以下是引用本文的既定格式:
齐晓明,魏明,王振中,蒋涛,王平,滕明,闫振中。2022。湖北新冠肺炎疫情封锁的影响:停香减少了区域景观火。生态与社会27(3):5。摘要
人为因素和气候因素是景观火灾的重要决定因素。由于这两组因素相互交织,经常同时起作用,分析它们对景观火灾的影响具有挑战性。我们利用新冠肺炎疫情期间有效消除人为因素直接影响的湖北封城事件,量化了人为因素对景观火灾发生的影响。我们假设室外焚香是造成景观火灾的主要原因。为了验证假设,我们使用随机森林算法对封锁期间的火灾发生情况进行建模,包括火灾频率、烧毁面积和森林烧毁面积。在此基础上,估算了景观火的历史值、模拟值和观测值的差异,并以此来表征人为活动对景观火的影响。结果表明,封锁期间景观火灾发生频率降低了77%,火灾总面积减少了80%,森林面积减少了63%。按月分析,4月火灾频次下降最多(85%),2月次之(80%),与2020年清明节和春节期间相吻合。节日期间室外焚香的停止可能是减少火灾发生的最重要因素,证实了我们关于室外焚香与景观火灾之间存在因果关系的假设。因此,鼓励人们在节日期间停止户外烧香的教育项目可以减少景观火灾的发生。介绍
在世界范围内,人为因素对景观火灾发生频率、持续时间和严重程度的影响越来越大,以前这些因素只与气候条件有关(粮农组织,2007年,Vanniere等人,2008年)。研究人员试图通过考虑人为因素和气候因素来模拟景观火灾的发生。困难之一是分析这些因素的影响,因为它们相互交织,经常同时作用,造成难以区分的复合效应。此外,人为因素和气候因素在区域尺度上都是不可控制的。到目前为止,我们只能在实验室环境或微观尺度上控制气候因素。相比之下,许多国家建立自然保护区和国家公园使我们能够在局部范围内控制人类活动,但在区域范围内控制人类活动在社会上是不可接受的,在经济上是负担不起的。因此,研究这些因素在区域尺度上对火灾的影响,将有助于深入了解火灾状况,并有助于确定在变化的气候和社会经济条件下火灾的因果因素。
2019年12月底,中国湖北省武汉市爆发了一场人类呼吸系统疾病,随后湖北省全面封城,这为从气候因素入手,剖析人为因素对区域尺度景观火的影响提供了一个独特的机会。武汉的呼吸道疾病是由一种新型冠状病毒引起的,世界卫生组织随后将其命名为COVID-19 (https://covid19.who.int/).目前,世界上几乎所有国家都报告了COVID-19,对世界经济和环境产生了重大影响。
2020年1月23日,湖北省宣布进入紧急状态,并实施了前所未有的严格封锁。封锁于2020年4月30日解除。封锁期间,所有高速公路都被封锁了。在拥有1100万人口的湖北省省会武汉,除了一些基本服务车辆外,街道上空无一人。在该省的农村地区,村民们被要求尽可能呆在村里或家里。因此,大部分的户外农业活动都停止了。出于对新疾病的恐惧,许多村民选择封锁所有进入村庄的通道,呆在室内,从而有效地阻止了村庄之间的交通。有证据表明,在封锁期间,养猪场长时间无人看管,这导致了封锁解除后几个月市场上的猪肉供应短缺。因此,湖北从大都市到西部最偏远地区的封城,是有史以来最完整的封城行动。
两个因素促成了封锁的完成。首先,从省级政府到当地村委会,各级政府下达了最严格的指令,禁止所有户外活动。第二,中国人对任何严重的流行病都有一种根深蒂固的心理恐惧。在中国民间,严重的流行病被称为wcn易(瘟疫),意思是瘟疫在全国的比例,通常与整个人口的消失有关。因此,在封锁期间,出于监管和自愿原因,包括社会和经济活动在内的所有活动几乎完全停止。
新出现的证据表明,世界上许多国家为抗击疫情蔓延而实施的COVID-19封锁措施产生了意想不到的环境后果,有消极的,也有积极的。例如,在中国大部分地区,全国范围内的封锁——不同时间、不同持续时间、不同地区的限制程度——与当地空气质量的改善有关,因为道路交通和工业活动减少或停止(Le等,2020年,Liu等,2020年)。在世界其他地区,封锁降低了颗粒物、二氧化氮和二氧化硫等空气污染物的水平,但增加了对流层臭氧的水平(Marinello等人,2021年)。在印度,封锁使主要城市的夜间地表温度降低了2-5°C(乐乐等人,2021年)。
