大兴安岭地区森林火灾发生等级及应急物流研究

王敬凯，步思蕾，赵浩然，刘宇轩，童麟澳，孙术发

（东北林业大学 工程技术学院，黑龙江 哈尔滨 150040）

0 引言

随着全球气候的进一步恶化，自然灾害发生的频率逐年增加。森林火灾是自然灾害的一种重要表现形式，森林火灾对林业资源和人身财产带来的破坏是难以挽回的。1950 年以来，我国年均发生森林火灾13 067起，受害森林面积653 019公顷，因灾伤亡580人。美国加州更是深受森林火灾的迫害，2020年火灾数量达到7 982起，受灾面积3 627 020英亩，造成了大量的人员和财产损失。森林火灾防护既是对人身财产的保护，同时也是一种对自然资源的保护。

国内外研究学者对森林火灾及相关防护措施进行了相应研究。黄勇总结了森林火灾发生的影响因素，主要为可燃物特性和气候气象，并提出了相关防范意见。赵鹏武，等基于聚类分析法对我国各区域的森林火灾发生等级进行了划分，对国家林区火灾防范有借鉴意义。张朝，等对森林火灾应急物流资源信息化管理平台进行了研究，提出了建设意见。蔡世远针对突发灾害事件的物资问题，进行了应急物流中心选址研究。Binita Kumari，等将MODIS 森林火点转化为点进行分析，并得出其与气候变量的关系。Ying Xie，等基于集成学习的方法，对森林火灾的发生进行了相应预测。

1 林区火灾发生等级划分

1.1 黑龙江大兴安岭地区概况

黑龙江大兴安岭地区位于北纬50°07'02''至53°33'42''、东经121°10'53''至127°01'21''之间，是中国最北、纬度最高的地区。全区林产资源丰富，植被类型为泛北极植物区系欧亚森林植物亚区寒温带针叶、落叶林区域。有木本植物100 种，其中乔木28种。大兴安岭地区林业经营面积达7 912 967 公顷，是我国林业资源的主要产地。全区共辖4个市辖区、1个县级市、2个县，分别为：呼中区、新林区、松岭区、加格达奇区、呼玛县、塔河县、漠河县。

每年，大兴安岭地区都面临着林区火灾发生的风险。在1997-2017年间，共发生森林火灾776起，共造成火场总面积1 171 585.73公顷。最严重的一次发生在1987年5月6日。黑龙江省大兴安岭地区的西林吉、图强、阿尔木和塔河4个林业局所属的几处林场同时起火，引起建国以来最严重的一次特大森林火灾。据初步统计，过火面积达101万公顷，其中有林面积近70%。烧毁房舍61.4万m，内含居民住房40万m，贮木场4处半，林场9处，存材85.5万m，烧毁各种设备2 488 台，粮食650 万斤。桥涵67 座，铁路专用线9.2km，通讯线路483km，输变电线路284.2km。受灾群众5万多人，死亡193人，受伤226人。在森林防火方面，采用烟雾探测技术进行森林火灾的及时发现。灭火方面多采用灭火机器人，为此进行了灭火机器人的设计及相关路径规划研究。此外，在时间方面对于灭火装备及支援物资的配送也具有较高要求。因此，建立安全可靠的且可以快速响应的林区火灾应急物流中心迫在眉睫。

1.2 林区火灾发生原因分析

导致森林火灾发生的因素主要有三种：气候因素、地形因素、人为因素。气候因素对林区火灾的影响主要是：火灾季节的长度、火灾的严重程度以及地表可燃物累积负荷量。气象因素主要有温度、降水、大气湿度以及风速。地形因素主要包括坡向和坡度。不同坡向的水热条件不同。坡度的差异将导致坡位产生相关差异，坡位分上坡位、中坡位和下坡位。下坡位较为潮湿，不易发生火灾，上坡位发生火灾的可能性较大。人为因素主要是由于人口密度的原因造成林区活动量不同，林区活动量较多就增加了林区火灾发生的可能性。

根据气候因素、地形因素以及人为因素对黑龙江大兴安岭地区各统计要素进行统计，结果见表1。

1.3 三县四区聚类分析

聚类分析法又称群分析，是对多个样本或指标进行定量分类的一种多元统计分析方法。可将一批样本或变量根据各种相关因素、表征特征、内在性质，按照亲密程度在没有先验知识的情况下进行自动分类，产生多种分类结果。

