文章信息
- 刘万, 林雪儿, 高峰, 姜河, 何东进, 游巍斌
- LIU Wan, LIN Xue'er, GAO Feng, JIANG He, HE Dongjin, YOU Weibin
- 武夷山市林火时空格局及其与气象因子的关系
- Temporal and spatial patterns of forest fires in Wuyishan City and their relationship with meteorological factors
- 亚热带农业研究, 2018, 14(4): 276-283
- Subtropical Agriculture Research, 2018, 14(4): 276-283.
- DOI: 10.13321/j.cnki.subtrop.agric.res.2018.04.012
-
文章历史
- 收稿日期: 2018-05-30
2. 中电建路桥集团有限公司, 北京 100048;
3. 福建农林大学生命科学学院, 福建 福州 350002;
4. 首都师范大学生命科学学院, 北京 100048
2. Power China Road Bridge Group Co., Ltd., Beijing 100048, China;
3. College of Life Sciences, Fujian Agriculture and Forestry University, Fuzhou, Fujian 350002, China;
4. College of Life Sciences, Capital Normal University, Beijing 100048, China
森林火灾(简称林火)是制约林业可持续发展的重要原因,也是林区重要的干扰因子,不仅破坏森林资源,影响森林结构及生态功能,还威胁人类生命和财产安全,是最严重的自然灾害之一[1]。近年来,受全球气候变暖、极端天气频现及人类活动的影响,林火发生频率增加,导致森林资源逐渐减少,而研究林火发生的时空格局和驱动因子可有效预防林火。林火发生具有时空特点,受气候影响较大,且不同地区主导的气象因子不同[2-4]。胡海清等[5]研究了黑龙江省伊春市1970—2010年林火时空动态与分布表明,时间上林火经过高发期后逐步递减,空间上火灾点沿铁路集聚;何雨芩等[6]研究表明,1996—2013年云南省林火发生主要集中在冬、春季,以3—4月最为严重,且主要集中在滇西北的迪庆南部、滇西南的保山北部等区域;李顺等[7]研究了1967—2006年大兴安岭林火时间和空间分布的集聚范围,表明较小尺度时间内林火发生趋于随机,随时间尺度增大则趋向集聚,空间尺度上林火往往集聚在南部特定区域;李德等[8]研究表明,1979—2008年四川省林火发生次数与年均温度变化趋于一致,与年均相对湿度、年均降水量变化相反,说明气温及降水与森林火灾关系密切;梁慧玲等[9]研究发现,气温、日照和相对湿度是影响福建省林火发生的主要驱动因子。
武夷山是著名的世界自然和文化双遗产地,具有同纬度地带保存最完整、最典型、面积最大的中亚热带原生性森林生态系统,被誉为“东南植物宝库”,也是福建省林火易发高发区域之一。目前,仅黄真光[10]研究了武夷山市林火时间分布规律,但有关该区域林火发生的空间格局特征尚不清楚,林火发生与气象因子之间的关系研究尤为鲜见。因此,本研究分析了武夷山市林火发生的时间和空间格局特征,探讨影响林火发生的重要气象因子,以期为武夷山市森林资源保护与林火管理提供参考。
1 研究区概况武夷山市位于福建省西北部、闽赣两省交界处,东经117°24′12″~118°02′50″、北纬27°32′36″~27°55′15″,1999年12月被联合国教科文组织列入世界自然与文化双遗产地。该地属于亚热带季风气候,夏季炎热多雨,冬季温和少雨,年均气温17.9 ℃,年均降水量2 000 mm,空气相对湿度78%。地形以低山丘陵为主,最高处黄岗山海拔2 158 m(江西境内)[11]。武夷山市拥有林业用地21.2万hm2,占市内土地面积的84.4%,森林覆盖率达79.2%。受地形和海拔因素影响,研究区植被具有明显的垂直地带性分布特征,从高海拔向低海拔依次分布着山顶草甸带、中山苔藓矮曲林带、温带针叶林带、针阔混交林过渡带及常绿阔叶林带等植被类型[12]。马尾松(Pinus massoniana Lamb)、杉木[Cunninghamia lanceolata (Lamb) Hook]、黄山松(Pinus taiwanensis Hayata)、青冈(Quercus glauca Thunb)、米槠[Castanopsis carlesii (Hemsl) Hay]等为当地优势树种,南方铁杉(Tsuga chinensis)、小叶黄杨(Buxus sinica)、武夷玉山竹(Yushania wuyishanensis)等为当地珍惜植物群落。武夷山市茶业种植广袤,大量茶园集中于山麓和山脚。
