應(yīng)用地理加權(quán)邏輯斯蒂回歸模型分析浙江區(qū)域野火的相關(guān)因子1)

彭徐劍 靳全鋒 詹慶斌 郭福濤

(南京森林警察學(xué)院，南京，210023) (麗水職業(yè)技術(shù)學(xué)院) (南京森林警察學(xué)院) (福建農(nóng)林大學(xué))

野火是森林生態(tài)系統(tǒng)重要干擾因子，維持生物多樣性和生態(tài)系統(tǒng)結(jié)構(gòu)關(guān)鍵因子，也是對(duì)森林資源、大氣環(huán)境和人類生命財(cái)產(chǎn)安全造成威脅主要因子[1-4]。近年隨著全球氣候變暖、人口急劇增加、人類活動(dòng)和工業(yè)化進(jìn)程加快，中國亞熱帶區(qū)域野火具有頻率高、強(qiáng)度小、高污染等特點(diǎn)。中國亞熱帶區(qū)域每年發(fā)生約2 490次野火，火災(zāi)面積高達(dá)2.14×105hm2[5-6]。浙江區(qū)域野火具有亞熱帶野火特性[7]，因此，探索浙江區(qū)域野火發(fā)生特征、建立野火發(fā)生預(yù)測模型已成為亞熱帶區(qū)域野火管理的關(guān)鍵，對(duì)浙江區(qū)域野火發(fā)生規(guī)律和行為的探索具有重要意義。野火發(fā)生受植被、地形、氣象等因子影響較大[8-11]，氣象、植被和地形等因子是野火發(fā)生和蔓延關(guān)鍵因子，氣象因子可改變可燃物溫度、濕度和含水率等物理性質(zhì)，地形可影響可燃物空間分布，形成不同野火環(huán)境，從而直接影響野火發(fā)生和蔓延[12-15]。

野火受氣象、地形、經(jīng)濟(jì)、社會(huì)、交通設(shè)施和人為基礎(chǔ)設(shè)施影響[10-11]，探究野火相關(guān)因子對(duì)建立野火發(fā)生預(yù)測模型至關(guān)重要。傳統(tǒng)回歸模型[16-18]假設(shè)是因變量和自變量的關(guān)系是空間平穩(wěn)性(不存在空間異質(zhì)性)，然而，大量研究表明模型參數(shù)空間差異顯著，因此，需考慮野火與潛在因子之間空間關(guān)系，以建立有效而現(xiàn)實(shí)的預(yù)測模型，地理加權(quán)回歸可有效解決空間異質(zhì)性問題[19]。本研究以浙江區(qū)域2001—2018年野火數(shù)據(jù)為研究對(duì)象，應(yīng)用地理加權(quán)邏輯斯蒂回歸方法，結(jié)合氣象、植被和地形等因子探索野火時(shí)間變化的特征及相關(guān)因子，主要包括野火發(fā)生時(shí)間變化特征；氣象、地形和植被等因子對(duì)野火發(fā)生的潛在影響；通過野火模型建立預(yù)測模型并劃分火險(xiǎn)等級(jí)。

1 研究區(qū)概況

浙江區(qū)域位于中國東部沿海區(qū)域，其范圍為北緯27°6′～31°11′，東經(jīng)118°1′～123°10′，面積為1.02×105km2(見圖1)。第九次森林資源清查結(jié)果顯示森林面積為6.05×106hm2，森林覆蓋率達(dá)59.43%，僅次于福建、江西和廣西，居中國第4位。全省地貌類型復(fù)雜多樣，總體呈西南向東北傾斜趨勢，南部多丘陵地帶。該區(qū)域地處亞熱帶季風(fēng)氣候區(qū)，夏季雨熱同期、冬季寒冷干燥，年平均氣溫為16.5 ℃，年降水量為980～2 000 mm，日照時(shí)間1 710～2 100 h[7]。

圖1 浙江區(qū)域植被分布

2 研究方法

本研究以浙江區(qū)域2001—2018年野火數(shù)據(jù)為研究對(duì)象，應(yīng)用地理加權(quán)邏輯斯蒂回歸方法結(jié)合氣象、植被、地形等因子探索野火時(shí)間變化特征及相關(guān)因子。

