基于频率比的黑龙江省火险空间制图研究

1、基于频率比的黑龙江省火险空间制图研究目 录 TOC o 1-3 h z u HYPERLINK l _Toc354828854 摘要(1) HYPERLINK l _Toc354828855 0 引言(1) HYPERLINK l _Toc354828856 1 研究区概况(2) HYPERLINK l _Toc354828857 2 数据(2) HYPERLINK l _Toc354828858 2.1 数据收集(2) HYPERLINK l _Toc354828859 2.2 数据处理(3) HYPERLINK l _Toc354828860 3 研究方法(3) HYPERLINK l _

2、Toc354828861 3.1 火险预测因子分析(3) HYPERLINK l _Toc354828862 3.2 频率比模型开发(4) HYPERLINK l _Toc354828863 4 结果与模型验证(5) HYPERLINK l _Toc354828864 4.1 火险指数图(5) HYPERLINK l _Toc354828865 4.2 模型性能评估(6) HYPERLINK l _Toc354828866 5 结论与讨论(7) HYPERLINK l _Toc354828867 参 考 文 献(8) HYPERLINK l _Toc354828868 Abstract(8)第

3、 PAGE 9 页 (共 9 页)基于频率比的黑龙江省火险空间制图研究0 引言林火预测是森林防火管理的重要工作，是实现“预防为主，积极消灭”的森林防火的关键环节。火线等级即森林燃烧等级，是在森林可燃物的基础上结合其他环境条件，将森林划分为不同的火险等级。火线等级的约束条件主要来自火源、气象条件、森林特性、地貌地形和社会因素这几个方面。目前，国内外关于火险分析、预测和建模的研究很多。引发火灾的原因有很多，如气象、地形、植被、人为原因等，是一个复杂的相互作用的过程。美国和加拿大均较早开展了森林火险预报研究工作。美国林火预报工作始于20世纪初，美国林务局从1968年开始建立基于物理原理的火险预报系统

4、，通过长期发展最终成为美国国家级森林火险预报系统。该系统以1km的火险潜在指数（fire potential index，FPI）图来定量化预报火险等级。系统不仅利用TM卫星数据生成的美国全国森林可燃物分类结果图，还利用NOAA/AVHRR数据按旬生成可燃物的长势和活可燃物的含水量应用于预报模型中，引用GIS技术进行火险等级制图。可预测地方级、区域级和国家级的森林火险等级。目前，仍在不断引进遥感、GIS、网络等新技术、新方法来完善。加拿大采用的是基于以火烧实验研究方法为主的加拿大森林火险等级系统。该系统中林火天气指标（forest fire weather index,FWI）系统是目前世界上

5、发展最完善，应用最广泛的火险预报系统之一。该系统一方面考虑气象因子，另一方面考虑森林可燃物状态，将气象因子和可燃物含水率有机地联系，通过天气条件的变化计算可燃物含水率的变化，然后根据不同大小或位置的可燃物含水率确定潜在火险等级1。 我国火预报研究起步较晚，50年代才开始系统研究，主要借鉴美国、加拿大、前苏联等国家的林火预报方法和经验，并结合我国某一地区实际情况具体展开研究。经过多年发展，形成了自己的研究成果，主要根据气象因子与森林火险的关系建立预报模型，如三指标法、人工神经元法等。一定程度上揭示了林火发生与预报的关系，但仍有很大不足。近年来，随着遥感、GIS和网络等信息技术的快速发展和普及应用

6、，为及时获取与森林火险因子相关的大范围数据、实现大范围森林火险预报。我国学者加大了遥感、GIS、网络技术等新技术在林火预报领域的应用，并取得了一批显著研究成果。1 研究区概况黑龙江省是全国重点林业省份，位于东经1211113505，北纬43255333，全省面积为45万多平方公里，地势大致是西北部、北部和东南部高，东北部、西南部低，西部属松嫩平原，东北部为三江平原，多处平原海拔50200米，北部、东南部为山地。全省林业经营总面积3175万公顷，有林地面积2007万公顷，活立木总蓄积15万亿立方米，森林覆盖率达43.6，森林面积、森林总蓄积和木材产量均居全国前列，是国家最重要的国有林区和最大的木

