中国森林火灾驱动力及其空间异质性

研究概述

研究目的

森林作为陆地生态系统的主体，具有调节气候、保持水土等多种功能。在森林面临的众多危害中，火灾对森林资源的危害日益严重。本研究旨在分析影响森林火灾的因素，为预防森林火灾和制定相关策略提供科学依据。

研究方法

本研究选取中国为研究区，识别森林火灾主要驱动因素，选取植被、气候、地形、人类活动等森林火灾相关驱动因子，利用地理探测器进行全局森林火灾的驱动力分析。并基于植被分区方案，定量计算了8个植被区划的森林火灾空间分布驱动力。

主要研究结果

全局尺度上，森林火灾的空间分布受植被覆盖度（fvc）的影响最大，解释力为0.130 2，气候因子对森林火灾的驱动力相对较强；驱动因子交互作用均为增强，森林火灾的发生是各驱动因子综合作用的结果；且森林火灾驱动因子与森林火灾发生概率之间存在非线性关系和影响阈值。
局域尺度上，气候和植被作为森林火灾的关键驱动因素，很大程度上解释了各个分区森林火灾的空间分布。如气温（tem）是寒温带针叶林区域（CTNF）、温带针叶、落叶阔叶混交林（TCBMF）、青藏高原高寒植被区域（AVTP）3个区域的最高解释力驱动因子，解释力分别为0.313、0.410、0.052；风速（win）是暖温带落叶阔叶林区域（WTBF）的最高解释力驱动因子，解释力为0.279。

研究区域与数据

研究区概况

中国的气候和地形非常多样化，不同区域的地理环境气候特征差异显著。气候上，中国可以大致划分为东部的季风区和西部的干旱及高寒区，冬季南北温差大，夏季大部分地区温度在20℃以上。中国的年均降水量从东南沿海向西北内陆递减。

地形上，中国地势西高东低，呈三级阶梯分布，西部主要是山脉、高原和沙漠，如青藏高原和塔克拉玛干沙漠；东部则以平原、三角洲和山丘为主，如东北平原和长江中下游平原。

数据来源

本研究采用美国航空航天局火灾信息资源管理系统提供的MCD14ML 2001—2020年火点数据集。该数据记录了生物质燃烧的火灾热点，包括火点发生日期、中心经纬度坐标、火灾类型、可信度等。

经验证，该数据集的误报率通常<10%，与其他野火产品相比，可以更好地识别小区域发生的野火。一般来说，该数据集可以检测面积达1000 m²的火焰和烟雾火灾。

图1 森林火点空间分布

森林火灾驱动因子

表1 森林火灾驱动因子
数据类型	驱动因子	数据来源	空间分辨率/km	时间分辨率
可燃物数据	土壤表层水分(solid)	全球1 km分辨率地表土壤水分数据集（2000—2020）——国家青藏高原数据中心	1	1个月
	植被覆盖度(fvc)	中国区域250 m植被覆盖度数据集（2000—2022）——国家青藏高原数据中心	1	1个月
	植被可燃性(flam)	中国1:100万植被数据集——国家冰川冻土沙漠科学数据中心	1	无
气候数据	气温(tem)	国家气象信息中心-中国地面气象观测历史数据集V3.0(日值)	1	1个月
	降水(pre)		1	1个月
	相对湿度(rhu)		1	1个月
	气压(prs)		1	1个月
	日照时长(ssd)		1	1个月
	风速(wind)		1	1个月
人类活动数据	道路空间分布(road)	GRIP4 Global Roads Dataset	1	无
人类活动数据	人口空间分布(pop)	LandScan Global 2022	1	1年
地形数据	海拔(ele)	SRTM Digital Elevation Data Version 4	1	-
	坡度(slope)		1	-
	坡向(aspect)		1	-

研究方法

地理探测器应用

本文主要采用地理探测器（Geodetector）中的因子探测器(Factor detector)、交互作用探测器（Interaction detector）和风险区探测器（Risk detector）进行探测。

