郭福濤, 蘇漳文, 馬祥慶, 宋禹輝, 孫 龍, 胡海清,*, 楊婷婷

1 福建農(nóng)林大學(xué), 福州 350002 2 東北林業(yè)大學(xué)林學(xué)院, 哈爾濱 150040

大興安嶺塔河地區(qū)雷擊火發(fā)生驅(qū)動(dòng)因子綜合分析

郭福濤1, 蘇漳文1, 馬祥慶1, 宋禹輝1, 孫 龍2, 胡海清2,*, 楊婷婷1

1 福建農(nóng)林大學(xué), 福州 350002 2 東北林業(yè)大學(xué)林學(xué)院, 哈爾濱 150040

森林火災(zāi)是一個(gè)全球性問題，對(duì)森林資源和溫室氣體排放有重要影響，并嚴(yán)重影響人們生命財(cái)產(chǎn)安全。林火主要分為人為火(人為活動(dòng)引起)和雷擊火(雷電引起)兩大類。在我國(guó)北方針葉林帶，雷擊火主要集中在黑龍江大興安嶺和內(nèi)蒙古呼倫貝爾盟地區(qū)。大興安嶺塔河地區(qū)位于我國(guó)北方針葉林帶，是森林火災(zāi)的重災(zāi)區(qū)。其中雷擊火所占比例大約1/3以上。目前針對(duì)當(dāng)?shù)乩讚艋鹋c影響因子的研究主要集中于氣象因子，非氣象因子(森林可燃物和地形特征)的研究受數(shù)據(jù)條件和技術(shù)手段限制研究報(bào)道較少。研究數(shù)據(jù)包含三部分，林火數(shù)據(jù)，氣象數(shù)據(jù)和地理植被數(shù)據(jù)。林火數(shù)據(jù)包含1974—2009年間林火發(fā)生經(jīng)緯度坐標(biāo)，時(shí)間和面積等。氣象數(shù)據(jù)主要包括每日尺度的最低氣溫，最高氣溫，平均風(fēng)速，平均相對(duì)濕度等因子。根據(jù)加拿大火險(xiǎn)天氣指標(biāo)系統(tǒng)計(jì)算出了出了細(xì)小可燃物濕度碼(FFMC)，干燥可燃物濕度碼(DMC)和干旱碼(DC)也沒用于本研究。此外，基于1∶10萬(wàn)塔河地區(qū)數(shù)字化林相圖提取了海拔、坡度、坡向、森林類型、優(yōu)勢(shì)樹種、齡級(jí)等因子用于決策因子分析。研究數(shù)據(jù)分析過程主要應(yīng)用ArcGIS10.0中的空間分析工具和SPSS19.0的邏輯斯蒂回歸模型完成。研究結(jié)果顯示“日最低氣溫”，“最大風(fēng)速”和“最小相對(duì)濕度”3個(gè)氣象因子及火險(xiǎn)天氣指標(biāo)系統(tǒng)(FWI)中細(xì)小可燃物濕度碼(FFMC)干旱碼(DC)與雷擊火發(fā)生概率顯著相關(guān)(P<0.05)，模型整體擬合水平R2(Cox & Snell)=0.326。在非氣象因子與雷擊火發(fā)生的邏輯斯蒂模型檢驗(yàn)中，“地被物蓋度”和“齡級(jí)”均在P=0.05水平上與雷擊火發(fā)生顯著相關(guān)，其模型的整體擬合水平R2(Cox & Snell)為0.15。研究結(jié)論表明在分析雷擊火發(fā)生的決策因子時(shí)，應(yīng)該綜合考慮氣象、可燃物和林分因素。

大興安嶺; 塔河地區(qū); 雷擊火; 氣象因子; 邏輯斯蒂回歸; 決策因子

森林火災(zāi)是一個(gè)全球性問題，對(duì)森林儲(chǔ)量和溫室氣體排放都有顯著的影響[1]，同時(shí)林火也是導(dǎo)致森林資源和人生命財(cái)產(chǎn)損失的主要因素。每年有大約45000次森林火災(zāi)發(fā)生在歐洲[2]，10000次發(fā)生在加拿大[3]，12.9萬(wàn)起發(fā)生在美國(guó)且過火林地面積高達(dá)170多萬(wàn)公頃。我國(guó)每年也會(huì)發(fā)生大約10000次火災(zāi)，年均過火面積為820000hm2[4]。林火按其火源類型可主要分為天然火和人為火, 天然火中以雷擊火為主。美國(guó)2007—2011年均由雷擊引起的森林火災(zāi)大約占到總森林火災(zāi)的63%，為14200次[5]。在加拿大，雷擊火占總林火的近1/3,而過火面積則可達(dá)到90%[6]。據(jù)統(tǒng)計(jì)，我國(guó)的雷擊火主要發(fā)生在北方針葉林帶即黑龍江的大興安嶺、內(nèi)蒙古的呼倫貝爾林區(qū)和新疆的阿爾泰山地區(qū)[7]，大興安嶺林區(qū)雷擊火占該地區(qū)森林火災(zāi)總次數(shù)的38%[8-9]。

