張國(guó)麗,慈雪倫,楊雪清,蔣春穎,孫志超,孟海丁

(國(guó)家林業(yè)和草原局林草調(diào)查規(guī)劃院，北京 100714)

森林火災(zāi)是地球系統(tǒng)的重要擾動(dòng)之一,是植被生態(tài)系統(tǒng)面臨的主要自然災(zāi)害,對(duì)生態(tài)系統(tǒng)平衡、植被分布和人類生命財(cái)產(chǎn)等多方面都產(chǎn)生了深遠(yuǎn)影響[1]。近年來(lái),全球進(jìn)入了森林火災(zāi)的高發(fā)期,極具破壞性的火災(zāi)事件激增[2]。研究表明,由于全球變暖,21世紀(jì)末期,全球火災(zāi)易發(fā)區(qū)的面積將增加29%,火災(zāi)季節(jié)長(zhǎng)度顯著延長(zhǎng)[3]。氣候變暖也將導(dǎo)致我國(guó)森林火災(zāi)發(fā)生概率呈增加趨勢(shì)[4],我國(guó)仍將長(zhǎng)期處于森林火災(zāi)的易發(fā)期和高危期,森林防火形勢(shì)極其嚴(yán)峻[5]。森林火災(zāi)易發(fā)性分析是自然災(zāi)害研究的方向之一,也是制定防災(zāi)減災(zāi)對(duì)策的依據(jù)[6]。研究森林火災(zāi)的時(shí)空分布特征和易發(fā)性空間分布格局,可為森林火災(zāi)預(yù)防提供科學(xué)依據(jù)。

森林火災(zāi)的發(fā)生受可燃物、地形、氣象條件和野外火源等多致災(zāi)要素影響[3]。已有很多基于氣象因子建立林火發(fā)生模型方面的研究,如:高博等[7]通過分析氣象因子與林火的關(guān)系,使用逐步回歸方法建立大興安嶺地區(qū)森林火災(zāi)發(fā)生模型;梁慧玲等[8]基于氣象因子,使用邏輯回歸和地理加權(quán)邏輯斯蒂回歸兩種模型,對(duì)比分析福建地區(qū)林火發(fā)生的可能性。目前,林火易發(fā)性模型多集中于區(qū)域尺度的研究,如:謝紹鋒等[9]基于泰森多邊形與條件熵構(gòu)建林火易發(fā)性模型,分析廣州市林火空間分布規(guī)律;Zhuang et al[10]通過深度無(wú)監(jiān)督表達(dá)學(xué)習(xí),對(duì)森林地理信息進(jìn)行建模并對(duì)區(qū)域林火易發(fā)性進(jìn)行評(píng)估。由于森林火災(zāi)受多致災(zāi)要素影響,且林火易發(fā)性與野火驅(qū)動(dòng)因子之間存在復(fù)雜的非線性關(guān)系,傳統(tǒng)線性模型在解釋非線性關(guān)系時(shí)具有局限性[11]。近年來(lái),國(guó)內(nèi)外學(xué)者對(duì)機(jī)器學(xué)習(xí)方法在林火易發(fā)性分析中的應(yīng)用做了大量研究[12],如:Jain et al[13]系統(tǒng)總結(jié)了機(jī)器學(xué)習(xí)方法在林火科學(xué)和林火管理中的應(yīng)用及未來(lái)面臨的挑戰(zhàn);Zhang et al12,14]對(duì)比分析了多種機(jī)器學(xué)習(xí)模型在森林火災(zāi)易發(fā)性建模中的應(yīng)用。隨機(jī)森林(random forest,RF)算法是常用的機(jī)器學(xué)習(xí)方法之一,由于不受變量間多重共線性的影響,能自動(dòng)選擇重要變量和處理變量間復(fù)雜的交互關(guān)系,RF模型已在我國(guó)林火發(fā)生預(yù)測(cè)研究中得到了廣泛應(yīng)用[15]。如:潘登等[16]使用氣象因子對(duì)湘中丘陵地區(qū)構(gòu)建林火預(yù)測(cè)模型,結(jié)果表明RF的預(yù)測(cè)準(zhǔn)確率優(yōu)于傳統(tǒng)二項(xiàng)邏輯斯蒂回歸模型;馬文苑等[17]對(duì)比分析了RF和邏輯斯蒂模型在山西省林火發(fā)生預(yù)測(cè)中的應(yīng)用;蘇佳佳等[18]綜合應(yīng)用增強(qiáng)回歸樹、RF和支持向量機(jī)這3個(gè)模型預(yù)測(cè)氣候變化對(duì)未來(lái)林火干擾的影響;高超等[11]對(duì)我國(guó)林火發(fā)生模型的研究現(xiàn)狀進(jìn)行了系統(tǒng)總結(jié),對(duì)比分析了多種傳統(tǒng)線性回歸方法和機(jī)器學(xué)習(xí)方法在林火發(fā)生預(yù)測(cè)中各自的優(yōu)缺點(diǎn),表明隨機(jī)森林方法具有更好的預(yù)測(cè)能力。近年來(lái),我國(guó)森林火災(zāi)研究逐步從僅考慮氣象條件向多致災(zāi)要素發(fā)展,研究的空間尺度逐步從區(qū)域擴(kuò)展到全國(guó)[19]。

