2015—2020年河南省秸秆焚烧火点时空分布及影响因子

许越越， 苏涛

(安徽理工大学空间信息与测绘工程学院， 淮南 232001)

河南省是中国重要的粮食产地，具有较为丰富的农作物秸秆资源[1]。为了响应国家大力推进生态文明建设要求，河南省各级部门采取各种禁烧措施以此加大秸秆禁烧力度，并实行约谈等干预管理措施提高禁燃监管水平，但仍有秸秆焚烧现象发生[2-3]。传统的秸秆焚烧监测需要投入大量的人力物力，耗时长效率低，而遥感方法能够弥补传统手段的不足，快速获取秸秆焚烧火点信息，对提高政府监管效率、高效处理秸秆焚烧具有重要意义。

随着近年来遥感火点监测技术和方法日趋成熟，国内外利用各种高分辨率的遥感卫星数据对区域地面火点遥感提取的研究越来越多，尤其是针对大范围区域的火点监测技术以及研究方法已经相对成熟。Mccarty等[4]分析了2003—2007年五年内美国秸秆焚烧火点的时空分布；Verma等[5]量化了2002—2016年印度中央邦秸秆焚烧的时空变化并揭示了火情的增长趋势；李佳等[6]通过提取2000年、2008年和2014年河南省秸秆焚烧火点得到河南省14年间秸秆焚烧现象的变化情况；张丽娟等[7]通过Terra/Aqua卫星数据分析了中国2014—2015年夏秸秆焚烧空间分布特征；毛慧琴等[8]基于MODIS数据研究了东北地区2015—2017年秸秆焚烧火点时空分布规律；张彦等[9]利用MODIS热异常产品数据提取火点信息，得到2015年河南省秋季作物秸秆焚烧现象的空间分布与发展态势；张景源等[10]从不同时空尺度分析2014—2018年中国田间秸秆焚烧火点在空间上的变化情况；张为兵[11]综合利用不同生长时期的HJ-1B 环境卫星数据的波谱特征提取小麦秸秆焚烧火点。综上，目前已有大量研究分析区域长时间序列或单时间点的秸秆焚烧火点时空分布特征，研究区域范围主要以国家级、省级行政单元以及市级单元为主，而以县域为单元的研究目前涉及较少，同时尚未有对局部区域的秸秆焚烧火点与当地自然因素、农作物影响和社会经济等因素之间相互关系的深入分析研究。

鉴于此，现利用2015—2020年河南省SatSee-Fire火点数据集，结合Geoda软件和GIS(geographic information system)技术利用重心转移模型、空间自相关模型研究2015—2020年的河南省县域范围内秸秆焚烧火点的时空分布格局及其变化趋势，并在此基础上结合GIS分析工具和地理探测器模型，以高程、坡度、坡向、农作物播种面积、农作物产量、GDP以及人口密度7个因子作为分析对象，对秸秆焚烧火点在自然因素、农作物因素和社会经济因素条件下的空间分布特征进行分析，为农业、环保等相关部门高效科学规范农作物秸秆焚烧、回收利用等方面提供一定的辅助决策依据。

1 材料与方法

1.1 数据来源与数据处理

1.1.1 数据来源

火点数据来自于中国科学院遥感与数字地球研究所发布的近实时地表高温异常点查询服务系统(SatSee-Fire)，该数据集包括2015年1月1日—2020年12月31日时段Landsat 8、Landsat 7、Sentinel-2等中分辨率卫星获取的高温点数据，数据为csv格式。研究所用的数字高程模型(digital elevation model,DEM)来源于地理空间数据云平台 (http://www.gscloud.cn)，其中高程、坡度、坡向均由DEM数据获取；行政区矢量边界数据、耕地数据来自于中国科学院资源环境科学数据中心(http://www.resdc.cn/)；农作物播种面积、农作物产量、人口、GDP统计数据来源于河南省统计局年统计年鉴。

