论文部分内容阅读
林火是全球范围内每年影响较大的主要灾害。尤其是近年来,气候变化等原因,使得全球森林、草原等生态系统面临着严重的威胁。因此,如何更好地预测森林火灾发生及林火发生的驱动因子是制定适当的防火措施、合理分配有限的消防资源的关键。本文基于ArcGIS、SAS、R等空间分析和数学统计手段,从两种不同的数据处理角度,分别运用传统回归模型和当前国际最前沿的空间回归模型,对我国大兴安岭地区的记录林火数据和卫星监测林火数据的空间分布状况、林火发生驱动因子和林火发生预测模型进行深入的研究和分析。本文首先对大兴安岭地区记录林火数据和卫星监测林火数据进行了初步的统计分析,得出了大兴安岭地区林火发生的时空分布情况和空间分布趋势。运用Ripley’s对记录林火数据和卫星监测火点数据进行多距离空间聚类分析,分析结果显示两类数据均呈显著的空间聚集分布。运用Arcgis探索数据趋势分析结果显示,记录火点数据整体分布平均,而卫星监测火点数据在火点数量和林火密度方面都具有明显的由北向南,由西向东递增趋势。运用全局模型、地理加权回归模型分别对2000-2014年的记录火点数据和2001-2016年卫星监测林火数据的三种数据模式:1)火点模式(即林火发生模式);2)格网模式火点密度;3)格网模式火点数量进行模型拟合:(1)火点模式(即林火发生概率)在综合因子分析下,基于全局Logistic回归模型和随机森林分类的结果显示,记录数据结果表明气象因素“月平均气温”、“日平均气温”、“月累积降水”和“植被覆盖度”较其他环境人为因素对林火的影响更大;卫星数据的结果表明气象因素,包括“日累积降水”、“日平均气温”、“日平均相对湿度”、“月累积降水”和地形因素,如“坡度”、“海拔”对林火发生概率的影响中处于主导位置。地理加权Logistic回归拟合结果表明,各类因子对记录林火数据表现出空间平稳性,其中只有“月平均气温”、“日平均气温”、“月累积降水”、“植被覆盖度”对林火发生具有全局显著的影响。基于卫星火点数据的拟合结果显示:各类变量对林火发生概率均具有不同程度的显著性影响,其中只有“植被覆盖度”、“日平均气温”、“月平均相对湿度”、“月平均气温”对林火的影响表现出空间非平稳性。全局Logistic回归模型和随机森林分类的拟合结果可以看出,两个模型的预测和残差结果差别不大。随机森林分类的预测较全局Logistic回归模型略有提高。根据模型的预测和残差结果,地理加权Logistic回归模型的预测较全局Logistic回归模型略有提高,空间回归模型在环境因素对林火发生对林火影响的解释能力上提供了更为全面的空间信息。(2)格网模式三种格网尺度数据的分析和拟合结果表明:2×2km格网系统下,数据的范围相较于4×4km、8×8km格网系统更小,此外,该尺度格网系统下数据的离散度过大,不利于模型拟合。8×8km尺度格网系统的各类模型拟合结果均显示Moran’ I的显著性水平均大于0.05,也就是说,该尺度格网系统下,数据之间表现出的空间差异不明显,不适合作为空间模型的数据进行拟合;此外,8km格网尺度过大,数据统计精度过于粗糙,造成信息丢失,是模型拟合结果产生较大误差。因此,4×4km尺度格网系统下更适合建模和数据分析。(3)格网模式(火点密度)与点数据结果略有不同,“植被覆盖度”在林火密度预测中与年累积降水”、“年平均气温”、“年平均气温”、“年平均日照时数”等气象因子同处于明显的主导地位,人为活动和地形的影响相对较弱。地理加权OLS回归拟合结果表明,只有四个因子对记录林火的影响表现出空间非平稳性:“年平均相对湿度”、“年平均风速”、“坡度”、“坡向”;其中,除“年平均相对湿度”外,其余三个变量对林火发生具有全局显著的影响。基于卫星火点数据的拟合结果显示:所有变量对林火密度的影响都表现出空间非平稳性,并且均具有不同程度的显著性影响。从模型的拟合结果来看,全局OLS回归模型的解释率相对较低,随机森林则具有较高解释率。而地理加权技术的纳入并没有给OLS回归模型的拟合带来太大的改观,对林火密度和环境因素的拟合结果仍然不理想,模型解释率同样很低。因此,这种尺度数据下,随机森林回归算法更有优势。(4)格网模式(火点数量)基于记录数据的全局泊松、负二项回归模型的拟合结果均表明:“年累积降水”、“植被覆盖度”对林火发生数量具有显著的影响。基于卫星数据的的全局泊松、负二项回归模型的拟合结果表明:“年平均气温”、“年平均相对湿度”、“年平均风速”、“年平均日照时数”四个气象因子对林火发生具有显著的影响,“植被覆盖度”“植被水分指数”、“海拔”、“坡度”等植被地形因素和“到居民区距离”、“到道路距离”、“GDP”等人为因素对林火发生也具有显著的影响。记录数据拟合结果表明:“年累积降水”和“植被覆盖度”对林火具有显著的影响;卫星数据拟合结果表明:对林火具有显著影响的变量较多,但这类模型无法对变量的重要性进行排序,无法判别出哪类变量的影响相对更为重要。地理加权泊松、负二项回归拟合结果表明,所有因子对记录林火的影响均表现出空间平稳性。基于卫星火点数据的地理加权泊松拟合结果显示:所有变量对林火密度的影响都表现出空间非平稳性,而地理加权负二项回归的结果表明,“年累积降水”、“年平均相对湿度”、“年平均日照时数”、“坡度”、“坡向”、“植被覆盖度”等对林火发生数量的影响表现出空间非平稳性并且均具有不同程度的显著性影响。此外,“年平均气温”、“年平均相对湿度”、“年平均日照时数”等气象因素,“植被覆盖度”、“植被水分指数”、“海拔”等植被地形因素和“人口密度”、“到居民区距离”、“到道路距离”等人为因素对林火发生数量影响的的显著范围均较大甚至是整个研究地区。基于记录火点数据和卫星火点数据的地理加权泊松、负二项回归模型的拟合结果可以看出,两个模型在对火点发生数量的预测当中基本具有相似的结果,整体与全局回归模型相似,地理加权负二项回归模型的拟合结果略好于地理加权泊松回归模型。另一方面,和全局模型相同,地理加权模型对记录数据的拟合结果中残差的空间自相关结果显示其空间相关性并不显著,而卫星数据的拟合结果则相反。综上所述,不同数据模式下,不同模型对于大兴安岭林火驱动因子的判别基本一致。大兴安岭地区林火主要受到温度、降水、相对湿度和植被覆盖度、植被水分指数的共同影响。此外,全局模型没有充分描述林火发生与潜在影响因子之间的关系,而地理加权技术整体增强了全局模型的解释力。研究结果表明,地理加权回归模型是对全局回归模型的一个补充,有助于克服空间非平稳性的问题,从而能够更好地预测地理区域的林火发生的细节情况,对于改善林火的管理和消防资源的合理分配具有重要的时代价值,对于林火管理和预防的精准施策提供了一定的理论依据。