根據(jù)上述研究總結(jié),目前林火研究仍存在以下問題:第一,由于缺乏可燃物載量調(diào)查數(shù)據(jù),以往林火易發(fā)性分析中未考慮此項(xiàng)因素;第二,從空間尺度上看,大多數(shù)研究是從省級(jí)或區(qū)域尺度進(jìn)行研究,缺乏全國(guó)尺度的林火易發(fā)性分析;第三,林火發(fā)生模型多樣化,探討能夠考慮多致災(zāi)要素的林火易發(fā)性模型十分必要。本研究基于全國(guó)第一次森林和草原火災(zāi)風(fēng)險(xiǎn)普查數(shù)據(jù),在完善林火驅(qū)動(dòng)因素的基礎(chǔ)上,利用隨機(jī)森林算法構(gòu)建林火易發(fā)性模型,量化分析31個(gè)省份的森林火災(zāi)發(fā)生的時(shí)空特征和易發(fā)性空間分布格局。研究結(jié)果對(duì)于合理制定森林火災(zāi)管理政策、減少森林火災(zāi)對(duì)自然生態(tài)系統(tǒng)與人類社會(huì)系統(tǒng)的不利影響,實(shí)現(xiàn)可持續(xù)發(fā)展具有重要實(shí)際意義。

1 研究數(shù)據(jù)來(lái)源

根據(jù)全國(guó)森林和草原火災(zāi)風(fēng)險(xiǎn)普查獲取的歷史火災(zāi)調(diào)查數(shù)據(jù)(1)國(guó)家林業(yè)和草原局.全國(guó)森林和草原火災(zāi)風(fēng)險(xiǎn)普查調(diào)查數(shù)據(jù).2023.,提取31個(gè)省份2011—2020年歷史森林火災(zāi)數(shù)據(jù),其屬性信息包括森林火災(zāi)次數(shù)、火源、起火地點(diǎn)、起火時(shí)間、經(jīng)緯度、火場(chǎng)總面積、受害森林面積和人員傷亡等信息;對(duì)歷史森林火災(zāi)數(shù)據(jù)進(jìn)行數(shù)據(jù)質(zhì)量檢查,剔除坐標(biāo)信息不準(zhǔn)確和屬性信息不完整的數(shù)據(jù)。

森林可燃物包括單位面積總可燃物載量和可燃性。在全國(guó)森林可燃物標(biāo)準(zhǔn)地實(shí)地調(diào)查數(shù)據(jù)的基礎(chǔ)上,全面獲取31個(gè)省份森林可燃物基本狀況信息,建立林分因子與喬木、灌木、草本、枯落物、腐殖質(zhì)等不同層可燃物載量關(guān)系模型?；?019年森林資源管理“一張圖”,通過構(gòu)建可燃物估算模型推算各類型可燃物載量,形成31個(gè)省份森林單位面積總可燃物載量空間分布數(shù)據(jù)?？扇夹砸詢?yōu)勢(shì)樹種(組)燃燒的難易程度作為劃分依據(jù),將優(yōu)勢(shì)樹種(組)歸并難燃、可燃、易燃等3類。