目前關(guān)于森林雷擊火的研究主要分為雷擊火成因機(jī)制和雷擊火預(yù)測(cè)預(yù)報(bào)兩大部分。通過對(duì)氣象、地形、可燃物等可能影響雷擊火發(fā)生的因子進(jìn)行分析，判別選擇對(duì)雷擊火發(fā)生有重要影響的決策因子，并以決策因子為基礎(chǔ)，運(yùn)用數(shù)學(xué)統(tǒng)計(jì)方法，建立雷擊火發(fā)生預(yù)測(cè)預(yù)報(bào)模型。國(guó)外關(guān)于雷擊火影響因子的研究已開展多年并取得了很多成果[10-16]，這些研究所選的初始影響因子不盡相同，所得的結(jié)論也有一定差異。有研究主要運(yùn)用加拿大火險(xiǎn)天氣指標(biāo)系統(tǒng)(FWI)中反應(yīng)可燃物干濕程度的指標(biāo)如干旱碼(DC)等為分析的初始參考因子[10]；還有研究主要考慮可燃物含水率和森林類型[11]，以及氣象因子[12]；此外，部分研究證實(shí)了海拔、坡度對(duì)雷擊火的顯著影響[17]，然而也有研究得出了相反的結(jié)論[18]?？梢娧芯繀^(qū)域不同，選擇的初始參考因子不同，研究結(jié)論也可能有較大差異，因此在研究雷擊火發(fā)生的初始因子選擇上應(yīng)盡量涵蓋氣象、地形、森林類型等多個(gè)方面。

目前國(guó)內(nèi)學(xué)者針對(duì)大興安嶺地區(qū)雷擊火的研究通常分為時(shí)空格局分析[8,19-21]和決策因子分析[22-25]兩個(gè)方向進(jìn)行。在關(guān)于雷擊火影響因素(決策因子)分析中，大多以氣象因子為主要探討對(duì)象[7, 26-27]。然而，綜合國(guó)內(nèi)外相關(guān)研究表明，雷擊火的發(fā)生除了受氣象因素影響外，森林可燃物(林型、優(yōu)勢(shì)樹種、植被郁閉度等)和區(qū)域地理地形因素(坡度、坡向、海拔等)都是研究中尤其是初始影響因素分析中應(yīng)該加以考慮的[14-15, 28-30]。本文應(yīng)用ArcGIS10.3和Spss19.0對(duì)林火數(shù)據(jù)與氣象和非氣象因子(可燃物和地形信息)分別進(jìn)行分析，探求對(duì)雷擊火發(fā)生的關(guān)鍵因子，研究結(jié)論對(duì)深入了解我國(guó)北方針葉林雷擊火發(fā)生規(guī)律和特性具有重要的意義。

1 研究地區(qū)與研究方法

1.1 研究區(qū)概況

本文研究地位于我國(guó)北方針葉林帶，隸屬于黑龍江大興安嶺塔河地區(qū)，地處東經(jīng)123°—125°，北緯52°—53°。屬寒溫帶大陸性氣候，由于受大陸和海洋高、低及季風(fēng)交替的影響，氣候變化顯著，冬季漫長(zhǎng)干燥而寒冷，夏季短暫而濕熱，春季多大風(fēng)而少雨，秋季降急劇，霜凍來(lái)的早，塔河縣年平均氣溫-2.4 ℃，平均無(wú)霜期98 d，年平均降水量463.2 mm，主要集中在7、8月份，年日照時(shí)數(shù)2015—2865 h。該地區(qū)森林覆蓋率為81%；蓄積量5340萬(wàn)m3，主要樹種有樟子松、落葉松、白樺、楊樹等10余種。

圖1 研究區(qū)域示意圖Fig.1 Sketch map of the study area

該地區(qū)也是森林火災(zāi)高發(fā)區(qū)，林火類型包括人為火和雷擊火，整體上人為火和雷擊火比例相當(dāng)，但雷擊火的年均過火面積高于人為火。雷擊火主要發(fā)生在5—8月間，大面積雷擊火多集中在7、8月。3、4、10月僅有個(gè)別林火。本研究統(tǒng)計(jì)表明1974—2008 年，塔河縣過火面積563709 hm2， 年均16106 hm2。 1988 年后，該區(qū)總過火面積呈微弱的下降趨勢(shì)，但由雷擊火引發(fā)的過火面積則呈上升趨勢(shì)。1990 年后，雷擊火引發(fā)的過火面積明顯高于人為火和不明火引發(fā)的過火面積，1990 年后雷擊火引發(fā)的過火面積是 1990 前的 7.4 倍。