我们试图量化封锁对景观火灾的影响”火”)。不同于其他地区,如欧洲南部的部分地区(Ganteaume et al . 2013年,Calvino-Cancela和Canizo-Novelle 2018),北美和南美大部分地区(约翰逊1992年,刘易斯等人。2011年,2016年Westerling,阿拉冈et al . 2018年),和澳大利亚和非洲的大部分地区(N 'Dri et al . 2018 D 'Onofrio et al . 2020年,克莱默2020),炎热,干燥的气候主导着夏季和夏季火灾是常见的,湖北有季风,夏季潮湿和相对干燥的冬季和春季,大部分火灾发生在冬季和春季。在降雨较多的东南亚地区,气候因素对森林火灾发生的影响较小;大多数森林火灾都是为了种植纸浆、橡胶和棕榈油等农作物而故意烧毁土地(Hamilton et al. 2000, Fuller and Murphy 2006, Tacconi 2016)。在湖北,除了气候因素外,两种类型的人为活动被认为是该省火灾的主要成因(岳c,湖北省消防局,个人沟通).首先,与中国其他地区一样(Wu et al. 2014, Ye et al. 2017, Zeng et al. 2020),在湖北,火是一种由来已久的管理工具,用于焚烧农作物秸秆和清除农田周围过度的植被。其次,与中国其他地区的情况一样,在传统的春节(通常在1月或2月)和清明节(农历节日,通常在3月底或4月初)的纪念仪式上,湖北仍然普遍进行户外烧香(Ye et al. 2017, Yin et al. 2018)。湖北省的大多数火灾(包括森林火灾、农业火灾和草地/灌木丛火灾)通常发生在每年的11月下旬到4月之间,这段时间被湖北省消防管理局(湖北省消防部门)正式指定为火灾季节。1月至4月的封锁期间,恰逢该省官方公布的火灾多发季节。
本研究以封城事件为替代,剔除所有直接人为因素对火灾的影响,量化2020年湖北火灾季人为活动对火灾发生的影响。如户外焚香和烟火等相关活动(以下简称”户外香燃烧”)通常在春节和清明节期间举行,这两个时期火灾的发生率通常最高,有人认为这些火灾与焚香活动有关。因此,我们假设1 - 4月火灾多发季节室外焚香是火灾发生的主要原因,并预测由于2020年春季和清明分别在2月和4月,封城有效地停止了所有室外焚香活动,因此2月和4月的影响最高。
为了验证这一假设,我们首先使用随机森林(RF)算法(Breiman 2001),基于2011-2019年湖北省的气候和火灾发生数据,建立了湖北省火灾发生的预测模型。利用RF模型,根据2020年火灾季节的气候条件,模拟火灾发生频率、火灾总面积和森林被烧毁面积,并估计模型模拟值与该时期观测值的差异。我们使用估计的差异来表示封锁对火灾发生的影响。
方法
地理环境
湖北省位于中国中部(图1),全省总面积18.6万平方公里,森林覆盖率40% (http://www.lknet.ac.cn).主要森林类型有亚热带常绿阔叶林、常绿落叶阔叶混交林和常绿针叶林。全省气候以季风环流为主,气温处于亚热带低纬度,夏秋(5 - 10月)雨季延长,冬春(12 - 4月)寒冷干燥;图2)年平均降雨量约1200mm,湿润的夏秋月平均降雨量约140 mm,干燥的冬春月平均降雨量约60 mm(图2)。据湖北省防火局统计,冬春干燥寒冷为火灾高发期,官方火灾季节为11月- 4月。由于该时期气温较低,火灾规模较小(平均每次火灾总面积4.4公顷,平均每次火灾森林面积0.9公顷),强度较低。尽管如此,每年报告的大量火灾仍然对人们的安全、经济健康以及农业和森林生态系统的生态造成严重威胁。
火灾发生和气候资料
2011 - 2019年湖北省火灾发生频次、烧毁面积、森林烧毁面积等数据来源于湖北省防火局。这些数据由该局维护,其基础是该省的火灾监测网络,并辅以遥感卫星(MODIS Terra、MODIS Aqua;数据可以从http://www.gscloud.cn).该局有2010年以前的火灾发生记录,但这些记录不完整,不准确,所以没有用于目前的分析。湖北省全部27个气象站同期气象数据(图1)来自中国气象数据网(http://data.cma.cn).总共获得了7个变量的气候数据:气压、温度(TEM)、相对湿度(RHU)、降水(PRE)、风速、日照时数和地面温度。然后计算这七个变量的月平均值。R包老鼠用于所有缺失的数据估算(R Core Team 2020)。简单地说,该包为多元缺失数据创建多个imputation(替换值)。该方法基于完全条件说明,其中每个不完全变量由一个单独的模型计算。气候变量的统计摘要见表1。此外,还将月份(month of the year, MTH)作为模型的第8个变量。MTH是一个包含人为因素和气候因素的复合变量。据推测,1 ~ 4月的高发火灾与人类活动有关,而与当时的气候条件无关。因此,在模型中加入MTH有助于考虑人为因素的影响。
随机森林算法
我们使用RF算法分别建立了(1)月火灾频率、(2)月被烧毁面积和(3)月森林被烧毁面积的火灾发生预测模型。RF是一种机器学习方法,由Breiman(2001)首先提出。该方法基于决策树分类器,可用于分类任务和回归分析。许多统计建模方法要求模型变量之间满足一定的条件(如独立性、同方差和误差的正态分布),而RF方法对于由大量相关变量组成的研究更加灵活,它们之间的相互作用复杂,可以不预设函数形式(如线性、指数和logistic)来拟合复杂模型。此外,通过使用自举聚合,RF能够避免许多其他机器学习方法常见的过拟合问题。自引入RF以来,它已被用于许多不同学科的研究,包括火灾预测(Wu et al. 2014),产生了有用的结果。
