朱 政，趙 璠*，李世友，秦明明，鄧小凡，黃鵬桂

(1.西南林業(yè)大學 大數(shù)據(jù)與智能工程學院，昆明 650224；2 西南林業(yè)大學 土木工程學院，昆明 650224)

林火是調節(jié)森林生態(tài)系統(tǒng)的關鍵因子，不僅影響森林生態(tài)系統(tǒng)的穩(wěn)定、更新和演替，同時也威脅著生物多樣性、大氣環(huán)境和人類生命財產安全[1-5]。我國是林火災害較為嚴重的國家之一，森林過火面積年均高達幾十萬hm2[6],因此，研究林火預測預報具有十分重要的理論意義和實踐價值[7-8]。

火險氣象預報模型是最成熟的預報模型，因其相關因子采集成本低、獲取容易、模型算法簡單，在國內外都有廣泛的研究成果，代表模型主要包括加拿大森林火險指數(shù)系統(tǒng)[9](FWI)、國家火險等級系統(tǒng)(NFDRS)[10]、澳大利亞火險等級系統(tǒng)(GFDM)[11]，我國2018年發(fā)布了《森林火險氣象等級》國家標準(GB/T 36743-2018)[12]。依據(jù)前人的結論，林火受多種因子共同影響，主要可以分為氣象、地形、可燃物和人為因素[13-14]。林火與多種因素存在復雜聯(lián)系，表現(xiàn)出不同的時空分布特征，為有效對林火進行防控，構建基于當?shù)氐牧只鸢l(fā)生預報模型是有效的防控手段。楊夏捷等[15]以火點數(shù)據(jù)為基礎，結合氣候、可燃物、地形、人類活動構建Logistic回歸模型進行火險區(qū)劃。梁慧玲等[16]根據(jù)1974-2008年大興安嶺塔河火災資料，分別構建Logistic回歸模型和隨機森林模型，通過對比發(fā)現(xiàn)研究區(qū)內隨機森林模型的精度更高。S.Volkanetal[17]利用貝葉斯網(wǎng)絡模型對林火發(fā)生原因進行探究，結果表明閃電、道路距離、氣溫都是引發(fā)林火的主要因素。

本研究通過VIIRS 375 m熱異常數(shù)據(jù)集提取得到歷史火點，并進一步篩選得到歷史未過火點，使用《森林火險氣象等級》國家標準(GB/T 36743-2018)測算各點火險等級,并依據(jù)國家標準(QX/T 77-2007)確定其他火險因子，將坡度、地物類型、距公路、居民區(qū)距離等因子加權構建林火發(fā)生預報模型，測算歷史火點和歷史未過火點對應的火險等級，并進行精度比較和分析，以期為全區(qū)林火預防和管理工作提供參考。

1 研究區(qū)概況

1.1 研究區(qū)

研究區(qū)為云南省的昆明市和玉溪市。全區(qū)土地面積約3.7×104萬km2,約占云南省土地面積的9.38%；人口占比約為云南省總人口的27.5%(2019年常住人口統(tǒng)計)；財政收入占比36.28%(2020年云南省統(tǒng)計年鑒)。全區(qū)地處云南省中部(23°19′-26°22′N，102°10′-103°40′E)，地勢北高西低，平均海拔在1 500 m之上，年均氣溫16.4～24.6 ℃，具有干濕季分明的氣候特征。昆明市有森林面積11.69×105hm2，森林覆蓋率達到52.62%，森林蓄積量達到6 057×104m3。2019年底，玉溪市有森林面積90.9×104hm2，森林覆蓋率達到60.7%，森林蓄積量達到5 950×104m3。境內主要樹種包括云南松(Pinusyunnanensis)、華山松(P.armandii)、櫟類(Quercusspp.)、杉木(Cunninghamialanceolata)、楊樹(Populusspp.)等[18]。全區(qū)森林資源豐富，屬于林火高發(fā)區(qū)，每年12月至翌年6月為全區(qū)范圍防火期，氣候干旱少雨，森林可燃物長期處于干燥狀態(tài)，極易發(fā)生特大森林火災，從VIIRS 375 m熱異常產品數(shù)據(jù)集篩選出全區(qū)2012-2019年共發(fā)生林火608起，其中玉溪市發(fā)生林火372起，昆明市發(fā)生林火236起，林火主要發(fā)生在春季和夏季。