2.1 數(shù)據(jù)來源

火點(diǎn)數(shù)據(jù)：2001—2018年浙江區(qū)域野火數(shù)據(jù)來源于空間分辨率為500 m、時(shí)間分辨率為1 d的MODIS-MCD64A1火產(chǎn)品(https://e4ftl01.cr.usgs.gov/)，該產(chǎn)品在監(jiān)測植被火災(zāi)方面具有良好可靠性[4，20]。以2001—2018年浙江區(qū)域衛(wèi)星火數(shù)據(jù)與植被類型圖(1 km空間分辨率)進(jìn)行疊加(http://westdc.westgis.ac.cn/)，提取野火數(shù)據(jù)，數(shù)據(jù)包含每次野火發(fā)生時(shí)間、地理坐標(biāo)。

地形數(shù)據(jù)：地形數(shù)據(jù)包括高程、坡向、坡度。其中高程數(shù)據(jù)來源于地理空間數(shù)據(jù)云(http://www.gsclo-ud.cn/sources/?cdataid=265&pdataid=10)，運(yùn)用ArcGIS對(duì)高程數(shù)據(jù)進(jìn)行3D分析，獲得坡向和坡度等數(shù)據(jù)，坡向指數(shù)也是目前地形研究的主要數(shù)據(jù)，坡向指數(shù)(IA)計(jì)算公式為：IA=cos(θ×2π/360)。式中：θ為坡向程度和范圍0°～360°，IA取值范圍為-1～1，越接近1，潛在太陽輻射越強(qiáng)。

氣象數(shù)據(jù):氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)共享網(wǎng)絡(luò)(http://cdc.cma.gov.cn/)，浙江及周邊42個(gè)國家級(jí)氣象站的每日氣象數(shù)據(jù)。每日氣象數(shù)據(jù)主要包括日平均地表氣溫、日最高地表氣溫、日最低地表氣溫、日平均風(fēng)速、日最大風(fēng)速、日降水量、日平均氣壓、日照時(shí)間、日平均氣溫、日最高氣溫、日最低氣溫、日平均相對(duì)濕度和日最小相對(duì)濕度等13個(gè)氣象因子。

植被數(shù)據(jù)：植被覆蓋數(shù)據(jù)跟據(jù)地理空間數(shù)據(jù)云(http://www.gscloud.cn)Landsat影像經(jīng)過拼接、校正、投影等變換合成歸一化植被指數(shù)(I)，根據(jù)前人研究成果，以歸一化植被指數(shù)為基礎(chǔ)采用像元二分模型計(jì)算植被覆蓋度(FVC)[21]，公式如下：FVC=(I-IS)/(IV-IS)。式中，IS、IV分別為純土壤像元值、純植被像元值，其中IS、IV在完整的遙感圖像處理平臺(tái)中以5%置信區(qū)間確定。

2.2 數(shù)據(jù)處理

2.2.1 多重共線性診斷

多重共線性是自變量間相關(guān)關(guān)系重要表現(xiàn)，如果模型存在較高共線性，會(huì)導(dǎo)致顯著性檢驗(yàn)失去意義及模型的預(yù)測功能失效。因此在模型建模前應(yīng)對(duì)自變量進(jìn)行多重共線性診斷，剔除有顯著共線性的自變量。本研究運(yùn)用方差膨脹因子(VIF)對(duì)因子進(jìn)行多重共線性檢驗(yàn)，以方差膨脹因子等于10為標(biāo)準(zhǔn)。當(dāng)方差膨脹因子大于10時(shí)，表明自變量間存在多重共線性，將其剔除并以逐步回歸法得到最優(yōu)結(jié)果；當(dāng)方差膨脹因子小于10時(shí)，表明自變量間不存在多重共線性[22]。

2.2.2 地理加權(quán)邏輯斯蒂回歸模型

地理加權(quán)邏輯斯蒂回歸模型(GWLR)是對(duì)傳統(tǒng)的全局邏輯斯蒂回歸模型擴(kuò)展，納入空間因素——地理位置信息，利用加權(quán)最小二乘法對(duì)每一個(gè)樣點(diǎn)進(jìn)行參數(shù)估計(jì)，因此每個(gè)樣點(diǎn)都有對(duì)應(yīng)的估計(jì)系數(shù)[23]。與全局邏輯斯蒂回歸模型相同，假設(shè)位置i有野火發(fā)生的概率為P，無野火發(fā)生的概率為(1-P)，則GWLR模型的表達(dá)式如下：

