全 文 ：多气候情景下中国森林火灾风险评估
田晓瑞　 代玄　 王明玉　 赵凤君　 舒立福∗
（中国林业科学院森林生态环境与保护研究所国家林业局森林保护学重点实验室， 北京 １０００９１）
摘　 要　 森林火灾风险主要取决于致灾因子、承灾体以及防灾减灾能力，综合评估和预测森
林火灾风险是制定科学的林火管理政策的基础．本文基于经典自然灾害风险模型和可获取数
据构建森林火灾风险评估模型与指标体系，评估过去和未来的森林火灾风险．未来气候情景
数据包括 ＲＣＰ ２．６、ＲＣＰ ４．５、ＲＣＰ ６．０ 和 ＲＣＰ ８．５ 下 ５ 个全球气候模式（ＧＦＤＬ⁃ＥＳＭ２Ｍ、Ｈａｄ⁃
ＧＥＭ２⁃ＥＳ、ＩＰＳＬ⁃ＣＭ５Ａ⁃ＬＲ、 ＭＩＲＯＣ⁃ＥＳＭ⁃ＣＨＥＭ和 ＮｏｒＥＳＭ１⁃Ｍ）日值数据．根据最高温度、最小
相对湿度、平均风速和每日降水量分别计算 １９８７—２０５０ 年历史观测数据和未来气候情景下
各格点每日火险天气指数系统中各个指数．结果表明： １９８７—２０１０ 年，森林火灾风险高和很
高的区域分别占 ２１．２％和 ６．２％，主要分布在大兴安岭和长白山地区、云南大部分区域和南方
零散分布的区域．森林火灾可能性高和很高的区域主要分布在东北和西南地区，分别占森林
面积的 １３．１％和 ４．０％．与观测时段相比，２０２１—２０５０年 ＲＣＰ ２．６、ＲＣＰ ４．５、ＲＣＰ ６．０和 ＲＣＰ ８．５
情景下森林火灾可能性高和很高的区域分别增加 ０．６％、５．５％、２．３％和 ３．５％，华北地区增幅明
显．气候变化引起的森林火灾高风险区域有些增加，ＲＣＰ ８．５情景下增幅最明显（＋１．６％） ．
关键词　 森林火灾； 风险评估； 气候变化； 可能性； 脆弱性
Ｆｏｒｅｓｔ ｆｉｒｅ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｆｏｒ Ｃｈｉｎａ ｕｎｄｅｒ ｄｉｆｆｅｒｅｎｔ ｃｌｉｍａｔｅ ｓｃｅｎａｒｉｏｓ． ＴＩＡＮ Ｘｉａｏ⁃ｒｕｉ， ＤＡＩ
Ｘｕａｎ， ＷＡＮＧ Ｍｉｎｇ⁃ｙｕ， ＺＨＡＯ Ｆｅｎｇ⁃ｊｕｎ， ＳＨＵ Ｌｉ⁃ｆｕ∗ （Ｓｔａｔｅ Ｆｏｒｅｓｔｒｙ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ Ｋｅｙ Ｏｐｅｎ Ｌａ⁃
ｂｏｒａｔｏｒｙ ｏｆ Ｆｏｒｅｓｔ Ｐｒｏｔｅｃｔｉｏｎ， Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｆｏｒｅｓｔ Ｅｃｏｌｏｇｙ， Ｅｎｖｉｒｏｎｍｅｎｔ ａｎｄ Ｐｒｏｔｅｃｔｉｏｎ， Ｃｈｉ⁃
ｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｆｏｒｅｓｔｒｙ， Ｂｅｉｊｉｎｇ １０００９１， Ｃｈｉｎａ） ．
Ａｂｓｔｒａｃｔ： Ｆｏｒｅｓｔ ｆｉｒｅ ｒｉｓｋ ｄｅｐｅｎｄｓ ｏｎ ｔｈｅ ｈａｚａｒｄ ｆａｃｔｏｒｓ， ａｆｆｅｃｔｅｄ ｂｏｄｙ， ａｎｄ ｈａｚａｒｄ ｐｒｅｖｅｎｔｉｏｎ ａｎｄ
ｒｅｄｕｃｔｉｏｎ ａｂｉｌｉｔｙ． Ｔｈｅ ｉｎｔｅｇｒａｔｅｄ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｉｓ ｔｈｅ ｆｏｕｎｄａｔｉｏｎ ｆｏｒ ｄｅｖｅｌｏｐｉｎｇ ｓｃｉｅｎｔｉｆｉｃ ｆｉｒｅ ｍａｎａ⁃
ｇｅｍｅｎｔ ｐｏｌｉｃｉｅｓ ａｎｄ ｃａｒｒｙｉｎｇ ｏｕｔ ｔｈｅ ｆｏｒｅｓｔ ｆｉｒｅ ｐｒｅｖｅｎｔｉｏｎ ｍｅａｓｕｒｅｓ． Ａ ｆｏｒｅｓｔ ｆｉｒｅ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ
ｍｏｄｅｌ ａｎｄ ｉｎｄｅｘ ｓｙｓｔｅｍ ｗｅｒｅ ｅｓｔａｂｌｉｓｈｅｄ ｂａｓｅｄ ｏｎ ｔｈｅ ｃｌａｓｓｉｃ ｎａｔｕｒａｌ ｄｉｓａｓｔｅｒ ｒｉｓｋ ｍｏｄｅｌ ａｎｄ ａｖａｉｌａ⁃
ｂｌｅ ｄａｔａ， ａｎｄ ｔｈｅ ｍｏｄｅｌ ｗａｓ ｕｓｅｄ ｔｏ ａｓｓｅｓｓ ｔｈｅ ｆｏｒｅｓｔ ｆｉｒｅ ｒｉｓｋｓ ｉｎ ｐａｓｔ ａｎｄ ｆｕｔｕｒｅ． Ｔｈｅ ｆｕｔｕｒｅ ｃｌｉｍａｔｅ
ｓｃｅｎａｒｉｏ ｄａｔａ ｉｎｃｌｕｄｅｄ ｏｕｔｐｕｔｓ ｆｒｏｍ ｆｉｖｅ ｇｌｏｂａｌ ｃｌｉｍａｔｅ ｍｏｄｅｌｓ （ＧＦＤＬ⁃ＥＳＭ２Ｍ， ＨａｄＧＥＭ２⁃ＥＳ， ＩＰ⁃
ＳＬ⁃ＣＭ５Ａ⁃ＬＲ， ＭＩＲＯＣ⁃ＥＳＭ⁃ＣＨＥＭ ａｎｄ ＮｏｒＥＳＭ１⁃Ｍ） ｆｏｒ ＲＣＰ ２．６， ＲＣＰ ４．５， ＲＣＰ ６．０ ａｎｄ ＲＣＰ
８．５， ｒｅｓｐｅｃｔｉｖｅｌｙ． Ｅａｃｈ ｃｏｍｐｏｎｅｎｔ ｉｎｄｅｘ ｏｆ Ｆｉｒｅ Ｗｅａｔｈｅｒ Ｉｎｄｅｘ （ＦＷＩ） ｓｙｓｔｅｍ ｗａｓ ｃａｌｃｕｌａｔｅｄ ｄａｉｌｙ
ｆｏｒ ｅａｃｈ ｇｒｉｄ ｉｎ １９８７－２０５０ ｆｏｒ ｔｈｅ ｈｉｓｔｏｒｉｃａｌ ｏｂｓｅｒｖａｔｉｏｎｓ ａｎｄ ｆｕｔｕｒｅ ｃｌｉｍａｔｅ ｓｃｅｎａｒｉｏｓ ａｃｃｏｒｄｉｎｇ ｔｏ
ｔｈｅ ｍａｘｉｍｕｍ ｔｅｍｐｅｒａｔｕｒｅ， ｍｉｎｉｍｕｍ ｒｅｌａｔｉｖｅ ｈｕｍｉｄｉｔｙ， ｗｉｎｄ ｓｐｅｅｄ ａｎｄ ｄａｉｌｙ ｐｒｅｃｉｐｉｔａｔｉｏｎ． Ｔｈｅ ｒｅ⁃
ｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ａｒｅａｓ ｗｉｔｈ ｈｉｇｈ ａｎｄ ｖｅｒｙ ｈｉｇｈ ｆｉｒｅ ｄａｎｇｅｒ ｒａｔｉｎｇｓ ｉｎ １９８７ － ２０１０ ａｃｃｏｕｎｔｅｄ ｆｏｒ
２１．２％ ａｎｄ ６． ２％， ｒｅｓｐｅｃｔｉｖｅｌｙ， ｗｈｉｃｈ ｗｅｒｅ ｄｉｓｔｒｉｂｕｔｅｄ ｉｎ Ｇｒｅａｔｅｒ Ｘｉｎｇ’ ａｎ Ｍｏｕｎｔａｉｎｓ ａｎｄ ｔｈｅ
Ｃｈａｎｇｂａｉ Ｍｏｕｎｔａｉｎ ａｒｅａ， ｍｏｓｔ ｐａｒｔｓ ｏｆ Ｙｕｎｎａｎ， ａｎｄ ｍａｎｙ ｆｒａｇｍｅｎｔ ａｒｅａｓ ｉｎ ｓｏｕｔｈｅｒｎ Ｃｈｉｎａ． Ｔｈｅ
ａｒｅａｓ ｗｉｔｈ ｈｉｇｈ ａｎｄ ｖｅｒｙ ｈｉｇｈ ｂｕｒｎ ｐｏｓｓｉｂｉｌｉｔｉｅｓ ｗｅｒｅ ｍａｉｎｌｙ ｄｉｓｔｒｉｂｕｔｅｄ ｉｎ ｔｈｅ ｎｏｒｔｈｅａｓｔ ａｎｄ ｓｏｕｔｈ⁃
ｗｅｓｔ ｒｅｇｉｏｎ， ａｃｃｏｕｎｔｉｎｇ ｆｏｒ １３．１％ ａｎｄ ４．０％， ｒｅｓｐｅｃｔｉｖｅｌｙ． Ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｏｂｓｅｒｖａｔｉｏｎ ｐｅｒｉｏｄ，
ｔｈｅ ａｒｅａｓ ｗｉｔｈ ｈｉｇｈ ａｎｄ ｖｅｒｙ ｈｉｇｈ ｆｉｒｅ ｄａｎｇｅｒ ｒａｔｉｎｇｓ ｉｎ ２０２１－２０５０ ｗｏｕｌｄ ｉｎｃｒｅａｓｅ ｂｙ ０．６％， ５．５％，