1.2 數(shù)據(jù)來(lái)源

本文數(shù)據(jù)來(lái)源包括三部分，分別為林火數(shù)據(jù)，氣象數(shù)據(jù)和矢量化林相圖數(shù)據(jù)。林火數(shù)據(jù)來(lái)源于大興安嶺地區(qū)塔河縣森林防火辦公室。數(shù)據(jù)包括1974—2009年塔河地區(qū)林火發(fā)生情況數(shù)據(jù)(起火地理坐標(biāo)、起火原因、發(fā)生時(shí)間、過火面積等)。

氣象數(shù)據(jù)采用雷擊火發(fā)生的當(dāng)天氣象數(shù)據(jù)，來(lái)源于中國(guó)氣象數(shù)據(jù)共享網(wǎng)絡(luò) (http:// cdc.cma.gov.cn/)。數(shù)據(jù)包括塔河氣象站(國(guó)家標(biāo)準(zhǔn)氣象站號(hào)50246)1965—2012年的每日氣象數(shù)據(jù)，一共包含極大風(fēng)速(m/s)等22個(gè)氣象因子，本文對(duì)氣象數(shù)據(jù)進(jìn)行了預(yù)處理，去除了缺失或不完整的氣象因子，剩余氣象因子包括，日最低氣溫(℃)，日最高氣溫(℃)，24h降水量(mm)，平均風(fēng)速(m/s)，平均氣溫(℃)，平均水汽壓(hPa)，平均相對(duì)濕度(%)，平均氣溫(℃)，日照時(shí)數(shù)(hour)，最大風(fēng)速(m/s)，最小相對(duì)濕度(%)共11個(gè)氣象因子。

此外，根據(jù)研究區(qū)域每日氣象數(shù)據(jù)，利用加拿大森林火險(xiǎn)天氣指標(biāo)系統(tǒng)(FWI)[31]計(jì)算反映可燃物干濕程度的指標(biāo)，分別為細(xì)小可燃物濕度碼(FFMC)、腐殖質(zhì)濕度碼(DMC)、干旱碼(DC)。

研究中所需基礎(chǔ)地理地形圖和矢量化林相圖等數(shù)據(jù)來(lái)源于東北林業(yè)大學(xué)森林經(jīng)理教研室。1∶10萬(wàn)的基礎(chǔ)地理圖和矢量化林相圖數(shù)據(jù)庫(kù)分別建于2000和2003年。其中林相圖數(shù)據(jù)庫(kù)精確到小班，記錄的小班內(nèi)屬性主要包括坡度、坡向、腐質(zhì)層厚度、地被物蓋度、林型、經(jīng)營(yíng)措施、優(yōu)勢(shì)樹種、齡級(jí)和郁閉度等。

1.3 數(shù)據(jù)處理

1.3.1 二項(xiàng)邏輯斯蒂回歸模型(Logistic regression model)

將P變換為ln(P/(1-P))稱為L(zhǎng)ogit變換，記為L(zhǎng)ogit(P),所以也稱為L(zhǎng)ogit模型。Logit變換使得在[0,1]范圍取值的P變換到(-∞, +∞)，當(dāng)P趨向于0, Logit(P)趨向于-∞，當(dāng)P趨向于1，Logit(P)趨向于+∞。

雷擊火的概率預(yù)報(bào)模型可表示為：

式中,P為雷擊火發(fā)生概率；β1…βn為各自變量相關(guān)系數(shù)；X1…Xn為影響雷擊火發(fā)生的各自變量。邏輯斯蒂模型已被廣泛應(yīng)用于林火發(fā)生概率的預(yù)測(cè)預(yù)報(bào)[32-34]。

1.3.2 隨機(jī)對(duì)照樣點(diǎn)的創(chuàng)建

本文應(yīng)用二項(xiàng)邏輯斯蒂回歸模型進(jìn)行關(guān)鍵因子分析和雷擊火空間分布形勢(shì)預(yù)測(cè)，由1.3.1可知，建模的數(shù)據(jù)結(jié)構(gòu)要求火點(diǎn)和非火點(diǎn)同時(shí)對(duì)比存在，本文對(duì)照樣點(diǎn)分為兩部分：第一部分用來(lái)分析雷擊火發(fā)生與氣象因子和可燃物干燥指數(shù)的關(guān)系。按1∶1隨機(jī)選取與雷擊火發(fā)生次數(shù)相同的對(duì)照樣點(diǎn)(沒有雷擊火發(fā)生)，并提取對(duì)應(yīng)的當(dāng)日氣象數(shù)據(jù)和由FWI系統(tǒng)計(jì)算的FFMC、DMC和DC進(jìn)行邏輯斯蒂模型擬合分析。

