中南半岛旱季VIIRS活跃火的空间特征与国别差异

刘颖, 李鹏, 肖池伟, 刘佳, 叶靓俏, 施冬

地理科学进展 ›› 2021, Vol. 40 ›› Issue (8) : 1406-1418.

PDF(20541 KB)
EN中文
PDF(20541 KB)
地理科学进展 ›› 2021, Vol. 40 ›› Issue (8) : 1406-1418. DOI: 10.18306/dlkxjz.2021.08.013 CSTR: 32072.14.dlkxjz.2021.08.013
研究论文

中南半岛旱季VIIRS活跃火的空间特征与国别差异

作者信息 +

Spatial characteristics and national differences of active fires derived from Visible Infrared Imaging Radiometer Suite (VIIRS) in Mainland Southeast Asia in the dry season during 2012-2019

Author information +
文章历史 +

摘要

热带是全球活跃火(active fire)的集中发生区,客观认识其空间特征、国别差异及其动态变化对评估区域生物质燃烧及其碳排放等具有重要意义。作为热带季风气候典型区,中南半岛旱季活跃火发生发展空间特征及其动态变化仍缺乏清晰认识。为此,论文利用可见光红外成像辐射仪(VIIRS) S-NPP 2012—2019年活跃火矢量数据,基于核密度与空间自相关评价了中南半岛及国别旱季尤其是其特征月份(2—4月)活跃火发生发展的密集程度、集聚特征及其动态变化。结果表明：① 中南半岛活跃火核密度低值区占比最大(79%),高值区最小(4%);柬埔寨、缅甸、老挝等经济落后国家的核密度均值明显高于泰国和越南;2012—2019年核密度高值区具有朝高海拔、向内陆与趋边境等分布特征,且柬埔寨东北部长居高值区。② 活跃火核密度中值区变化集中在1—4月,且多分布在低、高值区周围;高值区变化集中在2—4月,由柬埔寨东北部逐渐向缅甸东/西部、泰国西北部以及老挝北/南部转移。③ 半岛与5国活跃火核密度在旱季具有显著空间正相关性,空间集聚类型以“高—高”型和“低—低”型集聚为主,越南、柬埔寨等国局部自相关性强于泰国和老挝。

Abstract

The tropics is the hotspot of global active fires. It is of great significance to reveal the spatial characteristics and dynamic changes of active fires for assessing regional biomass burning and carbon emissions. Based on the active fire vector data (2012-2019) of Visible Infrared Imaging Radiometer Suite (VIIRS) Suomi National Polar-Orbiting Partnership (S-NPP) provided by the NASA's Fire Information for Resource Management System (FIRMS), the occurrence density and agglomeration degree of active fires in Mainland Southeast Asia were quantified and analyzed using kernel density and spatial autocorrelation methods, in order to reveal the spatiotemporal variations in active fire occurrence frequency within the dry season, especially in February and April, during 2012-2019. The results show that: 1) The occurrence of active fires was dominated by low density (79%), and the high density areas had the smallest proportion (4%). Active fires are more likely to occur in economically backward countries (Cambodia, Myanmar, and Laos) and regions (for example, eastern Cambodia and northern Laos). High kernel density areas tend to distribute in high elevation, inland, and border areas in particular. Cambodia, especially its northeastern region, was always an area with high occurrence density of active fires in the study period. 2) The changes in medium density area of active fires were concentrated between January and April, which was mostly distributed around the low and high density areas, while the changes in high density areas were concentrated between February and April, spatially gradually shifted from northeastern Cambodia to western and eastern Myanmar, northwestern Thailand, and northern and southern Laos. 3) The density of active fire occurrence showed significant spatial autocorrelation in Mainland Southeast Asia and the five countries during the dry season. The spatial clustering types of the kernel density of active fires are dominated by "high-high" and "low-low" agglomerations in the dry season, especially between February and April. The local spatial autocorrelation of the kernel density of active fires in Vietnam and Cambodia is stronger than those in Thailand and Laos.

关键词

活跃火 / VIIRS / 核密度 / 空间自相关 / 空间分布 / 中南半岛

Key words

active fires / VIIRS / kernel density / spatial autocorrelation / spatial distribution / Mainland Southeast Asia