２．３％， ａｎｄ ３．５％ ｕｎｄｅｒ ＲＣＰ ２．６， ＲＣＰ ４．５， ＲＣＰ ６．０， ａｎｄ ＲＣＰ ８．５ ｒｅｓｐｅｃｔｉｖｅｌｙ， ａｎｄ Ｎｏｒｔｈ Ｃｈｉｎａ
ｗｏｕｌｄ ｓｈｏｗ ｓｉｇｎｉｆｉｃａｎｔ ｉｎｃｒｅａｓｅ． Ｔｈｅ ｒｅｇｉｏｎｓ ｗｉｔｈ ｈｉｇｈ⁃ｒｉｓｋ ｆｏｒｅｓｔ ｆｉｒｅｓ ｗｏｕｌｄ ａｌｓｏ ｉｎｃｒｅａｓｅ ｄｕｅ ｔｏ
ｃｌｉｍａｔｅ ｃｈａｎｇｅ， ｗｉｔｈ ｔｈｅ ｍｏｓｔ ｓｉｇｎｉｆｉｃａｎｔ ｉｎｃｒｅａｓｅ ｕｎｄｅｒ ＲＣＰ ８．５ ｓｃｅｎａｒｉｏ （＋１．６％）．
Ｋｅｙ ｗｏｒｄｓ： ｆｏｒｅｓｔ ｆｉｒｅ； ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ； ｃｌｉｍａｔｅ ｃｈａｎｇｅ； ｐｏｓｓｉｂｉｌｉｔｙ； ｖｕｌｎｅｒａｂｉｌｉｔｙ．
本文由国家科技支撑计划项目（２０１２ＢＡＣ１９Ｂ０２）和国家自然科学基金项目（３１２７０６９５）资助 Ｔｈｉｓ ｗｏｒｋ ｗａｓ ｓｕｐｐｏｒｔｅｄ ｂｙ ｔｈｅ Ｎａｔｉｏｎａｌ Ｓｃｉｅｎｃｅ ａｎｄ
Ｔｅｃｈｎｏｌｏｇｙ Ｓｕｐｐｏｒｔ Ｐｌａｎ （２０１２ＢＡＣ１９Ｂ０２） ａｎｄ ｔｈｅ Ｎａｔｉｏｎａｌ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｃｈｉｎａ （３１２７０６９５） ．
２０１５⁃０６⁃２６ Ｒｅｃｅｉｖｅｄ， ２０１６⁃０１⁃０７ Ａｃｃｅｐｔｅｄ．
∗通讯作者 Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ． Ｅ⁃ｍａｉｌ： ｓｈｕｌｆ＠ ｃａｆ．ａｃ．ｃｎ
应 用 生 态 学 报　 ２０１６年 ３月　 第 ２７卷　 第 ３期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｊａｅ．ｎｅｔ
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ｍａｒ． ２０１６， ２７（３）： ７６９－７７６　 　 　 　 　 　 　 　 　 　 ＤＯＩ： １０．１３２８７ ／ ｊ．１００１－９３３２．２０１６０３．０３４
　 　 森林火灾是一种自然灾害．综合评估和预测森
林火灾风险是科学制定林火管理政策和开展森林火
灾预防的基础．森林火灾风险主要取决于致灾因子、
承灾体及防灾减灾能力，森林火灾风险评估不仅是
评估森林火灾潜在发生与蔓延风险，而且是对森林
火灾潜在危害的综合评估［１］ ．灾害发生的可能性、暴
露性、脆弱性和防灾减灾能力共同影响自然灾害风
险［２－３］ ．森林火灾发生的可能性受火源、可燃物因子
和火险天气的影响．暴露性即承灾体，指各种致灾因
子作用的对象，包括给定区域里的一切有可能遭受
林火破坏的人、物、环境等．脆弱性指由致灾因子作
用而造成的承灾体伤害程度．
森林火灾危险性包括可能性、强度和影响 ３ 方
面［４－５］，也可以根据可燃物、地形和城市⁃野地交界
等因子评估森林火灾风险［６］ ．Ｃｈｕｖｉｅｃｏ 等［７］提出森
林火灾风险综合评估框架，风险评估模型包括综合
危险和脆弱性两个指标，综合危险主要由蔓延危险
和火点燃危险构成，脆弱性的评价主要由社会经济
指标、潜在退化指标和景观指标构成． Ｔｈｏｍｐｓｏｎ
等［８］开发了满足风险决策框架要求的森林火灾风
险评估工具．Ｓｃｏｔｔ等［９］基于多种数据源和 ３ 种建模
方法来描述森林火灾发生的可能性与潜在火烧强
度，重视火对资源和资产的影响，提出森林火灾风险
评估总体框架，为防火人员和土地管理者提供减轻
森林火灾风险的指导方案．Ｇｅｒｄｚｈｅｖａ［１０］利用地理信
息系统和遥感技术对保加利亚林区进行了精确的森
林火灾风险评估，划分出森林火灾频繁发生及其危
害区域．Ｔｕｔｓｃｈ 等［１１］分析了影响森林火灾风险评估
的因子优先性，并应用该方法对加拿大一个岛的森
林火灾风险进行评估．Ｍｉｌｌｅｒ等［４］综述了森林火灾危
险性评估与可燃物管理的研究进展，认为目前的风
险分析方法变得越来越定量化和复杂化，建议森林
火灾风险分析应注重生态与管理政策需求．
目前，国内采用的森林火灾风险评估方法可以
概括为灾害风险评估模型［１２－１４］和基于信息扩散理
论的风险矩阵［１５－１６］两种方法．朱学平［１３］构建了福建
省森林火灾风险发生可能性、森林火灾潜在损失和
森林火灾风险指数预测模型，评估了该省 １９９０—
２００９年森林火灾风险变化．陈华泉［１４］用灾害风险指
数和层次分析法对福建省 １９９０—２００９ 年森林火灾
灾害风险进行评估，认为森林火灾次数（特别是重
大森林火灾发生次数）剧增以及单位森林面积价值
量不断提升是致使火灾风险不断升高的主导因素．
Ｔｏｎｇ等［１７］基于自然灾害风险模型，利用加权综合评
分法和层次分析法对吉林省西部草原火灾风险进行
评估．刘兴朋等［１５］根据我国北方草原区 １９９１—２００５
年的草原火灾资料，利用信息扩散理论和风险矩阵
计算了北方各草原区的火灾年发生次数和年受灾率
在各个风险水平下的风险值，评价了北方草原区的
火灾风险．周雪等［１６］依据信息扩散理论，从森林火
灾次数、受灾范围和致灾程度的角度对 １９９８—２０１１
年中国森林火灾风险进行统计分析．对其他自然灾
害的风险评估也采用类似的研究方法，如颜峻等［３］
基于灾害致灾因子、承灾体暴露性、脆弱性以及社区
应急能力利用层次分析方法对城市灾害（地震）进
行风险评估．信息扩散理论也被用于气象灾害风险
的评价［１８－１９］ ．
森林火灾的发生与气候和天气条件密切相关．
气候变化会引起森林植被和可燃物类型与载量的变
化，改变林火行为［２０］ ．气候变化对林火的影响已经
初步显现出来，随着温度的升高，大部分区域的火活
动将增加［２１］ ．气候变暖会增加潜在的火灾风险和火
险期延长，进而引起可燃物干燥（蒸散量增加和枯
落物干燥）导致更多的野火，火险期严重度对全球
气温升高敏感［２２］ ． Ｓｐｒａｃｋｌｅｎ 等［２３］认为，２１ 世纪 ５０
年代美国西部年均火烧面积将增加 ５４％，太平洋西
北森林和落基山脉森林的火灾面积将分别增加
７８％和 １７５％．中国东北地区 ２０７１—２１００ 年潜在火
灾将增加 １０％～１８％，火险期延长 ２１ ～ ２６ ｄ［２４］ ．中国
寒带森林在 ２０８１—２１００ 年火发生密度将增加 ３０％
（ＣＧＣＭ３ Ｂ１情景） ～２３０％（ＨａｄＣＭ３ Ａ２情景） ［２５］ ．
我国目前还没有全国尺度上森林火灾风险评估
的研究报道，有必要开展国家尺度上的森林火灾风
