滇中地区林火发生预报模型构建研究

朱 政，赵 璠*，李世友，秦明明，邓小凡，黄鹏桂

(1.西南林业大学 大数据与智能工程学院，昆明 650224；2 西南林业大学 土木工程学院，昆明 650224)

林火是调节森林生态系统的关键因子，不仅影响森林生态系统的稳定、更新和演替，同时也威胁着生物多样性、大气环境和人类生命财产安全[1-5]。我国是林火灾害较为严重的国家之一，森林过火面积年均高达几十万hm2[6],因此，研究林火预测预报具有十分重要的理论意义和实践价值[7-8]。

火险气象预报模型是最成熟的预报模型，因其相关因子采集成本低、获取容易、模型算法简单，在国内外都有广泛的研究成果，代表模型主要包括加拿大森林火险指数系统[9](FWI)、国家火险等级系统(NFDRS)[10]、澳大利亚火险等级系统(GFDM)[11]，我国2018年发布了《森林火险气象等级》国家标准(GB/T 36743-2018)[12]。依据前人的结论，林火受多种因子共同影响，主要可以分为气象、地形、可燃物和人为因素[13-14]。林火与多种因素存在复杂联系，表现出不同的时空分布特征，为有效对林火进行防控，构建基于当地的林火发生预报模型是有效的防控手段。杨夏捷等[15]以火点数据为基础，结合气候、可燃物、地形、人类活动构建Logistic回归模型进行火险区划。梁慧玲等[16]根据1974-2008年大兴安岭塔河火灾资料，分别构建Logistic回归模型和随机森林模型，通过对比发现研究区内随机森林模型的精度更高。S.Volkanetal[17]利用贝叶斯网络模型对林火发生原因进行探究，结果表明闪电、道路距离、气温都是引发林火的主要因素。

本研究通过VIIRS 375 m热异常数据集提取得到历史火点，并进一步筛选得到历史未过火点，使用《森林火险气象等级》国家标准(GB/T 36743-2018)测算各点火险等级,并依据国家标准(QX/T 77-2007)确定其他火险因子，将坡度、地物类型、距公路、居民区距离等因子加权构建林火发生预报模型，测算历史火点和历史未过火点对应的火险等级，并进行精度比较和分析，以期为全区林火预防和管理工作提供参考。

1 研究区概况

1.1 研究区

研究区为云南省的昆明市和玉溪市。全区土地面积约3.7×104万km2,约占云南省土地面积的9.38%；人口占比约为云南省总人口的27.5%(2019年常住人口统计)；财政收入占比36.28%(2020年云南省统计年鉴)。全区地处云南省中部(23°19′-26°22′N，102°10′-103°40′E)，地势北高西低，平均海拔在1 500 m之上，年均气温16.4～24.6 ℃，具有干湿季分明的气候特征。昆明市有森林面积11.69×105hm2，森林覆盖率达到52.62%，森林蓄积量达到6 057×104m3。2019年底，玉溪市有森林面积90.9×104hm2，森林覆盖率达到60.7%，森林蓄积量达到5 950×104m3。境内主要树种包括云南松(Pinusyunnanensis)、华山松(P.armandii)、栎类(Quercusspp.)、杉木(Cunninghamialanceolata)、杨树(Populusspp.)等[18]。全区森林资源丰富，属于林火高发区，每年12月至翌年6月为全区范围防火期，气候干旱少雨，森林可燃物长期处于干燥状态，极易发生特大森林火灾，从VIIRS 375 m热异常产品数据集筛选出全区2012-2019年共发生林火608起，其中玉溪市发生林火372起，昆明市发生林火236起，林火主要发生在春季和夏季。

1.2 数据来源

火点数据来源于VIIRS 375 m(VNP14IMP)热异常产品数据集，该产品源自Suomi-NPP卫星搭载的VIIRS传感器传输的成像数据[19-20]，VIIRS传感器提供空间分辨率为375 m和750 m的热异常点数据，以每12 h为周期提供一次全球覆盖火灾活动图，VIIRS产品以MODIS(MOD14/MYD14)火灾和热异常算法为基础，使用Contextual算法监测生物质燃烧和其他温度异常区域[21]，该产品在国内外被广泛应用于森林火灾识别研究[22-23]、火灾评估[20]、大气污染[24-25]，与主流的MODIS火灾探测产品相比，该数据因有更高的空间分辨率而更精准的性能，向美国国家航天局火灾信息资源管理系统(NASA FIRMS)申请下载获取(https://earthdata.nasa.gov)。其他数据来源见表1。

