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。     

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。     

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。     

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。     

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。     

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.     

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.     

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.     

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.     

Development of Standard Fuel Models in Boreal Forests of Northeast China through Calibration and Validation

Understanding the fire prediction capabilities of fuel models is vital to forest fire management. Various fuel models have been developed in the Great Xing''an Mountains in Northeast China. However, the performances of these fuel models have not been tested for historical occurrences of wildfires. Consequently, the applicability of these models requires further investigation. Thus, this paper aims to develop standard fuel models. Seven vegetation types were combined into three fuel models according to potential fire behaviors which were clustered using Euclidean distance algorithms. Fuel model parameter sensitivity was analyzed by the Morris screening method. Results showed that the fuel model parameters 1-hour time-lag loading, dead heat content, live heat content, 1-hour time-lag SAV(Surface Area-to-Volume), live shrub SAV, and fuel bed depth have high sensitivity. Two main sensitive fuel parameters: 1-hour time-lag loading and fuel bed depth, were determined as adjustment parameters because of their high spatio-temporal variability. The FARSITE model was then used to test the fire prediction capabilities of the combined fuel models (uncalibrated fuel models). FARSITE was shown to yield an unrealistic prediction of the historical fire. However, the calibrated fuel models significantly improved the capabilities of the fuel models to predict the actual fire with an accuracy of 89%. Validation results also showed that the model can estimate the actual fires with an accuracy exceeding 56% by using the calibrated fuel models. Therefore, these fuel models can be efficiently used to calculate fire behaviors, which can be helpful in forest fire management.     

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。     

火后泥石流研究进展

林火次生灾害的发生对环境质量和人类的健康与安全具有重要影响.火后泥石流是最危险的林火次生灾害之一,了解其发生条件、掌握其发生状况,是火后灾害风险评估的重要基础.本文从植被、降雨阈值、物源3方面阐述了火对泥石流的影响,分析了火后泥石流起动的地形地质、降雨、坡面条件以及浅层滑坡与地表径流引发火后泥石流的起动机制,并综述了火后泥石流预测预报与治理措施的研究进展.最后提出了在未来的研究中应该着重关注4个方面：量化火行为及环境因子与火后泥石流的关系;火后泥石流起动、运动过程的定量分析;火后泥石流机理模型研究;火后泥石流快速高效治理措施研究.     

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.     

Investigation of general indicators influencing on forest fire and its susceptibility modeling using different data mining techniques

Forests are living dynamic systems and these unique ecosystems are essential for life on earth. Forest fires are one of the major environmental concerns, economic, and social in the worldwide. The aim of current research is to identify general indicators influencing on forest fire and compare forest fire susceptibility maps based on the boosted regression tree (BRT), generalized additive model (GAM), and random forest (RF) data mining models in the Minudasht Township, Golestan Province, Iran. According to expert opinion and literature review, fifteen condition factors on forest fire have been selected in the study area. These are slope degree, slope aspect, elevation, topographic wetness index (TWI), topographic position index (TPI), plan curvature, wind effect, annual temperature and rainfall, soil texture, distance to roads, rivers, and villages, normalized difference vegetation index (NDVI), and land use. Forest fire locations were identified using MODIS images, historical records, and extensive field checking. 106 (≈70%) locations, out of 151 forest fires identified, were used for models building/training, while the remaining 45 (≈30%) cases were used for the models validation.BRT, GAM, and RF data mining models were used to distinguish between presence and absence of forest fires and its mapping. These algorithms were used to perform feature selection in order to reveal the variables that contribute more to forest fire occurrence. Finally, for validation of models, the area under the curve (AUC) for forest fire susceptibility maps was calculated. The validation of results showed that AUC for three mentioned models varies from 0.7279 to 0.8770 (AUC_BRT = 80.84%, AUC_GAM = 87.70%, and AUC_RF = 72.79%,). Results indicated that the main drivers of forest fire occurrence were annual rainfall, distance to roads, and land use factors. The results can be applied to primary warning, fire suppression resource planning, and allocation work.     

