凌 婷，龍余良，張 思

(1. 江西省氣象服務(wù)中心，330046，南昌；2. 云南省氣象信息中心，650034，昆明)

0 引言

氣象因子被認(rèn)為是影響林火發(fā)生的潛在重要因素，國內(nèi)氣象部門對此做了大量的分析研究。中央氣象臺曾利用T213數(shù)值預(yù)報產(chǎn)品日最高氣溫、最小相對濕度、最大風(fēng)速、24 h降水預(yù)報，計算未來5 d逐日森林火險天氣綜合指數(shù)，并建立了森林火險氣象等級中短期預(yù)報系統(tǒng)[1]。湖北省氣象局綜合運用多種回歸技術(shù)，研發(fā)了不同時間尺度森林火險預(yù)報模型。吉林省氣象局[2]采用1952—2010年森林火災(zāi)次數(shù)資料和全省氣象站資料，分析該省林火次數(shù)時間變化特征及其與氣象條件的關(guān)系，指出林火次數(shù)與降水、相對濕度、氣溫、風(fēng)速等氣象因子關(guān)系密切。此外福建、黑龍江、貴州、云南、陜西、內(nèi)蒙古等森林覆蓋面積較多的省份也在林火的預(yù)報預(yù)警方面做了諸多的研究，并已將一些相關(guān)結(jié)論投入到了氣象服務(wù)的應(yīng)用中。

除了氣象部門以外，很多專家學(xué)者也做了大量的研究工作。王梅[3]等采用氣象和雷擊火災(zāi)資料研究大興安嶺地區(qū)夏季森林火災(zāi)的時空分布規(guī)律和周期變化以及影響因子。王研峰[4]等研究了氣溶膠產(chǎn)品在林火檢測中的適用性。杜帥[5]等針對通化市林火特點，引入了加拿大天氣指標(biāo)系統(tǒng)。梁慧玲[6]等通過研究指出，日最小相對濕度、細(xì)小可燃物濕度碼和干旱碼是影響林火發(fā)生的主要氣象因子。

由此可見，大部分研究部門和學(xué)者對林業(yè)氣象火險的研究主要集中在空氣的溫濕條件、植被和地形地貌的關(guān)系研究上，對土壤墑情與山火關(guān)系的研究還較少。但土壤墑情與降水、日照時間、溫度等多個氣象因子以及植被、地形地貌等關(guān)系密切，是綜合性較強(qiáng)的影響因素。且土壤水分是植物耗水的主要直接來源，對植物的生理活動有重大影響。江西省森林覆蓋面積較廣，林場山地較多，每年因山火而造成的經(jīng)濟(jì)損失數(shù)以萬計，所以土壤墑情與林火的關(guān)系具有較為重要的研究意義和實踐價值。

1 資料說明

所用資料有2013—2015年江西省衛(wèi)星監(jiān)測熱點和地面核查反饋數(shù)據(jù)，同時段江西省52個土壤水分站資料(包括土壤體積含水量、相對濕度、重量含水量、有效水分貯存量)，分析了熱點時空分布特征，對江西省土壤墑情分布特征做了討論，并利用二元logistic回歸分析討論了二者之間的相關(guān)關(guān)系。

2 熱點分布概況

衛(wèi)星監(jiān)測熱點本質(zhì)是地面高溫?zé)嵩碵7]，對范圍較大的野外火源甄別效果較好，且有地面核查反饋數(shù)據(jù)以證實其真實可靠性。因此，可以用來探討熱點本身及其導(dǎo)致的林火的空間分布特征。從2013―2015年江西省森林熱點頻次總分布來看(圖1)，林火頻次密度較大的地區(qū)主要集中在江西的西部、贛東北和贛南南部。對比月分布(圖略)和氣象上的季節(jié)分布(圖2，冬季：12—2月，春季：2—4月，夏季：5—8，冬季9—11月)，林

