火分布模型是在较大区域上描述林火空间分布的强有力工具,并可以确定影响林火分布的控制因子.本研究基于黑龙江省1996-2006年的历史火烧记录数据,分别采用广义线性模型和最大熵模型分析了地形、人类活动和土地覆被类型等环境控制因子对黑龙江省林火空间分布的影响,并比较了模型预测精度、评价环境变量重要性及预测火点概率分布图等.结果表明:两个模型的预测精度达中等水平,而最大熵模型的预测精度要略高于广义线性模型.总体而言,与人类活动相关的变量是林火分布模型最佳的环境变量,地形变量次之.尽管两个模型在预测精度和环境变量重要性方面都有很大的相似性,但最大熵模型产生的火点概率图空间格局与广义线性模型产生的明显不同.本研究说明,为了更加精确地确定森林火灾发生的热点地区,应该采用不同模型进行比较,或者有选择性地进行组合以产生综合的预测结果,从而为森林防火工作提供更加合理高效的建议.     

比较逻辑斯蒂与地理加权逻辑斯蒂回归模型在福建林火发生的适用性

林火预测预报是科学有效进行林火管理的前提,是林业管理部门和科研工作者的广泛关注的领域。逻辑斯蒂回归(Logistic Regression,LR)是目前国内外广泛应用于森林火灾预测的模型方法,然而近年来有学者发现该方法没有充分考虑林火影响因子的空间相关性和异质性,从而导致模型拟合结果偏差。地理加权逻辑斯蒂回归(Geographically weighted logistic regression,GWR)模型考虑到了模型变量之间的空间相关性,有效提高的模型的拟合能力。为探讨GWLR模型在福建林火预测上的适用性,本研究应用LR和GWLR两种方法分别建立福建省森林火灾与气象因子的预测模型,通过模型拟合能力对比,判断在GWLR的适用性。研究以2000—2005年福建地区森林火灾卫星火点数据和每日气象因子为基础,将全样本分为60%的建模数据和40%的校验数据,并重复5次,建立5个样本组。选择在5个样本组中3个及以上表现显著的变量进入最终模型。研究结果表明GWLR在模型拟合度、模型残差、空间自相关性以及预测准确率等方面均优于LR模型,说明充分考虑模型变量的空间异质性有助于提高模型的预测精度,同时也验证了GWLR在福建地区林火预测上的适应性。此外,模型参数结果显示,"日最高地表气温"、"日最低地表气温"、"日平均风速"、"24小时降水量"、"日最高本站气压"、"日照时数"、"日最高气温"和"日最小相对湿度"8个因子对福建省林火发生有显著影响,研究结论为福建地区林火预测预报提供了新的方法。     

气候变化背景下江西省林火空间预测

林火是森林生态系统中重要的干扰因子之一,深刻地影响森林景观结构和功能。在全球气候化背景下,揭示气候变化对林火空间分布格局的影响,可为林火管理和防火资源分配提供科学指导。因此,基于江西省2001—2015年MODIS火影像数据(MCD14ML)和年均气温、年均降水量、植被、地形、人口密度、距道路距离、距居民点距离7个因子数据,利用增强回归树模型:(1)分析林火发生影响因子的相对重要性及其边际效应;(2)将GFDL-CM3和GISS-E2-R气候变化模式中的年均气温和年均降水量作为未来的气象数据,在3个温室气体排放量情景(RCP2.6、RCP4.5、RCP8.5)下,对2050年(2041—2060的平均值)和2070年(2061—2080的平均值)江西省林火分布进行预测,生成林火发生概率图。并采用受试者工作特征(ROC曲线)和混淆矩阵评估模型预测的精度。研究结果表明:(1)年均气温和海拔与江西省林火发生的相关性较强,年均降水量、居民点距离、人口密度、道路距离与林火发生的相关性较弱,但是与林火发生密切相关的如降水、风速等也应重点关注;(2)训练数据(70%)和验证数据(30%)的AUC值(ROC曲线下面积值)均为0.736,混淆矩阵对火点预测的正确率为67.8%,表明模型能够较好地预测研究区林火的发生;(3)在RCP8.5排放情景中林火发生的增幅最明显,其增幅较大的区域由赣南向赣北移动;(4)未来2050年和2070年林火发生与当前气候(2001—2015年)下相比,赣州市、鹰潭市的增幅较为明显,其他区域不明显。江西省各林业管理部门要加强林火高发区及潜在发生区的森林监测和管理,加大防火宣传力度,提升民众的森林防火意识。     

