朱沛林 ，史明昌 ，Mike Wotton，方艷霞 ，劉思林 ，孫 瑜

（1.北京林業(yè)大學(xué) 林學(xué)院，北京 100083；2. Canadian Forest Service, Faculty of Forestry, University of Toronto, ON,Canada M5S 3B3）

黑龍江大興安嶺雷擊火概率預(yù)測模型研究

朱沛林1，史明昌1，Mike Wotton2，方艷霞1，劉思林1，孫 瑜1

（1.北京林業(yè)大學(xué) 林學(xué)院，北京 100083；2. Canadian Forest Service, Faculty of Forestry, University of Toronto, ON,Canada M5S 3B3）

結(jié)合黑龍江大興安嶺雷擊火發(fā)生特點(diǎn)及該地區(qū)的氣象條件，引用加拿大天氣指標(biāo)（FWI）系統(tǒng)，使用2005年至2010年每日的閃電定位數(shù)據(jù)、天氣數(shù)據(jù)、雷擊引發(fā)的火災(zāi)數(shù)據(jù)，利用二元Logistic回歸模型，采用全部進(jìn)入法建立回歸模型，最后檢驗(yàn)分析顯示:模型擬合效果較為理想，為預(yù)測黑龍江大興安嶺地區(qū)雷擊火發(fā)生概率提供依據(jù)。

林區(qū)雷擊火；雷擊火概率預(yù)測；預(yù)測模型；大興安嶺林區(qū)

雷擊火預(yù)測模型的研究超過半個(gè)世紀(jì)，形成了一些適用于國家級的雷擊火預(yù)測模型，如加拿大，美國等。國內(nèi)的雷擊火預(yù)測模型的研究起步較晚，沒有形成適用于國內(nèi)的雷擊火預(yù)測模型。黑龍江省大興安嶺是我國雷擊火發(fā)生的主要區(qū)域，而黑龍江省大興安嶺發(fā)生的火災(zāi)以雷擊火為主。近年來，黑龍江省大興安嶺雷擊火發(fā)生愈加頻繁，因此，建立適用于黑龍江省大興安嶺的雷擊火預(yù)測模型已成為必須。早在20世紀(jì)80年代中期，加拿大學(xué)者通過研究認(rèn)為，加拿大天氣指標(biāo)系統(tǒng)在我國大興安嶺地區(qū)適用[1]。因此，引用加拿大天氣指標(biāo)系統(tǒng)，應(yīng)用于我國黑龍江省大興安嶺，構(gòu)建適用于該地區(qū)的雷擊火概率預(yù)測模型。

1 研究區(qū)概況

黑龍江大興安嶺林區(qū)（50°10′～ 53°33′N，121°12′～ 127°00′E）夏季海洋季風(fēng)受阻于山地東坡，東坡降水多，西坡干旱，二者呈明顯對比，但整個(gè)山區(qū)氣候較濕潤，年降水500 mm以上。該區(qū)屬寒溫帶季風(fēng)氣候，年均氣溫-2 ℃～4 ℃，降水集中于7～8月；相對濕度70%～75%，每年積雪期長達(dá)5個(gè)月，林內(nèi)雪深30～50 cm。土壤以棕色針葉林土和暗棕壤為主。大興安嶺林區(qū)屬寒帶針葉林區(qū)，森林類型主要為落葉松Larixgmelinii林、樟子松Pinus sylvestrisvar.mongolica林、白樺Betula platyphylla林、蒙古櫟Quercus mongolica林和胡枝子Lespedeza bicolor林。該區(qū)為我國森林火災(zāi)高發(fā)區(qū)，年均森林過火面積居全國之首，是我國森林火災(zāi)危害最嚴(yán)重的地區(qū)，由雷擊引發(fā)的火災(zāi)占區(qū)森林火災(zāi)的36%[2-3]。

2 數(shù)據(jù)和變量

2.1 數(shù)據(jù)來源

研究主要應(yīng)用的數(shù)據(jù)有黑龍江省大興安嶺地區(qū)行政界限圖、2005～2010年雷擊引發(fā)的火災(zāi)數(shù)據(jù)、2005～2010年大興安嶺每日的雷擊數(shù)據(jù)及研究區(qū)內(nèi)5個(gè)氣象站（漠河、塔河、新林、呼瑪和大興安嶺）2005～2010年日觀測數(shù)據(jù)包括最高氣溫、平均相對濕度、24 h降水量、平均風(fēng)速。雷擊數(shù)據(jù)包括雷擊發(fā)生時(shí)間和地理位置等。大興安嶺每日的雷擊數(shù)據(jù)（2005～2010年）及雷擊引發(fā)的火災(zāi)數(shù)據(jù)來自大興安嶺防火部門。