2 材料与方法 2.1 数据来源研究数据包括林火数据与气象数据。其中, 林火数据来源于武夷山市林业局,包括林火发生到扑灭的时间、林火发生地的经纬度坐标、起火原因、过火面积、受害森林面积、林分组成、扑火经费等;气象数据来源于武夷山市气象站(国家标准气象站号58730),包括年均降水量、年均气温、最低气温、最高气温、年均蒸发量、年均相对湿度及年均风速等(表 1)。由于部分林火数据缺乏地理坐标,无法进行点格局分析,且考虑到数据的连贯性与完整性,故仅选取1999—2013年数据作为基础数据进行分析。
年份 | 年均降水量 | 年均气温 | 最低气温 | 最高气温 | 年均蒸发量 | 年均相对湿度 | 年均风速 |
mm | ℃ | ℃ | ℃ | mm | % | m·s-1 | |
1999 | 2 005.4 | 18.5 | 8.5 | 30.3 | 117.2 | 77 | 1.0 |
2000 | 1 954.3 | 18.6 | 9.0 | 30.0 | 125.7 | 79 | 1.1 |
2001 | 2 034.2 | 18.6 | 9.1 | 30.2 | 130.5 | 78 | 1.0 |
2002 | 2 165.6 | 18.9 | 9.2 | 30.7 | 77.7 | 80 | 0.9 |
2003 | 1 317.3 | 19.1 | 9.0 | 31.7 | 99.0 | 70 | 1.1 |
2004 | 1 482.7 | 18.3 | 8.2 | 30.5 | 88.5 | 72 | 1.1 |
2005 | 2 008.5 | 18.5 | 8.4 | 30.4 | 78.0 | 76 | 1.2 |
2006 | 2 207.1 | 18.8 | 9.5 | 30.6 | 76.7 | 77 | 1.2 |
2007 | 1 366.5 | 19.0 | 9.5 | 31.2 | 83.5 | 74 | 1.2 |
2008 | 1 676.1 | 18.5 | 9.4 | 31.0 | 82.4 | 73 | 1.0 |
2009 | 1 816.9 | 18.8 | 9.6 | 31.0 | 87.7 | 74 | 1.0 |
2010 | 2 847.2 | 18.4 | 9.0 | 30.9 | 74.0 | 71 | 1.1 |
2011 | 1 388.6 | 18.4 | 9.5 | 30.2 | 78.4 | 73 | 1.2 |
2012 | 2 494.5 | 18.2 | 9.4 | 29.4 | 65.3 | 78 | 1.2 |
2013 | 1 563.5 | 18.9 | 8.6 | 31.2 | 79.7 | 73 | 1.2 |
运用Excel统计软件分析1999—2013年武夷山市林火发生次数和过火面积,揭示林火发生的动态分布规律。
2.2.2 点格局法点格局法(Ripley′s K函数法)是对区域内地理坐标点之间距离关系进行点格局分析的方法[13-14]。运用L(d)与d的关系可分析武夷山市林火点空间格局,若特定距离的K观测值大于K期望值,则说明林火点呈聚类分布;若K观测值小于K期望值,则说明林火点呈离散分布。其公式如下:
$ K\left( d \right) = \frac{S}{{{N^2}}}\sum\limits_{i \ne j} {\sum {d\left( {{d_{ij}}} \right)} } $ | (1) |
式中,K(d)表示距离内的期望值;S表示区域;N表示点数;d表示距离;dij表示权重(dij≤d)。
为更加直观反映点格局分布,同时使期望值线性化保持方差稳定,Besag[15]提出了用L(d)代替K(d),其公式如下:
$ L\left( d \right) = \sqrt {\frac{{K\left( d \right)}}{N}-d} $ | (2) |
皮尔森相关性分析法是衡量2个线性集合是否存在线性相关关系的一种方法[8, 16]。运用皮尔森相关性分析法可分析武夷山市林火发生与气象因子的关系,其公式为:
$ r = \frac{{N\sum {{x_i}{y_i}-\sum {{x_i}\sum {{y_i}} } } }}{{\sqrt {N\sum {x_i^2-{{\left( {\sum {{x_i}} } \right)}^2}} } \sqrt {N\sum {y_i^2-{{\left( {\sum {{y_i}} } \right)}^2}} } }} $ | (3) |
式中,r表示相关系数,取值范围为:-1≤r≤1,若r为正值,表示2个变量呈正相关,反之,则呈负相关,r绝对值越大,表示2个变量相关性越强;N表示样本量;X表示自变量;Y表示因变量。