险评估，了解森林火灾高风险区域的空间分布，并预
估未来气候变化对我国森林火灾风险的影响，为开
展适应气候变化的林火管理技术提供科学参考．为
此，本文构建森林火灾风险评估模型与指标体系，评
估过去和未来不同气候情景下的森林火灾风险．
１　 数据来源与研究方法
１􀆰 １　 数据来源
１９８７—２０１０年中国分省（区）的林火数据（包括
森林火灾次数、火源、过火面积、受害森林面积、直接
扑火经费、间接损失、扑火车辆、飞机扑火次数等）
主要来源于国家林业局森林防火办公室和《中国林
业统计年鉴》 ［２６］ ．２００８—２０１３ 年林火卫星监测数据
由国家林业局卫星监测中心提供，这些经过地面核
实的监测数据用于林火发生频率的空间分析．林火
统计数据主要以省（区）行政单位进行统计，根据森
林面积把相关指标换算成单位森林面积（１０４ ｈｍ２）
０７７ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
指标．历史气候观测数据（插值到水平分辨率 ０．２５°×
０􀆰 ２５°）来自中国农业科学院环境发展研究所，地上
生物量数据（２００４—２００８年）源于文献［２７］．人口空
间分布数据［２８］和 ＧＤＰ 数据（２００５—２０１０ 年） ［２９］均
来源于资源环境科学数据中心．
５套全球气候模式插值、订正结果由跨部门的
影响模式比较计划（Ｔｈｅ Ｉｎｔｅｒ⁃Ｓｅｃｔｏｒａｌ Ｉｍｐａｃｔ Ｍｏｄｅｌ
Ｉｎｔｅｒｃｏｍｐａｒｉｓｏｎ Ｐｒｏｊｅｃｔ ） 提供 （ ｈｔｔｐ： ／ ／ ｗｗｗ． ｉｓｉ⁃ｍｉｐ．
ｏｒｇ），中国农业科学院环境发展研究所提取并转换
为 ＡＳＣＩＩ码，包含 ４个 ＲＣＰ（ｒｅｐｒｅｓｅｎｔａｔｉｖｅ ｃｏｎｃｅｎｔｒａ⁃
ｔｉｏｎ ｐａｔｈｗａｙｓ）情景（ＲＣＰ ２．６、ＲＣＰ ４．５、ＲＣＰ ６．０ 和
ＲＣＰ ８．５）下 ５个全球气候模式（ＧＦＤＬ⁃ＥＳＭ２Ｍ、Ｈａｄ⁃
ＧＥＭ２⁃ＥＳ、 ＩＰＳＬ⁃ＣＭ５Ａ⁃ＬＲ、 ＭＩＲＯＣ⁃ＥＳＭ⁃ＣＨＥＭ 和
ＮｏｒＥＳＭ１⁃Ｍ）８个气象要素（平均气温、最高气温、最
低气温、降水量、太阳总辐射、平均相对湿度、地面气
压和近地面平均风速）的日值数据．数据的时间范围
是 １９５１—２０５０ 年，地理范围 １５． ２５°—５５． ２５° Ｎ、
７０􀆰 ２５°—１４０．２５° Ｅ，水平分辨率 ０．５° ×０．５°．采用双
线性插值方法对数据进行差值处理，并基于概率分
布的统计偏差订正［３０－３２］ ． ４ 种气候情景（ＲＣＰ ２．６、
ＲＣＰ ４．５、ＲＣＰ ６．０和 ＲＣＰ ８．５）是政府间气候变化专
门委员会（ＩＰＣＣ）第五次气候变化评估报告公布的
温室气体排放情景———“典型浓度路径”，每种情景
代表不同的辐射强迫程度和 ＣＯ２浓度及其变化路
径．ＲＣＰ ２．６、ＲＣＰ ４．５、ＲＣＰ ６．０和 ＲＣＰ ８．５分别描述
ＣＯ２当量浓度逐渐增加的情景［３３］ ．
１􀆰 ２　 森林火险指数计算
根据 １９７１—２０５０年历史观测数据和未来气候
情景数据（４种情景下 ５个模型）每日各格点最高温
度、最小相对湿度、平均风速和每日降水量，计算每
日火险天气指数（ＦＷＩ）系统中各个指数［３４］ ．ＦＷＩ 系
统要求输入气象站点每天中午天气观测值，本研究
的气温输入采用日最高气温减去 ２ ℃ ［３５］，其他输入
因子为最小相对湿度、日降雨量和平均风速．最小相
对湿度根据 １９６１—２０１０ 年全国各气象站的平均湿
度与最小相对湿度相关模型计算而得．火险天气指
数系统输出 ３ 个可燃物湿度码和 ３ 个火行为指数．
可燃物湿度码包括：细小可燃物湿度码（ＦＦＭＣ）、腐
殖质湿度码（ＤＭＣ）和干旱码（ＤＣ），火行为指标包
括：初始蔓延速度（ ＩＳＩ）、累积指数（ＢＵＩ）和火天气
指数（ ＦＷＩ）．利用计算程序分别计算各火险指数
１９７１—２０５０年 ９５百分位分数（９５ｔｈ ｐｅｒｃｅｎｔｉｌｅ），用每
个气候情景下 ５个模型预测值的平均值代表相应的
气候情景条件．
１􀆰 ３　 森林火灾风险模型
森林火灾风险指数是对森林火灾发生可能性和
潜在损失的综合评价．一般自然灾害风险模型主要
考虑灾害发生可能性、脆弱性、暴露性和防灾减灾能
力［３６］ ．暴露性指可能受到危险因素威胁的所有人和
财产，一个区域暴露于受灾害威胁的人和财产越多，
灾害风险越大．脆弱性指在给定危险地区存在的所
有任何财产由于潜在危险而造成的伤害或损失程
度，脆弱性愈低，灾害损失愈小．脆弱性与承灾体成
分结构和防灾能力有关．防灾能力包括应急管理能
力、减灾投入、资源准备等方面，防灾减灾能力越强，
灾害风险越小．林火管理能力对林火可能带来的损
失有非常重要的影响，因此，根据经典的自然灾害风
险模型［３］构建森林火灾风险评估模型，用以评估过
去和未来的风险．
Ｈ＝Ｐ×Ｄ×Ｅ ／ （１＋Ｒ） （１）
式中：Ｈ 为森林火灾风险；Ｐ 为发生的可能性；Ｄ 为
承灾体脆弱性；Ｅ 为暴露性；Ｒ 为抗灾能力．因为中
国空间范围大，各地防火能力差异显著，为避免计算
结果差距过大，所以，公式（１）分母为（１＋Ｒ）．基于该
评估模型和目前可获得的数据，本文构建了中国森
林火灾风险指标体系（图１） ．目标层为森林火灾风
图 １　 森林火灾风险评估指标体系
Ｆｉｇ．１　 Ｉｎｄｅｘ ｓｙｓｔｅｍ ｏｆ ｆｏｒｅｓｔ ｆｉｒｅ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ．
１７７３期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 田晓瑞等： 多气候情景下中国森林火灾风险评估　 　 　 　 　
险，二级指标包括：发生可能性、脆弱性、暴露性和防
灾能力．林火发生可能性根据历史林火发生密度和
火险天气指数计算．脆弱性主要反映森林燃烧的程
度，主要包括影响森林燃烧的指标，如可燃物类型、
可燃物载量（采用地上生物量数据）和历史过火区
分布．暴露性采用反映区域受威胁的人或财产指标，
主要包括 ＧＤＰ 和人口分布以及过去森林火灾造成
的间接经济损失．抗灾能力则从扑火经验与扑火力
量两方面考虑．当前我国的扑救人员组成比较复杂，
包括专业扑火队、森林警察部队和其他群众，一般情
况下扑火人员不是扑救森林火灾的限制因子．扑救
力量的机械化程度影响初始扑救的成功率与扑救效
率，因此，选择与快速反应相关的指标来反映扑救力
量．本文用 １９８７—２０１０年平均每万公顷森林发生的
大火（＞１００ ｈｍ２）次数表示扑救经验，单位森林面积
投入的飞机和车辆数量表示快速扑救能力．
１􀆰 ４　 风险评估指标权重的确定及一致性检验
采用层次分析法将影响火灾风险的各因子进行
综合评判．根据图 １ 先将各项评判指标按类目的大