模型变量的相对重要性
为了对射频模型中的个别变量进行排序,我们使用了基于变量与区域尺度上火灾发生的关系强度的重要值。在RF中,一个变量的重要值是通过考虑当该变量的数据被排列而其他所有变量保持不变时,预测误差增加的程度来估计的(R Core Team 2020)。我们以RF模型中节点纯度的增加作为个体变量重要性值的指标,计算了10次重复。对于每个模型重复,我们根据其重要性值确定预测结果的变量。只有那些在7次或更多的重复中被确定的变量被认为是重要的,并被包括在最终的模型中。最终的RF模型包含所有8个环境变量。
8个变量对火灾发生的相对贡献大小排序(图3),贡献最大的3个变量分别为RHU、MTH和TEM。PRE对火灾发生的贡献不像预期的那么高,在火灾面积上排名第7,在火灾频率和森林被烧毁面积上排名第8(最低)(图3)。
模型验证
由于数据集相对较小,仅包含9年的记录,因此我们采用留一交叉验证法进行模型验证(Meijer and Goeman 2013, Cheng et al. 2017)。简单地说,当计算模型参数时,对于数据集中的每个样本,所有剩余的样本数据都用作模型的训练数据。这种验证方法利用了训练数据集中的所有个体,从而最大限度地扩大了训练集的规模,提高了预测的准确性。该验证方法已成功应用于多学科研究(Shao et al. 2016, Cheng et al. 2017, Mikshowsky et al. 2017)。
模型预测精度由均方根误差(RMSE)和平均偏差评估。由于预测中使用的样本数据没有进行交叉验证,因此可以用RMSE来评价模型的性能:RMSE值越小,预测误差越小,模型的拟合效果越好。平均偏差表示模型的平均预测值与观测值之间的偏差。平均偏差越小,模型预测能力越好。模型的预测能力也用决定系数(R²)来评估。计算每个模型变量的模拟值和观测值之间的R²值:火灾频率、被烧毁面积和森林被烧毁面积。R²的值在0到1之间变化。该值越接近1,说明变量的解释价值越强,模型的预测能力越好。
对于所有三个建模变量,R²等于0.90或更高,RMSE范围从37.7到225,平均偏差从24.1到118(表2)。高R²值表明我们的RF模型对所有三个建模变量的高预测能力。相对较高的RMSE值在一定程度上反映了被建模变量的巨大变化。三个建模变量的平均偏差为c. 50%或小于RMSE,证实了高R²值所建议的RF的预测能力。
量化疫情封锁期间人为活动对火灾发生的影响
为了量化新冠肺炎疫情封锁期间人为活动对火灾发生的影响,我们利用湖北省封锁期间(2020年1 - 4月)的气候数据,采用射频模型模拟火灾发生。然后将观测值、历史平均值和相应月份的模拟值进行对比。随后,观测值、历史值和模拟值之间的差异被用来代表COVID-19封锁期间人为活动对火灾的影响。
统计分析
为了确定室外焚香对火灾发生的影响,我们使用单样本t检验比较封锁期间的观测值和相应的历史值之间的火灾发生。此外,我们比较了模拟值和历史值之间的火灾发生情况,以确定封锁期间的天气状况是否偏离长期平均水平。在测试前,对数据进行正态性测试,并根据需要进行对数转换。我们认为p < 0.05为显著差异。除另有说明外,所有分析均采用R统计软件包(版本3.6.1)和R-package随机ForestSRC(版本2.9.3;R 2020核心团队)。
结果
湖北省历史火灾发生情况
湖北省火灾发生频次、烧毁面积、森林被烧毁面积等季节性变化明显(图4),9年间共发生火灾2658起。火灾主要发生在冬春季节(1 - 4月,92%),其次是9 - 12月(7.4%)和5 - 8月(0.6%)。1 - 4月平均火灾烧毁面积最低,9 - 12月最高(表3)。火灾烧毁面积和森林烧毁面积与火灾发生频率的季节变化规律相似(图4)。
湖北省新冠肺炎疫情封锁期间的天气情况
封锁期间的天气状况相对正常,没有记录到极端天气。在7个气候变量中,RHU和TEM是影响湖北火灾发生的最重要因素(图3)。封锁期间,RHU除3月外高于历史平均水平(p < 0.05)(图5a), TEM除4月低于历史平均水平(图5b)外高于历史平均水平(p < 0.05)(图5b)。
新冠肺炎疫情期间湖北省发生火灾
湖北新冠肺炎疫情封锁时间从1月23日延长至4月30日。在封锁期间,观察到的火灾总数为46起;森林被烧毁面积为190 ha,森林被烧毁面积为69 ha;同期模拟值分别为189起火灾,面积分别为925和186公顷,历史平均值(基于2011-2019年数据)分别为271起火灾,1131和223公顷。与模拟值相比,观测到的火灾频率降低了77%(46次对190次),与历史平均值(46次对271次)相比降低了83%。同样,与模拟值相比,观测到的烧毁面积和森林烧毁面积分别减少了80%和63%,与历史平均值相比分别减少了83%和69%。
