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。     

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.     

我国林火发生预测模型研究进展

通过文献回顾,总结了国内林火发生预测模型的研究现状,并从林火发生驱动因子、林火发生概率预测模型、林火发生频次预测模型和模型检验方法等方面进行归纳分析。得出以下结论: 1)气象、地形、植被、可燃物、人类活动等因素是影响林火发生及模型预测精度的主要驱动因子;2)林火发生概率模型中,地理加权逻辑斯蒂回归模型考虑了变量之间的空间相关性,Gompit回归模型适宜非对称结构的林火数据,随机森林模型不需要多重共线性检验,在避免过度拟合的同时提高了预测精度,是林火发生概率预测模型的优选方法之一;3)林火发生频次模型中,负二项回归模型更适合对过度离散数据进行模拟,零膨胀模型和栅栏模型可以处理林火数据中包含大量零值的问题;4)ROC检验、AIC检验、似然比检验和Wald检验方法是林火概率和频次模型的常用检验方法。林火发生预测模型研究仍是我国当前林火管理工作的重点,预测模型的选择需要依据不同地区林火数据特点。此外,构建林火预测模型时需要考虑更多的影响因素,以提高模型预测精度;未来,需要进一步探索其他数学模型在林火发生预测中的应用,不断提高林火发生预测模型的准确度。     

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。     

零膨胀模型在珍稀鱼类资源时空分布预测中的应用——以长江口刀鲚为例

物种分布模型在估计渔业资源栖息分布中已有广泛应用,但在珍稀鱼类资源的时空分布预测方面,数据零值过多的情况是模型选择时应考虑的重要问题,零膨胀模型是解决此类问题的有效手段。根据2009—2016年每个季度在长江口采集的刀鲚资源量与环境调查数据,运用零膨胀泊松(zero-inflated Poisson,ZIP)模型和零膨胀负二项(zero-inflated negative binomial,ZINB)模型建立了长江口刀鲚资源密度与水温等环境因子之间的关系,并运用最优模型对2017年各季节长江口刀鲚资源密度分布进行预测。结果表明:在零膨胀模型结果的第一部分,水温对刀鲚资源密度非零值的发生有显著正向影响;零膨胀模型结果的第二部分显示,经度与刀鲚资源密度的大小呈显著负相关,水温对刀鲚资源密度的大小有显著正向影响;相比最优ZIP模型,最优ZINB模型对数据拟合较好,并具有较好的预测能力;最优模型显示,刀鲚资源密度的预测值在空间上呈现自西向东逐渐减小的趋势,预测结果与实际观测值存在空间分布的一致性;在时间上呈现夏季春季秋季冬季的分布格局,这与水温的季节变化趋势一致。本研究将两种零膨胀模型应用于珍稀鱼类的时空分布预测,可为珍稀鱼类资源与环境之间的关系及其时空分布的研究提供参考。     

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。     

基于不同空间模型的马尾松林生态系统碳密度研究

以江西省马尾松林生态系统为研究对象,基于样地调查及样品碳含量测定结果计算其碳密度,并选取立地、植被及气象等方面的15个因子,采用多元线性逐步回归方法筛选出对生态系统碳密度影响显著的因子,然后分别利用最小二乘模型(OLS)、空间误差模型(SEM)、空间滞后模型(SLM)和地理加权回归模型(GWR)构建生态系统碳密度与其影响因子之间的关系模型,筛选出最优的拟合模型。结果表明:对马尾松林生态系统碳密度影响显著的因子分别为海拔、坡度、土层厚度、胸径、年均温度和年均降水量。4种模型拟合结果均显示碳密度与坡度呈负相关,与海拔、土层厚度、胸径呈正相关。模型的决定系数(R~2)由大到小分别为GWR(0.8043)SEM(0.6371)SLM(0.6364)OLS(0.6321),模型均方误差(MSE)与赤池信息准则(AIC)最大的均为OLS模型,最小的均为GWR模型;残差检验表明GWR模型能有效降低模型残差的空间自相关性。综合分析得出GWR模型的拟合效果最优,更适用于江西省马尾松林生态系统碳密度的估测。     

大兴安岭人为火发生影响因素及气候变化下的趋势

我国重要的北方针叶林地区大兴安岭是林火高发地区.受气候变暖影响,该地区林火发生频率将会发生显著变化.模拟人为火的发生分布与影响因素之间的关系、加强气候变化下人为火的发生分布预测,对于林火管理和减少森林碳损失具有重要作用.本文采用点格局分析方法,基于大兴安岭1967—2006年的火烧数据,建立人为火空间分布与影响因素之间的关系模型,该模型以林火发生次数为因变量,选取非生物因子(年均温和降水量、坡度、坡向和海拔)、生物因子(植被类型)和人为活动因子(距离道路距离、距离居民点距离、道路密度)共9个因子为自变量.并采用RCP 2.6和RCP 8.5气候情景数据代替当前气候情景预测2050年大兴安岭人为火的空间分布状况.结果表明: 点格局模型能够较好地模拟人为火发生分布与空间变量的关系,可以预测未来气候下人为火的发生概率.其中,气候因子对人为火的发生具有明显的控制作用,植被类型、海拔和人为活动等因子对人为火的发生也具有重要影响.林火发生预测结果表明,未来气候变化下,南部地区的林火发生概率将进一步增加,北部和沿主要道路干线附近将成为新的人为火高发区.与当前相比,2050年大兴安岭人为火的发生概率将增加72.2%～166.7%.在未来气候情景下,人为火的发生更多受气候和人为活动因素的控制.     