表1 数据来源

1.3 数据处理

1.3.1 火点数据处理 下载2012-2019年覆盖整个云南省的VIIRS 375 m(VNP14IMGTDL_NRT)热异常数据集，提取出覆盖昆明市和玉溪市的火点数据。VIIRS 375 m热异常数据集提供包括火点坐标、起火日期、置信度以及火点时间段见表2。为了验证数据的可靠性，选取新闻报道的8场火灾进行检验，根据报道火点的坐标日期，从Google earth影像上进行定位，与提取到的火点数据进行日期和坐标的比对，结果显示精准度很高(表3)，证明该数据对火灾监测的准确性。在提取火点时选取置信度为H的火点数据，避免数据中存在的伪火点信息，使用该数据与全区的地物类型图在Arcgis10.7上面进行比对，剔除掉不属于林地类型的火点，确保所有的火点都属于森林火灾，经过筛选之后，一共得到608个火灾点(图1)。

图1 研究区2012-2019年火点数据分布

表2 VIIRS 375 m热异常数据集字段名称

表3 数据集对比验证

1.3.2 其他数据处理 气象数据分别选取风速、温度、相对湿度、降水量以及连续无降水天数5个指标，采用Arcgis10.7的泰森多边形匹配距离火点最近气象站点，获取火点当日的气象数据。使用Arcgis10.7按掩膜提取全区范围的地表数据，并使用值提取到点获取每个火点对应的地物类型。采用Arcgis10.7对下载的DEM进行裁剪得到全区范围的DEM影像，按值提取到点的方式获取每个点的坡度值，统计火点的坡度值并选取对应的范围进行分级[26]。人为活动按照距离远近分别测算火点离公路、居民区的距离，分别导入基础地理数据库后，使用 Arcgis10.7的近邻分析功能得到火点距公路、居民区的最近距离，并选取相应的范围进行分级。

2 研究方法

2.1 火险气象预报模型

气象因素是导致林火发生的直接因素，通常作为传统火险气象模型来进行火险区划和林火预测[27],其一般思路为选取几种主要气象因子构建综合指标来表征林火发生的可能性。本研究选用2018年最新发布的火险气象指数(forest fire danger weather index)来作为火险预报模型的依据，用指数值测算其对应的火险等级，其计算方法如下

IFFDI=U×Cr×Cs

(1)

式中:IFFDI为火险气象指数，Cr是降水量修正系数，24 h内降水Rr≥1 mm 时，Cr=0；Rr<1 mm时，Cr=1；Cs是积雪修正系数，24 h内雪深Hs>0 cm时，Cs=0；Hs=0 cm时，Cs=1，U是火险气象指数的函数表达式，其计算方法如下

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

(2)

式中:V代表当地14:00风速/(m·s-1)；T代表14:00气温/℃；rRH代表14:00相对湿度/%；M为综合气象干旱等级为无旱(气象干旱综合指数[28]MCI>-0.5)、轻旱(MCI≤-0.5)时的连续无降水日/d；各气象因子对应的函数值见表4，查表4可知，本研究区按照《森林火险气象等级》划分属于C区，IFFDI取值对应的火险等级见表5。

表4 气象因子及其函数值查对表

表5 森林火险气象等级划分标准

2.2 林火发生预报模型构建

常规的火险预报模型仅仅考虑气象因素对于林火发生的影响，单纯通过火险天气因子进行预报，但该模型在小气候特征明显的山地林区，由于局部地区气候差异性大，极易造成误报漏报。同时，国内外研究显示除气象因素外，地形、林内可燃物类型和人类活动等因素对林火发生也有显著影响[29-30]。因此，可用常规火险气象预报模型分别融合可燃物、地形和人类活动这几类要素，实现全面的林火发生预报模型构建。本研究采用森林火灾发生指数(forest fire occurrence index)预示潜在火险等级，其计算式如下:

IFFOI=IFFDI×Ca×Cb×Cc×Cd×K

(3)