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用
刘颖, 李鹏, 肖池伟, 刘佳, 叶靓俏, 施冬. 中南半岛旱季VIIRS活跃火的空间特征与国别差异[J]. 地理科学进展, 2021, 40(8): 1406-1418 https://doi.org/10.18306/dlkxjz.2021.08.013
LIU Ying, LI Peng, XIAO Chiwei, LIU Jia, YE Jingqiao, SHI Dong. Spatial characteristics and national differences of active fires derived from Visible Infrared Imaging Radiometer Suite (VIIRS) in Mainland Southeast Asia in the dry season during 2012-2019[J]. PROGRESS IN GEOGRAPHY, 2021, 40(8): 1406-1418 https://doi.org/10.18306/dlkxjz.2021.08.013
活跃火发生发展过程中释放的气溶胶和痕量气体已对全球大气环境及陆地生态造成重大影响[1,2,3],其中持续时间较长的中高强度活跃火对生物多样性影响尤甚[4,5]。作为重要的碳排放源,热带活跃火加剧了全球气候变暖,也影响了区域空气质量[6,7,8]。反过来,气候变化(如厄尔尼诺/拉尼娜)也影响着活跃火的发生发展。例如,由厄尔尼诺导致的干旱升温或由拉尼娜带来的降水提前都会改变全球特别是热带活跃火的发生风险[9,10,11,12]。火作为热带发展中国家农林开发(如刀耕火种)直接而普遍的手段,其所致活跃火的发生概率与强度及其空间特征往往与国家、区域经济发展水平相关[13]。因此,加强全球特别是热带活跃火发生发展等研究对治理大气环境与应对气候变化等具有重要意义。
2020年之前,美国火灾信息资源管理系统(FIRMS)集成提供了中分辨率成像光谱仪(MODIS)和可见光红外成像辐射仪(VIIRS)活跃火实时与长时序矢量产品。两套火产品已在林火碳排放[14]、生物量消耗[15]、火势监测[16]、火灾与过火面积[17,18]、烟雾排放[19]等研究中得到广泛应用。由于热带活跃火常与农林业开发相伴,加之联合国减少毁林和森林退化所致排放量计划(UN-REDD)、可持续发展目标(SDGs)等呼吁大力加强林火所致毁林和森林退化等动态研究,有关全球特别是热带活跃火发生发展的时空动态[20]、发生类型[21]、概率强度[22]、影响因素[23]仍研究不充分,且微观作用机理与宏观横向比较更是欠缺。中南半岛盛行热带季风气候,旱/雨季分明。相对于雨季因云雨天气而使光学获取活跃火信息受限,旱季既是活跃火高发期,也利于卫星观测[20]。然而,目前有关中南半岛年际旱季活跃火发生发展空间特征及其动态变化仍缺乏清晰认识。
核密度估计与空间自相关常用于定量揭示地理对象空间分布的密集程度与集聚特征。前者可反映单个地理事物的距离衰减特征,突出其在空间上的密集程度;后者则反映任意2个及以上地理对象之间的空间集聚程度,强调多个地理事物的空间集聚特征[24]。该方法组合已用于农村居民点[25,26]、山洪灾害点[27]、耕地[28]等的空间分析,但在活跃火研究中较为少见。鉴于活跃火具有类似时空属性,本文引入该方法组合研究活跃火空间特征,聚焦旱季及其特征月份(2—4月),以定量揭示中南半岛与国家层面2012—2019年VIIRS活跃火的空间特征及其区域差异。本文可为中南半岛山区刀耕火种演变与低地秸秆焚烧遥感监测提供科学依据,也可为探明全球/热带活跃火空间集聚特征提供方法启示。

1 研究区概况和数据来源

1.1 研究区概况

中南半岛(图1a)土地面积约193.87万km2,其中缅甸最大(35%),其次是泰国(27%)、越南(17%)、老挝(12%)与柬埔寨(9%)。本区主要地处太平洋与印度洋交汇的热带地区,盛行热带季风气候,旱季(11月—次年4月)与雨季(5—10月)平分秋色[21]。旱季多年月均温度为29.3 ℃,旱、雨季月均降水量约为41 mm与277 mm,月际差异较大(图1b)。半岛地势北高南低,200 m(含)以上区域约占46%,主要分布在缅甸北部和东部、泰国西北部、老挝北部与越南西部高原等。众多山脉(如那加山脉、若开山脉、登劳山脉、他念他翁山脉、比劳克东山和长山山脉)自南向北呈扇状延伸,形成掸邦高原及南部山、谷相间分布的地貌格局,并发育有伊诺瓦底江、萨尔温江和湄公河等。该区土地利用类型以林地(56%)和耕地(34%)为主,草地(5%)次之,且部分为刀耕火种休耕地。独特的高地(>200 m)地形和气候条件(半年旱季)与以农林开发为主的土地利用类型为活跃火发生发展奠定了基础。
图1 中南半岛地形及多年月平均降水量和气温变化特征
注：图(a)基于自然资源部标准地图服务网站下载的审图号为GS(2016)1666号的标准地图制作,底图无修改。下同。

Fig.1 Topographic features and average monthly rainfall and temperature in Mainland Southeast Aisa

Full size|PPT slide

农业是中南半岛国家经济发展的支柱产业,包括生计型刀耕火种农业、稻米种植与商品化作物种植园(橡胶与木薯等)[29]。根据世界银行2016年资料,泰国农用地在该国占比最高(44%),其次是越南(39%)、柬埔寨(31%)、缅甸(16%)和老挝(10%);缅甸和柬埔寨两国农业增加值在各国占比最高(25%),其次为老挝(17%),再次为越南(16%),泰国最低(9%);反映泰国和越南两国经济发展水平相对较高且缅甸、柬埔寨、老挝三国农业在国民经济中占有重要地位。20世纪90年代以来,农用地持续扩张造成了森林不断萎缩,而砍伐—焚烧(Slash-and-burn)是当地农户将林地转变成农地的常用手段。尽管活跃火发生类型多样复杂,但山区刀耕火种[30]与低地农作物(含种植园)残余生物质(如秸秆)焚烧无疑是中南半岛活跃火发生的重要诱因[23,31]。

1.2 FIRMS VIIRS活跃火产品及其预处理

VIIRS活跃火产品由Suomi NPP和NOAA-20卫星观测组成。Suomi NPP获取了自2012年1月20日以来每日上/下午1:30的活跃火信息,NOAA-20获取了自2020年1月1日以来每日上/下午12:40 的火情信息。VIIRS活跃火的空间分辨率为375 m,是对MODIS(1 km)火灾探测的补充。与之相比,VIIRS数据具有以下优势：可在较小区域火灾中提供更大响应[20];夜间监测能力有所提高[22];可识别大型火灾边界,改善火场制图。为刻画中南半岛多年旱季活跃火空间密集程度与集聚特征,本文拟采用2012—2019年VIIRS Suomi NPP产品时间与位置属性用于活跃火核密度与空间自相关分析。
中南半岛2012—2019年活跃火发生频次累计达738万次,平均每年超过90万次。年际波动变化明显,于2014年达到峰值(104万次),2018年最低(68万次)。第一,旱季活跃火累计发生频次占全年近95%,年均频次约为87万次,且其变化特征与年际变化相一致。雨季活跃火监测因光学遥感受阴云影响,与实际相差较大,且其占比较小,本文后续未纳入分析。第二,2—4月活跃火累计发生频次在旱季与全年各占87%与82%。其中3月发生频次最多,在整个旱季占比超过40%。综上,鉴于中南半岛活跃火发生频次集中在旱季尤其是2—4月,下文将重点揭示其活跃火的空间特征及其国别差异。