小及隶属关系分成 ３ 个层次，根据专业知识用打分
法确定各指标之间的优先性，构造判断矩阵，表示每
一层中各要素相对其上层某要素的相对重要程度．
求出每个判断矩阵的最大特征值（λｍａｘ），λｍａｘ所对应
的单位特征向量即为各指标的权重．最后根据各指
标对火灾风险的贡献率，确定各指标的权重 λ ｊ，
∑
ｎ
ｊ ＝ １
λ ｊ ＝ １（ ｊ ＝ １，２，…，ｎ） ．
当判断距阵完全一致时，λｍａｘ ＝ｎ；当判断距阵不
完全一致时，一般有 λｍａｘ≥ｎ．采用随机性指标（ＣＲ）
作为一致性检验的指标．判断矩阵的一致性检验方
法为：
ＣＲ＝ＣＩ ／ ＲＩ （２）
ＣＩ＝（λｍａｘ－ｎ） ／ （ｎ－１） （３）
式中：ｎ为判断矩阵的阶数；λｍａｘ为判断矩阵的最大
特征值；ＲＩ为随判断矩阵阶度而变化的常数．ｎ 值为
１、２、３、４、５、６、７、８所对应的 ＲＩ 值分别为 ０、０、０．５８、
０􀆰 ９１、１．１２、１．２４、１．３２、１．４１．
当 ＣＲ＜０．１ 时，判断矩阵达到满意效果，否则需
要重新调整元素标度值，直到具有满意的一致性
为止．
１􀆰 ５　 森林火灾风险的等级划分
森林火灾风险评估指标首先进行归一化处理，
然后，根据指标计算方法（图 １）分别计算森林火灾
发生可能性、脆弱性、防灾能力和森林火灾风险指
数，对 ４种气候情景的计算结果再进行归一化处理，
用自然断点分类（Ｊｅｎｋｓ分级）方法进行分类．该方法
通过最小方差分类，类别之间差异明显，而类别内部
的差异小．根据观测时段（１９８７—２０１０ 年）的计算结
果确定每一指标的分级阈值，低于最小值和高于最
大值的数据分别划入最低和最高等级．根据对历史
和未来 ４种气候情景下的森林火灾风险等级划分结
果，比较 ２０２１—２０５０年森林火灾风险变化．
２　 结果与分析
２􀆰 １　 森林火灾风险评估指标权重
第二层指标包括：森林火灾可能性、脆弱性、暴
露性和抗灾能力．由于火险期 ＤＭＣ、ＩＳＩ 和 ＦＷＩ 均值
与过火面积显著相关［３７］，因此，本文只选用这 ３ 个
火险指数和林火发生密度计算森林火灾发生可能
性．可燃物类型是根据植被类型划分，依据其燃烧性
确定不同植被类型的权重．森林划分为：常绿针叶
林、常绿阔叶林、落叶针叶林、落叶阔叶林、针阔混交
林和灌丛，相对于脆弱性指标的权重分别为：
０􀆰 ４２２１、０􀆰 ０２５４、０．２７２９、０．０４０７、０．０８１１和 ０．１５７８（表
１）．抗灾能力则根据过去扑救森林火大的经验和可
用的车辆与飞机等指标确定．
２􀆰 ２　 １９８７—２０１０年中国森林火灾风险
根据森林火灾风险评估模型和历史观测或统计
数据对观测时段（１９８７—２０１０ 年）中国的森林火灾
风险进行综合评估．由图 ２ 可以看出，森林火灾可能
性高和很高的区域主要分布在东北和西南地区，分
别占森林面积的 １３．１％和 ４．０％；脆弱性高和很高等
级的区域主要分布在东北地区的大兴安岭和长白山
表 １　 中国森林火灾风险评价指标体系及权重
Ｔａｂｌｅ １ 　 Ｆｏｒｅｓｔ ｆｉｒｅ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｉｎｄｅｘ ｓｙｓｔｅｍ ａｎｄ
ｗｅｉｇｈｔｓ
森林火灾
风险指数
（Ｂ层）
Ｆｏｒｅｓｔ
ｆｉｒｅ ｒｉｓｋ
ｉｎｄｅｘ
Ｂ层权重
Ｗｅｉｇｈｔ
ｏｆ Ｂ
ｌａｙｅｒ
Ｃ层指标
Ｉｎｄｅｘ ｆｏｒ Ｃ ｌａｙｅｒ
Ｃ层权重
Ｗｅｉｇｈｔ
ｏｆ Ｃ
ｌａｙｅｒ
可能性
Ｐｏｓｓｉｂｉｌｉｔｙ
０．６３７０ 火灾发生密度
ＤＭＣ ９５百分位数
ＩＳＩ ９５百分位数
ＦＷＩ ９５百分位数
０．０７３６
０．１２９３
０．２４７６
０．５４９５
脆弱性
Ｖｕｌｎｅｒａｂｉｌｉｔｙ
０．２５８３ 可燃物类型
可燃物载量（地上生物量）
０．８３３３
０．１６６７
暴露性
Ｅｘｐｏｓｕｒｅ
０．１０４７ 受害森林面积
ＧＤＰ 分布
间接损失
０．２５８３
０．１０４７
０．６３７０
抗灾能力
Ｒｅｓｉｌｉｅｎｃｅ
１．００００ 扑救经验（重大、特大火灾）
扑救力量（飞机）
扑救力量（车辆）
０．７１９３
０．０８３９
０．１９６８
２７７ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
地区、南方和西南林区，分别占 ６．８％和 ２２．４％；而暴
露性高等级的区域主要位于东北的大兴安岭和小兴
安岭以及华北地区，分别占 １６．６％和 ０．４％．抗灾能
力主要依据省（区）的统计数据计算，福建、浙江、贵
州等省区重大森林火灾多发，当地防火机构有很丰
富的扑救经验，历史上在火灾扑救过程中平均单位
面积森林可用扑救资源多，因此，这些区域的抗灾能
力比较强．综合评估中国森林火灾风险指数，风险高
和很高的区域主要为东北大兴安岭和长白山地区、
西南和南方部分区域．火灾风险中等以下的区域占
７２􀆰 ７％，高和很高等级风险区域分别占 ２１． ２％和
６􀆰 ２％（表 ２）．
　 　 森林火灾风险很低、低和中等级的区域是可以
接受的风险．而高和很高等级的区域是重点防火区
域，需要根据林火管理目标采取必要的控制措施，提
高森林火灾的预防与控制能力，降低潜在的森林火
灾可能带来的财产与经济损失．
２􀆰 ３　 ２０２１—２０５０年森林火灾可能性与风险
假设 ２０２１—２０５０年森林火源、林火管理能力和
其他社会条件与观测时段相比不发生显著变化，根
据气候情景数据计算 ２０２１—２０５０ 年森林火险天气
指数评估未来森林火灾发生可能性与森林火灾风
险．结果表明，与观测时段相比，森林火灾可能性很
低的区域都有所减少，特别是 ＲＣＰ ８．５ 情景下减少
了 １０．２％．４种气候情景下森林火险可能性高和很高
的区域都有所增加，ＲＣＰ ２．６、ＲＣＰ ４．５、ＲＣＰ ６．０ 和
ＲＣＰ ８．５情景下森林火灾很高的区域分别比观测时
期增加 ０．６％、２．２％、０．８％和 ２．２％，可能性高的区域分
别增加 ０．０％、３．３％、１．５％和 １．３％（表 ３）．４ 种气候情
景下，森林火灾可能性高的区域都主要分布在东北、
华北和西南地区，气候情景之间有些差异（图 ３）．
　 　 ２０２１—２０５０ 年，ＲＣＰ ２．６、ＲＣＰ ４．５、ＲＣＰ ６．０ 和
ＲＣＰ ８．５情景下很高风险区域分别比观测时段增加
－０．１％、０．９％、０．０％和 ０．６％，高火险区区域分别增
加０．８％、０．７％、０．８％和１．０％，中等风险区域分别增
表 ２　 森林火险各等级所占面积比重
Ｔａｂｌｅ ２　 Ａｒｅａ ｐｒｏｐｏｒｔｉｏｎ ｏｆ ｅａｃｈ ｆｏｒｅｓｔ ｆｉｒｅ ｄａｎｇｅｒ ｃｌａｓｓ
（％）
等级
Ｃｌａｓｓ
可能性
Ｐｏｓｓｉｂｉｌｉｔｙ
暴露性
Ｅｘｐｏｓｕｒｅ
抗灾能力
