伊伯乐 曹哲铭 班擎宇 张秋良 张 恒

(内蒙古农业大学林学院，内蒙古 呼和浩特 010018)

林火是全球森林生态系统中极为重要的干扰因子[1]，联合国教科文组织已经将大面积的森林火灾列为世界八大自然灾害之一。由于厄尔尼诺现象的加剧并伴随着全球气候的逐渐变暖，森林火灾所造成的危害可能会加剧[2-3]。除此以外，森林火灾还会破坏森林生态系统的平衡，排放的气体会污染大气环境，对全球气候变化和碳循环的影响也尤为显著[4]。西南林区的地形地貌、气候环境特殊，森林种类繁多，生产生活用火复杂多样，使得西南林区的森林防火、灭火具有特殊性。

在公安消防部门的火灾调查中，火灾形势的评估离不开对群死群伤火灾 (HCF) 的整体统计。HCF是指满足重大森林火灾三项评估指标之一的火灾，即面积在100 hm2以上1 000 hm2以下的，或者死亡10人以上30人以下的，或者重伤50人以上100人以下的森林火灾。在衡量某个地区的火灾形势时，不仅要看火灾数量的增加或减少，还要看HCF或多伤亡火灾能否得到有效控制。有关我国火灾数据的分析已有不少研究[5-8]，火灾形势可以通过一般火灾、较大火灾、重大火灾、伤亡人数、HCF和直接经济损失6项指标定量分析。而HCF通常应用于定性研究中，是国内火灾形势研究的热点。

本研究以2007—2016年我国西南地区森林火灾为研究对象，对西南地区森林火灾的时空分布与动态变化进行研究，并且加入HCF起数这一新指标，旨在为我国西南地区森林火灾形势评估提供一种思路，为森林火灾预测、预报研究工作提供参考。

1 材料与方法

1.1 数据来源

从国家统计局官网 (www.stats.gov.cn) 收集并整理了我国西南地区 (重庆市、四川省、贵州省、云南省和西藏自治区) 2007—2016年的森林火灾数据，基本信息主要包括森林火灾 (一般、较大、重大和特大) 起数、火场总面积、受害森林面积、伤亡人数和经济损失等森林火灾统计指标数据。

1.2 分析方法

1.2.1主成分分析

主成分分析 (PCA) 是一种通过 “降维” 的方式来简化分析过程，增加结果精度的方法，数据的压缩和数据的解释可以表达其目的[9]。本研究中，着重考虑一般火灾起数、较大火灾起数、重大火灾起数、伤亡人数、直接经济损失和HCF起数，通过主成分分析，获取包含这6个指标信息的成分。

1.2.2聚类分析

聚类分析是一类数据所对应的研究对象进行分类的统计方法[10]。本研究采用的方法为系统聚类法，它是先将所有样本各自看成一类，并规定样本与样本之间的距离和类与类之间的距离[11]。研究中使用欧拉距离来确定对象之间的距离，从而进行分类。

1.2.3数据分析

用Excel 2010软件进行数据处理与分析，用Origin 7.0作图，用SPSS软件进行相关性分析、主成分分析和聚类分析。

2 结果与分析

2.1 西南地区森林火灾时空分布特征

2.1.1时间分布特征

2007—2016年我国西南地区森林火灾数据统计结果见表1。由表1可知，森林火灾发生起数总计16 859起，年均1 686起，伤亡人数年均27人。森林火灾发生起数在2007—2010年普遍较高，而后呈下降趋势，尤其是2015年和2016年火灾发生起数显著减少，HCF在2009年发生次数最多，2010年相对减少，除在2009年、2010年发生HCF外，只在2014年发生过几起，其他时间无HCF发生。在发生的森林火灾中，一般火灾和较大火灾占火灾起数的绝大部分，重大火灾普遍较少，但在2009—2010年发生起数较多，特大火灾10 a间没有发生，2007年、2008年、2011年、2013年、2015年、2016年这6个年份做到了全年无重大、特大火灾。

