全 文 ：雷击火发生的影响因子与预测研究进展*
张吉利摇 毕摇 武摇 王晓红摇 王孜博摇 李迪飞**
(国家林业局哈尔滨林业机械研究所, 哈尔滨 150086)
摘摇 要摇 雷击火是最重要的自然火源,由此引发的森林火灾给人类和生态环境都带来了巨大
损失,各国都非常重视对其预测研究.本文以影响雷击火形成的主要因素为切入点,着重分析
了云地闪特征、可燃物、气象和地形 4 个因素对雷击火形成、发展的影响及作用机理;在此基
础上,对雷击火预测研究中广泛使用的 Logistic 模型、K鄄函数等数学方法进行总结和评述,并
对美国、加拿大的雷击火预测方法和流程进行介绍,最后对以往研究中的不足之处提出了探
讨性的解决方案,并对未来的研究内容和趋势进行了分析,以期对我国的雷击火预测工作提
供必要的理论依据和文献参考.
关键词摇 雷击火摇 预测模型摇 云地闪摇 可燃物
文章编号摇 1001-9332(2013)09-2674-11摇 中图分类号摇 S762摇 文献标识码摇 A
Lightning鄄caused fire, its affecting factors and prediction: A review. ZHANG Ji鄄li, BI Wu,
WANG Xiao鄄hong, WANG Zi鄄bo, LI Di鄄fei (Harbin Research Institute of Forestry Machinery, State
Forestry Administration, Harbin 150086, China) . 鄄Chin. J. Appl. Ecol. ,2013,24(9): 2674-2684.
Abstract: Lightning鄄caused fire is the most important natural fire source. Its induced forest fire
brings enormous losses to human beings and ecological environment. Many countries have paid great
attention to the prediction of lightning鄄caused fire. From the viewpoint of the main factors affecting
the formation of lightning鄄caused fire, this paper emphatically analyzed the effects and action mech鄄
anisms of cloud鄄to鄄ground lightning, fuel, meteorology, and terrain on the formation and develop鄄
ment process of lightning鄄caused fire, and, on the basis of this, summarized and reviewed the logis鄄
tic model, K鄄function, and other mathematical methods widely used in prediction research of light鄄
ning鄄caused fire. The prediction methods and processes of lightning鄄caused fire in America and
Canada were also introduced. The insufficiencies and their possible solutions for the present resear鄄
ches as well as the directions of further studies were proposed, aimed to provide necessary theoreti鄄
cal basis and literature reference for the prediction of lightning鄄caused fire in China.
Key words: lightning鄄caused fire; prediction model; cloud鄄to鄄ground lightning; fuel.
*国家林业科技成果推广计划项目([2001]41)资助.
**通讯作者. E鄄mail: lidifei001@ 126. com
2012鄄12鄄25 收稿,2013鄄06鄄30 接受.
摇 摇 雷击火( lightning鄄caused fire)是自然对森林生
态系统进行干扰的一种重要途径,具有随机性、并发
性强、扑救难度大等特点.无论从火灾次数或过火面
积上,雷击火都在森林火灾中占很大的比重. 1976—
2001 年,雷击火占加拿大安大略省森林火灾总数的
43% ,占总过火面积的 81% [1],1980—2004 年,雷击
火占美国阿拉斯加州森林火灾总数的 52% [2] .我国
雷击火占全国火灾总次数的 1% ~ 2% ,主要分布于
黑龙江大兴安岭、内蒙古呼伦贝尔盟和新疆阿尔泰
山地区,并且在大兴安岭地区分布最集中[3-4] .
1966—2006 年,大兴安岭地区发生雷击火 500 余
起,约占火灾总数的 36% ,过火面积 30 余万公顷,
约占总过火面积的 4% ,并且呈继续高发态势[5-6] .
大兴安岭地区 4—9 月均有雷击火发生, 6 月为高发
月份,每日的 15:00—16:00 为雷击火情发现的集中
时段[3,7] .鉴于雷击火对林业生产和生态建设造成
的危害,各国对雷击火的研究都非常重视,目前主要
从其影响因素和火险预测两方面开展研究. 除林火
行为分析中常见的可燃物含水率和可燃物类型外,
云地闪( cloud鄄to鄄ground lightning)特征是影响雷击
火发生的另一重要因素. 以关键影响因素为研究出
发点,通过观测定位和数学模型等手段对雷击火引
燃机理、分布规律和发生概率进行深入分析,最终实
现火险的预测、预报,以达到防灾、减灾的目的是雷
应 用 生 态 学 报摇 2013 年 9 月摇 第 24 卷摇 第 9 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Sep. 2013,24(9): 2674-2684
击火研究从理论到实践的一般流程. 本文以这一流
程为主线,从影响雷击火形成的主要因素、雷击火预
测方法及应用两个方面对国内外学者的相关研究进
展进行评述,对以往研究中存在的问题提出了自己
的看法和探讨性的解决方案,并对未来的研究趋势
和内容进行展望,以期为我国雷击火防控工作提供
必要的理论依据和文献参考.
1摇 影响雷击火形成的主要因素
1郾 1摇 云地闪特征
雷雨云形成时,大气粒子由于受力不均在对流
运动中感应或摩擦带电,当带电云层与地面电场达
到一定强度(105 V·m-1数量级)时空气被击穿发生
“梯级先导冶,闪电通道形成后云地闪发生回击和连
续放电.云层下方电荷极性为正时产生的云地闪称
为正地闪,反之称为负地闪.雷击火由云地闪电流的
热效应引燃,决定能否引燃的特征参数主要包括云
地闪的极性、电流强度、连续放电时间和回击次数
等.我国东北地区在夏季正午时大气下垫面温度升
高,对流运动迅速发展,在傍晚时分达到最强,因此
云地闪多在午后至傍晚发生[8] . 这与雷击火形成的
时间规律相契合.
Fuquay等[9-10]在 20 世纪 60、70 年代对蒙大拿
地区发生的雷击火进行了一系列观测研究,在对数
十个引起雷击火的云地闪特征数据分析后发现,这
些云地闪放电过程中均伴随放电时间超过 40 ms的
长时间连续电流( long continuing current,LCC). 此
后,Fuquay 等[11]将 LCC 作为能够引发雷击火云地
闪的重要判定依据. 这一理论得到此后多数学者的
认同,并在美国国家火险等级系统(NFDRS) [12]的雷
击火险预测模块得到了应用. LCC 也成为雷击火研
究领域的一个重要研究对象. 云地闪的破坏性主要
体现在其放电功率上,根据推断,平均连续放电时间
250 ms、长度 1 cm 云地闪通道内的能量约为 7 kJ,
足以将林内的细小可燃物引燃[13] .只有具备充足放
电时间的电流才能将可燃物内部的水分蒸发,否则
即使释放热能足够大,气体瞬间膨胀形成的冲击力
也只会将可燃物击碎、击裂而并非引燃. Uman[14]研
究发现,正地闪具有的能量远超过负地闪,约 20%
的负地闪和 85%以上的正地闪具有 LCC,一般认
为,正地闪的引燃概率更高.一些干扰因素可能会对
云地闪的极性起到影响. Lyons等[15]研究发现,1998
年墨西哥火灾烟尘进入美国后,明显增加了中央大
平原地区正地闪发生的概率;此外,严重的空气污染
或干旱也会增加正地闪发生的次数[16-17],某一地区
发生的云地闪次数越多,发生雷击火的概率越
大[18] .通常正地闪只有一次回击放电过程,而负地
闪则伴随多次,其中,首次回击释放能量最强[19] .