β2(ui,vi)xi2+…+βn(ui,vi)xin。

式中：(ui,vi)為樣本單元(樣點(diǎn))i的坐標(biāo)；βn(ui,vi)為樣點(diǎn)i上的第n個(gè)回歸參數(shù)。

根據(jù)基于前人研究成果將總樣本數(shù)據(jù)隨機(jī)的分成60%訓(xùn)練樣本和40%測試樣本[24]，重復(fù)5次有放回隨機(jī)抽樣，分別得到5組樣本，對(duì)5組樣本組進(jìn)行地理加權(quán)邏輯斯蒂回歸運(yùn)算，建立5個(gè)中間模型。得到各自空間不穩(wěn)定變量大于3次為基準(zhǔn)，確定最終變量，進(jìn)行最終樣本運(yùn)算。

2.3 浙江區(qū)域野火精度評(píng)價(jià)

應(yīng)用特征曲線(ROC)下面積值(AU,C)，分析評(píng)價(jià)浙江區(qū)域基于氣象、地形和植被模型預(yù)測能力[25]。AU,C值的范圍為0.5～1.0，其中，AU,C>0.8時(shí)，表示模型具有良好的預(yù)測能力?；谔卣髑€靈敏度系數(shù)和特異性系數(shù)計(jì)算的約登指數(shù)(靈敏度系數(shù)+特異性系數(shù)-1)，可判斷全局GWLR模型預(yù)測準(zhǔn)確度的最佳閾值。如果模型的預(yù)測值高于該閾值，則認(rèn)為野火發(fā)生概率大；如果小于該閾值，則野火發(fā)生概率小。

3 結(jié)果與分析

3.1 浙江區(qū)域野火時(shí)間變化

圖1顯示，浙江區(qū)域野火次數(shù)月變化存在差異，野火主要集中在10月到次年4月。時(shí)間上野火在10、11、12、1、2、3和4月份火災(zāi)發(fā)生比率分別為14.50%、4.43%、4.60%、6.45%、20.31%、30.48%和14.50%，其占全年總火點(diǎn)的95.29%以上，因此10月到次年4月將成為浙江區(qū)域野火重點(diǎn)防火期，5月—9月為非防火期。

表1 2001—2018年浙江野火月時(shí)間變化

3.2 GWLR模型擬合結(jié)果

由表2可知，本研究運(yùn)用方差膨脹因子對(duì)模型自變量進(jìn)行多重共線性診斷，逐步剔除具有顯著共線性自變量。防火期逐步剔除日平均地表氣溫、日平均氣溫、日最低地表氣溫、前一年植被覆蓋度和年平均氣溫等5個(gè)自變量；非防火期逐步剔除日平均地表氣溫、日平均氣溫、植被覆蓋度、日最高氣溫和日最低氣溫等5個(gè)自變量。

樣本平穩(wěn)性檢驗(yàn)是假定因變量和自變量具有空間平穩(wěn)性特征，對(duì)防火期和非防火期10組訓(xùn)練樣本進(jìn)行模型擬合后，對(duì)因變量與自變量之間關(guān)系空間非平穩(wěn)性進(jìn)行檢驗(yàn)。如果“GWL R模型變量估計(jì)系數(shù)上下四分位數(shù)范圍大于全局邏輯斯蒂回歸模型因變量估計(jì)系數(shù)±標(biāo)準(zhǔn)差范圍”，說明因變量野火發(fā)生影響具有空間非平穩(wěn)性。浙江區(qū)域防火期和非防火期各5個(gè)訓(xùn)練樣本中選擇出3次及以上非平穩(wěn)性變量進(jìn)入全樣本擬合階段，并作為本研究模型因子，空間變量非平穩(wěn)性檢驗(yàn)詳見表3。

表2 自變量的多重共線性檢驗(yàn)

表3 GWLR模型空間非平穩(wěn)性變量檢驗(yàn)