本文采用合并式系统聚类法，通过对黑龙江省大兴安岭地区三县四区的林区火灾引发因素进行聚类，从而得到三县四区林区火灾发生可能性的等级。合并式系统聚类法将聚类对象合成一类，对数据进行标准化处理后，通过欧拉距离计算类与类之间的距离，从而得到相应的分类结果。

标准化处理公式如下：

式中：X'为标准化处理后的数据；X为原始数据；Xˉ为某一指标的平均值；S为某一指标的标准差；i为行数；j为列数。各地区林区火灾发生影响因素的标准化处理结果见表2。

欧式距离计算公式如下：

式中：D为欧式距离；x和y为样本对象；k为指标的个数；x为样本x的第i个变量的变量值；y为样本y的第i个变量值。将表2中的数据代入式（2），得到不同地区之间的欧式距离，根据距离的差异对各地区进行聚类分析。

将表2中的数据录入SPSS26.0，对该问题进行合并式系统聚类计算，聚类方法为欧氏距离，聚类结果树状图如图1所示，分类数与聚合系数的关系如图2所示。

表1 三县四区相关因素数据

表2 各区林火发生影响因素标准化结果

图1 聚类结果树状图

图2 聚合系数与分类数关系

1.4 聚类结果分析

由图2聚合系数与分类数关系图可以看出，当聚类数达到3 时，聚合系数的变化将变缓，聚类结果已满足需要。结合图1 聚类结果树状图可知，聚类数为3时，欧式距离在13-20之间。对聚类结果树状图进行分解，得到划分三类的结果，聚类结果见表3。

表3 聚类结果

由表3 林区火灾发生可能性及聚类结果分析可知，黑龙江大兴安岭地区三县四区根据林区火灾发生可能性可分为三大类。第一类：加格达奇区，该区人口密度较大，气候变化多样，极易发生人为因素引燃的林区火灾，为高风险地区；第二类：塔河县、新林区、呼中区、松岭区，四个地区气候条件较为合适，不易引起林区火灾发生。辖区内林区面积较大，属于中风险地区；第三类：漠河县、呼玛县，这两个地区的林区面积较少，人口密度较小，气候条件较为合适，不易引起林区火灾的发生，属于低风险地区。

因此，在进行林区火灾应急物流中心选址时，应急物流中心的数量和位置应尽量向加格达奇区倾斜，适当的偏离漠河县和呼玛县，在以最大面积覆盖三县四区的前提下，达到节省投入资金，降低建设成本的目的。

2 应急物流中心选址

2.1 确定应急物流中心选址个数

黑龙江省大兴安岭地区面积达83 000km，共设有林业局13个，林场52个。在确保应急物流中心响应速度和降低建设成本的前提下，拟在林场附近和林业局的基础上选取3个地点加以建设作为大兴安岭地区应急物流中心。

2.2 建立模型

2.2.1 模型假设。为了简化问题，便于问题求解和模型建立，对应急物流中心选址问题提出以下几点假设；

（1）应急物流中心是在给定的几个备选点中进行选取。

（2）应急物流中心和各个林场及林业局之间的距离简化为两点的经纬度坐标之间的距离。

（3）一个应急物流中心可以服务多个林场，但一个林场只由一个应急物流中心服务。

（4）鉴于应急物流中心选择在原有林场及林业局的基础上建立，故不考虑应急物流中心的建设成本。

（5）在发生林区火灾时，应急物流中心向林区输送物资一次完成。

2.2.2 变量设置。假设应急物流中心的个数为n，林场及林业局等需求地的个数为m，其他变量设置见表4。

表4 变量符号及含义

2.2.3 模型建立

2.3 遗传算法

本模型针对0-1问题进行建模，采用遗传算法求解该模型。遗传算法是一种启发式算法，在算法进行过程中，已有结果会对之后的寻优过程进行进一步的指引，降低了运算的复杂程度，提高了结果的收敛速度。同时，遗传算法还具有操作简单、全局搜索能力强、鲁棒性强、运算时间少的特点。

遗传算法的一般求解步骤为：染色体编码、种群初始化、确定适应度函数、选择过程、交叉过程、变异过程、判断适应度函数值、输出结果。本文针对黑龙江省大兴安岭地区三县四区林火发生可能性的不同，为确保林火发生可能性较大的地区可以在选址过程中有相对倾斜，对其适应度函数进行了改进。