2.2 數(shù)據(jù)預(yù)處理

理想情況下，點(diǎn)燃概率通過建立雷擊點(diǎn)燃和火災(zāi)發(fā)生的關(guān)聯(lián)得到。由于個(gè)別閃電和個(gè)體火災(zāi)很難有高度的確定性關(guān)聯(lián)，因此采取的方法是在小的區(qū)域內(nèi)分析區(qū)域內(nèi)的全部閃電數(shù)據(jù)。為解決該問題，將整個(gè)地區(qū)劃分為多個(gè)單元區(qū)域，區(qū)域的大小須滿足兩個(gè)條件：（1）可合理估計(jì)該地區(qū)的閃電數(shù)量；（2）天氣條件在該區(qū)域內(nèi)屬同一類型[4]。經(jīng)過試驗(yàn)，最終確定將整個(gè)大興安嶺地區(qū)劃分為多個(gè)15 km×15 km的單元區(qū)域。

點(diǎn)燃概率為單元區(qū)域內(nèi)每天被報(bào)告的雷擊火引燃數(shù)除以總的雷擊數(shù)量。每個(gè)單元區(qū)域中針葉樹的百分比通過森林資源二類調(diào)查的數(shù)據(jù)得到。大興安嶺地區(qū)設(shè)有5個(gè)氣象監(jiān)測站點(diǎn)，根據(jù)每個(gè)氣象站點(diǎn)監(jiān)測數(shù)據(jù)，使用反距離權(quán)重法插值計(jì)算出每個(gè)單元區(qū)域的每日天氣指標(biāo)（溫度，相對濕度，風(fēng)速，降雨量）作為該單元區(qū)域的天氣指標(biāo)。

利用單元區(qū)域每日的天氣指標(biāo)數(shù)據(jù)，根據(jù)FWI系統(tǒng)模型公式[5]編程計(jì)算得出每個(gè)單元區(qū)域內(nèi)每日的FFMC、DC值，并在原有程序基礎(chǔ)上根據(jù)SDMC的計(jì)算公式添加了該指標(biāo)的計(jì)算模塊計(jì)算SDMC值[10]。雷擊火發(fā)生的時(shí)間是分散分布的，利用連續(xù)的氣象觀測記錄計(jì)算每次雷擊火發(fā)生時(shí)的火險(xiǎn)天氣指數(shù)較困難?？紤]計(jì)算方法的簡便性和實(shí)用性，雷擊火發(fā)生前20 d森林可燃物的狀態(tài)極為相似，且平均氣象數(shù)據(jù)能很好地代表雷擊火發(fā)生當(dāng)天的天氣狀況（除有風(fēng)和降雨的天氣外)，可對計(jì)算方法做適當(dāng)修改：雷擊火發(fā)生前一天的指標(biāo)用雷擊火發(fā)生前20 d的氣象日觀測數(shù)據(jù)的平均值來計(jì)算[6-7]。根據(jù)初始值、雷擊火發(fā)生前一天的指標(biāo)和當(dāng)日氣象觀測數(shù)據(jù)，通過系統(tǒng)的公式計(jì)算得到雷擊火發(fā)生當(dāng)日的指標(biāo)。在冬季有明顯積雪地區(qū)，連續(xù)3天沒有積雪后開始計(jì)算，可燃物濕度碼FFMC、DC的初始值分別賦值為85、15。冬季沒有明顯積雪覆蓋的地區(qū)，從連續(xù)3天日平均氣溫超過6 ℃后開始計(jì)算，F(xiàn)FMC=85，DC值是上次降水到現(xiàn)在日數(shù)的5倍[8]。

2.3 變量選取

森林地表含水率、閃電極性、針葉林的百分比、雷雨發(fā)生的時(shí)間均對地表可燃物的傳播及持續(xù)引燃概率產(chǎn)生影響[9]，結(jié)合FWI系統(tǒng)，選取8個(gè)自變量，分別是