从月度来看,2、3、4月的观测火灾频次、烧毁面积、森林烧毁面积均明显低于历史平均水平(图6;单样本t检验,p < 0.05)。4月与模拟值的火灾频率差最大(85%),其次为2月(80%)、1月(79%)和3月(60%);图6 a)。被烧毁面积和森林被烧毁面积的月变化规律与火灾频率相似(图6b-c)。
重要的是,在封锁期间,模型模拟的火灾频率、烧毁面积、森林烧毁面积和每次火灾烧毁面积与历史平均水平没有显著差异(图6a-c, e;单样本t检验,p > 0.05),表明在封锁期间,气候条件对火灾的影响与长期平均水平一致,尽管RHU和TEM与长期平均水平略有偏离(图5)。另一方面,封锁期间观察到的每次火灾烧毁森林面积显著高于历史平均水平(1.3 vs 0.7 ha,单样本t检验,p < 0.05)。除2月外,在四个月的封锁期内,这种情况是一致的(图6e)。
讨论
这项研究表明,新冠肺炎疫情封锁期间,湖北省几乎所有的室外人为活动在区域范围内基本停止,在官方公布的火灾高危季节期间,火灾数量减少了77%,烧毁面积减少了80%,森林烧毁面积减少了63%。这些减少是该地区大多数火灾是人为原因的直接证据。
特别是4月和2月的火灾频率和烧毁面积下降最大(图6a-b)。2020年春节和清明节分别在2月和4月,这是火灾频率和烧毁面积下降最大的时候,因为封城,户外焚香有效停止。因此,这些结果支持了我们的假设,即户外焚香是这一时期火灾的主要原因。
户外烧香是中国纪念祖先的传统,在中国农村的春节和清明节期间一直有这种习俗。在节日期间,人们会在祖先的墓地焚香,这些墓地通常散布在植被繁茂的地区。作为焚香活动的一部分,人们会点燃鞭炮甚至烟花,并为死者烧纸钱(成堆的印刷纸或普通纸)。所有这些活动都可能产生意想不到的后果:引发无法控制的火灾。
除人为活动外,湖北火灾发生的季节性较强,表明气候因素对火灾状况起着重要的影响。在7个气候变量中,相对湿度和温度是火灾发生的最重要因素,而降水的影响较小(图3;表4)。相对湿度和温度与火灾发生呈负相关(表4)。这与澳大利亚、欧洲和北美等其他地区形成强烈对比,在这些地区,夏季火灾盛行,高温和低降水往往是影响火灾频率、规模和强度的最重要的气候变量(Littell等人2009年,Ganteaume等人2013年,Aragao等人2018年,Kramer 2020年)。气温与火灾发生呈弱负相关关系,反映了湖北冬季的火灾状况。大部分火灾发生在气温较低的冬季月份,而气温较高的夏季月份几乎不发生火灾(图4)。温度以外的因素更可能是湖北省火灾发生的主要因素。
相对湿度对火灾发生的较强负面影响(表4)可能反映了相对湿度与土壤湿度的密切相关性。土壤湿度是景观火灾发生的一个重要变量(Ganteaume et al. 2013, Westerling 2016)。模拟研究表明,土壤湿度(包括地表和深层)与空气湿度高度正相关(Rao and Rakesh 2019, Yang et al. 2019)。湖北地区的景观火灾多为地表火灾,燃烧局限于地面,下层植被和凋落物占燃料负荷的大部分。当湿度增大时,土壤表层含水率也随之增大;含水率高的材料很难燃烧,火灾风险降低。由于研究区域没有可用的数据,我们没有在我们的模型中包括土壤湿度。另一方面,降水对火灾发生的影响较小,可能受人为活动的影响,是火灾发生的主要原因。例如,1月至4月期间的降水与8月至12月期间相似(表3),但92%的火灾发生在1月至4月期间,而8月至12月期间为7.4%。这两个时期火灾发生的差异受到人类活动的强烈影响,不太可能与降水有关。
在我们建模使用的8个变量中,MTH是唯一的分类变量,并且与人类活动有关。它的加入大大提高了模型的预测能力,反映了人为活动对研究区域火灾事件的重要性。如前所述,大多数火灾发生在1月至4月,这一时期已知与高人为火灾活动有关。
温度是景观火灾的重要决定因素(Westerling 2016, Kramer 2020)。据报道,封锁使印度主要城市的地表温度下降了2-5°C(乐乐等人,2021年)。这种类型的气温下降可能是热岛效应的逆转,热岛效应通常仅限于人为活动水平远高于农村地区的城市。虽然封城期间,人为活动对农村地区气温的实际影响尚不清楚,但我们预计,这些影响将比城市报告的影响弱得多。由于大多数景观火灾发生在农村地区,因此任何与人为活动有关的温度变化对火灾发生的影响应该是最小的。