1.1.2 数据处理

原始火点数据集包括工业烟囱火点、森林火点、野火等其他高温异常点，需要进一步筛选剔除得到秸秆焚烧火点[12]。首先利用河南省矢量边界数据提取区域内的所有火点，其次将可信度低于阈值的伪火点剔除，并利用Arcmap中自带的Arcpy编程筛选出一天中同一地点临近时间段的重复火点和一年中超过3个不同时间点的稳定火点剔除。由于秸秆火点的温度大体为500～1 000 K，需进一步将异常高温点和异常低温火点进行剔除[12]，最后利用耕地数据作为掩膜剔除非耕地范围的其他火点。其中2015年、2016年秸秆焚烧火点数据由2015年耕地数据提取，2017年、2018年秸秆焚烧火点数据由2018年耕地数据提取，2019年、2020年秸秆焚烧火点数据由2020年耕地数据提取，预处理得到的河南省2015年、2018年、2020年耕地数据如图1所示。

图1 河南省耕地空间分布Fig.1 Spatial distribution of cultivated land in Henan Province

1.2 研究方法

1.2.1 重心转移模型

为探究多年秸秆焚烧火点在空间上的迁移轨迹，引入重心模型来分析秸秆焚烧火点在空间上整体的偏移情况。当火点重心发生偏移时，火点的空间分布格局会产生变化，其中重心偏移方向表示秸秆焚烧相对增多的方向，重心偏移的距离表示秸秆焚烧相对增多的程度[13]。秸秆焚烧火点的重心坐标表达式为

(1)

(2)

式中：X、Y为河南省秸秆焚烧火点重心坐标的经纬度；n为县域个数；Si为第i个县域的秸秆焚烧火点个数，Xi、Yi为第i个县域的重心经纬度。

1.2.2 探索性数据分析方法

为了探究秸秆焚烧火点在空间上的变化过程，采用探索式空间数据分析(exploratory spatial data analysis，ESDA)技术对秸秆焚烧火点的分布特征进行空间关联分析。该方法是通过统计学原理结合图表对空间数据进行描述与归纳性分析，从而研究某一现象的空间分布情况[14]。本文中研究主要运用全局空间自相关指数——莫兰指数(Moran’sI)和局部空间自相关指数(local indicators of spatial association，LISA)来表征河南省秸秆焚烧火点空间分布的集聚性[15]。

(1)全局空间自相关指数。全局空间自相关是用来分析某种现象在区域上的整体分布情况，并判别该现象在空间上是否存在集聚性[16]。本研究采用Global Moran’sI作为指标，计算公式为

(3)

式(3)中：I为莫兰指数;n为县域总数;Wij为空间权重;xi、xj为县i、j的秸秆焚烧火点监测值。Moran’sI范围为[-1，1]，若I=0，表明属性值在空间上随机分布，空间不相关；若I>0，表明空间正相关；若I<0，表明空间负相关；I的绝对值越大，聚集性越明显。

(2)局部空间自相关指数。全局型空间自相关指标只能表征地理现象在空间的分布模式，但不能描述聚集分散的具体方位；而局部空间自相关主要用于分析各属性单元的空间分布特征，能避免空间异质性的干扰，便于剖析各区域与周围地区间的关联性[17]。利用局部自相关模型分析秸秆焚烧火点在局部尺度上的空间自相关情况，计算公式为

(4)

(5)

当Ii>0时，则区域I与其相邻区域存在空间正相关，即为“高-高”相关或“低-低”相关，表明该区域与周围区域的空间差异程度偏小，其中“高-高”和“低-低”分别表示区域自身和周围区域的属性均较高和较低；反之，“低-高”相关或“高-低”相关，为负空间相关，区域与周围单元差异大，“低-高”表示区域本身具有较低的属性值，周围区域具有较高的属性值，而“高-低”的含义则相反。

1.2.3 地理探测器模型

地理探测器是一种利用空间分异性来探测因变量与自变量在空间上分布的一致性的统计方法，其中自变量对因变量的解释度为q[18-20]。因子解释力的计算模型为

(6)

式(6)中：q为各因子对秸秆焚烧火点的解释力，取值范围为[0，1]，q越大表示因子对秸秆焚烧火点空间分布的解释力越强，反之则越弱；L为因变量Y或因子X的分类或者分区；Nh为探测要素所包含的单元数；N是整个区域的单元数；σh2和σ2分别为所探测要素层和全区单元Y的方差。

1.2.4 秸秆露天焚烧生物量的计算

秸秆露天焚烧具有较强的季节性，其燃烧量由所处气候带、农村生活水平、植被覆盖现状和各种农作物的主要产量等因素决定[21]。秸秆露天焚烧具体消耗的生物量计算公式为

M=PNRθ

(7)