呼中林区火烧点格局分析及影响因素

林火是森林生态系统景观格局、动态和生态过程的重要自然驱动力,理解林火发生空间格局与影响因素对于林火安全管理具有重要的作用。采用点格局分析方法,以黑龙江大兴安岭呼中林区1990-2005年火烧数据为研究案例,分析了火烧点空间格局及其影响因素。结果表明,火烧点在空间上的分布是不均匀的,呈现聚集分布,存在一些火烧高发区和低发区。呼中林区火烧概率是0.004-0.012次/(km² · a),平均火烧概率为0.0077次/(km² · a)。人类活动因子、地形因子和植被因子对林火的发生均具有重要作用。应用空间点格局分析方法表明,距离居民点和道路的距离、高程、坡度和林型是影响林火发生的显著因子。因此在进行森林防火管理时,仅仅通过控制人类活动对于降低林火火险的效果是有限的,地形和林型也是林火防控时重点要考虑的因素。     

贵州省林火发生驱动因子及预测模型

中国西南林区火源复杂,人为干扰大,多为喀斯特地貌和农林交错区,山形复杂,是中国林火发生的重灾区。分析该区域林火发生驱动因子,并进行火险区划,对于该地区合理的林火管理工作具有重要意义。本研究以西南地区的贵州省为对象,基于2011—2020年的森林火点数据、地理空间数据、气象数据、植被数据和人类活动数据等,利用ArcGIS 10.7的空间分析和R Studio等软件分析贵州省近10年林火分布时空格局,得到林火发生的驱动因子和概率预测模型,分别绘制春夏秋冬4个季节的贵州省林火发生概率和森林火险区划图。结果表明：近10年,贵州省火点数量逐年呈下降趋势,每年主要集中在1—3月,占全年火点数量的61%;距居民点距离、距铁路距离、人口密度、逐月平均空气温度、逐月平均相对湿度和逐月累计降雨量对贵州省林火发生概率有显著影响,得到模型的预测准确率为81.9%,曲线下面积为0.904;贵州省春季林火发生概率高于其他季节,且春、秋和冬季的森林火灾高火险区主要集中在贵州省西部,而夏季则主要是贵州东部的林火发生概率较高。研究得到贵州省林火发生驱动因子和基于季节火险区划图,对于该地区科学林火管理具有重要意义,贵州西...     

基于投影寻踪理论的稻飞虱发生程度预测模型

稻飞虱发生程度与相关气候因子的数据大多具有高维非正态、非线性特征,采用统计预测法会出现预测效果的不稳定,采用人工神经网络预测模型需要较多的训练样本.投影寻踪模型把高维数据投影到低维子空间上,对数据结构进行分析,一定程度上解决了非线性、非正态问题.本文建立了浙江省新昌县单季晚稻稻飞虱主害代发生程度的投影寻踪预测模型,并与BP神经网络模型、线性回归模型的预测结果进行了对比.结果表明:投影寻踪模型优于BP神经网络模型、线性回归模型;投影寻踪模型的历史符合率和预测准确率均为100%;BP神经网络模型历史符合率达到100%,但预测偏差较大;线性回归模型历史符合率和预测偏差均较大.可见,投影寻踪模型在稻飞虱发生程度的预测上具有较好的应用前景.     

我国北方针叶林人为火发生的预测模型

我国北方针叶林带是重要的森林资源储藏地,也是林火发生的重灾区,其自然火和人为火所占比例相当. 气象因子、地形特征、植被条件、人为基础设施等因素对人为火发生具有显著影响,国内目前应用空间分析技术对北方针叶林带人为火影响因子的研究还存在一定不确定性. 本文基于1974—2009年间人为火的空间地理坐标,结合研究地的气象因子、基础地理信息及矢量化林相图,应用ArcGIS 10.0中的空间分析工具和SPSS 19.0的逻辑斯蒂回归模型对影响人为火发生的主要驱动因子进行分析,并建立人为火发生的概率模型. 利用HADCM2模式下研究区域未来气象数据对塔河地区2015年人为火发生情况进行计算.结果表明： 距离铁路距离（x₁）和平均相对湿度（x₂）对研究区域人为火发生具有显著影响,并得到火险概率模型P=1/［1+e^{-(3.026-0.00011x1-0.047x₂)}］. 模型校验结果显示,模型的准确度可达到80%.林火发生预测结果表明,塔河地区2015年 4—6月、8月为人为火高发期,其中,4—5月的林火发生概率最高.从火险空间分布来看,高火险主要集中在塔河西部和西南部,铁路线路主要包含在此区域.     

