基于GIS的溆浦縣森林火災潛在風險地圖制作

付小春

摘 要 森林防火是森林資源保護工作的重要內容。繪制森林火災潛在風險地圖，是一種有效的林火管理措施。為探究森林火災潛在風險，有效預防森林火災，以湖南省懷化市溆浦縣為研究區域，利用地理信息系統（Geographic Information System，GIS）技術，參考統計年鑒等資料，選取歸一化植被指數、年平均溫度、地形濕度指數、海拔、坡度和距道路距離等6個風險因子，運用層次分析法對研究區的林火風險進行定量評價，并繪制森林火災潛在風險地圖，劃分森林火災等級。結果顯示：研究區屬于中高風險和高風險區域合計占比為41.68%，中高風險和高風險主要分布在中部城市和道路周圍；MODIS熱點數據驗證結果顯示，分布在中高風險和高風險的熱點合計達到80.14%，說明運用的森林火災潛在風險地圖制作方法具有較高準確性，可為當地森林資源保護、林火預警、防火資源配置提供基礎參考。

關鍵詞 地理信息系統（GIS）；森林火災風險；湖南省懷化市溆浦縣

中圖分類號：S762 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2023.06.024

森林火災風險是在特定區域，多種因素綜合作用下，發生著火和蔓延的可能性[1]。溆浦縣是湖南省林業重點縣，也是森林防火重點縣。本文參考相關學者的研究，結合研究區實際情況，借助地理信息系統（Geographic Information System，GIS）技術，選取地形濕度指數、歸一化植被指數、年平均溫度、海拔、坡度和距道路距離等6個風險因子，在定量評估的基礎上，對溆浦縣的森林火災潛在風險等級進行劃分。

1 材料與方法

1.1 試驗區概況

研究區為湖南省懷化市溆浦縣，地形以山地丘陵為主，海拔100～1 700 m，氣候類型屬亞熱帶季風性濕潤氣候。境內森林資源豐富，森林覆蓋率約為67.49%。根據溆浦縣2012—2020年統計年鑒資料，境內森林火災頻發，多發生在春秋季節的防火期（11月至翌年4月）。

1.2 數據獲取與預處理

研究中獲取的數據及產品信息如表1所示。

對獲取的道路矢量數據，在ArcGIS 10.8中裁剪、拼接，得到研究區的道路矢量分布圖。對獲取的DEM數據，在ENVI 5.3中進行鑲嵌、裁剪等處理，得到研究區的DEM分布圖；對獲取的Landsat 8遙感影像，在ENVI 5.3中進行輻射定標、大氣校正、鑲嵌、按掩膜提取等處理，為后續研究分析做準備。

MODIS熱點數據常用于森林火災監測研究。該數據的火災信息來自Aqua和Terra衛星上MODIS傳感器的火災數據產品MCD14DL，空間分辨率為1 km，每個MODIS熱點表示1 km像素的中心。在ArcGIS 10.8中對獲取的MODIS熱點數據進行裁剪，篩選置信度大于50%、火災類型為植被火災的熱點，共獲得141個MODIS熱點數據。

1.3 參考資料

以溆浦縣2010—2018年的統計年鑒為參考，期間共發生42起森林大火，多在城鎮、道路等附近的林區發生。火災主要由人類活動引發，包括清明祭祀、丟棄煙頭、燒土坎、林區內違規用火和野外非法用火等行為。參考統計年鑒信息，為后續的森林火災風險因子的等級分類、風險因子權重分配分析做準備。

1.4 技術路線

參考統計年鑒、相關文獻等資料，選取歸一化植被指數（NDVI）、年平均溫度、地形濕度指數、海拔、坡度和距道路距離等6個風險因子，運用層次分析法（Analytic Hierarchy Process，AHP）確定各因子的權重，繪制研究區森林火災潛在風險地圖，劃分森林火險等級，并利用MODIS熱點數據驗證結果的準確性，技術路線如圖1所示[2-3]。

