基于加權VHSD-EM模型的森林火災風險評估

王亞男，李 勇，陳飛飛，王新建

（1.中國消防救援學院 基礎部，北京 102202；2.中國消防救援學院 消防工程系，北京 102202；3.黑龍江省森林消防總隊哈爾濱支隊，黑龍江哈爾濱 150028）

森林資源的健康持續發展對于保障國家木材安全、維護生態系統平衡及推進生態文明建設意義重大[1-2]。森林火災作為全球發生最頻繁的自然災害之一，嚴重危害森林資源的健康發展。據應急管理部相關數據顯示，2014—2020年，我國共發生森林火災17 872起，受害森林面積超過10萬hm2。在全球氣候日益變暖的大環境下，我國森林防火、滅火工作面臨嚴峻考驗。森林火災的發生受自然條件、經濟社會水平及人類活動等因素影響[3]。實現對森林火災風險的科學評估，對防范森林火災發生，降低森林火災損失，具有重要的指導價值和現實意義。

在森林火災風險評估的研究中，國內外學者主要圍繞評估模型的選擇展開研究。研究者們采用信息擴散理論[1]、卷積神經網絡[4]、加權貝葉斯網絡[5]、突變級數法[6]和Logistic模型[7]等展開森林火災風險評估。這些研究主要采用小樣本，信息量不足；對圖像識別與信息提取、風險因子依賴性等問題進行探討，但未能將各樣本的差異特征納入評估過程，不能很好地兼顧時間因素和個體信息量的共同作用，忽略防火管理及投入對森林火災風險的影響。本研究采用加權VHSD-EM森林火災風險評估模型，兼顧森林火災風險評估中時間因素和個體信息量，為森林火災風險研究提供新思路。

1 森林火災風險評估體系

森林火災的發生受到多種因素的綜合影響。參考國內外文獻[8-10]及近幾年的森林火災案例，結合現行標準引發森林火災的因素，在遵循代表性、科學性和可得性的基礎上，基于經濟水平、自然環境、管理水平、防火投入和歷史災情5個維度，選取26個基本指標構建森林火災風險評估指標體系（表1）。

表1 森林火災風險評估指標體系Tab.1 Forest fire risk assessment index system

經濟水平代表一個地區的經濟發展程度，可在一定程度上影響當地人民群眾的綜合素質。人均GDP和人均可支配收入可反映當地人民群眾的富裕程度，人口密度可反映當地人民群眾的居住環境，人口受教育水平可反映當地人民群眾的文化程度，公路里程（二級公路）可反映當地的交通通達程度。自然環境是森林火災發生的基礎條件，主要包括氣溫、降水和可燃物等。年均降水量、年均相對濕度和年均氣溫可反映當地的氣候條件，森林蓄積量和森林覆蓋率可反映當地的可燃物情況。林業站的管理水平也在一定程度上影響著森林火災的發生。林業站個數、鄉村護林員數量可反映當地對林業管理的重視程度，林業站管理人員受教育程度、林業站管理人員專業技術水平、林業站站長再培訓情況和林業站站員再培訓情況可反映當地林業站的人才隊伍建設水平。防火投入是預防森林火災發生的必要條件。林業站投資總額、森林防火與森林公安投資水平可反映當地當年內防火資金的投入水平，通訊設施完善度、信息化硬件服務水平、信息化軟件服務水平可反映當地基礎設施的完善程度，防火宣傳水平可反映當地對森林防火的輿論宣傳力度。歷史災情可在一定程度上反映當地森林火災發生的可能性。森林火災次數、火場總面積、受害森林面積和其他損失折款可反映當地因森林火災造成的直接或間接損失。

2 VHSD-EM模型

VHSD-EM模型是“縱橫向拉開檔次法-熵值賦權法（Vertical and Horizontal Scatter Degree method and Entropy Method）模型的簡稱[11]。該模型基于研究事物的客觀特征，從已有的統計數據提取事物影響因子的信息量，同時融合時間因素，充分體現被評測對象的差異特征，實現對研究事物的定量測度。目前，VHSD-EM模型已被廣泛應用于經濟管理領域[12-13]，較好地實現對研究事物的客觀評價。