2.2.4 线性回归分析法线性回归分析法是借助数学模型对事物变量之间不确定关系的一种量化,即通过1个或多个变量(自变量)去解释另一个变量(因变量),最终建立最优回归模型[16]。其模型方程为:
$ Y = {\alpha _0} + {\alpha _1}{X_1} + {\alpha _2}{X_2} + \cdots + {\alpha _m}{X_m} + \varepsilon $ | (4) |
式中,Y表示因变量; α表示回归参数; X表示自变量;ε表示随机误差。当模型方程中仅1个自变量时,称为一元线性回归;有多个自变量时,则称为多元线性回归。
2.2.5 主成分分析法主成分分析法是一种数据降维方法,分析并计算各公因子得分。得分越高,表明该变量越起主导作用,通常因子旋转后得分>0.5被认为原始变量与公因子相关度较高,反之则较低,不可接受[8]。通过主成分分析得到1999—2013年武夷山市各公共气象因子对过火面积的影响程度。
3 结果与分析 3.1 林火的时间分布特征 3.1.1 年变化由图 1可知,1999—2013年武夷山市累计发生火灾74次,年均发生火灾达4.9次,林火发生次数年际变化较大,年着火次数的峰值与谷值交替出现,且出现峰值的间隔均为3~4年。其中,2000、2003年武夷山市林火发生次数最多,均为12次,占火灾总次数的32.4%;2007、2011年次之,发生林火次数分别为10、9次,各占火灾总次数的14.1%、12.2%。从林火发生次数总趋势分析来看,2000年以来林火发生次数总体呈降低趋势,特别是2001和2006年,全年未发生火灾,这可能受当地气候变化及人们防火意识提高的影响。
由图 2可知,1999—2013年武夷山市过火面积1 398.4 hm2,年均过火面积达93.2 hm2,年际变化较大,峰值与谷值交替出现。其中,2000年过火面积最大,为423.7 hm2,占总过火面积的30.3%。总体来看,1999—2013年武夷山市过火面积呈下降趋势,这与人们积极采取防火措施有关。
3.1.2 月变化由图 3可知,1999—2013年武夷山市林火月分布规律明显,多分布在12月至翌年4月,林火发生次数占总林火次数的73%。其中,3月份林火发生次数最多,达31次,占林火总次数的42%,这一时期为武夷山市林火高发期,这与《福建省森林防火条例》[17]明确福建省森林防火期为每年9月15日至翌年4月30日相符;6月份无林火发生。按季节划分,武夷山市林火多发生在春季和冬季,尤以春季最为突出,达41次,占林火总发生次数的55%,平均每年发生2.9次;冬季林火发生次数仅次于春季,为16次,占林火总发生次数的22%,平均每年发生1.1次;夏季林火发生次数最少,仅9次,占林火总发生次数的12%。
由图 4可知,武夷山市3月份过火面积最大,占总过火面积的53%,这与3月份林火发生次数最多相关。按季节划分,冬、春季武夷山市过火面积最大,总计达1 184.11 hm2,占总过火面积的84.7%;夏季过火面积较小,为104.13 hm2,占总过火面积的7.4%。
由于武夷山市位于我国中亚热带地区,12月至翌年5月属于冬、春季节,降水量偏少,干旱日较多,且此时森林地表可燃物负荷量大,可燃物含水率低,极易发生森林火灾;而6月份处于夏季,武夷山市易出现梅雨季,降水连续且充沛,空气相对湿度大,森林地表可燃物含水率高,不易发生火灾。
3.2 林火的空间格局林火在地域上的分布可以直观反映林火的空间差异性。由图 5可知,武夷山市林火多发生在中部和南部区域,且分布较为集中,存在高火险区域,南部地区有30个林火点(占总火灾次数的41.7%),主要集中在兴田镇;中部地区有27个林火点(占总火灾次数的37.5%),主要集中在崇安街道、新丰街道和武夷街道。中、南部拥有国家级风景名胜区,森林植被覆盖度较高,且人口流动较大,人为火居多,导致火灾发生次数较多,是武夷山护林防火的重点关注区域。北部和东部则有少量火灾点分布,而西部地区(国家级自然保护区所在区域)几乎没有火灾点分布。
空间点的分布格局随着空间尺度的变化而变化,不同空间尺度下林火的空间异质性不同。由于点格局分析至少需要30个坐标点才能反映点的集聚或扩散状态,故将1999—2013年武夷山林火点分为2个样本数据(1999—2006年、2007—2013年),加之原始样本数据,最终得到3种分析结果(图 6A、6B、6C)。从图 6A可知,1999—2006年武夷山市林火点在1~10 km递增尺度内,K观测值始终大于K期望值且位于置信区间上方,说明1999—2006年武夷山市林火点在空间内集聚分布,4 km后K观测值高于高置信区间,在7 km附近林火点的聚类程度最高。由图 6B可知,2007—2013年武夷山市林火点在研究区域范围内,K观测值大于K期望值且高于置信区间,说明2007—2013年武夷山市林火点在空间尺度上集聚分布。综合前两个样本数据,由图 6C可知,1999—2013年武夷山市林火点在研究区域范围内,K观测值远高于K期望值和高置信区间,整个时间段内武夷山市林火点在空间尺度上呈集聚分布,在6 km附近聚类程度最高。