氣象數(shù)據(jù)來(lái)自中國(guó)氣象數(shù)據(jù)共享網(wǎng)(http://data.cma.cn)。整理并統(tǒng)計(jì)2011—2020年中國(guó)逐月氣象數(shù)據(jù),共計(jì)6個(gè)氣象要素,包括月大風(fēng)日數(shù)(d/月)、月平均風(fēng)速(m/s,10 m)、月平均降雨量(mm)、月平均氣溫(℃)、月最高氣溫(℃)和月最小相對(duì)濕度(%)等。6個(gè)氣象要素的空間分辨率為0.01°×0.01°。31個(gè)省份的DEM數(shù)據(jù)來(lái)源于2019年8月發(fā)布的ASTER GDEM V3版本中的數(shù)據(jù)(https://earthdata.nasa.gov),空間分辨率為30 m。通過使用ArcGIS 10.8.1軟件,從DEM數(shù)據(jù)中提取31個(gè)省份的坡度圖和坡向圖。我國(guó)七大地理分區(qū)劃分為華南、華中、東北、華北、西南、華東和西北地區(qū)。

2 研究方法

2.1 指標(biāo)體系構(gòu)建

森林可燃物是森林火災(zāi)的重要致災(zāi)因子之一,直接影響到森林火災(zāi)的發(fā)生強(qiáng)度和林火行為。本研究主要選取可燃物、氣象和地形地勢(shì)這三大類指標(biāo),總計(jì)11個(gè)林火驅(qū)動(dòng)因素(如表1所示)。根據(jù)各省份所設(shè)定的防火期,計(jì)算防火期內(nèi)所有氣象要素2011—2020年的年平均值。以0.008°格網(wǎng)單元為基礎(chǔ),將所有驅(qū)動(dòng)因素?cái)?shù)據(jù)統(tǒng)一到網(wǎng)格單元上,并采用最大、最小值歸一化方法對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

表1 森林火災(zāi)驅(qū)動(dòng)因素

2.2 隨機(jī)森林算法

RF是一種非線性模型且能夠處理復(fù)雜的非線性關(guān)系,并自動(dòng)處理森林火災(zāi)驅(qū)動(dòng)因素之間的交互效應(yīng),可以提高模型的穩(wěn)定性和精度。RF利用Bootsrap自助抽樣法從原始數(shù)據(jù)集n中有放回地隨機(jī)抽取樣本數(shù)據(jù),構(gòu)建ntree株分類回歸樹。林火驅(qū)動(dòng)因素為m個(gè),在每株回歸樹的各節(jié)點(diǎn)上隨機(jī)抽取mtry個(gè)驅(qū)動(dòng)因素。每次抽樣后,未被抽中的樣本形成袋外數(shù)據(jù)(Out-Of-Bag,OOB),作為測(cè)試樣本進(jìn)行模型驗(yàn)證。RF是基于Bagging集成的決策樹模型,對(duì)每個(gè)Bootsrap自助抽樣樣本進(jìn)行決策樹建模,然后組合多棵決策樹,在處理分類問題時(shí),由ntree個(gè)決策輸出的眾數(shù)作為最終預(yù)測(cè)類別[20]。相比于其它機(jī)器學(xué)習(xí)模型,RF不容易出現(xiàn)過擬合,對(duì)異常值和噪聲有較高的容忍度,預(yù)測(cè)準(zhǔn)確率高。

根據(jù)2011—2020年31個(gè)省份的歷史森林火點(diǎn)數(shù)據(jù),統(tǒng)計(jì)0.008°格網(wǎng)內(nèi)發(fā)生森林火點(diǎn)的個(gè)數(shù),并將其轉(zhuǎn)換為二進(jìn)制作為林火發(fā)生的因變量(即1代表發(fā)生火災(zāi),0代表未發(fā)生火災(zāi));將11個(gè)森林火災(zāi)驅(qū)動(dòng)因素作為自變量。使用Python語(yǔ)言并通過Scikit-learn框架開發(fā)RF模型,隨機(jī)抽取70%的樣本數(shù)據(jù)作為訓(xùn)練樣本集進(jìn)行模型訓(xùn)練,30%的樣本數(shù)據(jù)作為測(cè)試樣本集進(jìn)行模型驗(yàn)證。為消除樣本分布對(duì)模型結(jié)果的影響,重復(fù)3次劃分樣本。本文中,采用隨機(jī)搜索進(jìn)行參數(shù)優(yōu)化,RF模型的決策樹ntree為5 000,最大特征數(shù)m為11,每次迭代的驅(qū)動(dòng)因素變量抽樣數(shù)值mtry設(shè)置為3,最大深度設(shè)置為16。