Ｒｅｓｉｓｔａｎｃｅ
脆弱性
Ｖｕｌｎｅｒａｂｉｌｉｔｙ
火灾风险
Ｆｉｒｅ ｒｉｓｋ
很低 Ｖｅｒｙ ｌｏｗ ４０．２ ３５．８ １５．０ ２８．５ ２６．８
低 Ｌｏｗ ２３．５ ４５．３ ３３．９ ２１．３ ２４．５
中 Ｍｏｄｅｒａｔｅ １９．２ １．９ １９．３ ２１．０ ２１．４
高 Ｈｉｇｈ １３．１ １６．６ １９．８ ６．８ ２１．２
很高 Ｖｅｒｙ ｈｉｇｈ ４．０ ０．４ １２．０ ２２．４ ６．２
加 ０．８％、１．５％、１．５％和 ２．９％（图 ４）．ＲＣＰ ８．５情景下
中等以上森林火灾风险区域增幅最明显（＋３．５％）．
图 ２　 １９８７—２０１０年中国森林火灾风险
Ｆｉｇ．２　 Ｆｏｒｅｓｔ ｆｉｒｅ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｆｏｒ １９８７－２０１０ ｉｎ Ｃｈｉｎａ．
ａ） 可能性 Ｐｏｓｓｉｂｉｌｉｔｙ； ｂ） 暴露性 Ｅｘｐｏｓｕｒｅ； ｃ） 抗灾能力 Ｒｅｓｉｓｔａｎｃｅ；
ｄ） 脆弱性 Ｖｕｌｎｅｒａｂｉｌｉｔｙ； ｅ） 火灾风险 Ｆｉｒｅ ｒｉｓｋ．
３７７３期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 田晓瑞等： 多气候情景下中国森林火灾风险评估　 　 　 　 　
图 ３　 不同气候情景下 ２０２１—２０５０年森林火灾发生可能性
Ｆｉｇ．３　 Ｐｏｓｓｉｂｉｌｉｔｉｅｓ ｏｆ ｗｉｌｄｆｉｒｅ ｕｎｄｅｒ ｆｏｕｒ ｃｌｉｍａｔｅ ｓｃｅｎａｒｉｏｓ ｉｎ ２０２１－２０５０．
ａ） ＲＣＰ ２．６； ｂ） ＲＣＰ ４．５； ｃ） ＲＣＰ ６．０； ｄ） ＲＣＰ ８．５． 下同 Ｔｈｅ ｓａｍｅ ｂｅｌｏｗ．
图 ４　 不同气候情景下 ２０２１—２０５０年森林火灾风险
Ｆｉｇ．４　 Ｆｏｒｅｓｔ ｆｉｒｅ ｒｉｓｋｓ ｕｎｄｅｒ ｆｏｕｒ ｃｌｉｍａｔｅ ｓｃｅｎａｒｉｏｓ ｉｎ ２０２１－２０５０．
表 ３　 森林火灾可能性各等级比重
Ｔａｂｌｅ ３　 Ｐｒｏｐｏｒｔｉｏｎ ｏｆ ｅａｃｈ ｇｒａｄｅ ｏｆ ｆｏｒｅｓｔ ｆｉｒｅ ｐｏｓｓｉｂｉｌｉｔｙ
（％）
等级
Ｃｌａｓｓ
观测时段
Ｏｂｓｅｒｖａｔｉｏｎ
ｐｅｒｉｏｄ
２０２１—２０５０
Ｒｃｐ ２．６ Ｒｃｐ ４．５ Ｒｃｐ ６．０ Ｒｃｐ ８．５
很低 Ｖｅｒｙ ｌｏｗ ４０．２ ３８．３ ３４．９ ３８．０ ３０．０
低 Ｌｏｗ ２３．５ ２５．２ ２５．８ ２４．７ ３０．２
中 Ｍｏｄｅｒａｔｅ １９．２ １８．８ １８．９ １８．０ １９．２
高 Ｈｉｇｈ １３．１ １３．１ １４．３ １４．５ １４．３
很高 Ｖｅｒｙ ｈｉｇｈ ４．０ ４．６ ６．２ ４．８ ６．２
３　 讨　 　 论
国内对森林火灾的危险性评估主要从发生可能
性、脆弱性、暴露性和抗灾能力等方面评估［１，１５，３５］，
这与国外的森林火灾风险评估有些差别．森林火灾
风险评估主要是根据森林火灾发生的可能性、潜在
火烧强度、火烧对环境和财产的影响等方面进行评
估［７］ ．由于研究空间尺度和获取数据的限制，已有研
４７７ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
究中的森林火灾风险评估指标有所差异［１，１３，１６］ ．对
于国家尺度上的评估，受数据获取的限制更明显．我
国的林火统计数据都是以省（区）行政单位进行统
计的，缺乏每场火的具体信息．因此，本研究中充分
利用林火统计数据、卫星监测数据、气象数据、植被
类型和生物量等信息，构建可行的森林火灾风险评
估指标体系．受数据获取限制，本文采用的林火统计
数据和其他数据的时段有所差异，如林火统计数据
为 １９８７—２０１０ 年、林火发生密度采用 ２００８—２０１３
年的平均值，ＧＤＰ、人口密度分布和地上生物量数据
是 ２００５—２０１０年平均值．这对研究结果有一定的影
响．考虑到在研究时段内森林结构、人口密度等因素
虽然有变化，但没有根本性改变，不会显著影响研究
结果的可靠性．
　 　 未来气候情景下的森林火灾风险主要考虑气候
变化引起的森林火险天气变化，没有考虑其他因子
的变化．未来 ３０年森林年龄与结构都会发生一些改
变，特别是我国森林资源变化受管理政策的影响较
大．林火管理政策也可能发生一些变化，大部分地区
的林火管理能力会有所提高，但从目前的技术发展
趋势看，未来 ３０年林火管理能力不大可能出现根本
性改变．对 ２０２１—２０５０年的森林火灾风险评估结果
只反映将来的气候变化可能引起的森林火灾风险改
变，各气候情景下的森林火险指数是根据 ５ 个区域
气候模型模拟结果平均值，提高了对未来各气候情
景评估的可信度．
４　 结　 　 论
综合评估 １９８７—２０１０年中国的森林火灾风险，
风险高的区域主要分布在东北大兴安岭和长白山地
区、西南的云南大部分区域和南方零散分布的区域．
森林火灾可能性高的区域主要分布在东北和西南林
区．这些区域也是我国目前森林防火工作的重点区
域．与观测时段相比，２０２１—２０５０ 年 ＲＣＰ ２．６、ＲＣＰ
４．５、ＲＣＰ ６．０和 ＲＣＰ ８．５ 情景下森林火灾可能性高
的区域都有所增加，华北地区增幅明显．该区域潜在
森林火险显著升高，主要是因为气候变化将导致华
北地区的森林火险显著升高．在其他因子不变的情
况下，气候变化引起的森林火灾高风险区域也有所
增加，ＲＣＰ ８．５情景下的增幅最明显．
参考文献
［１］　 Ｇｕｏ Ｚ⁃Ｘ （国志兴）， Ｚｈｏｎｇ Ｘ⁃Ｃ （钟兴春）， Ｆａｎｇ Ｗ⁃Ｈ
（方伟华）， ｅｔ ａｌ． Ｔｈｅ ｒｅｓｅａｒｃｈ ａｄｖａｎｃｅｓ ｏｆ ｗｉｌｄｆｉｒｅ
ｓｐｒｅａｄｉｎｇ ａｎｄ ｗｉｌｄｆｉｒｅ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ． Ｐｒｏｇｒｅｓｓ ｉｎ Ｇｅｏ⁃
ｇｒａｐｈｙ （地理科学进展）， ２０１０， ２９（７）： ７７８－７８８ （ｉｎ
Ｃｈｉｎｅｓｅ）
［２］　 Ｚｈａｎｇ Ｊ⁃Ｑ （张继权）， Ｌｉｕ Ｘ⁃Ｐ （刘兴朋）， Ｔｏｎｇ Ｚ⁃Ｊ
（佟志军）． Ｔｈｅ ｓｔｕｄｙ ｏｆ ｇｒａｓｓｌａｎｄ ｆｉｒｅ ｄｉｓａｓｔｅｒ ｒｉｓｋ ａｓ⁃
ｓｅｓｓｍｅｎｔ ａｎｄ ｒｅｇｉｏｎａｌｉｚａｔｉｏｎ： Ａ ｃａｓｅ ｓｔｕｄｙ ｉｎ ｔｈｅ ｗｅｓ⁃
ｔｅｒｎ Ｊｉｌｉｎ Ｐｒｏｖｉｎｃｅ． Ｇｅｏｇｒａｐｈｉｃａｌ Ｒｅｓｅａｒｃｈ （地理研究），
２００７， ２６（４）： ７５５－７６２ （ｉｎ Ｃｈｉｎｅｓｅ）
［３］　 Ｙａｎ Ｊ （颜　 峻）， Ｚｕｏ Ｚ （左　 哲）． Ｒｅｓｅａｒｃｈ ｏｎ ｎａｔｕ⁃
