全 文 ：第 !" 卷 第 #$ 期
% $ # # 年 #$ 月
林 业 科 学
&’()*+(, &(-.,) &(*(’,)
./01!"!*/1#$
2345!% $ # #
黔南地区气象因子与森林火灾发生次数之间的关系!
肖云丹6鞠洪波6张雄清6纪6平
"中国林业科学研究院资源信息研究所6北京 #$$$;#$
摘6要!6对黔南区春季防火期森林火灾数据进行分析!分别引入 S/DVV/F 回归模型%负二项模型%零膨胀负二项模
型和 TPCU0N模型拟合该地区火险天气森林火灾发生数!并对这些模型进行逐步筛选& 结果表明’ S/DVV/F 回归模型
不适用于处理过度离散的数据!负二项回归模型相对于 S/DVV/F 回归模型!比较适用于过离散数据#但是对于零个
数过多的数据!这 % 类模型拟合效果较差!零膨胀负二项模型和 TPCU0N模型对这类数据有很好的解决办法& 零膨
胀负二项模型和 TPCU0N模型拟合效果优于其他 % 种模型!而且 TPCU0N模型好于零膨胀负二项模型&
关键词’6森林火灾# 火险天气# S/DVV/F 回归模型# 负二项模型# 零膨胀负二项模型# TPCU0N模型
中图分类号! &"8%1%666文献标识码!,666文章编号!#$$# A"!::"%$####$ A$#%: A$8
收稿日期’ %$#$ A$7 A#$# 修回日期’ %$#$ A$9 A%"&
基金项目’ 中国林业科学研究院资源信息研究所科研基金"(Qk(+%$$:$!$ &
!纪平为通讯作者&
Q*&#$%,’/;%"2*$?**’5%-*PH#’4*-I*#$;*-#’(5,-*/$5%-*%’b%#’’#’=-*#
LDI/OPFUIF6JP T/FEY/6n?IFELD/FElDFE6JDSDFE
"C2&’-’0’%#;"#$%&’>%�$.%&C2;#$G1’-#2 J%./2-S0%&! )3"6D%-Q-2+ #$$$;#$
=2/$-#:$’6(F 4?DVV4PUW! YIVNU /F UI4I/X4?NX/CNV4XDCN/33PCCNF3NIFU @N4N/C/0/ED3I0[ICDIY0NVDF VKCDFEXDCNKC//XDFE
KNCD/U DF ]DIFFIF ICNI! S/DVV/F CNECNVVD/F @/UN0! FNEI4D[NYDF/@DI0@/UN0! N^C/‘DFX0I4NU FNEI4D[NYDF/@DI0@/UN0IFU
TPCU0N@/UN0MNCNCNVKN34D[N0WN@K0/WNU 4/KCNUD344?NX/CNV4XDCNVPFUNCXDCN‘UIFENC30D@I4N! IFU 4?/VN@/UN0VMNCN
3/@KICNU MD4? NI3? /4?NCYIVNU /F 4?NKCNUD34D/F5+?NCNVP04VV?/MNU 4?I4’ S/DVV/F CNECNVVD/F @/UN0UDU F/4XD4MN0DF4/
4?N/[NC‘UDVKNCVD/F UI4I5*NEI4D[NYDF/@DI0UDV4CDYP4D/F XD4NU YN4NCDF4/4?NUI4I4?IF S/DVV/F UDV4CDYP4D/F5GP4Y/4? /X
4?N@MNCNF/4VPD4IY0NX/CVD@P0I4DFE N^C/UCD[NU UDVKNCVD/F UI4I5nNC/‘DFX0I4NU FNEI4D[NYDF/@DI0CNECNVVD/F @/UN0IFU
TPCU0N@/UN0MNCNPVNXP0@N4?/UVX/CVP3? UI4I5nNC/DFX0I4NU FNEI4D[NYDF/@DI0CNECNVVD/F @/UN0IFU TPCU0N@/UN0
KNCX/C@NU YN4NC4?IF /4?NC4M/@/UN0VDF KCNUD34DFEX/CNV4XDCNV5f/CN/[NC! TPCU0N@/UN0MIVN[NF VPKNCD/C4/ N^C/‘
DFX0I4NU FNEI4D[NYDF/@DI0@/UN05
>*9 ?,-(/’6X/CNV4XDCN# XDCN‘UIFENCMNI4?NC# S/DVV/F CNECNVVD/F @/UN0# FNEI4D[NYDF/@DI0@/UN0# N^C/‘DFX0I4NU FNEI4D[N
YDF/@DI0@/UN0# TPCU0N@/UN0
66森林火灾是一种自然灾害!主要与火险天气
有关!这是决定防火季节开始和结束的主要依据&
所谓火险天气就是利于森林发生火灾的气象条
件!如降水%气温%空气相对湿度%风速等等!这些
气象因子都能直接影响森林火灾的发生 "张尚印
等! %$$$# SIPVIV! %$$!$ & 因此!可以通过对这些
气象因素的分析!找出有用的信息!为森林火险预
报提供帮助& 在美国%加拿大和澳大利亚等国发
展了森林火险分级方法!通过对多种气象条件的
分析确定火灾风险!为当地森林火灾的预报工作
提供理论依据 "GCIUV4/3Z %’1*!#;;:# -NN%’1*!