式(7)中：M为秸秆露天焚烧消耗的生物量；P为农作物产量；N为草谷比；R为秸秆露天焚烧比例;θ为燃烧效率。在没有外部干预和技术突破的条件下，农民收入水平与秸秆焚烧量成正比，秸秆露天焚烧的比例范围为10%～15%[22]。本研究综合河南省政府秸秆禁烧相关政策与各市农村生活水平、主要农作物产量等资料，取2015—2019年秸秆露天焚烧比例分别为12%、10%、8%、7%、6%，其中2015—2019年农作物产量数据来自于2016—2020年河南省统计年鉴，主要农作物的草谷比和燃烧效率数据[22]取值如表1所示。

表1 计算参数

2 结果与分析

将最终提取的秸秆焚烧火点数据与国家环境保护部卫星环境应用中心发布的2016年7月—2017年2月的逐月秸秆焚烧火点监测数据以及河南省生态环境厅发布的2015年夏收期间和秋收期间全省秸秆焚烧火点监测情况综合对比进行精度检验，秸秆焚烧火点样本的精度达86.49%，该数据可信度高，可进一步对秸秆焚烧火点的时空分布特征进行研究。

2.1 秸秆焚烧火点随时间变化特征

由火点提取结果统计知，2015—2020年间共有1 164个秸秆焚烧火点，其中2015年有961个秸秆焚烧火点，数量最多，占总火点数的82.56%。由图2可知，6年内各年秸秆焚烧火点数量差异较为明显，整体上呈滑坡式减少趋势。2016年有110个秸秆焚烧火点，较2015年降低了88.55%；2017年秸秆焚烧火点数量下降至两位数，仅有42个火点，火点年变化率为61.82%，2018年有25个秸秆焚烧火点，2019年和2020年秸秆焚烧火点分别为14个、12个，秸秆禁烧工作得到显著成效。

图2 秸秆焚烧火点年际变化Fig. 2 Interannual variation of straw burning point

2015—2020年内逐月的秸秆焚烧火点数量也存在较大差异。由图3(a)可知，2015年火点主要集中分布在5—6月以及10—11月，火点数量共有742个，占全年秸秆焚烧火点数量的77.21%；秸秆焚烧火点数量峰值出现在5月；2016年火点集中在5月，较2015年同时期火点数量减少了84.67%，降幅明显，同时夏秋季火点共有82个，占全年秸秆焚烧火点数量的74.55%。2017年12月火点数量最多，5—10月实现了零火点，夏秋季禁烧监管工作达标。由图3(b)可知，2018—2019年秸秆焚烧火点主要集中在11—12月，3—6月连续保持零火点；2020年火点集中在3—4月，夏季仅1个火点，秋季发现两处火点。总体上夏秋季秸秆焚烧火点数量持续减少，秸秆禁烧效果明显增强，而春季(3—5月)、冬季(12—次年2月)火点数量相对较多，需要进一步加大对春冬季秸秆焚烧的监察力度。

图3 秸秆焚烧火点年内变化Fig.3 Annual change of straw burning point

2.2 秸秆焚烧火点的空间相关性分析

2.2.1 县域尺度下秸秆焚烧火点的空间分布

为了探究秸秆焚烧火点在空间上的分布特性，建立空间自相关模型分析县域尺度下秸秆焚烧火点的空间聚集以及离散分布情况。

(1)全局空间自相关分析。以县域为单位，对2015—2020年河南省秸秆焚烧火点进行全局空间自相关分析，空间权重矩阵计算采用Queen’s原则[23]。结果显示2015年河南省县域秸秆焚烧火点的Moran’sI为0.140，P为0.003 49，小于0.05，Z为2.026，小于2.5，通过显著性检验，而2016—2020年火点未通过显著性检验，说明该时间段内火点在空间上呈随机性离散分布态势，空间集聚性较弱。故本研究首先对2015年河南省各县域内的秸秆焚烧火点进行全局空间自相关分析并绘制 Moran’I散点图如图4所示。