圖1 (a)2013—2015年江西省森林熱點頻次總分布、(b)江西省土地利用圖

(a)12—2月；(b)3—5月；(c)6—8月；(d)9—11月

火主要發(fā)生在冬季，以1月和12月為最，夏季5—9月基本無林火，春秋兩季林火發(fā)生的概率也比較小，且春季贛南南部林火密度相對大些。除去燒秸稈、烤火爐，以及年節(jié)放鞭炮等冬季容易引發(fā)火災(zāi)的人為因素外，自然氣象條件也占了很大一部分原因，冬季風(fēng)干物燥，空氣相對濕度較低，極易產(chǎn)生火災(zāi)，所以森林火險等級會高于其他季節(jié)。

3 土壤墑情分布概況

土壤水分站是氣象部門經(jīng)過嚴(yán)格的選址、場地建設(shè)、儀器布設(shè)，建立了自動土壤水分觀測站，用自動土壤水分觀測儀對土壤墑情進(jìn)行觀測而得到的，其觀測到的不同深度(10 cm、20 cm、30 cm、40 cm、50 cm、60 cm、80 cm、100 cm)的土壤體積含水量、相對濕度、重量含水量、有效水分貯存量等參數(shù)都具有較高的可用性。圖3為江西省52個土壤水分站的空間分布位置，贛北南部和贛中的站點分布密度比全省其他地區(qū)要大，且除了贛南，基本涵蓋了圖1中火災(zāi)發(fā)生的主要范圍。

圖3 江西省土壤墑情站站點分布(三角形為下文所需樣本站點)

3.1 月變化特征

從多個土壤水分站的時空變化圖(略)來看，測得的幾個參數(shù)自變化趨勢較一致，且自變化特征具有相似性，所以選取宜豐站為代表站點討論江西省土壤墑情的時空分布特征。從月平均趨勢來看，1月份不同深度土壤濕度在12個月中都是最高的，而10月為最低。3—6月雖然為江西汛期，對應(yīng)降水量峰值期，但因為7—10月平均每月20—24 h的日照時長，且9—10月全省降水量都較少，使得土壤中存儲的大量水分急速蒸發(fā)卻得不到補(bǔ)充，所以10月份成為全年土壤最干的一個月。11月為江西秋季暴雨的集中時期，對土壤水分又有了補(bǔ)充，加之冬季日照時長短于夏季，土壤中水分蒸發(fā)能力下降，使得1月份土壤最為濕潤。

圖4 (a)土壤體積含水量和月平均降水量隨時間變化；(b)土壤質(zhì)量含水率和日照時數(shù)隨時間變化

(a)土壤體積含水量；(b)土壤質(zhì)量含水率；(c)土壤有效水分貯存量

圖5可見，整個垂線方向上1—10月土壤絕對濕度都呈現(xiàn)遞減的現(xiàn)象，與上文月均變化特征一致。30 cm到地面之間土壤濕度隨深度的加深而增加，30～40 cm以下隨著土層的加深，濕度減小，所以土壤墑情整體呈現(xiàn)“增加-略平緩-減小”的趨勢，這可能與測站附近降水以及降水再分配、植被根系數(shù)量、根系分布深度、土壤孔隙度和氣候條件等因素有關(guān)[8]。

3.2 空間分布特征

由于土壤墑情站所測的參數(shù)(包括土壤體積含水量、相對濕度、重量含水量、有效水分貯存量)在時間序列和垂直方向上分布特征大致相同，所以選取質(zhì)量含水率這一參數(shù)來表征土壤墑情特征。且由上文可知，不同深度土壤質(zhì)量含水率不同，變化特征也不盡相同。由于降水和蒸發(fā)是土壤濕度變化的直接影響因子[9]，從上文可知，層次越深土壤濕度隨外界條件變化反饋越緩慢，50 cm以下開始出現(xiàn)滯后現(xiàn)象，所以采用四點法[10]，選取各站垂直平均質(zhì)量含水率，按取樣深度10 cm、20 cm、30 cm和40 cm來計算。公式如下：

