当前的世界环境

介绍

森林火灾是世界上广泛而重要的方面。全球每年因森林火灾而被烧毁的面积在300至450马赫之间。¹超过80％的全球领域烧毁的发生在草原和大草原，主要是在南亚，非洲，澳大利亚和南美洲。除了在植被和靠近杆附近的地区，全球火灾频繁频繁。²

夏季，印度喜马偕尔邦的山区发生了大多数严重的森林火灾。^3.近年来，森林火灾造成了广泛的破坏，导致野生动物栖息地和生物多样性的丧失，微气候的变化，对人民生活的不利影响，温室气体的增加等。喜马偕尔邦森林火灾造成的平均损失估计为每年1.13亿卢比。^4.喜马偕尔邦的森林主要由Chir，Oak，Deodara，Khair，Saal，Bamboo和其他阔叶树种组成。由于脱落的高度易燃的Chir针头，Chir占领的上述物种面积高度易于森林火灾。^5.索兰地区的森林主要为赤松纯林和混交林，大多符合低shiwalk赤松(9C1a)森林类型，占5-6地区总面积的7.68%。有必要为研究区划定森林火灾危险区，以便开展预防和管理措施。

森林火灾危险区的一般划分方法是根据危险因素对火灾的敏感性为它们分配知识库权重。采用模糊层次分析法(FAHP)作为多准则决策分析(MCDA)工具进行权重估计。^7-9

研究区

该研究进行了印度马偕尔邦的索伦地区。Solan占地10％的地区IE。公顷1,93,600公顷。该地区主要被占用Pinus roxburghii.那Quercus leucotric hophora那金合欢卡梁，竹子和其他阔叶树种。平均每日平均温度，相对湿度和年降雨量分别为18.4°C，1038.2毫米和51.2％。

图1 点击此处查看数字

材料和方法

在这次调查中使用了Saaty (1998)7Fuzzy层次分析法(FAHP)。FAHP是一种多准则决策方法，涉及到对森林火灾风险因素进行排序和优先排序的决策框架。表1总结了世界各地所做的相关工作。

表1：相关工程摘要。

第一作者	年	学习地点	研究工作名称	变量研究和火灾风险模型
Aumedes.10.	2017年	全球的	人为导致的火灾发生模型：综述	距离道路，铁路，城市地区和定居点的距离 型号：HCF型号（人类导致火灾）
ruffault.11.	2017年	法国	人为和生物物理因素对法国地中海地区森林火灾和大型野火空间分布的贡献	人类活动和定居点
Ajin12.	2016年	喀拉拉邦，印度	使用RS和GIS技术的森林火灾风险区域测绘：Achankovil Forest部门，印度喀拉拉邦森林师研究	距离公路和定居点的距离 模型:FRI(火灾风险指数)
巴韦贾13.	2014年	印度喜马偕尔邦	对印度西部喜马拉雅地区森林火灾暴露的社区的看法	家庭规模和识字率
v14.	2014年	欧洲	模拟欧洲地中海地区森林火灾的社会经济驱动因素。	人口密度、道路网络、荒地-城市界面、铁路网络、保护区、景观破碎化等。 型号：逻辑回归模型
间谍15.	2014年	俄勒冈州	检查火灾森林景观作为耦合人类和自然系统	土地的所有权
甘茶16.	2013年	欧洲	欧洲森林火灾的主要驱动因素综述	失业率，运输网络和城市地区的距离
Lafragueta.17.	2013年	西班牙	基于GIS和mce的森林火灾评估和制图——西班牙阿拉贡韦斯卡的案例研究	距离道路，铁路轨道，露营和定居点的距离 模型:FRI(火灾风险指数)
沙玛18.	2012年	印度喜马偕尔邦	用于森林火灾风险建模的模糊AHP	距离公路和距离居民点 模型:CFRISK(累积火灾风险指数)
时至今日19.	2011年	中国	基于GIS的森林火灾风险评估和映射	人口密度与森林资源价值 模型:FRI(火灾风险指数)
HOYO.20.	2011年	西班牙	人类导致野火风险估算的逻辑回归模型：分析空间准确性在火灾发生数据中的影响	道路基础设施、休闲和自然保护区、放牧压力、电线缓冲器等。 型号：Logistic回归模型
阿奇博尔德21.	2010年	南非	南方非洲火灾制度如遥感透露	人口密度 型号：FRP（防火电力指数）
Calcerrada.22.	2010年	西班牙	社会经济数据的空间建模，了解马德里（西班牙中部）人造野火点火风险模式	人口，二次住房，牛，羊和山羊
Vadrevu.23.	2010年	安得拉邦，印度	使用多标准分析进行火灾风险评估 - 以案例研究	人口密度，农业工人，营养密度和识字率 模型：分析层次过程（AHP）
leone.24.	2009年	地中海 地区	地中海发生火灾的人为因素	农业燃烧，篝火，电源线，发动机，机器等
马丁内斯25.	2008年	西班牙	人类导致西班牙预防规划的野火风险评级	农村埃及州，森林 土地、农村人口老龄化或下降，燃料积累 被遗弃的农业土地，缺乏育儿等。 型号：逻辑回归模型
毛吉26.	2007年	美利坚合众国	美国肯塔基州东部野火发生和分布的影响因素	失业率，与道路的距离和人口距离
杨27.	2007年	美国	Missouri Ozark Highlands的现代时期的空间模式人类引起的火灾发生	道路、市政、所有权和人口密度
rawat.28.	2003年	乌塔塔克手，印度	拉贾吉国家公园雪兰林范围森林防治管理的火灾风险评估	道路指数和沉降指数 模型:CFRISK(累积火灾风险指数)

