气候因子对我国森林火灾的影响及预测

doi:10.16265/j.cnki.issn1003-3033.2023.12.1736

摘要/Abstract

摘要：

为探究气候因子对森林火灾事故的影响机制,首先基于我国2011—2020年森林火灾事故数据,选择年均气压、气温、降水量和日照时间等4类气候因子作为特征变量;其次采用层次聚类法得出森林火险区划结果,并计算灰色关联度系数,得出气候因子对森林火灾的影响程度;然后建立我国4类气候因子线性回归模型,得出气候因子对森林火灾影响程度的排序,并预测2021年的险情值。研究结果表明:我国火险区域在气候因子的影响下,可划为10类;气候因子对单位面积森林火灾发生次数影响排序为:年均降水量>年均气压>年均气温>年均日照时间;线性回归分析和灰色关联度系数分析的排序结果相似;线性回归模型预测的2021年险情值与实际值相对误差不超过5%。

关键词: 气候因子, 森林火灾, 火险区, 聚类分析, 关联度, 线性回归

Abstract:

In order to explore the influence mechanism of climatic factors on the weight of forest fire accident, firstly, based on the data of forest fire accidents in China from 2011 to 2020, four kinds of climatic factors, including annual average pressure, temperature, precipitation and sunshine time, were selected as characteristic variables. Secondly, the results of forest fire danger zoning were obtained by the hierarchical clustering method, and the grey correlation coefficient was calculated to obtain the influence degree of climate factors on forest fire. Then, the regression model of four types of climatic factors in China was established to obtain the weight ranking of the impact of climatic factors on forest fires, and the risk value in 2021 was predicted. The results show that the fire danger areas in China could be divided into 10 categories under the influence of climatic factors. The influence of climate on the number of forest fires per unit area is ranked as follows: annual average precipitation > annual average pressure > annual average temperature > annual average sunshine time. Linear regression analysis and grey correlation degree analysis have similarities in the ranking results of fire danger zone. The relative error between the predicted risk value by linear regression analysis and the actual value in 2021 is less than 5%.

Key words: climatic factors, forest fire, fire hazard area, hierarchical clustering, correlation, linear regression

鲁义, 周钦云, 邵淑珍, 王伟, 戴玉清, 韦雪娥. 气候因子对我国森林火灾的影响及预测[J]. 中国安全科学学报, 2023, 33(12): 53-59.

LU Yi, ZHOU Qinyun, SHAO Shuzhen, WANG Wei, DAI Yuqing, WEI Xue'e. Influence and prediction of climatic factors on forest fires in China[J]. China Safety Science Journal, 2023, 33(12): 53-59.

图/表 8

表1

图1

图2

表2

表3

我国4类气候因子回归模型及检验结果

类别	线性回归模型		相关系数	F值	显著水平
Ⅳ	y=b₁+b₂X₁+b₃X₂+b₄X₃+b₅X₄	(6)	0.671	6.80	0.027
Ⅷ			0.694	8.60	0.025
Ⅸ			0.688	14.99	0.018
Ⅹ			0.879	50.10	0.001
Ⅰ	y=b₁+b₂X₁+b₃X₂+b₄X₃+b₅X₄+b₆ $X 1 2$ +b₇ $X 2 2$ +b₈ $X 3 2$ + b₉ $X 4 2$ +b₁₀X₁X₂+b₁₁X₁X₃+b₁₂X₁X₄+b₁₃X₂X₄+b₁₄X₂X₄+b₁₅X₃X₄	(7)	0.803	6.39	0.001
Ⅱ			0.601	4.53	0.014
Ⅲ			0.868	35.05	0.001
Ⅴ			0.662	3.92	0.001
Ⅵ			0.846	46.40	0.001
Ⅶ			0.634	5.23	0.020