第二部分分析雷擊火與非氣象因素的相關(guān)性。本文應(yīng)用ArcGIS的隨機(jī)點(diǎn)創(chuàng)建功能，按照火點(diǎn)與隨機(jī)點(diǎn)1∶1的比例分別創(chuàng)建隨機(jī)點(diǎn)。隨機(jī)點(diǎn)創(chuàng)建數(shù)量目前國(guó)內(nèi)外并無(wú)明確標(biāo)準(zhǔn)和方法。國(guó)際上有學(xué)者按照研究區(qū)域平均林火發(fā)生次數(shù)來(lái)創(chuàng)建隨機(jī)點(diǎn)[35]，也有以隨機(jī)點(diǎn)之間距離為約束條件來(lái)選取隨機(jī)點(diǎn)的[36]。通常情況下，為了防止數(shù)據(jù)結(jié)構(gòu)過度離散，隨機(jī)點(diǎn)選取通常要接近于或者略多于雷擊火點(diǎn)。通過隨機(jī)點(diǎn)坐標(biāo)，反向確定各點(diǎn)對(duì)應(yīng)的林班內(nèi)屬性值。

1.3.3 林相圖數(shù)據(jù)屬性轉(zhuǎn)化

應(yīng)用ArcGIS10.0對(duì)林相圖中的字符型變量進(jìn)行屬性轉(zhuǎn)換用以進(jìn)行回歸模型分析。包括坡向、林型、經(jīng)營(yíng)措施和林下優(yōu)勢(shì)樹種，在給字符型因子附數(shù)值型屬性值時(shí)，以整數(shù)形式并以1為計(jì)數(shù)間隔(表1)。這些被賦予的屬性數(shù)值雖是人為定值，但它們的差異真實(shí)反應(yīng)了相對(duì)應(yīng)的字符型屬性變量的差異，因此在實(shí)際模型運(yùn)算中，變量的顯著性水平能有效的說明該因子是否對(duì)雷擊火有顯著影響。此外，坡度級(jí)、地被物蓋度、齡級(jí)和郁閉度也是本文考慮的因子，但由于其本身以數(shù)值型記錄因此不需要進(jìn)行屬性轉(zhuǎn)換。

2 結(jié)果與分析

2.1 隨機(jī)點(diǎn)創(chuàng)建及屬性值數(shù)據(jù)庫(kù)建立

本文應(yīng)用二項(xiàng)邏輯斯蒂回歸模型進(jìn)行關(guān)鍵因子分析和雷擊火空間分布形勢(shì)預(yù)測(cè)，由1.3.1可知，建模的數(shù)據(jù)結(jié)構(gòu)要求火點(diǎn)和非火點(diǎn)同時(shí)對(duì)比存在。表2為“火點(diǎn)+對(duì)照點(diǎn)”與氣象因子的基本統(tǒng)計(jì)描述。應(yīng)用ArcGIS的隨機(jī)點(diǎn)創(chuàng)建功能，按照火點(diǎn)與隨機(jī)點(diǎn)1∶1的比例創(chuàng)建隨機(jī)點(diǎn)(圖2)，并運(yùn)用網(wǎng)格相減計(jì)算方法確保隨機(jī)點(diǎn)與雷擊火點(diǎn)在空間上無(wú)重疊現(xiàn)象。通過所創(chuàng)建隨機(jī)點(diǎn)的坐標(biāo)，反向確定各點(diǎn)對(duì)應(yīng)的林班內(nèi)屬性值(非氣象因子)。應(yīng)用ArcGIS將“火點(diǎn)+隨機(jī)點(diǎn)”圖層與矢量化林相圖進(jìn)行疊加運(yùn)算，合并各圖層屬性，表3為 “火點(diǎn)+隨機(jī)點(diǎn)”與非氣象因子的基本統(tǒng)計(jì)描述。

2.2 模型擬合結(jié)果

2.2.1 自變量多重共線性檢驗(yàn)

表1 林相圖屬性轉(zhuǎn)化屬性表

表2 雷擊火、氣象因子及FWI指數(shù)模型變量的基本統(tǒng)計(jì)

表3 雷擊火與非氣象因子模型變量的基本統(tǒng)計(jì)

圖2 雷擊火點(diǎn)與1∶1隨機(jī)創(chuàng)建非火點(diǎn) Fig.2 Lightning-caused fire and 1∶1 random points (non-fire points)

