森林火灾时空集中性分析方法应用
——以北京市为例

韩大鹏 冯 阳 郑 鑫

（1.北京市园林绿化局森林防火事务中心，北京 102200；2.北京地拓科技发展有限公司，北京 100084；3.国家林业和草原局产业发展规划院，北京 100010）

森林火灾集中性是林火管理过程具备的普遍特征。表现特征主要因所在气候区、植被覆盖种类不尽相同存在差异，还受火源成因及种类、局部地理环境、人为干扰程度等主要因素影响。对于这类现象分析多以定性描述为主，基于统计方法的定量分析主要以数据准确收集并运用合理方法，结论较为精确，但时间上具有后效性。可于一定时空范围内对分析对象的林业资源管护起到一定的借鉴作用。

1 分析对象及原则

自2000年以来，北京山区森林火灾随基础建设投入增多，管控形势较好，森林火灾产生数量与危害逐渐呈均衡态势，相应数据记录准确性高，能够以相应时间周期内的森林火灾数据作为分析对象，并得出相应结论为林火生态管护与建设提供参考[1]。

1.1 森林火灾发生基本特征

北京市森林防火年度一般起于每年11月1日截至翌年6月30日，统计口径计为第2年度的森林防火期。截至2021年底的统计数据显示，各级森林消防队伍达到130 余支，约3 000 人规模，林火监测预报、专业通信器材、防护扑救等装备达到专业化水平，一、二级森林防火区视频监控与通讯覆盖率约80%。

对森林火灾有较强的预防控制能力，自20世纪90年代之后未发生重大规模(过火面积大于100 hm2)以上森林火灾[2]。2005—2019 森林防火年度内共发生较大森林火灾（过火面积大于1 hm2小于100 hm2）计32 次，其发生数量及过火面积基本处于稳定可控范围内，平均每年发生约2 次，单场平均过火面积8.7 hm2[3]。

1.2 样本选取及分析原则

利用15 个森林防火年度较大森林火灾统计数据（计32 次，见《北京市园林绿化志》(2005—2019)）的整体性，一般森林火灾记录以2013—2014 森林防火年度（55 次）、2005—2019 森林防火年度市园林绿化局直属森林防火队的出警记录（23 次）及昌平区2005—2015 防火年度数据（32 次）做以合并分析，从而体现数据具备区间时段的完整性、机动力量使用的重点性及地域相对集中性，代表性较强。统计中重复出现数据以顺序居先样本采用为准，后续不计入[4]。

时间因素多与适宜林火产生发展的因素相结合予以分析。一般以防火期内日内时间及重点防火时段两个尺度为主。空间因素注重分析多因素相结合共同影响作用的结果，从森林防火的预防至扑救的全链条中选择具备稳定性、通适性的关联因素予以比较分析，通过数理分析做样本互比，重点探析较大森林火灾的表现规律，保证结论的相对准确性。方法上立足基本数据，运用较好的模型进行分析或者拟合，通过利用相对的合理估算、精确取舍，可以对森林防火实践起到借鉴作用[5]。

2 时间周期集中性分析

2.1 日内时间分布态势分析

森林火灾于日内时间发生规律在大多数地区具有同质性，主要影响因素分别为温度、湿度、风力变化和人员活动规律及当地生产生活方式等。基本表现为早晨至午间递增多发、至傍晚逐渐减少的单峰分布。同时也会受当地小气候、局部地形特征、社会生活习惯等附属因素影响，从而有所偏差，如有的日内发生时间均值点相对温度最高值时间点偏差较大、有的形成高温时段的平台分布、有的形成主次峰分布，但整体规律基本相同[6]。

4 个样本中的142 次森林火灾平均发生时间均值为13.74 h(13:45)，标准差为4.31 h计259 min。现设定原假设为日内7 个时间段的分布形态符合正态分布[7]。拟合检验统计量一般构造公式为：

表1 日内发生时间区段正态分布拟合检验表Tab.1 Intraday occurrence time segment normal distribution fitting test table