1）SDMC：代表林木樹冠上部有機(jī)層含水率的指數(shù)。該指數(shù)相對于DMC能更好的地預(yù)測雷擊火發(fā)生的概率[10]。

2）DC：代表森林表面深層有機(jī)物含水率的指標(biāo)。

3）FFMC：代表森林表面枯枝落葉層含水率的指標(biāo)。

4）PERPOS：一天中各單元區(qū)域中正極雷擊的百分比。

5）PERCLOSED：各單元區(qū)域密閉針葉林的百分比。

6）TIMING：代替閃電風(fēng)暴時(shí)間的二進(jìn)制變量，即表示閃電來自夜晚或白天（0代表夜晚：21：00～06：00；1代表白天：06：00～21：00）。

7）DRYING：代表森林地表是干燥或濕潤的二進(jìn)制變量。這由推測的點(diǎn)燃日期的SDMC值與隨后3天的SDMC平均值相比較決定（0代表濕潤，1代表干燥）。

8）RAINocc：表明單元區(qū)域內(nèi)檢測到閃電的未來3天之內(nèi)是否有大雨（降雨量大于5 mm）的二進(jìn)制變量（0是沒有雨，1是有雨）[4]。

因變量是一個(gè)二進(jìn)制變量，某天單元區(qū)域內(nèi)有火災(zāi)被發(fā)現(xiàn)且被報(bào)告給大興安嶺防火部門，則值記為1，否則為0。

3 模型

3.1 模型介紹

邏輯斯蒂回歸模型是廣義線性回歸模型中的一種。對有兩個(gè)結(jié)果的二元分類因變量（響應(yīng)變量）發(fā)生的概率建模時(shí)，可以使用二元Logistic回歸模型來進(jìn)行分析。通常在建立Logistic模型之前，考慮存在一個(gè)不連續(xù)的無法觀測的變量Z，并認(rèn)為該變量是事件發(fā)生的傾向。在Logistic回歸模型中，Z和事件發(fā)生的概率之間的關(guān)系可以表示[11-12]為

式(1)、式(2)中，pi代表的是第i個(gè)個(gè)案可能發(fā)生的概率，Zi代表的是第i個(gè)變量不能觀測到的變量值。模型同樣假定Zi與自變量之間存在線性關(guān)系：

式（3）中：Xi為第i個(gè)自變量，Bi為第i個(gè)參數(shù)，k為自變量的個(gè)數(shù)。

對于二元Logistic回歸函數(shù)，因變量Yi的概率函數(shù)可以表示為：

式（4） 中，Yi=0,1；（i=1，2， …，n）， 那 么Y1，Y2，…，Yn的似然函數(shù)為

將似然函數(shù)兩端取對數(shù)，用極大似然估計(jì)迭代法，可以得到Logistic回歸模型的參數(shù)估計(jì)值[13]。

回歸模型為

式(6)中：Pr：為雷擊引起火災(zāi)并且最終能被大興安嶺防火部門檢測并記錄的概率。Bi（i=0～8）：邏輯回歸模型系數(shù)。

3.2 參數(shù)回歸

將雷擊數(shù)據(jù)及雷擊火數(shù)據(jù)進(jìn)行篩選，獲得有效雷擊數(shù)據(jù)10 526條（每個(gè)雷擊的數(shù)據(jù)作為一條記錄）。從有效數(shù)據(jù)中隨機(jī)抽取其中的65.6%作為樣本，余下的34.4%用于回判檢驗(yàn)?zāi)Ｐ蛿M合效果。運(yùn)用SPSS 18.0軟件采用二元邏輯斯蒂全部進(jìn)入回歸法，將單元區(qū)域內(nèi)是否有火災(zāi)被發(fā)現(xiàn)且被報(bào)視為協(xié)變量作二元邏輯斯蒂回歸，得到二元邏輯斯蒂回歸模型的參數(shù)。

4 數(shù)據(jù)結(jié)果及分析

對Logistic回歸模型擬合的有效性和擬合優(yōu)度進(jìn)行檢驗(yàn)。處理因變量中無法解釋部分顯著性問題的-2 Log likelihood值相對較小，則因變量變動中無法解釋部分較少，故該模型的擬合程度較好[13-14]。詳見表1，Hosmer-Lemeshow檢驗(yàn)，檢驗(yàn)因變量實(shí)際值與預(yù)測值的分布是否有顯著差異，結(jié)果表明不顯著，即因變量的實(shí)際值與預(yù)測值無顯著性差異，模型擬合較好。

