梁賽英 蘇漳文

（漳州職業(yè)技術(shù)學(xué)院，福建 漳州 363000）

熱帶雨林是地球上最復(fù)雜、植被碳儲量最高的森林生態(tài)系統(tǒng)。地球上有超過50%的動植物棲息于此，其產(chǎn)生的氧氣占全球總量的1/3以上，這些優(yōu)勢使其成為了維護(hù)全球生態(tài)環(huán)境和減緩氣候變暖的堅(jiān)實(shí)后盾[1]。然而，熱帶雨林生態(tài)系統(tǒng)也是極為脆弱的，在人為破壞的情況下，包括森林砍伐、毀林造田、環(huán)境污染，這種脆弱性正在增強(qiáng)，使其成為了火災(zāi)敏感型生態(tài)系統(tǒng)[2]。近年來全球多地?zé)釒в炅窒嗬^發(fā)生了多場毀滅性的火災(zāi)[3?6]，氣候和土地利用的變化，特別是干旱頻率和平均氣溫的升高正在改變?nèi)蛟S多地區(qū)的火災(zāi)狀況，同時(shí)也引發(fā)各類次生災(zāi)害，破壞生態(tài)系統(tǒng)的服務(wù)功能[7?8]。

近年來全球約有50%的碳排放與火災(zāi)有關(guān)，并且近70%的燃燒發(fā)生在赤道南北兩側(cè)的熱帶生態(tài)系統(tǒng)[9?10]。火災(zāi)影響了大氣中二氧化碳和其他溫室氣體濃度的年際變化[11]，同時(shí)火災(zāi)產(chǎn)生的大量煙氣嚴(yán)重危害到生態(tài)環(huán)境和人類健康[12]。因此，深入地了解熱帶生態(tài)系統(tǒng)野火發(fā)生背后的主要環(huán)境驅(qū)動因素將有助于提高準(zhǔn)確預(yù)測季節(jié)性野火活動的能力，從而在這些脆弱的生態(tài)區(qū)域促進(jìn)更好的火災(zāi)管理以及維持大氣成分的平衡[13?14]。

識別野火驅(qū)動因素對于開發(fā)野火預(yù)測模型具有極其重要的意義。多項(xiàng)研究表明，氣象、植被和地形等環(huán)境因素以及人為因素對野火的發(fā)生起著重要作用[15?16]。全局Logistic回歸（GLR）是使用最廣的概率預(yù)測模型[15]。GLR模型的一般假設(shè)是，野火的發(fā)生及其驅(qū)動因素之間的關(guān)系在空間上是恒定和穩(wěn)定的；也就是說，在整個(gè)研究區(qū)域內(nèi)，無論地理位置如何，野火點(diǎn)燃和預(yù)測變量之間的關(guān)系都是相同的。然而，實(shí)際情況未必如此，因?yàn)轭A(yù)測變量在空間上是變化的[15]。在這種情況下，Koutsias等[17]在火災(zāi)研究中首次引入地理加權(quán)模型，該模型可以更好地預(yù)測野火及其驅(qū)動因素的空間關(guān)系。

雷州半島森林覆蓋率低，主要是位于沿海的防護(hù)林帶和人工林。同時(shí)雷州半島也是中國雷暴高頻地區(qū)，導(dǎo)致火災(zāi)風(fēng)險(xiǎn)高，同時(shí)也存在大量的人為火[18?19]。這對當(dāng)?shù)亓謽I(yè)管理部門的森林防火工作提出了挑戰(zhàn)[20]。然而，對這些地區(qū)野火的研究相對較少。只有少數(shù)研究以全省為研究對象，沒有對不同生態(tài)系統(tǒng)進(jìn)行單獨(dú)研究。因此，本研究的主要目的是應(yīng)用GLR和地理加權(quán)邏輯回歸（GWLR）從空間角度分析雷州半島熱帶生態(tài)環(huán)境和社會經(jīng)濟(jì)條件下野火發(fā)生概率及主要驅(qū)動因素。研究結(jié)果將有助于區(qū)域火災(zāi)管理戰(zhàn)略的實(shí)施。

