PDF《斯蒂黑龙江大兴安岭雷击火概率预测模型研究》

2005 to

2010 were used, thus the regression model for the region was established by adopting binary Logistic regression model and Enter Independents Together. The final test results show that the model fitting effects are satisfactory, thus providing a basis for predicting the probability of lightning-caused fires in Daxing'

anling forest region in Heilongjiang province. Key words: lightning strike fire in forest region;

lightning-caused fire probability prediction;

prediction model;

Daxing'

anling forest region

83 第34 卷中南林业科技大学学报gmelinii 林、樟子松 Pinus sylvestris var. mongolica 林、 白桦Betula platyphylla 林、 蒙古栎Quercus mongolica 林和胡枝子 Lespedeza bicolor 林.该区 为我国森林火灾高发区,年均森林过火面积居全 国之首,是我国森林火灾危害最严重的地区,由 雷击引发的火灾占区森林火灾的 36%[2-3] .

2 数据和变量 2.1 数据来源 研究主要应用的数据有黑龙江省大兴安岭地 区行政界限图、2005 ~

2010 年雷击引发的火灾数 据、2005 ~

2010 年大兴安岭每日的雷击数据及研 究区内

5 个气象站(漠河、塔河、新林、呼玛和 大兴安岭)2005 ~

2010 年日观测数据包括最高气 温、平均相对湿度、24 h 降水量、平均风速.雷 击数据包括雷击发生时间和地理位置等.大兴安 岭每日的雷击数据(2005 ~

2010 年)及雷击引发 的火灾数据来自大兴安岭防火部门. 2.2 数据预处理 理想情况下,点燃概率通过建立雷击点燃和 火灾发生的关联得到.由于个别闪电和个体火灾 很难有高度的确定性关联,因此采取的方法是在 小的区域内分析区域内的全部闪电数据.为解决 该问题,将整个地区划分为多个单元区域,区域 的大小须满足两个条件:(1)可合理估计该地区 的闪电数量;

(2)天气条件在该区域内属同一类 型[4] .经过试验,最终确定将整个大兴安岭地区 划分为多个

15 km*15 km 的单元区域. 点燃概率为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.每个单元区域中针叶 树的百分比通过森林资源二类调查的数据得到. 大兴安岭地区设有

5 个气象监测站点,根据每个 气象站点监测数据,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,降雨量)作为该单元区域的天气指标. 利用单元区域每日的天气指标数据,根据 FWI 系统模型公式 [5] 编程计算得出每个单元区域 内每日的 FFMC、DC 值,并在原有程序基础上根 据SDMC 的计算公式添加了该指标的计算模块计算 SDMC 值[10] .雷击火发生的时间是分散分布的,利 用连续的气象观测记录计算每次雷击火发生时的 火险天气指数较困难.考虑计算方法的简便性和 实用性,雷击火发生前

20 d 森林可燃物的状态极 为相似,且平均气象数据能很好地代表雷击火发 生当天的天气状况(除有风和降雨的天气外 ),可 对计算方法做适当修改:雷击火发生前一天的指 标用雷击火发生前

20 d 的气象日观测数据的平均 值来计算 [6-7] .根据初始值、雷击火发生前一天的 指标和当日气象观测数据,通过系统的公式计算 得到雷击火发生当日的指标.在冬季有明显积雪 地区,连续

3 天没有积雪后开始计算,可燃物湿 度码 FFMC、DC 的初始值分别赋值为

85、15.冬季 没有明显积雪覆盖的地区,从连续