Flannigan和 Wotton[20]研究发现,负地闪的多次回击
可以显著增加其引燃概率;Dilts等[21]使用证据权重
法分析发现,云地闪密度是影响雷击火发生的首要
因素.云地闪引燃效率( lightning efficiency)指某一
地区平均每次云地闪回击所对应的雷击火灾次数,
而引燃概率指一次回击对应的可燃物引燃概率. 引
燃效率可以粗略地统计雷击火的发生概率,美国平
均引燃效率为 1 / 100 ~ 1 / 25[22],加拿大阿尔伯塔地
区引燃效率约 1 / 1400[23],芬兰的平均引燃效率约
1 / 6600[24],西班牙加泰罗尼亚地区的引燃效率约
1 / 3300[25] . 这种差异除与各地不同的火环境有关
外,还与采用的监测设备和雷击火数据的统计方式
有很大的关系.
随着雷击火研究范围的不断扩大,一些学者对
以往的理论提出了质疑. 如 Larjavaara 等[24]通过对
芬兰雷击火数据分析发现,极性对引燃概率的影响
并不明显,并且负地闪的回击次数越多,引燃的概率
越低;Nieto 等[26]在西班牙的研究也发现,云地闪极
性与雷击火发生的相关性并不显著;Duncan 等[27]
研究发现,高密度的闪电区域并不一定对应高的雷
击火发生概率;于成龙等[6]在我国大兴安岭地区的
研究结果表明,中等强度雷电流更易引发雷击火.质
疑的理论依据主要归结为两点:1)正地闪常出现在
强雷暴天气中,其经常伴随强降雨的抑制作用大于
其高能量的引燃作用,2)现有的雷电监测系统对弱
电流云地闪的监测效率非常有限,这部分云地闪对
雷击火的影响还不清楚.
多数雷击火引燃后会自然熄灭,少部分会引起
阴燃,只有极少部分(1 / 1000 ~ 1 / 10000)会最终形
成森林火灾[23,28] .在数据统计中记录的多是火灾被
发现的时间,而实际引燃时间的确定一般只能依靠
估算. Duncan等[27]研究表明,佛罗里达 49%的雷击
火在 2 d以后才会被发现;Conedera 等[29]对阿尔卑
斯地区的研究发现,雷击火造成的地下阴燃可以持
续几天甚至几周后才转化为明火而被发现. 这种时
间错位会给云地闪监测数据与雷击火数据的对照分
析带来一定误差,进行一对一的关联就更加困难.科
研分析中使用的多是能够基本确定一对一关系的数
据集,而这仅是总体中很小的一部分.一些学者试图
以更直接的方式对雷击火进行研究,如 Miller[30]在
57629 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 张吉利等: 雷击火发生的影响因子与预测研究进展摇 摇 摇
野外用雷管引燃的方式模拟了雷击火对树木的灼烧
过程. Uman[31]对云地闪通道直径的多种间接测量
方法进行了综述,为云地闪通道内能量的计算提供
了参考依据. Latham等[32]、朱易等[33]在室内用人工
电弧模拟云地闪的放电过程,对影响引燃的连续放
电时间、可燃物含水率和组成结构等进行了分析.
Darveniza和 Zhou[34]也通过类似的试验方法对放电
过程中能量的耗散和最终的有效引燃热能进行了研
究. Frandsen[35]通过对雷击火造成的阴燃进行模拟,
分析了土壤含水率和有机质对阴燃的限制作用. 李
迪飞等[36]结合人工引雷技术对大兴安岭地区的雷
击火机理进行分析,提出了定量描述回击电流热效
应的等效电流源模型. 高速相机可以通过连续拍摄
云地闪的整个放电过程为研究提供更直观的分析数
据,目前已成为云地闪研究中一种非常重要的手
段[25,37] .
1郾 2摇 可燃物
可燃物是火灾发生的物质基础,但目前云地闪
选择可燃物目标的机理还不清楚,在研究中只能根
据现象进行推测.细小可燃物含水率变化快,具有较
高的表面积体积比和较低的密实度. Taylor[38]研究
发现,雷击火多发生于树下的枯落物层和腐木.
Kourtz[39]对加拿大 3000 多次雷击火灾数据的统计
分析表明,34% 由残枝引燃,30% 由枯落物引燃,
11%由立木引燃.舒立福等[3]对大兴安岭地区雷击
木的调查发现,遭受雷击的主要是枯立木、病腐木、
老龄木、树根和伐根,一般情况被击木是一棵,也有
成簇的情况出现. 此外,土壤作为一种特殊的可燃
物,其有机质含量对阴燃的影响也非常大[40] . Dis鄄
sing和 Verbyla[41]发现,不同植被类型覆盖的区域
(如森林和草原)云地闪分布存在很大差异,可将其
归因于吸、放热速度不同造成的热力差. 通常,针叶
树种及针叶林下的可燃物相对其他类型可燃物更容
易发生雷击火[32,42-44] .针叶林多处于纬度较高的寒
温带和亚寒带,这些地区云地闪发生的次数相对多
于低纬度地区[45],可能间接增加了雷击火发生的概
率.针叶林中适于雷击火发生的可燃物条件更好,较
长的分解周期造成可燃物积累过剩,并且针叶树种
富含油脂等易燃成分,这种物质流出后在风的摩擦
作用下产生的静电可能会使其更易遭受雷击[46],部
分针叶树种第一死枝距地面的高度比较小,地表火
形成后容易转化为难以控制的树冠火[47] .即使是同
一树种生命周期的不同阶段,雷击火发生的情况也
有明显差异.如 Renkin 和 Despain[48]比较了不同演
替阶段美国黑松林发生雷击火的数据,发现过成熟
时期更宜发生雷击火. Chen 和 Popadiouk[49]在研究
中也发现,中、幼龄林发生雷击火的频率较成熟林
低.幼龄林处于快速生长期阶段,个体的生命活动旺
盛导致其具有更高的含水率,会有效地降低其引燃
概率;成熟林和过熟林的高郁闭度也是增加雷击火
发生概率的重要原因. Wotton 和 Martell[1]研究发
现,树冠的郁闭度与雷击火发生次数呈正相关关系,
林内的高郁闭度能够截留更多的降雨使冠下可燃物
更干燥.
可燃物含水率是林火引燃的先决条件. Hall[50]
研究发现,可燃物的含水率对引燃的影响大于极性
和回击次数.在宏观尺度的雷击火险预测中多使用
根据含水率转换后的可燃物湿度码,如腐殖质湿度
码(DMC)和细小可燃物湿度码( FFMC)等. Podur
等[51]使用安大略省的雷击火和可燃物含水率数据
验证了此前 Kourtz[52]提出的利用 DMC 临界值预测
雷击火的理论. Krawchuk 等[43]通过数据分析得知,
阿尔伯塔地区 DMC 和 FFMC 临界值分别为 34 和
87. Nieto等[26]在西班牙马德里地区和西北地区得
到的 DMC 临界值分别为 16郾 0 和 22郾 7. Dowdy 和
Mills[53]以 FFMC(67)、DMC (10. 5)和 DC(165)对
澳大利亚的雷击火险进行了划分,经对比后发现,
FFMC的指示性最强.田晓瑞等[54]使用 FFMC、DMC
和 DC等对大兴安岭地区的雷击火险天气进行了分
析.杜春英等[55]将考虑了风速、气压等因子的湿润
指数引入雷击火险预测中,发现在大兴安岭地区,当
湿润指数大于 2. 6 时雷击火发生概率极低. 贾丙瑞
等[56]比较了 Palmer 和 Keetch鄄Byram 两种干旱指数
在描述大兴安岭地区雷击火特征中的适用性,发现
使用默认树冠截留量(5. 1 mm)的 Keetch鄄Byram 干
旱指数指示性更强. Renkin 和 Despain[48]对黄石公
园 300 多次雷击火发生时 1000 h 时滞可燃物含水
率观测统计发现,当其低于 13%时,引燃的雷击火
会快速转化为难以控制的森林火灾.