2 研究方法

2.1 核密度分析

核密度(kernel density)分析常用于估算点/线要素测量值在特定邻域范围内的单位密度,以直观反映离散测量值在连续区域内的空间密集程度[25]。以2012年中南半岛活跃火核密度分析默认搜索半径(60 km)为标准,基于GIS分别计算旱季和11月—次年4月活跃火核密度(式1)。以2013年活跃火核密度(最高)自然间断点分级为标准,统一将2012—2019年旱季和11月—次年4月活跃火核密度划分为5个等级(表1)。便于后续分析,将低和较低值统一为低值区,高和较高值统一为高值区。核密度计算公式如下：
Fn(x)=1nh∑i=1nkx-xih
(1)
表1 活跃火核密度等级划分标准

Tab.1 Classification criteria of kernel density of active fires (万次/km2)

等级 低 较低 中 较高 高
范围 0~30 30~70 70~120 120~210 >210
式中：Fn(x)为活跃火核密度,h为搜索半径,k( )为核密度函数,n为活跃火样本数量, x-xi 为2个活跃火点之间估计距离。

2.2 空间自相关分析

全局空间自相关分析(全局Moran's I指数),常用来表征特定区域全域范围内空间要素属性值的聚散程度[26]。基于GeoDa分别计算研究期间旱季、2—4月及5国相应活跃火核密度的全局Moran's I指数,计算公式如下：
I=n∑i=1n∑j=1nwij(xi-x̅)(xj-x̅)∑i=1n∑j=1nwij∑i=1n(xi-x̅)2
(2)
式中：I为全局Moran指数,n表示活跃火样本数量,wij表示活跃火点i到j的权重, xi-x̅ 和 xj-x̅ 分别表示第i、j个活跃火点观测值与平均值的偏差。
鉴于全局Moran's I指数未能有效表征研究对象内部集聚特征,进一步利用局部空间自相关分析即通过LISA集聚图,直观表征2012—2019年旱季特别是2—4月活跃火集聚特征及其时空动态过程,计算公式为：
Ii=n(xi-x̅)∑j=1nwij(xj-x̅)∑i=1n(xi-x̅)2
(3)
空间自相关显著性采用标准化统计量Z进行判断[27],计算公式如下：
Zscore=I-E(I)VAR(I)
(4)
式中： E(I) 为I的期望值, VAR(I) 为I的方差。当Z>1.96或Z<-1.96(α值为0.05)时,表明活跃火核密度在空间上存在显著空间自相关性。根据Moran's I指数和Z值,可将第i个活跃火点和相邻活跃火点的相关性分为不显著相关、显著相关(含“高—高”型和“低—低”型集聚)和异常分布(含“高—低”型和“低—高”型集聚)。

3 结果分析

3.1 旱季活跃火核密度特征分析

3.1.1 时空变化总特征
中南半岛旱季VIIRS活跃火核密度存在显著时空差异。2012—2019年活跃火核密度低、中、高值区土地面积占比变化较小,年内低值区多年平均占比最大(79%),普遍分布在泰国和越南两国全境以及缅甸北部高地。中值区次之(17%),主要分布在缅甸中部和老挝北部。高值区最小(4%),但其影响区域土地面积可达6万~10万km2,规模不容小视,集中分布在柬埔寨东北部,且泰国北部与缅甸东部交界地区、缅甸东/西部、老挝北部也有零星分布(图2、图3)。
图2 中南半岛2012—2019年旱季活跃火不同等级核密度面积占比变化

Fig.2 Changes in the areal proportion of active fires under low, medium, and high kernel density in Mainland Southeast Aisa in the dry season, 2012-2019

Full size|PPT slide

图3 中南半岛2012—2019年旱季活跃火不同等级核密度空间分布

Fig.3 Spatial distribution of active fires under low, medium, and high kernel density in Mainland Southeast Aisa in the dry season, 2012-2019

Full size|PPT slide

尽管2012—2019年间旱季活跃火不同等级核密度呈现相似空间特征,但也存在区域差异(图3)。第一,柬埔寨特别是其东北部一直是活跃火核密度高值区。该国高值区多年平均约占中南半岛的65%,部分年份(如2018年)甚至超过95%。特别地,柬埔寨东北部(腊塔那基里、上丁、柏威夏、奥多棉吉、暹粒、磅通、桔井、蒙多基里8省)年均占比高达63%。第二,高海拔地区(>200 m,如掸邦高原、若开山脉、他念他翁山脉)较低海拔地区(如缅甸中部平原、红河三角洲、湄公河三角洲)活跃火发生密度更大。除柬埔寨外,高海拔地区活跃火核密度高值区多年平均占比为76%,而低海拔地区活跃火核密度低值区多年平均占比为59%。第三,经济发展程度越低的国家(柬埔寨、缅甸、老挝)活跃火发生密度越大,如半岛5国核密度均值与其GDP存在较强负相关性,Pearson系数为-0.61。第四,内陆地区(如老挝、缅甸、泰国交界区,柬埔寨、老挝、越南交界区)活跃火核密度明显高于沿海地区。第五,活跃火核密度中高值区在边境地区更加普遍,如缅甸与孟加拉国,缅甸、老挝、泰国,柬埔寨东北边境等。
3.1.2 国别差异
旱季活跃火核密度不同等级土地占比国别统计表明,柬埔寨核密度年均值最高(93万次/km2),其后依次是老挝(55万次/km2)、缅甸(47万次/km2)、泰国(35万次/km2)、越南(19万次/km2)。图4展示了半岛5国活跃火核密度不同等级土地占比情况,差异明显。其中,越南低值区在该国多年平均占比超95%(图4a),而柬埔寨高值区占近30%(图4c)。
图4 中南半岛5国2012—2019年旱季不同等级核密度面积占比变化