2.3 特征變量重要性評(píng)估

對(duì)于RF的每株分類樹,使用隨機(jī)抽取的訓(xùn)練樣本構(gòu)建回歸樹,可計(jì)算出OOB的誤差率。為了評(píng)價(jià)某一特征變量Xj對(duì)模型的重要程度,在其他變量保持不變的情況下,隨機(jī)置換變量Xj的觀測(cè)值后,再次構(gòu)建回歸樹并重新計(jì)算OOB的誤差率,每變換一次就需重新計(jì)算OOB誤差率,通過比較誤差率的變化趨勢(shì)來(lái)評(píng)估該變量對(duì)模型的重要程度[21]。

2.4 模型校驗(yàn)

受試者工作特征(Receiver Operating Characte-ristic,ROC)曲線和ROC曲線下方面積(Area Under Curve,AUC)是定量評(píng)價(jià)二分類機(jī)器學(xué)習(xí)模型預(yù)測(cè)精度的重要指標(biāo)[22]。本研究采用ROC曲線和AUC值判斷RF模型對(duì)31個(gè)省份的林火易發(fā)性的空間預(yù)測(cè)能力。ROC曲線是通過設(shè)定多個(gè)不同臨界值計(jì)算一系列靈敏度和特異度,以真陽(yáng)性率(靈敏度)為縱坐標(biāo),以假陽(yáng)性率(1.0-特異度)為橫坐標(biāo)繪制曲線來(lái)構(gòu)建[23]。AUC值可以整體度量分類器性能的好壞,其取值范圍為0～1,AUC值越接近1,表明易發(fā)性模型的擬合精度越高。

3 結(jié)果分析

3.1 森林火災(zāi)時(shí)空分布特征

基于2011—2020年31個(gè)省份歷史森林火災(zāi)數(shù)據(jù),統(tǒng)計(jì)結(jié)果表明,2011—2020年31個(gè)省份共發(fā)生森林火災(zāi)49 042起,其中2014年森林火災(zāi)最多,達(dá)6 049起。根據(jù)《森林防火條例》[24]所劃分的一般森林火災(zāi)、較大森林火災(zāi)、重大森林火災(zāi)和特別重大森林火災(zāi),2011—2020年:31個(gè)省份一般森林火災(zāi)35 457起,占比72.30%;較大森林火災(zāi)13 370起,占比27.26%;重大森林火災(zāi)201起,占比0.41%;特別重大森林火災(zāi)14起,占比0.03%。2011—2020年,31個(gè)省份森林火災(zāi)火場(chǎng)面積總計(jì)40.32 萬(wàn)hm2,受害森林面積總計(jì)13.19 萬(wàn)hm2(其中商品林受害森林面積為6.27 萬(wàn)hm2,公益林受害森林面積為6.92 萬(wàn)hm2),成林蓄積損失435.44 萬(wàn)m3,人員傷亡總計(jì)493人。2011—2020年31個(gè)省份森林火災(zāi)次數(shù)和火場(chǎng)面積的年際變化如圖1所示。由圖1可知:森林火災(zāi)次數(shù)和火場(chǎng)面積呈現(xiàn)正相關(guān),每年的3—5月和9—12月呈現(xiàn)兩個(gè)森林火災(zāi)發(fā)生高峰期;3—5月波峰最高,年際變化整體呈現(xiàn)下降趨勢(shì)。2011—2020年31個(gè)省份受害森林面積和人員傷亡的年際變化如圖2所示。由圖2可知:受害森林面積整體呈下降趨勢(shì),2012年和2017年受害森林面積最大;人員傷亡年際變化波動(dòng)較大,春季達(dá)到峰值,特別是2019年和2020年這兩年春季發(fā)生的四川涼山州木里縣森林火災(zāi)和西昌市森林火災(zāi),造成較大人員傷亡。