1.2 數(shù)據(jù)來源

火點數(shù)據(jù)來源于VIIRS 375 m(VNP14IMP)熱異常產品數(shù)據(jù)集，該產品源自Suomi-NPP衛(wèi)星搭載的VIIRS傳感器傳輸?shù)某上駭?shù)據(jù)[19-20]，VIIRS傳感器提供空間分辨率為375 m和750 m的熱異常點數(shù)據(jù)，以每12 h為周期提供一次全球覆蓋火災活動圖，VIIRS產品以MODIS(MOD14/MYD14)火災和熱異常算法為基礎，使用Contextual算法監(jiān)測生物質燃燒和其他溫度異常區(qū)域[21]，該產品在國內外被廣泛應用于森林火災識別研究[22-23]、火災評估[20]、大氣污染[24-25]，與主流的MODIS火災探測產品相比，該數(shù)據(jù)因有更高的空間分辨率而更精準的性能，向美國國家航天局火災信息資源管理系統(tǒng)(NASA FIRMS)申請下載獲取(https://earthdata.nasa.gov)。其他數(shù)據(jù)來源見表1。

表1 數(shù)據(jù)來源

1.3 數(shù)據(jù)處理

1.3.1 火點數(shù)據(jù)處理 下載2012-2019年覆蓋整個云南省的VIIRS 375 m(VNP14IMGTDL_NRT)熱異常數(shù)據(jù)集，提取出覆蓋昆明市和玉溪市的火點數(shù)據(jù)。VIIRS 375 m熱異常數(shù)據(jù)集提供包括火點坐標、起火日期、置信度以及火點時間段見表2。為了驗證數(shù)據(jù)的可靠性，選取新聞報道的8場火災進行檢驗，根據(jù)報道火點的坐標日期，從Google earth影像上進行定位，與提取到的火點數(shù)據(jù)進行日期和坐標的比對，結果顯示精準度很高(表3)，證明該數(shù)據(jù)對火災監(jiān)測的準確性。在提取火點時選取置信度為H的火點數(shù)據(jù)，避免數(shù)據(jù)中存在的偽火點信息，使用該數(shù)據(jù)與全區(qū)的地物類型圖在Arcgis10.7上面進行比對，剔除掉不屬于林地類型的火點，確保所有的火點都屬于森林火災，經(jīng)過篩選之后，一共得到608個火災點(圖1)。

圖1 研究區(qū)2012-2019年火點數(shù)據(jù)分布

表2 VIIRS 375 m熱異常數(shù)據(jù)集字段名稱

表3 數(shù)據(jù)集對比驗證

1.3.2 其他數(shù)據(jù)處理 氣象數(shù)據(jù)分別選取風速、溫度、相對濕度、降水量以及連續(xù)無降水天數(shù)5個指標，采用Arcgis10.7的泰森多邊形匹配距離火點最近氣象站點，獲取火點當日的氣象數(shù)據(jù)。使用Arcgis10.7按掩膜提取全區(qū)范圍的地表數(shù)據(jù)，并使用值提取到點獲取每個火點對應的地物類型。采用Arcgis10.7對下載的DEM進行裁剪得到全區(qū)范圍的DEM影像，按值提取到點的方式獲取每個點的坡度值，統(tǒng)計火點的坡度值并選取對應的范圍進行分級[26]。人為活動按照距離遠近分別測算火點離公路、居民區(qū)的距離，分別導入基礎地理數(shù)據(jù)庫后，使用 Arcgis10.7的近鄰分析功能得到火點距公路、居民區(qū)的最近距離，并選取相應的范圍進行分級。

2 研究方法

2.1 火險氣象預報模型

氣象因素是導致林火發(fā)生的直接因素，通常作為傳統(tǒng)火險氣象模型來進行火險區(qū)劃和林火預測[27],其一般思路為選取幾種主要氣象因子構建綜合指標來表征林火發(fā)生的可能性。本研究選用2018年最新發(fā)布的火險氣象指數(shù)(forest fire danger weather index)來作為火險預報模型的依據(jù)，用指數(shù)值測算其對應的火險等級，其計算方法如下