一个值得注意的现象是,封锁期间每起火灾烧毁的森林面积大大高于该区域的长期平均面积(图6e)。造成这一增长的原因可能有两个:(1)由于包括政府消防服务在内的许多服务受到影响,当地消防部门在封城期间大幅减少了灭火响应;(2)非人为事件引起的火灾往往比非人为事件引起的火灾规模更大。在后一种情况下,人为活动有意或无意引起的火灾通常位于道路和基础设施附近,可以较快地被消防部门或甚至引起火灾的人扑灭。相比之下,非人为事件引发的火灾通常发生在更偏远的地区,消防部门需要更长的时间来应对,导致每次火灾烧毁的面积更大。
在世界其他地区,虽然封城力度不及湖北,时间也较短,但火灾发生率和严重程度也发生了较大变化。例如,在印度,封锁(2020年3月25日至4月15日)使10个火灾易发州的森林火灾频率降低了55%(乐乐等人,2021年)。相比之下,哥伦比亚的封锁增加了森林火灾的数量,这是由于在COVID-19大流行期间,政府失去控制以及随后该地区武装团体活动的增加造成的(Amador-Jimenez等人,2020年)。在这两种情况下,火灾发生的变化都是由于封锁期间人类活动的变化造成的。
与封锁相关的火灾发生大幅减少有两个含义。首先,随着中国城市化进程的持续和农村人口的减少,与人为活动有关的火灾将会减少。自20世纪80年代以来,中国经历了城市人口的快速扩张。中国农村人口比例从1978年的82%下降到2000年的74%,再到2015年的44% (http://www.stats.gov.cn/english/).在湖北,农村人口比例与全国平均水平相当,到2020年,湖北5900万人口中有39%生活在农村。随着农村人口的减少,其对火灾的影响也会随之减少。中国东北黑龙江省的一项火灾研究表明,人口规模对火灾发生的影响是明显的(Wu et al. 2014)。黑龙江的人口密度大大低于湖北(82 vs 317人/km²;http://www.stats.gov.cn/english/)中,人为活动对火灾的贡献率仅为52%,远低于湖北(77%)。在欧洲国家,50%至90%的森林火灾是人为活动造成的(Ganteaume等人2013年,Parente等人2018年)。与人为活动有关的火灾比例的这种巨大变化也与人口密度密切相关。在人口密度高的地区,与人为活动有关的火灾比例接近90%,而在偏远和人口较少的地区,这一比例接近50%。其次,由于火灾大多与人为活动有关,对某些活动的火灾风险进行教育,如在农村地区开展焚烧农作物秸秆、清明节期间户外焚香等活动,可以有效减少火灾的发生。
虽然目前的研究捕获了人类活动对火灾的短期影响,但它没有解决它们的长期影响。从短期来看,人为活动可能通过直接引起、控制和抑制火灾而影响火灾的发生。从长远来看,它们可能通过改变土地利用和土地覆盖来改变地形的可燃性,通过燃烧化石燃料导致全球变暖,并在区域和大陆尺度上造成干旱和洪水模式的变化,从而对火灾产生影响。在澳大利亚、欧洲和南北美洲,研究表明,人类活动导致的全球变暖以及降雨和干旱模式的变化大大加剧了局地和区域尺度的火灾持续时间、规模和强度(Ganteaume等人2013,Calvino-Cancela和Canizo-Novelle 2018, Marengo等人2018,Kramer 2020)。
本研究的另一个局限性是没有评估研究区域内气候条件和火灾发生的空间变化。相反,我们把湖北作为一个整体来对待。我们在一定程度上受到现有火灾发生数据的限制,这些数据没有提供个别火灾地点的足够详细信息。由于湖北境内的气候条件、植被和社会经济条件可能会发生空间变化,捕捉这种空间变化的模型可能会更准确地预测火灾发生的空间变化。然而,由于本研究的重点是量化人为活动对湖北火灾发生的整体影响,因此我们的研究方法是适当的,其结果为了解2020年COVID-19封锁期间火灾状况的变化提供了有用的见解,使我们能够识别火灾的主要原因,在2020年COVID-19封锁期间,人为活动的影响有效地从系统中消除了火灾。
结论
综上所述,湖北在新冠肺炎疫情封锁期间,人为影响的有效消除使火灾频率下降了77%,烧毁面积下降了80%,森林面积下降了63%。这些变化反映了人为因素对火灾发生的短期影响。春节和清明节期间的户外烧香(或不烧香)可能是导致封城期间气温下降的最重要活动。
目前的研究是在机会主义基础上进行的,以COVID-19封锁事件为替代,消除了对火灾的所有直接人为影响。虽然普遍认为湖北省1 - 4月的火灾高发期与中国其他类似地区的人为活动有关,但很难确定二者之间的数量关系。部分困难是由于人们不愿报告火灾的实际原因,担心受到迫害。点燃景观火是一种刑事犯罪,会招致严厉的惩罚,包括监禁。在本研究使用的火灾发生数据中,许多火灾事件的原因被记录为未知或未确定的原因。因此,本研究的结果可以直接证明景观火灾主要与人为活动有关,尤其是室外焚香。户外烧香在中国农村地区仍然很普遍。虽然在可预见的未来不可能完全禁止这种做法,但鼓励人们修改或采取必要的防火措施的教育项目将大大减少在湖北和中国其他类似情况下的火灾发生。