1 研究區(qū)概況

本研究在廣東雷州半島的熱帶生態(tài)系統(tǒng)中進(jìn)行。雷州半島位于中國陸地最南端，延伸到中國南海，整體地勢低平，半島北部地形緩和，海拔在25～60 m；南部為玄武巖臺地，海拔范圍在25～359 m。雷州半島屬熱帶海洋季風(fēng)氣候，年平均氣溫和年平均降雨分別為22.5 ℃和1417～1804 mm。該地區(qū)森林資源稀缺，森林覆蓋率只有29.55%，主要由熱帶常綠季雨林和熱帶稀樹草原組成，包括榕樹（Ficus microcarpa）、廣東蒲桃（Syzygium kwangtungense）、山杜英（Elaeocarpus sylvestris）等，并伴有蕨類植物，如芒萁（Dicranopteris dichotoma）。此外，沿海地區(qū)分布部分人工林、沿海防護(hù)林和紅樹林，剩下的大部分是耕地和其他用途土地。雷州半島每年都經(jīng)歷大量的自然火災(zāi)（如雷擊）和人為火災(zāi)[19]，2015—2019年，該地區(qū)共發(fā)生42次森林火災(zāi)，其中一般火災(zāi)次數(shù)為25次，較大火災(zāi)次數(shù)為17次，火場總面積為181.75 hm2。

2 材料與方法

2.1 野火數(shù)據(jù)來源

本研究以日為尺度，因變量為二元。為此，本研究采用了2001—2018年的火災(zāi)點(diǎn)數(shù)據(jù)，這些數(shù)據(jù)是從分辨率為1 km的每日火災(zāi)產(chǎn)品（MOD14A1）中獲得的，在全球很多研究中得到廣泛應(yīng)用[21]。但是這款產(chǎn)品的缺點(diǎn)是火點(diǎn)的類型不明確，比如一些非野火出現(xiàn)在城鎮(zhèn)、農(nóng)田等地區(qū)。因此，該產(chǎn)品已在300 m分辨率的土地利用類型地圖上進(jìn)行了進(jìn)一步的處理，消除了城鄉(xiāng)地區(qū)、建筑工地和農(nóng)田中的火災(zāi)點(diǎn)。此外，本研究提取了2000—2018年11月至次年4月雷州半島旱季期間的火點(diǎn)及其信息（包括火災(zāi)的地理坐標(biāo)和時(shí)間）。

為了保證數(shù)據(jù)不過度離散，使用ArcGIS 10.4創(chuàng)建了與火點(diǎn)數(shù)量相同的隨機(jī)點(diǎn)，并重復(fù)10次，然后從每次創(chuàng)建的隨機(jī)點(diǎn)中隨機(jī)選擇1/10的形成模型擬合所需要的非火點(diǎn)。整個(gè)處理的程序遵循時(shí)間和空間上的完全隨機(jī)化[15]。

2.2 潛在的野火驅(qū)動因素

2.2.1 氣象因素

氣象數(shù)據(jù)來自氣象站，從國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心下載（http://www.geodata.cn/index.html）。日溫度范圍（DTR）、日平均溫度（DAT）、日累積降水量（DCP）、日平均相對濕度（DARH）被選為用于模型擬合的日氣象數(shù)據(jù)。通過ArcGIS 10.4計(jì)算從起火點(diǎn)到隨機(jī)點(diǎn)、到最近氣象站的距離，提取每日氣象數(shù)據(jù)；利用Excel編程功能提取火災(zāi)點(diǎn)和隨機(jī)點(diǎn)（坐標(biāo)和時(shí)間）對應(yīng)的氣象站日氣象數(shù)據(jù)。

2.2.2 地形因素

從地理空間數(shù)據(jù)云（http://www.gscloud.cn/）提供的空間分辨率為25 m的數(shù)字高程模型中提取了地形數(shù)據(jù)，包括高程（ELEV）、坡度（SLOPE）、坡向指數(shù)（ASPECTI）和表面曲率（SCURVE）。使用ArcGIS 10.4軟件中的3D分析工具，從DEM中導(dǎo)出高程、坡度、坡向和表面曲率，然后使用以下公式將坡向進(jìn)一步轉(zhuǎn)換為坡向指數(shù)[22]：