火灾风险标准的层次结构发展

我们使用人口密度（PD），农业工人（AGRI-W），识字率（LR）营养密度（ND），距离道路（DR），燃料型（FT），方面（A），坡度和坡度和用于评估研究区域中的火灾风险的海拔（E）（图2）。遵循布费扬的分析层次模型，以便构建分层结构，以考虑火灾风险（图2）。

从地区人口普查手册中收集了Solan子区的相关社会经济数据。使用梭雷达地形使命（90M），Globecover（300M）和GLCF产生路线图，地形地图和燃料类型地图。

图2:量化研究区域火灾的分层数据组织。 点击此处查看数字

森林火灾风险指数

所有因素分为五个类，与较低值相比，较高的值较高的风险（表2）。

表2:森林火险参数的指标值和火险等级。

范围	类	索引价值	消防级别
人口密度 （人民币－2）	0-150	1	非常低
	150 - 300	2	低
	300-450.	3.	中等
	450-600.	4.	高的
	≥600.	5.	很高
识字率 （%）	0-20	5.	很高
	20 - 40	4.	高的
	奖金的	3.	中等
	60-80	2	低
	80-100	1	非常低
农业工人 （人们）	0 - 5000	1	非常低
	5000 - 10000	2	低
	10000 - 15000	3.	中等
	15000 - 20000	4.	高的
	≥20000.	5.	很高
营养密度 （人民公里－2）	0-100	1	非常低
	100 - 200	2	低
	200 - 300	3.	中等
	300 - 400	4.	高的
	≥400	5.	很高
路网的距离 （km）	0-1.00	5.	很高
	1.00 - -2.00	4.	高的
	2.00-3.00	3.	中等
	3.00 - -4.00	2	低
	≥4.00	1	非常低
燃料类型	针叶树森林	5.	很高
	阔叶林	4.	高的
	混合森林	3.	中等
	磨砂土地	2	低
	耕地	2	低
	城市地区	1	非常低
	裸露的地区	1	非常低
方面	北	1	非常低
	东北	1	非常低
	西北	2	低
	西	2	低
	东方	3.	中等
	东南	4.	高的
	西南	5.	很高
	南	5.	很高
海拔高度 (m)	≤500.	5.	很高
	500 - 1000	4.	高的
	1000 - 1500	3.	中等
	1500-2000	2	低
	≥2000.	1	非常低
坡	0-10	1	非常低
(学位)	10-20	2	低
	20-30	3.	中等
	30-40	4.	高的
	≥40	5.	很高

图3:社会经济和生物物理因素指数图。 点击此处查看数字

模糊分析层次处理（FAHP）

FAHP用于确定参数的权重。使用比较尺度形成判断成对明智的比较矩阵'A'（表3）。每个条目一种ij矩阵' A '是通过比较行元素而形成的一种一世使用列元素一种j．^29.

a =（a_ij）（i，j ... n = 1,2 ... n; n =标准数量）

矩阵'A'中的条目A_IJ在下面给出的规则下完成：

A_ij >0; A_ij =â - (1/a_ji)

标准化矩阵W由以下公式构成:

通过采取矩阵“W”的平均值来得出最终的重量。

比较一致性

需要ÊŽmax的值来计算一致性比(CR)。^24.

