利用2005—2011年5—10月黑龙江省大兴安岭林区的雷击火灾、闪电气象数据和其它数据,建立用于该地区雷击火预报的二项Logistic回归模型,并将ROC曲线用于模型的评价。结果表明:2005—2011年该地区雷击火发生数量年际变化较大,相对于人为火呈上升趋势;集中发生于5—6月,与云地闪电发生频数相关不显著(P>0.05)。经似然比检验,最终进入模型的变量为:前7 d FFMC平均值、前3 d地闪次数、前7 d平均降水量。用于模型评价的ROC曲线比较凸近左上角,曲线下面积(AUC)为0.888,表明模

结合黑龙江大兴安岭雷击火发生特点及该地区的气象条件,引用加拿大天气指标(FWI)系统,使用2005年至2010年每日的闪电定位数据、天气数据、雷击引发的火灾数据,利用二元Logistic回归模型,采用全部进入法建立回归模型,最后检验分析显示:模型拟合效果较为理想,为预测黑龙江大兴安岭地区雷击火发生概率提供依据。

雷击火是中国大兴安岭地区重要火源。根据1990—2006年研究区内10个气象站日观测数据包括最高气温、最小湿度、24 h降水、平均风速等指标计算每日FW I系统各指标,分析雷击火的发生与火险指数的关系。根据各气象站与研究区质心的距离确定各气象站的权重,计算研究区火险指数平均值。1990—2006年大兴安岭林区共发生森林火灾591起,其中雷击火359起,占60.7%。70%的雷击火分布在121°~125°E,51°~53°N,平均每起雷击火过火面积为797.37 hm2,森林受害面积为581.67 hm2。71.9%、2.5%和17.3%的雷击火分别发生在落叶针叶林、落叶阔叶林和草地。雷击火发生...

【目的】基于长时间序列多源数据，开展雷击火驱动因子分析，采用机器学习方法构建动态、高分辨率雷击火火险预测模型，为雷击火防控提供支撑。【方法】分析大兴安岭地区2010—2020年雷击火时空分布规律，基于闪电监测数据、卫星遥感数据、气象再分析资料、DEM等多源数据选取闪电、气象、植被、地形4类18个雷击火潜在驱动因子，研究其特征及与雷击火发生的关系；提取历史雷击火点和随机生成的非雷击火点对应的驱动因子，构建原始样本集，计算各驱动因子的重要性和相关性矩阵进行驱动因子挑选；基于优化后的训练样本集，采用梯度提升决策树（GBDT）、随机森林（RF）和极端随机树（ERT）3种集成学习模型进行雷击火火险预测能力评估，选择表现最优的方法用于构建大兴安岭地区雷击火火险预测模型并应用。【结果】2010―2020年大兴安岭雷击火出现次数最多和最少的年份分别为2015和2012年，主要集中于5―7月，发生时段主要集中于10:00―17:00；雷击火高发区为漠河县、塔河县、新林区和呼中区。闪电与雷击火的空间分布基本一致，但闪电越多雷击火发生次数不一定越多，2011年闪电次数最多，为114 632次，雷击火仅出现11次。在闪电强度为-20～-40 kA、陡度为-4～-8 kA·μs~(-1)、相对湿度小于40%、降水量小于4 mm、气温大于29℃、大气压为91～95 kPa且风速为1～3 m·s~(-1)的气象条件下更易发生雷击火。NDVI（归一化植被指数）、GPP（总初级生产力）、Et（蒸散量）、NPP（净初级生产力）大小与雷击火发生呈正相关。雷击火在海拔300～900 m、坡度0～12°范围内出现次数较多，坡向对雷击火发生影响不大。特征选择后剩余13个特征参量分别参与3种集成学习算法模型构建，其中，ERT模型预测能力最好，其AUC达0.97，查准率、查全率和F1 Score均高于GBDT和RF模型。ERT模型预测的高风险区与实际雷击火点分布区的空间一致性很好。【结论】利用多源大数据，尤其是卫星观测数据，获取更多与雷击火发生有关的潜在驱动因子，并依靠机器学习，能够较好体现因子间非线性关系及自行学习参数间复杂关系能力的优势，本研究构建的雷击火火险预测模型具备很好的泛化性、自适应性和较高的空间分辨率。

根据2007—2009年大兴安岭林区闪电和林火监测结果进行分析,研究火灾发生时的火险状况和雷击火灾案例,提高对这一区域雷击火的认识。根据研究区内11个气象站定时观测数据,采用加拿大林火天气指数系统计算各站点每日火险指数,分析研究时段内火灾发生与火险和闪电分布的关系。结果表明:2007—2009年共发生野火195起,其中林火148起,主要发生在4,5和8月份。雷击天气主要出现在5—9月份,其中6,7和8月份闪电最多。闪电分布密度较高的区域主要在研究区东北部,大部分闪电活动伴随着降水,但在比较干旱的年份,容易出现干雷暴天气,易引发雷击火。根据林火及火灾发生前24h的闪电分布分析,雷击火占总火灾的5...

