基于点模式法的湖南省林火时空分布特征

摘 要：【目的】林火是影响森林生态系统的一个既特殊又重要的生态因子，发现林火在时间、空间上的动态与趋势有助于掌握林火发生规律，部署森林防火重点区域，为防灾减灾提供应急决策方案。【方法】以湖南省24年间（1999—2022年）林火档案资料为数据源，采用Ripley K函数、中心点和标准差椭圆法、核密度分析法进行了林火的空间聚集性、林火密度和扩展趋势等空间统计分析。【结果】湖南省1999—2022年林火发生总密度为0.008 7次/（km2·a），空间上存在3个林火聚集点。1999—2003年的年均单位面积林火密度为0.016 7次、2004—2008年为0.034 8次、2009—2013年为0.021次、2014—2018年为0.005次、2019—2022年为0.006次，1999—2013年内的3个时序区间湖南省林火分布都具有多个聚集区域，自2014年之后林火聚集区不明显；【结论】湖南省1999—2022年间的林火空间分布存在显著的空间聚集性与地理相关性，存在明显的森林火灾高密度区域，林火密度整体呈波动下降趋势，林火密度最高的区域为娄底市、株洲市、郴州市和邵阳市东部；并且2013—2018年以及2019—2022年区间的林火密度明显下降；1999—2022年的总体林火平均中心位于邵阳市，同时也是林火高密度区域，林火高密度区域还包括株洲市、郴州市，湖南省林火总体扩散趋势是向湖南省东南方向的永州市、郴州市扩展；湖南省各区划1999—2022年间的GDP发展分布呈现高度聚集性，聚集区域主要是长株潭区域以及衡阳市、益阳市范围，GDP分布的空间变异极小，与林火空间分布方向重叠区域面积占71.29%，重叠面积较高。

关键词：森林火灾特征；聚集分布；密度分析；湖南省

中图分类号：S762.2 文献标志码：A 文章编号：1673-923X（2024）07-0029-07

基金项目：国家自然科学基金项目（31470659）；湖南省研究生科研创新基金项目（CX20230776）；湖南省林业科技攻关与创新资金项目（XLKY202331，XLK202435）。

Spatiotemporal distribution characteristics of forest fires in Hunan based on point pattern methods

CAI Xiaojing， SHI Rongdan， XIAO Huashun， LIU Falin

（College of Forestry， College of Soil and Water Conservation， Central South University of Forestry Technology， Changsha 410004， Hunan， China）

Abstract：【Objective】Forests are the most widely distributed， complex， and resources- abundant ecosystems on dry land. Wildfire is a special and important factor affecting forest ecosystem. Discovering the dynamics and trends of forest fires in time and space helps to grasp the rules of forest fire occurrence， which is a fundamental work for deploying fire prevention priorities.【Method】Using forest fire archive data from Hunan province over the past 24 years （1999-2022） as the data source， spatial statistical methods such as Ripley K function， center point and standard deviation ellipse method， and kernel density analysis were used to analyze the spatial clustering， forest fire density changes， and expansion trends of forest fires in Hunan province.【Result】The total density of forest fires in Hunan province from 1999 to 2022 was 0.008 7 times /（km2·a）， and there were three forest fire aggregation points in space. The annual forest fire density of unit area from 1999 to 2003 was 0.016 7 times， from 2004 to 2008 it was 0.034 8 times， from 2009 to 2013 it was 0.021 times， from 2014 to 2018 it was 0.005 times， and from 2019 to 2022 it was 0.006 times. The forest fire distribution in Hunan province during the 3 periods from 1999 to 2013 had multiple aggregation areas， and since 2014， the forest fire aggregation areas have not been obvious.【Conclusion】There is a significant spatial clustering and geographical correlation in the spatial and temporal distribution of forest fires in Hunan province from 1999 to 2022 and the overall forest fire density shows a fluctuating downward trend. There are obvious high-density areas of forest fires， including Loudi city， Zhuzhou city， Chenzhou city， and the eastern part of Shaoyang city， the overall average center of forest fires from 1999 to 2022 is located in Shaoyang city， the spread trend of forest fires in Hunan province is to expand towards Yongzhou and Chenzhou cities in the southeast； And the forest fire density significantly decreased between 2013 to 2018， as well as 2019 to 2022. The GDP development distribution of various districts in Hunan province from 1999 to 2022 shows a high degree of aggregation， mainly in the Changsha-Zhuzhou-Xiangtan region， as well as Hengyang and Yiyang cities. There is a tiny spatial variation of GDP distribution， and the overlapping area of GDP distribution and the spatial distribution of forest fires accounts for 71.29%， which is relatively high.

