大兴安岭重特大雷击森林火灾时空变化与气象驱动因素分析

doi:10.13466/j.cnki.lczyyj.2026.01.005

林草资源研究 ›› 2026›› Issue (1): 46-57.doi: 10.13466/j.cnki.lczyyj.2026.01.005

大兴安岭重特大雷击森林火灾时空变化与气象驱动因素分析

赵雅欣¹(), 李书杨², 周相贝¹, 宁吉彬¹, 王明玉³, 杨光¹, 孙建⁴()

¹ 东北林业大学森林生态系统可持续经营教育部重点实验室, 哈尔滨 150040
² 兴安盟林业科学研究所, 内蒙古兴安盟 137400
³ 中国林业科学研究院森林生态环境与自然保护研究所, 北京 100091
⁴ 黑龙江省自然资源权益调查监测院, 哈尔滨 150030

收稿日期:2025-10-21 修回日期:2026-01-15 出版日期:2026-02-28 发布日期:2026-08-07
通讯作者: 孙建,高级工程师,主要从事森林防火工作。Email:uskey1027@126.com
作者简介:赵雅欣,硕士研究生,主要研究方向为森林防火。Email:zyx13253383820@163.com

Analysis of spatiotemporal variation and meteorological drivers of major and catastrophic lightning-caused forest fires in the Greater Khingan Mountains

ZHAO Yaxin¹(), LI Shuyang², ZHOU Xiangbei¹, NING Jibin¹, WANG Mingyu³, YANG Guang¹, SUN Jian⁴()

¹ Key Laboratory of Sustainable Forest Ecosystem Management-Ministry of Education, Northeast Forestry University, Harbin 150040, China
² Xing'an League Forestry Science Research Institute, Xing'an League 137499,Inner Mongolia, China
³ Ecology and Nature Conservation Institute, Chinese Academy of Forestry, Beijing 100091
⁴ Heilongjiang Provincial Institute of Natural Resources Rights and Interests Survey and Monitoring, Harbin 150030, China

Received:2025-10-21 Revised:2026-01-15 Online:2026-02-28 Published:2026-08-07

摘要/Abstract

摘要：

为掌握大兴安岭重特大雷击火时空分布规律及主要气象驱动因子,设置年、日、月3级尺度,以林业局为基本统计单元,定量分析2002—2023年重特大雷击火时空分布特征;采用逻辑斯蒂回归模型和随机森林模型探究大兴安岭重特大雷击火发生的主要气象驱动因子,探讨不同时间窗口的气象要素对重特大雷击火发生的影响。结果表明:1)2002—2023年共发生重特大雷击火77起,多发生于5—9月,其中6月是集中高发期,主要集中在呼中、奇乾、满归等林业局,呼中林业局最为集中。2)平均气温是主要气象驱动因子,其次是蒸发量、平均相对湿度、日照时数;3)逻辑斯蒂回归模型和随机森林模型均表现良好(AUC值均大于0.85);随机森林区分能力较强(AUC=0.964),预测精度较高(ACC=0.891)。4)雷击火发生前5天(T₅)气象要素对大兴安岭重特大雷击火的发生影响最大。研究结果可为大兴安岭重特大雷击火防控提供理论基础和参考依据。

关键词: 大兴安岭, 重特大雷击火, 时空分布, 气象因子

Abstract:

To clarify the spatiotemporal distribution patterns of major and catastrophic lightning-caused forest fires in the Greater Khingan Mountains and the main meteorological drivers,a three-temporal scale (daily,monthly,and annual) was set up.Using forestry bureaus as the basic statistical units to quantitatively analyzed the spatiotemporal distribution characteristics from 2002 to 2023.Logistic regression models and random forest models were used to identify the main meteorological drivers factors for major lightning-caused fires in the Greater Khingan Mountains and to investigate the influence of meteorological elements in different periods (T₀—T₇) on the occurrence of major lightning-caused fires.The results showed that:1) A total of 77 major and catastrophic lightning-caused fires occurred from 2002 to 2023,mainly from May to September,with June as the peak period.Spatially,they were concentrated in Huzhong,Qiqian and Mangui,especially in Huzhong.2) Mean temperature is the dominant meteorological driver,followed by evaporation,mean relative humidity,and sunshine duration.3) Both the logistic regression and the random forest model performed well (AUC values were all greater than 0.85),and the random forest showed stronger discriminatory ability (AUC=0.964),and higher prediction accuracy (ACC=0.891).4) Meteorological variables 5 days before the fire occurrence (T₅) had the greatest impact on the occurrence of major catastrophic lightning-caused forest fires in the Greater Khingan Mountains.The results provide theoretical basis and reference for the prevention and control of major and catastrophic lightning-caused forest fires in the Greater Khingan Mountains.