Fig.4 Changes in the areal proportion of active fires under low, medium, and high kernel density in the five countries of Mainland Southeast Aisa in the dry season, 2012-2019

Full size|PPT slide

具体地,5国活跃火核密度均以低值区为主,特别是越南几乎遍布全境。在厄尔尼诺特征年(2014—2016年),各国活跃火核密度低值区土地占比较其他年份偏低,到2017—2018年,低值区占比较其余年份明显增加(图4a)。中值区正好与低值区呈现反向特征,即在2014—2016年中值区占比相对较高,到2017—2018年占比减少,且缅甸、老挝、柬埔寨年均占比高于泰国、越南(图4b)。柬埔寨高值区明显高于其他4国,且面积占比年际波动较大,在2016年达到峰值(44%),其他4国年均占比均小于10%(图4c)。空间上,5国高值区均主要分布在植被覆盖较高的区域,其中在泰国、越南、缅甸、老挝4国以海拔大于200 m的山地高原为主(如掸邦高原),而柬埔寨则主要在低海拔区。可见,中南半岛各国活跃火发生与厄尔尼诺现象、植被覆盖度、土地利用类型和地形因素具有一定相关性,但其关联程度与差异还有待于后续深入研究。

3.2 2—4月活跃火核密度特征分析

3.2.1 时空变化总特征
中南半岛每年11月—次年4月时空差异同样突出。11月—次年1月,活跃火核密度普遍较低(图5a~5c),2—4月中、高值区明显增加,且空间差异突出(图5d~5f)。11月—次年4月,核密度低值区主要向中、高值区转变,但半岛低值区仍有61.77万km2,以红河三角洲、泰国南部沿海地区和缅北最为集中(图5g);中值区多分布在高、低值区的过渡地带(图5h);高值区由柬埔寨北部逐渐向缅甸东/西部、泰国西北部、老挝北/南部转移(图5i)。
图5 中南半岛11月—次年4月活跃火不同等级核密度逐月空间变化

Fig.5 Monthly spatial changes in active fires under various kernel density in Mainland Southeast Aisa from Novermber to April

Full size|PPT slide

具体而言,11月—次年4月,核密度低值区占比先急剧减少至2/5,4月回升至近3/5。同期,中值区占比逐渐增至1/5;高值区占比先骤增至2/5,次月减至1/4(图6a)。中值区范围增加集中在1—4月,主要在泰国和缅甸。高值区扩张集中在1—3月,主要在缅甸、泰国、老挝3国,此前(11月—次年1月)高值区增加多集中在柬埔寨北部。中南半岛受传统毁林开荒和刀耕火种影响,山民通常在雨季耕种前烧伐土地,这与2—3月活跃火核密度高值区普遍增加不无关系[32]。
图6 2012—2019年半岛及5国2—4月活跃火不同等级核密度占比变化

Fig.6 Monthly changes in the proportion of active fires under various kernel density in Mainland Southeast Aisa and its five countries from February to April, 2012-2019

Full size|PPT slide

3.2.2 国别差异
5国2—4月活跃火核密度时空差异明显(图6、表2)。第一,泰国、越南、缅甸、老挝4国高值区占比在3月达到峰值,而柬埔寨则在2月达到峰值。第二,2月,泰国、越南、缅甸、老挝4国活跃火核密度普遍较低,如低值区几乎遍布越南全境(近90%),其他3国相应约占50%。2—3月,4国活跃火核密度出现不同程度增加,老挝尤甚,中、高值区占比增加了70%,说明老挝月际差异较大。3—4月,4国活跃火核密度出现不同程度减少,但泰国和越南低值区占比仍为最大(3/4),缅甸和老挝占比有所减少,但中、高值区相应占比仍最大(均超3/5)。第三,2—4月,柬埔寨活跃火核密度呈阶梯式减少,其中高值区占比由最大(57%)减至最小(11%)。第四,2月起,高值区以低海拔国家柬埔寨境内为主,随后逐渐向缅甸东/西部、老挝北部和泰国西北部等高海拔区域发展,4月高值区已基本上位于高海拔区。
表2 中南半岛及其5国11月—次年4月活跃火不同等级核密度面积变化

Tab.2 Monthly changes in the total area of active fires under various kernel density in Mainland Southeast Aisa and its five countries between Novermber and April (万km2)

