摘 要：【目的】為在空間、時間尺度上對我國全域林灌草火災發(fā)生特征有清晰的認知，進而對森林草原火災預防決策提供參考。【方法】選用2003—2022年MODIS衛(wèi)星火點數(shù)據(jù)產(chǎn)品和土地覆蓋數(shù)據(jù)產(chǎn)品，以全國陸地區(qū)域作為研究范圍，利用優(yōu)化的熱點分析方法來分析林灌草火點的空間分布特征；統(tǒng)計分析年際、月度以及我國傳統(tǒng)節(jié)日林灌草火點的時間分布特征，并采用Mann-Kendall趨勢分析法從年際、月度分析林灌草火點的時間變化趨勢?！窘Y果】1）林灌草火點的稠密區(qū)域主要分布在我國的廣東省、云南省、廣西壯族自治區(qū)和黑龍江省，稀疏區(qū)域主要分布在我國的河南省、河北省和山東省。2）屬于草的衛(wèi)星火點數(shù)量最多，主要發(fā)生在春季和冬季；屬于灌叢的火點數(shù)量最少，主要發(fā)生在夏季。3）衛(wèi)星火點數(shù)量在我國七大傳統(tǒng)節(jié)日中占比排名前三的是：春節(jié)、清明節(jié)、勞動節(jié)。4）2003—2022年的年際和月度林灌草火點數(shù)量呈現(xiàn)波折起伏的走勢，在年際變化上，2015年為全國火點數(shù)量發(fā)生突變年；在月度上，5月是火點數(shù)量發(fā)生突變的月份。【結論】1）我國南部火點稠密，中東部火點稀疏，且2003—2022年疏密區(qū)域未發(fā)生明顯遷移，因而在實施防火部署時可進行差異化管理。2）春、冬兩季草地分布的區(qū)域以及闊葉林分布區(qū)域在春、夏兩季需加強防火管理。

關鍵詞：森林防火；MODIS；Mann-Kendall趨勢分析；優(yōu)化的熱點分析法；時空分布規(guī)律

中圖分類號：S762.1 文獻標志碼：A 文章編號：1673-923X（2024）09-0050-10

基金項目：國家重點研發(fā)計劃項目（2022YFC3003100）。

Spatio-temporal distribution pattern of forest， shrub and grass fire spots in China based on MODIS data

JIANG Feng， QIN Xianlin， HUANG Shuisheng， HU Xinyu， YANG Xinyuan， MENG Fangxin

（Key Laboratory of Forestry Remote Sensing and Information Technology， National Forestry and Grassland Administration， Institute of Forest Resource Information Techniques， Chinese Academy of Forestry， Beijing 100091， China）

Abstract：【Objective】This paper is aim to have a clear understanding of the dynamic changes of forest fire occurrence in China from space and time scale， which provides reference for forest fire prevention decision.【Method】Taking the national land area as the study area， MODIS fire point data products as satellite hot spots （SHS） and land cover data products in 2003-2022 were selected to explore the spatial distribution characteristics of forest and shrub fire spots in 2003-2022 by using optimized hot spot analysis method. Statistical methods were adopted to analyze interannual， monthly and traditional festivals’ characteristic. Mann-Kendall trend analysis method was used to study the trend of distribution of fire spots in forest， shrub and grass.【Result】（1） Dense regions of SHS were mainly aggregated in Guangdong province， Yunnan province， Guangxi Zhuang Autonomous Region and Heilongjiang province. Sparse regions of SHS were mainly concentrated in Henan， Hebei and Shandong province. （2） The number of SHS in grass was the highest frequency， which were mainly distributed in spring and winter， while the number of SHS in shrub was the lowest， which were significantly distributed in summer. （3） The rank of the top three of the seven traditional festivals in the number of SHS were as follows： Spring Festival， Tombsweeping Day and Labor Day. （4） According to the inter-annual and monthly statistics of the number of forest shrub fire spots from 2003 to 2022， the number of SHS showed a fluctuating trend. In terms of inter-annual changes， 2015 was the year of abrupt change in the number of SHS. For monthly， May was the month of abrupt change in the number of SHS.【Conclusion】（1） SHS are clustered in the south and are sparse in the central and eastern regions， and no obvious migration occurs in the gathering regions from 2003 to 2022. Therefore， differentiated management can be carried out when implementing fire prevention deployment. （2） The distribution areas of grassland in spring and winter and broad-leaved forests in spring and summer need to strengthen fire prevention management.