Keywords： forest fire characteristics； aggregation distribution； density analysis； Hunan province

林火是森林生态系统重要的生态因子，影响森林生态系统的结构、功能和生态因子的再分配；林火与光、水、气等生态因子的作用都受到自然力支配以外，还与人类活动密切相关。森林火灾对生态、社会、经济和政治有着广泛的影响[1-4]。湖南省是森林火灾频发的省份之一[5]，在省级区域尺度上掌握湖南省森林火灾时空分布特征，是开展森林火灾预警监测和森林火灾防治工作的迫切需要。

受全球气候变化和极端性天气等因素影响，近年来关于森林火灾发生及其生态影响成为研究的热点。国内外对于森林火灾时空特征的相关研究有很多，主要都是基于多年的历史林火数据通过空间数据挖掘方法、借助地理分析工具和统计总结等方法讨论某个地区的林火扩散趋势和变化[6-14]。森林火灾的发生原因是有多方面因素的，例如气候条件、地质条件以及人文因素和社会因素。在人口密集区，例如靠近居民区、河流、铁路和公路等地区人为火灾发生概率较高[15]。苏漳文等[16]的研究表明相较于人口稀少的地区，GDP以及人口密度高的地区林火发生的概率更高，因为人口聚集的区域往往人类活动更为集中，包括城市建设、农业开垦、工业生产等，这些活动会引起大量的人为火源，如焚烧垃圾、燃放烟花爆竹等，GDP较高的地区往往具有更多的经济活动和基础设施，例如交通网络、工厂和建筑物等。这些设施存在火源的产生和潜在的火灾风险，都增加了森林火灾的风险。目前国内外对森林火灾的时空特征分布研究有很多，但采用空间统计分析方法探讨林火密度与经济发展格局的分析不多，因此本文运用多个点模式法在分析湖南省林火空间尺度聚集性的基础上，进行核密度分析，并结合经济数据验证林火与经济发展的扩散趋势，为该地区部署森林防火重点工作、林火防治资源分配提供理论依据。

1 研究区概况与研究方法

1.1 研究区概况

湖南省位于长江中下游，属亚热带季风湿润气候区，地理坐标108°47′～114°15′E，24°38′～ 30°08′N，东接江西，西接重庆、贵州，南接广东、广西，大部分位于洞庭湖以南。湖南省下辖13个地级市，1个自治州，面积2.12×105 km2，根据湖南省林业局2022年数据，湖南省森林覆盖率达59.98%，总蓄积量为6.64×108 m3。属南方亚热带常绿阔叶林、针叶混交林重点开发区。湖南省冬夏季节明显，冬寒冷而夏酷热，秋冬季节的干旱气候同样会导致森林火灾频发。据统计，2000—2018年期间湖南省年均火灾次数达746次，年均人员伤亡人数较高，属于森林火灾频发、高危省份[12]。

1.2 数据来源

1999—2022年湖南省林火数据，收集了全省森林火灾的火灾等级、火灾原因、火灾损失（面积、蓄积、植物数量种类）、人员伤亡等信息。根据火灾发生的时间、空间和损失情况进行统计分析；湖南省经济数据为公开向社会发布的相关经济指标数据，通过《统计年鉴》获取。

