廣西林火發生動態及氣象影響因素研究

doi：10.3969/j.issn.1006-8023.2024.02.009

摘" 要：了解森林火災的時空分布格局，定量分析其統計學規律，能夠為該地區的火源管理與森林火災科學預防提供基礎支撐。根據廣西1990—2020年的森林火災數據、氣象數據和基礎地理數據，分析廣西大尺度下的森林火災時空分布趨勢，同時構建零膨脹負二項回歸模型，探討氣象因素對森林火災的影響。結果表明，在年際變化上，廣西林火數量呈“M”形波動，2005年以后森林火災波動較大，季節上多發于冬季和春季，每年10月至次年4月累計發生13 249起，占比80%；森林火災的發生具有明顯的地域聚集性，主要發生在海拔0～400 m和斜坡為25°以下的平原低山地區；氣象因子對森林火災的發生具有重要影響，其中降雨量和平均風速對廣西森林火災的影響最為顯著。未來廣西應加大防火期，尤其是重要節假日前后的野外火源管控力度與應急處置能力，同時完善火險天氣預警，以應對極端天氣帶來的森林火災隱患。

關鍵詞：森林火災；時間序列；空間分布特征；負二項回歸；廣西壯族自治區

中圖分類號：S757""" 文獻標識碼：A""" 文章編號：1006-8023（2024）02-0077-08

Study on the Dynamics and Meteorological Influencing Factors of

Forest Fire in Guangxi

JU Wenzhen， HAN Feiyang*， PENG Bolin， LI Changcheng， HE Shan， PAN Ting

（Guangxi Zhuang Autonomous Region Forestry Survey and Design Institute， Nanning 530011， China）

Abstract：Understanding the temporal and spatial distribution pattern of forest fire and quantitatively analyzing its statistical law can provide basic support for fire source management and scientific prevention of forest fire in this area. Based on the forest fire data， meteorological data and basic geographical data of Guangxi from 1990 to 2020， the temporal and spatial distribution of forest fire in Guangxi was analyzed. A zero inflation negative binomial regression model was constructed to discuss the influence of meteorological factors on forest fire. The results showed that the number of forest fires in Guangxi fluctuated in \"M\" shaped in interannual variation， and the annual forest fire fluctuated greatly after 2005. Seasonally， forest fires were most prevalent during the winter and spring， with a cumulative total of 13 249 occurrences between October and next April， accounting for 80% of the total. The occurrence of forest fire had obvious regional aggregation， which mainly occurred in the plain and low mountain areas below the elevation of 400 meters and the slope （25°）. Meteorological factors had an important influence on the occurrence of forest fire， among them， rainfall and average wind speed had the most significant impact on forest fire in Guangxi. In the future， Guangxi should strengthen the field fire source control and emergency disposal capacity during the fire prevention period， especially before and after important holidays， and improve the fire danger weather warning in order to deal with the hidden danger of forest fire caused by extreme weather.

Keywords：Forest fire; time series; spatial distribution characteristics; zero inflation negative binomial regression; Guangxi Zhuang Autonomous Region

收稿日期： 2023-08-21

基金項目：廣西自籌經費林業科技項目（2023GXZCLK69）; 廣西林業設計院自選科技項目（林勘科研[2022]-01-03）。

第一作者簡介：巨文珍，碩士，高級工程師。研究方向為森林防火。E-mail： 249753114@qq.com

*通信作者：韓斐揚，碩士，高級工程師。研究方向為森林防火。E-mail：350561013@qq.com

引文格式：巨文珍，韓斐揚，彭泊林，等. 廣西林火發生動態及氣象影響因素研究[J].森林工程，2024，40（2）：77-84.

JU W Z， HAN F Y， PENG B L， et al. Study on the dynamics and meteorological influencing factors of forest fire in Guangxi[J]. Forest Engineering，" 2024， 40（2）：77-84.