Keywords： forest fire prevention； MODIS； Mann-Kendall trend analysis； optimized hot spot analysis； spatio-temporal distribution pattern

森林火災是一種突發(fā)性強、破壞性大的自然災害，不僅破壞森林資源，同時還會對人類生命財產(chǎn)安全造成嚴重威脅和損傷[1]。統(tǒng)計年鑒表明，2021年我國發(fā)生森林火災共616次，受害森林面積達4 457 hm2，其他損失總計3 324.1萬元[2]。火災的肆虐也增加了溫室氣體的排放[3]，同時是CO和其他空氣污染物的主要來源[4-6]。自1987年大興安嶺“5·6”大火之后，我國高度重視森林防火，制定了大量森林火災防控政策與措施，每年都投入了大量的人力、物力實施火災預防監(jiān)控和應急工作。了解和掌握林火的時間和空間分布狀態(tài)與規(guī)律是順利開展上述工作的重要基礎，將為增強政策措施針對性、提升資源投入效用、提高預防監(jiān)控能力提供科學依據(jù)。

目前對于林火的時空分布特征的研究可概括為兩大類，一類是利用每年的統(tǒng)計資料對森林火災發(fā)生數(shù)量、發(fā)生時間等進行統(tǒng)計并結合函數(shù)分析，進而表征林火時空分布規(guī)律。如高博等[7]利用1997—2017年森林火災資料并結合氣象數(shù)據(jù)，研究了大興安嶺地區(qū)的森林火災月度變化，并使用逐步回歸方法建立了火災發(fā)生預測模型；黃嘉文等[8]采用泊松分布函數(shù)擬合火災數(shù)量的分布情況、主成分分析方法表征火災數(shù)量年際波動情況以及聚類分析劃分林火級別，分析了1998—2017年我國南北方地區(qū)森林火災的時空特征；喬澤宇等[9]使用Mann-Kendall趨勢檢驗法表征了2001—2007年我國森林火災數(shù)量的變化趨勢；蘇立娟等[10]分析統(tǒng)計了我國森林火災年際變化次數(shù)、火場面積年際變化、森林成災面積、成林蓄積損失等火災相關指標，利用主成分分析，對省域森林火災狀況劃分等級；楊廣斌等[11]利用過火面積、過火有林地面積、火災強度等火災相關指標，表征了北京市1986—2006年森林火災年際變化規(guī)律；Lee等[12]采用時間序列分析方法對月度林火發(fā)生次數(shù)和過火面積進行分析，并對林火發(fā)生次數(shù)、過火面積和過火面積增長率進行F檢驗，以了解月度林火特征；Yi等[13]通過統(tǒng)計火災數(shù)量、過火面積等指標，表明1950—2010年中國火災的影響情況。另一類是利用GIS空間分析功能，分析火點在空間位置上的分布特征和規(guī)律。闕華斐等[14]利用時空立方體模型，將林火在空間維度上的變化和時間尺度聯(lián)系起來，對湖南省2007—2017年林火時空分布規(guī)律進行研究，形成了時間序列圖；田野等[15]采用ArcGIS軟件的空間分析功能及SPSS軟件的統(tǒng)計分析功能，對麗江地區(qū)1984—2008年森林火災的時空分布規(guī)律進行了研究，探討了不同海拔高度、坡度坡向、可燃物類型條件下火點的空間分布特征；Tian等[16]采用空間聚類分析（Ripley’s K）對我國北方各省森林火災的空間分布格局進行分析；Liu等[17]采用SPSS軟件進行統(tǒng)計分析、克里金插值法生成空間分布圖，分析了我國東北地區(qū)吉林省森林火災發(fā)生頻率和過火森林面積的時空分布；Reddy等[18]運用熱點分析法對南亞地區(qū)森林火災的時空格局和熱點識別進行了研究；Qin等[19]利用我國陸地區(qū)域的2000—2011年MODIS衛(wèi)星火點和同時段的森林火災統(tǒng)計資料，對我國植被火的發(fā)生時空規(guī)律進行了分析，并認為MODIS衛(wèi)星火點可較好地反映我國森林火災發(fā)生的時空分布。