ｒａｌ ｄｉｓａｓｔｅｒ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｉｎｄｅｘ ｓｙｓｔｅｍ ａｎｄ ｍｅｔｈｏｄ．
Ｃｈｉｎａ Ｓａｆｅｔｙ Ｓｃｉｅｎｃｅ Ｊｏｕｒｎａｌ （中国安全科学学报），
２０１０， ２０（１１）： ６１－６５ （ｉｎ Ｃｈｉｎｅｓｅ）
［４］　 Ｍｉｌｌｅｒ Ｃ， Ａｇｅｒ ＡＡ． Ａ ｒｅｖｉｅｗ ｏｆ ｒｅｃｅｎｔ ａｄｖａｎｃｅｓ ｉｎ ｒｉｓｋ
ａｎａｌｙｓｉｓ ｆｏｒ ｗｉｌｄｆｉｒｅ ｍａｎａｇｅｍｅｎｔ． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ
ｏｆ Ｗｉｌｄｌａｎｄ Ｆｉｒｅ， ２０１２， ２２： １－１４
［５］　 Ｔｈｏｍｐｓｏｎ ＭＰ， Ｃａｌｋｉｎ ＤＥ． Ｕｎｃｅｒｔａｉｎｔｙ ａｎｄ ｒｉｓｋ ｉｎ ｗｉｌｄ⁃
ｌａｎｄ ｆｉｒｅ ｍａｎａｇｅｍｅｎｔ： Ａ ｒｅｖｉｅｗ． Ｊｏｕｒｎａｌ ｏｆ Ｅｎｖｉｒｏｎｍｅｎ⁃
ｔａｌ Ｍａｎａｇｅｍｅｎｔ， ２０１１， ９２： １８９５－１９０９
［６］　 ＮＷＲＡ Ｓｔｅｅｒｉｎｇ Ｃｏｍｍｉｔｔｅｅ． Ｎｏｒｔｈｅａｓｔ Ｗｉｌｄｆｉｒｅ Ｒｉｓｋ Ａｓ⁃
ｓｅｓｓｍｅｎｔ． Ｎｏｒｔｈｅａｓｔｅｒｎ Ａｒｅａ Ｓｔａｔｅ ａｎｄ Ｐｒｉｖａｔｅ Ｆｏｒｅｓｔｒｙ，
Ｕ． Ｓ． Ｆｏｒｅｓｔ Ｓｅｒｖｉｃｅ［ＥＢ ／ ＯＬ］． （２０１２⁃１０⁃１５）［２０１５⁃０５⁃
０６］． ｈｔｔｐ： ／ ／ ｗｗｗ． ｎａ． ｆｓ． ｆｅｄ． ｕｓ ／ ｆｉｒｅ ／ ｐｕｂｓ ／ ｎｏｒｔｈｅａｓｔ＿
ｗｉｌｄｆｉｒｅ＿ｒｉｓｋ＿ａｓｓｅｓｓ１０＿ｌｒ． ｐｄｆ．
［７］　 Ｃｈｕｖｉｅｃｏ Ｅ， Ａｇｕａｄｏ Ｉ， Ｊｕｒｄａｏ Ｓ， ｅｔ ａｌ． Ｉｎｔｅｇｒａｔｉｎｇ ｇｅｏ⁃
ｓｐａｔｉａｌ ｉｎｆｏｒｍａｔｉｏｎ ｉｎｔｏ ｆｉｒｅ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ． Ｉｎｔｅｒｎａｔｉｏ⁃
ｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｗｉｌｄｌａｎｄ Ｆｉｒｅ， ２０１３， ２３： ６０６－６１９
［８］　 Ｔｈｏｍｐｓｏｎ ＭＰ， Ｃａｌｋｉｎ ＤＥ， Ｆｉｎｎｅｙ ＭＡ， ｅｔ ａｌ． Ｉｎｔｅｇｒａ⁃
ｔｅｄ ｎａｔｉｏｎａｌ⁃ｓｃａｌｅ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｗｉｌｄｆｉｒｅ ｒｉｓｋ ｔｏ ｈｕｍａｎ
ａｎｄ ｅｃｏｌｏｇｉｃａｌ ｖａｌｕｅｓ． Ｓｔｏｃｈａｓｔｉｃ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｒｅｓｅａｒｃｈ
ａｎｄ Ｒｉｓｋ Ａｓｓｅｓｓｍｅｎｔ， ２０１１， ２５： ７６１－７８０
［９］　 Ｓｃｏｔｔ ＪＨ， Ｔｈｏｍｐｓｏｎ ＭＰ， Ｃａｌｋｉｎ ＤＥ． Ａ Ｗｉｌｄｆｉｒｅ Ｒｉｓｋ
Ａｓｓｅｓｓｍｅｎｔ Ｆｒａｍｅｗｏｒｋ ｆｏｒ Ｌａｎｄ ａｎｄ Ｒｅｓｏｕｒｃｅ Ｍａｎａｇｅ⁃
ｍｅｎｔ． Ｒｏｃｋｙ Ｍｏｕｎｔａｉｎ Ｒｅｓｅａｒｃｈ Ｓｔａｔｉｏｎ， Ｆｏｒｅｓｔ Ｓｅｒ⁃
ｖｉｃｅ， Ｕ．Ｓ． Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ａｇｒｉｃｕｌｔｕｒｅ， Ｇｅｎｅｒａｌ Ｔｅｃｈ⁃
ｎｉｑｕｅ． Ｒｅｐｏｒｔ． ＲＭＲＳ⁃ＧＴＲ⁃３１５． Ｆｏｒｔ Ｃｏｌｌｉｎｓ： Ｒｏｃｋｙ
Ｍｏｕｎｔａｉｎ Ｒｅｓｅａｒｃｈ Ｓｔａｔｉｏｎ， ２０１３
［１０］　 Ｇｅｒｄｚｈｅｖａ ＡＡ． Ａ ｃｏｍｐａｒａｔｉｖｅ ａｎａｌｙｓｉｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ｗｉｌｄ⁃
ｆｉｒｅ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｍｏｄｅｌｓ： Ａ ｃａｓｅ ｓｔｕｄｙ ｆｏｒ Ｓｍｏｌｙａｎ⁃
Ｄｉｓｔｒｉｃｔ， Ｂｕｌｇａｒｉａ． Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏｇｒａｐｈｙ，
２０１４， ５： ２２－３６
［１１］　 Ｔｕｔｓｃｈ Ｍ， Ｈａｉｄｅｒ Ｗ， Ｂｅａｒｄｍｏｒｅ Ｂ， ｅｔ ａｌ． Ｅｓｔｉｍａｔｉｎｇ
ｔｈｅ ｃｏｎｓｅｑｕｅｎｃｅｓ ｏｆ ｗｉｌｄｆｉｒｅ ｆｏｒ ｗｉｌｄｆｉｒｅ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ：
Ａ ｃａｓｅ ｓｔｕｄｙ ｉｎ ｔｈｅ ｓｏｕｔｈｅｒｎ Ｇｕｌｆ Ｉｓｌａｎｄｓ， Ｂｒｉｔｉｓｈ Ｃｏ⁃
ｌｕｍｂｉａ， Ｃａｎａｄａ． Ｃａｎａｄｉａｎ Ｊｏｕｒｎａｌ ｏｆ Ｆｏｒｅｓｔ Ｒｅｓｅａｒｃｈ，
２０１０， ４０： ２１０４－２１１４
［１２］　 Ｌｉｕ Ｘ⁃Ｐ （刘兴朋）， Ｚｈａｎｇ Ｊ⁃Ｑ （张继权）， Ｔｏｎｇ Ｚ⁃Ｊ
（佟志军）． Ｔｈｅ ｓｔｕｄｙ ｏｆ ｇｒａｓｓｌａｎｄ ｆｉｒｅ ｄｉｓａｓｔｅｒ ｒｉｓｋ ａｓ⁃
ｓｅｓｓｍｅｎｔ ａｎｄｒｅｇｉｏｎａｌｉｚａｔｉｏｎ： Ａ ｃａｓｅ ｓｔｕｄｙ ｏｆ ｇｒａｓｓｌａｎｄ
ｉｎ ｔｈｅ ｗｅｓｔｅｒｎ Ｊｉｌｉｎ Ｐｒｏｖｉｎｃｅ． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｎ Ｇｒａｓｓｌａｎｄ
Ｄｅｖｅｌｏｐｍｅｎｔ ｉｎ Ｃｈｉｎａ， Ｂｅｉｊｉｎｇ， ２００９： ５７２ － ５７９ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［１３］ 　 Ｚｈｕ Ｘ⁃Ｐ （朱学平）． Ａｎ Ｅｃｏｎｏｍｅｔｒｉｃ Ｓｔｕｄｙ ｏｎ Ｆｏｒｅｓｔ
Ｆｉｒｅｓ． Ｍａｓｔｅｒ Ｔｈｅｓｉｓ． Ｆｕｚｈｏｕ： Ｆｕｊｉａｎ Ａｇｒｉｃｕｌｔｕｒｅ ａｎｄ
Ｆｏｒｅｓｔｒｙ Ｕｎｉｖｅｒｓｉｔｙ， ２０１２ （ｉｎ Ｃｈｉｎｅｓｅ）
［１４］　 Ｃｈｅｎ Ｈ⁃Ｑ （陈华泉）． Ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｏｎ ｆｏｒｅｓｔ ｆｉｒｅ ｄｉｓａ⁃
ｓｔｅｒ ｆｒｏｍ １９９０ ｔｏ ２００９ ｉｎ Ｆｕｊｉａｎ Ｐｒｏｖｉｎｃｅ． Ｊｏｕｒｎａｌ ｏｆ
Ｓｏｕｔｈｗｅｓｔ Ｆｏｒｅｓｔｒｙ Ｕｎｉｖｅｒｓｉｔｙ （西南林业大学学报），
