彭 欢 史明昌 孙 瑜 Mike Wotton

(北京林业大学，北京，100083) (Great Lakes Forestry Centre Canadian Forest Service)

基于Logistic的大兴安岭雷击火预测模型1)

彭 欢 史明昌 孙 瑜 Mike Wotton

(北京林业大学，北京，100083) (Great Lakes Forestry Centre Canadian Forest Service)

利用大兴安岭雷击数据、雷击火数据、气象数据和GIS空间分析，引入加拿大雷击火预测模型和Logistic回归模型，建立了黑龙江大兴安岭雷击火预测模型。模型除了使用加拿大雷击火预测模型的固有参数外，还引入了影响火灾蔓延的地形因子作为模型参数。利用实际数据进行模型检验，结果表明：修正后的预测模型在特定区间的雷击火预测结果较为理想，总体预测正确率能达到30%以上，与加拿大预测正确率基本一致；也说明了基于logistic回归的加拿大雷击火预测模型，经过参数修正后同样适用于我国大兴安岭地区，可为该地区的雷击火预防提供可靠的数据支持。

雷击火；大兴安岭；预测模型

Journal of Northeast Forestry University.-2014,42(7).-166～169

With Canadian lightning fire forecasting model and logistic model, we established lightning fire forecasting model and checked its validation using lightning data, lightning fire data and meteorological data of Daxing’an Mountain. Existing model parameters of Canadian lightning fire prediction model were introduced with terrain factors influencing the spread of fire such as slope and aspect. Results drawn from actual data according to the model show that the revised model works in the specific area to predict lightning fire. The overall prediction accuracy rate reached 30%, which was consistent with that of Canadian forecasting model. The result shows that with parameter modification Canadian-based logistic regression model can equally be applied to Daxing’an Mountain, and it can provide real-time predictions of lightning fire, which provides reliable monitoring data to support the lightning fire prevention in Daxing’an Mountain.

Keywords Lightning fire; Daxing’an Mountain; Forecasting model

森林火灾是影响森林可持续发展的主要危害之一。在黑龙江大兴安岭地区，由雷击引起的森林火灾约占30%以上。目前，国外已有不少学者对雷击火预测模型做了大量研究。McRae[1]基于地理信息系统建立了不同尺度的澳大利亚雷击火预测模型；Krawchuk等[2]研究了加拿大亚伯达省中东部寒温带针阔混交林的雷击火预测模型；Anderson[3]建立了一种加拿大萨斯喀彻温省的雷击火预测模型，在特定情况下其准确率达到了50%以上；Wotton等[4]建立了加拿大安大略省的雷击火预测模型。同时，国内也有不少学者对雷击火预测进行了研究，高永刚等[5]对影响雷击火的综合指标进行了研究；孙喜民等[6]、郝润全等[7]、李忠琦等[8]研究了雷击火的成因及预防对策；于建龙等[9]对雷击火的火险等级做了研究。这些研究成果对于雷击火的预测有一定的参考价值，但都没有给出具体的雷击火预测模型。此外，肖志远等[10]、Stocks等[11]、田晓瑞等[12]通过研究，证明加拿大森林火险等级系统(CFFDRS)在我国大兴安岭地区同样适用。但是，国内研究者通常利用火险天气指数系统(FWI)，建立了火险天气指数与雷击火之间的关系，而并未对雷击火进行预测。一方面是由于雷击数据的缺乏，另一方面是因为未引入适用的雷击火预测模型。本文依托加拿大雷击火预测模型，利用近年来雷击数据、雷击火数据、气象数据、植被数据等，结合大兴安岭实地情况，对模型参数做出合理修正，建立大兴安岭雷击火预测模型。对雷击火进行概率预测，并将预测结果进行分级，再结合GIS系统，为大兴安岭雷击火监测提供直接、可靠的数据。