P=(P0.1+P0.2+P0.3+P0.4)/4

式中：P為垂直平均土壤含水率(%)，Pi為不同深度(i=0.1 m、0.2 m、0.3 m、0.4 m)的測點土壤含水率(%)。

分析可得，各月的垂直平均土壤含水率空間分布大致相同，由上文分析選取高值(1月)和低值(10月)2個月來討論(圖6)。從整體空間分布來看，江西的西部以及贛東北和贛南南部較全省其他地區(qū)土壤更加濕潤，即植被森林覆蓋地區(qū)的土壤濕度較裸地和旱地都要高些，一定程度上表明林地儲水能力較強(qiáng)。

(a)1月 (b)10月

4 二元logistic回歸分析

上文分析了江西省土壤墑情和森林熱點各自的時空分布特征，得到一些簡單的規(guī)律結(jié)論，而兩者之間是否有相關(guān)性，山火是否可以通過土壤墑情的變化來進(jìn)行概率預(yù)測是實際應(yīng)用中迫切需要了解和解決的問題。而logistic回歸分析，則可以滿足以上分析需求。

4.1 原理與公式

logistic回歸是利用回歸類似的方法來解決分類問題，指對目標(biāo)概率進(jìn)行Logit變換，而二元logistic回歸則是二分類問題，輸出概率p的數(shù)據(jù)集合為{0,1}，對應(yīng)本文中發(fā)生火災(zāi)為1，未發(fā)生火災(zāi)則為0。記{Xi}為自變量值，把p的某個線性函數(shù)假設(shè)為變量的函數(shù)形式，進(jìn)行Logit變換，即：

其中β0,β1,β2,…,βi為邏輯回歸系數(shù)[11]。

4.2 自變量選取和抽樣說明

“日照時數(shù)”“平均相對濕度”“日最高地表氣溫”等氣象因子被認(rèn)為與林火發(fā)生關(guān)系密切[12]，但由于二元logistic回歸分析要求自變量之間為非共線性，而模型中用來代表土壤墑情的物理量土壤質(zhì)量含水率p，與這些氣象要素之間存在相關(guān)關(guān)系(檢驗略)，所以都不能被選為模型分析的自變量。上文分析山火發(fā)生頻數(shù)具有明顯的月分布特征，且土壤墑情與降水量、日照時長等關(guān)系密切，所以選取月份和連晴天數(shù)以及土壤質(zhì)量含水率p來進(jìn)行回歸分析。

根據(jù)祝必琴[13]等研究得出的江西省森林火險精細(xì)化綜合區(qū)劃圖，選取高火險地區(qū)的13個土壤水分站作為取樣站點(圖3)，以天為樣本的計數(shù)單位，去掉持續(xù)發(fā)生火災(zāi)的天數(shù)，統(tǒng)計得出由未發(fā)生火災(zāi)到發(fā)生火災(zāi)共46 d，對比火災(zāi)前的降水日期，得出連晴天數(shù)。利用SPSS統(tǒng)計分析軟件對未發(fā)生火災(zāi)天數(shù)進(jìn)行隨機(jī)抽樣，得到354 d無火災(zāi)樣本，由于354:46 < 10:1，所以不會因為0和1的樣本量懸殊而導(dǎo)致分析結(jié)果出現(xiàn)較大的差異。

4.3 結(jié)果分析

利用SPSS統(tǒng)計分析軟件對這400個樣本做了二元logistic回歸分析得出表1，模型輸出結(jié)果包括了偏回歸系數(shù)(B)、標(biāo)準(zhǔn)誤(S.E.)、Wals卡方、自由度(df)、顯著性(sig)和優(yōu)勢比(Exp(B))。因為自變量月份為不連續(xù)性的多分類變量，其數(shù)值不具備實際物理意義，所以需要將其量化，故設(shè)啞變量。為了避免完全的多重共線性，以12月為參考，引入11個啞變量，則代表月份的自變量可以寫成：

