中国森林火灾风险区划分概述

首先使用SPSS 25.0软件对火灾风险指标值做标准化处理，这样做的目的是消除数据的量纲影响，然后进行因子分析。

（1）KMO和Bartlett's球形检验。

KMO（Kaiser-Meyer-Olkin Measure of Sampling Adequacy）检验是检测观测变量数据是否适用因子分析的一个基本检验，它通过比较观测变量之间简单相关系数和偏相关系数的大小，从而判断对观测变量进行因子分析的合理性，其取值范围为0到1。当所有变量之间的偏相关系数的平方和远远小于简单相关系数的平方和时，KMO值接近于1，表明观测变量适合做因子分析；反之，KMO值接近0时，表明观测变量不适合做因子分析。

Bartlett's球形检验的原假设是总体变量不相关，即总体相关矩阵是单位矩阵，如果接受原假设，则表明因子分析可能不适合。

对森林火灾风险的13个指标进行检验得出表5-10所示的结果，KMO和Bartlett's球形检验结果均表明适合对森林火灾风险指标进行因子分析，能够保证因子解释指标的大部分信息。

表5-10　KMO and Bartlett's球形检验
Tab.5-10 KMO and Bartlett's Test

（2）因子的确定和命名。

使用SPSS 25.0软件，当满足累计贡献率大于85%的条件时，采用方差最大正交旋转法对因子旋转后得到的载荷矩阵和方差贡献率如表5-11所示。

表5-11　旋转后的因子载荷矩阵和方差贡献率
Tab.5-11 Factor loading matrix and variance contribution by varimax rotation

因子载荷的统计意义就是一个变量与某个公共因子的相关系数，它反映了这个变量在该公共因子上的相对重要性。根据上表中的载荷矩阵，选出与各因子相关性高的变量加以分析归类，从而得出因子命名。

第一个因子在火灾次数H11、平均气温H23、平均相对湿度H24、规模指数H4上载荷较高，这几个指标从气候、森林自然规模方面对森林火灾的发生造成影响，故命名为火灾发生因子。

第二个因子在火灾面积损失率H12、火灾蓄积量损失率H13、间接经济损失额H14等指标上有较大载荷，且该几项指标均从不同维度反映出火灾造成森林资源以及相关的经济损失严重程度，故命名为火灾损失因子。

第三个因子与林地类型H21、平均风力H25高度相关，这两项分别代表了森林资源的密集程度与火势扩散的速度，影响到森林火灾损失的严重性，故命名为火灾致损因子。

第四个因子与易损指数H4、平均海拔H22紧密联系，反映了森林资源因火灾受损的难易程度，故命名为火灾易损因子。

第五、第六个因子分别在效率指数H5、火灾防灾能力指数H6上有较大载荷，故分别称作效率因子和防灾因子。

（3）各省区诸因子得分。

因子分析的数学模型是将变量即指标（Xi）表示为公共因子（Zj）的线性组合，即

如上所述，公共因子可以反映原始变量的相关关系，因此用公共因子代表原始变量可以更好地描述研究对象的特征。这时人们往往使用旋转因子，即反过来将公共因子表示为指标的线性组合，并称之为因子得分函数，即

上式被称为因子得分函数，我们用它来计算每个地区的公共因子得分。(www.xing528.com)

运用统计分析软件SPSS 25.0进行运算，对各省区森林火灾风险指标的值进行标准化，得出森林火灾风险各因子的得分系数矩阵，进一步通过与方差贡献率相乘计算得出各省区6个因子的得分以及综合得分。具体如表5-12所示。

表5-12　各省区森林火灾保险的风险因子及综合值得分
Tab.5-12 Factor and comprehensive value score of each province in forest fire insurance

续表

（4）聚类分析。

为了综合评价森林火灾在各省区的风险大小，这里采用聚类分析法进行风险区划。将森林灾害的风险等级分为五类：高风险区、较高风险区、中风险区、较低风险区和低风险区。依据上述6个因子的综合得分，使用SPSS25.0进行聚类分析，可以看出各省区森林火灾在五类风险等级内的分布情况。据此列出各省区森林火灾的风险等级分区（如表5-13所示）。

表5-13　各省区森林火灾的风险等级分区
Tab.5-13 Zoning result of the forest fire risk rating for each province