因子探测器

通过因子解释力来定量判定单个驱动因子对森林火灾空间分布的贡献大小，q值越大表示因子对森林火灾空间分布的解释力越强。

交互探测器

通过比较2个驱动因子单独的解释力和与交互后共同作用的解释力，判断两因子的交互作用。

风险探测器

用于探测森林火灾在某种驱动因子不同层中的分布状况，从而揭示森林火灾的高发区和低发区。

图2 全局及局域驱动力分析流程

全局驱动力分析

单因子探测

通过计算结果可以看出，解释力最高的因子为植被覆盖度（fvc），值为0.130 2，其次为温度（tem）和气压（prs），解释力分别为0.081 0和0.080 1。在全局内，相对于其他驱动因子，植被覆盖度对森林火灾空间分布的影响更大，各气候驱动因子对森林火灾空间分布的解释力排序相对较高。

此外，植被可燃性（flam）、道路密度（road）和坡向（aspect）的解释力小于0.01，这3个因子对森林火灾空间分布的驱动力相对较弱。

双因子探测

驱动因子交互作用均为增强，森林火灾的发生是各驱动因子综合作用的结果。植被覆盖度（fvc）的增强交互因子数最多，其与其他13个驱动因子的交互解释力均大于0.1，说明在全局尺度上内，森林火灾的空间分布受植被覆盖度（fvc）的影响最大。

植被覆盖度（fvc）解释力最高交互因子为气压（prs），交互解释力为0.202 7；交互解释力最高的一组驱动因子为气压（prs）和相对湿度（rhu），交互解释力为0.215 9。

相互关系探测

对除道路密度（road）、植被可燃性（flam）、坡向（aspect）外的其余11个驱动因子进行风险探测，发现驱动因子和火险均值间有3种关系：非线性相关关系（Nonlinear Correlation，NC）、正相关关系（Positive Linear Correlation，PIC）和负相关关系（Negative Linear Correlation，NIC）。

正相关

气压（prs）、日照时长（ssd）、风速（wind）3个驱动因子的火险均值随驱动因子值增大，整体呈增大趋势。

气压影响氧气含量和燃料着火温度
日照时长影响森林可燃物的含水量
风速越大，空气流动越快，让可燃物水分蒸发速度加快

负相关

相对湿度（rhu）、海拔（ele）、坡度（slope）3个驱动因子的火险均值随驱动因子值增大，整体呈减小趋势。

高相对湿度会增加可燃物的水分含量并降低火灾的可能性
海拔越高，气温越低，人类活动范围越小
坡度较缓的地区，植被覆盖率较高，可燃物数量较多

非线性相关

土壤湿度（solid）、植被覆盖度（fvc）、气温（tem）、降水量（pre）和人口密度（pop）5个驱动因子的火险均值随驱动因子值增大而增大，超过一定阈值后，又随驱动因子值增大而减小。

图3 驱动因子风险探测结果

局域异质性分析

局域驱动力分析选择在以往的森林火灾研究中认可度较高的植被分区，将总样本集划分为若干个子样本集，分别计算各分区所有驱动因子的解释力。植被分区方案分为8个区划，分别为温带荒漠区域，青藏高原高寒植被区域，寒温带针叶林区域，温带针叶、落叶阔叶混交林区域，温带草原区域，暖温带落叶阔叶林区域，亚热带常绿阔叶林区域，热带季风雨林、雨林区域。

单因子探测

利用地理探测器中的因子探测器，分别计算8个分区中各驱动因子对森林火灾空间分布的解释力。结果显示，8个区域的关键驱动因子大多为气候和植被，这与以往森林火灾空间分布驱动因子的研究吻合。

图4 各分区主要驱动因子及解释力

寒温带针叶林区域、温带针叶、落叶阔叶混交林、青藏高原高寒植被区域、暖温带落叶阔叶林区域、热带季风雨林、雨林区域和亚热带常绿阔叶林区域主要驱动因子为气候因子。其中：