綜上，國內(nèi)外對火災的時空分布特征進行了大量研究，但國內(nèi)對于時空分布特征的研究主要集中于局部區(qū)域或較短時間序列，因而目前對我國全域范圍長時間序列的火點時空分布特征的研究較為稀缺。本研究以全國陸地區(qū)域作為研究范圍，以GIS空間分析功能為依托，利用2003—2022年的MODIS火點產(chǎn)品，采用優(yōu)化的熱點分析[20-21]、Mann-Kendall趨勢分析法[22]，分析這20年我國林灌草的衛(wèi)星火點的時空分布特征，擬揭示全國林灌草火的發(fā)生規(guī)律，并為區(qū)域間差異性防火提供理論依據(jù)。

1 研究數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源及處理

因2000—2002年6月前，僅Terra衛(wèi)星運行。為減少衛(wèi)星觀測時次不一致的影響，選用了2003—2022年Terra/AQUA MODIS衛(wèi)星火點矢量數(shù)據(jù)（MOD14/MYD14 V6.1，shp格式），該數(shù)據(jù)來源于NASA共享的產(chǎn)品；從衛(wèi)星火點矢量數(shù)據(jù)中挑選出置信度>75%且位于中國區(qū)域內(nèi)的點數(shù)據(jù)。土地覆蓋產(chǎn)品選用NASA共享的MOD12Q V6.1產(chǎn)品；對2003—2022年間每年的MOD12Q數(shù)據(jù)中的IGBP數(shù)據(jù)層進行格式轉換、拼接、投影變換、掩膜和類別合并等處理，生成覆蓋全國的土地覆蓋類型圖，類別包含森林（針葉林、闊葉林、混交林）、灌木、草原和其他。

使用每年土地覆蓋矢量圖中的森林、灌木和草原地類（以下簡稱林灌草）篩選相應年份的衛(wèi)星火點數(shù)據(jù)，選出屬于林灌草區(qū)域且置信度>75%的衛(wèi)星火點數(shù)據(jù)，用于全國火點時空分布特征分析。

利用Python語言編程獲取2003—2022年節(jié)假日信息，并結合政府法定節(jié)假日休假通知進行驗證，制作出2003—2022年工作日、周末和傳統(tǒng)節(jié)假日的表格。將篩選完成的火點導出表格數(shù)據(jù)，在Excel中利用公式賦予火點工作/周末/傳統(tǒng)節(jié)假日屬性，用以分析全國林灌草火點在節(jié)假日中的分布特征。

1.2 研究方法

我國從1953年開始制定第一個“五年計劃”以來，國民經(jīng)濟發(fā)展規(guī)劃及中短期考核年份間隔通常為5 a；據(jù)全國森林防火規(guī)劃（2016—2025年）[23]，其中，近期規(guī)劃為2016—2020年，遠期規(guī)劃為2021—2025年，采用的時間間隔為5 a，因而本文中選用5 a作為我國火點發(fā)生分析規(guī)律的時間間隔；基于處理后的MODIS火點數(shù)據(jù)，采用優(yōu)化的熱點分析方法，以每5年作為時間間隔對全國林灌草火點的空間規(guī)律進行分析；采用統(tǒng)計分析、Mann-Kendall趨勢分析方法對全國林灌草火點的時間規(guī)律進行分析。