Key words: Greater Khingan Mountains, major and catastrophic lightning-caused forest fires, spatiotemporal distribution, meteorological drivers

中图分类号:

S762.1

赵雅欣, 李书杨, 周相贝, 宁吉彬, 王明玉, 杨光, 孙建. 大兴安岭重特大雷击森林火灾时空变化与气象驱动因素分析[J]. 林草资源研究, 2026,(1): 46-57.

ZHAO Yaxin, LI Shuyang, ZHOU Xiangbei, NING Jibin, WANG Mingyu, YANG Guang, SUN Jian. Analysis of spatiotemporal variation and meteorological drivers of major and catastrophic lightning-caused forest fires in the Greater Khingan Mountains[J]. Forest and Grassland Resources Research, 2026,(1): 46-57.

图/表 8

图1

图2

表1

表2

表3

图3

图4

表4

参考文献 44

[1]	舒洋, 孙子瑜, 张恒. 世界森林雷击火研究现状和展望[J]. 世界林业研究, 2022, 35(2):34-40.
[2]	臧桐汝, 舒立福, 王明玉, 等. 黑龙江大兴安岭林区雷击火时空分布及驱动因素分析[J]. 西北农林科技大学学报(自然科学版), 2022, 50(12):64-76.
[3]	黑龙江省人民政府森林草原防灭火指挥部. 关于黑龙江省雷击火灾情况的调研报告[N]. 中国应急管理报,2019-12-10(7).
[4]	关山, 刘泓禹, 高博, 等. 吉林省重特大森林火灾与气象因子的关系研究[J]. 西南林业大学学报(自然科学), 2018, 38(5):168-172.
[5]	中华人民共和国国务院. 森林草原防灭火条例:中华人民共和国国务院令第 822 号 [EB/OL].(2025-11-21)[2026-01-10]. https://www.gov.cn/zhengce/zhengceku/202511/content_7049205.htm.
[6]	Komarek E V. Lightning and fire ecology in Africa[C]// Proceedings of the Tall Timbers Fire Ecology Conference.Tallahassee, Florida: Tall Timbers Research Station, 1972, 11:473-511.
[7]	Podur J, David L M, Ferenc C. Spatial patterns of lightning-caused forest fires in Ontario,1976-1998[J]. Ecological Modelling, 2003, 164:1-20. doi: 10.1016/S0304-3800(02)00386-1
[8]	Narayanaraj G, Michael C M. Influences of forest roads on the spatial patterns of human- and lightning-caused wildfire ignitions[J]. Applied Geography, 2012, 32(2):878-888. doi: 10.1016/j.apgeog.2011.09.004
[9]	Amatulli G, Peréz-Cabello F, Riva L D J. Mapping lightning/human-caused wildfires occurrence under ignition point location uncertainty[J]. Ecological Modelling, 2006, 200(3-4):321-333. doi: 10.1016/j.ecolmodel.2006.08.001
[10]	王晓红, 黄艳, 张吉利, 等. 基于闪电定位数据和气象数据的大兴安岭雷击火预测模型研究[J]. 中南林业科技大学学报, 2017, 37(3):44-48.
[11]	于成龙, 刘丹, 杜春英, 等. 大兴安岭地区雷击火发生的雷电条件分析[J]. 西北农林科技大学学报(自然科学版), 2010, 38(11):64-70.
[12]	Evett R R, Mohrle C R, Hall B L, et al. The effect of monsoonal atmospheric moisture on lightning fire ignitions in southwestern North America[J]. Agricultural and Forest Meteorology, 2008, 148(10):1478-1487. doi: 10.1016/j.agrformet.2008.05.002
[13]	刘柯珍. 大兴安岭地区夏季火环境及林火发生预报模型研究[D]. 北京: 中国林业科学研究院, 2018.
[14]	倪长虹, 邸雪颖. 黑龙江省大兴安岭雷击火发生规律[J]. 东北林业大学学报, 2009, 37(1):55-57+75.
[15]	赵俊卉, 亢新刚, 郭广猛, 等. 基于 LIS/OTD 格点数据的中国东北地区雷击火时空分布[J]. 生态学杂志, 2009, 28(4):715-720.