2007—2016年我国西南地区火场总面积在2008年达到最大值，受害森林面积在2010年达到了最大值，HCF在2009年达到最大值，整体来说，各年份火场总面积普遍较高。就变异系数而言，重大火灾的分布比较离散，一般火灾与较大火灾分布比较集中。2010年的森林火灾起数、受害森林面积、伤亡人数和经济损失都都是最高的，其他各年份火灾形势均没有如此严重，这可能是因为2010年西南地区发生了季节性干旱，该现象使得西南地区的森林火灾起数突增，进而造成的损失也显著增加。

表1 2007—2016年我国西南地区森林火灾发生情况统计Table 1 Statistics on the occurrence forest fire during 2007-2016 in Southwest China

2.1.2空间分布特征

2007—2016年西南地区森林火灾空间分布统计结果见表2。由表2可知，贵州省森林火灾发生起数最多，达到9 396起，显著高于其他地区；且一般火灾起数、较大火灾起数、重大火灾起数在5个地区中均最多。四川省的总森林火灾起数仅次于贵州省，云南省和重庆市再次之，西藏最少。

贵州省和云南省的火场总面积和受害森林面积相近，都比较大，其次为四川省和重庆市，西藏自治区的火场总面积和受害森林面积都最小。HCF方面贵州地区发生最多，四川次之。在经济损失方面重庆市和西藏自治区都比较低，云南省森林火灾造成的经济损失最大，贵州省和四川省次之；贵州省森林火灾造成的人员伤亡数量最大，其次是云南省和四川省，重庆市和西藏自治区均较少。除云南省外，我国西南其他4个地区森林火灾起数和受害面积的发展趋势一致，即火灾起数越多，造成的森林受害面积也越大，而云南省的受害森林面积较大但相对火灾起数却较少，这表明云南省森林火灾的规模和危害最大。

表2 2007—2016年我国西南地区森林火灾空间分布Table 2 Spatial distribution of forest fire during 2007-2016 in Southwest China

2.2 西南地区森林火灾形势评价

2.2.1森林火灾统计指标相关性分析

2007—2016年5个地区共50组数据，对森林火灾统计指标进行相关性分析，结果见表3。由表3可知，森林火灾统计指标间均呈显著相关 (P< 0.05)，表明这6个指标间信息重叠严重。其中HCF与一般火灾起数、较大火灾起数、重大火灾起数、伤亡人数、直接经济损失均呈极显著相关 (P< 0.01)，因此，HCF可以在一定程度上表征其他5个森林火灾指标，对森林火灾的形势进行评价。

表3 森林火灾统计指标相关性分析 (n=50)Table 3 Correlation analysis of statistical indicators of forest fires

2.2.2森林火灾统计指标主成分分析

根据主成分累计贡献率达到85%为宜的原则[12]，取前2个主成分 (表4)。其中第一主成分的特征值最大，为4.152；第二主成分特征值为1.040，累计贡献率为86.532%。由此表明前2个主成分基本包含了6个指标的综合信息，可以较好的反应火灾形势的变化。

表4 总方差解释Table 4 The total variance explanation

主成分的得分系数矩阵见表5。用Yi表示第i个火灾综合指标，即主成分，用X1、X2、X3、X4、X5、X6分别表示一般火灾起数、较大火灾起数、重大火灾起数、伤亡人数，经济损失和HCF起数，则2个主成分表达式分别见公式 (1)～(2)：

Y1=0.215X1+0.225X2+0.172X3+0.188X4+

0.192X5+0.206X6

(1)

Y2=-0.055X1-0.127X2+0.624X3-0.442X4-

0.396X5+0.449X6

(2)

第一主成分(Y1)综合了一般火灾起数，较大火灾起数，重大火灾起数，死亡人数，经济损失和HCF起数6个指标，表明第一主成分是对所有指标的一个综合测度，可称第一主成分为 “综合火灾形势成分”。在第二主成分 (Y2) 中，重大火灾起数、伤亡人数起数、经济起数和HCF起数对应的系数绝对值都比较大，表明第二主成分是对火灾破坏性的反映，可称之为 “火灾损失成分”。