一致性索引（CI）=（êžmax-n）/（n-1）。

在那里;ÊŽmax =最大特征值，n =条件个数。

通过将一致性索引除以随机索引来计算最终的一致性比。

Cr = ci / ri

在那里;RI =随机索引和CI =一致性索引。

一致性比率的设计表明，当CR < 0.10和CR≥0.10表示不一致时，两两比较具有合理的一致性水平。

表3： 用于模糊层次分析法的量表 ^30.

强度的规模	语言变量
1	同样重要的是
3.	弱重要
5.	本质上是重要的
7.	非常重要
9.	绝对重要的
2,4,6,8.8	两个相邻判断值之间的中间值

结果与讨论

选择的火灾危险因素的权重估计结果显示，燃料类型的权重最高(0.3109)，其次是aspect(0.2487)、agricultural workers(0.1341)、nutritional density(0.1244)、population density(0.0622)、slope(0.0524)、elevation(0.0311)、literacy rate(0.0207)和distance from road(0.0155)。分别(表4)。

表4:森林火灾风险参数权重估计

社会经济参数	重量	生物物理参数	重量
人口密度(人公里)－2）	0.0622	燃料类型	0.3109
识字率 （％）	0.0207	方面	0.2487
农业工人（人）	0.1341	斜率(程度)	0.0524
营养密度(人公里－2）	0.1244.	高度(米)	0.0311
路上的距离（m）	0.0155.

将模糊层次分析法得到的权重应用于累积森林火灾风险指数模型中。表5给出了5类CFRISK指标值的火灾危险性。CFRISK模型的公式如下:-

Cfrisk = 0.0622* pdi +0.0207* lri + 0.1341* awi + 0.1244* ndi + 0.0155* dri + 0.3109* fti + 0.0524* si + 0.2487* ai + 0.0311* ei。

在那里;

CFRISK =累积火灾风险指数

PDI =人口密度指数

LRI =识字率指数

AWI =农业工作者指数

NDI =营养密度指数

DRI =距路指数的距离

FTI =燃料类型索引

Si =斜率指数

纵横指数

ei =高程指数

表5累积森林火灾风险(CFRISK)指数潜在尺度

指数	森林火灾风险
0-1	非常低
1 - 2	低
2 - 3	中等
3 - 4	高的
4-5	很高

在索兰区整个地理区域中，极高风险区域占4.15%，高风险区域占40.63%，中风险区域占54.00%，低风险区域占0.84%，极低风险区域占0.37%(图4a)。使用NASA FIRMS 2018年森林火灾数据集对森林火灾风险地图的准确性进行了测试(图4b)。仅中等、高和非常高三类的森林火灾风险图就预测了99.4%的总火灾像素(1012)。中等等级的火灾危险性预测能力最高(60.77%)，其次为高等级(33.99%)和极高等级(4.64%)。

图4：（a）Solan District的森林火灾风险地图和（b）森林火灾热点来自2018年的美国宇航局公司数据集。 点击此处查看数字

缩写

致谢

印度hp - Nauni市YS Parmar园艺和林业大学环境科学系教授兼主任SK Bhardwaj博士和树木改良和遗传资源系首席科学家IK Thakur博士在本次研究中提供的援助得到了高度认可。