式中:IFFDI是森林火险气象指数；Ca是地形调整系数；Cb是可燃物调整系数；Cc是道路调整系数；Cd是居民点调整系数；K是森林火灾发生模型阈值调整系数，其值为0.754。

式中:Ca、Cb、Cc、Cd的取值参考2007年出版的《森林火险气象等级》国家标准(QX/T 77-2007)的其他因子火情贡献度计算方法[31],首先计算在各区间内Yi发生条件下Fi发生的概率Pi，Pi反映该区间内的火情严重程度，其计算方法为

(4)

式中:Fi为各区间内火灾出现次数历史平均值(如：地形中坡度为0°～5°发生森林火灾次数历史平均值)；Yi为各因子区间内因子出现日数(如：地形中坡度为0°～5°发生森林火灾的日数)；Pi为Yi条件下Fi发生概率；i为各区间内因子之和(如：地形中坡度的分类级别)。

计算得到各区间的Pi值，按照公式(5)计算各因子的相对火险比例

(5)

式中:Pmin为各区间内Pi最小值；Ci为各区间因子相对于Pmin的火险比例。

本研究中融合的因子及相对火险比例见表6，再根据公式(3)的计算对应的IFFOI值，依据表5划分火险等级。

表6 林火发生预报模型调整系数查对表

2.3 模型精度比较

采用2种不同方式比较上述2种模型的精度。首先，剔除608个历史火点中，在着火发生日期之前1个月存在下雨、降雪的历史火点，并保证火点的经纬度坐标值大于0.1，最终形成300个历史未过火点；其次，利用模型分别计算和统计历史火点、历史未过火点的火险等级；再次，分别计算得到2种模型在历史火点、历史未过火点的各火险等级比例；最后，以三级火险等级划分，统计三级及以上的火点等级比例和累积比例作为评价模型精度的指标[32]。

3 结果与分析

3.1 火点时空分布

由图2A可见，全区2012-2019年这8 a间发生森林火灾年均次数为76次，其中，2014年发生的森林火灾次数高达116次，与该年份春夏季长时间干旱少雨的气候有关，从2015年开始整体森林火灾的数量呈明显下降的趋势，可能与近年来相关部门重视森林资源严禁防火措施有关。由图2B可见，全区的林火呈两极分布的态势，主要集中在1-5月，云南省的防火期在1月～6月15日，这与前人的研究结论一致[33],主要是因为全区的气候干湿季分明，干季干旱少雨，林内可燃物处于季节性增长和干燥状态，极易被点燃引发大火。由图2C可见，森林火灾频发区域集中在元江哈尼族彝族傣族自治县、寻甸回族彝族自治县、峨山彝族自治县和安宁市，平均森林火灾次数为88次，占全区总火点频次的58%以上，因此，应当引起防火相关部门重视，加强防火宣传，杜绝明火带入林区，提高林火实时监测能力，在火灾初期及时控制火情，减小损失，合理利用道路和水域组成天然防火隔离带[34]，防止火情的蔓延。

注：A历年火点数量统计；B各月火点数量统计；C各区县火点数量统计。

由图3A可见，统计的地物类型发生林火的最多的是森林，其火点数高达348次，占总火点频次的57%以上，灌木地火点数仅为38次，占总火点频次的6.25%，其次为耕地和草地，火点数量分别为108次和118次。由图3B可见，占据火点频次最多的坡度范围在0°～15°，高达236次，占总火点频次的38%以上，火点分布整体随着坡度的增大而减小，这主要是因为坡度越大越容易造成水土流失，不利于可燃物的增长和堆积，因此火点数量随之减少。由图3C可见，火点频次集中在3 km以内，火点频次与距离呈均匀分布的状态，占据总火点频次的95%以上，这是因为人类活动密集，导致火源分布广，人为火灾事故多，极易引发火情。由图3D可见，当距道路距离<1 000 m时，火点频次呈现出先增加后减少的趋势，主要是因为在500 m内距离增加，可燃物载量增加，极易引发火灾，在500 m距离之后，可燃物载量不变，但是人类活动减少，火点频次随之减少，>1 000 m火点频次主要受天气、地形等因素影响。