2.2.2 氣象因子對(duì)雷擊火的決策影響

本文對(duì)1974—2009年間雷擊火和對(duì)照火點(diǎn)與對(duì)應(yīng)的當(dāng)日氣象因子進(jìn)行邏輯斯蒂回歸分析，模型的全變量擬合結(jié)果顯示，模型整體擬合結(jié)果R2(Cox & Snell)為0.333，模型參數(shù)擬合結(jié)果顯示“日最低氣溫”，“最小相對(duì)濕度”，F(xiàn)FMC和DC與雷擊火發(fā)生之間有顯著相關(guān)性(P<0.05)，而其它自變量因子在全模型中(含有所有自變量的邏輯斯蒂模型)與雷擊火發(fā)生之間并未表現(xiàn)出顯著相關(guān)(表4)。此外，本文應(yīng)用向后逐步回歸法，將不顯著變量逐一從全模型中剔除，最后得到最優(yōu)模型(剔除不顯著自變量的邏輯斯蒂模型)，模型整體擬合度指標(biāo)R2(Cox & Snell)為0.326，最優(yōu)模型中“日最低氣溫”，“最大風(fēng)速”，“最小相對(duì)濕度”，F(xiàn)FMC和DC與雷擊火發(fā)生有顯著相關(guān)性且均在P<0.001水平上顯著相關(guān)(表5)。

2.2.3 非氣象因子對(duì)雷擊火的決策影響

本文對(duì)1∶1創(chuàng)建隨機(jī)點(diǎn)的數(shù)據(jù)進(jìn)行二元邏輯斯蒂回歸擬合，模型的全變量擬合結(jié)果顯示，模型整體擬合結(jié)果R2(Cox & Snell)為0.175，模型參數(shù)擬合結(jié)果顯示“地被物蓋度”(P=0.041)和“齡級(jí)”(P=0.007)與雷擊火發(fā)生之間有顯著相關(guān)性，而其它自變量因子在全模型中(含有所有自變量的邏輯斯蒂模型)與雷擊火發(fā)生之間并未表現(xiàn)出顯著相關(guān)(表6)。此外，本文應(yīng)用向后逐步回歸法，將不顯著變量逐一從全模型中剔除，最后得到最優(yōu)模型(剔除不顯著自變量的邏輯斯蒂模型)，模型整體擬合度指標(biāo)R2(Cox & Snell)為0.15，最優(yōu)模型中仍然是“地被物蓋度”和“齡級(jí)”兩個(gè)因子與雷擊火發(fā)生有顯著相關(guān)性(表7)。

表4 邏輯斯蒂全模型參數(shù)擬合(氣象因子+FWI指數(shù))

表5 剔除不顯著變量邏輯斯蒂模型擬合(氣象因子+FWI指數(shù))

表6 邏輯斯蒂全模型參數(shù)擬合(非氣象因子)

表7 邏輯斯蒂最優(yōu)模型的參數(shù)擬合(非氣象因子)

圖3 研究區(qū)域人為火發(fā)生概率克里格插值結(jié)果 Fig.3 The Kriging interpolation of possibility of Lightning-caused fire in the study area

2.3 研究區(qū)域雷擊火概率分布

本文根據(jù)1974—2005年塔河地區(qū)雷擊火空間坐標(biāo)結(jié)合按照1∶1比例隨機(jī)創(chuàng)建的非林火對(duì)照點(diǎn)，運(yùn)用克里格插值方法對(duì)該地區(qū)雷擊火空間概率分布進(jìn)行了描述(圖3)。根據(jù)插值結(jié)果，可以直觀判斷，該地區(qū)有大概4個(gè)雷擊火高發(fā)區(qū)/高火險(xiǎn)區(qū),分別位于塔河行政區(qū)劃的中帶和南部(圖3中圈畫部分)。

3 結(jié)論與討論

本文應(yīng)用應(yīng)用ArcGIS10.0和SPSS19.0等工具，結(jié)合研究地矢量化林相圖，通過圖層疊加計(jì)算，屬性轉(zhuǎn)換，邏輯斯蒂回歸模型運(yùn)算等一系列手段，分別分析了氣象因素、可燃物指數(shù)和林分特征(非氣象因素)對(duì)雷擊火發(fā)生的影響。研究結(jié)果顯示“日最低氣溫”，“最大風(fēng)速”和“最小相對(duì)濕度”3個(gè)氣象因子及FFMC，DC兩個(gè)反應(yīng)可燃物干濕程度的指標(biāo)與雷擊火發(fā)生概率顯著相關(guān)。氣象因子與雷擊火的最優(yōu)邏輯斯蒂模型擬合R2(Cox & Snell)為0.326。在非氣象因子與雷擊火發(fā)生的邏輯斯蒂模型檢驗(yàn)中，雖然“地被物蓋度”和“齡級(jí)”均在P=0.05水平上與雷擊火發(fā)生顯著相關(guān)，但其模型的整體擬合水平R2(Cox & Snell)僅為0.15，說明林分特征對(duì)雷擊火發(fā)生的解釋程度還不是很高，因此結(jié)合氣象因素的綜合分析是非常必要的。