自然灾害、过火历史都会影响雷击火的发生.
Outcalt[57]发现,雷暴过后病虫害等衍生灾害引起的
林木大面积死亡会提供更多的有效引燃物,从而增
加雷击火发生的次数. Boer等[58]在澳大利亚的研究
发现,10 年以上未过火的林地极易发生雷击火灾.
对可燃物进行人为干扰的方式收效甚微. 王明玉
等[59]在对可燃物自组织临界性的研究中发现,人类
干扰使火灾面积减少,同时也增加了火灾次数;
Krawchuk和 Cumming[60]研究表明,采伐并不能替代
6762 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
雷击火对森林造成的干扰,并且采伐量与采伐后短
期内的雷击火呈正相关. 采伐迹地大量的低时滞可
燃物为雷击火提供了引燃的物质基础,加之太阳辐
射较之前大量增加,更容易形成干燥的火环境. 此
外,迹地演替初期草本植物的大量生长也会增加雷
击火险[61] .贺红士等[62]研究认为,平衡可燃物、采
伐、造林和自然干扰等多方面的关系才能使可燃物
管理达到理想效果.
1郾 3摇 气象因素
除云地闪外,降雨、风速、温湿度等气象因素也
都对雷击火产生影响,但目前针对这些因素的研究
并不多.降雨主要通过增加可燃物含水率、熄灭已引
燃的火源两种途径抑制雷击火的发生,多数雷击火
都会被自然降雨熄灭. 雷雨云产生的降雨如果在到
达地面前完全蒸发或所剩无几就形成了引燃概率极
高的干雷暴天气[63] . Rorig 和 Ferguson[64]研究发现,
大气下垫面的不稳定性和低湿度是发生干雷暴的重
要条件,大气在 85 与 50 kPa 下的温差与 85 kPa 下
的露点差(dew point depression)是区分干雷暴的重
要指标. McGuiney 等[65]在阿拉斯加地区的研究发
现,干雷暴中出现正地闪的概率极大,而正地闪引发
雷击火的概率约是负地闪的 3 倍. Rorig 和 Fergu鄄
son[64]将日降雨量 2. 54 mm作为西北太平洋地区发
生干雷暴天气的临界值. Fosberg[66]认为,降雨量、降
雨速率和持续时间中,持续时间对死可燃物含水率
的影响最明显. Nash和 Johnson[28]研究发现,低降雨
量条件下,气压越高,云地闪的引燃概率越高. 降雨
量数据更容易从常规的气象站获得,因此研究者常
将日降雨量或年降水量作为雷击火发生的参考临界
值. Evett等[67]研究表明,在美国西南部亚利桑那州
和新墨西哥州地区,雷击火引燃时的日降雨量临界
值为 2 mm;而在西班牙这个临界值的波动性很大,
可达 9 ~ 22. 5 mm[26] .舒立福等[3]研究表明,在年降
水量 600 mm 以上的年份,雷击火较少;而降水量
350 ~ 580 mm的年份,雷击火的发生多于往年.风一
方面增加了雷击火造成阴燃的蔓延速度,加速其生
成明火[68],另一方面也加速了阵雨过后可燃物的干
燥过程[69] .温度与风的作用途径相似.有研究发现,
随气候变暖,全球气温每升高 4 益,由雷击火引发的
森林火灾次数会增加 44% ,而过火面积会增加
78% [70] . Lutz等[71]研究了春季积雪量与雷击火的
关系,发现春季积雪的减少和消融时间的提前增加
了雷击火发生的次数. Dowdy和 Mills[53]对澳大利亚
维多利亚地区雷击火随温度、相对湿度和风速的分
布情况进行研究,发现相对湿度和温度对雷击火的
发生有明显的指示作用,而风速对其影响并不明显.
1郾 4摇 地形因素
地形因素对雷击火的影响主要包括坡度、坡向、
海拔等指标.它对云地闪、可燃物和降水等因素均能
产生影响,而且数据随时间和空间变化的幅度小并
且容易获取,致使对地形因素的空间分析成为研究
雷击火的重要途径.一般认为,纬度越高地区的雷击
火发生次数越多,但这一理论是根据数据统计得出,
没有明确的理论依据. P覿覿talo[72]研究表明,位于暴
露的山脊、山顶、坡地和其他凸出地形的植被最易受
到雷击.有研究发现,高海拔、坡度陡峭地区发生雷
击火的概率更高,原因是这些地方的雷暴天气更
强[29,41,73] . Castedo鄄Dorado 等[74]研究认为,高海拔地
区的低温和强降雨环境会显著降低雷击火发生的概
率,更重要的是高海拔地区可燃物空间上的不连续
性对雷击火有很大的抑制作用. McRae[75]对澳大利
亚雷击火空间数据的分析表明,海拔、坡度、坡向等
地形因素与雷击火的发生并无明显的规律可循. 杜
春英等[55]对大兴安岭 40 年的雷击火数据与地形数
据对比分析后发现,雷击火几乎都发生在海拔
300 ~ 800 m的中海拔地区,平坡和阳坡的雷击火发
生次数最多,坡度 1毅 ~ 4毅的山地占雷击火发生总次
数的 85. 0% .舒立福等[3]研究发现,雷击火多发生
在海拔 800 m 以上山脉的腹部或山顶的落叶松鄄偃
松林、樟子松鄄偃松林内.郭福涛等[76]对大兴安岭地
区雷击火呈聚集分布的“热点地区冶进行了空间分
析.坡向直接影响地表吸收的太阳辐射,而坡度主要
影响地表径流,海拔是限制温度的重要条件.这些因
素一方面会影响植被的空间分布,另一方面其造成
的热力差异和特殊地形也会形成不同的森林小气
候,从而影响云地闪的分布[77] .
2摇 雷击火预测方法及应用
2郾 1摇 预测模型
雷击火概率预测模型可以帮助林业部门合理分
配资源、提高火灾预防和扑救效率.对雷击火概率预
测模型的研究主要集中于北美和欧洲,我国在预测
应用方面还比较欠缺. Anderson[19]在 Fuquay 等[11]
的基础上将雷击火发生拆分为 4 个连续步骤(具备
LCC的云地闪击中可燃物、可燃物引燃、阴燃存活和
转化为明火蔓延),并分别建立了相应的概率预测
模型. Anderson[78]应用该系列模型在加拿大萨斯喀
彻温省对 6 个防火期内的雷击火险进行每日预测,
77629 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 张吉利等: 雷击火发生的影响因子与预测研究进展摇 摇 摇
预测的准确率达 55. 7% ,并发现模型对含水率极其
敏感,在干旱天气中容易造成高估.
Fuquay等[11]提出的半物理模型能从机理上解
释雷击火引燃物理过程中的随机概率问题. 该模型
后来应用于美国火险等级系统(NFDRS),模型如
下:
P ig = 1 + (
170RHOB + 6郾 20FM
茁 )[ ]兹
-琢
(1)
式中:P ig为具有 LCC 云地闪的引燃概率;RHOB 为
可燃物床层密度( g·cm-3 );FM 为可燃物含水率
(% );琢、茁、兹为待定参数.
Latham 和 Schlieter[32]在 Fuquay 等[11] 的基础
上,用 Logistic回归模型对引燃概率进行预测,模型
基本形式如下:
pci(A,B,t)= 1
1+e(-A-Bt)
(2)
式中: A 为包含不同可燃物特征的经验系数(包括
含水率、床层厚度和可燃物密实度等系数);t 为放
电持续时间(ms);B为 t的待定系数;pci(A,B,t)为
可燃物特征经验系数和连续放电时间已知条件下的
引燃概率.