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。     

基于MODIS卫星火点的浙江省林火季节变化及驱动因子

研究林火变化趋势和驱动因子,可为林火预防和管理提供科学依据。本研究基于MODIS卫星火点数据,结合气象(日平均风速、日平均温度、日相对湿度、气温日较差、日累计降水)、人为(到公路距离、到铁路距离、到居民点距离、人口密度、人均GDP)、地形和植被因素(高程、坡度、植被覆盖度),运用趋势分析法、Logistic回归模型,对浙江省2001—2016年林火变化趋势和驱动因子进行研究。结果表明: 浙江省春、夏季林火呈显著上升趋势,秋、冬季林火呈先上升后下降趋势,秋季下降趋势显著。浙江省各季节林火预测模型拟合度均较高,模型预测准确率分别为75.8%(春季)、79.1%(夏季)、74.7%(秋季)和79.6%(冬季)。浙江省春、夏季林火发生与变化受气象、人为、地形和植被因素的显著影响;秋、冬季林火发生与变化主要受气象因素影响。在影响因素复杂、高火险区域分散的春、夏季,林火管理应重点加强人为活动管理和防火宣传教育;在秋、冬季,可通过在高火险区集中分布的西南地区增设瞭望塔和监控设备进行监测和管理。     

Modeling Forest Fire Occurrences Using Count-Data Mixed Models in Qiannan Autonomous Prefecture of Guizhou Province in China

Forest fires can cause catastrophic damage on natural resources. In the meantime, it can also bring serious economic and social impacts. Meteorological factors play a critical role in establishing conditions favorable for a forest fire. Effective prediction of forest fire occurrences could prevent or minimize losses. This paper uses count data models to analyze fire occurrence data which is likely to be dispersed and frequently contain an excess of zero counts (no fire occurrence). Such data have commonly been analyzed using count data models such as a Poisson model, negative binomial model (NB), zero-inflated models, and hurdle models. Data we used in this paper is collected from Qiannan autonomous prefecture of Guizhou province in China. Using the fire occurrence data from January to April (spring fire season) for the years 1996 through 2007, we introduced random effects to the count data models. In this study, the results indicated that the prediction achieved through NB model provided a more compelling and credible inferential basis for fitting actual forest fire occurrence, and mixed-effects model performed better than corresponding fixed-effects model in forest fire forecasting. Besides, among all meteorological factors, we found that relative humidity and wind speed is highly correlated with fire occurrence.     

Spatial modeling of data with excessive zeros applied to reindeer pellet‐group counts

We analyze a real data set pertaining to reindeer fecal pellet‐group counts obtained from a survey conducted in a forest area in northern Sweden. In the data set, over 70% of counts are zeros, and there is high spatial correlation. We use conditionally autoregressive random effects for modeling of spatial correlation in a Poisson generalized linear mixed model (GLMM), quasi‐Poisson hierarchical generalized linear model (HGLM), zero‐inflated Poisson (ZIP), and hurdle models. The quasi‐Poisson HGLM allows for both under‐ and overdispersion with excessive zeros, while the ZIP and hurdle models allow only for overdispersion. In analyzing the real data set, we see that the quasi‐Poisson HGLMs can perform better than the other commonly used models, for example, ordinary Poisson HGLMs, spatial ZIP, and spatial hurdle models, and that the underdispersed Poisson HGLMs with spatial correlation fit the reindeer data best. We develop R codes for fitting these models using a unified algorithm for the HGLMs. Spatial count response with an extremely high proportion of zeros, and underdispersion can be successfully modeled using the quasi‐Poisson HGLM with spatial random effects.     

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。     

内蒙古森林火灾发生风险及其驱动因素

森林火灾是危害森林健康的主要灾害之一,科学预测森林火灾是预防森林火灾的重要依据。以中国新旧森林火灾政策作为分界线,将内蒙古森林历史火灾数据分为四个阶段,基于增强回归树模型建立内蒙古森林火灾发生模型,预测森林火灾发生情况,解释不同时期森林火灾和火灾风险变化的差异。预测结果表明:(1)4个时期建模精度AUC均大于0.94,表明BRT模型能够较好地预测研究区森林火灾的发生;(2)气温日较差、日最小相对湿度、上一年春防累计降水量、上一年秋防累计降水量、上一年春防最高地表气温海拔、距火点最近公路距离被确定为影响内蒙古森林火灾发生的重要驱动因素。(3)新旧《森林防火条例》实施前后森林火灾风险等级变化:1981-1988年3月14日,中、高和极高森林火灾风险区分布在呼伦贝尔的东部,而2009-2020年中、高和极高森林火灾风险区分布在呼伦贝尔南部和中部、赤峰市的西南部、锡林郭勒盟和呼和浩特市的中部、乌兰察布市和包头市的南部以及鄂尔多斯市的东部。有助于了解不同时期《森林防火条例》影响下的内蒙古森林火灾的驱动因素和火险等级的变化,为优化森林火灾管理政策及预测预报工作提供科学依据。