目前關(guān)于林火與影響因子的空間分析研究，主要有網(wǎng)格取點(diǎn)和隨機(jī)取點(diǎn)兩種方式。網(wǎng)格取點(diǎn)是指對(duì)研究區(qū)域進(jìn)行網(wǎng)格化，規(guī)定網(wǎng)格大小。每一個(gè)網(wǎng)格代表一個(gè)火點(diǎn)或?qū)?yīng)的非火點(diǎn)(隨機(jī)點(diǎn))，如果網(wǎng)格面積大, 如5 km×5 km，那么坡向，林型等這類因子將不具備唯一性，沒有辦法考慮進(jìn)模型擬合中，若柵格面積小(1km×1km 或更小)則會(huì)出現(xiàn)“非火點(diǎn)”與“火點(diǎn)”比例嚴(yán)重失衡現(xiàn)象，會(huì)導(dǎo)致模型擬合的偏差，從而無(wú)法判斷影響因子。因此在火點(diǎn)和非火點(diǎn)比例失衡的情況下，隨機(jī)取點(diǎn)是一個(gè)比較好的選擇。

此外，國(guó)外一些學(xué)者研究表明，雷擊/閃電次數(shù)對(duì)雷擊火發(fā)生有顯著影響[16, 28]，本文研究區(qū)域位于大興安嶺區(qū)域內(nèi)，該區(qū)域從2006年開始引入雷擊檢測(cè)設(shè)備，但研究組目前僅收集到2007—2008年間大興安嶺地區(qū)雷擊數(shù)據(jù)。根據(jù)郭福濤[38]對(duì)大興安嶺地區(qū)2007—2008兩年的雷擊次數(shù)空間分研究表明，該時(shí)間區(qū)域內(nèi)雷擊頻率高發(fā)區(qū)主要集中在北部和南部，塔河境內(nèi)相對(duì)較少。未來(lái)應(yīng)更多收集這方面數(shù)據(jù)，與之前的各因子相結(jié)合，為該地區(qū)雷擊火發(fā)生的決策因子分析提供更全面綜合的支撐。

[1] Chuvieco E, Giglio L, Justice C. Global characterization of fire activity: towards defining fire regimes from earth observation data. Global Change Biology, 2008, 14(7): 1488-1502.

[2] Lasaponara R, Santulli A, Telesca L. Time-clustering analysis of forest-fire sequences in southern Italy. Chaos, Solutions & Fractals, 2005, 24(1): 139-149.

[3] Girardin M P, Ali A A, Carcaillet C, Gauthier S, Hély C, Goff H L, Terrier A, Bergeron Y. Fire in managed forests of eastern Canada: Risks and options. Forest Ecology and Management, 2013, 294: 238-249.

[4] 王明玉. 氣候變化背景下中國(guó)林火響應(yīng)特征及趨勢(shì) [D]. 北京: 中國(guó)林業(yè)科學(xué)研究院, 2009.

[5] NIFC [National Interagency Fire Center]. Urban-wild-land and wildland fire statistics. National Interagency Fire Center, Boise, Idaho, USA, 2004.

[6] Kourtz P H, Todd J B. Predicting the daily occurrence of lightning-caused forest fires. Forestry Canada, Information Report PI-X-112, Petawawa National Forestry Institute, Chalk River, Ontario, 1992.

[7] 田曉瑞, 舒立福, 趙鳳君, 王明玉. 大興安嶺雷擊火發(fā)生條件分析. 林業(yè)科學(xué), 2012, 48(7): 98-103.

[8] 倪長(zhǎng)虹, 邸雪穎. 黑龍江省大興安嶺雷擊火發(fā)生規(guī)律. 東北林業(yè)大學(xué)學(xué)報(bào), 2009, 37(1): 55-57, 75-75.

[9] 高永剛, 顧紅, 張廣英. 大興安嶺雷擊火綜合指標(biāo)研究. 中國(guó)農(nóng)學(xué)通報(bào), 2010, 26(6): 87-92.

[10] Flannigan M D, Wotton B M. Lightning-ignited forestres in northwestern Ontario. Canadian Journal of Forestry Research, 1991, 21(3): 277-287.

[11] Renkin R A, Despain D G. Fuel moisture, forest type, and lightning-causedre in Yellowstone National Park. Canadian Journal of Forestry Research, 1992, 22(1): 37-45.

[12] Nash C H, Johnson E A. Synoptic climatology of lightning-caused forest fires in subalpine and boreal forests. Canadian Journal of Forestry Research, 1996, 26(10): 1859-1874.

[13] Podur J, Martell D L, Csillag F. Spatial patterns of lightning-caused forestres in Ontario 1976—1998. Ecological Modelling, 2003, 164(1): 1-20.

[14] Wotton B M, Martell D L. A lightning fire occurrence model for Ontario. Canadian Journal of Forestry Research, 2005, 35(6): 1389-1401.