２０１３， ３３（４）： ７２－７７ （ｉｎ Ｃｈｉｎｅｓｅ）
［１５］　 Ｌｉｕ Ｘ⁃Ｐ （刘兴朋）， Ｚｈａｎｇ Ｊ⁃Ｑ （张继权）， Ｆａｎ Ｊ⁃Ｂ
（范久波）． Ｈｉｓｔｏｒｉｃａｌ ｄａｔａ⁃ｂａｓｅｄ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｆｉｒｅ
ｉｎ ｇｒａｓｓｌａｎｄ ｏｆ ｎｏｒｔｈｅｒｎ Ｃｈｉｎａ． Ｊｏｕｒｎａｌ ｏｆ Ｎａｔｕｒａｌ Ｄｉｓａ⁃
ｓｔｅｒｓ （自然灾害学报）， ２００７， １６（１）： ６１－６６ （ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
５７７３期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 田晓瑞等： 多气候情景下中国森林火灾风险评估　 　 　 　 　
［１６］　 Ｚｈｏｕ Ｘ （周 　 雪）， Ｚｈａｎｇ Ｙ （张 　 颖）． Ｓｔａｔｉｓｔｉｃａｌ
ａｎａｌｙｓｉｓ ｏｆ ｆｏｒｅｓｔ ｆｉｒｅ ｒｉｓｋ ｉｎ Ｃｈｉｎａ． Ｓｔａｔｉｓｔｉｃｓ ＆ Ｉｎｆｏｒｍａ⁃
ｔｉｏｎ Ｆｏｒｕｍ （统计与信息论坛）， ２０１４， ２９（１）： ３４－３９
（ｉｎ Ｃｈｉｎｅｓｅ）
［１７］　 Ｔｏｎｇ Ｚ， Ｚｈａｎｇ Ｊ， Ｌｉｕ Ｘ． ＧＩＳ⁃ｂａｓｅｄ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｏｆ
ｇｒａｓｓｌａｎｄ ｆｉｒｅ ｄｉｓａｓｔｅｒ ｉｎ ｗｅｓｔｅｒｎ Ｊｉｌｉｎ Ｐｒｏｖｉｎｃｅ， Ｃｈｉｎａ．
Ｓｔｏｃｈａｓｔｉｃ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｒｅｓｅａｒｃｈ ａｎｄ Ｒｉｓｋ Ａｓｓｅｓｓｍｅｎｔ，
２００９， ２３： ４６３－４７１
［１８］　 Ｚｈａｎｇ Ｌ⁃Ｊ （张丽娟）， Ｌｉ Ｗ⁃Ｌ （李文亮）， Ｚｈａｎｇ Ｄ⁃Ｙ
（张 冬 有 ）． Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｄｉｓａｓｔｅｒ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ
ｍｅｔｈｏｄ ｂａｓｅｄｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｄｉｆｆｕｓｉｏｎ ｔｈｅｏｒｙ． Ｓｃｉｅｎｔｉａ
Ｇｅｏｇｒａｐｈｉｃａ Ｓｉｎｉｃａ （地理科学）， ２００９， ２９（２）： ２５０－
２５４ （ｉｎ Ｃｈｉｎｅｓｅ）
［１９］　 Ｌｉｕ Ｙ⁃Ｇ （刘引鸽）， Ｍｉａｏ Ｑ⁃Ｌ （缪启龙）， Ｇａｏ Ｑ⁃Ｊ
（高庆九）． Ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｍｅｔｅｏｒｏｌｏｇｙ ｄｉｓａｓｔｅｒｒｉｓｋ ａｓ⁃
ｓｅｓｓｍｅｎｔ ｂａｓｅｄ ｏｎ ｔｈｅｏｒｙ ｏｆｉｎｆｏｒｍａｔｉｏｎ ｄｉｆｆｕｓｉｏｎ． Ｓｃｉｅｎ⁃
ｔｉａ Ｍｅｔｅｏｒｏｌｏｇｉｃａ Ｓｉｎｉｃａ （气象科学）， ２００５， ２５（１）：
８４－８９ （ｉｎ Ｃｈｉｎｅｓｅ）
［２０］　 Ｔｉａｎ Ｘ⁃Ｒ （田晓瑞）， Ｌｉｕ Ｂ （刘 　 斌）． Ｒｅｓｅａｒｃｈ
ａｃｈｉｅｖｅｍｅｎｔｓ ｏｆ ｆｉｒｅ ｒｅｇｉｍｅ ａｎｄ ｆｉｒｅ ｍａｎａｇｅｍｅｎｔ． Ｗｏｒｌｄ
Ｆｏｒｅｓｔｒｙ Ｒｅｓｅａｒｃｈ （世界林业研究）， ２０１１， ２４（１）： ４６－
５０ （ｉｎ Ｃｈｉｎｅｓｅ）
［２１］　 Ｐｅｃｈｏｎｙ Ｏ， Ｓｈｉｎｄｅｌｌ ＤＴ． Ｄｒｉｖｉｎｇ ｆｏｒｃｅｓ ｏｆ ｇｌｏｂａｌ ｗｉｌｄ⁃
ｆｉｒｅｓ ｏｖｅｒ ｔｈｅ ｐａｓｔ ｍｉｌｌｅｎｎｉｕｍ ａｎｄ ｔｈｅ ｆｏｒｔｈｃｏｍｉｎｇ ｃｅｎｔｕ⁃
ｒｙ． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｎａｔｉｏｎａｌ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ ｏｆ
ｔｈｅ Ｕｎｉｔｅｄ Ｓｔａｔｅｓ ｏｆ Ａｍｅｒｉｃａ， ２０１０， １０７： １９１６７－１９１７０
［２２］　 Ｆｌａｎｎｉｇａｎ ＭＤ， Ｃａｎｔｉｎ ＡＳ， ｄｅ Ｇｒｏｏｔ ＷＪ， ｅｔ ａｌ． Ｇｌｏｂａｌ
ｗｉｌｄｌａｎｄ ｆｉｒｅ ｓｅａｓｏｎ ｓｅｖｅｒｉｔｙ ｉｎ ｔｈｅ ２１ｓｔ ｃｅｎｔｕｒｙ． Ｆｏｒｅｓｔ
Ｅｃｏｌｏｇｙ ａｎｄ Ｍａｎａｇｅｍｅｎｔ， ２０１３， ２９４： ５４－６１
［２３］　 Ｓｐｒａｃｋｌｅｎ ＤＶ， Ｍｉｃｋｌｅｙ ＬＪ， Ｌｏｇａｎ ＪＡ， ｅｔ ａｌ． Ｉｍｐａｃｔｓ ｏｆ
ｃｌｉｍａｔｅ ｃｈａｎｇｅ ｆｒｏｍ ２０００ ｔｏ ２０５０ ｏｎ ｗｉｌｄｆｉｒｅ ａｃｔｉｖｉｔｙ
ａｎｄ ｃａｒｂｏｎａｃｅｏｕｓ ａｅｒｏｓｏｌ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ ｉｎ ｔｈｅ ｗｅｓｔｅｒｎ
Ｕｎｉｔｅｄ Ｓｔａｔｅｓ． Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏｐｈｙｓｉｃａｌ Ｒｅｓｅａｒｃｈ， ２００９，
１１４， Ｄ２０３０１， ＤＯＩ， １０． １０２９ ／ ２００８ＪＤ０１０９６６
［２４］　 Ｔｉａｎ Ｘ， Ｓｈｕ Ｌ， Ｚｈａｏ Ｆ， ｅｔ ａｌ． Ｆｕｔｕｒｅ ｉｍｐａｃｔｓ ｏｆ ｃｌｉｍａｔｅ
ｃｈａｎｇｅ ｏｎ ｆｏｒｅｓｔ ｆｉｒｅ ｄａｎｇｅｒ ｉｎ ｎｏｒｔｈｅａｓｔｅｒｎ Ｃｈｉｎａ． Ｊｏｕｒ⁃
ｎａｌ ｏｆ Ｆｏｒｅｓｔｒｙ Ｒｅｓｅａｒｃｈ， ２０１１， ２２： ４３７－４４６
［２５］　 Ｌｉｕ ＺＨ， Ｙａｎｇ Ｊ， Ｃｈａｎｇ Ｙ， ｅｔ ａｌ． Ｓｐａｔｉａｌ ｐａｔｔｅｒｎｓ ａｎｄ
ｄｒｉｖｅｒｓ ｏｆ ｆｉｒｅ ｏｃｃｕｒｒｅｎｃｅ ａｎｄ ｉｔｓ ｆｕｔｕｒｅ ｔｒｅｎｄ ｕｎｄｅｒ ｃｌｉ⁃
ｍａｔｅ ｃｈａｎｇｅ ｉｎ ａ ｂｏｒｅａｌ ｆｏｒｅｓｔ ｏｆ Ｎｏｒｔｈｅａｓｔ Ｃｈｉｎａ． Ｇｌｏｂａｌ
Ｃｈａｎｇｅ Ｂｉｏｌｏｇｙ， ２０１２， １８： ２０４１－２０５６
［２６］　 Ｓｔａｔｅ Ｆｏｒｅｓｔｒｙ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ （国家林业局）． Ｃｈｉｎａ