2 結果與分析

2.1 森林火災風險因子計算

2.1.1 歸一化植被指數

NDVI能反映植被生長狀況、植被豐度等信息，常用于植被監測、林火研究。對預處理后的Landsat 8

遙感影像數據，利用近紅外和紅外波段計算得到研究區的NDVI，計算公式如（1）所示。

（1）

式中，Rnir為近紅外波段的反射率，Rred為紅外波段的反射率。

2.1.2 海拔、坡度、地形濕度指數

海拔和坡度會影響氣溫、降水、濕度、風速等因子，從而影響森林火災。海拔由預處理后的DEM數據得到，然后在ArcGIS 10.8中計算得到坡度。地形濕度指數可反映土壤干濕狀況，對地表死可燃物含水率有直接影響，其計算公式如（2）所示。

（2）

式中，ITW為地形濕度指數；VSCA為單位面積的匯流量，由DEM數據在ArcGIS 10.8中計算得到；θslope為坡度。

2.1.3 距道路距離、年平均溫度

研究區的森林火災多發生在人類活動頻繁地區，對預處理后道路數據，利用ArcGIS 10.8中的歐式距離工具，計算得到距道路距離的柵格分布圖。獲取的溫度數據為NetCDF格式，在ArcGIS 10.8中將其轉成TIFF格式，并將空間分辨率重采樣到30 m，裁剪后得到研究區的年平均溫度分布圖。

2.2 各風險因子等級與權重

在GIS中集成森林火災信息時，不同類型森林火災風險因子的屬性、特征和分類標準不同，使得其成為一個多標準的分析問題。基于數學和專家知識的層次分析方法，能很好地解決該問題[4-5]。

運用AHP分析方法，確定了研究區的6個森林火災風險等級和權重值，如表2所示。

2.3 森林火災風險指數計算

依據確定的各風險因子的權重值，在GIS中將各風險因子圖層疊加。在ArcGIS 10.8中，按照公式（3）計算每個像元的森林火災綜合風險指數（Combined Fire Risk Index，CFRI）。

（3）

式中，ICFR是森林火災綜合風險指數；wi是因子的指標權重值；xi是第i項指標取值；n是評估指標標準數。

2.4 制圖

依據森林火災綜合風險指數計算方法，在GIS中疊加計算得到研究區每個像元的CFRI。

因本文研究的對象是森林火災，在ENVI 5.3中對預處理后的Landsat 8遙感影像采用最大似然法的監督分類，將研究區劃分為林地、水域、建設用地、耕地、未利用地。依據土地利用分類結果，提取研究區的林地范圍，并轉成矢量格式，最后用林地矢量裁剪CFRI柵格地圖，得到研究區林地范圍內的CFRI柵格地圖。

在ArcGIS 10.8中，采用自然間斷法，將CFRI柵格地圖劃分為低、中低、中、中高、高5個等級，繪制研究區的森林火災潛在風險地圖，并利用獲取的2012—2020年的MODIS熱點數據覆蓋在地圖上來驗證結果的可靠性。如圖2所示，研究區屬于中高風險和高風險區域合計占比為41.68%，中高風險和高風險主要分布在中部城市和道路周圍，表明本地的森林火災與人類活動有密切聯系。該研究結果與Wen和Sivrikaya等的研究結果一致[3，6]。

3 結論

MODIS熱點統計結果顯示，141個MODIS熱點分布在低、中低、中、中高、高風險等級的數量分別為5、13、10、78、35，占比分別為3.55%、9.22%、7.09%、55.32%、24.82%；中高風險和高風險合計占比達到80.14%，表明本文采用的森林火災潛在風險地圖繪制方法具有較高的準確性，可以為當地的森林資源保護、林火預警、防災減災資源配置等提供參考；在森林火災高風險地區，應當采取嚴格的森林保護措施，包括設置森林防火帶和防火屏障、定期清除林下可燃物、配置森林消防資源和限制人類進入林區等。

參考文獻：

[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.

（責任編輯：張春雨）