1 研究区概况

研究区位于我国东北部黑龙江大兴安岭地区，地理位置121°12′～127°00′E，50°10′～53°33′N，面积8.46万km2。整个林区属寒温带大陆性季风气候，平均降水量500 mm，年平均气温-3 ℃。人烟稀少，植被覆盖率高，以寒带针叶林为主，主要林种为落叶松(Larixgmelinii)、白桦(Betulaplatyphylla)、樟子松(Pinussylvestrisvar.mongolica)等。该地区是我国发生森林火灾最严重的地区，其中雷击火约占38%，通常集中在4～7月[12-15]。

2 研究方法

2.1 数据资料

气象数据。气象数据来自于大兴安岭地区塔河、漠河、呼玛、新林和加格达奇五个国家基本气象站点。气象数据包括：日最高温度、日降水量、日平均相对湿度、日平均风速等。

雷击数据。雷击数据(2005—2010年)来自于国家雷电监测网数据库。由黑龙江省气象局布设在大兴安岭的10个闪电定位仪实时测得，数据包括：闪电发生的时间、地理位置、雷电流强度、正负极等。

雷击火数据。雷击火数据(2005—2010年)来自于黑龙江省大兴安岭林业集团公司森林防火部。数据包括：起火地理坐标、发生时间、过火面积等。

森林二类调查数据。来自黑龙江省大兴安岭林业集团公司，数据包括：树种组成、海拔、林分起源、林分蓄积等。

2.2 预测方法

加拿大原雷击火预测模型[4]是利用气象数据、雷击数据、雷击火数据并结合加拿大火险天气指数系统(FWI)建立的。模型原型为Logistic回归模型，该模型被广泛应用于建立雷击火预测模型[3，16]。模型的形式为：Pi=1/(1+exp-zi)；zi=b0+b1x1+b2x2+…+bqxq。其中，Pi是雷击火发生并蔓延的概率，zi为一组相互独立的变量(xq)的线性组合。变量可以直接或间接地反映影响雷击火点燃与蔓延的各种因素，包括闪电的强度、地表含水率、针叶林百分比、雷雨发生的时间、地表可燃物、坡度与坡向等。预测模型除加拿大原模型的固有参数外，引入了影响火灾蔓延的地形因子，具体变量描述及来源如表1所示。

表1 变量描述及其来源

理想状态下，预测模型应在雷击数据与雷击火数据相对应的前提下建立。然而，由于雷击火的精确发生时间无法确定，研究区域的气象站点分布相对稀疏，以及区域内地形存在一定的差异。这些原因导致雷击数据与雷击火很难有确定的关联性，因而大面积的计算将会导致预测精度的缺失。为了解决这些问题，经过反复实验，采取将研究区域划分为多个15 km×15 km的网格区域进行气象数据插值计算，并结合区域针叶林百分比及地形因子精度要求，采取1 km×1 km网格进行模型拟合。这样既能合理估算网格内气象类型，也能保证每个网格内所有雷击数据具有同样的地形地貌与植被类型。

点燃概率是在一个单元区域内每天被报告的雷击火引燃数除以总的雷击数量。大兴安岭地区设有五个气象监测站点，根据每个气象监测站点的气象数据，使用反距离权重法，插值计算出每个单元区域的每日天气指标(温度、相对湿度、风速、降水量)，作为该单元区域的天气指标。利用单元区域每日气象数据中的最高气温、相对湿度、降水量、平均风速，根据FWI系统模型公式[17-18]编程计算得出每个单元区域内每日的FFMC、SDMC、DC值。对于FWI系统指标的初始值，依据前人的研究成果[19-20]，FFMC、SDMC、DC的初始值分别设定为85、6、15。根据初始值、雷击火发生前一天的指标值和当日气象观测数据，通过系统的公式计算就可以得到雷击火发生时当日的FFMC、SDMC、DC指标值。

3 结果与分析

3.1 预测模型及检验

运用SPSS软件，采用二元逻辑斯蒂全部进入回归法，将网格内大兴安岭防火部门在一天内是否接收到火灾报告视为因变量，x1、x2、x3、x4、x5、x6、x7、x8、x9视为协变量作二元逻辑斯蒂回归，把得到的模型参数代入二元逻辑斯蒂方程，得到预测大兴安岭雷击火发生概率的模型。用公式表示为：