核密度 地区 11—12月 12月—次年1月 1—2月 2—3月 3—4月
低值区 泰国 1.12 1.40 19.82 9.03 0.43
越南 0.14 0.85 2.57 6.57 0.84
缅甸 0.03 0.23 18.10 26.35 7.02
老挝 0 0.66 4.52 16.20 1.00
柬埔寨 4.77 6.31 3.34 0.65 0.07
总计 6.06 9.45 48.35 58.80 9.36
中值区 泰国 1.02 1.15 15.88 4.24 2.22
越南 0.14 0.40 1.81 3.50 2.62
缅甸 0.03 0.23 8.26 6.90 14.33
老挝 0 0.31 2.94 5.20 2.71
柬埔寨 3.05 2.20 2.00 2.33 1.90
总计 4.24 4.29 30.89 22.17 23.78
高值区 泰国 0.10 0.36 4.31 11.94 0.27
越南 0 0.59 1.15 4.72 0.20
缅甸 0 0 10.07 26.82 4.73
老挝 0 0.35 1.90 13.52 3.19
柬埔寨 1.72 7.17 3.35 0.54 0.54
总计 1.82 8.47 20.78 57.54 8.93

3.3 活跃火空间自相关分析

3.3.1 全局空间自相关分析
中南半岛及其5国2012—2019年旱季与2—4月活跃火核密度全局Moran's I值的均值达到0.94,且通过显著性水平检验(P<0.05)。这说明活跃火核密度在旱季和2—4月都具有显著空间正相关性,即活跃火核密度与其邻近火点核密度具有相同变化趋势,并在空间上呈现出强烈的空间集聚特征。这与半岛国家快速发展的农林开发有一定关联。
尽管半岛旱季活跃火核密度全局Moran's I指数波动较小,但5国存在差异。泰国活跃火核密度在2012—2015年具有较强空间正相关性,随后大幅减弱;越南空间自相关性2012—2018年逐渐减弱;缅甸、老挝、柬埔寨3国总体均有所增强。这5国多年旱季活跃火核密度空间自相关性排序为：老挝>柬埔寨>缅甸>越南>泰国。然而,半岛旱季2—4月活跃火核密度全局Moran's I指数呈上升趋势,空间正相关性逐渐增强。其中：泰国和老挝活跃火核密度空间自相关性2—4月逐渐增强;越南3月最强,次月略有减弱;缅甸和柬埔寨2—4月逐渐减弱。5国2—4月活跃火核密度空间自相关性排序为：老挝>柬埔寨>越南>缅甸>泰国。
3.3.2 局部空间自相关分析
(1) 旱季活跃火核密度局部空间自相关分析
中南半岛核密度具有显著集聚特征的活跃火8 a平均占比为60.88%,总体上为先减少后波动增加。其中“高—高”型集聚活跃火占近1/4,主要分布在活跃火核密度高值区,具有较强集聚空间分布特征与显著局部空间自相关性(图7)。该类型年际分布差异较小,集中分布在缅甸中部、老挝北部、柬埔寨北部和缅甸与泰国交界地区等海拔较高区域,说明这些区域更容易发生活跃火,也反映刀耕火种在上述区域较为普遍。“低—低”型集聚活跃火占比36.02%,多分布在活跃火核密度低值区(图7)。对活跃火而言,“低—低”型集聚意义不大。
图7 中南半岛2012—2019年旱季活跃火核密度LISA集聚图

Fig.7 Local indicators of spatial association (LISA) clusters of kernel density of active fires in Mainland Southeast Aisa in the dry season, 2012-2019

Full size|PPT slide

在国家层面,越南和柬埔寨核密度具有显著空间集聚特征的活跃火平均占比分居第一(76.90%)和第二(74.91%),其中越南以“低—低”型占主导(70.60%),柬埔寨以“高—高”型为主(55.63%)。泰国、缅甸、老挝具有显著集聚特征的活跃火相应占比在2012年最高,随后下降并保持平稳。总体上,2012—2019年旱季5国活跃火核密度局部空间自相关性有所减弱,对于“高—高”型集聚活跃火,柬埔寨和缅甸局部空间自相关性高于其余3国,而对于“低—低”型集聚活跃火,越南和泰国高于其余3国(表3)。这反映柬埔寨和缅甸活跃火发生更为剧烈,值得关注。
表3 中南半岛及其5国2012—2019年旱季活跃火核密度局部空间自相关类型占比统计

Tab.3 Proportions of local spatial autocorrelation types of kernel density of active fires in Mainland Southeast Aisa and its five countries in the dry season, 2012-2019 (%)

地区 集聚类型 2012年 2013年 2014年 2015年 2016年 2017年 2018年 2019年 均值
中南半岛 高—高 31.73 24.13 25.72 21.93 24.53 22.73 19.85 28.24 24.86
低—低 42.57 33.77 35.40 34.15 35.63 37.03 32.85 36.80 36.02
总计 74.30 57.89 61.12 56.08 60.16 59.76 52.70 65.05 60.88
泰国 高—高 21.04 8.96 11.34 9.75 19.71 10.52 6.69 22.84 13.86
低—低 59.36 39.50 48.56 42.62 34.92 41.72 42.83 38.62 43.52
总计 80.41 48.46 59.91 52.37 54.64 52.24 49.52 61.46 57.38
越南 高—高 12.67 4.85 11.01 6.04 5.27 3.04 4.80 2.70 6.30
低—低 70.73 70.01 63.63 61.95 69.21 80.84 70.43 78.01 70.60
总计 83.40 74.87 74.65 67.99 74.48 83.88 75.23 80.71 76.90
缅甸 高—高 40.91 35.66 36.11 26.14 23.01 33.39 26.16 30.09 31.43
低—低 28.03 27.03 24.70 31.79 38.05 28.36 23.66 33.47 29.38
总计 68.93 62.69 60.81 57.93 61.06 61.76 49.82 63.57 60.82
老挝 高—高 37.46 19.78 23.11 24.43 25.41 18.17 19.79 41.76 26.24
低—低 27.78 14.28 17.74 6.58 12.47 16.48 10.96 10.67 14.62
总计 65.24 34.06 40.85 31.01 37.88 34.64 30.75 52.43 40.86
柬埔寨 高—高 46.40 56.18 53.37 61.42 69.09 51.25 52.54 54.81 55.63
低—低 30.91 17.45 19.48 13.93 11.05 23.52 18.47 19.45 19.28
总计 77.31 73.62 72.85 75.35 80.15 74.77 71.01 74.26 74.91
(2) 2—4月活跃火核密度局部空间自相关分析
中南半岛核密度具有显著集聚特征的活跃火8年平均占比在2月最小(48.18%),3月最大(68.72%),其中“高—高”型和“低—低”型占比先大幅增加后缓慢减少,且二者3月占比最高(表4)。这表明3月活跃火核密度空间集聚性最强,也与该月高值区大幅增加有关。总体上,2—4月2种类型活跃火与其核密度空间变化较一致(图8)。
表4 中南半岛及其5国2—4月活跃火核密度局部空间自相关类型占比统计