染色体编码采用二进制编码。二进制编码计算过程和操作过程较为简单，编码只有0和1，降低了染色体在交叉和变异过程中的复杂程度，简化了交叉和变异的难度。但在进行较多数据的编码时，二进制编码的编码长度较长，计算机处理复杂度将会上升。其中染色体的长度等于备选点和需求点的数量和减一。对种群进行初始化操作，确立种群大小为2 000，种群大小在一定程度上决定了收敛速度。迭代次数选定为400，保证了程序结果已无较大变化。

适应度函数的确定。经过聚类分析后，将大兴安岭地区三县四区的林火发生可能性分为三类。在确定适应度函数时，将三个等级的地区进行分等级确定。目标函数为求成本的最小值，故在式（3）的基础上，为三县四区加上各自的权重系数k。低风险地区k=0.5，中风险地区k=0.8，高风险地区k=1。鉴于选择过程采用轮盘赌的方式，故适应度函数为非负的。采用指数形式建立适应度函数，见式（8）。

选择过程采用轮盘赌方式。交叉采用单点交叉的方式，交叉过程是寻优过程中避免陷入局部最优的一种途径，即两个个体进行交叉，产生下一代，令下一代产生较为理想的变化，故交叉概率设为0.9，避免了运行前期陷入局部最优。变异采用单点变异，在运行后期，变异对最终结果的影响较大，变异可能会造成最优值结果的破坏，故变异值选定为0.1。交叉和变异的示意图如下：

图3 交叉（左）、变异（右）示意图

将每代选择出的个体进行适应度函数的代入，记录相应的适应度值，选择适应度值较高的留下，经循环迭代之后，得出最终的应急物流中心。

2.4 应急物流中心求解

大兴安岭地区设有林业局13个，林场52个。为了保证高、中风险地区的响应速度，在选取备选中心时，对高、中风险地区进行倾斜，共设备选点15个，包括13个林业局，以及加格达奇地区的东风林场和塔河县的塔林林场。其余共50个林场作为森林火灾应急物流中心的需求点。15个备选森林火灾应急物流中心和50个林场之间的距离理想化地按照经纬度之间的距离来计算。各林场林业局的经纬度坐标见表5。

编写蚁群算法代码，研究对象经纬度及相关数据编码方式采用二进制编码，种群大小为2 000，迭代次数选定为400，适应度函数为式（8），交叉概率为0.9，变异值为0.1。采用matlab2018b对程序进行求解，得出最终结果，最优选址覆盖方案路线如图4所示，选址结果及程序运行时间如图5所示。

图4 最优选址覆盖方案路线

2.5 选址结果

图5 选址结果及程序运行时间

结合图4 最优选址覆盖方案路线及图5 选址结果，根据图中各点的经纬度坐标与各林场及林业局的经纬度坐标相一致的关系及各地区对应的编号，确定最终林区火灾应急物流中心选择在松岭林业局（经纬度：124.307 338，50.800 887）、阿木尔林业局（经纬度：123.160 186，52.870 359）以及塔河县林业局（经纬度：124.713 909，52.336 312）的基础上进行建立。由于未将塔林林场和东风林场选定为应急物流中心，在代码运行的过程中，两林场作为应急物流中心的备选点，未对其进行应急物流中心的服务分配，故挑选与之距离最近的应急物流中心作为其服务中心。各森林火灾应急物流中心的覆盖林场见表6。

表5 林场、林业局经纬度坐标

表6 林火应急物流中心及其覆盖林场

3 结语

本文以黑龙江省大兴安岭地区为研究对象，根据大兴安岭三县四区影响森林火灾发生的气候因素、地形因素以及人为因素，采用聚类分析法对其进行系统聚类，确定三县四区森林火灾发生的可能性及风险等级。根据风险等级的不同，引入权重因子，采用遗传算法对52 个林场、13 个林业局进行林火应急物流中心选址。最终选定林火应急物流中心在松岭林业局、阿木尔林业局以及塔河县林业局的基础上进行相应设施的建设，既保证了应急物流中心的响应速度，也降低了建设成本，最大程度地确保了大兴安岭地区林区火灾应急物流中心建设的有效性及合理性。