%$$%$ &
我国学者对森林火灾和气象条件的关系也做了
不少研究"宋卫国等! %$$8$& 这些研究大都采用定
向描述或简单的线性回归进行模拟分析& 然而从林
火发生次数的数据结构看!简单的线性回归已不能
满足森林火灾的预报要求 "郭福涛等! %$#$ $&
S/DVV/F 模型和负二项回归模型作为计数资料模型
分析的基本方法应用广泛& 而在实际问题研究中!
又常常遇到观察事件发生数中含有大量的零!林火
的月 发 生 数 正 是 属 于 多 零 现 象 " N^C/ UCD[NU
UDVKNCVD/F$!此时 S/DVV/F 回归模型和负二项回归模
型就无能为力了!有时即便强行实现!也会给分析结
果带来失真的解释"曾平等! %$$:$& 零膨胀负二项
模型和 TPCU0N模型在于处理过离散数据时!能够解
决零计数过多的问题& 为此!考虑到林火数据结构
6第 #$ 期 肖云丹等’ 黔南地区气象因子与森林火灾发生次数之间的关系
特点!本研究基于黔南区春季防火期森林火灾发生
次数和火险天气数据!采用 S/DVV/F 回归模型%负二
项回归模型%零膨胀负二项模型和 TPCU0N模型对林
火发生次数进行模拟研究!着重介绍了零膨胀负二
项模型和 TPCU0N模型!并对这些模型进行逐步筛
选!找出最合适的模型!为黔南区森林火灾的预报工
作提供理论基础&
#6研究区概况与数据来源
@F@A研究区概况
黔南布依族苗族自治州 "黔南州$位于贵州省
中南部!总面积 %18% 万 Z@%!地理位置为 %9=$!b(
%"=%;b*!#$8=%#b(#$:=#:b)!行政所辖 #% 个县市!
分别为瓮安%福泉%贵定%龙里%长顺%惠水%都匀%平
塘%独山%三都%罗甸和荔波& 黔南州地势西北高%东
南低!地貌类型多样!以山地为主& 气候属亚热带季
风湿润气候区!其特点是季风气候明显!四季分明!
冬无严寒!夏无酷暑!降雨充沛!雨热同季!湿度较
大!日照偏少!立体气候明显& 多年平均气温稳定在
#718 c#;18 d!大于 #$ d积温 7 79$ c9 9$$ d!呈
现南部高北部低%东部高西部低的分布特点& 平均
年日照 # #$$ c# 7$$ ?!无霜期 %!$ c7%$ 天!年平均
降雨量 # #$$ c# !$$ @@!年平均相对湿度 :$> c
:7>& 黔南州是贵州省重点森林火险区之一& 全州
历年来冬%春旱严重!往往冬旱连春旱%气候干热!高
火险等级天气时间长!也是全省最先进入和最晚结
束防火期的地区&
@FCA数据来源
本研究所用数据取自黔南地区 #% 个县 #;;8(
%$$" 年间 #(! 月春季防火期林火数据和气象数
据& 气象因子主要有月最高气温"J@I_$!月平均最
高气温"J@$!月平均相对湿度"M@$!月最小相对湿
度"M@DF$!月平均风速" ,@$!月最大风速" ,@I_$!月
降雨量">I$和月蒸发量"<[$& 本研究利用上个月
的气象数据预测下个月的火灾发生数!总共有 !7%
个样本数据!随机选取 7$$ 个数据作为建模数据!其
余剩下的 #7% 个作为模型检验数据& 表 # 为气象因
子统计表&
表 @A黔南地区春季防火期月气象因子
)#2B@AD*$*,-,&,4%:#&7#-%#2&*/%’/"-%’4 0%-*"-*7*’$%,’"*-%,(,0b%#’’#’#-*#
变量
.ICDIY0NV
建模数据 QD4UI4I 检验数据 .I0DUI4D/F UI4I
最小值
fDF
最大值
fI_
均值
fNIF
标准差
&H
最小值
fDF
最大值
fI_
均值
fNIF
标准差
&H
月最高气温TDE?NV44N@KNCI4PCNKNC@/F4?ad #$1; 7"1! %819:$ 917"" #!1# 7817 %91$$! !19!!