[16]	郭福涛, 胡海清, 张金辉. 塔河地区林火时空分布格局与影响因素[J]. 自然灾害学报, 2009, 18(1):204-208.
[17]	杜春英, 李帅, 刘丹, 等. 大兴安岭地区森林雷击火发生的时空分布[J]. 自然灾害学报, 2010, 19(3):72-76.
[18]	王明玉, 舒立福, 田晓瑞, 等. 林火在空间上的波动性及其对全球变化的响应(II)[J]. 火灾科学, 2003, 12(3):171-176.
[19]	赵凤君, 王明玉, 舒立福, 等. 气候变化对林火动态的影响研究进展[J]. 气候变化研究进展, 2009, 5(1):50-55.
[20]	郭福涛, 胡海清, 马志海, 等. 不同模型对拟合大兴安岭林火发生与气象因素关系的适用性[J]. 应用生态学报, 2010, 21(1):159-164.
[21]	魏书精, 胡海清, 孙龙. 气候变化对我国林火发生规律的影响[J]. 森林防火, 2011(1):30-34.
[22]	田晓瑞, 舒立福, 赵凤君, 等. 大兴安岭雷击火发生条件分析[J]. 林业科学, 2012, 48(7):98-103.
[23]	于建龙, 刘乃安. 我国大兴安岭地区森林雷击火发生的火险天气等级研究[J]. 火灾科学, 2010, 19(3):131-137.
[24]	邸雪颖, 李永福, 孙建, 等. 黑龙江省大兴安岭地区塔河县森林火险天气指标动态[J]. 应用生态学报, 2011, 22(5):1240-1246.
[25]	张恒, 张鑫, 赵鹏武, 等. 内蒙古森林草原雷击火灾时空分布特征[J]. 东北林业大学学报, 2020, 48(12):46-51.
[26]	张巍, 颜廷强, 王志成. 黑龙江省雷击森林火灾时空分布特点[J]. 林业建设, 2018(3):31-34.
[27]	贾丙瑞, 周广胜, 于文颖, 等. 1972-2005年大兴安岭林区雷击火特征及其与干旱指数的关系[J]. 林业科学, 2011, 47(11):99-105.
[28]	陈岱. 基于Logistic回归模型的大兴安岭林火预测研究[J]. 林业资源管理, 2019(1):116-122.
[29]	张念慈, 刘迪, 刘广菊. 大兴安岭呼中林区雷击火发生机制与火环境研究[J]. 现代农业研究, 2023, 29(10):94-97.
[30]	何立, 黄永磷. MODIS 1B 数据基于反距离权重的插值方法研究[J]. 广西气象, 2006, 27(1):80-81.
[31]	张传庆, 周辉, 冯夏庭, 等. 局域地应力场获取的差值平衡方法[J]. 岩土力学, 2008, 29(8):2016-2024.
[32]	薛亮. 一部GIS地学空间分析的实用教材:介绍《ArcGIS地理信息系统空间分析实验教程》一书[J]. 地理学报, 2006(9):896.
[33]	马文苑, 冯仲科, 成竺欣, 等. 山西省林火驱动因子及分布格局研究[J]. 中南林业科技大学学报, 2020, 40(9):57-69.
[34]	Littell J S, McKenzie D, Peterson D L, et al. Climate and wildfire area burned in western U.S.ecoprovinces,1916-2003[J]. Ecological Applications, 2009, 19(4):1003-1021. doi: 10.1890/07-1183.1 pmid: 19544740
[35]	郭福涛, 苏漳文, 马祥庆, 等. 大兴安岭塔河地区雷击火发生驱动因子综合分析[J]. 生态学报, 2015, 35(19):6439-6448.
[36]	张国丽, 慈雪伦, 杨雪清, 等. 森林火灾时空分布特征及易发性分析研究[J]. 林草资源研究, 2023(5):48-55.
[37]	巨文珍, 韦龙斌, 彭泊林, 等. 广西林火驱动因子及预测模型研究[J]. 林草资源研究, 2023(5):56-62.
[38]	Jolly W M, Cochrane M A, Freeborn P H, et al. Climate-induced variations in global wildfire danger from 1979 to 2013[J]. Nature Communications, 2015, 6(1):7537. doi: 10.1038/ncomms8537
[39]	舒立福, 王明玉, 田晓瑞, 等. 我国大兴安岭呼中林区雷击火发生火环境研究[J]. 林业科学, 2003, 39(6):94-99.
[40]	吴志伟, 常禹, 贺红士, 等. 大兴安岭呼中林区林火时空分布特征分析[J]. 广东农业科学, 2011, 38(5):189-193.
[41]	尹赛男, 王东昶, 单延龙, 等. 黑龙江省3种主要火源引发森林火灾的次数和面积时空分布特征[J]. 林业科学, 2021, 57(6):115-124.
[42]	Genton M G, Butry D T, Gumpertz M L, et al. Spatio-temporal analysis of wildfire ignitions in the St.Johns river water management district,Florida[J]. International Journal of Wildland Fire, 2006, 15(1):87-97. doi: 10.1071/WF04034
[43]	焦强英, 韩宗甫, 王炜烨, 等. 基于多源数据和机器学习方法的大兴安岭地区雷击火驱动因子及火险预测模型[J]. 林业科学, 2023, 59(6):74-87.
[44]	陈涤非, 王明玉, 司莉青, 等. 四川省雷击火时空分布特征及影响因素分析[J]. 林业科学, 2023, 59(10):32-40.