Latham和 Schlieter[32]发现,云地闪的连续放电
时间并不相同,但根据极性不同其概率分布呈现出
一定规律,非常接近韦伯分布 (Weibull distribu鄄
tion),通过这一特点可采用近似数值法求得其定积
分,从而得到引燃的边缘概率.这种方法从一定程度
上解决了实际应用中连续放电时间的测量问题,进
一步提高了引燃概率的预测精度.
Logistic模型是线性模型的一种变式,能将因变
量取值限定在 0 ~ 1,在二项分布数据集中的应用很
广,而雷击火发生的“是冶与“否冶正属于这种互斥的
数据类型,因此在雷击火的概率预测中研究者多将
Logistic模型作为首选分析方法[43-44] . 现有的雷击
火概率预测模型多是 Logistic 模型的广义延伸,
D侏az鄄Avalos等[73]用广义 Logistic模型分析了俄勒冈
州蓝山地区不同时空条件下雷击火的引燃概率,并
使用贝叶斯框架对参数进行了拟合. Ord觃觡ez 等[79]
认为,降雨、相对湿度和温度等影响因子对引燃的影
响存在空间自相关性,基于地统计学的 Logistic改良
模型(generalized linear spatial models,GSLM)可以很
好地解决这个问题,通过 ROC(Receiver Operating
Characteristic) 曲线和 AUC ( Area under the ROC
Curve)值对比发现,该模型明显优于一般线性模型
(generalized linear model,GLM)的预测结果,最好的
预测情况下,GLSM的 AUC值比 GLM高 35% . Nieto
等[26]建立了西班牙马德里和阿拉贡地区的雷击火
Logistic预测模型,经变量筛选后发现雷暴次数是模
型中的最显著因子. Magnussen 和 Taylor[80]以大气
稳定指数、可燃物湿度码等为自变量,应用 Logistic
模型对加拿大不列颠哥伦比亚省每日雷击火险进行
了预测. Wotton 和 Martell[1]使用 Logistic 模型对加
拿大安大略省雷击火引燃、阴燃转化为明火两个阶
段的概率进行了预测. Hartford[81]使用 Logistic 模型
对雷击火阴燃阶段的概率进行了预测.雷小丽等[82]
将美国火险等级系统(NFDRS)中的雷击火预测模
型应用于大兴安岭地区,模型预报准确度在 80%
以上.
K鄄最近邻法是一种比较经典的数据挖掘算法.
该算法应用于雷击火空间分析时常使用 K鄄函数作
为分析模型,以火点间距离为特征参数进行分类,对
雷击火的潜在高发区进行预测. K鄄函数可表示为:
K^(h) = | A |
n2 移
n
i = 1
移
n
j = 1,j屹i
I(椰si - s j椰 臆 h)
w ij
h > 0 (3)
式中:h为用于衡量的距离尺度(km);A为研究区域
面积(km2);I 为非 0 即 1 的判别函数;椰si -s j椰为
si、s j两火点间距离(km);w ij为两点间距离的权重函
数; n为样本数.
在应用中常使用 K鄄函数的转换式 L^(h)进行空
间分析判定,转换式的形式如下:
L^(h) = h - K^(h)仔 ,h > 0 (4)
式中:仔取圆周率值.
L^(h)为 0 时表示随机分布,为正值时表示均匀
分布,负值时表示聚集分布.该算法易受研究区域边
缘效应的影响,可通过调整样本权重 w ij来减小此影
响.此外,该算法宜用于容量较大的样本,在较小的
样本中可信度较差.
Podur等[51]使用 K鄄函数对加拿大安大略省的
空间分析表明,150 ~ 200 km 尺度的雷击火呈聚集
分布,并且这种分布与雷暴和干旱的关系明显.
Wang和 Anderson[83]使用 K鄄函数对加拿大阿尔伯塔
省的空间分析表明,在 200 km 尺度上呈聚集分布,
这种分布主要与云层电荷的结构、树种和地型的交
互作用有关.郭福涛等[76]使用 K鄄函数对大兴岭地区
雷击火分布格局的研究中发现,该地区雷击火呈聚
集分布并存在“热点区域冶.
在雷击火的分析中,除使用 Logistic 模型和 K鄄
8762 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
函数两种数学方法外,也有少量其他模型. 郭福涛
等[84]认为,离散分布的雷击火数据并不满足常用的
最小二乘回归的前提,并利用负二项回归模型对大
兴安岭地区的雷击火和气象数据进行拟合,取得了
较好的效果. Wotton等[85]使用泊松回归模型对加拿
大主要省份的雷击火进行预测,观测值与模型预测
值的线性决定系数达 0. 76. Larjavaara 等[86]建立了
基于人口密度的雷击火预报经验模型,这种模型能
够估算发生后未被林火理部门记录的雷击火灾次
数.高永刚等[87]使用权重法建立了大兴安岭地区雷
击火综合指标模型,并将雷击火险划分为 4 个预报
等级.
2郾 2摇 预测应用
目前,地基云地闪监测系统主要根据回击电流
(1伊 104 ~ 3 伊 104 A)产生的低频 ( LF)和甚低频
(VLF)辐射进行多点联合定位,这种辐射依靠地波、
电离层传播,传播距离为千米数量级.现在普遍使用
的磁向时差联合法(IMPACT)综合了早期磁向定位
法(MDF)和时差法(TOA)的优势,定位误差为 2 ~ 3
km,早期 MDF 的定位误差可达十几甚至几十公
里[88] .北美、欧洲等国的云地闪监测设备多来自芬
兰的 Vaisala公司,我国的监测设备多由国内制造,
也有少量国外产品,目前被各国普遍使用的探头在
监测半径和频率范围内的定位效率约为 90% ,精度
在 500 ~ 1000 m,较先进的 LS8000 型探头精度可在
500 m以内[89-90] .美国(114 个)和加拿大(83 个)的
远程云地闪监测探头组成的北美闪电监测系统已逐
渐由 MDF 和 TOA 过渡为使用 IMPACT 进行定位,
每个探头的监测半径约 400 km,系统能够提供包括
云地闪发生时间、位置、极性、电磁波幅等数据[91] .
我国的 ADTD闪电定位系统在全国共有 300 多个监
测基站,其中,黑龙江省大兴安岭地区分布着 10
个[92],为该地区雷击火预警提供了宝贵数据. 监测
技术和设备决定了能够探测到云地闪的范围和数据
精度,由于系统更新换代和不同地区监测系统差异
等原因,造成观测数据很难被大尺度合成,而卫星观
测可以弥补地面观测在这些方面的不足[8] .