月平均最高气温fNIF ?DE?NV44N@KNCI4PCNKNC@/F4?ad 71; 7$1" #91!$: 817$# !1" 7#1" #918;; 81!!#
月平均相对湿度fNIF 0/MNV4CN0I4D[N?P@DUD4WKNC@/F4?">$ !71: #7717 ""1777 ;1$%# #; ;818 ""1!!# :1;%7
月最小相对湿度-/MNV4CN0I4D[N?P@DUD4WKNC@/F4?">$ 7 98 7$1"#8 :1:#9 7 97 %;19 "1;;7
月平均风速fNIF MDFU [N0/3D4WKNC@/F4?a"@)VA#$ $1% 7 #17;$ $19"" $1! 71; #18#$ $1988
月最大风速TDE?NV4MDFU [N0/3D4WKNC@/F4?a"@)VA#$ # #$ 91:#: #1;:" % #71# 81%"! #1:9#
月降雨量kIDFXI0KNC@/F4?a@@ %%1: #!"1# "$1:!% #81#"8 %%1: #!"1# 881%9; %81;%%
月蒸发量)[IK/CI4D/F KNC@/F4?a@@ $1# ###1! 771%;: %%19%! %1: #7$1: 7!1#77 %91#8$
%6数据分析
CF@A零数据分布
在本研究中!首先对黔南地区春季防火期森林火
灾发生数进行简单分析!从直方图"图 #$可以看出!
频数分布向左偏!共有 99 个月没有发生森林火灾!这
也恰恰说明了林火数据中存在着大量的零数据&
CFCA多重共线性检验
本研究中!选取月最高温度%月平均最高温度%
月平均相对湿度%最小相对湿度%月平均风速%月最
大风速%月降雨量%月蒸发量 : 个主要气象因子来建
立黔南区春季防火期森林火灾发生次数模型& 为了
提高参数估计的有效性!要尽可能去掉彼此间线性
相关的气象因子!为此!在建模之前对所选的气象因
图 #6森林火灾发生数直方图
QDE5#6TDV4/ECI@/XX/CNV4XDCNV
;%#
林 业 科 学 !" 卷6
子进行多重共线性检验& 共线性检验指标有多个!
本研究选取方差膨胀因子 ".(Q! [ICDIF3NDFX0I4D/F
XI34/C$& 当方差膨胀因子 ".(Q$的值越大!说明自
变量 Q与其他自变量间存在共线性的可能性越大&
通常当 .(Q<#$ 时!便认为变量 PQ与其他变量之间
存在多重共线性& 根据表 %!.(Q的取值最大都不超
过 !!因此!可以认为这 : 个气象因子间都不存在共
线性& 共线性检验的结果见表 %&
表 CA气象因子多重共线性检验
)#2BCA)*/$,0+<&$%P:,&%’*#-%$9 0,-+*$*,-,&,4%:#&7#-%#2&*/
气象因子 .ICDIY0N J@I_ J@ M@ M@DF ,@ ,@I_ >I <[
方差膨胀因子 .(Q #1##8 7 %1$:; 7 #1#9$ $ #1!;! 7 %1#"9 8 #1;#$ 9 %1!8" # #1##9 ;
CFEA模型评价
为了比较 S/DVV/F 模型%负二项模型%零膨胀负
二项模型和 TPCU0N模型的拟合情况!通过绝对误差
"GV$和 ,(’值 "IZIDZNDFX/C@I4D/F 3CD4NCD/F$统计量
进行比较& 此外!本文将选用 .P/FE"#;:;$的模型
择优检验方法!.P/FE在 % 个模型解释能力相等的
假设下得到 Z统计量并进行似然比检验!极大地提
高了模型择优的效果&
GVT("(-Uj(-$V2! "#$
,(’TU%-/E9 c%F& "%$
式中!2 为样本数!(-为观测值!j(-为预测值!F为模
型中参数个数!-/E9 是以自然数为底的似然对数&
本研究中!S/DVV/F 模型%负二项模型%零膨胀负二项
模型和 TPCU0N模型的参数估计均在 >统计软件中
完成&
76研究方法与结果
森林火灾的发生与火险天气密切相关!也就是
与降水量%气温%空气相对湿度%风速等气象因子有
关!本研究主要利用这些气象因子建立林火次数
模型&
EF@A.,%//,’模型的拟合结果分析
S/DVV/F 回归模型是一种常用的离散数据计算
方法"恽振先! #;;%# GID0NC%’1*!#;;"# fIFUI0I^
%’1*!#;;"$& 由于 S/DVV/F 模型和负二项模型比较
常见!文中未一一列举& 根据模型的参数统计 ’检
验结果!剔除掉不显著的变量!最终得到 S/DVV/F 模
型的参数估计值及评价统计量"表 7$&
由数据分析得知!林火数据过于离散!由于
S/DVV/F 回归均数和方差相等"NlPD‘UDVKNCVD/F$ 的假
设条件过于严格!使得 S/DVV/F 回归模型不再适用!