作者的贡献
QX:方法、数据分析、稿件起草;WM、JT、WZ、TM和WP:方法学、数据处理和分析;概念、方法和手稿起草。所有作者都参与了稿件的写作和编辑,并通过了稿件的最终版本。
致谢
感谢湖北省消防局余承深在研究过程中给予的帮助。火灾发生资料来源于湖北省防火局。本研究由科技部资助项目(2017YFD0600304)和教育部资助项目(2662020YLPY022)资助。
数据可用性
支持这项研究结果的数据可以在Dryad网站上找到https://doi.org/10.5061/dryad.1c59zw3x2.
文献引用
Amador-Jimenez, M., N. Millner, C. Palmer, R. T. Pennington和L. Sileci, 2020。哥伦比亚新冠疫情封锁对森林火灾的意外影响。环境与资源经济学76:1081-1105。https://doi.org/10.1007/s10640-020-00501-5
2018年,阿拉高、L.、L. O.安德森、M. G. Fonseca、T. M. Rosan、L. B. Vedovato、F. H. Wagner、C. V. J. Silva、C. H. L. Silva Jr、E. Arai、A. P. Aguiar、J. Barlow、E. Berenguer、M. N. Deeter、L. G. Domingues、L. Gatti、M. Gloor、Y. Malhi、J. A. Marengo、J. B. Miller、O. L. Phillips和S. Saatchi。21世纪与干旱有关的火灾抵消了亚马逊森林砍伐造成的碳排放下降。自然通讯9:536。https://doi.org/10.1038/s41467-017-02771-y
Breiman l . 2001。随机森林。机器学习45:5-32。https://doi.org/10.1023/A:1010933404324
M. Calvino-Cancela和N. Canizo-Novelle。2018.西班牙西北部森林大火的人为因素:原因、被烧毁植被的价值和行政措施。PeerJ 6: e5657。https://doi.org/10.7717/peerj.5657
Cheng, H., D. J. Garrick和R. L. Fernando, 2017。基因组最佳线性无偏预测留一交叉验证的有效策略。动物科学与生物技术杂志8:38。https://doi.org/10.1186/s40104-017-0164-6
D 'Onofrio, D.、M. Baudena、G. Lasslop、L. P. Nieradzik、D. Warlind和J. von Hardenberg。在两个动态全球植被模型中将撒哈拉以南非洲的植被-气候-火灾关系与关键生态过程联系起来环境科学前沿https://doi.org/10.3389/fenvs.2020.00136
联合国粮农组织(粮农组织)。2007.消防管理:2006年全球评估。粮农组织林业文件151。粮农组织,罗马,意大利。https://www.fao.org/3/a0969e/a0969e00.htm
富勒,法医,和k·墨菲,2006年。东南亚岛屿的ENSO-fire动态。气候变化74:435 - 455。https://doi.org/10.1007/s10584-006-0432-5
Ganteaume, A., A. Camia, M. Jappiot, J. San-Miguel-Ayanz, M. Long-Fournel, C. Lampin. 2013。欧洲森林火灾发生的主要驱动因素综述。环境管理51:651 - 662。https://doi.org/10.1007/s00267-012-9961-z
汉密尔顿,M. S., R. O.米勒,A.怀特豪斯,2000。东南亚持续的火灾威胁。环境科学与技术34(3):82a-85a。https://doi.org/10.1021/es0031366
约翰逊,1992年。火与植被动态:北美北方针叶林的研究。剑桥大学出版社,英国剑桥。https://doi.org/10.1017/CBO9780511623516
克莱默,d . 2020。是什么导致了澳大利亚灾难性的野火?它是复杂的。今天物理73(3):每股26到29。https://doi.org/10.1063/PT.3.4428
李国强,李国强,刘丽萍,杨建荣,李国强,宋飞。2020。在新冠肺炎疫情期间,中国出现了意外的空气污染和显著减排。科学》369(6504):702 - 706。https://doi.org/10.1126/science.abb7431