Ｆｏｒｅｓｔｒｙ Ｓｔａｔｉｓｔｉｃａｌ Ｙｅａｒｂｏｏｋ （ １９９０ － ２００７）． Ｂｅｉｊｉｎｇ：
Ｃｈｉｎａ Ｆｏｒｅｓｔｒｙ Ｐｒｅｓｓ， ２００７ （ｉｎ Ｃｈｉｎｅｓｅ）
［２７］　 Ｄｕ Ｌ， Ｚｈｏｕ Ｔ， Ｚｏｕ ＺＨ， ｅｔ ａｌ． Ｍａｐｐｉｎｇ Ｆｏｒｅｓｔ Ｂｉｏｍａｓｓ
Ｕｓｉｎｇ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ａｎｄ Ｎａｔｉｏｎａｌ Ｆｏｒｅｓｔ Ｉｎｖｅｎｔｏｒｙ ｉｎ
Ｃｈｉｎａ． Ｆｏｒｅｓｔｓ， ２０１４， ５： １２６７－１２８３
［２８］　 Ｆｕ Ｊ⁃Ｙ （付晶莹）， Ｊｉａｎｇ Ｄ （江 　 东）， Ｈｕａｎｇ Ｙ⁃Ｈ
（黄耀欢）． Ｇｒｉｄｄｅｄ Ｐｏｐｕｌａｔｉｏｎ Ｄｉｓｔｒｉｂｕｔｉｏｎ Ｄａｔａ Ｓｅｔ ｆｏｒ
Ｃｈｉｎａ （ＰｏｐｕｌａｔｉｏｎＧｒｉｄ＿ＣｈｉｎａＰｕｂｌｉｓｈｉｎｇ Ｓｙｓｔｅｍ ｏｆ Ｃｈｉ⁃
ｎａ ａｎｄ Ｇｌｏｂａｌ Ｃｈａｎｇｅ Ｓｃｉｅｎｃｅ Ｒｅｓｅａｒｃｈ Ｄａｔａ） ［ ＥＢ ／
ＯＬ］． （２０１４⁃０６⁃０１） ［２０１５⁃０２⁃１０］． ｈｔｔｐ： ／ ／ ｗｗｗ． ｇｅｏ⁃
ｄｏｉ． ａｃ． ｃｎ ／ ＷｅｂＣｎ ／ ｄｏｉ． ａｓｐｘ？ ＤＯＩ ＝ １０． ３９７４ ／ ｇｅｏｄｂ．
２０１４． ０１． ０６． Ｖ１ （ｉｎ Ｃｈｉｎｅｓｅ）
［２９］　 Ｈｕａｎｇ Ｙ⁃Ｈ （黄耀欢）， Ｊｉａｎｇ Ｄ （江 　 东）， Ｆｕ Ｊ⁃Ｙ
（付晶莹）． Ｇｒｉｄｄｅｄ ＧＤＰ Ｄｉｓｔｒｉｂｕｔｉｏｎ Ｄａｔａ Ｓｅｔ ｆｏｒ Ｃｈｉｎａ
（ＧＤＰＧｒｉｄ ＿ Ｃｈｉｎａ）． Ｐｕｂｌｉｓｈｉｎｇ Ｓｙｓｔｅｍ ｏｆ Ｃｈｉｎａ ａｎｄ
Ｇｌｏｂａｌ Ｃｈａｎｇｅ Ｓｃｉｅｎｃｅ Ｒｅｓｅａｒｃｈ Ｄａｔａ ［ ＥＢ ／ ＯＬ ］．
（２０１４⁃０６⁃０１） ［２０１５⁃０２⁃１０］． ｈｔｔｐ： ／ ／ ｗｗｗ． ｇｅｏｄｏｉ． ａｃ．
ｃｎ ／ ＷｅｂＣｎ ／ ｄｏｉ． ａｓｐｘ？ ＤＯＩ ＝ １０． ３９７４ ／ ｇｅｏｄｂ． ２０１４．
０１．０７． Ｖ１ （ｉｎ Ｃｈｉｎｅｓｅ）
［３０］　 Ｐｉａｎｉ Ｃ， Ｗｅｅｄｏｎ ＧＰ， Ｂｅｓｔ Ｍ， ｅｔ ａｌ． Ｓｔａｔｉｓｔｉｃａｌ ｂｉａｓ
ｃｏｒｒｅｃｔｉｏｎ ｏｆ ｇｌｏｂａｌ ｓｉｍｕｌａｔｅｄ ｄａｉｌｙ ｐｒｅｃｉｐｉｔａｔｉｏｎ ａｎｄ
ｔｅｍｐｅｒａｔｕｒｅ ｆｏｒ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｈｙｄｒｏｌｏｇｉｃａｌ ｍｏｄｅｌｓ．
Ｊｏｕｒｎａｌ ｏｆ Ｈｙｄｒｏｌｏｇｙ， ２０１０， ３９５： １９９－２１５
［３１］　 Ｈａｇｅｍａｎｎ Ｓ， Ｃｈｅｎ Ｃ， Ｈａｅｒｔｅｒ ＪＯ， ｅｔ ａｌ． Ｉｍｐａｃｔ ｏｆ ａ
ｓｔａｔｉｓｔｉｃａｌ ｂｉａｓ ｃｏｒｒｅｃｔｉｏｎ ｏｎ ｔｈｅ ｐｒｏｊｅｃｔｅｄ ｈｙｄｒｏｌｏｇｉｃａｌ
ｃｈａｎｇｅｓ ｏｂｔａｉｎｅｄ ｆｒｏｍ ｔｈｒｅｅ ＧＣＭｓ ａｎｄ ｔｗｏ ｈｙｄｒｏｌｏｇｙ
ｍｏｄｅｌｓ． Ｊｏｕｒｎａｌ ｏｆ Ｈｙｄｒｏｍｅｔｒｏｒｏｌｏｇｙ， ２０１１， １２： ５５６－
５７８
［３２］ 　 ＩＳＩ⁃ＭＩＰ． Ｔｈｅ Ｉｎｔｅｒｓｅｃｔｏｒａｌ Ｉｍｐａｃｔ Ｍｏｄｅｌ Ｉｎｔｅｒｃｏｍｐａｒｉ⁃
ｓｏｎ Ｐｒｏｊｅｃｔ Ｄｅｓｉｇｎ ａｎｄ Ｓｉｍｕｌａｔｉｏｎ Ｐｒｏｔｏｃｏｌ （ Ｖ２． ３）
［ＥＢ ／ ＯＬ］． （２０１４⁃０４⁃０４） ［２０１５⁃０２⁃１０］． ｈｔｔｐ： ／ ／ ｗｗｗ．
ｎｃｂｉ． ｎｌｍ． ｎｉｈ． ｇｏｖ ／ ｐｍｃ ／ ａｒｔｉｃｌｅｓ ／ ＰＭＣ３９４８２６２ ／ ｐｄｆ ／
ｐｎａｓ． ２０１３１２３３０． ｐｄｆ
［３３］　 Ｖａｎ Ｖｕｕｒｅｎ ＤＰ， Ｅｄｍｏｎｄｓ Ｊ， Ｋａｉｎｕｍａ Ｍ， ｅｔ ａｌ． Ｔｈｅ
ｒｅｐｒｅｓｅｎｔａｔｉｖｅ ｃｏｎｃｅｎｔｒａｔｉｏｎ ｐａｔｈｗａｙｓ： Ａｎ ｏｖｅｒｖｉｅｗ． Ｃｌｉ⁃
ｍａｔｉｃ Ｃｈａｎｇｅ， ２０１１， １０９： ５－３１
［３４］　 Ｖａｎ Ｗａｇｎｅｒ ＣＥ． Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ Ｓｔｒｕｃｔｕｒｅ ｏｆ ｔｈｅ Ｃａ⁃
ｎａｄｉａｎ Ｆｏｒｅｓｔ Ｆｉｒｅ Ｗｅａｔｈｅｒ Ｉｎｄｅｘ Ｓｙｓｔｅｍ． Ｏｔｔａｗａ： Ｇｏ⁃
ｖｅｒｎｍｅｎｔ ｏｆ Ｃａｎａｄａ， Ｃａｎａｄｉａｎ Ｆｏｒｅｓｔｒｙ Ｓｅｒｖｉｃｅ， １９８７
［３５］　 Ｗｉｌｌｉａｍｓ ＡＡ， Ｋａｒｏｌｙ ＤＪ， Ｔａｐｐｅｒ Ｎ． Ｔｈｅ ｓｅｎｓｉｔｉｖｉｔｙ ｏｆ
Ａｕｓｔｒａｌｉａｎ ｆｉｒｅ ｄａｎｇｅｒ ｔｏ ｃｌｉｍａｔｅ ｃｈａｎｇｅ． Ｃｌｉｍａｔｉｃ
Ｃｈａｎｇｅ， ２００１， ４９： １７１－１９１
［３６］　 Ｓｈｉ Ｐ⁃Ｊ （史培军）． Ｔｈｅｏｒｙ ｏｎ ｄｉｓａｓｔｅｒ ｓｃｉｅｎｃｅ ａｎｄ ｄｉｓ⁃
ａｓｔｅｒ ｄｙｎａｍｉｃｓ． Ｊｏｕｒｎａｌ ｏｆ Ｎａｔｕｒａｌ Ｄｉｓａｓｔｅｒｓ （自然灾害
学报）， ２００２， １１（３）： １－９ （ｉｎ Ｃｈｉｎｅｓｅ）
［３７］　 Ｔｉａｎ Ｘ， Ｓｈｕ Ｌ， Ｗａｎｇ Ｍ， ｅｔ ａｌ． Ｔｈｅ ｆｉｒｅ ｄａｎｇｅｒ ａｎｄ ｆｉｒｅ
ｒｅｇｉｍｅ ｆｏｒ Ｄａｘｉｎｇ’ ａｎｌｉｎｇ Ｒｅｇｉｏｎ ｗｉｔｈｉｎ １９８７ － ２０１０．
Ｐｒｏｃｅｄｉａ Ｅｎｇｉｎｅｅｒｉｎｇ， ２０１３， ６２： １０２３－１０３１０
作者简介　 田晓瑞， 男， １９７１ 年生， 博士， 副研究员． 主要
从事林火研究． Ｅ⁃ｍａｉｌ： ｔｉａｎｘｒ＠ ｆｏｒｅｓｔｒｙ．ａｃ．ｃｎ
责任编辑　 杨　 弘
田晓瑞， 代玄， 王明玉， 等． 多气候情景下中国森林火灾风险评估． 应用生态学报， ２０１６， ２７（３）： ７６９－７７６
Ｔｉａｎ Ｘ⁃Ｒ， Ｄａｉ Ｘ， Ｗａｎｇ Ｍ⁃Ｙ， ｅｔ ａｌ． Ｆｏｒｅｓｔ ｆｉｒｅ ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｆｏｒ Ｃｈｉｎａ ｕｎｄｅｒ ｄｉｆｆｅｒｅｎｔ ｃｌｉｍａｔｅ ｓｃｅｎａｒｉｏｓ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ
Ｅｃｏｌｏｇｙ， ２０１６， ２７（３）： ７６９－７７６ （ｉｎ Ｃｈｉｎｅｓｅ）
６７７ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