基于主成分分析法的全国森林火灾综合评价分析

摘要：收集了1997～2010年我国31个省（市、自治区）的森林火灾统计数据，选用森林火灾次数、受害森林面积、过火森林面积等因子作为统计分析的基础数据。采用基于主成分分析的综合分析方法和最长距离聚类分析法对我国31个省（市、自治区）森林火灾统计数据进行了分析，对各地区的森林火灾严重程度进行了评价。

关键词：森林火灾；综合评价分析；排序；分类；火灾规律

中图分类号：S762.3文献标识码：A文章编号：1674-9944（2012）12-0040-04

1引言

森林火灾具有自然性、人为性、周期性、破坏性等多种属性[1]。一方面，森林火灾作为一种自然灾害，毁坏自然环境，破坏生态平衡，烧毁大量的林木，降低林分密度，烧掉了土壤中的有机质，导致土壤沙化和水土流失；烧死土壤动物和微生物，破坏野生动植物的生存环境，使得林区及其周围地区的气象和环境变得十分恶劣[2]。另一方面，森林火灾作为森林生态系统的一个重要的生态因子，其发生和发展具有很多不确定性，受多种因素的影响，随着森林可燃物的组成及性质、火场的气象条件（温度、相对湿度和风速）、地理位置（包括海拔高度、坡向和坡位）及其他条件的变化而变化[3～5]。近年来，森林火灾探测技术日趋先进，预防体系不断完善，扑救技术不断进步，灭火手段不断多元，灭火工具日益先进，但是，受人为活动的干扰和全球变化的影响，世界各地区森林火灾发生次数和过火面积呈现上升趋势[6～17]。这种变化趋势同样表现在林火面积与次数、时空分布格局等变化[4， 18， 19]。研究表明，森林火灾在时空分布、发生次数上和面积上具有一定的规律性[6， 7， 20， 21]。在人为和自然因素的影响之下，这种规律仍然具有十分明显的不确定性，进而，森林火灾的规律性也随之出现新的变化[22]。正确地认识和掌握林火发生发展的有关规律，是科学有效地开展防火灭火的重要保障，为制定森林火灾的减灾对策和战略决策提供科学依据和重要参考[2]。我国研究者对我国森林火灾的发生规律做出了积极的探索，但分析方法单一，主要运用时间序列分析法、空间分布分析法和简单的描述性统计方法[23～31]。本文采用基于主成分分析的综合分析方法对我国31个省（市、自治区）森林火灾统计数据进行分析，对各地区的森林火灾严重程度、森林损失进行评价，旨在从全国尺度上寻找我国森林火灾发生的规律，为灭火力量的合理配属提供理论依据。

2研究方法

2.1资料收集

本文收集了1997～2010年我国31个省（市、自治区）的森林火灾统计数据，选用森林火灾次数、受害森林面积、过火森林面积等因子作为统计分析的基础数据。1988年颁布的森林防火条例将森林火灾分为4级： 即森林火警、一般森林火灾、重大森林火灾和特大森林火灾[2]，根据森林火灾统计数据，将森林火警和一般森林火灾合并为一般森林火灾，重大森林火灾和特大森林火灾合并为较大森林火灾，选取13年间森林火灾次数总数、一般森林火灾次数、较大森林火灾次数，受害森林面积、过火森林面积5个因子作为综合分析的基础因子。

2.2数据分析

本文采用的基于主成分分析的综合评价法是利用数学上处理降维的思想，将实际问题中的多个指标设法重新组合成一组新的少数几个综合指标来代替原来指标，把多个描述被评价事物不同方面且量纲不同的统计指标，转化成无量纲的相对评价值，并综合这些评价值以得出对该事物一个整体评价的方法[32]。该方法采用客观赋权法，即根据各指标间的相关关系或各项指标值的变异程度来确定权数，避免了人为因素带来的偏差，此方法在将原始变量转变为主成分的过程中，同时形成了反映主成分和指标包含信息量的权数，以计算综合评价值，这样在指标权重选择上克服了主观因素的影响，有助于保证客观地反映样本间的现实关系，运用此方法求得指标的综合值，并作出排序，不失为一种良好的数据分析方法[33]。基于主成分分析的综合评价法在经济、军事、工业和环境科学等领域得到了广泛的运用[34～38]。在林火生态的研究中，有研究者运用此方法对树种的抗火性能进行过研究，为制定生物防火策略、选择合适抗火树种配置提供了理论依据[39， 40]。本文首先利用基于主成分分析的综合评价法对全国31个省（市、自治区）进行综合评价分析，计算出各地区的综合评价得分值，以综合评价得分值进行排序和聚类，利用Arcgis Desktop将受灾严重程度相似的地区区划在一个防火区内，以每一因子的综合评价得分值作为聚类分析的指标，采用最长距离法进行聚类分析。数据分析在R 2.9.2 （R Development Core Team 2006）中完成。