Tab.4 Proportions of local spatial autocorrelation types of kernel density of active fires in Mainland Southeast Aisa and its countries from February to April, 2012-2019 (%)

地区 集聚类型 2月 3月 4月 地区 集聚类型 2月 3月 4月
中南半岛 高—高 16.10 26.83 25.02 缅甸 高—高 15.45 41.87 36.62
低—低 32.09 41.89 39.12 低—低 36.25 31.09 16.84
总计 48.18 68.72 64.15 总计 51.71 72.96 53.46
泰国 高—高 6.72 19.03 11.91 老挝 高—高 6.79 28.20 53.67
低—低 18.77 58.47 64.58 低—低 46.12 12.28 12.88
总计 25.49 77.50 76.49 总计 52.92 40.48 66.55
越南 高—高 5.61 2.63 5.47 柬埔寨 高—高 69.13 29.59 10.47
低—低 57.05 68.95 62.47 低—低 4.46 31.92 49.50
总计 62.66 71.58 67.94 总计 73.59 61.51 59.97
图8 中南半岛2—4月活跃火核密度LISA集聚图

Fig.8 Local indicators of spatial association (LISA) clusters of kernel density of active fires in Mainland Southeast Asia from February to April, 2012-2019

Full size|PPT slide

泰国、越南、缅甸3国核密度具有显著集聚特征的活跃火平均占比在2—4月先增加后降低,且泰国和越南以“低—低”型为主;缅甸和老挝2月均以“低—低”型为主,3—4月以“高—高”型为主;柬埔寨2月以“高—高”型为主,3—4月则主要为“低—低”型(表4)。类似地,2—4月5国2种类型活跃火与其核密度高、低值区时间变化较一致。

4 结论与讨论

4.1 结论

本文运用核密度、空间自相关、分区统计等方法,对比分析了中南半岛及其5国2012—2019年旱季、2—4月活跃火的空间分布与集聚特征及其动态变化,主要结论如下：
(1) 中南半岛2012—2019年旱季活跃火核密度表现为低值区占主导(近8成),高值区不足5%。柬埔寨、老挝、缅甸等经济落后国家活跃火核密度均值明显高于泰国和越南;高值区具有朝高海拔、向内陆与趋边境分布等特征,其中柬埔寨东北部长居高值区。
(2) 中值区变化集中于1—4月,沿低值区和高值区呈过渡分布;高值区于2—4月变化剧烈,空间上从柬埔寨东北部向缅甸东/西部、泰国西北部以及老挝北/南部转移。
(3) 中南半岛及其5国旱季活跃火核密度具有显著空间正相关性;空间集聚类型主要为“高—高”型和“低—低”型,前者主要分布在活跃火核密度高值区,后者则分布在低值区,且越南和柬埔寨局部空间自相关性明显高于其余3国。

4.2 讨论

基于VIIRS活跃火矢量产品数据,本文定量揭示了中南半岛旱季及其特征月份(2—4月)活跃火核密度的空间分布与集聚特征及其动态变化与国别差异,为后续开展中南半岛刀耕火种和秸秆焚烧时空演变遥感监测提供了科学依据。然而,囿于光学卫星VIIRS在阴雨天气未能有效监测,即实际活跃火频次要多于卫星监测值(雨季尤甚),本文对活跃火的分析可能存在一定误差。此外,由于核密度分析常采用默认带宽(搜索半径),虽然可避免异常值,但带宽选择亦会对研究结果造成一定影响。例如,带宽过大易致计算结果过于平滑,从而可能忽略重要信息,带宽过小则致结果过于细碎,从而出现错误峰值。最后,基于局部Moran's I指数而不是Getis-Ord Gi*来刻画活跃火核密度局部空间自相关性,缺乏合理因果分析。尽管空间自相关分析能表征聚类特征,但仍不足以量化活跃火发生概率和强度的时空动态变化[22]。
近期,本研究组将进一步聚焦东南亚及热带活跃火发生重点国家或地区,探索其活跃火发生的概率和强度及其对厄尔尼诺等气候变化的动态响应规律与区域差异特征;同时亦需加强重点国家或地区活跃火发生冷热点分析及其与人口、社会经济的相关性研究。