式中：θ為ArcGIS 10.4生成的坡向（數(shù)值范圍0°～360°），坡向指數(shù)范圍為?1～1。當(dāng)坡向指數(shù)為?1和1時(shí)，坡向分別為正南和正北。即當(dāng)坡向指數(shù)越接近?1時(shí)，坡度越接近南坡或陽坡。陽坡日照強(qiáng)，溫度高，蒸發(fā)快，森林可燃物干燥易燃。

2.2.3 人為因素

人類活動包括到道路的距離（Droad）、到水體的距離（Dwater）、到定居點(diǎn)的距離（Dsettle）和到農(nóng)田的距離（Dcrop）。以1∶250000基礎(chǔ)設(shè)施矢量形式提供的道路、水體和住區(qū)信息來自中國國家地理信息中心（http://www.ngcc.cn/）。耕地信息提取自2001—2018年全球土地利用柵格數(shù)據(jù)，分辨率為300 m，從資源與環(huán)境數(shù)據(jù)云平臺（http://www.resdc.cn）獲得。然后，利用獲得的數(shù)據(jù)，在ArcGIS 10.4中提取火災(zāi)點(diǎn)和非火災(zāi)點(diǎn)到道路、水體、居民點(diǎn)和農(nóng)田的距離。

2.2.4 植被因素

使用了植被覆蓋（FVC）作為植被因子，其定義為地面綠色植被垂直投影統(tǒng)計(jì)區(qū)域總面積的百分比[23]。FVC是衡量地表植被的重要指標(biāo)。它用于指示地表上方的活可燃物和死可燃物的總量[24]。目前已經(jīng)發(fā)展了許多遙感計(jì)算FVC的方法。更實(shí)用的方法之一是計(jì)算歸一化差異植被指數(shù)（NDVI）[23]。該數(shù)據(jù)集是從地理空間數(shù)據(jù)云提供的500 m空間分辨率的中分辨率成像光譜儀NDVI提取的。

全球植被水分指數(shù)（GVMI）是本研究中考慮的另一個(gè)植被因素，該指數(shù)來自SPOT植被數(shù)據(jù)，用于估計(jì)植被濕度。它建立在電磁波譜的近紅外和短波紅外區(qū)域的組合之上[25]。杜曉[26]在中國進(jìn)行了計(jì)算，驗(yàn)證了其有效性。本研究中，Band 2（841～876 nm）和Band 6（1628～1652 nm）用MODIS地表反射率產(chǎn)品MOD09A1計(jì)算GVMI。這些下載的圖像使用批處理工具（MRT）進(jìn)行拼接和投影，處理后的圖像被重新采樣到1 km以內(nèi)。GVMI計(jì)算方法可參考Ceccato等[25]的研究。

2.3 全局Logistic回歸

全局Logistic回歸（GLR）模型是描述點(diǎn)火概率的常用方法。世界上許多學(xué)者已經(jīng)將其應(yīng)用于野火概率和與野火驅(qū)動因素關(guān)系的分析[15,27]。因此，首先應(yīng)用GLR來分析數(shù)據(jù)集中野火的發(fā)生。

野火點(diǎn)燃的概率可描述如下：

這個(gè)公式可以轉(zhuǎn)化為下面的線性函數(shù)：

式中：P是野火不發(fā)生的概率；m是可覆蓋的數(shù)量；β0，β1，···，βm是回歸模型中的參數(shù)；x1，x2，···，xm是影響野火點(diǎn)燃的每個(gè)獨(dú)立變量。

2.4 地理加權(quán)Logistic回歸

地理加權(quán)邏輯回歸（GWLR）模型是傳統(tǒng)的全局Logistic回歸模型的擴(kuò)展，它綜合了空間因素，即地理位置信息[28]。該方法采用加權(quán)最小二乘法來估計(jì)每個(gè)樣本點(diǎn)的參數(shù)，因此每個(gè)樣本點(diǎn)都有相應(yīng)的估計(jì)系數(shù)。因此，本研究應(yīng)用了GWLR來檢驗(yàn)野火驅(qū)動因素的空間變異性。