参考

1. Van der Werf G. r.， Randerson J. t .， Giglio L.， Collatz G. J.， Kasibhatla P. S.， Arellano Jr. A. F. 1997 - 2004年全球生物质燃烧排放的年际变化。大气物理化学。2006; 6（11）：3423-3441。
   十字架
2. 林志强，王志强，王志强。火灾历史与全球碳预算:20世纪火灾历史的重建。全球变化生物学．2005; 11（3）：398-420。
   十字架
3. 印度森林调查。国家森林报告，Dehradun，Uttarakhand。2003年。
4. 匿名的。森林火灾及其对环境，森林，生物多样性和补救/预防措施的影响。马偕尔邦森林火灾控制和管理目录。2016年。
5. Shah S.，Sharma D. P.土地利用变更检测在印度喜马偕尔邦的索伦林师。森林生态系统。2015; 2：26-38。
   十字架
6. 冠军H.G.，Seth S. K.对印度森林类型进行了修订的调查。出版物管理，政府。印度，德里。1968; 34。
7. 多准则决策:层次分析法，中国科学(d辑)，vol . 32, no . 1, pp。1988.
8. Vaidya O. S.，Kumar S. Analytic层次结构：申请概述。欧洲业务研究杂志。2006年,169(1):1至29。
   十字架
9. Vahidniaa M. H.，Alesheikhb A.，Alimohammadic A.，Bissirid A. GIS应用中的模糊分析层次过程。摄影测量，遥感和空间信息科学的国际档案。2008; 37：593-596。
10. Aumedes S.C.，Comas C.，Garcia V.C。人为导致的火灾发生模型：综述。国际荒地火灾杂志．2018; 26（12）：983-998。
    十字架
11. 法国地中海地区森林火灾和大型野火的空间分布中人类和生物物理因素的贡献。国际荒地火灾杂志。2017; 26（6）：498-508。
    十字架
12. 利用RS和GIS技术绘制森林火灾危险区:印度喀拉拉邦阿坎科维尔森林区划的研究。地球，环境与健康科学杂志．2016; 2(3): 109。
    十字架
13. 印度喜玛拉雅西部地区森林火灾暴露社区的感知。在线国际生物溶液杂志．2014; 2（4）：94-99。
14. Vilar L.， Camia A.， Ayanz J. S. M.对地中海欧洲森林火灾的社会经济驱动因素建模。见:《社会与经济问题》，科英布拉大学出版社，西班牙。2014;1874-1882。
    十字架
15. 间谍T. A., White E. M., Kline J. D., Fischer A. P., Ager A., Bailey J., Bolte J., Koch J., Platt E., Olsen C. S., Jacobs D. Examining fire-prone forest landscapes as coupled human and natural systems.生态与社会。2014; 19（3）：9。
    十字架
16. 林志刚，王志刚，王志刚，等。欧洲森林火灾发生的主要影响因素研究进展。环境管理．2013; 51（3）：651-662。
    十字架
17. Lafragueta J. F.GIS和基于MCE的森林火灾风险评估和测绘：以霍斯卡，阿拉贡，西班牙的案例研究。M SC论文。西班牙工程学院和建筑环境。2013年。
18. Sharma L.K.，Kanga S.，Singh M.N.，Sinha S.，Chandra P. P. P. P. Foreform Fire风险建模的模糊AHP。防灾管理：一个国际期刊．2012; 21（2）：160-171。
    十字架
19. 葛C.，Weng W.，袁H.GIS的森林火灾风险评估和映射。纸张介绍：计算科学和优化（CSO），2011年第四次国际联合会议。2011; 1240-1244。
    十字架
20. 人为野火风险估计的Logistic回归模型:分析火灾发生数据的空间精度的影响。欧洲森林研究杂志。2011; 130：983-996。
    十字架
21. 阿奇博尔德，Scholes R. J.， Roy D. P.， Roberts G.， Boschetti L.遥感揭示的南部非洲火灾制度。国际荒地火灾杂志．2010; 19(7): 861 - 878。
    十字架
22. Calcerrada R.，Barrio-Parra F.，Millington J. D. A.，Novillo C. J.社会经济数据的空间建模，了解人类导致马德里州（西班牙中部）的人为野火点火风险模式。生态建模．2010; 221（1）：34-45。
    十字架
23. Vadrevu K.P.，Eaturu A.，Badrinath K. V.S.S.使用多rritiria分析的火灾风险评估 - 案例研究。环境监测与评价。2010; 166:223 - 239。
    十字架
24. Leone V.，Lovreglio R.，MartínM.P.，MartínezJ​​.，VILANZ。地中海的火灾发生的人为因素。：地球观察地中海生态系统中的野火。2009; 149-170。
    十字架
25. Martinez J.，Garcia C. V.，Chuvieco E.人类导致西班牙预防规划的野火风险评级。环境管理杂志．2009; 90（2）：1241-1252。
    十字架
26. Maingi J. K.，Henry M. C. C. C.影响野火发生和分布的因素在美国东部肯塔基州。国际荒地火灾杂志。2007; 16（1）：23-33。
    十字架
27. 杨建军，何洪生，何洪生，等。森林科学．2007; 53（1）：1-15。
28. Rawat G.S.富兰国家公园Chilla森林系列森林防治管理的火灾风险评估。M SC论文。国际地理信息科学与地球观测研究所enscheda。2003年。
29. Ramanathan A.关于使用分析层次处理的环境影响评估的注释。环境管理杂志．2001; 63（1）：27-35。
    十字架