Lele, N., R. Nigam和B. K. Bhattacharya, 2021年。新冠肺炎封锁对近地轨道卫星陆地生态系统影响的新发现。遥感应用:社会与环境22:100476。https://doi.org/10.1016/j.rsase.2021.100476
刘易斯,s.l., P. M.白兰度,O. L.菲利普斯,G. M. van der Heijden, D. Nepstad. 2011。2010年亚马逊干旱。科学331(6017):554。https://doi.org/10.1126/science.1200807
利特尔,J. S., D.麦肯齐,D. L.彼得森和A. L.韦斯特林,2009。1916-2003年,美国西部生态省的气候和野火烧毁面积。生态学应用19(4):1003 - 1021。https://doi.org/10.1890/07-1183.1
刘,F., A. Page, S. A. Strode, Y. Yoshida, S. Choi, B. Zheng, l.n. Lamsal, C. Li, N. A. Krotkov, H. Eskes, A. R. van der, P. Veefkind, P. F. Levelt, O. P. Hauser, J. Joiner. 2020。新冠肺炎疫情爆发后中国上空对流层二氧化氮骤降科学进步6 (28):eabc2992。https://doi.org/10.1126/sciadv.abc2992
马伦戈,j.a., l.m.阿尔维斯,r.c.s.阿尔瓦拉,a.p.库尼亚,S.布里托,O. L. L.莫拉伊斯。2018。巴西东北半干旱地区2010-2016年干旱的气候特征巴西科学院90(2):1973-1985。https://doi.org/10.1590/0001-3765201720170206
Marinello, S., m.a. Butturi和R. Gamberini, 2021年。封锁期间人类活动的变化如何影响空气质量参数:综述。环境进步与可持续能源40(4):e13672。https://doi.org/10.1002/ep.13672
梅杰,R. J.和J. J.戈曼,2013。高效的近似k-折叠和留一交叉验证脊回归。生物统计学杂志55(2):141 - 155。https://doi.org/10.1002/bimj.201200088
Mikshowsky, A. A., D. Gianola和K. A. Weigel. 2017。使用bootstrap聚集抽样和留一交叉验证评估荷斯坦家犬的基因组预测准确性。乳业科学100(1):453-464。https://doi.org/10.3168/jds.2016-11496
N 'Dri, A. B., T. D. Soro, J. Gignoux, K. Dosso, M. Kone, J. K. N 'Dri, N. A. Kone, S. Barot. 2018。在西非潮湿的热带稀树草原上,季节影响火灾行为。火生态学14:5。https://doi.org/10.1186/s42408-018-0005-9
Parente, J.、M. G. Pereira、M. Amraoui和F. Tedim. 2018。葡萄牙故意和过失火灾:空间分布特征。全环境科学624:424-437。https://doi.org/10.1016/j.scitotenv.2017.12.013
R核心团队,2020年。R:统计计算的语言和环境。统计计算基金会,维也纳,奥地利。https://www.R-project.org/
Rao, b.k .和V. Rakesh, 2019年。wrf模拟的多级土壤湿度、2米空气温度和2米相对湿度与印度原位观测的对比评估。纯与应用地球物理学176:1807-1826。https://doi.org/10.1007/s00024-018-2022-7
王宁,邵中,M. J. Er, 2016。一种高效的省去交叉验证的极限学习机(ELOO-ELM),用户干预最小。控制论学报46(8):1939-1951。https://doi.org/10.1109/TCYB.2015.2458177
Tacconi l . 2016。解说:东南亚防火防雾霾。自然气候变化6beplay竞技:640-643。https://doi.org/10.1038/nclimate3008
Vanniere, B., D. Colombaroli, E. Chapron, A. Leroux, W. Tinner和M. Magny。2008。地中海景观中气候与人为驱动的火灾制度:拉戈戴尔accesa(意大利托斯卡纳)全新世记录。第四纪研究27(11-12):1181-1196。https://doi.org/10.1016/j.quascirev.2008.02.011