注：A地物类型火点数量统计；B不同坡度的火点数量统计；C与居民区不同距离的火点数量统计；D与道路不同距离的火点数量统计。

3.2 模型预报结果精度对比

本研究以统计落入对应火险等级的火点数量和累积比例的方式作为精度评价指标，分别计算608个历史火点和300个历史未过火点的火险等级情况和累积比例。由图4A可见，森林火险气象预报模型计算历史火点落在各火险等级比例分别为44.6%、14.6%、36.7%、3.4%、0.7%，对应的火险等级分别为一级、二级、三级、四级、五级，三级及以上火险等级的累积比例为40.8%，林火发生预报模型的计算结果为一级(26.6%)、二级(8.7%)、三级(46.9%)、四级(3.5%)、五级(14.3%)，三级及以上火险等级的累积比例为64.7%，即:全区以三级及以上火险等级作为火险预警发布标准时，时空火险预报模型比森林火险预报模型的计算结果多23.9%的火点进入火险预警的防控标准。

同上，用相同的方法计算这300个火点，其结果见图4，森林火险气象预报模型计算结果为一级(8%)、二级(39.3%)、三级(48%)、四级(4.7%)、五级(0%),三级以下火险等级的累计比例为47.3%，林火发生预报模型计算结果为一级(19%)、二级(42.3%)、三级(36.7%)、四级(2%)、五级(0%)，三级以下火险等级的累计比例为61.3%，即:全区以三级及以上火险等级作为火险预警发布标准时，时空火险预报模型比森林火险预报模型的计算结果少14%的火点进入火险预警的防控标准，降低了林火防控的林区范围和资源消耗。

注：A林火预报模型统计历史火点数量；B火险预报模型统计历史火点数量；C林火预报模型统计未过火点数量；D火险预报模型统计未过火点数量。

这2种模型通过历史火点和历史未过火点进行对比发现：林火发生预报模型在高火险时能提升林区范围的火险等级，在低火险时能降低林区范围的火险等级，显示出了更高的精准度。本研究构建的林火发生预报模型通过气象做大范围的时间预报，依据融合的多种空间因素进一步精细化火险的空间分布 ，极大地提升了模型的精度。

3.3 模型预报结果对比

图5是2种模型在随机选取某天的预报结果图，由于气象因素均为2种模型的主要组成要素，因此，依据相同的气象数据测算，在预报结果中2种模型的空间分布相似度极高。但是，森林火险气象预报模型预报结果简单，火险等级空间分布精细度不高，这是因为气象数据由气象站台获取，通过空间插值的方法生成火险分布图，分布稀疏的气象站台只能获取一个大范围的空间插值结果，而林火还受到其他因素的影响[13-14],因此可根据每日天气数据获取大范围内的时间火险预报结果，通过融合多种其他更精细的空间因素(如坡度、地物类型、人为活动范围等)，得到全方位的林火发生预报结果(图5B)。火险等级预报结果更多，空间精细度更多，此外，还增加了无风险区，将不含植被的其他区域(水体、实地、人造地表)计算为无风险区，缩小了林火监测和扑救范围 ，增强了林火防控的时效性。因此，林火发生预报模型的预报结果更加精准。

注：A火险气象预报结果；B林火发生预报结果。

4 结论与讨论

1)全区范围内的森林火灾次数较多，呈现明显的季节分布规律，主要集中1-5月，与云南省的防火期一致，火灾多发生在干季，说明气象因素是影响森林火灾的主要因素。

2)全区范围内的森林火灾不仅受到气象因素的影响，还受到地形、可燃物、人为活动等因素的共同作用，这几者共同构成火三角燃烧的全部条件，决定林火发生的时空关系[35-36],气象因素决定大范围内林火发生的时间预报结果，而地形、可燃物和人为活动等因素从更精细的空间角度预示着潜在的林火分布状况。

3)2种模型预报的结果在整体分布上较为相似，但是林火发生预报模型的结果在火险等级的分布种类更多，预报的空间分布更为精细。

4)本研究研建的林火发生预报模型的预报结果比火险预报模型的精度更高，但考虑的因素主要在日值气象数据，而林火发生前期的累积值同样重要，如可燃物床厚度、死可燃物和活可燃物的空间分布等，在接下来的研究中会考虑引入一些中期要素加入模型的研建。