图4 Moran’I 散点图Fig.4 Moran’I scatter diagram

2015年秸秆焚烧火点的Moran’sI为0.140，绝对值接近于0，表明2015年河南省区域内秸秆焚烧火点整体上呈空间正相关，但空间自相关水平较低，空间集聚性一般，区域的火点整体上呈现较弱的空间集聚态势。由标准化后秸秆焚烧火点的数据点分布可知，大部分的县域位于 Moran’sI散点图的Ⅲ象限，属于“低-低”集聚形态，即呈现出2015年河南省大部分县域内火点数量较少，其周围县域内的火点数量也较少的趋势；较小部分的县域位于Moran散点图的Ⅰ象限，属于“高-高”集聚形态，这表明有个别县域火点数量较多，秸秆焚烧现象相对严重，相关部门仍需要严格监控秸秆焚烧，加大监管力度。

(2)局部空间自相关。局部空间自相关主要用于分析各属性单元的空间分布特征，能精确反映出局部区域的变化情况[24]。这里基于局部自相关模型得到2015年河南省秸秆焚烧火点的LISA集聚分布情况，结果如图5所示。

图5 2015年秸秆焚烧火点集聚分布Fig. 5 Concentration and distribution of straw burning points in 2015

分析图5可知：总体而言，2015 年河南省大部分县市秸秆焚烧火点空间集聚不显著，其中三峡市、信阳市、济源市、焦作市、漯河市、濮阳市、鹤壁市7个市级行政区内的各县域火点整体上空间集聚不显著，即各县域火点与邻域火点之间的空间集聚效应较弱，火点均呈随机离散分布；高高聚集区在空间上的集聚特征显著，主要分布于西南地区的登封市、伊川县、汝阳县、汝州市、宝丰县以及鲁山县6个地区，研究区内没有县域呈高低聚集类型分布；安阳市市区和平顶山市的郏县两个地区属于低高聚集区，秸秆焚烧火点的低低聚集区零散分布在卫辉市、新乡县、获嘉县、新乡市、延津县、汝南县、上蔡县、南阳市西峡县、太康县、睢县、杞县、这11个地区，其中卫辉市、新乡县、获嘉县、新乡市、延津县这五个县域相邻，驻马店市的汝南县和上蔡县相邻，位于周口市的太康县、商丘市的睢县和周口市的杞县相邻，各县域火点与邻域火点之间存在火点数量均较少且呈集聚分布态势，相邻县域火点的空间集聚效应显著。

2016—2020年各县域的火点数较2015年少，且呈离散分布，研究时段秸秆焚烧火点的县域分布如图6所示。

图6 2016—2020年秸秆焚烧火点分布Fig. 6 Distribution of straw burning points in 2016—2020

从2016—2020年秸秆焚烧火点在县域空间内的整体分布情况来看，研究期内秸秆焚烧火点数量大幅度减少，火点在空间上呈随机分散分布态势。从各年各县域分布情况来看，2016年林州市、安阳县、巩义县、灵宝市、襄城县以及西峡县这6个县域火点数均超过4个，共有63个火点，占全年秸秆焚烧火点数的57.27%，其中安阳县火点数为22个，是火点数最多的县域，其他县域无秸秆焚烧火点信息；2017年共有42个火点，其中有18个县域只有一两个火点，9个县域发现2个秸秆焚烧火点，开封市和孟溪县均发现3个火点，其他县域均无秸秆焚烧火点；2018年大部分存在秸秆焚烧的县域只有一两个火点，火点主要集中在武陟县罗山县和长葛市；2019年和2020年区域内火点分布更加零散，共计26个火点，秸秆焚烧现象较少，除灵宝市发现3个火点，其他存在秸秆焚烧的县域只有一两个火点。不同地区的秸秆焚烧火点数量变化的趋势直接反映了地区秸秆资源管控和处理水平的差异[25]。从火点在县域空间内的分布情况来看，2016—2020年不同地区的秸秆焚烧火点数量变化各异，研究期内秸秆焚烧火点数不断减小，空间上分布愈发分散，这与河南省不断加大秸秆焚烧行政监管与处罚力度密切相关。随着秸秆资源利用管控疏导工作的不断深入，秸秆焚烧火点空间分布较为集中的县域在不断减少，而秸秆焚烧火点分布零散的县域略有增加，应有针对性地进一步提高各县域秸秆资源化利用水平，减少秸秆焚烧量。