7、材生产基地。天然林资源是黑龙江省森林资源的主体，主要分布在大小兴安岭和长白山脉及完达山。全省年平均年降水量400-650毫米，中部山区多，东部次之，西、北部少。大部分地区平均-55，由南向北依次降低，大致以嫩江、伊春一线为0等值线，无霜东期全省平均介于100150天之间，南部和东部在140150天之间。气候为温带大陆季风气候，属寒温带-温带湿润-半湿润季风气候。冬季长而寒冷，夏季短而凉爽，南北温差大，北部甚至长冬无夏。火灾频发，尤其是大兴安岭等天然林地区火灾风险高，波及范围广，火势蔓延快，往往造成巨大损失2 数据2.1 数据收集Terra/Aqua MODIS数据具有高时间分辨率（每颗卫星每天

8、可两次覆盖同一地区），其1km数据集包含了监测植被及其燃烧等信息的多光谱（可见光、近红外、短波红外和热红外波段）等优势3。从美国NASA的陆地数据分发中心获取20002009年的MODIS火烧迹地数据集，生成二元因变量（1：起火，0：无火）。从中科院数据库获取90m的SRTM数据，经重采样生成预测因子高程（GC）数据，用ArcGIS软件基于高程数据生成坡度（PD）。居民地、道路和水体数据来源于1:100万中国数字地图(国际版)，在 ArcGIS软件中生成到居民地最近距离（DJMD）、到最近道路距离（DDL）、到最近水体距离（DST）的预测因子专题图。所有预测因子和因变量均以1000m分辨率栅格

9、化，并基于WGS84坐标系投影到UTM第51带2。2.2 数据处理 对20002009年较大的火灾数据分别提取火点，并分别从未起火区域随机提取与起火点数相等的非火点。对每次火灾的火点和随机取样的非火点分别基于空间位置提取5个预测因子的类型值。把20002004年火灾的火点和随机取样的非火点分作为训练样本，合并火灾的所有训练样本生成训练子集用于模型开发，训练子集有效火点数为9338。另外，合并20052009年火灾的火点和随机取样的非火点作为独立检验子集用于模型的独立检验，独立检验子集的火点有效数为2772。3 研究方法3.1 火险预测因子分析影响森林火险的因素有很多，有自然因素和人类活动影响，

10、自然因素包括气候因子、森林植被覆盖因子、地形因子等，人为活动包括人们的各种生产生活行为。森林火灾是在上述综合因素作用下发生的，但考虑到研究区域自然因子对其影响程度不同，且部分因子重叠，故只考虑地形、人类活动等因素对火灾的影响。研究区内多山，随着海拔的增高，降水增加，温度度降低，蒸发量减少，湿度变大，火灾发生几率减小。坡度对森林火灾发生和蔓延的影响基本呈中间高，两边低的状况。随着坡度增加，地表径流加快，地面上可燃物容易干燥，火险程度较高。坡度过低或者过大都对火势的蔓延有利，不利于灭火。坡度不低不高情况下，对森林火灾的蔓延有一定的影响，同时便于灭火工作展开，减少林木的死亡率3。森林火灾大多数是由人

11、为引起的，越靠近居民地，居民数量越多的地方火灾发生几率越高。考虑到距水体和道路的距离越远，森林火灾的预防、扑灭越难解决，火灾发生的概率增大。3.2 频率比模型开发待确定森林火险预测因子后，利用收集的研究区遥感影像，然后运用经数字处理的TM影像采集空间数据，用GIS软件处理数据得到高程、坡度、到居民地距离、到水体距离和到道路距离的各个火险预测因子专题图。用Arcmap软件对每一类火险预测因子进行重分类，统计出每一类火险预测因子的不同分类的面积，并计算出每一类火险预测因子不同分类占总面积的百分比。将20002004年火点数据转化为栅格数据，统计每一类火险预测因子不同分类的火点数，并计算出每一类火险

