我国森林病害风险区划详解

应用同样的方法，对森林病害风险指标值进行分析处理，具体步骤如下。

（1）KMO和Bartlett's球形检验。

对森林病害风险9个指标进行检验，得出结果如表5-14所示，可看出，KMO高于0.5，Bartlett's球形检验拒绝原假设，两项结果均表明适合对病害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5-14　KMO and Bartlett's球形检验
Tab.5-14 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80%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5-15所示。

表5-15　旋转后的因子载荷矩阵和方差贡献率
Tab.5-15 Factor loading matrix and variance contribution by varimax rotation

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，得出如下因子命名。

第一个因子为森林病害损失因子，它包括发生面积B11、成灾面积B12以及表示相对大小的发生率B13共三个指标。根据指标设置原则，它们从不同角度共同组成了病害的损失变量，即已经发生了的损失情况。

第二个因子在成灾率B14、易损指数B3上载荷较高。其中，成灾率B14表示森林病害中度、重度发生面积占总发生面积的比，反映了森林资源受灾的严重程度；易损指数反映了森林因受灾而导致严重损失的可能性，故该因子可以命名为森林灾害风险因子。

第三个因子为病害通用因子，它包括森林规模指数B4和森林效率指数B5两个载荷较大的通用指标。

第四个因子为病害防治因子，它在防治率B2和森林病虫鼠害防灾能力指数B6这两个指标上有较大载荷，且在现实意义上都代表病害的防治情况，因此将它命名为病害防治因子。

（3）各省区诸因子得分。(www.xing528.com)

SPSS 25.0的运算结果给出了各省区9项指标标准化后的值和各因子得分系数矩阵，据此进一步计算得出各省区森林病害4个因子的得分以及综合得分如表5-16所示。

表5-16　各省区森林病害风险因子及综合值得分
Tab.5-16 Factor and comprehensive value score of each province in forest disease risk

续表

（4）聚类分析。

依据上述4个因子得分，使用SPSS25.0进行聚类分析，可以看出各省区森林病害在五类风险等级内的分布情况，据此列出各省区森林病害风险等级分区，如表5-17所示。

表5-17　各省区森林病害风险等级分区结果
Tab.5-17 Zoning result of the forest disease risk rating for each province

我国森林病害的总体情况并不乐观，按照风险等级分区的结果，全国出现了大面积的高风险、较高风险的病害区域。内蒙古、西藏、黑龙江、四川、甘肃形成了一条自西南至东北的森林病害高风险分布带；新疆、青海、云南、广西、宁夏、山西、河南、辽宁零散分布在高风险分布带两侧；中风险区主要分布在中部、东部、华北地区，外加吉林省；东南部省（区）以及北京、天津属于较低风险区；仅上海为低风险区。

各地区的森林资源概况在分析森林火灾风险区划结果时已做过简要阐述，因此这里单就各地区森林病害的诸因子得分情况做一简要分析。高风险区域省份森林病害的成灾比例大，防治水平欠佳，四因子得分在全国省（区）中排名靠前，故总分位于第一梯队。其中，宁夏受发生面积和成灾面积大的影响，损失因子排名第二，但风险因子、通用因子方面分值较低，总体上看属于较高风险区；新疆的损失因子、风险因子和通用因子得分排名居中，但病害防治方面有所欠缺，导致防治因子得分不理想，综合风险较高；河南受中度、重度发生面积占比大的影响，风险因子得分极高，然而总发生面积极小，损失因子得分低，加之其通用因子和防治因子得分同样较少，故整体风险处于较高水平，其他省（区）四项因子得分均处于中等偏上，便不再赘述。我国森林病害的中风险区共有10个省（区），数量最多，除吉林外，其余全部保持地域上的连续性。江西、湖南、福建、广东、北京、浙江、天津7个省区，在病害防治率、病害防治投入方面具有优势，可以及时控制灾情，因此风险较低。