1.3 研究方法

主要利用空间统计点模式研究法，从林火发生的时间、空间两个维度分析湖南省1999—2022年林火数据。点模式研究方法主要有热点分析法、标准差椭圆法、中心点法、核密度估算法等[17]。本文采用多距离空间聚类分析法揭示火点在不同尺度上的聚集性差异，即当观测值大于预期值时则确定在该尺度下湖南省林火空间分布具有聚集；其次，使用中心点和标准差椭圆揭示湖南省林火的聚集性与空间扩散性，以及5年为单位区间的平均中心和连续趋势；最终以核密度分析揭示湖南省林火分布规律和空间变异程度。

1.3.1 Ripley K函数分析

Ripley K函数[4]是用途较广的空间统计中点模式分析方法，用于描述点模式在空间上的分布情况，可以衡量要素质心在不同距离下的空间聚集程度和随机性或空间扩散的变化过程，并与随机点模式进行比较，确定不同空间尺度下林火分布离散或聚集程度[18]。

1.3.2 中心点法与标准差椭圆法

中心点分析是点模式法最常用的分析方法，包括中位数中心、平均中心、中心要素3种，中位数中心分析与平均中心分析一般要根据数据属性以及数据量进行选择，针对林火数据这种一般不考虑数据属性的相关研究通常选择以二者结合进行分析，在数据量大并且数据较为离散时选用中位数中心法，反之，则选用平均中心法，中位数中心法是Kuhn等[19]首次提出。

标准差椭圆也叫点集的方向分布，可以识别某组数据的点集空间分布以及分布趋势[20]。通常所得出的椭圆的短轴可表示点集数据分布的聚集程度，长轴可以表示火点集数据分布扩散的趋势。根据椭圆的大小方向即可直观地反映湖南省1999—2022年林火分布在整体趋势和方向偏离。椭圆的圆心坐标计算公式参考文献[17]。

1.3.3 核密度分析法

基于这些点分析法，还可通过密度分析法进一步对研究区的林火空间密度进行估算。密度分析法是根据点集数据或者线要素数据内插计算整个区域数据的分布状况。根据插值原理分为3种，分别为核密度分析、点密度分析和线密度分析。在核密度分析中，靠近搜索中心的点或线会被赋予更大的权重，反之，则权重较小，核函数的宽带越小，计算结果分布会更平滑。林火具有空间自相关性，所以选择核密度分析法对湖南省林火空间密度进行计算。其公式见参考文献[4]。

2 结果与分析

湖南省1999—2022年共发生森林火灾1.57×10⁴起，其中一般森林火灾1.04×10⁴起，较大森林火灾5.18×10³起，重大森林火灾17起，分别占比66.9%、33.0%、0.1%（表1）。森林火灾发生次数最多的为2000年，达到2.4×10³起，最少的为2021年的62起，1999—2022年的年平均次数为653次/年，从森林火灾的年发生次数上来看有下降的趋势，但在未来气候变化的背景下，湖南省的森林防火工作依旧至关重要。

2.1 林火时空Ripley K函数分析

通过Ripley K函数得到不同空间尺度下林火分布模式，由于湖南省国土面积较大，所以起算距离设为0（图1）。结果显示，湖南省1999—2022年期间的森林火灾无论在何种尺度下，观测值始终大于期望值，所以林火的分布都是呈聚集分布，存在非常强的地理空间相关性，则可进一步进行点模式聚集分析。

2.2 林火时空中心与核密度分析

利用ArcGIS 10.5绘制中位数中心与标准差椭圆（图2）。结果显示24年间，林火发生的中位数中心位于邵阳市东部，林火聚集区为新邵县，其总体蔓延趋势即椭圆长轴方向为东南-西北方向。使用ArcGIS 10.5空间分析工具中的核密度分析，结果显示为0.008 7次/（km2·a），全省林火中位数中心与林火的平均中心偏差不大。同时根据分析结果，得到1999—2022年间，林火密度最高的区域为娄底市、株洲市、邵阳市和郴州市。