12、预测因子不同分类占总火点数的百分比。然后生成每一类火险预测因子的频率比图，最后将各个火险预测因子的频率比图叠加生成最终的火险指数图。利用火点数据进行频率比模型开发并揭示研究区火险敏感度，观察火险指数图，进行直观判断。频率比（Frequency Ratio,FR）模型中频率比属于一种单变量概率分析方法，基于对训练子集中火点分布和每个预测因子类别之间的关系进行分析。利用训练子集计算每个预测因子类别的起火百分比和该预测因子类别的面积百分比之间的比率（即频率比Fri）,然后把所有预测因子的频率比图按等权重空间叠加生成火险指数（FDI）图以揭示研究区火险敏感度2，即： FDI=Fr1+Fr2+Frn (

13、1)预测因子类别的频率比值表示该因子类别对起火的敏感程度。频率比值等于1表示平均值，大于1表示与起火相关性高，小于1表示与起火相关性低。基于对2000-2004年火点数据的训练子集的分析，每个预测因子类别的频率比值如表1。表1 频率比结果因子因子类别类像原素类百分比该类中火像元数该类中火像百分比频率比高程（GC）31,199m20002937.31%177018.95%0.51(199,354m14412726.88%294231.51%1.17(354,538m11282521.04%424545.46%2.16(538,777m5610910.47%3663.92%0.37(777,163

14、2m230364.30%150.16%0.04坡度（PD）7.5198843.71%150.16%0.04到最近居民地距离（DJMD）30km173903.24%800.86%0.26到最近道路距离（DDL）30km222574.15%6937.42%1.79到最近水体距离（DST）20km131202.45%1551.66%0.684 结果与模型验证4.1 火险指数图将生成的各个预测因子的频率比图进行叠加生成火险指数图，火险指数由低到高对应颜色采用冷色过渡到暖色。用红色圆点表示火点，然后将火点指数图与20002004年火点数据和20052009年火点数据进行叠加得到图1。图1 火点与火险指数

15、叠加图（a.2000-2004年，b.2005-2009年）如图1所示历史火点发生地点与火险指数基本相符，火险指数高的地方，历史火点明显密集，火险指数低的地方火点数量较少。图中东北部火险指数高，红色和黄色区域较多，相对应火点数密集。中部、南部火险指数低，蓝色区域较多，火点数少。西部、东部部分地区火险指数高，大部分地区火险指数中等，火点数基本与火险指数分布相符。4.2 模型性能评估将火险指数图按Natural Break方式分成9类，以2.71、3.13、3.52、3.92、4.35、4.79、5.27、5.97为分点，划分火险等级。将20002004年火点数据和20052009年火点数据用po

16、int to raster进行点到栅格的数据转换，用zonal statistics as table进行统计，得出面积和火点数，并计算出面积百分比和火点百分比，最终得出表2和表3。表2 20002004年各火险等级火点百分比统计火险等级火险指数面积面积百分比火点数火点百分比11.83 - 2.71112192.09%240.26%22.71 - 3.13266154.96%770.82%33.13 - 3.525532510.32%2142.29%43.52 - 3.9210332819.27%100110.72%53.92 - 4.3512861823.99%169518.15%64.35

17、 - 4.798205615.31%173218.55%74.79 - 5.275760810.75%121813.04%85.27 - 5.97489179.12%212822.79%95.97 - 6.63224394.19%124913.38%表3 20052009年各火险等级火点百分比统计火险等级火险指数面积面积百分比火点数火点百分比11.83 - 2.71112192.09%240.88%22.71 - 3.13266154.96%411.51%33.13 - 3.525532510.32%1766.47%43.52 - 3.9210332819.27%54319.95%53.92