[15] Krawchuk M A, Cumming S G, Flannigan M D, Wein R W. Biotic and abiotic regulation of lightning fire initiation in the mixedwood boreal forest. Ecology, 2006, 87(2): 458-468.

[16] Krawchuk M A, Cumming S G, Flannigan M D. Predicted changes in fire weather suggest increases in lightning fire initiation and future area burned in the mixedwood boreal forest. Climatic Change, 2009, 92(1/2): 83-97.

[17] Castedo-Dorado F, Rodríguez-Pérez J R, Marcos-Menendez J L,lvarez-Taboada M F. Modelling the probability of lightning-induced forest fire occurrence in the province of León (NW Spain). Forest Systems, 2011, 20(1): 95-107.

[18] McRae R H D. Prediction of areas prone to lightning ignition. International Journal of Wildland Fire, 1992, 2(3): 123-130.

[19] 趙俊卉, 亢新剛, 郭廣猛, 董斌, 周梅. 基于LIS/OTD格點(diǎn)數(shù)據(jù)的中國(guó)東北地區(qū)雷擊火時(shí)空分布. 生態(tài)學(xué)雜志, 2009, 28(4): 715-720.

[20] 郭福濤, 胡海清, 張金輝. 塔河地區(qū)林火時(shí)空分布格局與影響因素. 自然災(zāi)害學(xué)報(bào), 2009, 18(1): 204-208.

[21] 杜春英, 李帥, 劉丹, 李秀芬, 于成龍. 大興安嶺地區(qū)森林雷擊火發(fā)生的時(shí)空分布. 自然災(zāi)害學(xué)報(bào), 2010, 19(3): 72-76.

[22] 王明玉, 舒立福, 田曉瑞, 史軍. 林火在空間上的波動(dòng)性及其對(duì)全球變化的響應(yīng)(II). 火災(zāi)科學(xué), 2003, 12(3): 171-176.

[23] 趙鳳君, 王明玉, 舒立福, 王春乙. 氣候變化對(duì)林火動(dòng)態(tài)的影響研究進(jìn)展. 氣候變化研究進(jìn)展, 2009, 5(1): 50-55.

[24] 郭福濤, 胡海清, 馬志海, 張揚(yáng). 不同模型對(duì)擬合大興安嶺林火發(fā)生與氣象因素關(guān)系的適用性. 應(yīng)用生態(tài)學(xué)報(bào), 2010, 21(1): 159-164.

[25] 魏書精, 胡海清, 孫龍. 氣候變化對(duì)我國(guó)林火發(fā)生規(guī)律的影響. 森林防火, 2011, (1): 30-34.

[26] 于建龍, 劉乃安. 我國(guó)大興安嶺地區(qū)森林雷擊火發(fā)生的火險(xiǎn)天氣等級(jí)研究. 火災(zāi)科學(xué), 2010, 19(3): 131-137.

[27] 邸雪穎, 李永福, 孫建, 楊光. 黑龍江省大興安嶺地區(qū)塔河縣森林火險(xiǎn)天氣指標(biāo)動(dòng)態(tài). 應(yīng) 用 生 態(tài) 學(xué) 報(bào), 2011, 22(5): 1240-1246.

[28] Díaz-Avalos C, Peterson D L, Alvarado E, Ferguson S A, Besag J E. Space time modelling of lightning-caused ignitions in the Blue Mountains, Oregon. Canadian Journal of Forest Research, 2001, 31(9): 1579-1593.

[29] Anderson K. A model to predict Lightning-caused fire occurrences. International Journal of Wildland Fire, 2002, 11(4): 163-172.

[30] Wierzchowski J, Heathcott M, Flannigan M D. Lightning and lightningre, central cordillera, Canada. International Journal of Wildland Fire, 2002, 11(1): 41-51.

[31] Wotton B M. Interpreting and using outputs from the Canadian forest ire anger rating system in research applications. Environ Ecol Stat, 2009, 16: 107-131.

[32] Andrews P L, Loftsgaarden D O, Bradshaw L S. Evaluation of fire danger rating indexes using logistic regression and percentile analysis. International Journal of Wildland Fire, 2003, 12(2): 213-226.

[33] Martínez J, Vega-Garcia C, Chuvieco E. Human-caused wildfire risk rating for prevention planning in Spain. Journal of Environmental Management, 2009, 90: 1241-1252.

[34] Chang Y, Zhu Z L, Bu R C, Chen H W, Feng Y T, Li Y H, Hu Y M, Wang Z C. Predicting fire occurrence patterns with logistic regression in Heilongjiang Province, China. Landscape Ecology, 2013, 28(10): 1989-2004.

[35] Martell D L, Bevilacqua E, Stocks B J. Modelling seasonal variation in daily people-caused forest fire occurrence. Canadian Journal of Forest Research, 1989, 19(12): 1555-1563.