林业局	发生次数	次数占比/ %	过火面积/ hm²	面积占比/ %
呼中	13	16.92	10 099.00	3.48
新林	1	1.29	1 597.50	0.55
十八站	5	6.49	5 067.30	1.75
松岭	4	5.19	225 546.20	77.81
韩家园	5	6.49	2 824.60	0.97
加格达奇	3	3.90	2 902.76	1.00
奇乾	10	12.99	3 610.60	1.25
乌玛	6	7.79	7 967.00	1.41
满归	7	9.09	9 236.26	3.19
阿龙山	6	7.79	4 079.00	2.75
金河	5	6.49	7 618.00	2.63
甘河	1	1.29	947.00	0.33
阿里河	1	1.29	404.10	0.14
吉文	2	2.60	1 010.00	0.35
图里河	3	3.90	1 834.57	0.63
乌尔旗汉	2	2.60	832.00	0.29
毕拉河	1	1.29	3 600.00	1.24
莫尔道嘎	2	2.60	668.00	0.23

序号	变量	VIF
序号	变量	剔除变量前	剔除变量后
1	日平均气温	252.855	2.151
2	日最高气温	90.594
3	日最低气温	72.568
4	日平均风速	3.580	2.979
5	日最大风速	3.266	3.134
6	日降水量	1.551	1.481
7	日平均气压	107.919
8	日最高气压	106.386	2.164
9	日最低气压	1.959	1.909
10	日平均相对湿度	3.875	3.434
11	日照时数	2.702	2.139
12	日蒸发量	2.663	2.585

序号	变量	系数	标准误差	瓦尔德卡方值	P
1	日平均气温	0.251	0.019	182.954	0.000
2	日平均风速	-0.014	0.161	0.008	0.931
3	日最大风速	0.063	0.084	0.570	0.450
4	日降水量	-0.036	0.025	2.041	0.153
5	日最高气压	0.003	0.022	0.024	0.877
6	日最低气压	0.006	0.022	0.076	0.783
7	日平均相对湿度	-0.061	0.011	32.441	0.000
8	日照时数	-0.021	0.036	0.334	0.564
9	日蒸发量	0.080	0.058	1.958	0.162
10	常量	-8.313	6.939	1.435	0.231