0" 引言

森林火災是一種突發性強、破壞性大和處置救援困難的自然災害[1-3]，能夠對森林生態系統多樣性與功能、人民生命財產和國土生態安全造成嚴重破壞[4-5]。在全球變暖的大背景下，近年來我國南方地區高溫、干旱等極端天氣明顯增多，森林防火形勢日趨嚴峻[6]。

探究林火時空規律是森林火災預測與管理的前提和基礎[7]，一直是國內外森林火災研究的重點熱點[8-11]，如Ray等[12]基于MODIS數據分析了印度恰蒂斯加爾邦2005—2021年的時空分布特征；江曉東等[13]對寧波市1996—2021年的森林火災時空分布進行了分析，并通過核密度分析方法生成了寧波市歷史森林火災發生情況熱力圖；朱賀等[14]采用Mann-Kendall檢驗和滑動t檢驗的方法對比分析了黑龍江和江西兩省2005—2017年的森林火災時空變化規律和火險期的偏移情況。近年來隨著研究深入，不少學者在林火時空分布特征分析基礎上對森林發生原因及觸發機制進行了探討，如杜建華等[15]和劉佳等[16]定量分析了氣象因素對林火的影響。

廣西是我國南方重要的集體林區。近年來，隨著林區可燃物載量顯著增加，加之森林生產經營、生態旅游等林區活動增多，野外火源管控難度和火險隱患日益增大[17]。了解廣西的林火發生規律及氣候驅動機制對當地林火的預防和監測具有重要現實意義，但目前對廣西林火時空分布及氣象因素影響機制的研究尚不多見。因此，本研究根據廣西1990—2020年歷史火災數據，探究廣西森林火災較長周期的時空分布特征，并構建林火數量與氣候因子的頻次模型，以期揭示氣候對廣西林火發生的驅動機制，為森林火災科學預防與風險防范提供理論支撐。

1" 研究區概況與研究方法

1.1" 研究區概況

廣西壯族自治區（104°28′～112°04′，20°54′～26°24′）位于云貴高原東南邊緣，兩廣丘陵西部，總體地勢西北高、東南低。氣候屬亞熱帶季風氣候，氣候溫暖，雨水豐沛。植被由北至南可分為中亞熱帶常綠闊葉林帶、南亞熱帶常綠季雨林帶、北熱帶季節性林帶，人工植被以馬尾松（Pinus massoniana）、杉木（Cunninghamia lanceolata）、速生桉（Eucalyptus robusta）以及經濟林木為主。廣西歷史發生的森林火災90%以上屬人為因素導致，每年9月到次年4月是廣西的重點防火期。

1.2" 數據來源

本研究通過收集整理廣西各市縣森林火災檔案，獲取了廣西全區1990—2020年間共16 561起森林火災數據，包括森林火災的發生與撲滅時間、火點經緯度、森林火災等級、起火原因、災損情況和撲火經費等。其中森林火災等級按照《森林防火條例》進行分類。起火原因可分為生產性火源、非生產性火源、火源不明及其他4大類，見表1。

基礎地理數據（自治區、市、縣和鄉鎮行政界線）采用廣西第三次全國國土調查成果數據；海拔與坡度根據火災發生點的經緯度從廣西山體和坡度柵格數據上進行提取，坡度按照表2進行分級。

1990—2020年自治區全區的30″氣象格網數據通過購買第三方服務獲取，涵蓋月大風天數、月平均風速、月平均降雨量、月平均氣溫、月最高氣溫和月最小相對濕度等，通過火災檔案記載的時間和經緯度對森林火災發生時的氣象因子進行提取。

1.3" 研究方法

構建廣西1990—2020年歷史森林火災時間序列，通過時序分解從總體趨勢、月際變化和隨機波動上探究森林火災的時間分布趨勢。以市為基本單元統計森林火災等級、數量及起火原因，同時通過提取火點的海拔與坡度，分析廣西森林火災空間分布情況。

對氣象因子進行標準化處理，使其能夠對模型系數比較各因子之間的重要程度。通過方差膨脹因子VIF（Variance Inflation Factor）對氣象因子進行多重共線性檢驗，剔除掉多重共線性變量（VIF gt; 10）的自變量[18]，以鄉鎮為最小單元，按月份統計森林火災數量作為模型構建的因變量，構建林火頻次模型。

