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.     

基于随机森林算法的中国西南地区林火发生预测模型构建及驱动因子

林火直接破坏森林资源,改变森林的结构与功能,影响局地甚至全球气候状况并威胁人类生命和财产安全,在气候变暖背景下林火将更加频发,因此开展林火预测/预报研究至关重要。利用MODIS （Moderate-resolution Imaging Spectroradiometer）的温度异常/火产品（MOD14A1）获取逐日林火数据,分析了2001-2018年中国西南地区林火时空分布特征;采用随机森林算法,综合考虑气象、地形、可燃物状况及植被等林火驱动因子,构建了中国西南地区干、湿季林火发生预测模型,系统分析了西南地区干湿季林火发生的主要驱动因子。结果表明：（1）中国西南地区林火主要集中分布于云南大部、四川西南部及贵州南部地区,并呈集聚分布特征;林火多发于干季,占林火发生总次数的96.5%,年林火发生次数呈阶段性变化特征,2001-2014年呈现显著增加趋势,随后表现为不显著减少趋势;（2）构建的干、湿季林火发生预测模型能较准确地模拟林火发生状况：训练期模型准确率分别处于82.94%-83.99%与85.12%-90.31%之间,AUC （Area Under Curve）值分别处于0.908-0.914与0.922-0.965之间;测试期模型准确率分别为79.73%和83.27%,AUC值分别为0.886和0.855;（3）海拔是西南地区林火发生最关键的限制因子,林火多集中于中海拔区,而在低海拔和高海拔地区林火不易发生,这与人类活动密切相关。当日的气象条件是干季林火发生次重要的驱动因子,可燃物的温湿度状况则是湿季林火发生次重要的驱动因子。FWI系统指标（Fire Weather Index）在西南地区有较好的适用性且对于区域干湿季林火发生均有重要的影响,因此在西南地区林火预测/预报工作中有必要引入FWI系统指标。     

基于随机效应的兴安落叶松材积生长模拟

基于黑龙江省带岭林业局大青川林场80株人工兴安落叶松解析木数据和Logistic生长模型,分别考虑单木效应和样地效应,利用S-PLUS软件中的NLME过程拟合非线性材积生长模型,采用赤池信息准则(AIC)、贝叶斯信息准则(BIC)、对数似然值和似然比检验等模型评价指标对不同模型的精度进行比较.结果表明：当考虑单木效应影响时,b₁、b₂、b₃（分别代表Logistic模型中的渐进、尺度和形状的随机参数）同时作为随机参数时模型拟合效果最好; 当考虑样地效应影响时,b₁作为随机参数时模型拟合效果最好.基于单木效应和样地效应的混合模型的拟合精度高于基本模型（Logistic生长模型）,考虑单木效应影响的混合模型的精度高于考虑样地效应影响的模型.模型检验结果表明,随机效应模型不但能反映单木材积的总体平均变化趋势,还能反映个体之间的差异;随机效应模型通过校正随机参数值能提高模型的预测精度.     

基于人工神经网络的刚竹毒蛾发生面积的预测模型

根据神经网络的基本原理,结合福建省尤溪县气象因子及刚竹毒蛾发生面积的实测数据,建立神经网络模型。结果表明:所建立的BP神经网络模型,具有满意的拟合精度和预测精度。2个预留调查点的平均预测精度达96.55%,预测准确率为100%。     

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。     

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。     

利用线性混合效应模型模拟杉木人工林枝条生物量

基于福建省将乐林场45株人工杉木解析木的572组枝条生物量数据,采用线性混合效应模型方法,建立杉木人工林枝条总生物量和枝、叶生物量的预测模型,并利用独立样本数据对模型进行检验.结果表明： 线性混合效应模型比传统多元线性回归模型的拟合精度高.不同随机效应参数的组合,其混合模型的精度不同.考虑异方差结构的混合模型能够消除数据间的异方差性,其精度更高,其中,对于枝条总生物量和叶生物量模型,以指数函数作为异方差结构时的模型精度最高;对于枝生物量模型,以常数加幂函数作为异方差结构时的模型精度最高.模型检验结果表明：对于杉木人工林枝条生物量预测模型,考虑随机效应和异方差结构的线性混合模型的检验精度比传统多元线性回归模型的精度有明显提高.     

基于线性混合效应模型的日本鳀幼鱼叉长-体重关系异质性

为了研究日本鳀幼鱼生长的异质性,本研究根据2019年4—6月在浙江沿岸海域进行专项特许捕捞中采集的日本鳀幼鱼样品,采用拟合广义线性模型和9个线性混合效应模型,分析日本鳀幼鱼叉长与体重关系的异质性。结果表明: 本次采样的日本鳀幼鱼叉长范围为14～74 mm,平均叉长为33 mm,优势叉长组为21～50 mm;体重范围为0.01～2.96 g,平均体重为0.28 g,优势体重组为0.01～0.50 g。根据赤池信息准则,具有月份和水域对生长参数a、b随机效应的线性混合效应模型的拟合效果最优;交叉验证结果也证明了其预测效果最优。在最优模型中,生长参数a的固定值为0.24×10^-5,其估计值波动不明显,b的固定值为3.246,估计值范围为3.206～3.272,表示日本鳀幼鱼为正异速生长。这说明月份和水域对日本鳀幼鱼叉长与体重关系具有显著影响。     

广义岭回归在家禽育种值估计中的应用

讨论了岭回归方法应用于混合线性模型方程组中估计家禽育种值的方法,其实质是将传统的混合线性模型方程组理解为一种广义岭回归估计,为确定遗传参数的估计提供了一种途径;同时,以番鸭为例,考虑了一个性状和两个固定效应,采用广义岭回归法对公番鸭育种值进行了估计,并与最佳线性无偏预测法(BLUP 法)进行了比较,结果表明,广义岭回归方法和BLUP 法估计的育种值及其排序非常接近,其相关系数和秩相关系数分别达到了0.998~(**)和0.986~(**),且采用广义岭回归法预测的误差率低(在±10%以内);表明在混合线性模型方程组中使用广义岭回归估计动物育种值的方法具有可行性,并可省去估计遗传参数的过程,使BLUP 法在动物选育中的应用更具实用性.     

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.     

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。     

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.     

A novel fire danger rating model based on time fading precipitation model — A case study of Northeast China

With the increase of extreme climate and global warming, forest fires have become more frequent. Therefore, it is important to accurately predict whether fires will occur in forest in the future. Precipitation is an important factor that affects the probability of the occurrence of forest fires in the future. Previous models selected annual average precipitation, monthly average precipitation or drought days as the precipitation value, which the attenuation of precipitation is not considered. In this study, a time fading model is used to calculate the comprehensive precipitation index, which is an exponential weight decay model. The earlier the precipitation time, the smaller the weight. This method can better represent the effect of precipitation in predicting the occurrence of forest fires. Moreover, in this study, discrete fire points are converted into a continuous fire-point density. The structure of the prediction model is more reasonable, which is conducive to obtaining higher-precision prediction results. Besides, the SVM regression model was used to construct a forest fire danger rating model. In the same area, considering the comprehensive precipitation index compared with the average precipitation value, the accuracy of the three forest areas in northeastern China in the test set has been improved by about 5%. The accuracy rates of 90.13%, 93.04% and 87.5% can be achieved respectively.     

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.