3结果与分析

3.1全国森林火灾的综合评价结果

对各地区的一般森林火灾次数、较大森林火灾次数、森林火灾次数总数、受害森林面积、过火森林面积进行综合评价分析。全国森林火灾综合评价分析得分排序表（表1）显示了5个指标的综合评价得分结果，得分越高，代表受灾越严重。从火灾发生次数看，无论是一般森林火灾次数、较大森林火灾次数还是森林火灾次数总数，贵州、湖南、浙江、福建、云南5个地区得分都较其他地区高，排名靠前，其中湖南在火灾次数的这3个指标综合评价中分别得分89.85、89.98和84.12分，排名分别是1、1、2名；贵州分别得分74.45、74.37和86.83分，排名分别是2、2、1名；浙江得分分别是72.98、72.84和61.35分，排名分别是3、3、4名；福建分别在一般森林火灾次数和较大森林火灾次数综合分析中排名第4，得分分别是69.12、69.18分，在森林火灾次数总数综合分析中排名第7，得分52.76分；云南的一般森林火灾和较大森林火灾相对于贵州、湖南、浙江、福建这4个地区发生较少，综合评价得分也低，但森林火灾次数总数较多，在森林火灾次数总数综合评价中排名第3，得分63.01分。从受害森林面积和过火森林面积的综合分析结果看，受灾最严重的地区是黑龙江，分别在两个指标的综合评价分析中得分最高，为74.51、84.94分，排名第1；其次是内蒙，得分分别是64.64、59.28分，位列第2。在受害森林面积的评价中，排名第3、4、5的地区分别是湖南、福建和贵州。在过火面积的评价中，排名第3、4、5的地区分别是云南、贵州和广西。

综合评价得分排序表显示，不同的指标，其分析排名结果也不相同，例如：在火灾次数总数分析排名第1的贵州，在受害森林面积和森林火灾总面积的综合评价中分别排名第5、4名，这表示单一的指标分析并不能完全体现各地区受灾严重程度的实际排名情况，并且，综合评价分析既需要考虑火灾次数，同时也要考虑火灾面积。本文将各地区的5个指标综合评价得分统一起来，进行综合分析，得分越高，排名越靠前，受灾程度越严重，结果显示，处于第1名的湖南，其综合评价得分远远高于其他地区，85.25分，其次是贵州，77.07分，黑龙江、福建、浙江分别处在3、4、5名位置上，分别得分66.94分、65.42分、65.15分；除甘肃在森林火灾次数总数的综合评价中排名第25名外，上海、天津、宁夏、甘肃、北京、青海在每一指标的评价排名中均位居最后6名，其中上海得分最低，在全国31个地区中排最后1名，其次是天津和北京。

3.2全国森林火灾的综合评价聚类分析结果

以各地区的5个指标综合评价得分进行系统聚类分析，根据聚类分析（图1）结果，将31个省（市、自治区）分成4类较为合理，湖南和贵州两个地区受灾最严重，归为第一类；其次是内蒙和黑龙江，归为第二类；浙江、福建、广西、云南、湖北、江西和广东，归为第三类；其他地区归为第四类。另外，根据聚类分析树状图显示结果，可以将第四类里面的河南和重庆两个地区归为一个小类；山西、新疆、河北、吉林、上海、北京、天津、青海、宁夏、和甘肃归为一小类；辽宁、江苏、山东、陕西、安徽和海南归为一小类；四川自成一类。

3.3基于全国森林火灾综合评价得分的全国森林防

火区域分级以基于全国31个地区森林火灾次数总数综合评价得分进行全国森林防火区域分级。结果（图2）显示，特级防火区域是湖南和贵州，应作为我国森林防火工作的重中之重；一级防火区域是黑龙江和内蒙，是我国森林防火工作的重点地区；二级防火区域是福建和浙江；三级防火区域是云南、广东、广西、江西和湖北，其余地区为四级防火区域。