圖1 2011—2020年31個(gè)省份森林火災(zāi)次數(shù)和火場(chǎng)面積年際變化

圖2 2011—2020年31個(gè)省份受害森林面積和人員傷亡的年際變化

根據(jù)我國(guó)七大地理分區(qū),對(duì)31個(gè)省份林火發(fā)生次數(shù)和火場(chǎng)總面積進(jìn)行統(tǒng)計(jì)分析,2011—2020年全國(guó)31省份林火發(fā)生次數(shù)和火場(chǎng)面積分區(qū)統(tǒng)計(jì)結(jié)果如圖3所示。就森林火災(zāi)發(fā)生次數(shù)來(lái)講,各分區(qū)林火次數(shù)占31個(gè)省份林火發(fā)生總次數(shù)的百分比從高到低依次為西南地區(qū)(32.87%)、華南地區(qū)(19.73%)、華東地區(qū)(18.36%)、華中地區(qū)(16.32%)、華北地區(qū)(4.63%)、西北地區(qū)(4.54%)和東北地區(qū)(3.55%),其中重大和特別重大森林火災(zāi),西南、華東和華南地區(qū)占比最多。就火場(chǎng)總面積來(lái)講,各分區(qū)火場(chǎng)面積占31個(gè)省份火場(chǎng)總面積的百分比從高到低依次為西南(23.92%)、華東(19.86%)、華南(17.78%)、東北(14.89%)、華中(11.16%)、華北(7.8%)和西北(4.59%),其中特別重大森林火災(zāi),東北地區(qū)和華北地區(qū)占比最高。西南、華東和華南地區(qū)雖然林火發(fā)生次數(shù)較多,但單場(chǎng)火災(zāi)火場(chǎng)面積較小,以一般森林火災(zāi)為主;東北和華北地區(qū)雖然林火發(fā)生次數(shù)少,但森林火災(zāi)發(fā)生后容易形成重大和特大森林火災(zāi),特別重大森林火災(zāi)火場(chǎng)總面積高于南方地區(qū)。

圖3 2011—2020年31個(gè)省份森林火災(zāi)發(fā)生次數(shù)和火場(chǎng)面積分區(qū)統(tǒng)計(jì)結(jié)果

根據(jù)森林火災(zāi)發(fā)生的季節(jié),分析31個(gè)省份不同季節(jié)下森林火災(zāi)發(fā)生的空間分布情況。從季節(jié)上看,2011—2020年31個(gè)省份森林火災(zāi)集中分布在春季和冬季,其中:春季23 421起,占比47.76%;冬季18 500起,占比37.72%;夏季2 863起,占比5.84%;秋季4 258起,占比8.68%。冬春季節(jié)的森林火災(zāi)發(fā)生占比總計(jì)達(dá)到85.48%。森林火災(zāi)的發(fā)生在季節(jié)上存在明顯的時(shí)空分異,不同季節(jié)下各分區(qū)森林火災(zāi)發(fā)生次數(shù)的統(tǒng)計(jì)結(jié)果如圖4所示。春季和冬季是我國(guó)森林火災(zāi)的高發(fā)期。春季,西南和華南地區(qū)森林火災(zāi)發(fā)生次數(shù)最多,東北地區(qū)森林火災(zāi)也以春季為主。冬季,森林火災(zāi)主要集中分布在西南、華東、華南和華中地區(qū),東北、西北和華北地區(qū)森林火點(diǎn)較少。夏季,森林火災(zāi)與冬春季節(jié)相比明顯減少,且多發(fā)生于西南和華中地區(qū)。隨著夏季干旱和極端高溫天氣增多,近年來(lái),南北方夏季森林火災(zāi)呈現(xiàn)增多趨勢(shì),且林火損失較為嚴(yán)重。秋季,森林火點(diǎn)主要集中在南方地區(qū),華南、華東和華中地區(qū)的森林火災(zāi)發(fā)生次數(shù)高于東北、華北和西北地區(qū)。