上述分析仅基于整体空间格局，未结合具体的时间尺度，为找到每个年份的林火中心以及时间尺度的林火聚集区域变化，以5年作为一个时间区间，共4个时间区间，利用核密度分析工具再次对1999—2022年的火点数据分析，与上述分析的统计半径和空间栅格单元尺度保持一致，计算各区间的湖南省林火密度。得出1999—2003年的林火总密度为0.083 4次/km2、2004—2008年的林火密度为0.173 9次/km2、2009—2013年的林火密度为0.103 3次/km2、2014—2018年的林火密度为0.025 7次/km2、2019—2022年的林火密度为0.027 4次/km2。

按照几何分段法将火点密度分为0～0.001 89次/km2、0.001 89～0.009 3次/km2、0.009 3～0.016 4次/km2、0.016 4～0.022次/km2、0.022～0.834次/km2共5个等级。

从图3可知，1999—2003年衡阳市、郴州市是林火密度最高的地区；其次2004—2013年林火数量增多，同时较高密度的林火影响区域也逐渐扩散，2009—2013年益阳市为全省林火密集的区域；2014—2018年相比之前的3个时序区间林火的密度明显降低，标准差椭圆短轴缩短，长轴增长，所呈现的向心力较为明显，说明林火分布格局开始发生改变，整体林火密度降低的同时分布离散，说明往年林火高发区例如郴州市、邵阳市的林火密度有明显改善；2019—2022年区间林火密度最高的区域为永州市与郴州市交界区域，中位数中心与椭圆重心距离较远，说明林火分布主要向全省东南方向集中；1999—2013年3个区间的椭圆的长短轴差异不明显，火点分布聚集程度相对较大；根据各区间的中位数中心以及林火分布标准差椭圆，可知1999—2022年湖南省林火的整体中位数中心一直处于衡阳市西北部以及邵阳市东北部地区，并且林火的扩散趋势方向基本保持为东南方向。

2.3 林火与经济发展点模式分析

将各区划1999—2022年GDP数据连接到各自对应的属性进行标准差椭圆分析，并结合1999—2022年湖南省林火的逐年平均中心进行制图，结果显示出一定规律。

1999—2003年的平均中心较为集中，中心坐标都落于衡阳市；2004—2008年的平均中心同样较为集中，但相对于前一个区间整体向西偏移，中心基本落于衡阳市；2009—2013年区间的平均中心相对于前两个区间整体更加向西偏移，平均中心全部落于邵阳市；2014—2018年区间的中心分布最为分散，并且2016年的平均中心向西北方向发生较为明显的偏移，根据湖南省气象局的资料显示2016年湖南省年平均气温较往年高0.5 ℃并且降水量偏多约17.6%，厄尔尼诺现象可能使森林中可燃物分布和蓄积量产生变化而导致森林火灾的分布格局变化[21]；2019—2022年的平均中心也都位于GDP标准差椭圆范围内，整体呈西北-东南轴线分布，2022年的林火增多，并且平均中心与其他3个点位发生西北方向偏移，主要原因可能是2022年湖南省夏秋冬连旱综合强度显著上升，极高气温伴随降雨减少导致该年林火分布发生一定程度变异。整体来看，1999—2022年湖南省的林火中心逐渐呈西北-东南轴线偏移，与1999—2022年林火整体分布扩散趋势基本一致（图3）；湖南省各时序区间的区划GDP标准差椭圆变化不明显，扩散趋势不明显，GDP分布呈现聚集性，以长株潭区域以及衡阳市、益阳市为主要核心区。同时各年林火的平均中心基本落于湖南省区划GDP标准差椭圆内部，通过ArcGIS 10.5计算1999—2022年湖南省林火分布与GDP数据的标准差椭圆重合率为71.29%，重合率较高（图4），苏漳文等[16]的研究表明GDP较高区域的林火发生概率更大，与本文的分析一致。