IFFDI=U×Cr×Cs

(1)

式中:IFFDI為火險氣象指數(shù)，Cr是降水量修正系數(shù)，24 h內降水Rr≥1 mm 時，Cr=0；Rr<1 mm時，Cr=1；Cs是積雪修正系數(shù)，24 h內雪深Hs>0 cm時，Cs=0；Hs=0 cm時，Cs=1，U是火險氣象指數(shù)的函數(shù)表達式，其計算方法如下

U=f(V)+f(T)+f(rRH)+f(M)

(2)

式中:V代表當?shù)?4:00風速/(m·s-1)；T代表14:00氣溫/℃；rRH代表14:00相對濕度/%；M為綜合氣象干旱等級為無旱(氣象干旱綜合指數(shù)[28]MCI>-0.5)、輕旱(MCI≤-0.5)時的連續(xù)無降水日/d；各氣象因子對應的函數(shù)值見表4，查表4可知，本研究區(qū)按照《森林火險氣象等級》劃分屬于C區(qū)，IFFDI取值對應的火險等級見表5。

表4 氣象因子及其函數(shù)值查對表

表5 森林火險氣象等級劃分標準

2.2 林火發(fā)生預報模型構建

常規(guī)的火險預報模型僅僅考慮氣象因素對于林火發(fā)生的影響，單純通過火險天氣因子進行預報，但該模型在小氣候特征明顯的山地林區(qū)，由于局部地區(qū)氣候差異性大，極易造成誤報漏報。同時，國內外研究顯示除氣象因素外，地形、林內可燃物類型和人類活動等因素對林火發(fā)生也有顯著影響[29-30]。因此，可用常規(guī)火險氣象預報模型分別融合可燃物、地形和人類活動這幾類要素，實現(xiàn)全面的林火發(fā)生預報模型構建。本研究采用森林火災發(fā)生指數(shù)(forest fire occurrence index)預示潛在火險等級，其計算式如下:

IFFOI=IFFDI×Ca×Cb×Cc×Cd×K

(3)

式中:IFFDI是森林火險氣象指數(shù)；Ca是地形調整系數(shù)；Cb是可燃物調整系數(shù)；Cc是道路調整系數(shù)；Cd是居民點調整系數(shù)；K是森林火災發(fā)生模型閾值調整系數(shù)，其值為0.754。

式中:Ca、Cb、Cc、Cd的取值參考2007年出版的《森林火險氣象等級》國家標準(QX/T 77-2007)的其他因子火情貢獻度計算方法[31],首先計算在各區(qū)間內Yi發(fā)生條件下Fi發(fā)生的概率Pi，Pi反映該區(qū)間內的火情嚴重程度，其計算方法為

(4)

式中:Fi為各區(qū)間內火災出現(xiàn)次數(shù)歷史平均值(如：地形中坡度為0°～5°發(fā)生森林火災次數(shù)歷史平均值)；Yi為各因子區(qū)間內因子出現(xiàn)日數(shù)(如：地形中坡度為0°～5°發(fā)生森林火災的日數(shù))；Pi為Yi條件下Fi發(fā)生概率；i為各區(qū)間內因子之和(如：地形中坡度的分類級別)。

計算得到各區(qū)間的Pi值，按照公式(5)計算各因子的相對火險比例

(5)

式中:Pmin為各區(qū)間內Pi最小值；Ci為各區(qū)間因子相對于Pmin的火險比例。

本研究中融合的因子及相對火險比例見表6，再根據(jù)公式(3)的計算對應的IFFOI值，依據(jù)表5劃分火險等級。

表6 林火發(fā)生預報模型調整系數(shù)查對表

2.3 模型精度比較

采用2種不同方式比較上述2種模型的精度。首先，剔除608個歷史火點中，在著火發(fā)生日期之前1個月存在下雨、降雪的歷史火點，并保證火點的經(jīng)緯度坐標值大于0.1，最終形成300個歷史未過火點；其次，利用模型分別計算和統(tǒng)計歷史火點、歷史未過火點的火險等級；再次，分別計算得到2種模型在歷史火點、歷史未過火點的各火險等級比例；最后，以三級火險等級劃分，統(tǒng)計三級及以上的火點等級比例和累積比例作為評價模型精度的指標[32]。