指标	平均值		标准差		方差		最小值		最大值
指标	T₅	T₇	T₅	T₇	T₅	T₇	T₅	T₇	T₅	T₇
日平均气温/℃	18.072	17.342	5.412	5.553	29.292	30.841	3.580	3.057	27.378	27.378
日平均风速/(m/s)	2.007	2.017	0.884	0.878	0.782	0.772	0.579	0.579	5.675	5.675
日最大风速/(m/s)	5.721	5.694	1.805	1.789	3.257	3.201	2.645	2.645	13.096	13.521
日降水量/mm	0.976	1.127	2.598	2.854	6.751	8.148	0.000	0.000	31.367	31.367
日最高气压/hPa	952.685	952.609	13.167	13.014	173.383	169.372	929.633	929.633	993.832	993.832
日最低气压/hPa	948.644	948.295	27.093	24.198	734.017	585.553	926.322	926.322	985.832	985.832
日平均相对湿度/%	60.524	61.468	14.070	14.603	197.964	213.244	25.408	25.408	90.000	90.000
日照时数/h	10.025	9.736	2.854	3.058	8.145	9.352	0.000	0.000	15.023	15.023
日蒸发量/mm	4.748	4.597	1.896	1.933	3.596	3.738	0.943	0.307	17.214	17.214

大兴安岭重特大雷击森林火灾时空变化与气象驱动因素分析

Analysis of spatiotemporal variation and meteorological drivers of major and catastrophic lightning-caused forest fires in the Greater Khingan Mountains

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 44

相关文章 15

编辑推荐

Metrics

本文评价

[1]	刘林甫, 洪光宇, 弥宏卓, 王志强, 徐荣会, 胡永宁. 大兴安岭不同林龄兴安落叶松生物量及固碳释氧功能[J]. 林草资源研究, 2024, 0(3): 88-95.
[2]	孙玉成, 张喜亭, 季倩如, 张建宇, 王文杰. 大兴安岭泰加林植物多样性特征调查与分析[J]. 林业资源管理, 2022, 0(6): 124-130.
[3]	魏建珩, 赵恒, 高仲亮, 王何晨阳, 马泽南, 王秋华, 舒立福, 杨红梅. 基于自适应模糊神经网络的滇中灌木林火灾发生预测研究[J]. 林业资源管理, 2022, 0(2): 109-116.
[4]	萨如拉, 呼日查, 于晓雨, 王子瑞. 不同干扰下大兴安岭白桦次生林土壤理化性质特征[J]. 林业资源管理, 2022, 0(2): 135-140.
[5]	郝帅, 王星, 张秋良, 王冰, 田原. 大兴安岭火烧迹地遥感提取研究[J]. 林业资源管理, 2022, 0(2): 75-81.
[6]	张向龙, 王冰, 张秋良. 内蒙古大兴安岭白桦次生林空间结构特征[J]. 林业资源管理, 2021, 0(5): 80-86.
[7]	白夜, 武英达, 王博, 石宽. 我国森林草原火灾潜在风险应对策略研究[J]. 林业资源管理, 2020, 0(1): 11-14.
[8]	袁昊, 陈宏伟, 齐麟, 房磊, 乔泽宇, 赵福强. 基于landsat影像大兴安岭地区林火烈度时空格局分析[J]. 林业资源管理, 2019, 0(6): 91-96.
[9]	刘兵兵, 赵鹏武, 周梅, 王媛, 杨柳, 舒洋. 林窗对大兴安岭南段杨桦次生林林下更新特征的影响[J]. 林业资源管理, 2019, 0(4): 31-36.
[10]	陈岱. 基于Logistic回归模型的大兴安岭林火预测研究[J]. 林业资源管理, 2019, 0(1): 116-122.
[11]	巴音德乐黑, 包翔, 周梅, 赵鹏武, 石亮, 郝良杰. 基于MODIS NDVI的大兴安岭北坡植被覆盖时空变化特征[J]. 林业资源管理, 2018, 0(6): 50-56.
[12]	王敏华, 傅伟聪, 黄淑萍, 朱志鹏, 陈梓茹, 董建文. 清源山风景区大气颗粒物浓度变化特征分析[J]. 林业资源管理, 2017, 0(6): 131-136.
[13]	赵鹏武, 翟溟赜, 六子一, 魏晓霞. 大兴安岭南段次生林叶面积指数季节动态特征[J]. 林业资源管理, 2017, 0(6): 103-107.
[14]	南鹏辉, 曹宁阳, 齐麟, 苏宝玲. 林火对北方森林深层土壤有机碳的影响[J]. 林业资源管理, 2017, 0(5): 52-60.
[15]	李铁英, 白冰. 黑龙江省大兴安岭国有林区全面停伐背景下的困境与发展路径[J]. 林业资源管理, 2017, 0(3): 17-19.