参考文献

列表( 原文顺序 | 文献年度倒序 | 文中引用次数倒序 ) 可视化分析
[1]
简悦, 傅宗玫. 中南半岛春季生物质燃烧烟羽高度及其影响[C]// 中国气象学会. 创新驱动发展提高气象灾害防御能力: S10大气物理学与大气环境. 南京: 中国气象学会, 2013: 72-89.
[ Jian Yue, Fu Zongmei. Spring biomass burning smoke plume height and its effect in Mainland Southeast Asia. Chinese Meteorological Society. Innovation drives development to improve the ability to prevent meteorological disasters: S10 Atmospheric Physics and Atmospheric Environment. Nanjing, China: Chinese Meteorological Society, 2013: 72-89. ]
本文引用 [1]
[2]
Toma Y, Fernández F G, Nishiwaki A, et al. Aboveground plant biomass, carbon, and nitrogen dynamics before and after burning in a seminatural grassland of Miscanthus sinensis in Kumamoto, Japan[J]. GCB Bioenergy, 2010,2(2):52-62.
本文引用 [1]
[3]
Warneke C, Bahreini R, Brioude J, et al. Biomass burning in Siberia and Kazakhstan as an important source for haze over the Alaskan Arctic in April 2008[J]. Geophysical Research Letters, 2009,36(2):L02813. doi: 10.1029/2008 GL036194.
本文引用 [1]
[4]
杨扬. 火灾对大兴安岭地区森林碳储量、植物组成多样性和群落结构影响研究[D]. 哈尔滨: 东北林业大学, 2019.
[ Yang Yang. Changes in carbon storage, plant diversity and community structure of forests in Daxing'an Mts under differentfire rehabilitation years. HarbinChina: Northeast Forestry University, 2019.]
本文引用 [1]
[5]
Agus C, Azmi F F, Widiyatno , et al. The impact of forest fire on the biodiversity and the soil characteristics of tropical peatland[M]// Leal Filho W, Barbir J, Preziosi R. Handbook of climate change and biodiversity. Cham, Switzerland: Springer, 2019: 287-303.
本文引用 [1]
[6]
Yadav I C, Linthoingambi Devi N, Li J, et al. Biomass burning in Indo-China peninsula and its impacts on regional air quality and global climate change: A review[J]. Environmental Pollution, 2017,227:414-427.
本文引用 [1]
[7]
Jacobson M Z. Effects of biomass burning on climate, accounting for heat and moisture fluxes, black and brown carbon, and cloud absorption effects[J]. Journal of Geophysical Research: Atmospheres, 2014,119(14):8980-9002.
本文引用 [1]
[8]
Balasubramanian R, See S W. Impact of forest fires on regional air quality in Southeast Asia[J]. Chinese Journal of Geochemistry, 2006,25:221-222.
本文引用 [1]
[9]
Kaewthongrach R, Chidthaisong A, Charuchittipan D, et al. Impacts of a strong El Niño event on leaf phenology and carbon dioxide exchange in a secondary dry dipterocarp forest[J]. Agricultural and Forest Meteorology, 2020,287:107945. doi: 10.1016/j.agrformet.2020.107945.
本文引用 [1]
[10]
张晓玉, 田晓瑞. 厄尔尼诺/拉尼娜对大兴安岭森林火险天气的影响[J]. 林业科学研究, 2018,31(6):55-62.
[ Zhang Xiaoyu, Tian Xiaorui. Impacts of El Niño /La Niña on fire weather of Daxing'anling. Forest Research, 2018,31(6):55-62. ]
本文引用 [1]
[11]
Chen Y, Morton D C, Andela N, et al. A pan-tropical cascade of fire driven by El Niño/Southern Oscillation[J]. Nature Climate Change, 2017,7(12):906-911.
本文引用 [1]
[12]
Ingxay P, Yokoyama S, Hirota I. Livelihood factors and household strategies for an unexpected climate event in upland northern Laos[J]. Journal of Mountain Science, 2015,12(2):483-500.
本文引用 [1]
[13]
Li P, Xiao C W, Feng Z M, et al. Occurrence frequencies and regional variations in Visible Infrared Imaging Radiometer Suite (VIIRS) global active fires[J]. Global Change Biology, 2020,26(5):2970-2987.
本文引用 [1]
[14]
Junpen A, Garivait S, Bonnet S. Estimating emissions from forest fires in Thailand using MODIS active fire product and country specific data[J]. Asia - Pacific Journal of Atmospheric Sciences, 2013,49(3):389-400.
本文引用 [1]
[15]
Ellicott E, Vermote E, Giglio L, et al. Estimating biomass consumed from fire using MODIS FRE[J]. Geophysical Research Letters, 2009,36(13):88-97.
本文引用 [1]
[16]
Wickramasinghe C, Wallace L, Reinke K, et al. Intercomparison of Himawari-8 AHI-FSA with MODIS and VIIRS active fire products[J]. International Journal of Digital Earth, 2020,13(4):457-473.
本文引用 [1]
[17]
Oliva P, Schroeder W. Assessment of VIIRS 375 m active fire detection product for direct burned area mapping[J]. Remote Sensing of Environment, 2015,160:144-155.
本文引用 [1]
[18]
Briones-Herrera C I, Vega-Nieva D J, Monjarás-Vega N A, et al. Near real-time automated early mapping of the perimeter of large forest fires from the aggregation of VIIRS and MODIS active fires in Mexico[J]. Remote Sensing, 2020,12(12):2061. doi: 10.3390/rs12122061.