野火點(diǎn)燃的概率（P）可以在模型中描述如下[15]：

這個(gè)公式可以轉(zhuǎn)化為下面的線性函數(shù)：

式中：(ui，vi) 是采樣點(diǎn)的坐標(biāo)；βn(ui，vi) 是樣本點(diǎn)i上的第n個(gè)回歸參數(shù)。

此外，將GWLR估計(jì)系數(shù)的四分位范圍與從模型得出的系數(shù)的標(biāo)準(zhǔn)誤差進(jìn)行了比較，以評估GWLR估計(jì)系數(shù)的空間變化[28]。如果GWLR模型的IQR超過GLR標(biāo)準(zhǔn)誤差的2倍，則響應(yīng)變量和解釋變量之間的關(guān)系在空間上是非平穩(wěn)的，即局部的，否則這些解釋變量在空間上是平穩(wěn)的或全局的。所有計(jì)算都是用SAS軟件進(jìn)行的[29]。

2.5 模型評估方法

在本研究中，運(yùn)用模型的AIC、均方誤差（MSE）[30]、ROC曲線下面積（AUC）、殘差的空間分布和預(yù)測精度[15]對模型的擬合結(jié)果進(jìn)行評估。較小的AIC值意味著首選模型[30]：均方誤差衡量的是平方誤差的平均值，即觀察值和預(yù)測值之間的差異。MSE值越小，預(yù)測模型描述實(shí)驗(yàn)數(shù)據(jù)的準(zhǔn)確性越好；AUC是衡量模型預(yù)測能力的指標(biāo)，通過受試者工作特征（ROC）分析進(jìn)行量化[16]。AUC值范圍為0.5～1，其中AUC值> 0.8通常表示良好的預(yù)測能力。

使用全局Moran'sI計(jì)算每個(gè)模型殘差的空間自相關(guān)系數(shù)。全局Moran'sI值越小，殘差的空間依賴性越小，說明模型擬合性能越好，其包括了更多的空間關(guān)系[15]。

在擬合2個(gè)模型之前，進(jìn)行關(guān)于自變量共線性的多重共線性分析，以消除模型擬合中的偏差。使用方差膨脹因子（VIF）進(jìn)行多重共線性診斷。如果值大于5，則表明自變量之間存在顯著的共線性，應(yīng)消除自變量之間的共線性[31]。研究區(qū)域的自變量之間不存在多重共線性，因此所有變量都用于模型擬合（表1）。

表1 研究區(qū)自變量的多重共線性檢驗(yàn)Table 1 Multicollinearity test of independent variables in study areas

3 結(jié)果與分析

3.1 雷州半島野火空間分布

利用多距離空間聚類分析方法，計(jì)算了2001—2018年期間，雷州半島每年和每月的野火空間分布。結(jié)果表明，在95%置信區(qū)間下，由小距離到大距離的觀測值均大于期望值。與這些距離的隨機(jī)分布相比，18年的總體野火分布具有較高的聚類程度。此外，觀察到的值都大于95%置信區(qū)間上限值，表明空間聚類在不同距離處具有統(tǒng)計(jì)學(xué)意義（圖1）。此外，研究中分別計(jì)算了年和月尺度下野火空間分布。年度野火分布計(jì)算結(jié)果顯示，雷州半島野火的分布存在較大差異。2012年、2015年和2018年，不同距離的觀測值均大于期望值和95%置信區(qū)間上限值。而在其他年份，在較大距離處，觀測值接近期望值，表明聚類程度較低或呈空間離散分布，特別是在2002年和2016年。野火月空間分布表明，雷州半島 1月和11月的野火分布距離較遠(yuǎn)時(shí)，觀測值與期望值接近，即聚類程度不高。在剩下的幾個(gè)月里，觀察到的數(shù)值在不同的距離上都大于期望值和95%置信區(qū)間上限值，表現(xiàn)出顯著的空間聚類分布。

圖1 雷州半島18年野火的Ripley's K函數(shù)計(jì)算結(jié)果Fig. 1 The Ripley's K-function of wildfire ignitions during 18 years in Leizhou Peninsula