1.2.1 優(yōu)化的熱點分析方法

其原理是假設存在事件點或權重要素，使用Getis-Ord Gi*統(tǒng)計數(shù)據(jù)創(chuàng)建具有統(tǒng)計顯著性的熱點和冷點的分布區(qū)域。該方法自動聚合事件數(shù)據(jù)，識別適當?shù)姆治龇秶?，并糾正多重測試和空間依賴性[19]。本研究按縣級區(qū)域對衛(wèi)星火點數(shù)量進行統(tǒng)計，作為熱點分析的輸入數(shù)據(jù)，對分析結果以置信度≥95%的區(qū)間來統(tǒng)計全國冷熱點區(qū)域的數(shù)量情況。熱點區(qū)域指空間上分布的火點數(shù)量密集，冷點區(qū)域指空間上分布的火點數(shù)量稀疏，利用該方法制成冷熱點分析圖，用以分析火點的空間分布特征。

1.2.2 Mann-Kendall趨勢分析

Mann-Kendall趨勢分析方法是一種非參數(shù)統(tǒng)計檢驗方法，不需要樣本服從某種分布，也不受少數(shù)異常值的干擾，定量化程度較高，檢測范圍較廣，計算方便，廣泛運用于時間序列上水文、溫度和氣候等趨勢變化分析[21]。本研究以屬于林灌草的衛(wèi)星火點發(fā)生的年份或者月份為自變量，屬于林灌草的衛(wèi)星火點數(shù)量為因變量，利用該方法來分析火點的時間分布特征。具體方法如下。

2 結果與分析

2.1 全國林灌草火點空間分布特征

2.1.1 火點聚散情況的空間分布特征

經(jīng)統(tǒng)計，香港、澳門和臺灣等3個地區(qū)內(nèi)的衛(wèi)星火點數(shù)量極少，統(tǒng)計學意義較弱。樣本的數(shù)量多少對于顯著性檢驗的結果有一定的影響，為了避免對統(tǒng)計結果的干擾，本研究在進行冷熱點分析時未將這3個地區(qū)納入分析。

經(jīng)處理后屬于林灌草的衛(wèi)星火點數(shù)量全國總計230 403個，對衛(wèi)星火點進行熱點分析，以明晰衛(wèi)星火點在空間上的聚集情況，文中以縣為單位統(tǒng)計的火點數(shù)據(jù)作為輸入數(shù)據(jù)進行分析。從冷熱點區(qū)域南北方分布占比來看，2003—2007年熱點區(qū)域在南方占比為93.14%，2008—2012年占比為94.26%，2013—2017年占比為88.15%，2018—2022年占比為88.38%；冷點區(qū)域在北方的占比情況依次為76.36%、66.75%、60.10%、61.41%。從冷熱點區(qū)域分布省市來看，熱點區(qū)域主要分布在我國的廣東省、廣西壯族自治區(qū)、云南省和東北大興安嶺地區(qū)，冷點區(qū)域主要分布在我國的河南省、河北省和山東省（圖1～4）。

從冷、熱點區(qū)域數(shù)量變化情況來看，2003—2022年熱點區(qū)域數(shù)量共計2 013個，冷點區(qū)域數(shù)量共計3 770個（表1）。2003—2017年，熱點區(qū)域、冷點區(qū)域數(shù)量呈現(xiàn)增加的走勢，但2018—2022年的熱點區(qū)域、冷點區(qū)域數(shù)量減少。2013—2017年冷點區(qū)域的增加幅度最大，較上一個五年增加了567個冷點區(qū)域；2018—2022年熱點區(qū)域的減少幅度最大，較上一個五年減少了262個熱點區(qū)域。2008—2012年熱點區(qū)域數(shù)量增加最多的是江西省，廣東省熱點區(qū)域數(shù)量減少最多，冷點區(qū)域數(shù)量增加最多的是四川省，山西省冷點區(qū)域數(shù)量減少最多；2013—2017年熱點區(qū)域數(shù)量增加最多的是廣東省，冷點區(qū)域數(shù)量增加最多的是山西省，熱點區(qū)域數(shù)量減少最多的是福建省；2018—2022年熱點區(qū)域數(shù)量增加最多的是四川省，遼寧省冷點區(qū)域數(shù)量減少最多。

