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

[目的]应用逻辑斯蒂回归模型和随机森林算法建立大兴安岭塔河地区林火发生的预测模型并对比模型预测精度,判断随机森林算法在该地区林火预测中的适应性,为该地区林火管理工作提供技术支持。[方法]利用1974—2008年大兴安岭塔河地区森林火灾发生数据,分别运用二项逻辑斯蒂回归模型和随机森林算法,对塔河地区林火发生与气象因子之间的关系进行实证分析。为减少训练样本分布对试验结果的影响,将全样本数据随机分成60%的训练样本和40%的测试样本,并且进行5次重复,建立5个中间模型(样本组)。选择在5个中间模型中的3个及以上的显著变量(因子)对全样本数据进行分析并分别比较2种模型算法在5个中间模型和全样本模型中的预测准确率。此外,还设计了变量交互试验进一步验证相同变量下2种模型的预测精度。[结果]日最小相对湿度、细小可燃物湿度码和干旱码3个因子在二项逻辑斯蒂回归模型和随机森林算法中均与林火发生呈显著相关。模型拟合的预测结果显示:在对5个中间模型的预测中,随机森林算法对训练样本(60%)和测试样本(40%)的预测准确率分别高于二项逻辑斯蒂回归模型8%和10%左右;在全样本模型的预测中,随机森林算法拟合的准确率为85.0%,而二项逻辑斯蒂回归模型拟合的准确率为76.2%,二者相差10%左右,与之前5个中间模型的预测结果一致;在变量交互试验中,随机森林算法拟合的准确率为86.0%,而二项逻辑斯蒂回归模型拟合的准确率为72.8%,随机森林算法的预测准确率提高了18.1%左右。[结论]日最小相对湿度、细小可燃物湿度码和干旱码是影响林火发生的主要气象因子。在基于气象因子的塔河地区林火发生预测模型研究中,随机森林算法的预测准确率高于传统二项逻辑斯蒂回归模型10%左右,具有一定的预测优势和应用价值,可为大兴安岭塔河地区林火预测和决策提供参考。

大兴安岭塔河地区雷击火发生驱动因子综合分析

森林火灾是一个全球性问题,对森林资源和温室气体排放有重要影响,并严重影响人们生命财产安全。林火主要分为人为火(人为活动引起)和雷击火(雷电引起)两大类。在我国北方针叶林带,雷击火主要集中在黑龙江大兴安岭和内蒙古呼伦贝尔盟地区。大兴安岭塔河地区位于我国北方针叶林带,是森林火灾的重灾区。其中雷击火所占比例大约1/3以上。目前针对当地雷击火与影响因子的研究主要集中于气象因子,非气象因子(森林可燃物和地形特征)的研究受数据条件和技术手段限制研究报道较少。研究数据包含三部分,林火数据,气象数据和地理植被数据。林火数据包含1974—2009年间林火发生经纬度坐标,时间和面积等。气象数据主要包括每日尺度的最低气温,最高气温,平均风速,平均相对湿度等因子。根据加拿大火险天气指标系统计算出了出了细小可燃物湿度码(FFMC),干燥可燃物湿度码(DMC)和干旱码(DC)也没用于本研究。此外,基于1∶10万塔河地区数字化林相图提取了海拔、坡度、坡向、森林类型、优势树种、龄级等因子用于决策因子分析。研究数据分析过程主要应用Arc GIS10.0中的空间分析工具和SPSS19.0的逻辑斯蒂回归模型完成。研究结果显示"日最低气温","最大风速"和"最小相对湿度"3个气象因子及火险天气指标系统(FWI)中细小可燃物湿度码(FFMC)干旱码(DC)与雷击火发生概率显著相关(P<0.05),模型整体拟合水平R2(Cox&Snell)=0.326。在非气象因子与雷击火发生的逻辑斯蒂模型检验中,"地被物盖度"和"龄级"均在P=0.05水平上与雷击火发生显著相关,其模型的整体拟合水平R2(Cox&Snell)为0.15。研究结论表明在分析雷击火发生的决策因子时,应该综合考虑气象、可燃物和林分因素。