3 结论与讨论

3.1 结 论

研究结果表明，湖南省1999—2022年林火空间分布在0～800 km的分布统计范围内都呈聚集状态，有显著的空间聚集性与地理相关性，存在明显的森林火灾高密度区域，林火分布变异不明显。主要结论如下：

1）林火密度最高的区域为娄底市、株洲市、郴州市和邵阳市东部，其次是怀化市、益阳市以及邵阳市西南部，中位数中心点位于邵阳市新邵县，整体林火的扩散方向为西北-东南方向轴线，从邵阳市向东南方向的郴州市扩展。湖南省北部区划如常德市、岳阳市的森林覆盖率相对更小、水域宽，张家界市、湘西自治州的人口最为分散、人口密度低，所以这些区域林火密度一直保持在低密度，2000—2017年湖南省这些区域的NVDI（归一化植被指数）增加最为显著[22]，这也与林火密度维持在低水平有关。

2）湖南省1999—2022年间的林火发生总密度为0～0.207 9 次/km2，2008年湖南省林火发生次数最多，这可能与2008年湖南省遭受冰灾导致地表可燃物的快速增加有一定关系，且冰冻雪害导致林区道路和通讯设施被损坏也加大了林火防控的难度[23]。湖南省的森林火灾密度在时间分布上呈波动下降趋势，1999—2003年的年均林火密度为0.016 7 次/km2、2004—2008年的年均林火总密度为0.034 8 次/km2、2009—2013年的林火总密度为0.021 次/km2、2014—2018年的林火总密度为0.005 次/km2、2019—2022年的林火总密度为0.006 次/km2，其中1999—2003年区间总密度最高，自2008年之后显著下降并且近十年的林火密度一直处于低位水平。2008年《湖南省森林防火条例》颁布之后森林防火工作有明显成效，2023年5月发布了《关于全面加强新形势下森林防灭火工作的实施方案》，这些规章制度明确了各级政府和相关单位的责任，并规定了防火措施，这对减少森林火灾发生起到了积极作用；同时，湖南省在森林火灾监测和预警方面进行了大力提升，遥感等技术手段能够及时掌握森林火灾的动态信息，这些因素共同作用，使得近年来湖南省的森林防火工作取得了显著成效。1999—2022年间湖南省的年际火灾频率整体有所下降，中部以及西南部森林火灾多发，永州市、郴州市区域的林火密度在1999年以来一直处于相对较高水平，其中火灾原因极大部分为人为引起，并且春秋季节正午为火灾高峰时段[12]，在之后的相关研究以及资源分配中需要着重考虑。

3）湖南省各区划1999—2022年间的GDP发展分布呈现聚集性， 聚集区域主要位于长株潭区域以及衡阳市、益阳市、娄底市，GDP分布的空间变异极小，与林火空间的分布方向重叠区域面积占71.29%，重叠面积较高，说明GDP水平较高的区域人口密度同样较高，区域内密集的人类活动使得林火的潜在风险较高，人类活动以及社会发展因素与森林火灾息息相关，特别是长株潭区域以及衡阳市等区域应重点关注与工业、建设、社会活动相关的生产性、季节性火源。春季和秋冬季是森林火灾的重点防范时期，建议在森林火灾频发时段加强巡逻的同时，重点监测湖南省中部及南部地区的永州市、郴州市的火灾风险，加强扑火设施和扑火队伍的建设，在资源分配格局上重点部署。在长株潭区域以及衡阳市等经济发展较快、城市建设活动较多的区域需要重点部署森林防火措施，严格落实防火工作，加强生产性火源管理，减少森林火灾的潜在风险。林火的发生有多方面因素，所以各区划在不同时期都需要做到因地制宜地防治林火，结合气象、植被、地貌以及社会因素进行重点分析，制定更科学的防控措施。

3.2 讨 论

采用空间统计工具揭示湖南省森林火灾的分布规律，接下来将进一步尝试结合各火点的地形因素以及可燃物、气象等因子，构建林火模型，开展基于Climate AP气象模型的林火时空模拟研究，有可能发现更深层面的林火发生、发展规律，为森林生态保护以及生态文明建设提供有力支持。