P=exp(-7.36+0.42x1+0.003 3x2+0.016x3+ 0.95x4+0.131x5-0.57x6+0.46x7-0.86x8- 0.47x9)/(1+exp(-7.36+0.42x1+0.003 3x2+ 0.016x3+0.95x4+0.131x5-0.57x6+0.46x7- 0.86x8-0.47x9))。

(1)对模型拟合的有效性和拟合优度进行检验。用于反映因变量中无法解释部分显著性问题的-2 Log likelihood值为93.927，相对较小，表明因变量的变动中无法解释部分较少，因而模型的整体拟合程度较好。Hosmer-Lemeshow检验结果表明：因变量的实际值与预测值在可接受水平上没有显著性差异，模型拟合较好。

(2)对模型参数估计及其显著性检验。在0.1的显著水平上，各模型参数对应的Sig.值均小于0.1，顺利通过沃尔德(Wald)检验，如表2所示。

表2 模型参数估计及其显著性

由表2可知。x1、x2、x3、x5等变量的回归系数的指数函数值都大于1，表示由地表含水率、针叶林百分比等因素对着火概率产生较大影响。变量x1、x2、x3与x5越大，就越容易发生雷击火。对雷击火发生概率影响最大的是变量x3，故单元区域内地表枯枝落叶层含水率对雷击火发生并蔓延的概率影响最大。

3.2 模型精度

根据概率预测值(P)，将大兴安岭雷击火火险等级划分为：极低火险等级(P<0.20)、低火险等级(0.20≤P<0.40)、中火险等级(0.40≤P<0.60)、高火险等级(0.60≤P<0.80)、极高火险等级(P≥0.80)五个火险等级。利用2010年的雷击火火灾数据对模型精度进行验证，验证结果如图1所示，其中：图1A为当日发生雷击点位置图，共计5 113个；图1B为当日实际监测记录到的火点与火险等级对应图。由图1可知，概率预测模型的预测结果与真实数据相比较准确度度较高。2010年全年有记录的雷击火与概率预测值(见表3)。

由表3可知。2010年全年所有25次有记录的雷击火中，其中：极低火险等级共有3处，低火险等级6处，中火险等级6处，高火险等级7处、极高火险等级3处。如设定中火险等级以上预测结果为发生雷击火，则从雷击火火灾数据角度出发，修正后的雷击火预测模型，2010年全年正确率接近40%。大兴安岭地区全年雷击数据非常庞大，可见雷击对火灾发生并蔓延的作用并不明显。2010年该地区发生雷击共计148 365次，雷击时间跨度从3月到12月，平均每天雷击次数超过400次，雷击地点分布不均。因此，对雷击火的预测在某种意义上也能降低日常巡护的次数，进而降低相应的预防成本。

图1 雷击火预测模型应用实施图

4 结论与讨论

以黑龙江大兴安岭气象数据、雷击数据、雷击火数据及森林资源二类调查数据为依据，以加拿大雷击火预测模型为模板。经过参数修正之后的雷击火预测模型在我国黑龙江大兴安岭地区同样适用，经验证其正确率基本能达到30%以上，能够满足日常雷击火预测需要，为大兴安岭地区雷击火预测提供实时数据支持。

表3 2010年大兴安岭雷击火及预测概率

注：“火点经度”和“火点纬度”的数据单位为“°、′、″”。“起火时间”和“灭火时间”的数据为“月/日时刻”。

预测模型中各基础数据有待进一步完善。如森林资源数据，应随季节变化进行替换；雷击数据，由于国家雷电监测网络建设时间较短，雷击数据较为欠缺；同时林区气象站点数量较少且过于分散，导致气象因素不能最大限度得到体现。此外，由于雷击火预测本身的特殊性，与模型预测正确率相比其预测结果的实用价值更为突出。

[1] Mcrae R. Prediction of areas prone to lightning ignition[J]. International Journal of Wildland Fire,1992,2(3):123-130.