3.2 模型比較

根據(jù)GLR和GWLR模型的擬合結(jié)果（表2），2個(gè)模型得到的分類標(biāo)準(zhǔn)略有不同（GLR：0.426；GWLR：0.471）。從模型擬合的參數(shù)來看，發(fā)現(xiàn)2個(gè)模型的擬合優(yōu)度和預(yù)測精度有些不一致。首先，ROC檢驗(yàn)結(jié)果表明，在雷州半島地區(qū)，GWLR模型的AUC高于GLR模型（0.835>0.783）。其次，根據(jù)對應(yīng)的切割值，GWLR模型在包括野火和非野火的預(yù)測中都比GLR模型具有更好的預(yù)測精度。此外，雷州半島的GWLR模型和GLR模型的殘差分布（圖2）表明，總體上GWLR模型在雷州半島（?0.58～?0.57）的殘差范圍小于GLR模型（?0.79～?0.62）。在雷州半島，GWLR的全局Moran'sI較GLR模型的要小（圖2）。這表明，與GLR模型相比，GWLR模型更能考慮空間自相關(guān)性，可以更好地模擬和預(yù)測雷州半島野火的發(fā)生。

圖2 雷州半島GLR和GWLR模型的空間殘差分布和自相關(guān)系數(shù)Fig. 2 The spatial residual distribution and autocorrelation coefficients of GLR and GWLR models in Leizhou Peninsula

表2 雷州半島地區(qū)模型預(yù)測精度和擬合優(yōu)度比較Table 2 Comparison of prediction accuracy and goodness of fit of models in Leizhou Peninsula regions

3.3 雷州半島野火驅(qū)動因子分析

雷州半島野火的所有變量的解釋力為78.3%，其中，氣象變量的解釋力度最高，最接近整體變量的解釋力度（74.5%），其次是人為因素（63.8%）。地形因素對研究地區(qū)野火的解釋力最低（圖3a）。在雷州半島，日累積降水量是影響野火點(diǎn)燃的最重要因素；其次是晝夜溫度范圍，再次是到農(nóng)田的距離、植被濕度指數(shù)和到道路的距離（圖3b）。研究區(qū)域的GLR模型擬合的最優(yōu)模型結(jié)果見表3。到道路的距離、到定居點(diǎn)的距離、到農(nóng)田的距離、海拔、坡度、日溫度范圍、日累積降水量、日平均相對濕度和植被濕度指數(shù)與雷州半島野火的發(fā)生顯著相關(guān)（P<0.05）。

表3 GLR模型得到的預(yù)測變量的參數(shù)估計(jì)Table 3 Parameter estimation of predictive variables obtained by using the global Logistic regression model

圖3 雷州半島變量解釋力韋恩圖和野火驅(qū)動因子重要性雷達(dá)圖Fig. 3 The Venn diagram of variable explanatory power and the radar map of wildfire driver importance for Leizhou Peninsula

然而，GWLR模型證實(shí)，并非所有變量都是空間穩(wěn)定的。野火點(diǎn)燃概率和大多數(shù)變量之間的關(guān)系，除了到水體的距離、坡度、表面曲率之外，不是固定的，即在空間上是不均勻的（表4）。根據(jù)GWLR模型擬合結(jié)果，日平均溫度、坡向、到水體的距離和地表曲率對雷州半島野火點(diǎn)燃的影響不顯著。在雷州半島，氣溫日較差對野火的影響具有全局顯著性（顯著區(qū)域：100%），而其余變量對野火具有局部顯著性影響。日平均相對濕度、到定居點(diǎn)的距離和坡度對野火的影響分別占總面積的26.62%、37.81%和47.12%。在GLR模型中，這些變量與野火顯著相關(guān)。值得一提的是，植被覆蓋對野火的影響是局部顯著的（顯著區(qū)域：45.27%），而GLR模型中其與野火發(fā)生無關(guān)（圖4）。

表4 雷州半島GWLR模型的系數(shù)估算及預(yù)測變量的空間變異性Table 4 Coefficient estimates of the GWLR model for tropical forest ecosystem in Leizhou Peninsula and spatial variability of predictor variables