美国的雷击火险系统最成熟,也在实际预测中
得到了长期应用. Fuquay等[11]在 20 世纪 70 年代提
出雷暴活跃水平( lightning activity level,LAL)这一
指标进行雷击火预警,LAL共分 6 个预测等级,主要
根据云地闪密度、雷雨云的雷达回波高度、降雨量等
因素划分. NFDRS 中的雷击火预测模型借鉴了 Fu鄄
quay 等[11] 提出的部分理论,以雷击火发生指数
(lightning鄄fire occurrence index,,LOI)作为雷击火预
测指标进行“最坏冶情况下的预测.由于理论研究中
最终的引燃概率是针对某一特定云地闪的放电过程
计算得出,在科研中可以用高速相机和快、慢电场仪
等对连续电流进行观测[93],但大范围覆盖的闪电监
测系统缺乏这种能力,导致理论研究在实际应用中
受到了很大限制[94] .从 1999 年开始,美国林务局的
研究人员在防火期内利用气象管理系统( weather
information management system,WIMS)收集来自全美
1500 多个远程自动气象站(remote automated weather
station,RAWS)的 100 h 时滞可燃物含水率、可燃物
类型和腐质殖层厚度(可由可燃物类型推得)等数
据,汇总后传送到火险评估系统( wildland fire as鄄
sessment system,WFAS)处理,处理后的数据与根据
云地闪分析数据计算得到的引燃概率图叠加形成雷
击火险图(lightning ignition efficiency map)并发布到
网站上[95],火险图的数据精度可达 1 km2 .这种预测
方式允许决策者通过主观经验和其他技术手段综合
对比、分析当日的雷击火险,经过实践的不断较正,
预测精度正逐渐提高[96] . 火行为软件 Behave
Plus[97]的雷击火预测部分也是基于 Latham和 Schli鄄
eter[32]提出的概率预测模型,使用者通过输入可燃
物类型和云地闪极性得出雷击火的引燃概率. 加拿
大火险等级预测系统(CFFDRS) [98]的雷击火险预测
模块 FOP( fire occurrence prediction system)仍处于
研究阶段,没有与整个系统集成应用. 目前,加拿大
对雷击火的预测主要基于 Anderson[78]、Kourtz 和
Todd[99]、Wotton和 Martell[1]的理论研究成果,根据
云地闪的极性和腐殖质湿度码(DMC)对雷击火进
行预测. Wotton 等[100]在研究中发现,长期使用的
DMC数据受树冠截流作用的影响存在很大误差,于
是提出了一种指示性更强的含水率模型,以提高雷
击火险的预测精度. 加拿大对雷击火险的预报包括
两个主要部分:一是雷击火造成的阴燃火点的位置;
二是这些阴燃在多长时间后转为可被发现的明
火[101] .这种预测方法更有利于消防资源的合理配
备.澳大利亚没有专门的雷击火险系统,主要通过气
象部门对干雷暴天气的预测间接对潜在的雷击火险
进行预警[102] . 加拿大林火险天气指数(FWI)的计
算方法被广泛运用于我国大兴安岭地区[103-105],对
该地区森林雷击火险等级进行了划分并得到了较好
效果.
阴燃造成的时间滞后给雷击火险的划定和火灾
扑救带来了很大困难,目前在实践中使用模型的预
97629 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 张吉利等: 雷击火发生的影响因子与预测研究进展摇 摇 摇
测能力有限,决策者只能结合当地不同时期火灾阴
燃时间的统计数据进行经验分析. 一般会确定一个
阴燃延后时间的最大值或众值作为参照,在澳大利
亚维多利亚地区最大值被定为 3 d[53],在芬兰这一
最大值被定为 50 h[86] . 与阴燃时间的确定方法类
似,雷击火点与闪电定位系统观测到的云地闪位置
之间的距离被用于雷击火与云地闪的配对划分,这
个值的精度一般在公里级别. 这些统计值的确定具
有一定的主观性,根据时间和地域的不同会存在很
大的波动.因此在实际应用中长期监测数据的积累
十分必要.
3摇 研究展望
雷击火研究涉及学科多、交叉性强,不同领域的
研究角度存在很大差异. 在雷电探测系统的效率和
精度、气象站密度等技术手段和硬件设备配备条件
不能在短时间内有重大进展的情况下,优良的统计
模型和空间插值方法等间接手段必不可少. Ander鄄
son[78]和 Larjavaara[69]已在这方面做出一些探索.深
入理解雷击火的引燃机理和火行为是预测模型和火
险系统建立的基础,这一过程需要大量细致的模拟
试验和长期的野外观测. 目前研究人员对云地闪选
择可燃物目标机理的认识还未统一,也需要进一步
研究.因此,未来的研究可能主要围绕以下问题展
开:1)雷击火的引燃机理和阴燃火行为研究,探索
更有效的预警指示因子和预测模型;2)雷击火可燃
物类型的进一步划分;3 )雷击火险预测系统的
完善.
目前对雷击火行为机理的研究很少,试验手段
和理论支撑多建立在 20 世纪 70、80 年代的成果之
上,缺乏新的探索和尝试.云地闪模拟设备不但研究
成本高,而且模拟能力与真实闪电还存在很大差距.
今后可探索利用野外人工引雷的方式对雷击火进行
研究.雷击火发生的环境条件极复杂,模拟试验可不
局限于电学参数、含水率这些主要因子的独立作用,
而是通过火环境的综合模拟研究各因素交互、协同
作用,着重加强对表面积体积比、可燃物密度、空间
结构等因素对雷击火影响的研究. 应结合现有技术
加强对干雷暴的短期预警研究,除云地闪热效应对
引燃的影响外,还应探索雷电流经过的物理路径、机
械破坏力等对引燃的间接影响.
在空间分析中,除考虑气象站的分布密度和位
置造成的数据插值误差外,还应考虑树冠对降雨的
截流等作用对可燃物湿度码的影响,可尝试根据林
型的郁闭度为权重进行加权. 如果不对原始数据中
的误差进行有效分析和纠错,精度的损失很容易对
森林防火工作造成适得其反的效果. 由于云地闪特
征、可燃物条件等随研究尺度的伸缩变化非常大,从
提高预测精度的角度来看,建立一个宏观模型适用
多个地区是不现实的,只能通过对不同的立地条件
和气象条件的划分建立相应的预测模型,可以考虑
以森林小气候区为单位的区域预测模型. 对于我国
的雷击火预测工作,拓宽研究区域、加强对现有研究
理论的整合,尽快建立一套能够投入应用的雷击火
险预测系统,实现理论与实践相结合,并在长期的实
践积累中不断完善和发展理论十分必要.
参考文献
[1]摇 Wotton BM, Martell DL. A lightning fire occurrence
model for Ontario. Canadian Journal of Forest Research,
2005, 35: 1389-1401
[2]摇 Andrews PL. Fire danger rating and fire behavior pre鄄
diction in the United States. Proceedings of Fifth NRIFD
Symposium International Symposium, Japan, 2005:
106-117
[3]摇 Shu L鄄F (舒立福), Wang M鄄Y (王明玉), Tian X鄄R
(田晓瑞), et al. The fire environment mechanism of
lightning fire formed for Daxing爷 an Mountains. Scientia
Silvae Sinicae (林业科学), 2003, 39(6): 94-99 ( in
Chinese)
[4]摇 Tian X鄄R (田晓瑞), Shu L鄄F (舒立福), Zhao F鄄J
(赵凤君), et al. Analysis of the conditions for light鄄
ning fire occurrence in Daxing爷 anling region. Scientia
Silvae Sinicae (林业科学), 2012, 48(7): 98-103 (in
Chinese)
[5]摇 Du C鄄Y (杜春英), Li S (李摇 帅), Liu D (刘摇 丹),
et al. Spatiotemporal distribution of lightning鄄caused for鄄
est fires in Daxing爷anling area. Journal of Natural Dis鄄
asters (自然灾害学报), 2010, 19 (3): 72 - 76 ( in
Chinese)
[6]摇 Yu C鄄L (于成龙), Liu D (刘摇 丹), Du C鄄Y (杜春
英), et al. Study on the lightning conditions of lightning
fires in Daxing爷an Mountains. Journal of Northwest A&F
University (西北农林科技大学学报), 2010, 38(11):
64-70 (in Chinese)
[7]摇 Sun D (孙摇 丹), Yao S鄄R (姚树人), Han H鄄J (韩
焕金), et al. A summary of study on forming, distribu鄄
ting and monitoring of lightning fire. Forest Fire Preven鄄
tion (森林防火), 2006(2): 11-14 (in Chinese)
[8]摇 Yuan T (袁 摇 铁), Qie X鄄S (郄秀书). Spatial and
temporal distributions of lightning activities in China
from satellite observation. Plateau Meteorology (高原气
0862 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
象), 2004, 23(4): 488-494 (in Chinese)
[9]摇 Fuquay DM. Documentation of Lightning Discharges and
Resultant Forest Fires. USDA, Forest Service Research
Note, INT鄄68. Washington DC: USDA, 1967
[10]摇 Fuquay DM, Taylor AR, Hawe RG, et al. Lightning
discharges that caused forest fires. Journal of Geophysi鄄
cal Research, 1972, 77: 2156-2158
[11]摇 Fuquay DM, Baughman RG, Latham DJ, et al. A Mod鄄
el for Predicting Lightning Fire Ignition in Wildland Fu鄄
els. USDA, Forest Service Research Paper, INT鄄39.