[36] Vasconcelos M J P de, Sllva S, Tome M, Alvim M, Perelra J M C. Spatial prediction of fire ignition probabilities: Comparing logistic regression and neural networks. Photogrammetric Engineering & Remote Sensing, 2001, 67(1): 73-81.

[37] Littell J S, McKenzie D, Peterson D L, Westerling A L. Climate and wildfire area burned in western U. S. A ecoprovinces, 1916-2003. Ecological Applications, 2009, 19(4): 1003-1021.

[38] 郭福濤. 基于空間分析和模型理論的大興安嶺地區(qū)林火分布與預(yù)測(cè)模型研究 [D]. 哈爾濱: 東北林業(yè)大學(xué), 2010.

Climatic and non-climatic factors driving lightning-induced fire in Tahe, Daxing′an mountain

GUO Futao1, SU Zhangwen1, MA Xiangqing1, SONG Yuhui1, SUN Long2, HU Haiqing2,*, YANG Tingting1

1FujianAgricultureandForestryUniversity,Fuzhou350002,China2FacultyofForestry,NortheastForestryUniversity,Harbin150040,China

Forest fires are a global issue due to their significant degradation of forest reserves and greenhouse gas emissions, as well as loss of human lives and livelihoods. Forest fires are mostly caused by nature (lightning-induced fires) and human activities (anthropogenic fires). Lightning-induced fires in China mostly occur in boreal forest, namely the Daxing′an Mountains of Heilongjiang province and Hulunbeier of Inner Mongolia. Lightning accounts for nearly a third of all forest fires in the Tahe area of the Daxingán Mountains. Most previous studies on lightning-induced fires have focused primarily on climatic factors, and studies of non-climatic factors such as forest fuel and terrain features are relatively rare, due to a lack of spatial data sets and spatial analysis technology. Thus, the aim of this study was to identify the key climatic and non-climatic factors driving lightning-induced fires in the Tahe area using fire occurrence and metrological data along with digital forest maps in conjunction with logistic regression models and spatial analysis.Fire occurrence data included location, time, and area burned of lightning-induced fires in the Tahe region, Daxing′an Mountains, 1974—2009. Meteorological data were daily minimum temperature, daily maximum temperature, maximum wind speed, 24 hour precipitation, average air pressure, average wind speed, average relative humidity, sunshine hours, and minimum relative humidity. In addition, we calculated the Fine Fuel Moisture Code (FFMC), Duff Moisture Code (DMC) and Drought Code (DC) according to the Canadian forest Fire Weather Index (FWI). In this study, 1∶100000 digital geographic and forest maps of the Tahe region were used to extract elevation, slope, aspect, depth of humus layer, litter cover, forest type, management regime, dominant tree, age class and canopy data in order to determine the factors driving lightning-induced fire occurrence in the study area.A logistic regression model was developed to examine the relationship between lighting-induced fire, and climatic and non-climate factors. The spatial distribution of lighting-induce fires was analyzed using ArcGIS10.0. Three climate factors (Daily minimum temperature, maximum wind speed and minimum relative humidity) and two fuel indices (FFMC and DC) were significantly associated with lightning-induced fires (P< 0.05), and the goodness-of-fit of the model wasR2= 0.326. Moreover, litter cover and tree age class were significantly related to the occurrence of lightning-induced fires, albeit with lowR2(0.15). A map of fire likelihood was created using Kriging interpolation in ArcGIS, and the spatial coordinates of lightning-induced fires (1974—2005) along with the same number of random control points. This identified four high lightning-induced fire-risk regions in our study area, which are located in the middle and South of the Tahe area. In conclusion, the results from this study provide evidence that the consideration of not only climatic, but also fuel and non-climatic factors, is critical for understanding and predicting the occurrence of lightning-induced fires in the Tahe area.

Daxing′an Mountain; Tahe area; lightning-induced fire; climatic factors; logistic regression; driving factors

黑龍江省科技計(jì)劃(GA09B201-06); 國(guó)家科技支撐項(xiàng)目(2011BAD37B0104)

2014-02-14; < class="emphasis_bold">網(wǎng)絡(luò)出版日期:

日期:2014-12-04

10.5846/stxb201402140257

*通訊作者Corresponding author.E-mail: huhq@nefu.edu.cn

郭福濤, 蘇漳文, 馬祥慶, 宋禹輝, 孫龍, 胡海清, 楊婷婷.大興安嶺塔河地區(qū)雷擊火發(fā)生驅(qū)動(dòng)因子綜合分析.生態(tài)學(xué)報(bào),2015,35(19):6439-6448.

Guo F T, Su Z W, Ma X Q, Song Y H, Sun L, Hu H Q, Yang T T.Climatic and non-climatic factors driving lightning-induced fire in Tahe, Daxing′an mountain.Acta Ecologica Sinica,2015,35(19):6439-6448.