福建林火发生的驱动因子及空间格局分析

福建省是我国的林火高发区,但目前国内关于该地区林火发生特性等方面的研究还不够深入。国内外研究表明,林火的发生受到气象、植被、地形以及社会经济等因素的综合影响。运用Arcgis10.0等相关软件对林火潜在影响因子(气象、植被、地形等)进行空间信息提取,并与火点和对照点结合通过Logistic回归分析和receiver operating characteristic(ROC)检验方法分析了福建地区林火发生的驱动因子,并获得了林火预测模型。以预测模型为基础对福建地区火险进行了区划。结果显示:"点到铁路的距离","高程","人口密度","日最高地表气温"等7个因素对当地林火发生有显著的影响。此外,模型整体拟合水平和预测精度较高,对当地的林火管理工作具有一定的参考价值。

武夷山自然保护区不同海拔土壤磷素的分布规律

为探讨不同海拔高度土壤磷素的异质性分布规律,以武夷山自然保护区不同海拔土壤为研究对象,通过对不同海拔和层次土壤不同形态磷素的分析测定,研究土壤磷素的异质性分布规律。结果表明,武夷山自然保护区不同海拔高度土壤磷素呈明显的空间异质性分布。土壤全磷、有效磷、无机磷和有机磷的含量均随海拔增加呈逐渐增加趋势;不同海拔土壤无机磷含量均表现为O-P>Fe-P>Al-P>Ca-P,有机磷含量表现为中等活性有机磷>中稳性有机磷>高稳性有机磷>活性有机磷;随土层深度的增加,土壤不同形态磷素含量均呈逐渐减少趋势,0-20 cm土层不同形态磷素含量均显著大于其它土层(P<0.05),>20-40 cm与>40-60 cm土层不同形态磷素差异不显著(P<0.05)。

福建长汀红壤区植被覆盖度变化趋势分析

福建长汀位于中国南方亚热带红壤丘陵区,水土流失、山体滑坡等自然灾害较为严重,分析当地植被覆盖度的变化趋势是评价水土流失治理及生态环境恢复的有效手段。以Landsat数据为基础,应用地理信息系统(GIS)技术,提取福建省长汀红壤区2000-2014年的归一化植被指数(NDVI)值,并采用像元二分模型和差值法分别对植被覆盖度、植被恢复等级进行估算。结果表明,15 a长汀红壤区NDVI呈明显上升趋势,植被覆盖度呈明显增加趋势,高植被覆盖面积增加了2 132.90 km2,面积比例提高68.86%,植被变化以恢复和完全恢复为主,占全区总面积的88.07%。经过多年的治理,长汀红壤区植被覆盖状况已得到很大改善,但仍有占长汀土地总面积0.42%的区域属植被严重退化区,主要分布于汀江两岸,建议在该流域加强水土流失治理保护措施,合理生产开发利用,从而有效防治水土流失。

基于气象因子的福建省森林火险预测模型

福建省森林覆盖率位居全国第一,同时福建省也是林火高发区之一,但关于该地区林火预测模型和空间格局的研究还不完善。将2000-2004年林火数据分为60%(建模)和40%(校验)两部分进行建模和校验,得到5个中间模型,选择其中3个中间模型中显著的因子进入最后的全样本数据拟合,并使用2005年林火数据做独立校验。结果表明,日最高地表气温、日最低地表气温、平均风速、最大风速、20-20时降水量、日照时间、日最高气温、平均相对湿度、最小相对湿度共9个变量与林火发生显著相关。全模型拟合结果显示模型的预测准确率为72.3%。

基于随机森林算法的福建省林火发生主要气象因子分析

应用＂随机森林＂算法,以福建省22个国家级气象站每日气象数据和2000年～2003年间林火火点卫星解译数据为基础,对影响福建省林火发生的主要气象因子进行分析,并对2004年的林火数据进行独立检验。研究结果显示,＂日最高地表气温＂、＂日最低地表气温＂、＂日照时数＂、＂日最高气温＂和＂日最小相对湿度＂等5个气象因子是影响林火发生的主要驱动因子,且这5个气象因子对林火发生的影响大小为：＂日照时数＂〉＂日最高气温＂〉＂日最低地表气温＂〉＂日最小相对湿度＂〉＂日最高地表气温＂;随机森林算法的拟合结果显示：随机森林算法对福建省林火发生的预测精度为82.3%,表明随机森林算法对我国福建省林火发生的预测具有较高的预测能力,可用于基于气象因子的我国福建省林火发生的预测预报。本研究可为福建省林火的预测和决策工作提供一定的参考依据。