3 結果與分析

3.1 火點時空分布

由圖2A可見，全區(qū)2012-2019年這8 a間發(fā)生森林火災年均次數(shù)為76次，其中，2014年發(fā)生的森林火災次數(shù)高達116次，與該年份春夏季長時間干旱少雨的氣候有關，從2015年開始整體森林火災的數(shù)量呈明顯下降的趨勢，可能與近年來相關部門重視森林資源嚴禁防火措施有關。由圖2B可見，全區(qū)的林火呈兩極分布的態(tài)勢，主要集中在1-5月，云南省的防火期在1月～6月15日，這與前人的研究結論一致[33],主要是因為全區(qū)的氣候干濕季分明，干季干旱少雨，林內可燃物處于季節(jié)性增長和干燥狀態(tài)，極易被點燃引發(fā)大火。由圖2C可見，森林火災頻發(fā)區(qū)域集中在元江哈尼族彝族傣族自治縣、尋甸回族彝族自治縣、峨山彝族自治縣和安寧市，平均森林火災次數(shù)為88次，占全區(qū)總火點頻次的58%以上，因此，應當引起防火相關部門重視，加強防火宣傳，杜絕明火帶入林區(qū)，提高林火實時監(jiān)測能力，在火災初期及時控制火情，減小損失，合理利用道路和水域組成天然防火隔離帶[34]，防止火情的蔓延。

注：A歷年火點數(shù)量統(tǒng)計；B各月火點數(shù)量統(tǒng)計；C各區(qū)縣火點數(shù)量統(tǒng)計。

由圖3A可見，統(tǒng)計的地物類型發(fā)生林火的最多的是森林，其火點數(shù)高達348次，占總火點頻次的57%以上，灌木地火點數(shù)僅為38次，占總火點頻次的6.25%，其次為耕地和草地，火點數(shù)量分別為108次和118次。由圖3B可見，占據(jù)火點頻次最多的坡度范圍在0°～15°，高達236次，占總火點頻次的38%以上，火點分布整體隨著坡度的增大而減小，這主要是因為坡度越大越容易造成水土流失，不利于可燃物的增長和堆積，因此火點數(shù)量隨之減少。由圖3C可見，火點頻次集中在3 km以內，火點頻次與距離呈均勻分布的狀態(tài)，占據(jù)總火點頻次的95%以上，這是因為人類活動密集，導致火源分布廣，人為火災事故多，極易引發(fā)火情。由圖3D可見，當距道路距離<1 000 m時，火點頻次呈現(xiàn)出先增加后減少的趨勢，主要是因為在500 m內距離增加，可燃物載量增加，極易引發(fā)火災，在500 m距離之后，可燃物載量不變，但是人類活動減少，火點頻次隨之減少，>1 000 m火點頻次主要受天氣、地形等因素影響。

注：A地物類型火點數(shù)量統(tǒng)計；B不同坡度的火點數(shù)量統(tǒng)計；C與居民區(qū)不同距離的火點數(shù)量統(tǒng)計；D與道路不同距離的火點數(shù)量統(tǒng)計。

3.2 模型預報結果精度對比

本研究以統(tǒng)計落入對應火險等級的火點數(shù)量和累積比例的方式作為精度評價指標，分別計算608個歷史火點和300個歷史未過火點的火險等級情況和累積比例。由圖4A可見，森林火險氣象預報模型計算歷史火點落在各火險等級比例分別為44.6%、14.6%、36.7%、3.4%、0.7%，對應的火險等級分別為一級、二級、三級、四級、五級，三級及以上火險等級的累積比例為40.8%，林火發(fā)生預報模型的計算結果為一級(26.6%)、二級(8.7%)、三級(46.9%)、四級(3.5%)、五級(14.3%)，三級及以上火險等級的累積比例為64.7%，即:全區(qū)以三級及以上火險等級作為火險預警發(fā)布標準時，時空火險預報模型比森林火險預報模型的計算結果多23.9%的火點進入火險預警的防控標準。