不同区域森林火灾对生态因子的响应及其概率模型

火灾是影响森林生态系统过程的重要干扰之一,其对森林生态系统内各生态因子的响应各不相同.由于植被状况及生态环境的不同,森林火灾的时空分布特征在中国不同植被气候类型内表现不同,根据植被气候类型分类系统,将中国主要森林火灾地区划分为4个区域:东北(冷温带松林)、华北(落叶阔叶林)、东南(常绿阔叶林)和西南(热带雨林),应用遥感监测数据和地面环境数据,以时空变量、生态因子(植被生长变化指数、湿度等)为可选自变量,应用半参数化Logistic回归模型,就森林火险对不同生态影响因子的响应规律进行了分析,建立了基于生态因子的着火概率模型和大火蔓延概率模型,通过模拟及实际数据散点图、火险概率图,评估了模型应用价值.结果表明,土壤湿度及植被含水量在落叶阔叶林、常绿阔叶林、热带雨林地区对着火概率影响显著.在4个植被气候区内,土壤及凋落物湿度对大火蔓延的作用较小.在冷温带松林、落叶阔叶林、常绿阔叶林地区,植被生长的年内变化对火灾发生的影响显著,在常绿阔叶林地区,年内植被生长变化对大火蔓延的作用较小.森林火险概率与各生态因子的相关关系主要呈现出非线性.不同植被气候区内,火险概率受不同生态因子组合的影响,这与不同区域的植被状况及生态环境不同有关.在不同植被气候类型,应用时空变量、生态因子建立半参数化logistic回归模型,进行着火概率和大火蔓延概率的模拟具有可行性和实际应用能力.为进一步分析森林生态系统与火灾之间的动态关系、展开生态系统火灾干扰研究提供了理论基础.     

Historic distribution and driving factors of human-caused fires in the Chinese boreal forest between 1972 and 2005

Aims The pattern and driving factors of forest fires are of interest for fire occurrence prediction and forest fire management. The aims of the study were: (i) to describe the history of human-caused fires by season and size of burned area over time; (ii) to identify the spatial patterns of human-caused fires and test for the existence of 'hotspots' to determine their exact locations in the Daxing'an Mountains; (iii) to determine the driving factors that determine the spatial distribution and the possibility of human-caused fire occurrence.Methods In this study, K -function and Kernel density estimation were used to analyze the spatial pattern of human-caused fires. The analysis was conducted in S-plus and ArcGIS environments, respectively. The analysis of driving factors was performed in SPSS 19.0 based on a logistic regression model. The variables used to identify factors that influence fire occurrence included vegetation types, meteorological conditions, socioeconomic factors, topography and infrastructure factors, which were extracted and collected through the spatial analysis mode of ArcGIS and from official statistics, respectively.Important findings The annual number of human-caused fires and the area burnt have declined since 1987 due to the implementation of a forest fire protection act. There were significant spatial heterogeneity and seasonal variations in the distribution of human-caused fires in the Daxing'an Mountains. The heterogeneity was caused by elevation, distance to the nearest railway, forest type and temperature. A logistic regression model was developed to predict the likelihood of human-caused fire occurrence in the Daxing'an Mountains; its global accuracy attained 64.8%. The model was thus comparable to other relevant studies.     

基于MAXENT模型的黑龙江大兴安岭森林雷击火火险预测

黑龙江大兴安岭是森林雷击火的高发地区,急需研发精确的火险预测模型对该区森林火灾进行预测.本文基于大兴安岭地区森林雷击火灾数据及环境变量数据,采用MAXENT模型进行森林雷击火的火险预测.首先对各环境变量进行共线性诊断,再利用累积正则化增益法和Jackknife方法评价了环境变量的重要性,最后采用最大Kappa值和AUC值检测了MAXENT模型的预测精度.结果表明: 闪电能量和中和电荷量的方差膨胀因子（VIF）值分别为5.012和6.230,与其他变量之间存在共线性,不能用于模型训练.日降雨量、云地闪电数量及云地闪回击电流强度是影响森林雷击火发生的3个最重要因素,日平均风速和坡向的影响较小.随着建模数据比例的增加,最大Kappa值和AUC值均有增大趋势.最大Kappa值都大于0.75,平均值为0.772; AUC值都大于0.5,平均值为0.859.MAXENT模型的预测精度达到中等精度,可应用于大兴安岭地区的森林雷击火火险预测.     

森林火灾碳排放计量模型研究进展

森林火灾是森林生态系统重要的干扰因子,是导致植被和土壤碳储量减少的重要途径之一.森林火灾含碳气体排放对大气碳平衡及全球气候变化具有重要影响,科学有效地对其进行计量,对了解森林火灾在全球碳循环和碳平衡中的地位具有重要意义.本文从3个方面阐述森林火灾碳排放计量模型的研究进展： 森林火灾直接排放总碳和含碳气体计量方法;森林火灾碳排放计量模型的影响因子及计量参数;森林火灾碳排放计量中不确定性原因剖析.最后提出了提高碳排放计量定量化的3种路径选择： 利用高分辨率遥感数据、改进算法、提高森林火灾面积的估测精度、结合有效可燃物计量模型,提高估测可燃物载量的准确率;使用高分辨率遥感影像,并结合室内控制实验、野外试验与火烧迹地调查确定燃烧效率;通过大量室内燃烧实验和野外空中采样来确定排放因子和排放比.