Washington DC: USDA, 1979
[12]摇 Bradshaw LS, Deeming JE, Burgan RE, et al. The
1978 National Fire鄄danger Rating System: Technical
Documentation. USDA, Forest Service General Techni鄄
cal Report, INT鄄169. Washington DC: USDA, 1983
[13]摇 Lin Q鄄Z (林其钊), Zhu J鄄P (朱霁平), Wang Q鄄A
(王清安). Investigation on forest fire caused by light鄄
ing. Fire Safety Science (火灾科学), 1999, 8 (1):
15-21 (in Chinese)
[14] 摇 Uman MA. The Lightning Discharge. San Diego, CA:
Academic Press, 2001
[15]摇 Lyons WA, Nelson TE, Williams ER, et al. Enhanced
positive cloud鄄to鄄ground lightning in thunderstorms in鄄
gesting smoke from fires. Science, 1998, 282: 77-80
[16]摇 Kar SK, Liou YA, Ha KJ. Aerosol effects on the en鄄
hancement of cloud鄄to鄄ground lightning over major urban
areas of South Korea. Atmospheric Research, 2009, 92:
80-87
[17]摇 Lang TJ, Rutledge SA. Cloud鄄to鄄ground lightning down鄄
wind of the 2002 Hayman forest fire in Colorado. Geo鄄
physical Research Letters, 2006, 33: 1-18
[18]摇 Meisner BN, Chase RA, McCutchan MH, et al. A
lightning fire ignition assessment model. Proceedings of
the 12 th Conference on Fire and Forest Meteorology. Je鄄
kyll Island, GE, 1994: 172-178
[19]摇 Anderson KR. Lightning鄄caused fire occurrences: An
overview. Proceedings of the 6th Western Region Fire
Weather Committee Scientific and Technical Seminar,
Alberta, 1992: 27-42
[20]摇 Flannigan MD, Wotton BM. Lightning鄄ignited forest
fires in northwestern Ontario. Canadian Journal of For鄄
est Research, 1991, 21: 277-287
[21]摇 Dilts TE, Sibold JS, Biondi F. A weights鄄of鄄evidence
model for mapping the probability of fire occurrence in
Lincoln County, Nevada. Annals of the Association of
American Geographers, 2009, 99: 712-727
[22]摇 Latham DJ, Williams E. Lightning and Forest Fires.
San Diego, CA: Academic Press, 2001
[23]摇 Wierzchowski J, Heathcott M, Flannigan MD. Lightning
and lightning fire, central cordillera, Canada. Interna鄄
tional Journal of Wildland Fire, 2002, 11: 41-51
[24]摇 Larjavaara M, Pennanen J, Tuomi TJ. Lightning that ig鄄
nites forest fires in Finland. Agricultural and Forest Me鄄
teorology, 2005, 132: 171-180
[25]摇 Pineda N, Montany觔 J. Lightning Detection in Spain:
The Particular Case of Catalonia. The Netherland:
Springer, 2009
[26]摇 Nieto H, Aguado I, Garc侏a M, et al. Lightning鄄caused
fires in central Spain: Development of a probability mod鄄
el of occurrence for two Spanish regions. Agricultural
and Forest Meteorology, 2012, 162: 35-43
[27]摇 Duncan BW, Adrian FW, Stolen ED. Isolating the
lightning ignition regime from a contemporary back鄄
ground fire regime in east鄄central Florida, USA. Cana鄄
dian Journal of Forest Research, 2010, 40: 286-297
[28]摇 Nash CH, Johnson EA. Synoptic climatology of light鄄
ning鄄caused forest fires in subalpine and boreal forests.
Canadian Journal of Forest Research, 1996, 26: 1859-
1874
[29]摇 Conedera M, Cesti G, Pezzatti G, et al. Lightning鄄in鄄
duced fires in the alpine region: An increasing problem.
Forest Ecology and Management, 2006, 234: 1-9
[30]摇 Miller MC. Lightning Strike Simulation for Studying
Southern Pine Bark and Engraver Beetle Attacks. US鄄
DA, Forest Service Research Note, SO鄄296. Washing鄄
ton DC: USDA, 1983
[31]摇 Uman MA. All about Lightning. San Diego, CA: Aca鄄
demic Press, 1987
[32]摇 Latham DJ, Schlieter JA. Ignition Probabilities of Wild鄄
land Fuels based on Simulated Lightning Discharges.
USDA, Forest Service Research Paper, INT鄄411.
Washington DC: USDA, 1989
[33]摇 Zhu Y (朱摇 易), Liu N鄄A (刘乃安), Deng Z鄄H (邓
志华), et al. Experimental study on the probability of
lightning induced ignition of forest fuels. Fire Safety Sci鄄
ence (火灾科学), 2012, 21(2): 71-77 (in Chinese)
[34]摇 Darveniza M, Zhou Y. Lightning鄄initiated fires: Energy
absorbed by fibrous materials from impulse current arcs.
Journal of Geophysical Research, 1994, 99: 10663 -
10670
[35]摇 Frandsen WH. Ignition probability of organic soils. Ca鄄
nadian Journal of Forest Research, 1997, 27: 1471 -
1477
[36]摇 Li D鄄F (李迪飞), Bi W (毕摇 武), Zhang M鄄Y (张
明远), et al. Artificially triggered lightning technology
research and relevant application in forest fire preven鄄
tion. Forestry Machinery & Woodworking Equipment (林
业机械与木工设备), 2010, 38(3): 17-20 ( in Chi鄄
nese)
[37]摇 Saba MMF, Pinto Jr O, Ballarotti, M. 1969. Relation
18629 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 张吉利等: 雷击火发生的影响因子与预测研究进展摇 摇 摇
between lightning return stroke peak current and follow鄄
ing continuing current. Geophysical Research Letters,
2006, 33: L23807
[38]摇 Taylor AR. Tree鄄bole Ignition in Superimposed Light鄄
ning Scars. USDA, Forest Service Research Note, INT鄄
90. Washington DC: USDA, 1969
[39] 摇 Kourtz PH. Lightning Behaviour and Lightning Fires in
Canadian Forests. Ottawa: Queen爷s Printer, 1967
[40]摇 Van Wagner CE. Duff consumption by fire in eastern
pine stands. Canadian Journal of Forest Research,
1972, 2: 34-39
[41]摇 Dissing D, Verbyla DL. Spatial patterns of lightning
strikes in interior Alaska and their relations to elevation
and vegetation. Canadian Journal of Forest Research,
2003, 33: 770-782
[42]摇 Mitchener LJ, Parker AJ. Climate, lightning, and wild鄄
fire in the national forests of the southeastern United
States: 1989 - 1998. Physical Geography, 2005, 26:
147-162
[43]摇 Krawchuk MA, Cumming SG, Flannigan MD, et al. Bi鄄
otic and abiotic regulation of lightning fire initiation in
the mixedwood boreal forest. Ecology, 2006, 87: 458-
468
[44]摇 Reineking B, Weibel P, Conedera M, et al. Environ鄄
mental determinants of lightning. V. Human鄄induced
forest fire ignitions differ in a temperate mountain region
of Switzerland. International Journal of Wildland Fire,
2010, 19: 541-557
[45]摇 M俟ller MM, Vacik H, Diendorfer G, et al. Analysis of
lightning鄄induced forest fires in Austria. Theoretical and
Applied Climatology, 2013, 111: 183-193
[46]摇 Mahaney WC, Milner MW. Lightning鄄induced mineral /
chemical changes in red pine (Pinus resinosa). Palaeo鄄
geography, Palaeoclimatology, Palaeoecology, 2011,
309: 367-373
[47]摇 H佴ly C, Bergeron Y, Flannigan MD. Effects of stand
composition on fire hazard in mixed鄄wood Canadian bo鄄
real forest. Journal of Vegetation Science, 2009, 11:
813-824
[48]摇 Renkin RA, Despain DG. Fuel moisture, forest type,
and lightning鄄caused fire in Yellowstone National Park.