圖4 2011—2020年31個(gè)省份歷史森林火災(zāi)不同季節(jié)各分區(qū)統(tǒng)計(jì)結(jié)果

3.2 重要性排序和模型精度

排列重要性算法是一種模型檢驗(yàn)技術(shù),通過隨機(jī)打亂單個(gè)特征值,然后查看模型得分的下降情況,模型性能的衰減量代表了該特征的重要程度。利用RF算法對(duì)bootstrap訓(xùn)練樣本進(jìn)行擬合,利用排列重要性算法對(duì)森林火災(zāi)驅(qū)動(dòng)因素進(jìn)行特征重要性排序。從排序結(jié)果(圖5)來(lái)看,單位面積總可燃物載量的排列重要性得分最高(0.42),表明單位面積總可燃物載量是林火發(fā)生的最重要影響因素,其次是月平均溫度(0.39)、月最小相對(duì)濕度(0.37)和月平均降水(0.33);月最高氣溫、坡度、可燃性的重要性得分介于0.21～0.29之間;月平均風(fēng)速、高程、月大風(fēng)日數(shù)和坡向的重要性得分相對(duì)較低,對(duì)模型的影響相對(duì)較小。

注:“Fuelload”表示單位面積總可燃物載量;“Tas”表示月平均氣溫;“Rhumin”表示月最小相對(duì)濕度;“Pre”表示月平均降雨量;“Tasmax”表示月最高氣溫;“Slope”表示坡度;“Flamm”表示可燃性;“Windmean”表示月平均風(fēng)速;“DEM”表示高程;“Windmax”表示月大風(fēng)日數(shù);“Aspect”表示坡向。

構(gòu)建歷史森林火點(diǎn)和相對(duì)應(yīng)的林火驅(qū)動(dòng)因素?cái)?shù)據(jù)庫(kù)。數(shù)據(jù)庫(kù)中隨機(jī)抽取的訓(xùn)練樣本集用于模型訓(xùn)練,測(cè)試樣本集用于檢驗(yàn)?zāi)Ｐ偷木群头夯阅?。使用python程序可視化測(cè)試樣本集的ROC曲線(圖6),預(yù)測(cè)模型的準(zhǔn)確度(ACC)為0.84,AUC值為0.87(表明預(yù)測(cè)結(jié)果與測(cè)試樣本集的擬合度為87%)?？梢?本研究所構(gòu)建的易發(fā)性分析模型具有較高的精度。

圖6 預(yù)測(cè)模型的ROC曲線和AUC值

3.3 森林火災(zāi)易發(fā)性分析結(jié)果

基于RF算法,經(jīng)過模型訓(xùn)練和模型精度驗(yàn)證,構(gòu)建了適用于我國(guó)林火易發(fā)性分析的預(yù)測(cè)模型。將所構(gòu)建的林火驅(qū)動(dòng)因素?cái)?shù)據(jù)集輸入林火易發(fā)性模型中,即可得到31個(gè)省份的林火易發(fā)性概率分布結(jié)果。從空間分布結(jié)果看,31個(gè)省份的森林火災(zāi)發(fā)生具有明顯的地域分異差異,空間異質(zhì)性顯著,森林火災(zāi)易發(fā)性高的地區(qū)主要分布在華南、華東、西南、華中和東北地區(qū),西北和華北地區(qū)林火易發(fā)性明顯偏低。為了進(jìn)一步分析31個(gè)省份的森林火災(zāi)的空間差異,采用自然間斷法將森林火災(zāi)易發(fā)性概率圖劃分為5個(gè)等級(jí),分別為高易發(fā)區(qū)、中高易發(fā)區(qū)、中低易發(fā)區(qū)、低易發(fā)區(qū)和極低易發(fā)區(qū)。不同分區(qū)下各易發(fā)性等級(jí)面積占比結(jié)果如圖7所示。就各分區(qū)森林火災(zāi)高和中高易發(fā)性等級(jí)面積占比來(lái)講,從高到低依次為東北(47.53%)、西南(47.16%)、華東(46.85%)、華中(32.65%)、華南(26.73%)、華北(25.10%)和西北(12.02%),東北、西南和華東地區(qū)的森林火災(zāi)易發(fā)性明顯高于華北和西北地區(qū),東北、西南和華東地區(qū)以高和中高易發(fā)性等級(jí)為主,華中和華南地區(qū)以中低易發(fā)性等級(jí)為主,華北和西北地區(qū)以低和極低易發(fā)性等級(jí)為主。