零膨脹負二項回歸模型（ZINB）能夠較好處理多數時段林火發生為0的情況，從而更準確地擬合長時間尺度下林火次數離散的情況，被廣泛用作林火頻次的建模[19-20]。零膨脹負二項回歸分布由一個負二項分布和一個離散零分布組成，其概率分布函數為[20]

f（y|X，p，k）=pi+（1－pi）（kk+μ）k，y=0

（1－pi）Γ（y+k）Γ（y+1）Γ（k）（kk+μ）k（μk+μ）y，y=1，2，…，n。（1）

式中：y為林火發生次數；X為自變量的集合；Γ為伽馬分布；p（為模型參數）表示取值為0的數據所占的比例，越大表示越可能存在零膨脹現象；k是散度參數的倒數；μ 為負二項分布的均值。

負二項回歸的期望（E（Y））和方差（Var（Y））分別為

E（Y）=（1－P）μ。（2）

Var（Y）=E（Y）［1+μ（1+k）k－E（Y）］。（3）

式中，P為模型零膨脹部分的參數，表示觀測值為零的額外概率。

為了討論自變量與因變量之間的關系，在零膨脹部分（ZI）參數部分和負二項參數部分引入協變量，即可得到ZINB回歸模型，其中對于非零部分采用對數線性模型，取值為0的部分采用logistic回歸模型，表達式如下[21]

lg（u）=XTβ

logit（p）=WTγ。（4）

式中：β和γ為回歸系數；X和W為協變量。

1.4" 數據分析與處理

采用Excel對數據進行預處理，采用ArcGIS 10.2提取火點的海拔和坡度屬性，采用R 4.1.3 構建時間序列與零膨脹負二項回歸模型，采用R和Origin進行作圖。

2" 結果與分析

2.1" 森林火災時間分布

1990—2020年廣西共發生森林火災16 561起，其中一般森林火災9 796起，較大森林火災6 708起、重大森林火災56起，特大森林火災1起。構建研究期內廣西森林火災時序如圖1所示，從總體分布和趨勢項可以看出，廣西森林火災在研究期內呈明顯的“M”形周期性波動，2005—2017年間波動起伏較大，峰值明顯提高。從季節效應及每月的火災數量可以看出，研究期內森林火災發生呈現明顯季節性變化規律，每年10月至次年4月是廣西森林火災的高峰期。

生產性火源是導致廣西森林火災發生的主要原因，在1990—2012年間呈明顯波動上升趨勢，2013年后得到有效控制，引發火災數量明顯降低；非生產性火源引發的火災數量波動幅度較生產性火源小，但在2018年后才呈現降低趨勢；其他類型火源引發的火災數量在研究期內基本保持穩定，波動幅度不大。各類型火源引發火災數量的年際變化如圖2所示。

2.2" 森林火災空間分布

由表3可以看出，研究期內南寧市的森林火災數量最多，其次為玉林市和柳州市，全區有梧州、河池、桂林、柳州、百色和欽州6個市較大等級以上森林火災數量占比超過40%。森林火災的發生具有明顯的聚集性，集中分布在馬尾松、杉木和速生桉等易燃樹種人工林區。

廣西森林火災主要分布在平原地區和低山丘陵地區，海拔高于300 m后森林火災數量顯著降低；森林火災在坡度的分布上與海拔基本一致，主要分布在斜坡（25°）以下的地區。不同海拔和坡度的森林火災數量分布如圖3所示。

2.3" 氣象因子與森林火災數量之間的關系

方差膨脹因子檢驗顯示月最高氣溫與其他因子之間存在較高的共線性，去掉該因子后構建零膨脹負二項回歸模型見表4。從點模型部分可以得出，所有氣象因子均與當月的森林火災數量顯著相關（P lt; 0.05），其中月平均降雨量、月平均最小相對濕度與森林火災呈負相關，月平均氣溫、月大風天數和月平均風速與森林火災呈正相關。從系數大小來看，各氣象因子對森林火災數量影響由大到小為：月平均降雨量（0.297 6）、月平均風速（0.144 2）、月平均氣溫（0.115 4）、月最小相對濕度（0.073 6）、月大風天數（0.016 7）。

3" 討論

3.1" 廣西森林火災時間分布

廣西森林火災在年際上呈波動變化趨勢，在2005年后波動幅度增大。森林火災的波動通常與當年的氣象因素密切相關[14-15，22]，在進入21世紀后年降雨量極端化明顯，旱澇頻發[23-24]，加上廣西不斷推進營造人工林的步伐[25]，林區經營活動頻繁，導致森林火災數量（尤其是生產性火源）明顯提高。“十二五”后國家和廣西對森林防火日益重視，生產性火源引發火災數量得到了有效控制，尤其2018年以后，各類型森林火災數量均有了顯著降低。