本文引用 [1]
[19]
Li F J, Zhang X Y, Kondragunta S. Biomass burning in Africa: An investigation of fire radiative power missed by MODIS using the 375 m VIIRS active fire product[J]. Remote Sensing, 2020,12(10):1561. doi: 10.3390/rs12101561
本文引用 [1]
[20]
李鹏, 李文君, 封志明, 等. 基于FIRMS MODIS与VIIRS的东南亚活跃火频次时空动态分析[J]. 资源科学, 2019,41(8):1526-1540.
[ Li Peng, Li Wenjun, Feng Zhi-ming, et al. Spatiotemporal dynamics of active fire frequency in Southeast Asia with the FIRMS Moderate Resolution Imaging Spectroradiometer (MODIS) and Visible Infrared Imaging Radiometer (VIIRS) data. Resources Science, 2019,41(8):1526-1540. ]
本文引用 [3]
[21]
李文君, 肖池伟, 封志明, 等. 2015年厄尔尼诺年东南亚主要国家活跃火发生类型与影响分析[J]. 自然资源学报, 2020,35(10):2539-2552.
[ Li Wenjun, Xiao Chiwei, Feng Zhiming, et al. Occurrence types and impact analysis of active fires in the major countries of Southeast Asia during the 2015 strong EI Niño. Journal of Natural Resources, 2020,35(10):2539-2552. ]
本文引用 [2]
[22]
刘佳, 梁一行, 李鹏, 等. 2001—2018年印度尼西亚MODIS活跃火的发生特征与响应[J]. 地理学报, 2020,75(9):1907-1920.
[ Liu Jia, Liang Yihang, Li Peng, et al. Occurrence characteristics and response to El Niño of MODIS-based active fires in Indonesia during 2001-2018. Acta Geographica Sinica, 2020,75(9):1907-1920. ]
本文引用 [3]
[23]
刘怡媛, 李鹏, 肖池伟, 等. 老挝VIIRS活跃火的主要自然地理要素特征[J]. 地理研究, 2020,39(3):749-760.
[ Liu Yiyuan, Li Peng, Xiao Chiwei, et al. Characteristics analyses of major physical geographic elements of Visible Infrared Imaging Radiometer (VIIRS) active fire in Laos. Geographical Research, 2020,39(3):749-760. ]
本文引用 [2]
[24]
禹文豪, 艾廷华, 杨敏, 等. 利用核密度与空间自相关进行城市设施兴趣点分布热点探测[J]. 武汉大学学报(信息科学版), 2016,41(2):221-227.
[ Yu Wenhao, Ai Ting-hua, Yang Min, et al. Detecting "hot spots" of facility POIs based on kernel density estimation and spatial autocorrelation technique. Geomatics and Information Science of Wuhan University, 2016,41(2):221-227. ]
本文引用 [1]
[25]
黄聪, 赵小敏, 郭熙, 等. 基于核密度的余江县农村居民点布局优化研究[J]. 中国农业大学学报, 2016,21(11):165-174.
[ Huang Cong, Zhao Xiaomin, Guo Xi, et al. Study on the rural residential layout optimization of Yujiang County based on kernel density. Journal of China Agricultural University, 2016,21(11):165-174. ]
本文引用 [2]
[26]
何炬, 张雪松, 邓振, 等. 多尺度下农村居民点空间分布特征及其影响因素研究[J]. 中国农业资源与区划, 2019,40(6):8-17.
[ He Ju, Zhang Xuesong, Deng Zhen, et al. Study on spatial distribution charactristics and influencing factors of rural settlements in mutl-scale. Chinese Journal of Agricultural Resources and Regional Planning, 2019,40(6):8-17. ]
本文引用 [2]
[27]
熊俊楠, 李进, 程维明, 等. 西南地区山洪灾害时空分布特征及其影响因素[J]. 地理学报, 2019,74(7):1374-1391.
[ Xiong Junnan, Li Jin, Cheng Weiming, et al. Spatial-temporal distribution and the influencing factors of mountain flood disaster in southwest China. Acta Geographica Sinica, 2019,74(7):1374-1391. ]
本文引用 [2]
[28]
张茂茂, 张雪松, 何炬, 等. 基于村域尺度的鄂北地区耕地时空变化特征分析: 以湖北省随县厉山镇为例[J]. 中国农业大学学报, 2019,24(9):179-189.
[ Zhang Maomao, Zhang Xuesong, He ju, et al. Temporal and spatial variation characteristics of cultivated land in northwest Hubei Province based on village scale: A case study of Lishan Town, Suixian County, Hubei Province. Journal of China Agricultural University, 2019,24(9):179-189. ]
本文引用 [1]
[29]
廖谌婳, 封志明, 李鹏, 等. 缅老泰交界地区刀耕火种农业的时空变化格局[J]. 地理研究, 2014,33(8):1529-1541.
[ Liao Chenhua, Feng Zhiming, Li Peng, et al. The spatio-temporal variation of shifting cultivation in the border region of Myanmar, Laos and Thailand. Geographical Research, 2014,33(8):1529-1541. ]
本文引用 [1]
[30]
Li P, Feng Z M, Xiao C W, et al. Detecting and mapping annual newly-burned plots (NBP) of swiddening using historical Landsat data in Montane Mainland Southeast Asia (MMSEA) during 1988-2016[J]. Journal of Geographical Sciences, 2018,28(9):1307-1328.
本文引用 [1]
[31]
Murdiyarso D, Lebel L. Local to global perspectives on forest and land fires in Southeast Asia[J]. Mitigation and Adaptation Strategies for Global Change, 2007,12(1):3-11.
本文引用 [1]
[32]
Fox J, Fujita Y, Ngidang D, et al. Policies, political-economy, and swidden in Southeast Asia[J]. Human Ecology, 2009,37(3):305-322.
本文引用 [1]

基金

国家自然科学基金项目(41971242)
国家自然科学基金项目(42001226)
中国科学院地理科学与资源研究所“秉维”优秀青年人才计划(2018RC201)
中国科学院青年创新促进会会员人才专项(CAS2020055)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
PDF(20541 KB)

3202

Accesses

0

Citation

Detail
段落导航
相关文章

/

〈 〉