由表4可知，防火期和非防火期全樣本數(shù)據(jù)GWLR模型參數(shù)擬合結(jié)果，防火期和非防火期野火發(fā)生影響因子存在差異。其中，日平均地表氣溫、日降水量、海拔和年平均降水等4個(gè)因子全年對(duì)野火影響顯著；僅非防火期海拔對(duì)野火影響呈負(fù)相關(guān)關(guān)系，前一年植被覆蓋度呈正相關(guān)關(guān)系，其他因子在整個(gè)浙江區(qū)域上均在正相關(guān)和負(fù)相關(guān)之間變化。

表4 全樣本數(shù)據(jù)GWLR模型參數(shù)估計(jì)

為了更好展現(xiàn)GWLR模型各因子系數(shù)變化，本研究ArcGIS10.4軟件運(yùn)用普通克里金法對(duì)防火期和非防火期全樣本各個(gè)因子估計(jì)系數(shù)進(jìn)行空間插值，對(duì)因子估計(jì)系數(shù)空間分布特征進(jìn)行分析，其中防火期和非防火期各因子系數(shù)差異顯著(見圖2、圖3)，說明野火發(fā)生不僅受到氣象因素影響，還受季節(jié)影響很大。此外，在因子空間變化特征進(jìn)行分析的基礎(chǔ)上，進(jìn)行因子系數(shù)t檢驗(yàn)和空間普通克里金插值，如果估計(jì)t值大于1.96，則在研究區(qū)域上綠色顯示，若小于-1.96，則在研究區(qū)域上以藍(lán)色顯示(見圖4、圖5)。

MA-GST為日最高地表氣溫；AV-WIN為日平均風(fēng)速；PRE為日降水量；AV-PRS為日平均氣壓；MI-TEM為日最低氣溫；MI-RHU為日最小相對(duì)濕度；DEM為海拔；Slope為坡度；Y-PRE為年平均降水量；FVC為植被覆蓋度；Constant為常數(shù)。

3.3 模型效果評(píng)價(jià)

ROC曲線下面積(AU,C)是目前國內(nèi)外運(yùn)用較廣方法，是判別模型精度重要指標(biāo)，研究顯示AU,C值域范圍一般在0.5～1.0。當(dāng)0.50.9時(shí)，有極高準(zhǔn)確性，而AU,C為0.5時(shí)，說明該診斷方法無診斷價(jià)值。由表5可知，防火期GWLR模型AU,C值和預(yù)測準(zhǔn)確率平均值分別是0.903和86.03%，非防火期AU,C值和預(yù)測準(zhǔn)確率平均值分別是0.926和90.76%，表明GWLR模型在非防火期預(yù)測效果更佳。

MA-GST為日最高地表氣溫；PRE為日降水量；SSD為日照時(shí)間；DEM為海拔；Aspect Index為坡向指數(shù)；Y-PRE為年平均降水量；Y-TEM為年平均氣溫；PR-FVC為前一年植被覆蓋度；Constant為常數(shù)。

表5 GWLR模型評(píng)價(jià)

3.4 浙江區(qū)域野火概率分布

研究表明GWLR對(duì)浙江區(qū)域野火發(fā)生進(jìn)行全樣本計(jì)算出野火隨機(jī)點(diǎn)預(yù)測概率，并運(yùn)用普通克里金插值方法對(duì)江浙野火空間概率分布進(jìn)行插值分析，GWLR模型默認(rèn)閾值為0.5和火災(zāi)發(fā)生預(yù)測概率的閾值(Cut-off)[26]對(duì)浙江區(qū)域進(jìn)行火險(xiǎn)等級(jí)區(qū)劃，防火期概率P<0.50為低火險(xiǎn)，0.50≤P<0.738為中火險(xiǎn)，P≥0.738位高火險(xiǎn)區(qū)；非防火期概率P<0.50為低火險(xiǎn)，0.50≤P<0.726為中火險(xiǎn)，P≥0.726位高火險(xiǎn)區(qū)(見圖6、圖7)。

由圖6、圖7可知，防火期和非防火期高火險(xiǎn)地區(qū)主要集中在溫州中部和東部、溫州與麗水市交匯區(qū)域、紹興市與寧波市交匯區(qū)域，其他區(qū)域有少量高火險(xiǎn)區(qū)域分布。

MA-GST為日最高地表氣溫；AV-WIN為日平均風(fēng)速；PRE為日降水量；AV-PRS為日平均氣壓；MI-TEM為日最低氣溫；MI-RHU為日最小相對(duì)濕度；DEM為海拔；Slope為坡度；Y-PRE為年平均降水量；FVC為植被覆蓋度；Constant為常數(shù)。