廣西森林火災也表現出了明顯的季節性分布特征，森林火災主要發生在10月至次年4月，這與大部分南方林區表現出的規律一致[6，26-27]。廣西屬亞熱帶季風氣候，雨熱同期，春冬季節干旱少雨，春節清明等重要節日多，人口流動大，煙花爆竹及祭祀掃墓活動頻繁，同時春耕是生產用火高峰期，這些因素都極大地提高了森林火災發生率[13，28]。

3.2" 廣西森林火災空間分布

森林火災在空間分布具有明顯的聚集性，南寧市、玉林市火災總量最多，主要集中在2000—2010年，這是因為在這段時期南寧和玉林大力營造人工林，頻繁生產活動致使生產性火災較多。桂北地區研究期內始終是廣西森林火災的高危區，區域以喀斯特地貌為主，松杉及石山灌木等易燃樹種分布廣，林區可燃物載量高，區域多為少數民族聚居地，農事及祭祀活動頻繁，加上石山地勢險峻，撲救難度大，易發生重大森林火災[28]。

在地形地勢上，火災主要集中在坡度較緩的平原和低山地區，隨著海拔和坡度升高森林火災數量逐漸降低，這與多數研究一致[29-32]。這是因為廣西火災主要為人為導致，海拔和坡度的提升減少了人為活動[28]，同時海拔升高氣溫降低，降雨增加，林內相對濕度增大，植被含水率增高，這些都在一定程度上抑制了火災的發生[33-34]。但高海拔地區干濕季節特征明顯，部分區域干季伴隨著較大的風速，如發生上坡火，隨著坡度的增加對流熱與輻射熱強度增加，火勢蔓延速度也隨之增加[35]，因此仍需對高海拔陡坡區域重點防控。

3.3" 廣西森林火災與氣象之間的關系

模型結果顯示月最高溫度、平均風速和大風天數與森林火災呈顯著正相關，月降雨量和最小相對濕度與森林火災數量呈顯著負相關，這與李永和等[26]和高超等[36]的結果一致。氣象因素通常認為是森林火災的重要驅動因素[37-38]，較高的氣溫與風速能夠加速可燃物干燥，提高燃燒性[39]，降雨量和最小相對濕度通過提高可燃物含水率來抑制火災發生，但也會在一定程度增加森林可燃物的載量（枯枝落葉積累導致短期不能分解）[40]，因此當旱季受到連續高溫干燥天氣后，容易引發大面積森林火災。

4" 結論

依據1990—2020年廣西森林火災數據為基礎，通過構建時間序列及統計匯總分析了廣西森林火災的時空分布規律，同時建立了零膨脹負二項回歸模型，探究了氣象因子對森林火災的影響，得出結論如下：

1）廣西森林火災在年際變化上呈“M”形波動，每年火災集中在冬季和春季。

2）南寧、玉林及桂北地區森林火災數量較多，森林火災在空間分布上具有聚集性，主要發生在海拔400 m、斜坡25°以下的平原低山地區。

3）氣象對廣西森林火災有重要驅動作用，未來廣西應完善火險天氣預警，加大對極端氣溫時期的野外火源管控，以應對極端天氣帶來的森林火災隱患。

【參" 考" 文" 獻】

[1]王亞男，王洪慶，何永明.2010—2020年我國森林火災時空分布及影響因素分析[J].山東林業科技，2022，52（5）：26-32，38.

WANG Y N， WANG H Q， HE Y M. Analysis on temporal and spatial distribution and influencing factors of forest fire in China from 2010 to 2020[J]. Journal of Shandong Forestry Science and Technology， 2022， 52（5）： 26-32， 38.

[2]李海萍，龍志航，楊滋恒，等.基于Logistic模型的四川涼山州森林火災風險分析[J].安全與環境學報，2021，21（2）：498-505.

LI H P， LONG Z H， YANG Z H， et al. Analysis of forest fire risk in Sichuan Liangshan based on Logistic model[J]. Journal of Safety and Environment， 2021， 21（2）： 498-505.

