《Ecological Indicators》:A spatial pattern identification method for Forest fire risk based on multi-model weight fusion: A case study of Liangshan prefecture, Sichuan Province, China
编辑推荐:
山区森林火灾风险识别受强空间异质性、驱动因子间的非线性相互作用以及将区域风险结果转化为实际预防单元的困难所影响。本研究提出了一种基于多模型权重融合的森林火灾风险空间格局识别方法,以中国四川省凉山州为区域研究区。利用1165条历史森林火灾记录和州级标准化的多源环
山区森林火灾风险识别受强空间异质性、驱动因子间的非线性相互作用以及将区域风险结果转化为实际预防单元的困难所影响。本研究提出了一种基于多模型权重融合的森林火灾风险空间格局识别方法,以中国四川省凉山州为区域研究区。利用1165条历史森林火灾记录和州级标准化的多源环境因子,研究人员构建了森林火灾风险识别模型(FFRIM)。采用熵权TOPSIS确定基本指标的客观权重,引入随机森林(RF)评估驱动因子组的相对贡献,并利用层次分析法(AHP)保持层次权重体系的结构一致性和可解释性。州级结果在网格、县和村尺度上进行了分析,以揭示凉山州森林火灾风险的空间分异。结果表明,火灾风险受干旱持续时间、地形变化、燃料条件和人类用火活动的共同影响。高风险区在网格尺度上更为明显,而村级聚合揭示了可能被县级平均值掩盖的局部预防单元。因此,多尺度表达对于连接区域风险识别与基层火灾预防是必要的。研究人员进一步选择木里县作为典型山区案例区进行预防性安全格局分析。其选择并非基于最高的县级平均风险,而是基于其复杂地形、丰富的森林资源、历史重大火灾事件和实际预防需求。重要的是,木里县分析并非对州级模型进行更高精度的降尺度处理。由于可用的县级环境数据与州级数据不同,且不一定更精确,这一阶段旨在检验区域风险识别结果在不同空间尺度、数据精度和管理目标下如何解释。基于可用的县级数据和森林小班管理单元,研究人员采用自组织映射(SOM)聚类、空间自相关分析、最小成本路径提取和电路理论来识别预防功能分区、风险廊道、脆弱节点和关键干预区域。本研究提供了一个从区域到局部的框架,将森林火灾风险识别与村级预防分区和典型山区案例解释联系起来。该框架为在异质数据条件下将森林火灾风险评估转化为空间明确的预防策略提供了方法参考。
**论文解读:基于多模型权重融合的山区森林火灾风险空间格局识别与预防性安全格局构建**
**研究背景与问题**
在全球气候变暖、干旱加剧和土地利用快速变化的背景下,森林火灾已成为影响陆地生态系统、人类社区和生态安全的重要扰动因素。山区因陡峭地形、破碎化燃料、局部气候梯度及不均匀的人类干扰,形成了高度异质性的火灾风险景观。中国西南山区是典型的火灾易发区,凉山州(四川省)因其复杂地形、广阔森林和频繁人类活动而成为代表性研究区域。现有森林火灾风险评估研究存在三个主要问题:一是依赖有限火灾记录或小范围行政区域,导致火灾-环境关系代表性不足;二是不同方法(如熵权法、机器学习、专家打分)虽能捕捉不同风险维度,但缺乏清晰层次整合,易导致方法复杂而非概念一致;三是大多数风险图停留在栅格或区域分区层面,未能转化为可操作的预防单元(如村级巡逻、火源管控、资源分配)。因此,需要一种连贯的多尺度框架,将区域火灾风险识别与村级预防分区和森林小班(forest sub-compartment)管理单元相结合。
**研究内容与结论**
本研究提出了一种基于多模型权重融合的森林火灾风险空间格局识别方法,以凉山州为区域研究区,构建了森林火灾风险识别模型(FFRIM)。该模型利用1165条历史森林火灾记录和多源环境因子(气象、地形、植被燃料、人为活动),通过熵权TOPSIS、随机森林(RF)和层次分析法(AHP)进行层次权重融合,得到州级网格尺度风险图,并进一步聚合至县和村两级行政单元。结果表明,火灾风险受干旱持续时间、地形起伏、燃料条件和人为用火活动的共同影响;高风险区在网格尺度上更明显,村级聚合揭示了可能被县级平均值掩盖的局部预防单元,说明多尺度表达对连接区域风险识别与基层防火至关重要。在州级识别基础上,选择木里县作为典型山区案例区,基于可用的县级数据(1km网格)和森林小班管理单元,采用自组织映射(SOM)聚类、空间自相关分析(Global Moran's I和LISA)、最小成本路径提取和电路理论,识别了预防功能分区、风险廊道、脆弱节点和关键干预区域,构建了县级的森林火灾预防安全格局。该研究提供了一个从区域到局部的框架,将森林火灾风险评估转化为空间明确的预防策略,为异质数据条件下的山区森林防火提供了方法论参考。论文发表在《Ecological Indicators》。
**主要技术方法**
- **熵权TOPSIS**:在基本指标层内,利用数据离散度确定各指标客观权重,并基于正负理想解评估各单元风险。
- **随机森林(RF)**:在驱动因子层,用于计算各因子组(气象、地形、燃料、人为)的相对贡献,但不用于预测火灾发生。
- **层次分析法(AHP)**:在复合层,通过专家两两比较矩阵确定气候-地形与燃料-人为两大组分的权重,保持结构一致性。