GWLR模型在確定野火與其驅(qū)動因素之間的關(guān)系方面優(yōu)于GLR模型，這表明驅(qū)動因素對野火影響的空間異質(zhì)性。氣溫日較差對著火的積極影響從中部向兩側(cè)減弱，日累積降水量對北部和東南部地區(qū)有很大的負(fù)面影響。相對濕度的負(fù)面影響也集中在北部地區(qū)。在人為驅(qū)動因素中，到農(nóng)田的距離與著火之間的負(fù)相關(guān)在該地區(qū)的東北部尤為明顯，到道路的距離對著火的概率有積極的影響。然而，到定居點(diǎn)的距離對著火概率之間的的影響是雙向的。海拔和坡度與火災(zāi)發(fā)生呈正相關(guān)；植被覆蓋率對火災(zāi)概率的影響也是雙向的，植被濕度指數(shù)對野火發(fā)生呈局部顯著正相關(guān)（圖4）。

圖4 雷州半島顯著估計(jì)系數(shù)和顯著變量覆蓋面積比例的空間分布Fig. 4 Spatial distributions of significant estimate coefficients and proportion of area covered by significant variable in Leizhou Peninsula

4 結(jié)論與討論

本研究中應(yīng)用GLR和GWLR模型方法來檢驗(yàn)中國南方熱帶生態(tài)系統(tǒng)中野火的驅(qū)動因素。GWLR模型在雷州半島取得了理想的擬合效果，而GLR模型的曲線擬合度和預(yù)測精度分別低于0.8%和80%。在本研究中考慮的所有潛在的野火驅(qū)動因素中，有9個(gè)變量與雷州半島2001—2018年的野火發(fā)生概率有顯著關(guān)系，而且這種關(guān)系在空間上是不均勻的。

氣象因素對該地區(qū)火災(zāi)發(fā)生概率的解釋力最強(qiáng)。在氣候變化的影響下，氣象因素被認(rèn)為控制了世界許多熱帶地區(qū)的野火[32?33]。一方面，熱帶森林及其周邊地區(qū)受到人類的嚴(yán)重干擾，森林的減少改變了區(qū)域氣候。當(dāng)與氣候變化疊加時(shí)，將增加火災(zāi)風(fēng)險(xiǎn)[33]；另一方面，這些熱帶季節(jié)性森林的野火主要受干旱和溫度控制[34]，而林內(nèi)濕熱條件很大程度上受熱帶太平洋海表溫度和厄爾尼諾周期變化的影響[35]。

氣溫日較差、日累積降水量和日平均相對濕度是野火的氣象驅(qū)動因素。一般認(rèn)為，雷州半島整體海拔低，低海拔對太陽輻射的減弱作用高于高海拔[36]，但本研究發(fā)現(xiàn)，海拔并沒有改變氣溫日較差對野火發(fā)生概率的影響。以前的研究表明，降水增加會增加死可燃物含水率，從而降低著火的可能性[32]。

溫度對研究地區(qū)局部火災(zāi)的發(fā)生沒有顯著影響。雷州半島全年都面臨著不同程度和方向的風(fēng)，尤其是初冬來自西伯利亞的西北冷風(fēng)，因此加上來自太平洋的東北風(fēng)，旱季的溫度不會太高[20]。這也許是雷州半島旱季時(shí)火災(zāi)受溫度影響較小的原因。

植被因素（植被濕度和植被覆蓋度）與野火發(fā)生之間的關(guān)系在局部地區(qū)（稀疏森林覆蓋區(qū)域）顯示出空間變化，這與先前的研究[22]一致。這可能是由于：1）在雷州半島不同地區(qū)采伐木材會留下大量的采伐剩余物，導(dǎo)致更大的可燃物載量；2）林冠覆蓋的減少使得陽光能夠更直接地加熱林地表面；3）林冠密度的降低增加了蒸散量，使得森林中的可燃物更加干燥，從而提高了可燃性[33]；此外，森林覆蓋的降低削弱了生態(tài)系統(tǒng)中的水循環(huán)，在一定程度上延長了熱帶季節(jié)性森林的旱季，并增加了火災(zāi)發(fā)生的可能性[37]。在Ceccato等[25]和Sow等[38]對熱帶草原的研究中也觀察到了森林火災(zāi)和GVMI與野火發(fā)生概率之間的強(qiáng)正相關(guān)關(guān)系。