[2] Krawchuk M, Cumming S, Flannigan M. Predicted changes in fire weather suggest increases in lightning fire initiation and future area burned in the Mixedwood boreal forest[J]. Climctic Change,2009,92(1/2):83-97.

[3] Anderson K. A model to predict lightning-caused fire occurrences[J]. International Journal of Wildland Fire,2002,11(3/4):163-172.

[4] Wotton B M, Martell D L. A lightning fire occurrence model for Ontario[J]. Canadian Journal of Forest Research-Revue Canadienne de Recherche Forestiere,2005,35(6):1389-1401.

[5] 高永刚,顾红,张广英.大兴安岭森林雷击火综合指标研究[J].中国农学通报,2010,26(6):87-92.

[6] 孙喜民,王林凤,栗艳杰,等.大兴安岭林区雷击火成因及预防对策[J].价值工程,2010,29(1):43-44.

[7] 郝润全,高建国,杨勇.内蒙古大兴安岭林区雷击火灾气候成因分析[J].气象科技,2008,36(1):87-90.

[8] 李忠琦,张淑云,张春梅,等.大兴安岭林区雷击火发生的相关条件研究[J].森林防火,2004(4):19-21.

[9] 于建龙,刘乃安.我国大兴安岭地区森林雷击火发生的火险天气等级研究[J].火灾科学,2010,19(3):131-137.

[10] 肖志远,姜恩来,刘毅.北美雷击火概率预测技术及其应用效果评价[J].林业机械与木工设备,2011,39(9):21-25.

[11] Stocks B J, Lynham T J. Suitability of the Canadian Forest Fire Danger Rating System for use in the Da Xing An Ling Forest Management Bureau Heilongjiang Province, China[R]. Report to the Ontario Ministry of Natural Resources, JIAPRO Study Group,1986．

[12] 田晓瑞,Douglas J M, Jin J Z, et al.大兴安岭地区森林火险变化及FWI适用性评估[J].林业科学,2010,46(5):127-132.

[13] 林其钊,朱霁平,王清安.雷击引起森林火灾的研究[J].火灾科学,1999,8(1):17-23.

[14] 舒立福,田晓瑞,李骞,等.雷击火形成及预防扑救对策[J].火灾科学,1999,8(3):31-37.

[15] 倪长虹,邸雪颖.黑龙江省大兴安岭雷击火发生规律[J].东北林业大学学报,2009,37(1):55-57, 75.

[16] 杨小平.二分Logistic模型在分类预测中的应用分析[J].四川师范大学学报:自然科学版,2009,32(3):393-395.

[17] Turner J A, Lawson B D. Weather in the Canadian Forest Fire Danger Rating system. A user guide to national standards and practices[M]. Environment Canada, Pacific Forest Research Centre, Victoria, BC. BC-X-177,1978.

[18] Wotton B M, Stocks B J, Martell D L. An index for tracking sheltered forest floor moisture within the Canadian Forest Fire Weather Index System[J]. International Journal of Wildland Fire,2005,14(2):169-182.

[19] 孙玉成,马洪伟,王秀国,等.加拿大火险天气指标(FWI)计算的初始化方法和解释[J].森林防火,2003(4):22,24.

[20] Van Wagner C E. Development and Structure of the Canadian Forestry Fire Weather Index System[R]. Canadian Forestry Service. Forestry Technical Report 35. Ottawa,1987.

Lightning Fire Forecasting Model of Daxing’an Mountain Based on Logistic Model/

Peng Huan, Shi Mingchang, Sun Yu(Beijing Forestry University, Beijing 100083, P. R. China); Mike Wotton(Great Lakes Forestry Centre Canadian Forest Service)//

1) 国家林业局“948”引进项目(2008-4-51)资助。

彭欢，男，1990年1月生，北京林业大学林学院，硕士研究生。E-mail：eddie125@126.com。

史明昌，北京林业大学林学院，教授。E-mail：shimc@bjfu.edu.cn。

2013年10月19日。

S762.2

责任编辑：王广建。