3.3 林火与气象因子的关系 3.3.1 林火发生次数与气象因子的关系由表 2可知,1999—2013年武夷山市林火发生次数与年均降水量显著相关(P < 0.05),显著系数为-0.613,说明林火发生次数与降水量负相关,降水量越大林火发生次数则越少,因为降水量多、空气湿度大且森林地表可燃物含水率高,林火不易发生;而与年均气温、最高气温、最低气温、年均蒸发量、年均相对湿度及年均风速均不显著,表明在分析林火发生决策因子时,不能仅考虑气象因子的作用机制,还应考虑多种因子的共同作用。
相关性 | 年均降水量 | 年均气温 | 最低气温 | 最高气温 | 年均蒸发量 | 年均相对湿度 | 年均风速 |
相关系数 | -0.613* | 0.176 | 0.155 | 0.231 | 0.145 | -0.36 | 0.151 |
1)*表示差异达0.05显著水平。 |
由于武夷山市林火发生次数与年均降水量显著相关(P < 0.05),故通过SPSS计算得到两者的线性回归方程:
$ Y = 16.2-0.006{X_1} $ | (5) |
式中,Y表示年着火次数;X1表示年降水量,方程拟合R2=0.375。方程拟合符合实际,如武夷山市夏季特别是6月份,降水连续且充沛,林火发生次数偏少。
回归分析是通过样本预测整体,故需要对样本回归方程进行检验,统计检验F=7.805,模型显著性P=0.015 < 0.05,即模型整体显著。常数项及自变量T检验为:P=0.002和P=0.015, 均小于P=0.05,通过T检验。
3.3.2 过火面积与气象因子的关系为进一步探究气象因子对林火的影响,选取年均降水量、年均气温、最低气温、最高气温、年均蒸发量、年均相对湿度及年均风速与过火面积进行皮尔森相关系数分析(表 3)。由表 3可以看出,武夷山市过火面积与各气象因子均不显著,表明两者无线性相关关系。
由SPSS提取的公因子分析可知(图 7),公因子1包括年均降水量、年均气温、最高气温、年均相对湿度;公因子2包括年均蒸发量;公因子3包括年均风速。1999、2000和2004年公因子2对过火面积影响较大,公因子得分分别为:1.305、2.285、1.172;2001、2002和2009年公因子3对过火面积影响较大,公因子得分分别为:1.329,1.988、1.018;2003、2007和2013年公因子1对过火面积影响较大,公因子得分分别为:2.121、1.243、1.089。说明武夷山市林火发生是多个气象因子共同作用的结果,且不同年份起主导作用的气象因子不同。
4 讨论与结论本研究表明,时间尺度上,1999—2013年武夷山市林火发生次数和过火面积存在波动期,但两者总体上呈下降趋势,且变化趋势一致;武夷山市林火主要发生在冬、春季,尤以3月份最为集中,应特别重视这一时期森林防火。空间尺度上,林火发生地点呈聚类分布,且火点集中分布在武夷山市中部和南部地区,该地区为武夷山风景名胜区所在地,人类活动复杂,火源管理难度大,需要重点防护。
武夷山市林火发生次数与年均降水量呈显著负相关(P < 0.05),与气温、风速、蒸发量等不构成线性相关关系,但通过主成分分析发现,其影响林火的因子得分较高,该结果与李德等[8]、张馨月等[16]、李丽琴[18]研究结果一致,说明气象因子是影响林火发生的最重要因子之一。在全球气候变化的背景下,应更加重视气候与林火发生的作用机制,但研究林火发生的影响因素不仅要考虑气象因子,还要考虑地形因子、林分因子及人为因子等。随着研究的深入,学者们发现结合气象、地形及林分等因子对林火发生驱动分析[19-21],能够更全面地揭示林火发生规律,这也是本课题组今后研究的方向。
[1] | 陈华泉. 福建省1990-2009年森林火灾灾害风险评估[J]. 西南林业大学学报, 2013, 33(4): 72–76. DOI: 10.3969/j.issn.2095-1914.2013.04.014 |
[2] | WITTENBERG L, MALKINSON D. Spatio-temporal perspectives of forest fires regimes in a maturing Mediterranean mixed pine landscape[J]. European Journal of Forest Research, 2009, 128(3): 297–304. DOI: 10.1007/s10342-009-0265-7 |