表3

表4

表5

表6

2021年森林火灾险情预测

省份	年均气压/MPa	年均气温/℃	年均降水量/m	年均日照时间/h	预测值	实际值	误差列
北京	0.100 26	13.00	0.691	2 278.9	0.042 7	0.041 8	0.000 9
天津	0.101 46	13.00	0.609	2 558.4	0.029 0	0.000 0	0.029 0
河北	0.099 34	12.90	0.859	2 160.9	0.013 7	0.013 9	-0.000 2
山西	0.092 82	11.00	0.722	2 458.0	0.021 7	0.021 8	-0.000 1
山东	0.099 01	14.00	0.708	2 249.6	0.007 5	0.007 5	0.000 0
河南	0.095 91	14.00	0.803	1 980.9	0.017 8	0.017 4	0.000 4
陕西	0.093 73	13.00	0.936	1 882.0	0.019 7	0.019 2	0.000 5
内蒙古	0.092 75	3.50	0.328	2 099.6	0.001 2	0.001 1	0.000 1
辽宁	0.103 05	9.30	0.741	2 133.0	0.023 05	0.022 7	0.000 4
吉林	0.098 74	6.80	0.788	2 392.0	0.014 4	0.014 0	0.000 4
黑龙江	0.095 60	4.30	0.804	2 765.0	0.005 0	0.005 0	0.000 0
上海	0.102 07	17.90	1.520	1 740.0	0.050 5	0.000 0	0.050 5
江苏	0.102 56	15.90	1.500	1 799.4	0.012 7	0.012 8	-0.000 1
安徽	0.102 35	18.40	1.290	1 931.5	0.012 2	0.012 6	-0.000 4
湖北	0.097 71	17.50	1.714	1 500.5	0.039 5	0.040 7	-0.001 2
浙江	0.100 86	17.60	1.403	1 384.2	0.058 4	0.057 9	0.000 5
福建	0.100 33	21.20	1.343	1 805.3	0.055 0	0.054 2	0.000 8
江西	0.100 88	18.20	1.310	1 493.1	0.050 9	0.049 0	0.001 9
湖南	0.100 26	18.00	1.342	1 342.5	0.048 8	0.048 5	0.000 3
广西	0.099 45	21.60	1.364	1 669.1	0.073 7	0.072 0	0.001 7
广东	0.100 84	22.90	1.784	1 364.0	0.105 8	0.101 4	0.004 3
海南	0.099 96	25.60	1.613	2 232.3	0.075 7	0.077 1	-0.001 4
重庆	0.096 24	18.20	1.306	1 339.3	0.022 1	0.022 5	-0.000 4
四川	0.089 05	15.40	1.133	1 395.9	0.010 0	0.009 8	0.000 2
贵州	0.094 26	16.70	1.181	1 003.5	0.014 9	0.014 3	0.000 6
云南	0.083 66	17.60	1.157	2 097.7	0.021 1	0.021 8	-0.000 7
西藏	0.065 59	5.40	0.390	2 512.2	0.001 3	0.001 3	0.000 0
甘肃	0.077 27	8.00	0.358	2 353.0	0.011 2	0.011 8	-0.000 6
青海	0.068 86	3.40	0.356	2 170.9	0.012 2	0.011 9	0.000 3
宁夏	0.083 19	8.50	0.296	2 502.0	0.059 3	0.061 0	-0.001 7

