基于GIS的溆浦县森林火灾潜在风险地图制作

付小春

摘 要 森林防火是森林资源保护工作的重要内容。绘制森林火灾潜在风险地图，是一种有效的林火管理措施。为探究森林火灾潜在风险，有效预防森林火灾，以湖南省怀化市溆浦县为研究区域，利用地理信息系统（Geographic Information System，GIS）技术，参考统计年鉴等资料，选取归一化植被指数、年平均温度、地形湿度指数、海拔、坡度和距道路距离等6个风险因子，运用层次分析法对研究区的林火风险进行定量评价，并绘制森林火灾潜在风险地图，划分森林火灾等级。结果显示：研究区属于中高风险和高风险区域合计占比为41.68%，中高风险和高风险主要分布在中部城市和道路周围；MODIS热点数据验证结果显示，分布在中高风险和高风险的热点合计达到80.14%，说明运用的森林火灾潜在风险地图制作方法具有较高准确性，可为当地森林资源保护、林火预警、防火资源配置提供基础参考。

关键词 地理信息系统（GIS）；森林火灾风险；湖南省怀化市溆浦县

中图分类号：S762 文献标志码：A DOI：10.19415/j.cnki.1673-890x.2023.06.024

森林火灾风险是在特定区域，多种因素综合作用下，发生着火和蔓延的可能性[1]。溆浦县是湖南省林业重点县，也是森林防火重点县。本文参考相关学者的研究，结合研究区实际情况，借助地理信息系统（Geographic Information System，GIS）技术，选取地形湿度指数、归一化植被指数、年平均温度、海拔、坡度和距道路距离等6个风险因子，在定量评估的基础上，对溆浦县的森林火灾潜在风险等级进行划分。

1 材料与方法

1.1 试验区概况

研究区为湖南省怀化市溆浦县，地形以山地丘陵为主，海拔100～1 700 m，气候类型属亚热带季风性湿润气候。境内森林资源丰富，森林覆盖率约为67.49%。根据溆浦县2012—2020年统计年鉴资料，境内森林火灾频发，多发生在春秋季节的防火期（11月至翌年4月）。

1.2 数据获取与预处理

研究中获取的数据及产品信息如表1所示。

对获取的道路矢量数据，在ArcGIS 10.8中裁剪、拼接，得到研究区的道路矢量分布图。对获取的DEM数据，在ENVI 5.3中进行镶嵌、裁剪等处理，得到研究区的DEM分布图；对获取的Landsat 8遥感影像，在ENVI 5.3中进行辐射定标、大气校正、镶嵌、按掩膜提取等处理，为后续研究分析做准备。

MODIS热点数据常用于森林火灾监测研究。该数据的火灾信息来自Aqua和Terra卫星上MODIS传感器的火灾数据产品MCD14DL，空间分辨率为1 km，每个MODIS热点表示1 km像素的中心。在ArcGIS 10.8中对获取的MODIS热点数据进行裁剪，筛选置信度大于50%、火灾类型为植被火災的热点，共获得141个MODIS热点数据。

1.3 参考资料

以溆浦县2010—2018年的统计年鉴为参考，期间共发生42起森林大火，多在城镇、道路等附近的林区发生。火灾主要由人类活动引发，包括清明祭祀、丢弃烟头、烧土坎、林区内违规用火和野外非法用火等行为。参考统计年鉴信息，为后续的森林火灾风险因子的等级分类、风险因子权重分配分析做准备。

1.4 技术路线

参考统计年鉴、相关文献等资料，选取归一化植被指数（NDVI）、年平均温度、地形湿度指数、海拔、坡度和距道路距离等6个风险因子，运用层次分析法（Analytic Hierarchy Process，AHP）确定各因子的权重，绘制研究区森林火灾潜在风险地图，划分森林火险等级，并利用MODIS热点数据验证结果的准确性，技术路线如图1所示[2-3]。

2 结果与分析

2.1 森林火灾风险因子计算

2.1.1 归一化植被指数

NDVI能反映植被生长状况、植被丰度等信息，常用于植被监测、林火研究。对预处理后的Landsat 8

遥感影像数据，利用近红外和红外波段计算得到研究区的NDVI，计算公式如（1）所示。

（1）

式中，Rnir为近红外波段的反射率，Rred为红外波段的反射率。

2.1.2 海拔、坡度、地形湿度指数

海拔和坡度会影响气温、降水、湿度、风速等因子，从而影响森林火灾。海拔由预处理后的DEM数据得到，然后在ArcGIS 10.8中计算得到坡度。地形湿度指数可反映土壤干湿状况，对地表死可燃物含水率有直接影响，其计算公式如（2）所示。