地形因素解釋著火概率的能力最低，在其他熱帶地區(qū)也發(fā)現(xiàn)了這種情況[32]，但對此研究人員有不同的解釋。一些人認(rèn)為，地形對火災(zāi)的影響可能會受到天氣等其他環(huán)境因素的抑制[39]，與本研究結(jié)果一致；其他人認(rèn)為這種情況可能與數(shù)據(jù)的空間尺度有關(guān)[32]。

熱帶地區(qū)的大多數(shù)野火是人為造成的[32]。在中國南方，計(jì)劃燒除和清明祭祀時(shí)有發(fā)生，造成廣泛的負(fù)面生態(tài)影響[40]。Xiong等[32]的研究強(qiáng)調(diào)，驅(qū)動人為火災(zāi)的大多數(shù)主要因素都與人類干預(yù)密不可分。雷州半島的開發(fā)程度較大，人類活動范圍廣。由于前期頻繁的人為干擾，該地區(qū)只有少量的原始植物區(qū)系殘留，耕地和人工林地所占比例較大[19]，農(nóng)業(yè)生產(chǎn)活動較為豐富和頻繁，這證實(shí)了前人研究的結(jié)果。

在雷州半島，到農(nóng)田和公路的距離是影響野火的最重要的人為因素。雷州半島是中國重要的熱帶和亞熱帶經(jīng)濟(jì)作物產(chǎn)區(qū)。到農(nóng)田的距離的負(fù)面影響是該地區(qū)高概率發(fā)生野火的一個(gè)有效因素。此外，離居民區(qū)和道路越遠(yuǎn)，發(fā)生火災(zāi)的概率越低，這是在雷州半島野火研究中發(fā)現(xiàn)的，但影響是局部的（37.81%和53.46%）。從文獻(xiàn)中發(fā)現(xiàn)，在工業(yè)發(fā)達(dá)、森林覆蓋率低的居民區(qū)和道路附近，可燃物不像偏遠(yuǎn)森林的植被那樣連續(xù)[15]，因此火災(zāi)發(fā)生的可能性很低。另一種解釋是，旱季和高頻雷擊可能導(dǎo)致更嚴(yán)格的森林管理和監(jiān)督，從而提高消防安全意識[22]，特別是在森林恢復(fù)的過程中。在最近的研究中也獲得了一些類似的結(jié)論，Yu等[14]和Xu等[33]證實(shí)了人為因素是在熱帶稀疏森林和草原地區(qū)驅(qū)動野火的關(guān)鍵因素。

本研究使用GLR和GWLR模型方法來解釋野火驅(qū)動因素對雷州半島野火的相對影響。通過分析得出以下結(jié)論：1）2001—2018年，雷州半島的野火呈空間聚集分布；2）野火驅(qū)動因素對雷州半島野火發(fā)生的影響表現(xiàn)出空間變異性；3）氣象變量、植被因素和人類活動對這些地區(qū)的野火發(fā)生概率有較大影響。建議在旱季到來之前要嚴(yán)格定期進(jìn)行森林可燃物清除。此外，對于進(jìn)入林區(qū)的人和林區(qū)周邊居民來說，防火教育和宣傳也不可忽視。政府推動的農(nóng)業(yè)生產(chǎn)活動和人工林發(fā)展導(dǎo)致人類活動頻繁，影響和刺激了野火的發(fā)生。因此，應(yīng)努力加強(qiáng)對人類活動的管理，嚴(yán)格禁止使用火作為造林和耕地的整地方法。還建議，有效的森林管理做法需要因地制宜。由于在短期內(nèi)獲得全球熱帶森林生態(tài)系統(tǒng)的相同數(shù)據(jù)來源存在一定困難，因此缺乏一定的全球性結(jié)論。此外，未來的研究也應(yīng)側(cè)重于改進(jìn)數(shù)據(jù)收集和整理，如提高基礎(chǔ)設(shè)施數(shù)據(jù)的時(shí)間變異性描述，以更好地預(yù)測熱帶地區(qū)發(fā)生野火的概率。