基于空间数据分析的黑龙江森林火灾关联性研究

摘要

黑龙江省为中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。森林火灾的发生受气象因素的影响较大，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，做到科学监控和及时预测预报，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。
　　气象因素对森林火灾的发生具有一定的影响，如温度、相对湿度、风速、降水量、气压等。本文重点讨论气象因素影响下，利用空间数据分析方法，研究黑龙江2005年森林火灾的发生在空间上是否存在关联性，即空间聚集性。同时运用回归分析研究气象因素对火灾的影响程度。
　　空间数据分析是对含有空间地理位置属性的数据进行研究。利用属性数据的空间特性，在研究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，研究空间集聚和空间异常，发现研究样本之间的空间相互作用机制。本文中主要应用了以下几种方法进行研究:主成分分析法，空间聚类分析，多元回归分析及地理加权回归分析。通过主成分分析法求出影响森林火灾的气象影响指标。通过空间聚类分析讨论森林火灾的发生在全局及局部空间是否存在相关性，最后通过多元回归分析和地理加权回归分析，检验气象因素对森林火灾影响强度的大小，并对两种回归方法进行比对。
　　研究结果显示，黑龙江省2005年和2005年4、5、6月森林火灾在气象影响指标下的Moran'sⅠ都小于零，这说明在气象因素的影响下森林火灾的发生在全局上存在着的空间负相关性。通过统计量Z的显著性检验，说明森林火灾高发火灾区域和低发火灾区域在空间呈现分散状态。通过局部Moran散点图和显著性图得到局部空间上，森林火灾发生高低、低高分布较多，符合全局判断。利用多元回归分析及地理加权回归分析得出了气象因素对火灾影响较大的因子为温度、北纬、相对湿度与风速，并且影响方向和强度比较显著。同时通过对两种回归检验比对，得出地理加权回归检验优于多元回归分析检验。

目录

摘要

1 绪论

1．1 课题背景

1．2 国内外林火研究现状

1．3 黑龙江省概况

1．4 空间数据分析方法及现状

1．4．1 主成分分析

1．4．2 空间聚类研究

1．5 多元线性回归研究

1．6 地理加权回归分析

1．7 本章小结

2 空间数据分析

2．1 主成分分析

2．2 空间聚类研究

2．2．1 关于点的全局聚类研究

2．2．2 关于点的局部聚类研究

2．2．3 关于面的聚类研究

2．3 多元线性回归研究

2．3．1 多元线性回归模型

2．3．2 多元线性回归模型估计

2．4 地理加权回归估计

2．4．1 地理加权模型估计

2．4．2 空间权函数

2．4．3 带宽的选择

2．4．4 模型检验指标

2．5 本章小结

3 黑龙江省森林火灾相关性检验

3．1 数据来源

3．2 气象影响指数确定

3．3 空间聚类研究

3．3．1 全局空间聚类研究

3．3．2 局部空间聚类研究

3．3．3 本章小结

4 回归模型检验

4．1 多元回归检验

4．1．1 建立多元回归模型

4．1．2 回归检验

4．2 地理加权回归检验

4．2．1 权重函数选取

4．2．2 带宽的选取

4．2．3 模型结果研究

4．2．4 本章小结

总结与展望

参考文献

攻读学位期间发表的学术论文

致谢

声明