[3]郄亞微，謝濤.基于北斗衛星導航技術的森林火災危險點自動預測方法[J].自動化技術與應用，2022，41（5）：88-91.

QIE Y W， XIE T. Automatic prediction method of forest fire hazard points based on Beidou satellite navigation technology[J]. Techniques of Automation and Applications， 2022， 41（5）： 88-91.

[4]THONICKE K， VENEVSKY S， SITCH S， et al. The role of fire disturbance for global vegetation dynamics： coupling fire into a dynamic global vegetation model[J]. Global Ecology and Biogeography， 2001， 10（6）： 661-677.

[5]白夜，武英達，王博，等.我國森林草原火災潛在風險應對策略研究[J].林業資源管理，2020（1）：11-14，29.

BAI Y， WU Y D， WANG B， et al. Risk-coping strategies for forest and grassland fires in China[J]. Forest Resources Management， 2020（1）： 11-14， 29.

[6]田曉瑞，舒立福，趙鳳君，等.中國主要生態地理區的林火動態特征分析[J].林業科學，2015，51（9）：71-77.

TIAN X R， SHU L F， ZHAO F J， et al. Dynamic characteristics of forest fires in the main ecological geographic districts of China[J]. Scientia Silvae Sinicae， 2015， 51（9）： 71-77.

[7]曾雪艷，楊金明，李士美.2003—2018年中國森林火災時空分布格局研究[J].林業調查規劃，2021，46（2）：53-58，168.

ZENG X Y， YANG J M， LI S M. Spatial and temporal pattern of forest fires in China from 2003 to 2018[J]. Forest Inventory and Planning， 2021， 46（2）： 53-58， 168.

[8]張恒，馬運佳，彭徐劍，等.2003—2016年中國華北地區森林火災時空特征研究[J].西北林學院學報，2019，34（1）：163-169.

ZHANG H， MA Y J， PENG X J， et al. Temporal and spatial characteristics of forest fires in Northern China from 2003 to 2016[J]. Journal of Northwest Forestry University， 2019， 34（1）： 163-169.

[9]SENICI D， CHEN H Y H， BERGERON Y， et al. Spatiotemporal variations of fire frequency in central boreal forest[J]. Ecosystems， 2010， 13（8）： 1227-1238.

[10]WASTL C， SCHUNK C， LEUCHNER M， et al. Recent climate change： long-term trends in meteorological forest fire danger in the Alps[J]. Agricultural and Forest Meteorology， 2012， 162/163： 1-13.

[11]HUESCA M， LITAGO J， PALACIOS-ORUETA A， et al. Assessment of forest fire seasonality using MODIS fire potential： a time series approach[J]. Agricultural and Forest Meteorology， 2009， 149（11）： 1946-1955.

[12]RAY T， MALASIYA D， VERMA A， et al. Characterization of spatial–temporal distribution of forest fire in Chhattisgarh， India， using MODIS-based active fire data[J]. Sustainability， 2023， 15（9）： 7046.

[13]江曉東，李少虹，黃增芳，等.寧波市森林火災時空分布特征研究[J].自然保護地，2022，2（4）：116-128.

JIANG X D， LI S H， HUANG Z F， et al. Research on temporal and spatial distribution characteristics of forest fires in Ningbo[J]. Natural Protected Areas， 2022， 2（4）： 116-128.

[14]朱賀，張珍，楊凇，等.我國南北方森林火災時空分布及火險期動態變化特征[J/OL].生態學雜志，2022：1-13.（2022-06-21）.https：//kns.cnki.net/kcms/detail/21.1148.Q.20220620.1231.008.html.

ZHU H， ZHANG Z， YANG S， et al. Temporal and spatial distribution of forest fire and dynamic change characteristics of fire danger period in south and North China[J/OL]. Chinese Journal of Ecology， 2022： 1-13. （2022-06-21）. https：//kns.cnki.net/kcms/detail/21.1148.Q.20220620.1231.008.html.

[15]杜建華，宮殷婷，蔣麗偉.中國森林火災發生特征及其與主要氣候因子的關系研究[J].林業資源管理，2019（2）：7-14.

DU J H， GONG Y T， JIANG L W. Study on the characteristics of forest fires in China and their relationship with major climatic factors[J]. Forest Resources Management， 2019（2）： 7-14.