Y=b1M1+b2M2+…+bmMm，

其中：m=1,2,3,…,11；bm為m月的啞變量對應(yīng)的偏回歸系數(shù)；Mm取值為0或1，m對應(yīng)相應(yīng)月份時，Mm=1，其余月份Mm=0，當(dāng)所有Mm都取0時，Y=0表示12月份。

表1 模型輸出結(jié)果

分析Wals卡方和顯著性sig，10～40 cm的土壤質(zhì)量含水率、連晴天數(shù)和月份對應(yīng)的卡方值較大，sig均小于0.05，即這3個自變量對火災(zāi)的發(fā)生影響顯著。從啞變量的對應(yīng)參數(shù)來看，1月、2月、3月和11月更容易發(fā)生火災(zāi)，而5―8月基本沒有火災(zāi)，9—10月相對于12月發(fā)生火災(zāi)的概率要小得多，這一結(jié)論與各月的火災(zāi)頻次分布一致。

用logistic回歸模型計算預(yù)測值得出預(yù)測概率(表2)，非火災(zāi)樣本預(yù)測率為82.2%，火災(zāi)樣本預(yù)測率為76.1%，總預(yù)測率為81.5%，預(yù)測結(jié)果較好。

表2 分類表

4.4 模型驗證

為了驗證回歸分析結(jié)果，用SPSS繪制ROC曲線(圖7)，并計算AUC值。ROC曲線表示擬合數(shù)據(jù)與實測數(shù)據(jù)的關(guān)系，常用來驗證模型的合理性。對于一個二分類問題，橫軸(1-特異性)表示假陽性率，即對應(yīng)被錯誤識別為火災(zāi)的非火災(zāi)樣本占所有非火災(zāi)樣本的比例，縱軸(敏感度)表示真陽性率，即模型識別出的火災(zāi)樣本占所有火災(zāi)樣本的比例。當(dāng)模型閾值發(fā)生改變時，橫軸縱軸也在變化，由此繪制ROC曲線。當(dāng)假陽性率越接近0，真陽性率越接近1，則模型識別效果越好。所以本模型中ROC曲線位于X=0和Y=X(圖7直線)兩函數(shù)曲線之間，表明火災(zāi)擬合結(jié)果較好。AUC值是度量驗證模型的一個標(biāo)準(zhǔn)，其表示ROC曲線(圖7曲線)以下的面積，值為0.864，比較接近1，即模型模擬結(jié)果較好。

圖7 ROC曲線

5 結(jié)論

文章在分析了2013—2015年江西省土壤墑情和林火的時空分布特征的基礎(chǔ)上，利用二元logistic回歸分析討論了兩者之間的關(guān)系，得出如下結(jié)論。

1)林火分布主要集中在江西的西部、贛東北和贛南南部，且冬季林火發(fā)生頻次和火險等級高于其他季節(jié)。

2)林地儲水能力普遍強(qiáng)于裸地和旱地。受降水集中期影響，土壤墑情呈現(xiàn)明顯的月分布變化，1月份最高，10月為最低。而在垂線方向上土壤墑情則是“增加-略平緩-減小”的趨勢，層次越深土壤濕度隨外界條件變化反饋越緩慢。

3)做二元logistic回歸分析，10～40 cm的土壤質(zhì)量含水率、連晴天數(shù)和月份對火災(zāi)的發(fā)生影響顯著。通過模型檢驗，ROC曲線位于X=0和Y=X之間，且AUC值較接近1，火災(zāi)預(yù)測模型擬合結(jié)果較好。

4)文章僅就3 a的數(shù)據(jù)做了分析，不能完全包含所有特征，未來的工作中需要抽取更多的樣本來進(jìn)行檢驗和訂正。