從冷熱點區(qū)域中位數(shù)中心的遷移情況來看，熱點中位數(shù)中心的遷移趨勢為“廣東省清遠市—廣西壯族自治區(qū)賀州市—廣西壯族自治區(qū)桂林市—廣西壯族自治區(qū)河池市”，呈現(xiàn)出逐漸向西北方向遷移的特征；冷點中位數(shù)中心的遷移趨勢為“河南省濮陽市—山東省菏澤市—河南省新鄉(xiāng)市—河南省開封市”，表現(xiàn)出逐漸向西南方向遷移的特征（圖5）。

2.1.2 火點在林灌草中的空間分布特征

植被類型不同，火蔓延燃燒的速度不同。將森林（針葉林、闊葉林、混交林）、灌叢、草原與火點進行疊加，統(tǒng)計分析火點在林灌草中的分布狀況，結果如圖6所示。從衛(wèi)星火點在林灌草中的分布比例來看，大小排序為草原>森林>灌叢，草原內(nèi)衛(wèi)星火點比例高達80%。森林中火點占比情況排序為闊葉林>混交林>針葉林。

2.2 全國林灌草火點時間分布特征

2.2.1 年際特征

從衛(wèi)星火點年際統(tǒng)計結果（圖7）來看，2003—2022年衛(wèi)星火點呈現(xiàn)波折起伏后又處于平穩(wěn)的態(tài)勢。2003—2007年衛(wèi)星火點呈現(xiàn)先降低后增加的態(tài)勢，2004—2005年衛(wèi)星火點數(shù)量大幅減少，減少了6 426個；2008—2012年衛(wèi)星火點呈現(xiàn)降低的態(tài)勢，2008年衛(wèi)星火點數(shù)量達到峰值，由于2008年北方經(jīng)歷嚴重干旱、南方遭受雪災，加之可燃物堆積等原因，為火災發(fā)生創(chuàng)造了有利條件；2013—2017年衛(wèi)星火點呈現(xiàn)先增加后減少的態(tài)勢，國家氣候中心監(jiān)測數(shù)據(jù)顯示，2014年是1880年至2022年有記錄以來的最暖年，我國平均溫度較常年偏高0.5℃，火點在2014年達到峰值后減少；我國為應對氣候變暖做著不懈努力，因而2018—2022年衛(wèi)星火點呈現(xiàn)平穩(wěn)的態(tài)勢。從Mann-Kendall檢測曲線圖看，曲線交點是2015年前后，即全國衛(wèi)星火點數(shù)量發(fā)生突變的年份（圖8）。

2.2.2 月度特征

據(jù)2003—2022年全國林灌草區(qū)域內(nèi)衛(wèi)星火點月度統(tǒng)計結果（圖9）可知，衛(wèi)星火點數(shù)量分布特征呈現(xiàn)出駝峰的態(tài)勢，第一峰的峰值出現(xiàn)在3月（45 516個），第二峰的峰值出現(xiàn)在10月（19 241個）；居前三位的月份依次為3月、2月和4月，共計占全年衛(wèi)星火點總數(shù)量的49.46%；衛(wèi)星火點數(shù)量最少的三個月份依次為7月、8月和9月。據(jù)全國衛(wèi)星火點在林灌草中月度數(shù)量統(tǒng)計結果（圖10）可知，草原中火點主要分布在春季（46.11%）和冬季（24.16%）；森林中火點主要分布在春季（47.64%）和夏季（26.60%）；灌叢火點主要分布在夏季。從Mann-Kendall檢測曲線結果（圖11）得知，曲線的交點在5月左右，即衛(wèi)星火點數(shù)量發(fā)生突變點。