圖7 31個(gè)省份在不同分區(qū)中森林火災(zāi)易發(fā)性等級(jí)占比

4 結(jié)論

基于全國(guó)森林和草原火災(zāi)風(fēng)險(xiǎn)普查數(shù)據(jù),分析了2011—2020年31個(gè)省份森林火災(zāi)的時(shí)空分布特征。31個(gè)省份在不同分區(qū)中森林火災(zāi)次數(shù)和火場(chǎng)總面積存在差異,冬季和春季仍是森林火災(zāi)高發(fā)期。在這期間,重大和特大森林火災(zāi)的發(fā)生占較大比例,常造成較大的經(jīng)濟(jì)損失和人員傷亡。

首次將單位面積總可燃物載量和可燃性納入林火易發(fā)性分析,明確了單位面積總可燃物載量、月平均溫度、月最小相對(duì)濕度和月平均降水是林火易發(fā)性模型的主要影響因素。應(yīng)加強(qiáng)營(yíng)林管理,減少林內(nèi)可燃物積累。全國(guó)森林火災(zāi)發(fā)生具有明顯的地域分異差異,東北、西南和華東地區(qū)以高和中高易發(fā)性等級(jí)為主,華中和華南地區(qū)以中低易發(fā)性等級(jí)為主,華北和西北地區(qū)以低和極低易發(fā)性等級(jí)為主。準(zhǔn)確把握我國(guó)森林火災(zāi)時(shí)空分布特征和發(fā)生分布格局,在后續(xù)森林防火時(shí),應(yīng)特別關(guān)注森林火災(zāi)高易發(fā)區(qū)和中高易發(fā)區(qū),加大高和中高易發(fā)區(qū)的防火投入力度,實(shí)施分類指導(dǎo)、分區(qū)施策和重點(diǎn)防治,維護(hù)森林健康和國(guó)家生態(tài)安全。從森林資源分布來(lái)看,東北林區(qū)的大小興安嶺,西南林區(qū)的云南、四川和西藏3省交界地區(qū)以及東南林區(qū)的福建、浙江、湖南等地區(qū)森林火災(zāi)易發(fā)性高,應(yīng)堅(jiān)持統(tǒng)籌兼顧,因地因林制宜,實(shí)施不同的林火管理策略。如:東北林區(qū)是我國(guó)國(guó)有森林資源集中分布區(qū),易發(fā)生重特大森林火災(zāi),雷擊火多發(fā),應(yīng)立足于防,重點(diǎn)提升有效應(yīng)對(duì)和迅速控制重特大森林火災(zāi)的能力;西南林區(qū)天氣多變,地形地貌復(fù)雜,森林火災(zāi)撲救難度大,應(yīng)提升組織管理和科學(xué)撲救能力,堅(jiān)決杜絕人員傷亡。

本研究還有進(jìn)一步完善的空間:一是林火驅(qū)動(dòng)因素中未考慮人類活動(dòng)和野外火源,有待繼續(xù)補(bǔ)充和完善;二是主要基于2011—2020年歷史森林火災(zāi)和林火驅(qū)動(dòng)因素完成31個(gè)省份森林火災(zāi)易發(fā)性分析,后續(xù)將在此易發(fā)性分析結(jié)果的基礎(chǔ)上,研建可燃物載量等動(dòng)態(tài)林火驅(qū)動(dòng)因素的年度更新方法,進(jìn)而實(shí)現(xiàn)我國(guó)年度火災(zāi)動(dòng)態(tài)易發(fā)性分析;三是進(jìn)一步優(yōu)化和調(diào)整模型,將天氣數(shù)值預(yù)報(bào)數(shù)據(jù)作為模型輸入,實(shí)現(xiàn)多致災(zāi)因子驅(qū)動(dòng)下未來(lái)短期和中長(zhǎng)期林火發(fā)生動(dòng)態(tài)預(yù)測(cè),以提高我國(guó)森林火災(zāi)的預(yù)測(cè)精度。