4 結(jié)論與討論

研究結(jié)果表明浙江區(qū)域野火時(shí)間變化不均勻，10月至次年4月野火發(fā)生點(diǎn)占全年總火點(diǎn)的95.29%，其它月份僅占4.71%，該研究防火期比整個(gè)劃定防火期(11月1日至次年4月30日)提前1個(gè)月，研究結(jié)果與靳全鋒[7]等研究結(jié)果一致。防火期的延長說明，一方面是氣候變暖促進(jìn)野火發(fā)生早于原預(yù)定期限閥值，另一方面是由于雨季不斷速斷，導(dǎo)致森林可燃物含水率大大降低，促進(jìn)野火發(fā)生；野火發(fā)生受到氣象因子影響重大，其具有顯著空間異質(zhì)性特征，發(fā)現(xiàn)防火期降水量較少，最大地表氣溫增加，平均風(fēng)速較大區(qū)域野火發(fā)生頻率較高。Guo et al.[10，15]和Su et al.[8-9]等研究指出，溫度和風(fēng)速對(duì)野火發(fā)生具有顯著積極影響，地表溫度和平均風(fēng)速增加將有效改變森林可燃物的含水率大小來影響野火發(fā)生概率，日最小相對(duì)濕度與野火發(fā)生存在正相關(guān)關(guān)系，與與本研究的結(jié)果不一致，可能是相對(duì)濕度對(duì)野火發(fā)生沒有直接影響，通過影響森林植被的生長而影響野火，較高最小相對(duì)濕度有利于地表植被生長，進(jìn)一步增加可燃物負(fù)荷量，若大量可燃物暴露在高溫和少雨的情況下，地面可燃物負(fù)荷量大促進(jìn)了野火的發(fā)生，導(dǎo)致野火發(fā)生與最小相對(duì)濕度之間存在正相關(guān)系[16，27]；然而非防火期降水和最大地表氣溫增加有效促進(jìn)生長季節(jié)植物生長，植被含水率較高，有效抑制野火在該時(shí)期的發(fā)生，日照時(shí)長與野火發(fā)生存在正相關(guān)關(guān)系，Guo et al.[10，15]研究指出，日照時(shí)長增加，有效改善森林可燃物含水率，改變野火發(fā)生頻率。

MA-GST為日最高地表氣溫；PRE為日降水量；SSD為日照時(shí)間；DEM為海拔；Aspect Index為坡向指數(shù)；Y-PRE為年平均降水量；Y-TEM為年平均氣溫；PR-FVC為前一年植被覆蓋度；Constant為常數(shù)。

地形和植被因子是通過改變水分分布和可燃物負(fù)荷量等間接影響野火發(fā)生，海拔低、坡度緩和植被茂密區(qū)域越有利于野火發(fā)生，研究結(jié)果也表明野火發(fā)生的概率與海拔呈負(fù)相關(guān)關(guān)系，與植被覆蓋度呈正相關(guān)關(guān)系。浙江區(qū)域野火火源多為人為源，隨著海波增加，人類活動(dòng)逐漸減弱，野火發(fā)生頻率也降低；野火在緩坡區(qū)域發(fā)生頻率最高，主要由于緩坡區(qū)域能夠較好保存適量水分，促進(jìn)有效燃料積累，防火期大量草本死亡和森林凋落物積累，為野火發(fā)生積累大量細(xì)軟可燃物，防火期水分的缺乏有利于野火發(fā)生和蔓延[28]。

本研究運(yùn)用GWLR模型是全局空間回歸模型僅解決空間因子非平穩(wěn)性問題，僅考慮自然因子對(duì)野火影響，研究顯示社會(huì)、經(jīng)濟(jì)、人口和基礎(chǔ)設(shè)施等因子對(duì)野火發(fā)生影響顯著[10，29-31]，因此，未來研究對(duì)野火影響的影子時(shí)，必須考慮社會(huì)、經(jīng)濟(jì)、人口和基礎(chǔ)設(shè)施等因子。

圖6 防火期野火生概率和火險(xiǎn)等級(jí)分布

圖7 非防火期野火生概率和火險(xiǎn)等級(jí)分布