[16]劉佳，郭海燕，甘薇薇，等.攀西林火時空分布格局與氣候影響因素的空間異質性研究[J/OL].西南林業大學學報（自然科學），2023：1-12.

LIU J， GUO H Y， GAN W W， et al. Study on spatio-temporal distribution and heterogeneity of climate forces of wildfires in Panxi region[J/OL]. Journal of Southwest Forestry University （Natural Sciences）， 2023： 1-12.

[17]何蕓.廣西森林火災成因時空分布規律分析[J].南方農業，2022，16（15）：207-209，213.

HE Y. Analysis on temporal and spatial distribution of forest fire causes in Guangxi[J]. South China Agriculture， 2022， 16（15）： 207-209， 213.

[18]高博，陳響，單仔赫，等.基于Logistic回歸模型的大興安嶺地區林火發生概率預測研究[J].中國安全生產科學技術，2022，18（11）：163-168.

GAO B， CHEN X， SHAN Z H， et al. Prediction of forest fire probability in Daxing'an Mountains area based on Logistic regression model[J]. Journal of Safety Science and Technology， 2022， 18（11）： 163-168.

[19]張潔，趙浩彥，張民俠，等.廣義線性模型在林火發生預報中的應用[J].林業工程學報，2017，2（1）：135-142.

ZHANG J， ZHAO H Y， ZHANG M X， et al. Research on generalized linear models applied to forest fire forecast[J]. Journal of Forestry Engineering， 2017， 2（1）： 135-142.

[20]秦凱倫，郭福濤，邸雪穎，等.大興安嶺塔河地區林火發生的優勢預測模型選擇[J].應用生態學報，2014，25（3）：731-737.

QIN K L， GUO F T， DI X Y， et al. Selection of advantage prediction model for forest fire occurrence in Tahe， Daxing'an Mountain[J]. Chinese Journal of Applied Ecology， 2014， 25（3）： 731-737.

[21]王昊，楊亞東，馬勇，等.基于零膨脹負二項回歸模型的內河水上交通人命安全分析[J].安全與環境學報，2017，17（2）：408-412.

WANG H， YANG Y D， MA Y， et al. Safety analysis over the casualties of maritime transportation and traffic accidents based on the zero-inflated negative binomial regression method[J]. Journal of Safety and Environment， 2017， 17（2）： 408-412.

[22]王麗娜，王惠東，李偉光.近25年黑龍江省森林火災發生趨勢的研究[J].森林防火，2006（3）：16-17.

WANG L N， WANG H D， LI W G. Study on the occurrence trend of forest fires in Heilongjiang Province in recent 25 years[J]. Forest Fire Prevention， 2006（3）： 16-17.

[23]覃衛堅，李耀先，覃志年.廣西氣溫氣候變化特征研究[J].安徽農業科學，2010，38（32）：18315-18318.

QIN W J， LI Y X， QIN Z N. Study on temperature variation characteristics in Guangxi[J]. Journal of Anhui Agricultural Sciences， 2010， 38（32）： 18315-18318.

[24]何潔琳，謝敏，黃卓，等.廣西氣候變化事實[J].氣象研究與應用，2016，37（3）：11-15.

HE J L， XIE M， HUANG Z， et al. Climate change in Guangxi[J]. Journal of Meteorological Research and Application， 2016， 37（3）： 11-15.

[25]張建平.廣西桉樹人工林經營狀況及可持續發展研究[J].綠色科技，2017（5）：97-98，100.

ZHANG J P. Study on management status and sustainable development of Eucalyptus plantation in Guangxi[J]. Journal of Green Science and Technology， 2017（5）： 97-98， 100.

[26]李永和，靳全鋒.浙江省林火時空變化及影響因子分析[J].浙江林業科技，2021，41（4）：62-69.

LI Y H， JIN Q F. Temporal and spatial variation of forest fires and factors analysis in Zhejiang Province[J]. Journal of Zhejiang Forestry Science and Technology， 2021， 41（4）： 62-69.

[27]田野，牛樹奎，陳鋒，等.麗江地區森林火災的時空分布規律[J].西北林學院學報，2018，33（5）：142-148.