2.2.2 秸秆焚烧火点重心的转移

以县域为统计单元，进一步对2015—2020年河南省秸秆焚烧火点重心偏移情况进行分析，结果如图7所示。

图7 火点重心偏移轨迹Fig. 7 Center of gravity offset track of fire point

由图7可知，6年间河南省秸秆焚烧火点总体上呈西北方向移动的变化趋势，火点重心主要分布在河南省许昌市，呈明显的回字形转移路径。2015年秸秆焚烧火点重心位于许昌市东部，2016年秸秆焚烧火点重心偏移至许昌市西部禹州市内，2015—2016年秸秆焚烧火点向西北部移动且偏移距离较大，这是因为在2016年夏秋季秸秆焚烧火点数量骤减，秸秆禁烧成效显著，部分县域内的火点数量降幅变大，导致火点偏移距离较大，火点重心偏向火点数量变化较小区域；2016—2018年秸秆焚烧火点由禹州市向东南方向移动至襄城县区域内，火点重心偏移距离相对较小，这是因为3年内火点年变化率逐渐减小，各县域火点减小频率逐渐趋向稳定，火点重心偏移幅度较小。2018—2020年秸秆焚烧火点重心偏移路线为：襄城县北部-禹州市北部-洛阳市偃师市西北部，空间距离跨度逐年变大，这种移动的主要原因是由于这3年内火点数量较少且分布较为离散，火点散落在不同县域，具有较强的随机性，最终得到的火点重心位置跨越了许昌、郑州、洛阳三个行政区，偏移距离逐渐拉大。

2.3 秸秆露天焚烧量的变化特征分析

河南省农村经济较发达，秸秆利用率较高，秸秆焚烧量较小，加上近年来政府实施干预政策，秸秆禁烧力度不断加大，秸秆露天焚烧量逐年减少[26]。但由于各地区经济发展水平、人口分布密度等差异，不同地区秸秆露天焚烧量仍存在较大差异。

为了进一步准确地估计河南省不同地区秸秆露天焚烧量的变化情况，本研究统计河南省各市主要农作物的秸秆产量以及各类农作物的草谷比和燃烧效率，计算得到2015—2019年河南省各市主要农作物秸秆露天焚烧量，如表2所示。

表2 2015—2019年各市主要农作物秸秆露天焚烧量

从总体上看，随着2015—2019年河南省农作物产量不断增加，主要农作物秸秆露天焚烧量呈减少态势，进一步说明近五年来河南省秸秆利用率不断提高，秸秆禁烧成效显著。从区域上分析，2015—2019年各市的秸秆露天焚烧量均逐渐减少，其中以周口市焚烧量最大，其次为驻马店市、南阳市、信阳市和商丘市，这主要是因为这5个地市属于农业发达地区，区域内主要农作物种植面积以及作物产量相对较大，继而导致区域内秸秆露天焚烧量占比大；而郑州市、济源市以及鹤壁市的秸秆露天焚烧量占比较小，不同市域内的秸秆露天焚烧量差异明显。即受各地区经济发展水平以及主要农作物种植面积和产量等因素的影响，河南省各地秸秆焚烧量存在较大差距，政府仍需加大地方秸秆禁烧力度，不断完善各区域内秸秆回收利用机制，提高秸秆综合利用效率。

2.4 焚烧点空间分布影响因子分析

秸秆焚烧火点的空间分布受多种因素共同影响，综合考究河南省秸秆焚烧情况，总体上可划为自然因素、农作物因素、社会经济因素三大类，其中自然因素包括高程(X1)、坡度(X2)、坡向(X3)，属于农作物因素包括农作物播种面积(X4)、农作物产量(X5)，社会经济因素包括人口密度(X6)、GDP(X7)。

为探究2015—2020年各影响因子对秸秆焚烧火点空间分布的影响程度，利用地理探测器对各因子影响力进行分析。

2.4.1 探测因子总体影响力

首先将河南省划分为3 km×3 km的网格，共计7 011个网格。对各矢量数据离散化后利用地理探测器计算各因子的q值，提取各因子对秸秆焚烧火点的影响，结果如表3所示。

表3 影响因子的q值

由表3可知，6年间各影响因子的q逐渐减小，各因子对河南省秸秆焚烧火点空间分布的影响程度不断减弱。7个因子对秸秆焚烧火点的影响程度的大小排序为：农作物播种面积>农作物产量>GDP>人口密度>高程>坡度>坡向。其中，2015年各因子的q值最大，影响程度较为明显。农作物播种面积和农作物产量的解释力均在20%以上，因此农作物播种面积和农作物产量是影响秸秆焚烧火点空间变化的主要因子；GDP和人口密度的q值分别为0.121 7、0.104 9，解释力均在10%以上；而高程、坡度、坡向的解释力均不足10%，对火点空间分布的影响较小。