表6

参考文献 13

[1]	全国绿化委员会办公室. 2022年中国国土绿化状况公报[J]. 国土绿化, 2023(3): 6-11.
[2]	国家统计局. 2011—2020年中国统计年鉴[M]. 北京: 中国统计出版社, 2012—2021.
[3]	龙腾腾, 殷继艳, 欧朝蓉, 等. 云南省森林火灾风险综合评价及空间格局研究[J]. 中国安全科学学报, 2021, 31(9):167-173. doi: 10.16265/j.cnki.issn1003-3033.2021.09.023
	LONG Tengteng, YIN Jiyan, OU Zhaorong, et al. Comprehensive assessment and spatial pattern study on forest fire risk in Yunnan province[J]. China Safety Science Journal, 2021, 31(9): 167-173. doi: 10.16265/j.cnki.issn1003-3033.2021.09.023
[4]	魏书精, 罗斯生, 罗碧珍, 等. 气候变化背景下森林火灾发生规律研究[J]. 林业与环境科学, 2020, 36(2): 133-143.
	WEI Shujing, LUO Sisheng, LUO Bizhen, et al. Occurrence regularity of forest fire under the background of climate change[J]. Forestry and Environmental Science, 2020, 36(2): 133-143.
[5]	王姊辉, 董恒, 赵洋甬, 等. 应用机器学习模型对中国云贵川区域林火风险预测[J]. 东北林业大学学报, 2023, 51(5): 113-119.
	WANG Zihui, DONG Heng, ZHAO Yangyong, et al. Prediction of forest fire risk in Yunnan, Guizhou and Sichuan using machine learning model[J]. Journal of Northeast Forestry University, 2023, 51(5): 113-119.
[6]	李思宇, 梁达, 韦燕芳, 等. 基于贝叶斯网络的干旱-森林火灾灾害链定量建模研究[J]. 自然灾害学报, 2023, 32(1): 38-46.
	LI Siyu, LIANG Da, WEI Yanfang, et al. Quantitative modeling of drought-forest fire disaster chain based on the Bayesian network[J]. Journal of Natural Disasters. 2023, 32(1): 38-46.
[7]	李德, 牛树奎, 龙先华, 等. 四川省森林火灾与气象因子的关系[J]. 西北农林科技大学学报:自然科学版, 2013, 41(6): 67-74.
	LI De, NIU Shukui, LONG Xianhua, et al. Relationship of forest fires and meteorological factors in Sichuan province[J]. Journal of Northwest A&F University: Natural Science Edition, 2013, 41(6): 67-74.
[8]	李丽琴. 云南省森林火灾发生与气象因子之间的关系研究[D]. 北京: 北京林业大学, 2010.
	LI Liqin. Study on the relationship between forest fires and the meteorological factors in Yunnan[D]. Beijing: Beijing Forestry University, 2010.
[9]	肖云丹, 纪平. 基于贝叶斯-零膨胀负二项模型的森林火灾发生预测研究[J]. 中南林业科技大学学报, 2021, 41(5):49-56.
	XIAO Yundan, JI Ping. Predicting forest fire occurrence based on zero-inflated negative binomial model using Bayesian method[J]. Journal of Central South University of Forestry & Technology, 2021, 41(5):49-56.
[10]	《中国气象年鉴》编辑部. 2011—2020年中国气象年鉴[M]. 北京: 气象出版社, 2012—2021.
[11]	中国气象局. 2021年中国气候公报[R/OL]. (2022-03-08). https://www.cma.gov.cn/zfxxgk/gknr/qxbg/202203/t202203084568477.html.
[12]	肖峻峰, 陈健, 戴程呈, 等. 高含硫天然气泄漏爆炸与毒性影响因素分析[J]. 中国安全科学学报, 2020, 30(6): 43-49. doi: 10.16265/j.cnki.issn1003-3033.2020.06.007
	XIAO Junfeng, CHEN Jian, DAI Chengcheng, et al. Influencing factors on explosion and toxicity of high-sulfur natural gas[J]. China Safety Science Journal, 2020, 30(6) : 43-49. doi: 10.16265/j.cnki.issn1003-3033.2020.06.007
[13]	解明垒, 马尚权. 基于多元线性回归理论的煤矿瓦斯涌出量预测[J]. 陕西煤炭, 2021, 40(1):26-29, 52.
	XIE Minglei, MA Shangquan. Prediction of coal mine gas emission based on multiple linear regression theory[J]. Shaanxi Coal, 2021, 40(1): 26-29, 52.

类别	省份	聚类距离	气候特征
Ⅰ	重庆、四川、贵州	2~5	季风湿润气候,空气湿润,降水丰沛,太阳辐射弱,日照时间短,冬无严寒,夏无酷暑
Ⅱ	浙江、福建、江西、湖南、广西	4~5	季风明显,全年气温适中,日照较多,雨量充沛,空气湿润
Ⅲ	上海、江苏、安徽、湖北	3~5	亚热带湿润性季风气候,四季分明,日照充分,雨量充沛,冬冷夏热,春温多变
Ⅳ	广东	7	季风气候,热量资源丰富,气候温暖,冬无严寒
Ⅴ	北京、天津、河北、山西、山东、河南、陕西	2~4	温带、亚热带季风气候,夏季高温多雨,冬季寒冷干燥,干旱少雨
Ⅵ	辽宁、吉林、黑龙江	2~3	季风气候,四季分明,寒冷期长;雨量集中,风大,日照丰富
Ⅶ	西藏、甘肃、青海、宁夏、新疆	3~4	晴天多,日照时间长,少雨,干燥,冬寒夏热,夏季短促,气温高,秋季降温快
Ⅷ	内蒙古	6	风大少雨,昼夜温差大,日照时间充足,月降水变化大
Ⅸ	海南	9	四季不分明,夏无酷热,冬无严寒,气温年较差小,年平均气温高
Ⅹ	云南	25	年温差小,日温差大,干湿季节分明