（2）

式中，ITW为地形湿度指数；VSCA为单位面积的汇流量，由DEM数据在ArcGIS 10.8中计算得到；θslope为坡度。

2.1.3 距道路距离、年平均温度

研究区的森林火灾多发生在人类活动频繁地区，对预处理后道路数据，利用ArcGIS 10.8中的欧式距离工具，计算得到距道路距离的栅格分布图。获取的温度数据为NetCDF格式，在ArcGIS 10.8中将其转成TIFF格式，并将空间分辨率重采样到30 m，裁剪后得到研究区的年平均温度分布图。

2.2 各风险因子等级与权重

在GIS中集成森林火灾信息时，不同类型森林火灾风险因子的属性、特征和分类标准不同，使得其成为一个多标准的分析问题。基于数学和专家知识的层次分析方法，能很好地解决该问题[4-5]。

运用AHP分析方法，确定了研究区的6个森林火灾风险等级和权重值，如表2所示。

2.3 森林火灾风险指数计算

依据确定的各风险因子的权重值，在GIS中将各风险因子图层叠加。在ArcGIS 10.8中，按照公式（3）计算每个像元的森林火灾综合风险指数（Combined Fire Risk Index，CFRI）。

（3）

式中，ICFR是森林火灾综合风险指数；wi是因子的指标权重值；xi是第i项指标取值；n是评估指标标准数。

2.4 制图

依据森林火灾综合风险指数计算方法，在GIS中叠加计算得到研究区每个像元的CFRI。

因本文研究的对象是森林火灾，在ENVI 5.3中对预处理后的Landsat 8遥感影像采用最大似然法的监督分类，将研究区划分为林地、水域、建设用地、耕地、未利用地。依据土地利用分类结果，提取研究区的林地范围，并转成矢量格式，最后用林地矢量裁剪CFRI栅格地图，得到研究区林地范围内的CFRI栅格地图。

在ArcGIS 10.8中，采用自然间断法，将CFRI栅格地图划分为低、中低、中、中高、高5个等级，绘制研究区的森林火灾潜在风险地图，并利用获取的2012—2020年的MODIS热点数据覆盖在地图上来验证结果的可靠性。如图2所示，研究区属于中高风险和高风险区域合计占比为41.68%，中高风险和高风险主要分布在中部城市和道路周围，表明本地的森林火灾与人类活动有密切联系。该研究结果与Wen和Sivrikaya等的研究结果一致[3，6]。

3 结论

MODIS热点统计结果显示，141个MODIS热点分布在低、中低、中、中高、高风险等级的数量分别为5、13、10、78、35，占比分别为3.55%、9.22%、7.09%、55.32%、24.82%；中高风险和高风险合计占比达到80.14%，表明本文采用的森林火灾潜在风险地图绘制方法具有较高的准确性，可以为当地的森林资源保护、林火预警、防灾减灾资源配置等提供参考；在森林火灾高风险地区，应当采取严格的森林保护措施，包括设置森林防火带和防火屏障、定期清除林下可燃物、配置森林消防资源和限制人类进入林区等。

参考文献：

[1] MATIN M， CHITALE V， MURTHY M S R， et al. Understanding forest fire patterns and risk in Nepal using remote sensing， geographic information system and historical fire data[J]. International Journal of Wildland Fire，2017，26（4）：276-286.

[2] HOANG T V，CHOU T Y，FANG Y M，et al.Mapping forest fire risk and development of early warning system for NW Vietnam using AHP and MCA/GIS methods[J].Applied Sciences，2020，10（12）：4348.

[3] WEN H R，GUO Q Z，ZENG Y H，et al.Study on forest fire risk in Conghua district of Guangzhou city based on multi-source data[J].Natural Hazards，2022，114（3）：3163-3183.

[4] ZHAO P C，ZHANG F Q，LIN H F，et al.GIS-Based forest fire risk model：a case study in Laoshan National Forest Park，Nanjing[J].Remote Sensing， 2021，13（18）：3704.

[5] MALLINIS G， PETRILA M， MITSOPOULOS I， et al. Geospatial patterns and drivers of forest fire occurrence in Romania[J]. Applied Spatial Analysis and Policy，2019，12（4）：773-795.

[6] SIVRIKAYA F， K???K ?. Modeling forest fire risk based on GIS-based analytical hierarchy process and statistical analysis in Mediterranean region[J]. Ecological Informatics，2022，68：101537.

（責任编辑：张春雨）