大兴安岭塔河地区雷击火发生驱动因子综合分析

森林火灾是一个全球性问题,对森林资源和温室气体排放有重要影响,并严重影响人们生命财产安全。林火主要分为人为火(人为活动引起)和雷击火(雷电引起)两大类。在我国北方针叶林带,雷击火主要集中在黑龙江大兴安岭和内蒙古呼伦贝尔盟地区。大兴安岭塔河地区位于我国北方针叶林带,是森林火灾的重灾区。其中雷击火所占比例大约1/3以上。目前针对当地雷击火与影响因子的研究主要集中于气象因子,非气象因子(森林可燃物和地形特征)的研究受数据条件和技术手段限制研究报道较少。研究数据包含三部分,林火数据,气象数据和地理植被数据。林火数据包含1974—2009年间林火发生经纬度坐标,时间和面积等。气象数据主要包括每日尺度的最低气温,最高气温,平均风速,平均相对湿度等因子。根据加拿大火险天气指标系统计算出了出了细小可燃物湿度码(FFMC),干燥可燃物湿度码(DMC)和干旱码(DC)也没用于本研究。此外,基于1∶10万塔河地区数字化林相图提取了海拔、坡度、坡向、森林类型、优势树种、龄级等因子用于决策因子分析。研究数据分析过程主要应用Arc GIS10.0中的空间分析工具和SPSS19.0的逻辑斯蒂回归模型完成。研究结果显示"日最低气温","最大风速"和"最小相对湿度"3个气象因子及火险天气指标系统(FWI)中细小可燃物湿度码(FFMC)干旱码(DC)与雷击火发生概率显著相关(P0.05),模型整体拟合水平R2(CoxSnell)=0.326。在非气象因子与雷击火发生的逻辑斯蒂模型检验中,"地被物盖度"和"龄级"均在P=0.05水平上与雷击火发生显著相关,其模型的整体拟合水平R2(CoxSnell)为0.15。研究结论表明在分析雷击火发生的决策因子时,应该综合考虑气象、可燃物和林分因素。     

Integrating anthropogenic factors into regional‐scale species distribution models—A novel application in the imperiled sagebrush biome

Species distribution models (SDMs) that rely on regional‐scale environmental variables will play a key role in forecasting species occurrence in the face of climate change. However, in the Anthropocene, a number of local‐scale anthropogenic variables, including wildfire history, land‐use change, invasive species, and ecological restoration practices can override regional‐scale variables to drive patterns of species distribution. Incorporating these human‐induced factors into SDMs remains a major research challenge, in part because spatial variability in these factors occurs at fine scales, rendering prediction over regional extents problematic. Here, we used big sagebrush (Artemisia tridentata Nutt.) as a model species to explore whether including human‐induced factors improves the fit of the SDM. We applied a Bayesian hurdle spatial approach using 21,753 data points of field‐sampled vegetation obtained from the LANDFIRE program to model sagebrush occurrence and cover by incorporating fire history metrics and restoration treatments from 1980 to 2015 throughout the Great Basin of North America. Models including fire attributes and restoration treatments performed better than those including only climate and topographic variables. Number of fires and fire occurrence had the strongest relative effects on big sagebrush occurrence and cover, respectively. The models predicted that the probability of big sagebrush occurrence decreases by 1.2% (95% CI: ?6.9%, 0.6%) when one fire occurs and cover decreases by 44.7% (95% CI: ?47.9%, ?41.3%) if at least one fire occurred over the 36 year period of record. Restoration practices increased the probability of big sagebrush occurrence but had minimal effect on cover. Our results demonstrate the potential value of including disturbance and land management along with climate in models to predict species distributions. As an increasing number of datasets representing land‐use history become available, we anticipate that our modeling framework will have broad relevance across a range of biomes and species.     

高血压性心脏病生物标志物的筛选：基于中国重庆市7家医疗机构的数据分析研究*

目的: 筛选高血压性心脏病（HHD）的影响因素,建立HHD的预测模型,为HHD的发生提供预警。方法: 选取中国重庆市某医科院校数据研究院平台2016年1月1日至2019年12月31日主要诊断为高血压性心脏病和高血压患者。通过单因素分析、多因素分析筛选HHD的影响因素,采用R语言分别构建Logistics模型、随机森林（RF）模型和极限梯度上升（XGBoost）模型。结果: 单因素分析筛选出60项差异指标,多因素分析筛选出18项差异指标（P<0.05）。Logistics模型、RF模型、XGBoost模型曲线下面积（AUC）分别为0.979、0.983和0.990。结论: 本文建立的3种HHD预测模型结果稳定,其中XGBoost模型对于HHD的发生具有良好的诊断效应。     

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。