我国森林火灾的风险区划具有一定的地域完整性，所划分的区域具有连片的特点，大体与我国的森林资源分布相一致，符合风险区划的既定要求。

森林火灾风险最高的四个地区是福建、黑龙江、云南和湖南省，这是我国的四个林业大省。福建省的森林覆盖率位居全国第一，森林蓄积量和森林面积也均位于全国平均水平之上，丰富的森林资源也意味着较大的潜在森林灾害风险，福建省的火灾危险、火灾损失指标及森林易损指数都位居前列，虽然灾害的防治能力较强，但在巨大的森林火灾受灾面积的影响下，森林火灾的风险等级也相应提高；黑龙江省的森林面积为1962.13万公顷，全国排名第二，其森林覆盖率超过40%，森林蓄积量位于全国第四，森林面积占林业用地面积比重为89%，森林生态资源丰富，但同时火灾的受灾面积排名第一，占全国总受灾面积的36%，是第二位内蒙古自治区受灾面积的两倍以上，因此该省在火灾损失因子上的得分高；云南省森林面积全国排名第三，蓄积量全国第二，累计火灾次数和成灾面积分列全国第一、第三位，火灾风险异常突出；相比福建、黑龙江和云南省，湖南省的森林面积、蓄积量、覆盖率等指标排名第十位左右，森林资源总量相对较低，但森林火灾共发生近8万次，仅次于云南省，居全国第二，湖南省综合得分排名全国第四，也属于火灾的高危险区。

森林火灾风险较高的省（区）主要有浙江、广西、江西、广东、贵州、四川、海南，全部地属我国南方林区。这里气候温暖，雨量充沛，植物生长条件良好，树木种类繁多，森林资源尤其是人工林资源丰富。但因天然林退化严重，人工林林种单一，抵御灾害的能力较弱，加上人类活动的影响，非生产性火源导致森林火灾频发，火灾危险性较高、森林易损性指数高。其中值得关注的是四川、海南和上海三个地区。四川省属于我国的三大林区之一的西南林区，西南林区是我国的第二大天然林区，林木蓄积量占全国的1/4以上。四川省、海南省与森林火灾发生、损失相关的因子均排名全国前列，故风险较高；上海市虽然在森林火灾发生次数、受灾面积等方面指标数值较小，但火灾防灾能力指数并不高，这一项数值影响到火灾风险评估的结果，导致上海被划至较高风险区。

森林火灾风险中等地区主要分布在我国的西藏自治区、中部地区和东北的吉林省。西藏自治区的森林面积为1471.56万公顷，居全国第四，森林蓄积量超过22万立方米，居全国第一，虽然森林覆盖率较低但天然林占比高，因此易损指数较高，再加之防灾能力指数低，导致综合风险水平居中；吉林省地处东北，森林面积和资源数量较周围省（区）少，火灾发生次数和受灾面积小，看似应属低风险区，然而森林面积占林地面积的比值高、蓄积量位于全国前列，因此致损因子居全国首位，拉升了整体风险水平。其他各中部省份情况类似，火灾风险综合得分为中等。

森林火灾风险较低的地区几乎涵盖了我国除吉林、黑龙江以外的所有省（区）。这一地区也是我国传统的少林地区，新疆和甘肃等地处西北，新疆的森林覆盖率全国倒数第一，甘肃也在倒数前五名之列，森林资源相对贫乏，再加上地广人稀，森林分布分散，火灾的危险性及损害程度大大降低。另外在北部及华北及东部少林地区，主要以防护林为主，有极少量的片林，因此火灾的各项指标得分值均较低，综合风险低。

森林火灾风险低的地区为上海、青海和宁夏。值得说明的是，根据指标风险区划的结果，上海市原本的综合分值落入较高风险区间，但考虑到长久以来几乎未发生过森林火灾的实际情况，将其置于较高风险区略有不妥，于是将上海市灵活调整到低风险区。青海、宁夏这两个省（区）森林面积占林业用地面积的比重极低，森林覆盖率低，森林蓄积少，相对而言，各项火灾因子的得分均不高，两者火灾发生因子的得分分别为倒数第三和倒数第一，致损因子分列倒数第三和倒数第四，由此可以看出其发生火灾的可能性很小。与此同时，两省的防灾因子得分接近全国平均值，故整体风险水平较低。