雷击火作为天然火源是一种难以控制的自然现象 ,其形成机理极为复杂。我国大兴安岭林区是雷击火主要发生区 ,对雷击火的研究表明特殊可燃物、干雷暴的天气和较高的地形构成了雷击火发生的火环境。长期干旱 ,可燃物失水严重 ,森林中积累丰富的可燃物 ,雷暴发生后干燥的植被容易引火燃烧 ,起火之后 ,遇上盛行的大风将使火灾迅速蔓延。雷暴 ,特别是干雷暴出现时 ,遇到降水少、地面温度增加 ,相对湿度降低 ,可燃物干燥的情况 ,就很容易引起火灾。森林火灾多发地区 ,雷击火常常也多。大兴安岭纬度越高 ,雷击火越多 ,5 1°N以北海拔 80 0m以上山脉的腹部或山顶的落叶松 -偃松林、樟子松 -偃松林林区为该林区...

【目的】分析1980—2021年大兴安岭雷击火发生历史，了解该地区雷击火的时空分布规律以及42年间的动态变化，为雷击火防控提供科学依据。【方法】基于1980—2021年大兴安岭雷击火统计资料、研究区行政区划、DEM数字高程模型，计算得到研究区的海拔、坡向和坡度分布图及对应面积，结合研究区划图，分析雷击火的空间分布特征与动态变化趋势。【结果】1）在1980—2021年间，大兴安岭地区共发生雷击火1 651起，过火总面积473 088.8 hm~2。89.4%的雷击火过火面积在100 hm~2以内。2000—2021年雷击火数量约为1980—1999年的3.5倍。95.9%的雷击火发生在5—8月，52%的雷击火发生在13:00—17:00，雷击火数量在6月15日春季防火期结束的几天内迅速增加。经度上，雷击火集中在121.2°E和122.5°E 2个中心附近；纬度上，80%的雷击火集中于51°N—53.5°N之间。不同行政区划的雷击火密度和雷击火面积比差异显著，总体上黑龙江全面高于内蒙古。雷击火集中于坡度4°～12°，占总数48.9%；坡度大于4°时，雷击火数量出现随坡度升高而减少的趋势。海拔范围600～800 m内的雷击火最多，占总数33.2%；只有1.3%的雷击火发生在海拔1 200 m以上地区。西南坡雷击火最多，为219起（13.9%）；西北坡雷击火最少，为177起（11.2%）。2）有关因子与雷击火数量的Pearson相关分析表明，雷击火数量与经度（R=–0.155,P≤0.001）、坡度（R=–0.523,P≤0.001）存在极显著负相关，与对应海拔面积（R=0.336,P≤0.001）、林业局面积（R=0.559,P≤0.001）存在极显著正相关，与对应坡度面积（R=0.734,P≤0.05）存在显著正相关，与纬度、海拔、对应坡向面积不存在显著相关。3）雷击火活跃日数在1980—1985年最少（35±16.1）天，1986—1997年开始上升（77.3±58.5）天，1998—2011年达到高峰（112.1±47.9）天，2012—2021年出现回落（68.1±33.2）天。以5年为间隔将1980—2021年划为8个时期后，第3～7个5年时期中的雷击火第一次高峰日存在逐渐前移的现象。【结论】大兴安岭的雷击火数量从2000年开始出现明显上升，一年中6月最多而8月最少，一天中以13:00—16:00最多而23:00—5:00最少；雷击火在空间上的分布有聚集趋势，除坡向外，其他空间类型基本符合面积越大，雷击火数量越多的规律。雷击火在不同坡向分布的差异明显，主要表现为南较北多，东较西多；在1980—2021年间的4个时期（1980—1985、1986—1997、1998—2011、2012—2021年）雷击火活跃日呈“平缓—上升—高峰—回落”的动态变化。雷击火第一次峰值日在年尺度上无明显规律，但在5年尺度上从第3～7个5年期间累积提前了24天。