2.2.3 節(jié)假日特征

據(jù)2003—2022年節(jié)假日衛(wèi)星火點數(shù)量占比統(tǒng)計結果（圖12）可知，火點數(shù)量總計占比最多的依次是春節(jié)（34.63%）、清明節(jié)（27.59%）和勞動節(jié)（17.12%），最少的是中秋節(jié)（1.12%）。春節(jié)、清明節(jié)和勞動節(jié)假期總時長占七大傳統(tǒng)節(jié)日總時長的50.56%，三大節(jié)日衛(wèi)星火點數(shù)占總量的79.34%。

據(jù)2003—2022年三大節(jié)假日衛(wèi)星火點數(shù)量統(tǒng)計結果（圖13～14）可知，從春節(jié)發(fā)生情況來看，森林中的火點、草原中的火點在2011年、2014年分布較多；從清明節(jié)發(fā)生情況來看，森林中的火點、草原中的火點在2012年分布較多；從勞動節(jié)發(fā)生情況來看，森林中的火點、草原中的火點在2003年、2007年分布較多。

3 結論與討論

3.1 討 論

選取全國區(qū)域2003—2022年MODIS衛(wèi)星火點和土地覆蓋數(shù)據(jù)，采用優(yōu)化的熱點分析方法、Mann-Kendall趨勢分析方法和統(tǒng)計分析方法，分析了全國林灌草火點的時空分布特征，并探索了冷、熱點區(qū)域的空間分布規(guī)律以及年際、月度、節(jié)假日的時間發(fā)生規(guī)律。

本研究利用優(yōu)化的熱點分析方法，分析出中國區(qū)域衛(wèi)星火點聚集的地方即熱點區(qū)域和衛(wèi)星火點稀疏的地方即冷點區(qū)域?；瘘c空間分布整體呈現(xiàn)出“南部熱點區(qū)域聚集，中東部冷點區(qū)域聚集”的規(guī)律。我國南部、西南部的人口密集、可燃物豐富、山區(qū)地勢陡峭、救援難度大等因素，表現(xiàn)為熱點區(qū)域，熱點區(qū)域的中位數(shù)中心向西北—西南遷移，整體向西北遷移，逐漸靠近云南省、貴州省，這與兩省的地勢險要、救火難度大有一定的關聯(lián)；東北大興安嶺地區(qū)植被條件良好，森林覆蓋率高達86.2%，受天氣、人為因素等影響，極易造成火災，也表現(xiàn)為熱點區(qū)域。而中東部森林覆蓋率低，地勢平坦，冷點區(qū)域分布較為集中。冷點區(qū)域的中位數(shù)中心整體向西南遷移。冷點區(qū)域的主要分布區(qū)域為山東省，其第九次全國森林資源清查數(shù)據(jù)顯示森林覆蓋率為17.51%。

森林中的火點數(shù)量在三大節(jié)日中的分布情況為春節(jié)>勞動節(jié)>清明節(jié)；草原中的火點數(shù)量在三大節(jié)日中的分布情況為春節(jié)>清明節(jié)>勞動節(jié)。森林和草原中的火點數(shù)量比例最高的時間均在春節(jié)期間，一是春節(jié)期間人流量大；二是春節(jié)期間火源數(shù)量增加，如燃放煙花爆竹、祭祀等。由于農(nóng)業(yè)機械水平有限及作物秸稈的處理方案、技術不成熟等，勞動節(jié)火點在2003—2007年處于一個較高的水平。2008年我國出臺了秸稈禁止焚燒令以來，可以看出無論是森林中的火點數(shù)量，還是草原中的火點數(shù)量和勞動節(jié)的火點數(shù)量明顯減少，最明顯的是森林中火點數(shù)量的減少。在2015年政府加大焚燒令的推廣力度，因而林草火點自2015年均處于一個較低的水平。