参考文献：

[1] 朱贺，张珍，杨凇，等.中国南北方林火时空分布及火险期动态变化特征—以黑龙江省和江西省为例[J].生态学杂志， 2023，42（1）：198-207. ZHU H， ZHANG Z， YANG S， et al. Temporal and spatial distribution of forest fire and the dynamics of fire danger period in southern and northern China： a case study in Heilongjiang and Jiangxi provinces[J]. Chinese Journal of Ecology，2023，42（1）：198-207.

[2] 陶玉柱，邸雪颖，金森.我国森林火灾发生的时空规律研究[J].世界林业研究，2013，26（5）：75-80. TAO Y Z， DI X Y， JIN S. Research on temporal and spatial distribution of forest fire in China[J]. World Forestry Research， 2013，26（5）：75-80.

[3] 曾思齐，王伟，肖化顺，等.区域森林火灾时间序列分析[J].中南林业科技大学学报，2008，28（6）：1-8. ZENG S Q， WANG W， XIAO H S， et al. Time-series analysis of regional forest fire[J]. Journal of Central South University of Forestry Technology，2008，28（6）：1-8.

[4] 刘倩，覃先林，李晓彤，等.基于点模式法的四川省林火时空分布特征研究[J].四川林业科技，2019，40（6）：6-12，18. LIU Q， QIN X L， LI X T， et al. A study of spatiotemporal distribution characteristics of forest fires in Sichuan province based on point pattern method[J]. Journal of Sichuan Forestry Science and Technology，2019，40（6）：6-12，18.

[5] 周慧，唐林，黎祖贤.湖南省森林火灾时空分布特征及典型个例分析[J].沙漠与绿洲气象，2021，15（6）：129-133. ZHOU H， TANG L， LI Z X， et al. Spatial and temporal distribution characteristics of forest fire and typical case analysis in Hunan province[J]. Desert and Oasis Meteorology，2021，15（6）： 129-133.

[6] WEBER K T， YADAV R. Spatiotemporal trends in wildfires across the Western United States （1950-2019）[J]. Remote Sensing， 2020，12（18）：2959.

[7] 张颖，丁昱菲.我国森林灾害的空间分布分析[J].北京林业大学学报，2019，41（3）：68-79. ZHANG Y， DING Y F. Analysis on spatial distribution of forest disasters in China[J]. Journal of Beijing Forestry University， 2019，41（3）：68-79.

[8] 李秀芬，郭昭滨，赵慧颖，等.大兴安岭气候干湿变化及对森林火灾的影响[J].应用气象学报，2018，29（5）：619-629. LI X F， GUO Z B， ZHAO H Y， et al. Change of dry and wet climate and its influence on forest fire in the Great Xing’an mountains[J]. Journal of Applied Meteorological Science，2018，29（5）：619-629.

[9] 曾爱聪，郭新彬，郑文霞，等.基于MODIS卫星火点数据的浙江省林火时空动态变化特征[J].北京林业大学学报， 2020，42（11）：39-46. ZENG A C， GUO X B， ZHENG W X， et al. Temporal and spatial dynamic characteristics of forest fire in Zhejiang province of eastern China based on MODIS satellite hot spot data[J]. Journal of Beijing Forestry University，2020，42（11）：39-46.

[10] 关山，单延龙，孙靖松，等.吉林省森林防火期的时空变化[J].森林防火，2015（1）：36-40. GUAN S， SHAN Y L， SUN J S， et al. The spatiotemporal dynamic characteristics of forest fires in Zhejiang province based on MODIS satellite fire data[J]. Forest Fire Prevention，2015（1）：36-40.

[11] 田晓瑞，舒立福，赵凤君.中国主要生态地理区的林火动态特征分析[J].林业科学，2015，51（9）：71-77. TIAN X R， SHU L F， ZHAO F J， et al. Dynamic characteristics of forest fires in the main ecological geographic districts of China[J]. Scientia Silvae Sinicae，2015，51（9）：71-77.