TIAN Y， NIU S K， CHEN F， et al. Temporal and spatial distribution of forest fire in Lijiang area[J]. Journal of Northwest Forestry University， 2018， 33（5）： 142-148.

[28]羅仁榮.如何做好喀斯特地貌區鄉鎮森林防火工作[J].河南農業，2018（17）：42-45.

LUO R R. How to do a good job of forest fire prevention in villages and towns in Karst landform area[J]. Agriculture of Henan， 2018（17）： 42-45.

[29]鄭長青，楊少斌，程玉林，等.內蒙古大興安嶺北部原始林區地形因子對森林火災空間分布的影響分析[J].內蒙古林業科技，2022，48（3）：48-53.

ZHENG C Q， YANG S B， CHENG Y L， et al. Impact analysis of topographic features on spatial distribution of forest fire in the northern primitive forest area of Greater Xing'an Mountains， Inner Mongolia[J]. Journal of Inner Mongolia Forestry Science and Technology， 2022， 48（3）： 48-53.

[30]田超，蘇漳文，楊夏捷，等.福建西部地區林火發生格局及驅動因子分析[J].森林與環境學報，2017，37（1）：88-94.

TIAN C， SU Z W， YANG X J， et al. Investigations on spatial distribution and driving factors of forest fire in western Fujian[J]. Journal of Forest and Environment， 2017， 37（1）： 88-94.

[31]SYPHARD A D， RADELOFF V C， KEELEY J E， et al. Human influence on California fire regimes[J]. Ecological Applications： a Publication of the Ecological Society of America， 2007， 17（5）： 1388-1402.

[32]顧先麗，吳志偉，張宇婧，等.氣候變化背景下江西省林火空間預測[J].生態學報，2020，40（2）：667-677.

GU X L， WU Z W， ZHANG Y J， et al. Prediction research of the forest fire in Jiangxi Province in the background of climate change[J]. Acta Ecologica Sinica， 2020， 40（2）： 667-677.

[33]GUO F T， WANG G Y， SU Z W， et al. What drives forest fire in Fujian， China？ Evidence from logistic regression and Random Forests[J]. International Journal of Wildland Fire， 2016， 25（5）： 505.

[34]GUO F T， SU Z W， WANG G Y， et al. Wildfire ignition in the forests of southeast China： Identifying drivers and spatial distribution to predict wildfire likelihood[J]. Applied Geography， 2016， 66： 12-21.

[35]周義峰.四川省甘孜州林火分布格局及預測模型研究[D].成都：成都理工大學，2021.

ZHOU Y F. Study on distribution pattern and prediction model of forest fire in Ganzi prefecture of Sichuan Province[D]. Chengdu： Chengdu University of Technology， 2021.

[36]高超，林紅蕾，胡海清，等.基于氣象因子的黑龍江黑河林火發生概率預測[J].森林與環境學報，2022，42（5）：529-535.

GAO C， LIN H L， HU H Q， et al. Probability prediction of forest fires in Heihe region of Heilongjiang Province based on meteorological factors[J]. Journal of Forest and Environment， 2022， 42（5）： 529-535.

[37]CALDER W J， PARKER D， STOPKA C J， et al. Medieval warming initiated exceptionally large wildfire outbreaks in the Rocky Mountains[J]. Proceedings of the National Academy of Sciences of the United States of America， 2015， 112（43）： 13261-13266.

[38]WESTERLING A L， HIDALGO H G， CAYAN D R， et al. Warming and earlier spring increase western U.S. forest wildfire activity[J]. Science， 2006， 313（5789）： 940-943.

[39]曾愛聰，蔡奇均，蘇漳文，等.基于MODIS衛星火點的浙江省林火季節變化及驅動因子[J].應用生態學報，2020，31（2）：399-406.

ZENG A C， CAI Q J， SU Z W， et al. Seasonal variation and driving factors of forest fire in Zhejiang Province， China， based on MODIS satellite hot spots[J]. Chinese Journal of Applied Ecology， 2020， 31（2）： 399-406.

[40]姚啟超.大興安嶺林火歷史與氣候的關系[D].哈爾濱：東北林業大學，2017.

YAO Q C. Multicentury wildfire and climate in the Daxing'an mountains， China[D]. Harbin： Northeast Forestry University， 2017.