[3] | RAHARJO B, NAKAGOSHI N. Stochastic approach on forest fire spatial distribution from forest accessibility in forest management units, south Kalimantan Province, Indonesia[J]. Journal of Environmental Protection, 2014, 5(6): 517–529. DOI: 10.4236/jep.2014.56055 |
[4] | GILLETT N P, WEAVER A J, ZWIERS F W, et al. Detecting the effect of climate change on Canadian forest fires[J]. Geophysical Research Letters, 2004, 31(18): 1821–1824. |
[5] | 胡海清, 李楠, 孙龙, 等. 伊春地区森林火灾时空分布格局[J]. 东北林业大学学报, 2011, 39(10): 67–70. DOI: 10.3969/j.issn.1000-5382.2011.10.019 |
[6] | 何雨芩, 徐虹, 程晋昕. 云南省林火时空分布特征分析[J]. 中南林业科技大学学报, 2017, 37(5): 36–41. |
[7] | 李顺, 吴志伟, 梁宇, 等. 大兴安岭林火发生的时空聚集性特征[J]. 生态学杂志, 2017, 36(1): 198–204. |
[8] | 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. |
[9] | 梁慧玲, 林玉蕊, 杨光, 等. 基于气象因子的随机森林算法在塔河地区林火预测中的应用[J]. 林业科学, 2016, 52(1): 89–98. DOI: 10.3969/j.issn.1006-1126.2016.01.017 |
[10] | 黄真光. 武夷山森林火灾发生规律的研究[J]. 福建林业科技, 2009, 36(3): 211–213. DOI: 10.3969/j.issn.1002-7351.2009.03.050 |
[11] | 游巍斌, 何东进, 覃德华, 等. 世界双遗产地生态安全预警体系构建及应用——以武夷山风景名胜区为例[J]. 应用生态学报, 2014, 25(5): 1455–1467. |
[12] | 丁晖, 杨云方, 徐海根, 等. 武夷山典型常绿阔叶林物种组成与群落结构[J]. 生态学报, 2015, 35(4): 1142–1154. |
[13] | 葛莹, 朱国慧, 王华辰, 等. 基于Ripley's K函数浙江城市空间格局及其影响分析[J]. 地理科学, 2014, 34(11): 1361–1368. |
[14] | 王结臣, 卢敏, 苑振宇, 等. 基于Ripley's K函数的南京市ATM网点空间分布模式研究[J]. 地理科学, 2016, 36(12): 1843–1849. |
[15] | BESAG J E. Comments on Ripley's paper[J]. Journal of the Royal Statistical Society B, 1977, 39: 193–195. |
[16] | 张馨月, 苏晓慧. 四川省林火次数与气象因子的相关性研究[J]. 西北林学院学报, 2017, 32(3): 176–180. DOI: 10.3969/j.issn.1001-7461.2017.03.33 |
[17] | 福建省人大常委会.福建省森林防火条例[EB/OL].(2013-09-27)[2018-03-15]. http://www.chinalawedu.com/new/201310/wangying2013100415010131298241.shtml. |
[18] | 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. |
[19] | 郭福涛, 苏漳文, 马祥庆, 等. 大兴安岭塔河地区雷击火发生驱动因子综合分析[J]. 生态学报, 2015, 35(19): 6439–6448. |
[20] | 田超, 苏漳文, 杨夏捷, 等. 福建西部地区林火发生格局及驱动因子分析[J]. 森林与环境学报, 2017, 37(1): 88–94. |
[21] | 苏漳文, 宋禹辉, 郭福涛, 等. 地形环境因素对塔河林业局人为森林火灾发生的影响[J]. 火灾科学, 2015, 24(1): 16–25. DOI: 10.3969/j.issn.1004-5309.2015.01.03 |