表5 得分系数矩阵Table 5 Coefficient matrix of composition scores

2.2.3火灾形势等级划分

通过2007—2016年整体50组数据代入上述公式 (1)～(2)，并以贡献率为权重计算综合得分，按照综合得分来进行系统聚类。由图1可知，当分类数为14时，能满足聚类的要求[13]。因此，将2007—2016年5个地区的50组数据划分为14类。聚类结果见图2。利用第一、第二主成分得分结合历年火灾数据确定火灾特点对西南地区森林火灾形势进行分级，其结果见图3和表6。

图1 聚合系数随分类数变化曲线Fig.1 Curve of aggregation coefficient with the classification number

图2 聚类分析树状图Fig.2 Tree diagram of cluster analysis

将14类结果绘制在西南地区局部地图上，使聚类结果可以更直观的解释和比较，详见图3。由图3可知，西藏和重庆火灾形势波动较小，其他省份火灾形势波动明显。贵州省从级别8变为级别2，云南省是受火灾影响最为严重的省份，从级别1变为级别12，再变回级别2，整体变化较大，波动非常明显，在火灾的防治上需要改善。总的来说，西南地区的火灾形势突出显示在云南和贵州2个省份，在2009年、2010年火灾最为严重，而整体火灾形势转好。此外，云南省火灾受灾程度，火灾形势都在逐年恶化，这与四川省形成鲜明对比，在对于西南地区火灾评判标准中，更应该考虑的是云南省的整体火灾情况。

图3 西南地区森林火灾形势级别时空分布Fig.3 All fire data group clustering result map in Southwest China

表6 西南地区森林火灾形势分级Table 6 Classification of forest fire situation in Southwest China

3 结论与讨论

本研究对西南地区2007—2016年一般火灾、较大火灾、重大火灾、伤亡人数、HCF和直接经济损失这6项指标进行分析，并探究了整体HCF的动态变化，得出以下结论：

1) 时间分布上在2009年、2010年出现最大值，各项数据均为最高，整体火灾形势在这两年最为严重。

2) 空间分布上贵州的各项火灾指标如HCF等均出现最大值，火灾形势最严重，受灾程度较大。

3) 通过聚类分析来对各省的主成分得分进行分级，可以清晰的看出西藏自治区和重庆市的“综合火灾形势”未出现增长趋势，且相对于其他省综合火灾指标较小，火灾形势较好，而且这2个地区的HCF指标较低，云南的火灾波动范围最大，而且HCF的发生率比较高，虽然各项火灾数据最后都趋于良好的范围，但在群死群伤火灾的防治上需要提高。

在一定的地理区域内，气候变暖会影响森林火灾的发生和发展情况，而且会随着时间的变化呈现出一定的规律性[14]。就2007—2016年期间森林火灾起数与受害森林面积来说，2009年以后，二者变化趋势基本吻合，2010年是一个转折点，这可能是由于2010年西南地区所发生的区域性持续干旱严重，影响了一系列火灾因子 (含水率、可燃物载量等)，间接的提高了西南地区的防火能力，可能因此之后的火灾起数和过火面积均大幅下降，且相对平稳。而造成2009年以前两者不符的原因是由于过火面积受特大森林火灾的影响特别显著[15]。

对贵州林区的森林火灾进行科学指导以及预防扑救工作是十分重要并且迫切的[16]。贵州整体火灾形势在2007—2011年出现不稳定变化，火灾严重程度出现了整体最大级别14，这可能和贵州地理环境以及当时的突发性干旱有关系，但在活字防止上需要引起有关部门的重视。在2010年以后受到持续性干旱的影响，可燃物含水率、可燃物载量、火源、林火强度等发生了改变[17]，而且山区地形条件复杂，不利于开展火灾的扑救，这可能也是造成单位面积内火灾损失程度大的因素之一[18]，而四川地形则较为复杂，既有高原又有盆地，气候春旱夏热极易发生火灾，这也使得四川省的聚类级别在2009—2010年突然增高。

整体来说，我国西南地区的森林火灾过火面积大，火行为比较复杂[19]。这与区域内山峰高耸、气候多样、植物种类丰富、森林类型多样性强的特点密不可分。对比其他运用变量分析法的研究，本研究重点突出了西南地区整体火灾形势级别的评估，为有效预防森林火灾特别是重大、特大森林火灾提供了一定的参考。