大兴安岭典型林型地表可燃物含水率预测模型

准确地模拟地表可燃物含水率动态变化规律,对于预测预报林火发生或林火行为具有重要意义。应用Nelson模型和Simard模型,以5种典型林型(分别为阴坡落叶松林、阴坡落叶松-白桦混交林、阴坡白桦林、阳坡樟子松林和阳坡白桦林)的地表可燃物为研究对象,分析了气象因子与地被可燃物含水率的相关性,用2015年春季防火期实测数据构建了5种不同林型的可燃物含水率预测模型,并用2016年春季防火期监测数据对预测结果进行验证。结果表明:Nelson模型得出5种林分预测结果为:阴坡落叶松林>阳坡白桦林>阴坡白桦落叶松林>阴坡白桦林>阳坡樟子松林。Simard模型得出5种林分预测结果为:阴坡落叶松林>阴坡白桦林>阳坡白桦林>阴坡白桦落叶松林>阳坡樟子松林。2种模型预测阴坡落叶松的含水率准确率均高于其他4种林分。Nelson模型给出的阴坡落叶松平均绝对误差为0.09,平均相对误差(MRE)为0.09,Simard模型给出的平均绝对误差为0.10,平均相对误差为0.10,Nelson模型略优于Simard模型。研究结果可为该区的森林防火提供快速和准确的火险预测预报,进而为有效防控森林火灾提供重要的技术支撑。

小兴安岭伊春地区林火发生自然影响因子及其影响力

以1980—2009年伊春地区林火发生数据为基础,综合考虑高程、植被类型、基础设施和气象条件等因素,运用随机森林算法对伊春地区的林火发生影响因子及其影响力进行分析。结果显示：当日平均相对湿度小于30%时,火灾发生的概率最大;日最高地表温度在15℃的范围内对林火发生的影响最小,大于15℃之后对林火发生的影响逐渐增大。伊春林火主要集中在海拔0～400 m及距离居民区15～30 km的范围内。相对湿度对林火发生的影响最大,地表温度对林火发生的影响次之,距居民区距离对林火发生的影响最小。此外,随机森林算法对伊春地区森林火灾具有较高的预测精度,达80%。林火发生概率插值图和火险区划图显示,伊春地区林火发生主要集中在中部、东南和最北部地区,西南、东北地区也存在高火险地区。

地形环境因素对塔河林业局人为森林火灾发生的影响

应用1974年—2009年间人为火的空间地理坐标,结合研究地的基础地理信息及矢量化林相图,应用ArcGIS10.0中的空间分析工具和SPSS19.0的逻辑斯蒂回归模型深入分析地形环境因素对人为火发生的影响。研究结果表明"到铁路距离"对人为火的影响显著,其次,在1∶1和1∶3选取随机点条件下人为火发生分别与"优势树种"和"林型"显著相关。本文研究显示在运用"随机点"方法进行相关性分析时,随机点选取数量对模型拟合结果有一定影响。

吉林省东部地区植被覆盖度变化及影响因子

应用像元二分模型、多元线性回归分析方法,以2000—2010年吉林省东部植被覆盖数据为基础,综合考虑高程、气象因子、林火干扰和社会经济等因素,对吉林省东部植被覆盖度变化及影响因子进行了分析.为减少随机样本的误差,保证数据的稳定性,将原始数据集随机分为建模样本(60%)和校验样本(40%),在划分建模样本和校验样本时分别做5次重复,对5个样本分别进行模型拟合并选择显著出现3次及以上的变量进入最终模型进行拟合.结果表明:2000—2010年,吉林省东部植被覆盖呈上升趋势,但整体变化较小;研究区域植被变化类型以稳定和增加为主,占研究区总面积的91.6%,植被退化类型面积仅占研究区的8%,呈零星分布.吉林省东部的植被覆盖度变化是地形因子、气象因子和社会经济因子综合作用的结果,其影响因子重要性顺序为:"高程">"月平均降水">"人口密度">"坡度">"农村居民收入">"月平均相对湿度".