如对于较大森林火灾采用更为严格的正态检验方法，若运用W检验法，其更能以较高准确率反映其日内时间集中分布特征。

2.2 防火关键时段集中性分析

取3月17 至5月15日的60 d为分析时段，时间区间的选取包括了年度森林防火期内主要易发频发时段，依次划分4 个各为15 d时间段还体现其中温度、风力等因素渐进性变化，此阶段自然气候特征为天气逐转暖，风力前期大且持续天数多，至后期渐缓，是气象意义上的由春转夏，人员活动频率处于上升态势[8]。对4 个等长时间段发生森林火灾次数做对比并分析其比例关系，有助于管理人员综合判断各类因素影响的整体效果。具体方法为先分组计数，后通过取整数比例再进行皮尔逊拟合检验。

表2 森林林防火期重点时段4 个等长时段森林火灾发生频次统计表Tab.2 Statistical table of occurrence frequency of forest fires in 4 equal-length periods in key periods of forest fire prevention period

森林高火险期内集中发生程度于历年的3月份17日至5月15日的60个自然日中表现明显，此时段内集聚了各样本占比55.63%(79/142)的发生次数。前2个时间段内发生次数达到取样分析时段5/7的比例，客观上反映了森林高火险期设置的合理性。必须指出，相对5、6月份的森林火灾次数渐少的表象，森林燃烧的危险性并未下降，记录中过火面积超过15 hm2的有7次，有2次分别发生于2009年5月中旬及2019年6月下旬。

时间周期集中性分析结论有助于合理调配管护队伍、监测设备、森林消防等资源，尤其对林火多发时段内的系统资源统筹调度具备良好应用意义。

3 空间集中性特征分析

3.1 海拔分布集中性分析

主要分析各样本于海拔纵向的分布特点。对表3以常用的组中值替代组内样本均值方法，计算权重均值为310.56 m，计算结果显示偏度系数为正方向为右偏，偏度介于±1的正常值范围内，即多数样本值小于总体均值，表明多数森林火灾发生点位的海拔高程值小于总体平均值，低海拔区域具有较高集中度；峰度系数为负，表明相比较于正态分布此组数据在高低值差异中属于较平滑分布[9]。

表3 4 个样本于8 个海拔区间段内发生频次及方差计算表Tab.3 The frequency and variance of 4 samples calculated in 8 altitude intervals

偏度系数：

峰度系数K利用动差法的4阶中心矩求得：

以测量离散程度的异众比率衡量，按表3分8组计算，无突出组，若从低至高依次将相邻两组合并为4组，处于低海拔高程为[50,250]的第1组，异众比率值显示出众数组较其他分组的聚集性分布程度有所集中但非显著性集中。

3.2 主要因素影响分析

森林防火统计中地形因素是重要指标之一，在具备地带集中性基础上，分析如高程变化、人口密度、植被密度、局部地形等主要因素对森林火灾发生发展的影响程度。

地带性集中分析小结。空间集中性表现为以较少面积比例内发生多数森林火灾，从表3、表4对比可知一般森林火灾更具低海拔区域内发生倾向。基于此特征，剔除随机因素难于控制因素之后，较大森林火灾过火面积随高程增加表现出减少趋势。与人为干扰减少、地带温度降低的影响因素存在正向线性关系。

表4 4 个海拔区间内发生的一般森林火灾频次对比表Tab.4 Comparison table of the frequency of common forest fires in the four elevations

表5 过火面积与起火点高程值及过火迹地高程差值统计表Tab.5 Statistical table of the difference between the fire area and the elevation of the fire point and the elevation of the fire area

4 结论

1）依据统计分析的相应结果，做到合理应用推广。本文以时空分析为主、相关因素分析为辅，结合数理分析中的主要通用方法，兼顾对两个级别森林火灾的相应要素对比做以统计描述。对于北京地区森林火灾时空局部集中的结论，尤其对确定性强，即假设检验达90%～95%以上置信程度保证的大样本统计结果在定性基础上予以定量描述，可为管理决策及行业标准的制定提供依据和参考。对预案制订、森防基础设施建设及森防管理效果评估提供借鉴[11-15]。

2）着眼森林防护的动态过程，继续探析表现规律。利用较好的工具如指数编制方法、随机动态过程的刻画会更有效果[16]。还可依托各类工具继续分析森林火灾的管控过程，相对于样本积累的事后分析，对于动中的实时判断、发展趋势中各类因素权重的变化速度和结论的实际应用效果还有待进一步研究。