本研究在空間上識別出衛(wèi)星火點分布的數(shù)量情況以表征火災發(fā)生風險，即衛(wèi)星火點所分布的“熱點”區(qū)縣和“冷點”區(qū)縣；在時間上研究了年際發(fā)生特征、月度發(fā)生特征、節(jié)假日發(fā)生特征以及時空規(guī)律，對全國森林防火政策總體布局和區(qū)域政策實施有重要意義；未來的研究中還需要探索火發(fā)生的驅動力因素，包括地形因素、人為因素、氣象因素等。

3.2 結 論

1）火點數(shù)量的空間分布整體呈現(xiàn)出“南部熱點區(qū)域聚集，中東部冷點區(qū)域聚集”的規(guī)律，且近20年火點聚集區(qū)域未發(fā)生明顯遷移。廣東省、廣西壯族自治區(qū)、云南省和東北大興安嶺地區(qū)以及熱點區(qū)域數(shù)量增加最多的江西省、四川省需要特別加強防火措施以及火災救援部署，降低火災風險。

2）火點數(shù)量的時間分布規(guī)律為：春、冬兩季草地分布的區(qū)域需加強防火管理，如內(nèi)蒙古高原的東部、青藏高原的東部和南部；闊葉林分布區(qū)域在春、夏兩季需加強防火管理，如西南高山峽谷地區(qū)；人為活動較活躍的節(jié)假日需加強防火管理，如春節(jié)。

參考文獻：

[1] RODRIGUES M， DE LA RIVA J. An insight into machinelearning algorithms to model human-caused wildfire occurrence[J]. Environmental Modelling & Software，2014，57： 192-201.

[2] 國家統(tǒng)計局.中國統(tǒng)計年鑒[M].北京：中國統(tǒng)計出版社， 2022. National Bureau of Statistics. China Statistical Yearbook[M]. Beijing： China Statistics Press，2022.

[3] VAN DER WERF G R， RANDERSON J T， COLLATZ G J， et al. Continental-scale partitioning of fire emissions during the 1997 to 2001 El Nino/La Nina period[J]. Science，2004，303（5654）：73-76.

[4] WEI M H， LIU M H， CRUTZEN P J. Estimates of annual and regional releases of CO2 and other trace gases to the atmosphere from fires in the tropics， based on the FAO statistics for the period 1975–1980[J]. Fire in the Tropical Biota Ecological Studies， 1990：440-462.

[5] CRUTZEN P J， DELANY A C， GREENBERG J， et al. Tropospheric chemical composition measurements in Brazil during the dry season[J]. Journal of Atmospheric Chemistry， 1985，2：233-256.

[6] CARVALHOJ A J， AMARAL S S， COSTA M A M， et al. CO2 and CO emission rates from three forest fire controlled experiments in Western Amazonia[J]. Atmospheric Environment， 2016，135：73-83.

[7] 高博，單仔赫，曹麗麗，等.大興安嶺地區(qū)森林火災月動態(tài)變化及發(fā)生預測研究[J].中南林業(yè)科技大學學報，2021，41（9）： 53-62. GAO B， SHAN Z H， CAO L L， et al. Study on monthly dynamic change and occurrence prediction of forest fires in Daxing’an mountains[J]. Journal of Central South University of Forestry & Technology，2021，41（9）：53-62.

[8] 黃嘉文，李士靜，張杰豪，等.1998—2017年中國南北方地區(qū)森林火災的時空特征[J].福建農(nóng)林大學學報（自然科學版）， 2021，50（1）：85-94. HUANG J W， LI S J， ZHANG J H， et al. Spatial and temporal characteristics of forest fires in northern and southern China from 1998 to 2017[J]. Journal of Fujian Agriculture and Forestry University （Natural Science Edition），2021，50（1）：85-94.

[9] 喬澤宇，房磊，張悅楠，等.2001—2017年我國森林火災時空分布特征[J].應用生態(tài)學報，2020，31（1）：55-64. QIAO Z Y， FANG L， ZHANG Y N， et al. Spatial and temporal distribution characteristics of forest fires in China from 2001 to 2017[J]. Chinese Journal of Applied Ecology，2020，31（1）：55-64.