大兴安岭不同坡位地表可燃物含水率的动态变化与建模

大兴安岭林区是我国森林资源最为丰富、森林火灾最为严重的地区。分析该地区气象、地表可燃物含水率动态变化规律,准确估测地表可燃物含水率可以降低森林火灾发生的几率,对该地区的森林防火工作意义重大。本研究以大兴安岭地区三种典型林型(阴坡白桦林、阳坡樟子松林、阴坡落叶松林)的地表可燃物为研究对象,分析不同林型、不同坡位(上坡位、中坡位、下坡位)地表可燃物含水率和气象参数的动态变化规律,计算气象因子与地表可燃物含水率的Pearson相关系数,分别采用Nelson法、Simard法和气象要素回归法建立地表可燃物含水率预测模型。研究结论如下:对于研究区不同林分,阳坡樟子松林空气平均温度高于阴坡白桦林,阴坡白桦林平均温度高于阴坡落叶松林;阴坡落叶松空气湿度高于阴坡白桦林空气湿度,阴坡白桦林空气湿度高于阳坡樟子松林空气湿度;地表可燃物含水率的关系为阴坡落叶松林>阴坡白桦林>阳坡樟子松林;三种林分地表可燃物含水率均与空气相对湿度、当日最高空气相对湿度呈正相关,与空气温度、当日最高空气温度呈负相关,与风速的相关性较低;Nelson法建立的模型决定系数R2为0.635~0.934,Simard法构建的预测模型,决定系数R2为0.82~0.907,逐步回归模型的决定系数R2为0.191~0.408,Nelson法和Simard法是更适于该地区的地表可燃物含水率预测方法。

不同炭化温度下杉木生物炭产率及特性比较

为探讨炼山后杉木各组分残余物性质特征，以杉木不同组分（枝、叶、皮、根）为试验材料，运用室内模拟方法，采用限氧升温炭化法，进行杉木各组分在不同的炭化温度下所得生物炭的特性比较研究。结果表明：随着炭化温度的升高，杉木各组分的生物炭的产率和水分逐渐降低，而灰分含量逐渐增加，其中在300-400℃温度范围内，杉木枝、根、皮、叶的生物炭的产率的降幅最大，分别达到33.22％、33.50％、32.85％、40.68％；杉木各组分生物炭的N、C含量皆随着炭化温度的升高而增加，而以杉木叶的生物炭（ LC） N、Mg含量最高，最大分别达到1.71％、33.48 g·kg^-1；在同一炭化温度下，杉木枝的生物炭（ BC）的C含量明显高于其他组分生物炭，杉木皮的生物炭（ WC）的Fe、Ca含量高于杉木其他组分生物炭。

福建西部地区林火发生格局及驱动因子分析

福建省西部地区森林覆盖率高,且是中国的林火高发区之一,但关于该地区的林火发生格局和预测预报的研究还不完善。以2000—2010年福建林火数据为基础,运用Ripley's K-function和逻辑斯蒂回归模型,综合考虑地形、气象条件、植被条件及人口密度4类因素,对福建西部地区林火分布格局及主要影响因子进行综合分析并建立预测模型。结果表明:福建西部地区2000—2010年间林火发生主要为聚集分布;海拔、日平均气温、日平均相对湿度、日降水、植被覆盖度、人口密度6个因子是福建西部地区林火发生的主要驱动因子;模型预测准确率接近70%且模型内自变量均显著。林火风险概率和火险等级显示,福建西部地区林火发生主要集中在西北部和中部地区。

杉木分布区中带不同发育阶段人工林生物量估测模型

在收集杉木分布区中带不同发育阶段杉木人工林生物量资料基础上,选择10种不同的生物量估测模型,对杉木幼龄林、中龄林、近熟林和成熟林各器官(地上部分、叶、枝、皮、干、根)生物量与主要测树因子进行拟合,筛选不同发育阶段杉木不同器官生物量估测模型。结果表明:拟合效果最好的为幂函数模型,其次为指数函数模型,再次为多项式模型;共筛选出估算杉木幼龄林、中龄林、近熟林和成熟林各器官和总生物量的最优模型42个(包括36个不同器官生物量模型、6个全株生物量模型);从杉木各器官生物量的拟合效果看,拟合度最高的模型均是以胸径和树高为自变量的模型。这些模型为分布区中带不同发育阶段杉木人工林生物量的确定和碳储量评价提供科学依据。