对1972—2005年大兴安岭林区雷击火特征及其与Palmer干旱指数(PDSI)和Keetch-Byram干旱指数(KBDI)的关系分析表明:雷击火主要发生在5—9月,峰值出现在6月,约占全年雷击火次数的42%;雷击火的最大过火面积出现在5月和6月,约占全年过火总面积的85%。雷击火发生次数和面积的月动态均呈单峰型曲线变化,不同干旱指数的动态不同,其中KBDI的月动态呈单峰型曲线变化,5,6,7月最干旱;而PDSI则呈弱单峰型曲线变化,5月较干旱,6月和7月则较湿润。雷击火的年发生次数与9月的PDSI(R2=0.47,P<0.01)关系密...

【目的】对比分析黑龙江大兴安岭林区雷击火与人为火发生规律的差异性变化,为研究区针对性的开展火源管理及合理制定火灾防控政策提供科学依据和参考。【方法】基于研究区1966—2021年间发生的森林火灾数据,按火因归类筛选出雷击火和人为火,通过方差分析、线性拟合等方法对比分析雷击火与人为火在不同时间尺度上的发生差异、规律变化及火灾季的变化趋势。【结果】1966—2021年间研究区共发生森林火灾1 887起,其中雷击火932起,人为火503起,占比分别为49.39%和26.66%。雷击火与人为火在发生年份、月份和时段等不同时间尺度上均有显著差异。研究区雷击火数量呈波动增加,而人为火数量呈波动减少的趋势,尤其是1987年之后研究区雷击火数量逐渐高于人为火,但从整体看研究区森林火灾总数变化并不显著。从火灾面积来看,研究区雷击火面积整体呈增加趋势,而人为火和总森林火灾面积呈减少趋势。研究区雷击火集中发生在6、7月份,人为火多发生于4、5月份,且呈现夏季防火期雷击火数量显著增多,但雷击火面积变化并不显著,春季防火期人为火数量和面积显著减少的变化趋势。从发生时段上看,研究区人为火高发时段为10:00—15:00,而雷击火高发期在12:00—17:00。雷击火和人为火在不同时间尺度上的变化差异造成了研究区火灾季节的变动,其中雷击火灾季呈延后扩张的趋势,人为火灾季呈逐渐缩短的趋势,总森林火灾季呈收缩变短的趋势。【结论】受气候变化及防火政策的影响,黑龙江大兴安岭雷击火与人为火之间的发生规律具有明显的差异性,根据不同火灾类型的发生特点和变化趋势,开展针对性的火灾防控工作是有效降低研究区森林火灾风险的必要前提。

[目的]研究大兴安岭地区雷击火的发生规律和关键影响因素,为大兴安岭林区雷击火防控决策提供指导。[方法]基于1968-2010年黑龙江大兴安岭地区的雷击火历史统计数据,以及雷电定位监测数据、植被数据、气象数据、DEM数据等,利用Arcmap和统计软件从雷电活动(雷电流强度、陡度、电流极性、能量)、气象因子(降水量、风速、相对湿度、气温)、林分类型(落叶松林、阔叶林、针阔混交林、灌木林等)和地形(坡度、坡向、海拔)等方面,分析大兴安岭地区雷击火的发生规律。[结果]黑龙江大兴安岭地区1968-2010年共发生508次雷击火,主要集中在5-8月份,其中6月份最为频繁;10:00-17:00是雷击火高发时段;阿木尔、塔河、呼中、新林和松岭是大兴安岭雷击火易发地区。雷电活动对雷击火发生有一定影响,引发雷击火的闪电多为负闪,雷电流强度和陡度分别为-10～-1kA和-10～-1 kA/μs,雷电流释放的能量与雷击火的发生之间无明显规律性。气象因子中,气温与雷击火发生呈极显著正相关,降水量、相对湿度和风速与雷击火发生相关性不显著。雷击火的发生同样受林分类型和海拔的影响,主要发生在落叶松林中,0°～10°坡度雷击火发生较频繁,坡向对其影响并不显著,海拔300～900 m的地区为雷击火高发区。[结论]明确了大兴安岭地区雷击火的发生规律及影响因素,建议在夏季尤其是6月份对重点林区进行雷击火的监测和预防。

针对内蒙古大兴安岭林区重特大森林火灾发生频、损失大、危害重、扑救难等特点,在分析影响其发生、蔓延与扑救的主要因子基础上,运用多元线性回归方法,构建重特大森林火灾扑救多元线性回归、预测灭火时限的经验统计模型,经回归拟合和预测检验,其平均相对误差小于8.60%.该模型可为内蒙古大兴安岭林区重特大森林火灾扑救时限预测与决策提供科学的参考依据.