[12] 刘玉，熊嘉武，张龙.湖南省森林火灾时空分布特征研究[J].中南林业调查规划，2021，40（4）：17-21. LIU Y， XIONG J W， ZHANG L. Study on the spatio-temporal distribution characteristics of forest fire in Hunan province[J]. Central South Forestry Inventory and Planning，2021，40（4）：17-21.

[13] VILà-CABRERA A， RODRIGO A， MARTíNEZ-VILALTA J， et al. Lack of regeneration and climatic vulnerability to fire of Scots pine may induce vegetation shifts at the southern edge of its distribution[J]. Journal of Biogeography，2012，39（3）：488-496.

[14] TARIQ A， SHU H， SIDDIQUI S， et al. Spatio-temporal analysis of forest fire events in the Margalla hills， Islamabad， Pakistan using socio-economic and environmental variable data with machine learning methods[J]. Journal of Forestry Research， 2022，33（1）：183-194.

[15] 李顺，吴志伟，梁宇，等.北方森林林火发生驱动因子及其变化趋势研究进展[J].世界林业研究，2017，30（2）：41-45. LI S， WU Z W， LIANG Y， et al. A review of fire controlling factors and their dynamics in boreal forests[J]. World Forestry Research， 2017，30（2）：41-45.

[16] 苏漳文，曾爱聪，蔡奇均，等.基于Gompit回归模型的大兴安岭林火预测模型及驱动因子研究[J].林业工程学报， 2019，4（4）：135-142. SU Z W， ZENG A C， CAI Q J， et al. Study on prediction model and driving factors of forest fire in Da Hinggan mountains using Gompit regression method[J]. Journal of Forestry Engineering， 2019，4（4）：135-142.

[17] 吴升，黄智函.基于点模式的盗窃犯罪空间分布规律分析—以福州市主城区为例[J].福州大学学报（自然科学版）， 2015，43（5）：631-635. WU S， HUANG Z H. Analysis on spatial distribution regularities of theft crimes based on point pattern： in main districts of Fuzhou city as an example[J]. Journal of Fuzhou University （Natural Science Edition），2015，43（5）：631-635.

[18] MACKAY D B， RIPLEY B D. Spatial statistics[J]. Journal of Marketing Research，1982，19（2）：279.

[19] KUHN H W， KUENNE R E. An efficient algorithm for the numerical solution of the generalized weber problem in spatial economics[J]. Journal of Regional Science，1962，4（2）：21-33.

[20] BOOSE T， GERRITSEN C. A model-based reasoning approach to prevent crime[J]. Studies in Computational Intelligence， 2010，314：159-177.

[21] 翟盘茂，余荣，郭艳君，等.2015/2016年强厄尔尼诺过程及其对全球和中国气候的主要影响[J].气象学报，2016，74（3）： 309-321. ZHAI P M， YU R， GUO Y J， et al. The strong El Nino in 2015/2016 and its dominant impacts on global and China’s climate[J]. Acta Meteorologica Sinica，2016，74（3）：309-321.

[22] 张庆斌，罗佳，周小玲，等.2000—2017年湖南省NDVI动态变化及其对气候响应[J].中南林业科技大学学报，2020，40（12）： 94-103. ZHANG Q B， LUO J， ZHOU X L， et al. Dynamic change of NDVI and response to climate impact from 2000 to 2017 in Hunan province[J]. Journal of Central South University of Forestry Technology，2020，40（12）：94-103.

[23] 肖金香，叶蕾，叶清，等.冰雪冻害对森林火灾的影响及防御措施[J].江西农业大学学报，2009，31（3）：433-436. XIAO J X， YE L， YE Q， et al. A study on the infulence of icesnow disaster on forest fire and its defensive measures[J]. Acta Agriculturae Universitatis Jiangxiensis，2009，31（3）：433-436.

[本文编校：吴 毅]