Canadian Journal of Forest Research, 1992, 22: 37-45
[49]摇 Chen HYH, Popadiouk RV. Dynamics of North Ameri鄄
can boreal mixedwoods. Environmental Reviews, 2002,
10: 137-166
[50]摇 Hall BL. Precipitation associated with lightning鄄ignited
wildfires in Arizona and New Mexico. International
Journal of Wildland Fire, 2007, 16: 242-254
[51]摇 Podur J, Martell DL, Csillag F. Spatial patterns of
lightning鄄caused forest fires in Ontario, 1976 - 1998.
Ecological Modelling, 2003, 164: 1-20
[52]摇 Kourtz PH. A System to Predict the Occurrence of Light鄄
ning鄄caused Forest Fires. Ottawa: Canadian Forestry
Service, Forest Fire Research Institute, 1974
[53]摇 Dowdy AJ, Mills GA. Atmospheric States Associated
with the Ignition of Lightning鄄attributed Fires. Centre for
Australian Weather and Climate Research Technical Re鄄
port, No. 19. Canberra: Centre for Australian Weather
and Climate Research, 2009
[54]摇 Tian X鄄R (田晓瑞), Shu L鄄F (舒立福), Wang M鄄Y
(王明玉), et al. Spatial and temporal distribution of
lightning fire and forecasting model for Daxing爷 anling
Region. Forest Research (林业科学研究), 2009, 22
(1): 14-20 (in Chinese)
[55]摇 Du C鄄Y (杜春英), Yu C鄄L (于成龙), Liu D (刘摇
丹). Environmental analysis on lightning forest fires in
Daxing爷an Mountain. Chinese Journal of Agrometeorolo鄄
gy (中国农业气象), 2010, 31 (4): 596 - 599 ( in
Chinese)
[56]摇 Jia B鄄R (贾丙瑞), Zhou G鄄S (周广胜), Yu W鄄Y (于
文颖), et al. Characteristics of lightning fire in Dax鄄
ing爷anling forest region from 1972 to 2005 and its rela鄄
tionships with drought index. Scientia Silvae Sinicae (林
业科学), 2011, 47(11): 99-105 (in Chinese)
[57]摇 Outcalt KW. Lightning, fire and longleaf pine: Using
natural disturbance to guide management. Forest Ecology
and Management, 2008, 255: 3351-3359
[58]摇 Boer MM, Sadler RJ, Wittkuhn RS, et al. Long鄄term
impacts of prescribed burning on regional extent and in鄄
cidence of wildfires: Evidence from 50 years of active
fire management in SW Australian forests. Forest Ecolo鄄
gy and Management, 2009, 259: 132-142
[59]摇 Wang M鄄Y (王明玉), Li H (李摇 华), Shu L鄄F (舒
立福), et al. The self鄄organized criticality study on for鄄
est fires in different vegetation and lightning fires. Acta
Ecologica Sinica (生态学报), 2004, 24(8): 1807 -
1811 (in Chinese)
[60]摇 Krawchuk MA, Cumming SG. Disturbance history af鄄
fects lightning fire initiation in the mixedwood boreal for鄄
est: Observations and simulations. Forest Ecology and
Management, 2009, 257: 1613-1622
[61]摇 Song SJ. Ecological Basis for Stand Management: A
Synthesis of Ecological Responses to Wildfire and Har鄄
vesting in Boreal Forests. Alberta: Alberta Research
Council, 2002
[62]摇 He H鄄S (贺红士), Chang Y (常摇 禹), Hu Y鄄M (胡
远满), et al. Contemporary studies and future perspec鄄
tives of forest fuel and fuel management. Chinese Journal
of Plant Ecology (植物生态学报), 2010, 34 (6):
741-752 (in Chinese)
2862 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
[63]摇 Rorig ML, McKay SJ, Ferguson SA, et al. Model鄄gen鄄
erated predictions of dry thunderstorm potential. Journal
of Applied Meteorology and Climatology, 2007, 46:
605-614
[64]摇 Rorig ML, Ferguson SA. Characteristics of lightning and
wildland fire ignition in the Pacific Northwest. Journal of
Applied Meteorology, 1999, 38: 1565-1575
[65]摇 McGuiney E, Shulski M, Wendler G. Alaska lightning
climatology and application to wildfire science. Proceed鄄
ings of the 85th American Meteorological Society Annual
Meeting, San Diego, CA, 2005: 2-14
[66]摇 Fosberg MA. Theory of precipitation effects on dead cy鄄
lindrical fuels. Forest Science, 1972, 18: 98-108
[67] 摇 Evett RR, Mohrle CR, Hall BL, et al. The effect of
monsoonal atmospheric moisture on lightning fire igni鄄
tions in southwestern North America. Agricultural and
Forest Meteorology, 2008, 148: 1478-1487
[68]摇 Frandsen WH. Smoldering spread rate: A preliminary
estimate. Proceedings of the 11 th Conference on Fire and
Forest Meteorology, Missoula, Montana, 1991: 168 -
172
[69]摇 Larjavaara M. Climate and forest fires in Finland鄄influ鄄
ence of lightning鄄caused ignitions and fuel moisture.
PhD Thesis. Helsinki: University of Helsinki, 2005
[70] 摇 Price C, Rind D. The impact of a 2 伊CO2 climate on
lightning鄄caused fires. Journal of Climate, 1994, 7:
1484-1494
[71]摇 Lutz JA, Van Wagtendonk JW, Thode AE, et al. Cli鄄
mate, lightning ignitions, and fire severity in Yosemite
National Park, California, USA. International Journal
of Wildland Fire, 2009, 18: 765-774
[72]摇 P覿覿talo ML. Factors influencing occurrence and impacts
of fires in northern European forests. Silva Fennica,
1998, 32: 185-202
[73]摇 D侏az鄄Avalos C, Peterson DL, Alvarado E, et al. Space
time modelling of lightning鄄caused ignitions in the Blue
Mountains, Oregon. Canadian Journal of Forest Re鄄
search, 2001, 31: 1579-1593
[74]摇 Castedo鄄Dorado F, Rodr侏guez鄄P佴rez JR, Marcos鄄Menen鄄
dez JL, et al. Modelling the probability of lightning鄄in鄄
duced forest fire occurrence in the province of Le佼n
(NW Spain) . Forest Systems, 2011, 20: 95-107
[75]摇 McRae RHD. Prediction of areas prone to lightning igni鄄
tion. International Journal of Wildland Fire, 1992, 2:
123-130
[76]摇 Guo F鄄T (郭福涛), Hu H鄄Q (胡海清), Ma Z鄄H (马
志海). Spatial point process for spatial distribution pat鄄
tern of lightning鄄caused forest fires in Daxing 爷 an
Mountains. Acta Ecologica Sinica (生态学报), 2009,
29(12): 6742-6747 (in Chinese)
[77]摇 Kilinc M, Beringer J. The spatial and temporal distribu鄄
tion of lightning strikes and their relationship with vege鄄
tation type, elevation, and fire scars in the Northern
Territory. Journal of Climate, 2007, 20: 1161-1173
[78]摇 Anderson K. A model to predict lightning鄄caused fire
occurrences. International Journal of Wildland Fire,
2002, 11: 163-172
[79]摇 Ord仵觡ez C, Saavedra A, Rodr侏guez鄄P佴rez JR, et al.