- **自组织映射(SOM)**:在木里县案例中,用于提取高维非线性特征,识别不同风险类型的功能分区。
- **空间自相关分析**:使用Global Moran's I和LISA识别风险聚类模式(高-高、低-低、空间异常值)。
- **最小成本路径与电路理论**:基于模糊隶属度函数构建综合预防连通性成本面,提取最小成本廊道,并利用电路理论识别瓶颈节点和关键改善点。
- **样本来源**:1165条历史森林火灾记录(凉山州)及多源环境数据(ERA5-Land、GPM卫星降水、森林资源“一张图”、第三次国土调查等),木里县案例使用1km网格分析。
**研究结果**
**3.1 州级森林火灾风险识别**
**3.1.1 FFRIM权重与风险识别稳定性**
通过熵权TOPSIS、RF和AHP计算层次权重。基本指标层中,年最大连续干旱日(气象因子)、海拔变幅(地形因子)、平均燃料负荷(燃料因子)和农事用火频率(人为因子)权重最高,表明火灾风险受干旱、地形垂直分异、燃料积累和人为用火共同影响。驱动因子层中,人为因子权重(0.634)高于燃料因子(0.366),地形因子(0.533)高于气象因子(0.467);复合层中,燃料-人为组分(0.513)略高于气候-地形组分(0.487)。通过AHP、主成分分析(PCA)、熵权法和模糊AHP进行权重稳定性验证,余弦相似度均高于0.88,表明权重结构稳定。
**3.1.2 州级森林火灾风险空间分异**
网格尺度上,中高和高风险区面积占比分别为0.273和0.269,合计0.542,表明潜在高风险区广泛分布。县级尺度上,中高风险区占比最大(0.322),高风险区降至0.187,说明县级聚合平滑了极端信号。村级尺度上,高风险区占比降至0.043,呈局部斑块状分布。历史火灾点与风险区对照显示,69.4%的历史火灾点位于中高和高风险区,富集比高于低风险区,验证了识别结果的有效性。
**3.2 典型县区(木里县)森林火灾预防安全格局构建**
**3.2.1 森林小班尺度火灾风险识别**
木里县森林小班尺度风险识别显示,燃料因子得分最高,地形和燃料-人为组分次之,气象和人为因子得分较低,但局部风险在村庄、道路和农事活动区增强。复合风险高值区集中在南部和东南部,低值区分布在北部、中部和高海拔区域。乡镇和村级结果进一步揭示了内部异质性。
**3.2.2 高风险斑块连通性与潜在风险源网络**
将中、中高、高风险区定义为潜在风险源区,总面积约4241.6 km2,其中高风险区422.9 km2。南部和东南部的中高-高风险斑块连续分布,形成潜在风险源连通网络,成为后续分析优先区域。
**3.2.3 综合预防连通性成本面、最小成本廊道与电路理论结果**
通过模糊隶属度函数构建的综合预防连通性成本面显示,低成本区位于风险斑块间及周边连接区,高成本区对应地形屏障或低可达性区域。最小成本廊道分析得到三级廊道(总长1679 km)、二级廊道(697 km)和一级廊道(194 km),一级廊道连接核心风险斑块,是优先管理区域。电路理论识别出连通性脆弱点(瓶颈位置)和潜在改善点(风险斑块内或弱连接边缘),为防火隔离带布设、巡逻路线优化提供空间参考。
**3.2.4 SOM风险类型、空间聚类与功能分区**
SOM将木里县防火空间分为四类:不可燃区、地理优势区、气候-人为复合区、相对均衡区。不可燃区占主导,分布于中北部和东部;地理优势区集中于南部和西南部。空间自相关分析显示全局Moran's I=0.18(弱正相关),LISA结果显示高-高聚类占13.5%(南部和东南部),低-低聚类占17.8%(北部和中部),高-低和低-高异常值占24.8%,表明局部空间异质性较强。
**3.2.5 森林火灾预防安全格局与差异化管控分区**
综合风险等级、SOM类型和LISA聚类结果,将木里县划分为四个管理区:优先预防与压制区(高风险、高-高聚类、脆弱节点集中区)、综合管理区(中风险、相对均衡区)、风险缓冲界面(高低风险交错区、异常值区、廊道边缘)、生态调控与低风险缓冲区(不可燃区、低-低聚类)。南部和东南部乡镇面临多重预防压力,是核心管控区域。
**讨论与结论**
讨论部分强调:本研究的价值在于将风险识别结果转化为可操作的预防性空间组织,而非仅构建通用模型。多尺度框架(网格-县-村-小班)揭示了不同尺度下风险表达的差异,避免单纯依赖县级平均值。SOM、空间自相关和连通性分析共同实现了从风险强度到主导风险结构、空间聚类和预防连通性的综合分区。多源风险因子的定量融合通过层次权重设计保持了逻辑连贯性和可解释性,但需注意随机森林仅用于贡献识别,而非预测火灾发生概率。预防连通性分析中的成本面和廊道应视为结构诊断工具,而非实际火势蔓延或应急疏散模拟。研究局限包括:历史火灾记录可能受档案完整性影响;未构建非火样本,故采用空间一致性而非二元分类精度验证;州级和县级数据精度不同,结果适合判断县级预防格局而非高精度小班模拟。未来可结合更高时空分辨率的气象、燃料湿度、道路通行能力等数据,并通过独立年份火灾记录进行空间验证。研究结论:本研究的主要价值不在于构建一个通用的火灾发生预测模型,而在于将相对风险识别结果转化为面向基层森林防火管理的预防性空间组织方案,为异质数据条件下的山区森林防火提供方法论参考。