基于Gompit回归模型的大兴安岭林火预测模型及驱动因子研究

本研究基于2000—2016年林火数据,选取气象、地形、植被、人为活动等因素作为林火预测变量,采用Gompit回归模型对林火发生的主要驱动因子进行分析,并建立大兴安岭地区林火发生预测模型。结果表明:大兴安岭地区林火受气象因素(日累计降水、日平均相对湿度)的影响最大且与林火发生均呈显著负相关;此外,大兴安岭林火多发生于缓坡、远离居民区、铁路、公路等人为活动较为频繁地区。模型结果表明:Gompit回归模型的预测效果较好(准确率77%),ROC检验结果表明模型的拟合度较高(效果值为0.868);而独立样本的检验显示,预测准确率为75.3%,模型具有较高的适用性。大兴安岭近17年的火险等级总体呈南高北低、东高西低的地理分布,其中高火险和中火险区主要集中在南部、东南部等地,占整个研究区域的24.2%;同时南部和东南部存在大面积低估区,表明模型对这些地区的预测能力不高。

福建长汀红壤区1965—2013年气温和降水量的变化趋势

采用线性回归、Daniel和Mann-Kendall检验法,分析长汀地区1965-2013年的气温及降水变化趋势,并选取屏南地区做对比研究,解释长汀地区气象因子变化的原因.结果表明采用这3种方法进行气温、降水量变化趋势分析,得出的结论基本一致,即长汀地区1965—2013年气温呈增长趋势,且增长显著;1965—1989年降水量处于持续减少状态,从1990年开始增加,2000年以后增加趋势趋于缓慢.Mann-Kendall突变检验显示:长汀地区在2005年发生气温突变,2005年以后气温呈上升趋势,并于2008年达到显著增加水平;而对照地区屏南的气温突变发生在1994年,并在2000年以后气温呈显著上升状态.表明整体上长汀地区的温度和降水的变化趋势与对照地区(屏南)相近,但存在突变点提前或滞后的现象.说明人为因素对当地植被和生态环境造成了影响,进而影响了当地的温度和降水等区域气象因子.

基于Logistic回归模型的浙江省林火发生驱动因子分析

【目的】对浙江省2000-2016年林火发生的主要影响因素进行分析,确定驱动因子,建立林火预测模型并划分火险等级,为我国东南林区林火预防与管理提供科学支撑。【方法】以卫星火点数据为基础,运用Arcgis 10.2等软件,对气候因素(气温日较差、月平均气温、月平均降水量、月平均相对湿度、上年月平均降水量、上年月平均相对湿度、日累积降水量、日相对湿度、日平均风速)、地形因素(海拔、坡度)、植被数据(植被覆盖度)、社会基础设施因素(人口密度、人均GDP、距居民点距离、距铁路距离、距公路距离)进行空间信息提取,并与随机点结合后通过Logistic回归模型分析浙江省林火发生的驱动因子;使用“标准化系数”方法检验各林火驱动因子对林火发生的相对重要性;利用ROC曲线方法对模型预测能力进行拟合检验,并计算划分林火发生概率的最佳阈值。【结果】气温日较差、日相对湿度、月平均相对湿度、上年月平均降水量、日累积降水量、植被覆盖度、上年月平均相对湿度、月平均降水量、距居民点距离、距公路距离、距铁路距离等11个因素与林火发生存在显著相关;模型总体预测准确率达到79.1%;计算出浙江省划分林火发生概率的最佳阈值为0.458。【结论】浙江省高火险区主要位于东部和南部地区,东部地区的林火管理重点应放在人为活动的管理与防火宣传教育上,而南部地区应当在林火高发区增设瞭望塔和视频监测设备。

华安新圩百年坪山柚生态园区土壤调查及改良方案

福建华安百年坪山柚生态园内的柚树是当地重点保护柚种资源,通过对柚山园区土壤进行调查、检测发现问题,并根据调查结果制定出相应的土壤改良方案,以此增强树势,改善果实的品质,推进百年生态柚园的生态保护。

基于Logistic和GWR Logistic的雷州半岛野火驱动因素的分析

利用全局Logistic和地理加权Logistic回归模型,分析了2001—2018年中国雷州半岛热带野火的空间分布和驱动因素。结果表明:2001—2018年雷州半岛野火的总体分布是空间聚集的。雷州半岛野火的驱动因子具有明显的空间差异,GWLR模型更好地解释了这种关系;该地区野火主要是由气象因素驱动的,特别是气温日较差和降雨量驱动的;此外,雷州的野火更多地是由人类活动驱动的,尤其是对农田的管理。本研究可为区域火灾管理战略的制定提供参考。