表1 模型有效性和擬合優(yōu)度Table 1 Effectiveness and fitting goodness of models

經(jīng)Wald檢驗(yàn)，回歸模型中SDMC、DC、FFMC、PERPOS、PERCLOSED、TIMING、DRYING、RAINocc各因子的參數(shù)對應(yīng)的顯著性水平Sig.都小于0.1。

回判檢驗(yàn)擬合模型預(yù)測準(zhǔn)確率為62.1%，模 型 能 較 好 地 擬 合SDMC、DC、FFMC、PERPOS、PERCLOSED、TIMING、DRYING、RAINocc同著火概率Pr的關(guān)系，模型的擬合效果較好。

Logistic回歸估計(jì)方程如下：

由于模型的變量TIMING、DC和RAINocc系數(shù)的指數(shù)值為負(fù)，則TIMING、DC及RAINocc對著火概率產(chǎn)生顯著的負(fù)面影響，即在閃擊出現(xiàn)3天內(nèi)的降雨可降低引起火災(zāi)的概率，晚間發(fā)生閃擊引燃的概率很高。擬合模型中沒有SDMC變量時(shí)，DC的參數(shù)通常為正，森林表面深層有機(jī)物含水率越低，越易發(fā)生雷擊火；但擬合模型變量中存在SDMC情況下，DC的參數(shù)正負(fù)性隨SDMC影響過強(qiáng)或過弱變化，故視DC為SDMC影響過強(qiáng)或過弱的補(bǔ)償[9]。DC變量系數(shù)為負(fù)，則DC值變化為對SDMC值影響過大的補(bǔ)償。變量SDMC、FFMC、PERPOS、PERCLOSED、DRYING系數(shù)的指數(shù)值均為正，則這些指標(biāo)對著火概率產(chǎn)生顯著的正面影響。夜晚時(shí)，DC和RAINocc值越小，SDMC、FFMC、PERPOS、PERCLOSED、DRYING越大，越容易發(fā)生雷擊火。對雷擊火發(fā)生概率影響最大的指數(shù)是DRYING，故單元區(qū)域內(nèi)檢測到閃電的未來3天之內(nèi)是否有大雨的情況對雷擊火的發(fā)生概率影響最大。

5 結(jié)論與討論

為建立雷擊點(diǎn)燃和火災(zāi)發(fā)生的關(guān)聯(lián)，將黑龍江大興安嶺區(qū)域分成15 km×15 km的單元區(qū)域，單元區(qū)域是否發(fā)生雷擊火為因變量，SDMC、DC、FFMC、PERPOS、PERCLOSED、TIMING、DRYING 和RAINocc為協(xié)變量作二元邏輯斯蒂回歸，得到二元邏輯斯蒂回歸模型。經(jīng)檢驗(yàn)，回歸模型擬合的有效性和擬合優(yōu)度較好。因此，已知黑龍江某地的連續(xù)觀測的氣象數(shù)據(jù)（日最高氣溫、平均相對濕度濕度、24 h降水和平均風(fēng)速）、未來3天預(yù)測氣象數(shù)據(jù)（最高氣溫、平均相對濕度濕度、24 h降水、平均風(fēng)速）及該地針葉林所占百分比，結(jié)合該地氣象數(shù)據(jù)得出SDMC、DC、FFMC、PERPOS、PERCLOSED、TIMING、DRYING和RAINocc值。利用雷擊火概率預(yù)測模型，可為雷擊火發(fā)生概率以及一定區(qū)域內(nèi)雷擊火發(fā)生的數(shù)量估計(jì)提供科學(xué)參考依據(jù)。

但由于存在雷擊探測位置誤差、大興安嶺氣象站點(diǎn)較為稀疏、雷擊火及雷擊監(jiān)測數(shù)據(jù)年限較短等，因此仍需隨原始數(shù)據(jù)精度的逐漸提高和雷擊火及雷擊監(jiān)測歷史數(shù)據(jù)的積累對回歸模型的參數(shù)逐步完善。

[1] 田曉瑞,Mcrae Douglas J.,Jizhong Jin,等. 大興安嶺地區(qū)森林火險(xiǎn)變化及FWI適用性評估[J].林業(yè)科學(xué), 2010,46(5):127-132.

[2] 舒立福,王明玉,李忠琦,等. 我國大興安嶺呼中林區(qū)雷擊火發(fā)生火環(huán)境研究[J]. 林業(yè)科學(xué), 2003, 39(6): 94-99.