类别	Ⅰ	Ⅱ	Ⅲ	Ⅳ	Ⅴ	Ⅵ	Ⅶ	Ⅷ	Ⅸ	Ⅹ	均值
年均气压系数	0.645	0.675	0.536	0.731	0.711	0.716	0.996	0.571	0.673	0.496	0.675
年均气温系数	0.742	0.694	0.638	0.669	0.751	0.617	0.470	0.718	0.609	0.573	0.648
年均降水量系数	-0.713	-0.665	-0.700	-0.728	-0.732	-0.613	-0.993	-0.752	-0.525	-0.600	-0.702
年均日照时间系数	0.692	0.689	0.606	0.746	0.672	0.595	0.558	0.642	0.654	0.611	0.646

[1]	吴安坤, 吴仕军, 丁旻, 张弛, 张淑霞. 基于LSTM循环神经网络的雷电潜势预测[J]. 中国安全科学学报, 2023, 33(8): 117-124.
[2]	牛莉霞, 杨满意. 疫苗供应链风险评价指标体系构建[J]. 中国安全科学学报, 2023, 33(7): 32-38.
[3]	陈爽, 白根铭, 肖畅, 曲宏略, 汪林, 刘哲言. 断层构造对高地应力隧道初始地应力场影响分析[J]. 中国安全科学学报, 2023, 33(2): 146-151.
[4]	李华, 郭皓杰, 谢辉, 蔺鹏. 基于信息熵的森林火灾应急指挥信息传递分析[J]. 中国安全科学学报, 2023, 33(1): 80-87.
[5]	朱馨, 李建微, 郭伟, 毕胜, 伍跃飞. 基于机器学习的森林火险预测模型[J]. 中国安全科学学报, 2022, 32(9): 152-157.
[6]	姜文宇, 王飞, 苏国锋, 李鑫, 孟庆祥, 王冠宁. 面向森林火灾的应急管理信息化关键技术[J]. 中国安全科学学报, 2022, 32(9): 182-191.
[7]	龙腾腾, 殷继艳, 欧朝蓉, 杨强, 李勇, 王秋华. 云南省森林火灾风险综合评价及空间格局研究^*[J]. 中国安全科学学报, 2021, 31(9): 167-173.
[8]	陈长坤, 王小勇, 雷鹏. 基于聚类分析和主成分分析的伤员受伤程度评估^*[J]. 中国安全科学学报, 2021, 31(8): 189-196.
[9]	肖峻峰, 陈健, 戴程呈, 卢平. 高含硫天然气泄漏爆炸与毒性影响因素分析[J]. 中国安全科学学报, 2020, 30(6): 43-49.
[10]	黄西子, 黄淑萍. 高速道路追尾感知PC-Crash仿真与统计建模[J]. 中国安全科学学报, 2020, 30(5): 143-148.
[11]	张志宇, 朱能. 16个高温高湿环境工况等级划分[J]. 中国安全科学学报, 2020, 30(5): 184-190.
[12]	周华, 张巧玉, 母尧尧, 谭正平, 孙庆, 张道文. 十字路口乘用车与二轮车典型危险场景聚类及推演[J]. 中国安全科学学报, 2020, 30(4): 100-107.
[13]	蒋琴, 钟少波副, 朱伟. 京津冀地区森林火灾综合风险评估[J]. 中国安全科学学报, 2020, 30(10): 119-125.
[14]	郭嘉赫, 戚绪尧, 王栋, 朱国庆, 陈良舟. 磨料水射流切割影响因素及切割深度预测模型[J]. 中国安全科学学报, 2020, 30(1): 101-106.
[15]	王清平, 钱宇彬, 冯浩, 马明辉, 李威. 轿车与行人事故重建的参数敏感性研究[J]. 中国安全科学学报, 2019, 29(6): 70-75.