基于空间数据分析黑龙江森林火灾空间关联性

王学祥, 曲智林

(1.东北林业大学理学院 数学系, 哈尔滨 150040;2. 哈尔滨石油学院 数理部，哈尔滨150027)

基于空间数据分析黑龙江森林火灾空间关联性

王学祥1,2, 曲智林1

(1.东北林业大学理学院 数学系, 哈尔滨 150040;2. 哈尔滨石油学院 数理部，哈尔滨150027)

摘要：黑龙江省为我国森林资源最丰富的省份，也是森林火灾频发的省份.森林火灾对黑龙江省的森林资源造成了极大的危害，年均森林过火面积处于全国首位.运用探索性空间数据分析及模型, 对黑龙江省13个市级行政区内林业区域，从2000～2009年10 a森林火灾情况综合的研究了它的空间的关联性.研究结果显示,黑龙江省森林火灾的发生在空间关联上成正相关性，森林火灾的发生存在空间聚集，此分析结果对森林火灾预防具有积极作用.

关键词：探索性空间数据分析；森林火灾；空间关联性

黑龙江林业经营总面积3.175×105km2，占全省土地面积的2/3.有林地面积2.007×105km2，活立木总蓄积1.5×109m3，森林覆盖率达43.6%，森林面积、森林总蓄积和木材产量均居全国前列，是国家最重要的国有林区和最大的木材生产基地[1].同时，黑龙江省是森林灾害频发的省份，1987年在大兴安岭林区发生的“5·6”特大森林灾难,使得我国森林资源受到巨大破坏.

森林的天敌之一就是森林火灾，森林火灾的发生也是林业最大的灾难，它是破坏性大、发生面广、处理救援极其困难的自然灾害，它给森林带来的后果是毁灭性的.由于人类对地球自然资源的无度索取和破坏，导致全球气候变暖，再加上人为原因等，森林火灾发生的频率和林业损失都呈上升趋势.森林火灾烧毁了成片的森林和伤害了林内的动物，同时森林火灾导致森林的繁殖能力大大降低，最终导致了土壤的贫瘠和破坏了森林涵养水源的作用，甚至生态环境也失去了平衡.

森林火灾的发生有其必然性，也有其突发性，只有准确掌握林火基本情况，科学检测及时预测预报，才能有效防范和及时扑救森林火灾，避免和减少森林火灾带来的损失[2].

探索性空间数据分析(ESDA)方法，利用属性数据的空间特性，在分析空间关系的基础上进行数值的相关分析，进而突出空间相互作用[3].其核心是认识与地理位置相关的数据间的空间依赖、空间关联或空间自相关, 通过空间位置建立数据间的统计关系[4].近年来已逐渐被国内外学者应用于区域经济差异的研究领域.本文将用探索性空间数据分析对黑龙江各市级行政区域林火发生的关联性进行研究.

1空间数据分析方法

探索性空间数据分析( Exploratory spatial Data Analysis, 简称 ESDA)[5]是一系列空间数据分析方法和技术的集合.通过统计学原理和现代图形计算技术,揭示研究对象的空间分布，识别对象空间位置异常值，发现空间异质性及空间集聚性，发现空间相互作用机制存在于研究对象之间.

探索性空间数据分析通过全局空间自相关分析和局域空间自相关分析，了解与地理位置存在联系数据间的空间关系，由空间位置定义数据之间的统计联系，对全局空间自相关、局部空间自相关的分析以及空间关联的检验等.

1.1确定权重矩阵.

在分析空间自相关性之前，要先定义一个二元空间权重矩阵且要求其对称,用其表示所研究区域的空间位置关系, 矩阵如下所示：

(1)

其中:n 表示空间区域个数，wij表示区域i与j 的相邻关系.本文以黑龙江省13个市级行政区域定义表示空间位置关系的权重矩阵,如若区域间具有相同边界，表示如下：

(2)

1.2全局性空间关联性

全局空间自相关是度量空间区域自相关的指标，衡量全局空间自相关的指标为全局[6].本文通过全局指数，对全局性空间关联性进行度量和检验，指数公式为:

(3)

Moran′sI 的值通常在[-1,1]之间，|I|越大，说明空间的关联性越强，若I>0，说明所分析的区域之间在空间上存在着正向自相关性，那么分析区域在空间上分布状况为高高相邻；若I<0，那么分析区域之间在空间上存在着负向自相关性，那么分析区域空间上分布状况为高低相邻.I=0说明空间上没有关联性，即分析区域间相互独立，空间为随机分布的表现.

1.3局部空间关联性

局部空间自相关分析可以度量每个区域与周边地区之间的局部空间关联和空间差异程度[7].散点图是通过分析局部空间稳定性的方式，即明确的指出分析区域和它相邻域之间的空间关联形式.本文应用的软件所分析出的散点图来验证局部空间关联性.

1.4散点图

因为的值其形式为Wy对y的线性回归的斜率系数，所以通过散点图能做到对全局空间关联性的可视化[9].其中散点图的4个象限，分别表示研究区域和相邻区域之间，局部空间关联性的种类型:第一象限空间关联性为高观察值的区域被高观察值的区域所包围(高高)；第二象限空间关联性为低观察值的区域被高观察值的区域所包围(低高)；第三象限空间关联性为高观察值的区域被高观察值的区域所包围(低低)；第四象限空间关联性为高观察值的区域被低观察值的区域所包围(高低)

Moran散点图区别于其他方法在于他可以具体分析研究区域及相邻区域属于高高、低低、高低、低高中的哪一种空间关联性.而且，对于散点图四个象限来说，可鉴别出有几种关联形式分布于空间之中.