2.4.2 探测因子年际变化

2015—2020年各影响因子的q变化趋势，如图8所示。

图8 不同因子的q值变化曲线Fig.8 q value variation curve of different factors

2015—2020年间自然因素、社会经济因素和农作物因素对秸秆焚烧火点的影响程度逐年减小。其中农作物因素的影响力占主导地位，社会经济因素次之，自然因素对秸秆焚烧火点空间分布的影响最小。高程在自然因素中占主导作用，坡度次之，坡向逐年的q值均小于2%，对火点空间分布的影响力最小且呈现逐年减小的趋势；农作物因素中各因子在2015—2017年的q值总体维持在15%～25%，解释力值减少幅度较小，对火点空间分布的影响程度不断减弱，整体呈下降态势，因子在2018—2020年的解释力值持续下降，降幅增大；人口密度较GDP在社会经济因素中占比大，2015年两个因子的q值均在10%以上，2016年后因子影响力逐渐减小，2020年内除农作物播种面积和产量外，其他因子的q值均不足1%，各因子对火点空间分布的几乎没有影响，这在一定程度上说明了河南省秸秆焚烧现象不再频繁，火点已大幅度减少，秸秆禁烧成果显著。

2.4.3 探测因子交互作用分析

2015年河南省秸秆焚烧火点数量多，各区域内火点焚烧现象较其他年份更为突出，且各因子的q值较大对火点空间分布的影响明显，究其影响因子间的交互作用在一定程度上能够为后续各区域加强秸秆焚烧管控、提高监管效率提供理论参考[27]。其中当两因子交互作用下的q值大于各因子q值和时，因子间呈相互增强关系，反之呈非线性增强关系[19]。

由表4可知，大部分因子间交互作用下的解释力值均大于各因子间的解释力之和，因子叠加后对秸秆焚烧火点呈相互增强效应，极少数因子对秸秆焚烧火点具有非线性增强效应。如对高程与坡度、坡向、农作物产量、人口密度以及GDP间交互作用的解释力值均大于各因子解释力之和，说明高程与各因子叠加对秸秆焚烧火点呈相互增强影响，而高程与农作物播种面积交互作用下的解释力值小于两因子的解释力之和，两因子间交互作用效应呈非线性增强关系；坡度与农作物产量、农作物播种面积和GDP交互作用的解释力值大于因子解释力之和，对秸秆焚烧火点呈相互增强影响，而坡度与坡向、人口密度对秸秆焚烧火点具有非线性增强效应。综上可得，自然因素、社会经济因素和农作物因素对秸秆焚烧火点的影响并非独立，而是各种因子共同作用影响，各因子对秸秆焚烧火点具有相互增强或非线性增强效应。

表4 影响因子间的交互作用

3 结论

基于SatSee-Fire 火点数据，采用空间自相关分析和重心转移模型探究了2015—2020年河南省秸秆焚烧火点分布的时空特征，并结合空间分析和地理探测器模型分析自然、农作物、社会经济因素对秸秆焚烧火点空间分布的影响力度,得出如下主要结论。

(1)2015—2020年河南省秸秆焚烧火点数量逐年递减，呈滑坡式减少态势；夏秋季秸秆焚烧火点数量持续减少，秸秆禁烧效果明显，而春冬季火点数量相对较多，需要进一步加大对春冬季秸秆焚烧的监察力度。

(2)6年间河南省秸秆焚烧火点空间上呈西北方向移动的变化趋势，火点重心主要分布在河南省许昌市，呈明显的回字形迁移轨迹；2015年河南省县域内秸秆焚烧火点整体上呈较低的空间正相关水平，空间集聚性较弱，2016—2020年秸秆焚烧火点在空间上的离散分布态势愈加明显，火点集中分布的县域不断减少，零散分布的县域略有增加。

(3)2015—2020年各因子对火点影响程度的大小排序为：农作物播种面积>农作物产量>GDP>人口密度>高程>坡度>坡向，6年间各因子的q值逐渐减小，对火点空间分布的影响程度不断减弱，且各因子对秸秆焚烧火点具有相互增强或非线性增强效应。