18、- 4.3512861823.99%78428.80%64.35 - 4.798205615.31%34512.67%74.79 - 5.275760810.75%37413.74%85.27 - 5.97489179.12%33312.23%95.97 - 6.63224394.19%1023.75%由表2可知训练子集不同火险等级所占面积百分比和火点百分比，由表3可知独立检验子集不同火险等级所占面积百分比和火点百分比。从表2，表3可知，火险指数低的地方面积百分比均比较小，如1等级和2等级，火险指数所占研究区面积百分比分别为2.09%和4.96%，火点数2000-2004年为24和77，火点百

19、分比为0.26%和0.82%，火点数20052009年为24和41，火点百分比为0.88%和1.51%。然而，不同时期历史火点数在火险指数图的较高火险等级中均占有较大比重。如7等级和8等级，火险指数所占研究区面积百分比为10.75%和9.12%，火点数20002004年为1218和2128，火点百分比为13.04%和22.79%，火点数20052009年为374和333，火点百分比为13.74%和12.23%。正常情况下，火险等级越高，发生森林火灾的可能性越高，通过分析可知火险指数高，相对应的火点数多，起火概率也随之增高。因此，验证了模型的合理性。5 结论与讨论本文研究结果表明，在较大的区域空

20、间尺度上，利用选取的几个静态因子进行火险建模，基于频率比的模型能较好地识别历史火点。综合考虑从正确识别历史火点百分比，识别火点的能力和较高火险等级面积，频率比模型表现良好。频率比模型具有合理的区分能力，模型检验的结果表明，地形、可达性这些静态因子对地区火险空间格局起着结构化作用。20002009年，黑龙江省海拔为354538m，坡度大于2.5、小于等于5.0，距居民地大于10km、小于等于30km,道路距离大于15km、小于等于30km，距水体距离大于5km、小于等于15km的那些区域对火灾事件的影响更敏感。模型对历史火点的正确率还有待提高，稳定性需要加强。对于不能很好地识别的那些火点位置，在

21、模型中添加影响火灾发生的动态因子并考虑火灾事件的时间变异，有望提高模型的识别能力和整体性能，这需要进一步深入研究。森林火险的发生有其随机性和不确定性，因而，不该对森林火灾放松警惕，而要加大管理力度，加强宣传教育，提高全民防火意识，做到防患于未然，消灭于萌芽。森林火险只是对森林火灾发生的潜在可能性进行评估，而森林火灾的发生具有很大的随机性和人为性，所以不可能对每次森林火灾的发生做出准确预测。参 考 文 献1 覃先林，张子辉，李增元，等. HYPERLINK /product.aspx?product_id=22900900 o ArcGIS 10 地理信息系统教程从初学到精通 t _blank

22、林火预警及实现方法J.北京林业大学学报，2010，32（4）:17-21.2 张海军，戚鹏程基于频率比和逻辑回归模型的东北地区火险制图研究J地理与地理信息科学，2012,28（5）：35-42.3 王超，邸雪颖，杨光吉林省森林火险天气等级划分J东北林业大学学报，2010，38（6）:60-63. 4 黄作维，刘峰. 基于GIS和RS的森林火险预测研究J.西北林学院学报，2007，22（2）：115-118.5 杨存建，冯凉，杨洪忠，等四川省林草火险等级评价地理研究，2010,29（6）：980-988.Mapping Fire Occurrence Susceptibility in Heil

23、ongjiang Province:Comparison of Frequency RatioAbstract: Choicing Chinas Heilongjiang Province as the research object, selecting the elevation,slope, the shortest distance from the recent residents, the shortest distance from the recent road and the shortest distance from the recent water as the static predictors, generating the matic map data. Then calculateing each predictors frequency ratio, using frequency rat