2.1 VHSD模型的基本原理

VHSD模型基本原理為對于某一系統，涉及T個年份，m個被評價對象和n個基本指標，先將這些指標按照年份先后順序排列成時間綜列數據（表2）。表中，ui為第i個樣本的具體名稱；x（ijtT）為第i個樣本在第T年的第j項指標的數值。

表2 時序立體數據表Tab.2 Time series stereoscopic data table

為保證測算結果的科學性，首先采用極值法對所有數據進行無量綱化處理[14]。對正向指標的處理公式為：

對逆向指標的處理公式為：

式中，yij為經處理后的標準化值，其取值介于[0，1]；Nij為數據所在列中的最小值；Mij為數據所在列中的最大值。形成標準化數據矩陣記為Yijk，k=1，2，…，T。

取Yijk的轉置矩陣記為Y'ijk，計算Y'ijk×Yi（jkHk），得到各年份的對稱矩陣。依據VHSD原理，采用總離差平方和的方法，以最大化體現各樣本間的差異，其中：

式中，σ為指標權重矩陣；Z（it）為樣本i在第t年的綜合評估值；H=為對稱矩陣，在限定δ'δ=1的情況下，取矩陣H的最大特征值對應的特征向量時，σ2取得最大值。此時，對該特征向量進行歸一化處理得到權重矩陣δ。

2.2 EM模型的基本步驟

對每一年度的數據采用計算各指標熵值的方法體現其內含的信息量。令vijk表示第i個評估對象在第k年第j項指標下的特征比重。

式中，yijk為第i個評估對象在第k年第j項指標的標準化值。計算第j項指標的熵值，記為Eik。

其中，當vijk=0或1時，令vijkln（vijk）=0。設指標的差異系數為Djk，Djk越大，表示指標j內含的被評估對象的信息量越大，越應賦予其較大權重，該指標在評估體系中越為重要。

由此可確定各年份各指標的熵值權重為：

在得到VHSD法確定的權重δj和EM法確定的各指標各年份的權重Wjk后，計算對應指標的二者權重算術平均值，得到每個基本指標的最終權重τjk。采用線性加權法計算得到各研究對象在各年份的綜合分值，記為Pmk。

各年份的計算結果構成以各?。ㄗ灾螀^、直轄市）為行、年份為列的矩陣，即：

由于VHSD-EM模型計算的結果是對以往各年份火災風險的測算，評價具有時滯性。為更好地反映各地區森林火災發生的潛在風險，引入對以往各年份賦權的方法，構造森林火災風險評估指數，以更好地對各地區的森林火災風險進行推測。

以“1”作為基準量對其進行T等分，按照“由遠及近”的原則，確定各年份的權重，即距離現在最遠的年份賦權為，次遠的年份賦權為，依次類推，直至最近年份權重值賦權為1。計算各地區的森林火災風險指數（Pm），公式如下：

所得的指數值越大，表明該地區發生火災的風險越大；反之，該地區發生火災的風險越小。

3 實例分析

3.1 數據來源及處理

以2014—2020年我國29個 省（自治區、直轄市）為例，依據加權VHSD-EM模型展開森林火災風險評估。經濟水平、自然環境和歷史災情的數據源于2015—2021年的《中國統計年鑒》。人口密度為轄區內常住人口數與轄區面積的比值，人口受教育水平為轄區內大專以上學歷人口數與6歲以上人口數的比值。

管理水平和防火投入的數據源于2014—2020年的《中國林業統計年鑒》。林業站管理人員受教育程度為林業站大專以上學歷人數與總人數的比值，林業站管理人員專業技術水平為高級技術人員占總人數的比值。通訊設施完善度為通訊設備站數，信息化硬件服務水平為計算機站數，信息化軟件服務水平為林業信息化投資額。

3.2 計算過程

將29個?。ㄗ灾螀^、直轄市）1所考察的?。ㄗ灾螀^、直轄市）包括北京、天津、河北、山西、內蒙古、遼寧、吉林、黑龍江、上海、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏和新疆。其他地區部分數據缺失，未納入。各年份的26個基本指標數據，按照年份和指標的先后順序排列成時序立體數據表。得到標準化的數據矩陣記為yk，其中k代表年份，k=1，2，…，7，具體為：