[10] 蘇立娟，何友均，陳紹志.1950—2010年中國森林火災時空特征及風險分析[J].林業(yè)科學，2015，51（1）：88-96. SU L J， HE Y J， CHEN S Z. Spatio-temporal characteristics and risk analysis of forest fires in China from 1950 to 2010[J]. Scientia Silvae Sinicae，2015，51（1）：88-96.

[11] 楊廣斌，唐小明，寧晉杰，等.北京市1986—2006年森林火災的時空分布規(guī)律[J].林業(yè)科學，2009，45（7）：90-95. YANG G B， TANG X M， NING J J， et al. Spatial and temporal distribution of forest fires in Beijing from 1986 to 2006[J]. Scientia Silvae Sinicae，2009，45（7）：90-95.

[12] LEE B， PARK P S， CHUNG J. Temporal and spatial characteristics of forest fires in South Korea between 1970 and 2003[J]. International Journal of Wildland Fire，2006，15（3）：389-396.

[13] YI K P， BAO Y L， ZHANG J Q. Spatial distribution and temporal variability of open fire in China[J]. International Journal of Wildland Fire，2016， 26（2）：122-135.

[14] 闕華斐，譚三清，周璀，等.基于衛(wèi)星監(jiān)測的湖南省林火時空分布規(guī)律研究[J].中南林業(yè)科技大學學報，2018，38（6）：61-65. QUE H F， TAN S Q， ZHOU C， et al. Spatio-temporal distribution of forest fires in Hunan Province based on satellite monitoring[J]. Journal of Central South University of Forestry & Technology， 2018，38（6）：61-65.

[15] 田野，牛樹奎，陳鋒，等.麗江地區(qū)森林火災的時空分布規(guī)律[J].西北林學院學報，2018，33（5）：142-148. TIAN Y， NIU S K， CHEN F， et al. Spatial and temporal distribution of forest fires in Lijiang[J]. Journal of Northwest Forestry College，2018，33（5）：142-148.

[16] TIAN Y P， WU Z C， BIAN S J， et al. Study on spatial-distribution characteristics based on fire-spot data in Northern China[J]. Sustainability，2022，14（11）： 6872.

[17] LIU Q， SHAN Y L， SHU L F， et al. Spatial and temporal distribution of forest fire frequency and forest area burnt in Jilin province， Northeast China[J]. Journal of Forestry Research， 2018，29（5）：1233-1239.

[18] REDDY C S， BIRD N G， SREELAKSHMI S， et al. Identification and characterization of spatio-temporal hotspots of forest fires in South Asia[J]. Environmental Monitoring and Assessment，2020，191（Suppl 3）：791.

[19] QIN X L， YAN H， ZHAN Z H， et al. Characterising vegetative biomass burning in China using MODIS data[J]. International Journal of Wildland Fire，2014，23（1）：69-77.

[20] GETIS A， ORD J K. The analysis of spatial association by use of distance statistics[J]. Geographical Analysis，1992，24（3）：189-206.

[21] HARRIS N L， GOLDMAN E， GABRIS C， et al. Using spatial statistics to identify emerging hot spots of forest loss[J]. Environmental Research Letters，2017，12（2）：024012.

[22] 朱賀，張珍，楊凇，等.中國南北方林火時空分布及火險期動態(tài)變化特征—以黑龍江省和江西省為例[J].生態(tài)學雜志， 2023，42（1）：198-207. ZHU H， ZHANG Z， YANG S， et al. Temporal and spatial distribution of forest fires and their dynamic changes in fire risk periods in northern and southern China： A case study of Heilongjiang and Jiangxi provinces[J]. Chinese Journal of Ecology， 2023，42（1）：198-207.

[23] 國家林業(yè)局.林規(guī)發(fā)〔2016〕178號 全國森林防火規(guī)劃（2016—2025年）[S].北京：2016. State Forestry Administration.No.178 （2016） National Forest Fire Prevention Plan （2016-2025）[S]. Beijing：2016.

[本文編校：謝榮秀]