韦斯特林,美国,2016年。美国西部森林野火活动增加:对春季时间变化的敏感性。英国皇家学会哲学学报b -生物科学371(1696):20150178。https://doi.org/10.1098/rstb.2015.0178
吴中,何鸿生,杨建军,刘振宇,梁勇。2014。气候与局地因子对东北寒带森林火灾发生的相对影响全环境科学493:472-480。https://doi.org/10.1016/j.scitotenv.2014.06.011
杨晓辉,周长林,霍文,杨芳,刘小春,刘晓春。2019。塔克拉玛干沙漠土壤湿度、空气湿度和气温对扬尘排放风速阈值影响的研究自然灾害97:1069 - 1081。https://doi.org/10.1007/s11069-019-03686-1
叶涛,王赟,郭振宇,李勇。2017。中国东部亚热带针叶林火灾发生、规模和火灾概率的因子贡献12 (2): PLoS ONE e0172110。https://doi.org/10.1371/journal.pone.0172110
尹珊珊,舒丽丽,张丹,单勇,杜绍平,唐绍平,张旭明,张志强。2018。吉林省森林火源资料特征研究。林业科学54(7):165-172。https://doi.org/10.11707/j.1001-7488.20180718
曾爱才,蔡庆杰,苏振文,郭晓波,金庆福,郭福堂。2020。基于MODIS热点的浙江省森林火灾季节变化及驱动因子分析应永胜泰学报31(2):399-406。https://doi.org/10.13287/j.1001-9332.202002.015
表1
表1.随机森林模型中使用的7个气象参数。
变量 | 均值±SE | 范围 |
PRS (hPa) | 989±0.75 | 976 - 1004 |
TEM(°C) | 16.6±0.8 | 1.13 - -29.5 |
RHU (%) | 75.2±0.5 | 61.4 - -86.5 |
前(毫米) | 98.6±6.6 | -373 - 3.2 |
赢得(米/秒) | 1.7±0.0 | 1.13 - -2.18 |
SSD(小时) | 4.5±0.2 | 0.89 - -7.95 |
销售税(°C) | 18.8±0.9 | 2.32 - -33.9 |
PRS,大气压力;TEM、温度;RHU,相对湿度;前,降水;赢,风速;SSD,阳光;GST,地面温度。 |
表2
表2.基于随机森林算法的火灾预测模型的决定系数(R²)和均方根误差(RMSE)。
模型 | 中位数 | 范围 | RMSE | R² | 意思是偏见 |
火灾频率(火灾/月) | 1.0 | 0 - 276 | 37.7 | 0.91 | 27.6 |
面积烧伤(公顷) | 3.8 | 0 - 1374 | 225 | 0.91 | 118 |
被烧毁森林面积(公顷) | 0.1 | 0 - 260 | 40.1 | 0.90 | 24.1 |
表3
表3:2011-2019年湖北省景观火灾发生的季节变化
变量 | Jan-April | May-Aug | Sept-Dec |
平均降水(范围;毫米) | 65.4 -174 (14.7) |
159 -374 (68.8) |
71.2 -203 (3.2) |
平均平均温度 (范围;°C) |
9.8 (1.2 - -18.3) |
25.1 (20.5 - -29.5) |
14.5 (4.2 - -24.3) |
火灾总次数 | 2446 | 197 | 15 |
每次火灾平均烧毁面积(公顷) | 4.1 | 7.7 | 9.7 |
每起火灾平均烧毁森林面积(公顷) | 0.8 | 1.7 | 2.9 |
烧毁面积(公顷) | 10183年 | 1512 | 144 |
森林被烧毁面积(公顷) | 2011 | 330 | 43 |
表4
表4.随机森林建模中火灾发生与7个气候变量的Pearson相关系数。
火灾频率 | 区域燃烧 | 烧毁森林面积 | |
变量 | |||
PRS | 0.20 * | 0.18 | 0.14 |
TEM | -0.29 * | -0.23 * | -0.18 |
RHU | -0.42 * | -0.49 * | -0.43 * |
精准医疗 | -0.22 * | -0.25 * | -0.21 * |
赢得 | 0.13 | 0.16 | 0.16 |
固态硬盘 | -0.08 | 0.01 | 0.01 |
销售税 | -0.29 * | -0.22 * | -0.17 |
变量信息见表1。* P < 0.05。 |