Using model鄄based geostatistics to predict lightning鄄
caused wildfires. Environmental Modelling & Software,
2012, 29: 44-50
[80]摇 Magnussen S, Taylor SW. Prediction of daily lightning鄄
and human鄄caused fires in British Columbia. Interna鄄
tional Journal of Wildland Fire, 2012, 21: 342-356
[81]摇 Hartford RA. Smoldering combustion limits in peat as
influenced by moisture, mineral content, and organic
bulk density. Proceedings of the Conference on Fire and
Forest Meteorology, Montana, 1993: 282-286
[82]摇 Lei X鄄L (雷小丽), Zhou G鄄S (周广胜), Jia B鄄R (贾
丙瑞), et al. Relationships of forest fire with lightning
in Daxing爷 anling Mountains, Northeast China. Chinese
Journal of Applied Ecology (应用生态学报), 2012, 23
(7): 1743-1750 (in Chinese)
[83]摇 Wang YH, Anderson KR. An evaluation of spatial and
temporal patterns of lightning鄄 and human鄄caused forest
fires in Alberta, Canada, 1980 - 2007. International
Journal of Wildland Fire, 2010, 19: 1059-1072
[84]摇 Guo F鄄T (郭福涛), Hu H鄄Q (胡海清), Jin S (金摇
森), et al. Relationship between forest lightning fire oc鄄
currence and weather factors in Daxing爷 an Mountains
based on negative binomial model and zero鄄inflated neg鄄
ative binomial model. Chinese Journal of Plant Ecology
(植物生态学报), 2010, 34(5): 571-577 ( in Chi鄄
nese)
[85]摇 Wotton BM, Nock CA, Flannigan MD. Forest fire oc鄄
currence and climate change in Canada. International
Journal of Wildland Fire, 2010, 19: 253-271
[86]摇 Larjavaara M, Kuuluvainen T, Rita H. Spatial distribu鄄
tion of lightning鄄ignited forest fires in Finland. Forest
Ecology and Management, 2005, 208: 177-188
[87]摇 Gao Y鄄G (高永刚), Gu H (顾摇 红), Zhang G鄄Y (张
广英). Integrated index study on forest lightning fire for
Danxing爷anling mountains. Chinese Agricultural Science
Bulletin (中国农学通报), 2010, 26(6): 87-92 ( in
Chinese)
[88]摇 Zhang Y鄄J (张义军), Meng Q (孟摇 青), Ma M (马
明), et al. Development of lightning detection tech鄄
nique with application of lightning data. Journal of Ap鄄
plied Meteorological Science (应用气象学报), 2006,
17(5): 611-620 (in Chinese)
38629 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 张吉利等: 雷击火发生的影响因子与预测研究进展摇 摇 摇
[89]摇 Dockendorff D, Spring K. The Canadian Lightning De鄄
tection Network Novel approaches for performance
measurement and network management. Proceedings of
WMO Technical Conference on Instruments and Meth鄄
ods of Observation (TECO), Bucharest, 2005: 34-37
[90]摇 Wang Q (王摇 强), Huang X鄄H (黄晓虹), Xu X鄄D
(许晓东). Shanghai Municipality爷s total lightning de鄄
tection system and its application. Journal of Natural
Disasters (自然灾害学报), 2012, 21(2): 187-193
(in Chinese)
[91]摇 Orville RE. Development of the national lightning de鄄
tection network. Bulletin of the American Meteorological
Society, 2008, 89: 180-190
[92]摇 Du B (杜摇 波), Xiao W鄄A (肖稳安), Ma Q鄄M (马
启明). Characteristics of lightning activities and corre鄄
lation with precipitation and temperature in Hei鄄
longjiang Province. Meteorological Science and Tech鄄
nology (气象科技), 2010, 38 (6): 798 - 804 ( in
Chinese)
[93]摇 Wang D鄄F (王东方), Xuan Y鄄J (宣越健), Liu J鄄M
(刘继明), et al. Analyses on the characteristic of
cloud鄄to鄄ground lightning flash in Daxing爷 anling forest
region. Chinese Journal of Atmospheric Sciences (大气
科学), 2011, 35(1): 147-156 (in Chinese)
[94] 摇 Latham DJ, Burgan R, Chase C, et al. Using Light鄄
ning Location in the Wildland Fire Assessment System.
USDA, Forest Service Gneral Technical Report INT鄄
GTR鄄349. Washington DC: USDA, 1997
[95] 摇 Jolly WM, Andrews PL, Bradshaw LS. The Wildland
Fire Assessment System (WFAS): A web鄄based re鄄
source for decision support. EastFire Conference Pro鄄
ceedings, Alberta, 2005: 37-56
[96]摇 Sopko P, Latham D, Grenfel I. Verification of the
WFAS Lightning Efficiency Map. The Fire Environ鄄
ment鄄innovations, Management, and Policy Conference
Proceedings, Destin, 2007: 539-551
[97] 摇 Andrews PL. BehavePlus Fire Modeling System, Ver鄄
sion 4. 0: Variables. USDA, Forest Service General
Technical Report RMRS鄄GTR鄄213WWW. Washington
DC: USDA, 2008
[98]摇 Stocks BJ, Lynham T, Lawson B, et al. Canadian for鄄
est fire danger rating system: An overview. The Forest鄄
ry Chronicle, 1989, 65: 258-265
[99]摇 Kourtz P, Todd B. Predicting the Daily Occurrence of
Lightning鄄caused Forest Fires. Ontario: Forestry Cana鄄
da Petawawa National Forestry Institute, 1992
[100]摇 Wotton BM, Stocks BJ, Martell DL. An index for
tracking sheltered forest floor moisture within the Cana鄄
dian Forest Fire Weather Index System. International
Journal of Wildland Fire, 2005, 14: 169-182
[101] 摇 Wotton BM. A Lightning Fire Prediction System. On鄄
tario: Canada Forest Service Frontline Express, 2012
[102]摇 Dowdy AJ, Mills GA. Characteristics of lightning鄄at鄄
tributed wildland fires in south鄄east Australia. Interna鄄
tional Journal of Wildland Fire, 2012, 21: 521-524
[103]摇 Yu J鄄L (于建龙), Liu N鄄A (刘乃安). Lightning鄄
caused wildland fire weather danger rating in Daxing爷
anling region. Fire Safety Science (火灾科学), 2010,
19(3): 131-137 (in Chinese)
[104]摇 Yang G (杨摇 光), Shu L鄄F (舒立福), Di X鄄Y (邸
雪颖). Change trends of summer fire danger in Great
Xing爷an Mountains forest region of Heilongjiang Prov鄄
ince. Chinese Journal of Applied Ecology (应用生态学
报), 2012, 23(11): 3157-3163 (in Chinese)
[105]摇 Di X鄄Y (邸雪颖), Li Y鄄F (李永福), Sun J (孙摇
建), et al. Dynamics of forest fire weather indices in
Tahe County of Great Xing爷an Mountains region, Hei鄄
longjiang Province. Chinese Journal of Applied Ecology
(应用生态学报), 2011, 22 (5): 1240 - 1246 ( in
Chinese)
作者简介摇 张吉利,男,1986 年生,助理工程师.主要从事林
火模型、雷击火研究,发表论文 3 篇. E鄄mail: xtafktj@ 126.
com
责任编辑摇 杨摇 弘
4862 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