2黑龙江省各市林区林火数据分析

2.1数据来源

本文中研究数据主要来源于2000～2009年《中国林业部统计年鉴》，《黑龙江林业厅统计年鉴》，以及各市级单位森林火灾统计数据作为研究的主体变量，涉及到全省13个市级单位.

2.2数据分析

2.2.1森林火灾的全局空间分布特征

通过实现,表1给出了黑龙江省13个市级区域2000～2009年对森林火灾的检验结果.从表1中得到，每年统计值都大于零.这说明着区域森林火灾发生存在着的空间正相关性,在空间上相邻区域存在着发生森林火灾的可能,说明在地理空间上相近区域森林火灾发生具有聚集的特点,这样空间分布特征可能暗示着区域之间存在近邻效应[10].一林区森林火灾的发生与邻近区域的森林火灾发生有一定的关联,一林区的林火发生可能对相邻区林火发生有一定的影响.

表12000～2009年对森林火灾的Moran’sI值

年份20002001200220032004Moran'sI0.35090.36350.38980.40160.3921年份20052006200720082009Moran'sI0.30290.34510.12230.34440.2717

2.2.2森林火灾的局部空间关联性

由统计量,可以知道黑龙江各市级行政区域森林火灾的发生具有空间集聚特点,可是我们尚不清楚具体的空间分布,通过散点图能够进一步分辨出空间分布情况.见图1.

图1　散点图

通过所选四年黑龙江市级区域森林火灾的散点图，可直观得到四种分布形式的的数量和比例，可知全部区域分布形式为局部空间正相关关系，这也支持了黑龙江省各市级行政单位林火的发生在空间上有着正相关性的特点.在所选的四个年份中，全部存在60%以上的区域为局部空间正相关关系,并且是高高分布，几乎不存在其他类型分布，这也说明森林火灾高发的区域,其相邻地区也为森林火灾高发区域.

3结论

本文运用EDSA方法(包括指数、散点图)，对2000～2009年十年间，黑龙江省13市级行政单位森林火灾的空间关联性进行了分析，结论如下:

1)通过对2000～2009年间黑龙江省13个市级行政区林场火灾情况做了全局自相关分析，通过统计结果显示，所有年份值,说明黑龙江省森林火灾的发生，在空间上存在正相关性，说明在地理空间上森林火灾发生具有聚集的特点.如某区域为森林火灾高发区域，则其相邻区域也为森林火灾高发区域，

2)通过局部空间自相关分析(散点图)得到的结果说明，所有区域表现为局部空间正相关性，局部相关性即为一个空间区域与空间总体的相似程度，此结果与空间总体正相关性完全吻合.

参考文献：

[1]http://baike.so.com/doc/5574741-5789159.html

[2]邱兴荣.森林防火3S平台的构建及其应用初探[J].福建林业科技，2006(12):90-94.

[3]马晓熠.基于探索性空间数据分析方法的北京市区域经济差异[J].地理科学进展，2012(12):55-59.

[4]张学良.探索性空间数据分析模型研究[J].当代经济管理，2007(7):22-26.

[5]余加丽.空间统计分析在区域经济中的应用研究[J].山西建筑，2008(8):34-36.

[6] 李波.基于ESDA的中原经济区城镇化空间关联研究[J].现代城市研究，2013(4):26-29.

[7]杨忍.西北五省人口经济协调状况及空间相关分析[J].统计与决策，2009(10):46-50.

[8]武继磊.空间数据分析技术在公共卫生领域的应用[J].地理科学进展，2003(3):30-35.

[9]万鲁河.基于GeoDA的哈大齐工业走廊GDP空间关联性[J].地理研究 ，2011(6):50-56.

[10]宋富强.河南省人口与经济空间集聚特征及优化[J].地域研究与开发，2013(6):41-46.

Study on spatial correlation of forest fires in Heilongjiang based on exploratory spatial data analysis

WANG Xue-xiang1,2, QU Zhi-lin1

(1.Department of Mathematics, Northeast Forestry University, Harbin 150040,China;2.Harbin Institute of Petroleum, Harbin 150027, China)

Abstract：The forest resources are the most abundant in Heilongjiang Province, in which the forest fires also frequently happen, which have caused great harm to the forest resources in Heilongjiang Province, and the annual forest burned area is the first in the country. This paper employed exploratory spatial data analysis and model to comprehensively analyze the spatial correlation of forest fires in the forest area of the 13 municipal administrative regions in Heilongjiang Province from 2000 to 2009. The result of the analysis showed the occurrence of forest fires in Heilongjiang Province has a positive correlation with spatial correlation; there was spatial aggregation of the occurrence of forest fires. The analysis result has a positive effect on forest fire prevention.

Key words：exploratory spatial data analysis; forest fires;spatial correlation

收稿日期：2016-03-01.

基金项目:林业公益性行业科研专项项目(201404402-6)

作者简介：王学祥(1980-)，男，硕士研究生．讲师，研究方向:数理统计.

中图分类号：S762.1

文献标识码：A

文章编号：1672-0946(2016)03-0381-04