[目的 ]对内蒙古大兴安岭地区的森林火灾进行预测，为森林防火工作的开展提供重要支持。[方法 ]以内蒙古大兴安岭林区为研究对象，结合MCD64 A1月度火点产品、地形、气候等数据，构建森林火灾潜在影响因子数据集，分别利用卷积神经网络、随机森林、支持向量机模型对研究区森林火灾的发生概率进行预测与可视化，在此基础上对模型效果进行评价并分析森林火灾空间分布特征。[结果 ]大兴安岭的主要林火驱动因子按重要性值由高到低排序为海拔、平均气温、总降水量、与水域的距离等；CNN、RF、SVM预测森林火灾发生概率的AUC值分别为0.838、0.794、0.788,CNN的精度最高；CNN能够有效划分出森林火灾易感性极高、极低的区域，有利于划分森林火灾的警示区。[结论 ]CNN模型比RF、SVM模型更适用于大兴安岭林火发生概率的预测；大兴安岭林火风险的空间分布有明显的区域性，主要发生在东南地区。

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。

【目的】研究大兴安岭地区天然次生林不同位置间森林更新的空间相关性和空间分布模式,探索尺度效应对空间自相关性的影响,对森林更新的影响因子进行分析,从更深层次了解更新动态中潜在的规律性,为该地区天然次生林的经营决策提供理论依据和技术支持。【方法】以黑龙江省大兴安岭新林林业局翠岗林场为研究区,基于2018年7—8月在研究区建立的45块固定样地数据,以林分因子、地形因子、林分空间结构、土壤厚度和物种多样性5方面的9个因子为自变量,建立全局泊松模型和以地理加权回归模型为基础的4种尺度(5、10、15和20 km)地理加权泊松模型(GWPR)对该地区天然次生林更新状况进行模拟,利用全局MoranI和局域MoranI分别对模型残差的全局空间自相关性和空间分布状况进行描述,评价全局模型和各尺度局域模型的拟合效果,对尺度效应下各局域模型之间的差异进行说明,采用5 km尺度局域模型绘制研究区森林更新的空间分布,对研究区森林更新状况进行评价和分析。【结果】5 km尺度局域模型具有最好的模型残差局域化空间分布效果,可形成不同模型残差聚集分布的理想状态,模型变量的参数估计值产生跨度最大的变化范围,模型稳定性最好,随着空间尺度逐渐增大模型稳定性不断下降,但总体上要好于全局模型;同时,处于该尺度下的局域模型,模型残差的空间自相关性最低。局域模型的拟合效果好于全局模型,其中5 km尺度局域模型的MSE和AIC在所有模型中最小。研究区内更新株数呈南高北低、东西差异不明显的分布趋势。【结论】在构建局域模型时,应考虑空间尺度的影响,5 km尺度局域模型可以很好模拟研究区天然次生林更新的空间分布状况,有效降低甚至去除空间自相关性。研究区的林分更新株数主要集中在1 000～2 000株·hm~(-2)之间,更新等级处于不良水平,森林天然更新能力整体较弱,可采用人工促进天然更新等措施进行森林经营。

【目的】利用卫星遥感技术研究火后植被恢复过程及影响因子,分析不同火烧强度、不同植被类型的火后归一化植被指数(NDVI)变化特征,研究大兴安岭东南部火后不同植被恢复过程,为在长时间尺度上进行北方林火后植被恢复过程研究与监测提供参考。【方法】基于火烧前后一系列的MODIS数据,利用NDVI和地面调查数据,以2006年大兴安岭松岭特大森林火灾为例,研究不同植被类型在不同强度火烧后的植被恢复过程。根据火烧前后NDVI变化提取过火区;结合地面调查,利用监督分类方法划分火烧强度等级;根据火烧强度分级图和土地覆盖类型图,建立属性数据库,生成火烧强度等级-植被类型图。以2003—2005年同期NDVI最大值为...