气温（tem）是寒温带针叶林区域、温带针叶落叶阔叶混交林区域和青藏高原高寒植被区域的最高解释力驱动因子，解释力分别为0.313、0.41和0.052。
风速（win）是暖温带落叶阔叶林区域的最高解释力驱动因子，解释力为0.279。
气压（prs）是热带季风雨林、雨林区域的最高解释力驱动因子，解释力为0.313。
相对湿度（rhu）是亚热带常绿阔叶林区域的最高解释力驱动因子，解释力为0.113。

与上述气候因子主导的区域不同，温带草原区域和温带荒漠区域的主要驱动因子为海拔（ele）。

双因子探测

利用地理探测器的交互探测器，计算各分区内各驱动因子对森林火灾空间分布的交互解释力，计算结果表明因子间均为增强交互关系，表明在局域空间尺度上，森林火灾的空间分布是各驱动因子综合作用的结果。

图5 各分区主要交互驱动力

不同区域的主要驱动因子及其最高交互因子有相同之处，也存在差异：

温带针叶、落叶阔叶混交林、温带荒漠区域、温带草原区域和青藏高原高寒植被区域的最高交互解释力因子组则由海拔（ele）和气候因子或植被覆盖度构成。
寒温带针叶林区域、暖温带落叶阔叶林区域、亚热带常绿阔叶林区域和热带季风雨林、雨林区域的最高交互解释力因子组均由气候因子构成。

相互关系探测

在寒温带针叶林区域，温带针叶、落叶阔叶混交林区域；温带草原区域，暖温带落叶阔叶林区域，亚热带常绿阔叶林区域和热带季风雨林、雨林区域等6个区域内，驱动因子与火险均值的关系基本与全局结果一致。

其中少部分分区的少数驱动因子与火险均值的关系和全局结果不一致：

寒温带针叶林区域中的土壤表层水分（solid）与火险均值的关系为负相关。
亚热带常绿阔叶林区域中降水（pre）与火险均值的关系为负相关。
温带针叶、落叶阔叶混交林区域中，人口密度（pop）与火险均值呈负相关关系。
在青藏高原高寒植被区域内，各驱动因子与火险均值的相关关系较不显著。
在温带荒漠区域，除海拔（ele）外，其他驱动因子与火险均值大部分非线性相关关系。

结论与讨论

针对大尺度森林火灾驱动力及其空间异质性研究较少的问题，本文选取中国为研究区，采用2001—2020年森林火点数据，进行全局和局域森林火灾空间分布的驱动力分析。结果表明：

全局尺度结论

森林火灾的空间分布受植被覆盖度（fvc）的影响最大，解释力为0.130 2，气候因子对森林火灾的驱动力相对较强，道路密度（road）、植被可燃性（flam）、坡向（aspect）3个驱动因子的驱动力最弱；驱动因子交互作用均为增强，森林火灾的发生是各驱动因子综合作用的结果。

各驱动因子对森林火灾发生的相关关系主要包括非线性相关、正相关、负相关3种：①气压、日照时长、风速等3个驱动因子与森林火灾发生呈正相关关系；②相对湿度、海拔、坡度与森林火灾发生等3个驱动因子与森林火灾发生呈负相关关系；③土壤湿度、植被覆盖度、气温、降水量和人口密度5个驱动因子与森林火灾发生呈非线性关系。

局域尺度结论

8个区域的主要驱动因子大多为气候和植被，虽然各个区域在主要驱动因子的大类上保持一致，但在更具体的小类因子上则存在差异。不同区域的森林火灾主要驱动因子、驱动因子间的交互作用均存在差异，即森林火灾空间分布驱动力存在空间异质性。

研究展望

本研究在取得一些进展的同时还存在一些不足和局限性，日后可以进一步探索与研究：

分区方案优化

目前的分区方案主要基于现有研究选取，未能从森林火灾本身（如成因、类型等）反映森林火灾空间异质性。未来研究需要结合森林火灾内部形成机理，建立更为科学的分区理论模型。

驱动力机理深入研究

本文定量计算了森林火灾空间分布主要驱动因子的驱动力以及驱动因子之间的交互驱动力，并验证了森林火灾空间分布驱动力的空间异质性，但驱动力形成机理的深入研究仍然不足。