PDF《斯蒂黑龙江大兴安岭雷击火概率预测模型研究》

Vol.

34 No.

8 Aug.

2014 第34 卷第8期2014 年8月中南林业科技大学学报Journal of Central South University of Forestry &

Technology 收稿日期:2013-11-30 基金项目:国家林业局

948 引进项目(2008-4-51)资助 作者简介:朱沛林(1989-),女,湖南娄底人,硕士研究生,研究方向为 3S 在资源环境中的应用;

E-mail:[email protected] 通讯作者:史明昌(1969-),男,内蒙古赤峰人,博士,教授,主要从事 3S 技术在水土保持与生态环境建设中应用,GIS 工程与 系统集成方面的研究;

E-mail:[email protected] 雷击火预测模型的研究超过半个世纪,形成 了一些适用于国家级的雷击火预测模型,如加拿 大,美国等.国内的雷击火预测模型的研究起步 较晚,没有形成适用于国内的雷击火预测模型. 黑龙江省大兴安岭是我国雷击火发生的主要区域, 而黑龙江省大兴安岭发生的火灾以雷击火为主. 近年来,黑龙江省大兴安岭雷击火发生愈加频繁, 因此,建立适用于黑龙江省大兴安岭的雷击火预 测模型已成为必须.早在

20 世纪

80 年代中期, 加拿大学者通过研究认为,加拿大天气指标系统 在我国大兴安岭地区适用 [1] .因此,引用加拿大 天气指标系统,应用于我国黑龙江省大兴安岭, 构建适用于该地区的雷击火概率预测模型.

1 研究区概况 黑龙江大兴安岭林区(50°10′ ~ 53°33′N, 121°12′ ~ 127°00′E)夏季海洋季风受阻于山地东 坡,东坡降水多,西坡干旱,二者呈明显对比, 但整个山区气候较湿润,年降水

500 mm 以上. 该区属寒温带季风气候,年均气温 -2 ℃~

4 ℃, 降水集中于

7 ~

8 月;

相对湿度 70% ~ 75%,每 年积雪期长达

5 个月,林内雪深

30 ~

50 cm.土 壤以棕色针叶林土和暗棕壤为主.大兴安岭林区 属寒带针叶林区,森林类型主要为落叶松 Larix 黑龙江大兴安岭雷击火概率预测模型研究 朱沛林

1 , 史明昌

1 , Mike Wotton2 , 方艳霞

1 , 刘思林

1 , 孙瑜1(1. 北京林业大学 林学院,北京 100083;

2. Canadian Forest Service, Faculty of Forestry, University of Toronto, ON, Canada M5S 3B3) 摘要: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. 关键字:林区雷击火;

雷击火概率预测;

预测模型;

大兴安岭林区 中图分类号:S761 文献标志码:A 文章编号:1673-923X(2014)08-0082-04 A preliminary study on lightning-caused fire probability prediction model for Daxing'

anling forest region ZHU Pei-lin1 , SHI Ming-chang1 , Mike Wotton2 , FANG Yan-xia1 , LIU Si-lin1 , SUN Yu1 (1. College of Forestry, Beijing Forestry University, Beijing 10083, China;

2. Canadian Forest Service, Faculty of Forestry, University of Toronto, ON, Canada M5S 3B3) Abstract: In order to study lightening-caused fire in Daxing'

anling forest region, the characteristics of lightening-caused fire in Daxing'

anling forest region in Heilongjiang province and the meteorological conditions in the area were taken into account, and the Canadian Forest Fire Weather Index (FWI) was cited, and the everyday lightning location data, climate data, lightning-caused fire data recorded from