4结论与讨论

（1）5个指标在各地区的综合分析得分及排序上表现出显著的差异性（表1），如在一般森林火灾次数和较大森林火灾次数综合分析中，湖南排名第1，而在受害森林面积和过火面积的综合评价中分别排名第3、6名，表现出一致性的地区唯一只有上海，这说明单一指标不能很好地衡量受灾严重程度。本文所利用的每一指标综合评价得分二次综合评价方法，具有一定的科学性，通过综合评价分析，能够综合各个指标的贡献，结合每年的森林火灾统计数据不难发现，湖南和贵州两个地区，每年虽然几乎不发生重特大森林火灾，但这两个地区的森林火警和一般森林火灾发生较多，在火灾次数的综合分析排序中排名1、2名，其森林受害面积，较受害森林面积和森林火灾面积综合评价分析排名1、2名的黑龙江和内蒙相差并不大，基于5个指标综合评价得分二次分析结果显示，湖南得分远远高于其他地区，受灾最为严重，其次是贵州，上海最轻，说明虽然重特大森林火灾所导致的受害森林面积大，危害严重，但森林火警和一般森林火灾的发生次数数量大，同样对森林造成的损失不容忽视，特别是贵州和湖南两个地区，几乎不发生重特大森林火灾，但从受害森林面积分析结果来看，受害森林面积综合分析排名也比较靠前，分别是第3、5名，森林受火灾干扰严重。

（2）为更好地体现森林火灾严重程度的区域性，本文将5个指标的综合评价得分进行聚类分析，结合综合评价得分和排序，贵州和湖南归为一类，受灾最严重，将这两个地区划为特级防火区域；其次是黑龙江、内蒙归为一类，受灾较严重，为一级防火区域；浙江和福建为二级防火区域；广西、广东、云南、江西和湖北归为一类，受灾程度一般，为三级防火区域；其他地区归为一类，为四级防火区域。按照文章的分析结果，应将湖南、贵州、黑龙江和内蒙作为森林防火灭火工作的重中之重，但也不能忽视浙江、福建、广西、广东、云南、江西和湖北7个地区的森林防火工作。结合各地区的经济发展状况，可以发现，受灾最严重的4个地区均为经济欠发达地区，而经济较为发达的上海、北京、天津等地区，森林火灾受灾程度小，特别是上海，基本不受森林火灾损失，从这一点分析，经济发达程度也是影响受灾程度的变量，因为经济越发达，防火投入越大，防火措施越完善，受灾程度也越小。

在各地区森林火灾受灾严重程度综合评价分析排序中，排在1、2名的湖南和贵州得分远远高于其他地区，黑龙江、福建、浙江分别位列第3、4、5名，上海、天津、宁夏、北京、青海位居最后5名，其中上海得分最低，排名31名，其次是天津，30名；以各因子的综合评价得分进行聚类，分成4个大类比较合理，其中湖南和贵州两个地区受灾最严重，其次是内蒙和黑龙江，受灾最轻的地区是包括上海、北京、天津在内的第4类。依据以上分析结果，应将湖南、贵州、黑龙江和内蒙作为森林防火灭火工作的重中之重，将森林防灭火力量重点部署在这4个地区，但同时不能忽视浙江、福建、广西、广东、云南、江西和湖北7个地区的森林防火工作。

参考文献：

[1]孙玉荣，张贵. 森林火灾人为火源因素影响程度的主成分分析[J]. 湖北农业科学， 2010（5）： 1202～1205.

[2]狄丽颖，孙仁义. 中国森林火灾研究综述[J]. 灾害学， 2007（4）： 118～123.

[3]多力坤，阿依多斯. 伊犁州直林火发生率和森林受害率控制指标的探讨[J]. 新疆林业， 2007（4）： 39～40.

[4]田晓瑞，舒立福，王明玉，等. 林火与气候变化研究进展[J]. 世界林业研究， 2006（5）： 38～42.

[5]魏书精，胡海清，孙龙. 气候变化对我国林火发生规律的影响[J]. 森林防火， 2011（1）： 30～34.

[6]柴造坡，田常兰，李凤芝，等. 黑河地区林火分布规律[J]. 林业科技， 2009（4）： 38～41.

[7]杨广斌，唐小明，宁晋杰，等. 北京市1986-2006年森林火灾的时空分布规律[J]. 林业科学， 2009（7）： 90～95.

[8]Gillett N P， Weaver A J， Zwiers F W， et al. Detecting the effect of climate change on Canadian forest fires[J]. Geophysical Research Letters， 2004， 31（18）： 1～4.

[9]Flannigan M D， Amiro B D， Logan K A， et al. Forest fires and climate change in the 21 st century[J]. Mitigation and Adaptation Strategies for Global Change， 2006， 11（4）： 847～859.

[10]Flannigan M， Stocks B， Turetsky M， et al. Impacts of climate change on fire activity and fire management in the circumboreal forest[J]. Global Change Biology， 2009， 15（3）： 549～560.