[3] 張尚印,祝昌漢,高 歌,等. 森林火災(zāi)天氣等級確定及監(jiān)測預(yù)報(bào)方法[J]. 氣象科技,2001,(02): 45-48.

[4] 肖志遠(yuǎn),姜恩來,劉 毅. 北美雷擊火概率預(yù)測技術(shù)及其應(yīng)用效果評價(jià)[J]. 林業(yè)機(jī)械與木工設(shè)備, 2011, 39(9): 21-25.

[5] Van Wagner C.E. Development and Structure of the Canadian Forestry Fire Weather Index System[R]. Ottawa: Forestry,Service Canadian, 1987.

[6] 于建龍,劉乃安. 我國大興安嶺地區(qū)森林雷擊火發(fā)生的火險(xiǎn)天氣等級研究[J]. 火災(zāi)科學(xué), 2010, (03): 131-137.

[7] 于建龍. 我國大興安嶺地區(qū)森林雷擊火發(fā)生的預(yù)測預(yù)報(bào)[D].安徽合肥: 中國科學(xué)技術(shù)大學(xué), 2010.

[8] 孫玉成,馬洪偉,王秀國,等. 加拿大火險(xiǎn)天氣指標(biāo)(FWI)計(jì)算的初始化方法和解釋[J]. 森林防火, 2003, (04): 22-24.

[9] M W B. A lightning fire occurrence model for Ontario[J].Canadian Journal of Forest Research. 2005, 35(6): 1389-1401.

[10] Wotton B M. Predicting forest fire occurrence in Ontario[D].Toronto: University of Toronto, 2004.

[11] 韓鳳英. 一種基于改進(jìn)Logistic混沌映射的圖像加密算法[J].中南林業(yè)科技大學(xué)學(xué)報(bào), 2008,28(01): 153-157.

[12] 劉艷萍,朱延林,康向陽,等. 電導(dǎo)法協(xié)同Logistic方程確定不同類型廣玉蘭的抗寒性[J]. 中南林業(yè)科技大學(xué)學(xué)報(bào), 2012,32(10): 69-71.

[13] 王伏虎. SPSS在社會經(jīng)濟(jì)分析中的應(yīng)用[M]. 安徽: 中國科學(xué)技術(shù)大學(xué)出版社, 2009.

[14] 楊小平. 二分Logistic模型在分類預(yù)測中的應(yīng)用分析[J]. 四川師范大學(xué)(自然科學(xué)版), 2009, 32(3): 393-394.

A preliminary study on lightning-caused fi re probability prediction model for Daxing’anling forest region

ZHU Pei-lin1, SHI Ming-chang1, Mike Wotton2, FANG Yan-xia1, LIU Si-lin1, SUN Yu1
(1. College of Forestry, Beijing Forestry University, Beijing 10083, China;2. Canadian Forest Service, Faculty of Forestry, University of Toronto, ON, Canada M5S 3B3)

In order to study lightening-caused fire in Daxing’anling forest region, the characteristics of lightening-caused fire in Daxing’ anling forest region in Heilongjiang province and the meteorological conditions in the area were taken into account, and the Canadian Forest Fire Weather Index (FWI) was cited, and the everyday lightning location data, climate data, lightning-caused fi re data recorded from 2005 to 2010 were used, thus the regression model for the region was established by adopting binary Logistic regression model and Enter Independents Together. The fi nal test results show that the model fi tting effects are satisfactory, thus providing a basis for predicting the probability of lightning-caused fi res in Daxing’anling forest region in Heilongjiang province.

lightning strike fi re in forest region; lightning-caused fi re probability prediction; prediction model; Daxing’ anling forest region

S761

A

1673-923X(2014)08-0082-04

2013-11-30

國家林業(yè)局948引進(jìn)項(xiàng)目（2008-4-51）資助

朱沛林（1989-），女，湖南婁底人，碩士研究生，研究方向?yàn)?S在資源環(huán)境中的應(yīng)用；E-mail：2008zhupeilin@163.com

史明昌（1969-），男，內(nèi)蒙古赤峰人，博士，教授，主要從事3S技術(shù)在水土保持與生態(tài)環(huán)境建設(shè)中應(yīng)用，GIS工程與系統(tǒng)集成方面的研究；E-mail：shimc@dtgis.com

[本文編校：文鳳鳴]