求出yk的轉置矩陣ykT，并計算各個hk，即：h1=Hk=∑hk。根據公式（3），求出Hk的最大特征值及其對應的特征向量，并對該向量進行歸一化處理，可得VHSD確定的各指標權重矩陣δk26×1，結果為：

針對每年的標準化數據，按照公式（4）～（7）的計算方法通過Matlab（R2016a）軟件求出各年份數據的EM權重，記為Wk26×1，k=1，2，…，7，具體為：

然后，對各年份的δk26×1和Wk26×1取算術平均值，可得各指標在各年份的權重值，記作τk26×1。

利用線性加權法求得各年份的綜合分值，記為Pk。

具體結果為：p1=[0.379,0.440,…,0.431]T，p2=[0.384,0.455,…,0.455]T，p3=[0.397,0.447,…,0.399]T，p4=[0.412,0.450,…,0.440]T，p5=[0.382,0.442,…,0.430]T，p6=[0.439,0.490,…,0.388]T，p7=[0.430,0.456,…,0.438]T。

4 結果與分析

4.1 模型的穩健性檢驗

為保證測算結果的科學性與穩定性，采用斯皮爾曼相關性檢驗法對測算結果進行驗證[11]。用該系數對樣本評估排序的一致性進行檢驗，即分別將VHSD-EM模型所得分值與其基準模型進行比較（表3）。

表3 2014—2020年斯皮爾曼相關性檢驗結果Tab.3 Spearman correlation test results from 2014 to 2020

各年份的斯皮爾曼相關系數基本上均大于0.5且均相關性顯著，說明與基準模型相比，VHSD-EM模型能保證測算結果的一致性，并集合各單一模型在指標權重確定中的優勢。本研究構建的VHSDEM模型具有較強的穩定性。

4.2 森林火災風險指數結果分析

森林火災風險排名前五的地區為內蒙古（2.348）、四川（2.214）、山西（2.113）、廣西（2.085）和黑龍江（2.027），表明這些地區發生森林火災的可能性高于其他地區。原因為這些地區的經濟水平與發達地區相比仍存在較大差距，在林業防火管理方面缺少必要的技術人才，防火投入力度有待提升；這些地區的森林蓄積量普遍較大，一些省份的年降水量偏少。如四川省，其森林蓄積量在2020年達186 099萬m3，受自身所處地理位置和自然條件的制約，年均氣溫較高，火災隱患較嚴重。這一研究結果與李艷梅等[15]、蘇麗娟等[1]的研究結論不完全一致?？赡艿脑蛟谟谘芯康哪晗藓筒捎玫臄祿煌?，且本研究采用動態測算模型并進行改進。

5 結論與討論

森林火災的發生嚴重威脅森林資源的持續發展[16-17]。構建科學有效的評估模型對森林火災風險進行評估，有助于推進森林防火、滅火工作的順利開展[15，18-19]。本研究從經濟水平、自然環境、管理水平、防火投入和歷史災情5個維度出發，選取26個基本指標構建森林火災風險評估體系，采用加權VHSD-EM模型確定森林火災風險評估指數。VHSD-EM模型是動態評價方法與靜態評價方法的有機結合，本研究通過對時間賦權的方法確定森林火災風險指數，能將時間因素納入森林火災風險的評估過程中，是對以往森林火災研究中靜態評估方法的突破。以我國各?。ㄗ灾螀^、直轄市）2014—2020年數據為樣本，采用加權VHSD-EM模型展開森林火災風險評估，并對模型的穩健性進行檢驗。結果顯示該模型能夠較好地實現對各地森林火災風險的監測評估，穩健性良好，可操作性與實用性較強。

森林火災風險評估是森林防火、滅火工作的重要內容，本研究的開展為森林火災風險研究提供一種新思路?？紤]各地區在地形、林木種類等方面的差異，本研究在指標數據的選取上對結構化數據的依賴性較大。遙感信息技術的發展為半結構化和非結構化數據的獲取提供新方法，是未來用于森林火災風險體系指標數據獲取的重要途徑。在數據處理過程中，指標間的相關性也是值得考慮的問題，未來在評估方法的構建上可采用適當方法降低因評估指標相關性產生的影響。