[11]徐盛基. 西南卫星林火监测技术现状与思考[J]. 绿色科技， 2011（2）： 133～135.

[12]殷成武. 复杂山地林火远程视频监控点布设和传输技术应用研究[J]. 安徽农学通报（下半月刊）， 2011（16）： 92～130.

[13]张临萍，田晓瑞，舒立福. 由波音747改装的飞机在林火扑救中的应用[J]. 森林防火， 2011（2）： 35～36.

[14]徐盛基. 贵州林火发生时间卫星监测动态分析[J]. 西部林业科学， 2011（2）： 98～100.

[15]王阿川，常健斌. 人工智能的搜索技术在林火管理路径选择中的应用[J]. 森林防火， 1994（3）： 16～18.

[16]Wotton B M， Nock C A. Forest fire occurrence and climate change in Canada[J]. International Journal of Wildland Fire， 2010， 19（3）： 253～271.

[17]Yassemi S. Design and implementation of an integrated GIS-based cellular automata model to characterize forest fire behaviour[J]. Ecological modelling， 2008， 210（1-2）： 71～84.

[18]魏书精，胡海清，孙龙，等. 气候变化背景下我国森林防火工作的形势及对策[J]. 森林防火， 2011（2）： 1～4.

[19]赵凤君，舒立福，田晓瑞，等. 气候变化与林火研究综述[J]. 森林防火， 2005（4）： 19～21.

[20]胡海清，李楠，孙龙，等. 伊春地区森林火灾时空分布格局[J]. 东北林业大学学报， 2011（10）： 67～70.

[21]韩志刚，田大伦，张贵. 湖南省森林火灾空间分布特征分析[J]. 中南林业科技大学学报， 2010（6）： 113～118.

[22]田晓瑞，舒立福，阿力甫江. 林火研究综述（Ⅲ）——ENSO对森林火灾的影响[J]. 世界林业研究， 2003（5）： 22～25.

[23]林顺根. 森林火灾发生规律、引发因素与预防措施[J]. 中国新技术新产品， 2011（3）： 354～355.

[24]梁瀛. 新疆森林火灾发生规律及分析[J]. 中国林业， 2010（21）： 35.

[25]熊世昆. 曲靖市森林火灾发生规律及消防对策[J]. 林业调查规划， 2010（6）： 96～98.

[26]魏占才，韩建军. 牡丹江地区森林火灾的发生规律[J]. 森林防火， 2004（2）： 13～14.

[27]茅史亮，杨幼平，贾伟江，等. 浙江森林火灾发生规律与发展趋势研究[J]. 浙江林业科技， 2004（1）： 17～21.

[28]张思让，张冬红，景海斌，等. 宝鸡市森林火灾发生规律与对策[J]. 陕西林业科技， 1998（4）： 54～56.

[29]杨美和，高颖仪，潘荣山，等. 吉林省森林火灾发生规律的研究[J]. 吉林林学院学报， 1997（3）： 15～19.

[30]魏振铎. 青海省森林火灾发生规律的初步分析与防治对策[J]. 青海农林科技， 1992（3）： 50～54.

[31]乐文廉. 阿坝州森林火灾发生规律的观察[J]. 四川林业科技， 1982（4）： 49～50.

[32]赵海霞，武建. 浅析主成分分析方法[J]. 科技信息， 2009（2）： 87.

[33]李艳双，曾珍香，张闽，等. 主成分分析法在多指标综合评价方法中的应用[J]. 河北工业大学学报， 1999（1）： 96～99.

[34]梁胜杰，张志华，崔立林. 主成分分析法与核主成分分析法在机械噪声数据降维中的应用比较[J]. 中国机械工程， 2011（1）： 80～83.

[35]周广峰，刘欣. 主成分分析法在水环境质量评价中的应用进展[J]. 环境科学导刊， 2011（1）： 75～78.

[36]豆建斌，卢兴华，杨彭远，等. 基于改进主成分分析法的装备战备水平评估研究[J]. 指挥控制与仿真， 2011（1）： 71～73.

[37]肖小英. 基于主成分分析法的江西省各区市经济发展水平综合评价[J]. 科技广场， 2010（2）： 66～68.

[38]刘志韬，胡乃联. 主成分分析法在黄金矿山成本分析中的应用[J]. 矿业工程， 2008（5）： 14～16.

[39]李艳芹，胡海清. 帽儿山主要树种燃烧性分析与排序[J]. 东北林业大学学报， 2010（5）： 34～36.

[40]谢晋生，陈存及，何宗明，等. 37种针阔树种抗火性能及其综合评价的研究[J]. 林业科学， 1995（2）： 135～143.