同上，用相同的方法計算這300個火點，其結果見圖4，森林火險氣象預報模型計算結果為一級(8%)、二級(39.3%)、三級(48%)、四級(4.7%)、五級(0%),三級以下火險等級的累計比例為47.3%，林火發(fā)生預報模型計算結果為一級(19%)、二級(42.3%)、三級(36.7%)、四級(2%)、五級(0%)，三級以下火險等級的累計比例為61.3%，即:全區(qū)以三級及以上火險等級作為火險預警發(fā)布標準時，時空火險預報模型比森林火險預報模型的計算結果少14%的火點進入火險預警的防控標準，降低了林火防控的林區(qū)范圍和資源消耗。

注：A林火預報模型統(tǒng)計歷史火點數(shù)量；B火險預報模型統(tǒng)計歷史火點數(shù)量；C林火預報模型統(tǒng)計未過火點數(shù)量；D火險預報模型統(tǒng)計未過火點數(shù)量。

這2種模型通過歷史火點和歷史未過火點進行對比發(fā)現(xiàn)：林火發(fā)生預報模型在高火險時能提升林區(qū)范圍的火險等級，在低火險時能降低林區(qū)范圍的火險等級，顯示出了更高的精準度。本研究構建的林火發(fā)生預報模型通過氣象做大范圍的時間預報，依據(jù)融合的多種空間因素進一步精細化火險的空間分布 ，極大地提升了模型的精度。

3.3 模型預報結果對比

圖5是2種模型在隨機選取某天的預報結果圖，由于氣象因素均為2種模型的主要組成要素，因此，依據(jù)相同的氣象數(shù)據(jù)測算，在預報結果中2種模型的空間分布相似度極高。但是，森林火險氣象預報模型預報結果簡單，火險等級空間分布精細度不高，這是因為氣象數(shù)據(jù)由氣象站臺獲取，通過空間插值的方法生成火險分布圖，分布稀疏的氣象站臺只能獲取一個大范圍的空間插值結果，而林火還受到其他因素的影響[13-14],因此可根據(jù)每日天氣數(shù)據(jù)獲取大范圍內的時間火險預報結果，通過融合多種其他更精細的空間因素(如坡度、地物類型、人為活動范圍等)，得到全方位的林火發(fā)生預報結果(圖5B)?；痣U等級預報結果更多，空間精細度更多，此外，還增加了無風險區(qū)，將不含植被的其他區(qū)域(水體、實地、人造地表)計算為無風險區(qū)，縮小了林火監(jiān)測和撲救范圍 ，增強了林火防控的時效性。因此，林火發(fā)生預報模型的預報結果更加精準。

注：A火險氣象預報結果；B林火發(fā)生預報結果。

4 結論與討論

1)全區(qū)范圍內的森林火災次數(shù)較多，呈現(xiàn)明顯的季節(jié)分布規(guī)律，主要集中1-5月，與云南省的防火期一致，火災多發(fā)生在干季，說明氣象因素是影響森林火災的主要因素。

2)全區(qū)范圍內的森林火災不僅受到氣象因素的影響，還受到地形、可燃物、人為活動等因素的共同作用，這幾者共同構成火三角燃燒的全部條件，決定林火發(fā)生的時空關系[35-36],氣象因素決定大范圍內林火發(fā)生的時間預報結果，而地形、可燃物和人為活動等因素從更精細的空間角度預示著潛在的林火分布狀況。

3)2種模型預報的結果在整體分布上較為相似，但是林火發(fā)生預報模型的結果在火險等級的分布種類更多，預報的空間分布更為精細。

4)本研究研建的林火發(fā)生預報模型的預報結果比火險預報模型的精度更高，但考慮的因素主要在日值氣象數(shù)據(jù)，而林火發(fā)生前期的累積值同樣重要，如可燃物床厚度、死可燃物和活可燃物的空間分布等，在接下來的研究中會考慮引入一些中期要素加入模型的研建。