陈宝麟　戴安然

摘要：大兴安岭北部1987年春发生严重的森林火灾，造成了巨大的损失。本文从森林防火决策和森林保险的角度出发，运用数理统计方法，根据Logistic回归模型原理，以该场火灾中的落叶松、樟子松、白桦山杨为研究对象，建立森林火灾后树木死亡率模型，开展森林火灾风险评估，为未来森林火灾防范预案、经济损失估计以及森林保险费率厘定等提供参考及决策支撑，具有重要的实用价值。

关键词：Logistic回归；森林火灾；树木死亡率；大兴安岭

中图分类号：S762.2 文献识别码：A 文章编号：1001-828X（2017）012-0-02

一、引言

近年来，随着工业化城镇化的推进、生态环境恶化的加剧、自然灾害损失的增加和融入国际水平的提高，我国对林业发展的重视程度空前提高。我国是一个森林火灾多发国家，1950～2010年，我国累计发生森林火灾78.8万次，受害森林面积达到3801.8万公顷。尤其是1987年发生的大兴安岭火灾，过火面积达到1.7万平方公里，造成的危害至今仍未彻底消除。

林火发生具有突发性、随机性和复杂性，致使林火实时数据的获取十分困难，建立的模型预测预报精度低，普适性差，与之相应的扑救决策缺乏科学依据，加上落后的传统林火数据处理手段，不能满足对大量带噪声数据的精细研究，林火研究的现状不尽如人意。

结合当前我国发展森林保险、管理森林灾害风险的迫切需求，本文以大兴安岭北部1987年大火后的树木为研究对象，根据Logistic回归模型原理，建立了定量的森林火灾后树木死亡率模型，为森林火险等级模型的建立提供数据支撑，为未来森林火灾防范预案、经济损失估计、森林保险保费厘定等提供参考及决策支撑，具有重要的实用价值。

二、数据收集

1988年火灾后的主要森林类型及所占比重是：落叶松林为70%、白桦林19%、樟子松林8%、山杨2%、河岸杨柳、赤杨林1%。

1.1988～1990年按不同火烧程度（极重度、重度、中度、轻度、极轻度）调查落叶松林、樟子松林、白桦山杨林等的烧死木情况及其径级分布，一般采用30m×30m的样地分树种按死亡、存活逐株记载。共做各种森林类型的标准地290块。

2.1989～1990年在不同火烧程度的不同森林群落类型的标准地中调查天然更新情况。采用样方调查法，每个样方的面积2m×2m，每个标准地中做样方20～25个，记载样方中的幼苗幼树，对萌芽更新者，记载丛数与萌条根数及更新苗与萌生条生长状况。2001年8 月以同样方法对不同火烧程度的迹地做同样的更新调查。

三、模型建立与分析

我们建立了Logistic回歸方程：

其中，P（m）是树木死亡率，X1是树木胸径，X2是树木烧伤面积比。

记死亡为1，存活为0，利用SPSS软件，分别对落叶松、樟子松、白桦山杨进行二项Logistic回归分析。

1.建模结果

（1）落叶松

即：Logistic回归方程.

方程表明，胸径和烧伤面积比对死亡率的影响都是显著的，烧伤面积比对死亡率的影响更显著。胸径每增加1cm，死亡率降低22.9%；烧伤面积比每增加1%，死亡率增加5.16%。

（2）樟子松

得到回归方程

类似地，胸径和烧伤面积比对死亡率的影响都显著，胸径对死亡率的影响更加显著。胸径每增加1cm，死亡率降低27.4%；烧伤面积比每增加1%，死亡率增加10.35%。

（3）白桦山杨

回归方程为

胸径和烧伤面积比对死亡率的影响都是显著的，相对而言烧伤面积比对死亡率的影响更显著。胸径每增加1cm，死亡率降低22.6%；烧伤面积比每增加1%，死亡率提高13.14%。

2.模型检验

（1）落叶松的似然比检验

三个Sig值均小于0.05，表明模型具有统计意义。

（2）预测正确率

使用Logistic回归分析得到的方程，其准确率82.2%，接近85%，说明准确率较高。

同理可得：樟子松、白桦山杨的似然比检验三个Sig值均小于0.05，预测正确率分别为92.3%、 94.7%，说明准确率非常高。

四、结语

以上三个模型的预测准确率皆在80%以上，其中两个高达90%以上，说明预测准确率高。由落叶松、樟子松、白桦山杨建立的火灾后死亡率模型可知，树木胸径越大，所能承受的烧伤程度也越大。在重度火烧的情况下，落叶松与樟子松胸径在20cm以上则已很少死亡，而白桦山杨最不耐火烧，应加强防范与保护措施，减少森林火灾损害。

森林火险的定量定位评价可为林火的预防、扑救以及防火指挥员进行防火规划和部署扑火力量、指导森林防火工作提供科学依据。林业产业人员可据此对林场进行保护措施的完善与加强，减少森林火灾所造成的危害与损失。森林保险行业也可采取此模型，估计森林火灾后所造成的经济损失，设立赔付预案，从而为建立森林火灾风险模型提供数据支撑，提高了我国在森林火灾保险领域的承保风险管理水平，具有很强的实用性。

参考文献：

[1]Bois C D. Systematic fire protection in the California forests[J].1914.

[2]王强，胡海清.基于岭回归和人工神经网络估测森林可燃物负荷量[J].林业科学，2012，48（9）：108-114.

[3]杨光，舒立福，邸雪颖.气候变化影响下大兴安岭地区21世纪森林火险等级变化预测[J].应用生态学报，2012，23（12）：3236-3242.

[4]于成龙.基于GIS和RS森林火险预测的研究研究[D].东北林业大学，2007.

[5]邓欧.黑龙江省森林火灾时空模型与火险区划[D].北京林业大学，2012.

[6]邓欧，李亦秋，冯仲科，等.基于空间Logistic的黑龙江省林火风险模型与火险区划[J].农业工程学报，2012，28（8）：200-205.