这时可以考虑下负二项模型&
EFCA负二项回归模型的拟合结果分析
负二项分布是一种离散型的分布!它是 S/DVV/F
分布和对数分布 % 个基础分布的复合分布!主要用
于描 述 超 方 差 的 事 件 发 生 频 数 的 发 生 规 律
"BIECI/ZI! %$$9# hCNNFN! %$$:# 许飞! %$$;$& 与
S/DVV/F 模型一样!去掉不显著的变量!负二项模型
的参数估计及评价统计量见表 !&
表 EA.,%//,’模型的参数估计及模型评价!
)#2BEA.#-#+*$*-*/$%+#$%,’/#’(+,(*&
*7#&<#$%,’0,-.,//%,’+,(*&
参数
SICI@N4NC
估计值
)V4D@I4D/F
标准误
&)
@C" < ?$
截距 (F4NC3NK4 71%89 " $17$7 : m%)A#8!!!!
J@I_ A$1$%8 % $1$$" # $1$$$ %!!!!
M@ A$1$$; 8 $1$$% ; $1$$$ "!!!!
M@DF $1$$8 9 $1$$7 ! $1$9# "!
,@ A$1!#% # $1$8! % #1!#)A#$!!!!
,@I_ $1#!" $ $1$#; # #198)A#!!!!!
>I A$1$$! $ $1$$# 9 $1$$; $!!!
绝对误差 GV A$1!#" #
,(’ % 97"188;
66!显著水平 &DEFDXD3IF40N[N0’ $1$$#!!!!# $1$#!!!# $1$9!!! $1#!5
下同 +?NVI@NYN0/M5
表 GA负二项模型的参数估计及模型评价
)#2BGA.#-#+*$*-*/$%+#$%,’/#’(+,(*&
*7#&<#$%,’0,-’*4#$%7*2%’,+%#&+,(*&
参数
SICI@N4NC
估计值
)V4D@I4D/F
标准误
&)
@C" < ?$
截距 (F4NC3NK4 #18!7 " $1%78 # 717:)A#%!!!!
,@ A$17:8 8 $1#9: 8 $1$#! :!!
,@I_ $1#$% " $1$!: 8 $1$7! 9!!
绝对误差 GV A$178# !
,(’ # 88%18:9
66由表 7 和表 ! 可以看出!S/DVV/F 模型的绝对误
差为 A$1!#" #! ,(’值为 % 97"188;# 负二项模型
的绝对误差为 A$178# !!,(’值为 # 88%18:9& 因
此!相对于 S/DVV/F 分布!负二项分布拟合效果应该
比较好"f3’P0IE? %’1*!#;:;$& 另外!.P/FE检验
的检验值为 A"1$:" #88!@值为 81:!! %;)A#7 m
$1$$$ #!效果显著!说明负二项分布模拟效果优于
S/DVV/F 分布&
负二项分布与 S/DVV/F 分布不同的地方就是多
# 个离散参数!它能够解释数据的离散程度!因此!
它比 S/DVV/F 分布更具有适用性 "fI3*ND0%’1*!
%$$;$& 虽然负二项模型比 S/DVV/F 模型弹性好!但
$7#
6第 #$ 期 肖云丹等’ 黔南地区气象因子与森林火灾发生次数之间的关系
是对于零个数较多的数据!其拟合也不是很理想&
森林火灾发生的次数!并不是每月都发生!因此
在统计每月发生次数时!就会有大量的零!由此带来
数据 的过度 离 散 " N^C/UCD[NU UDVKNCVD/F $! 此 时
S/DVV/F 回归模型和负二项回归模型就无能为力了!
有时即便强行实现!也会给所分析的结果带来失真
的解释& 零膨胀负二项模型的优势在于处理过离散
数据!能够解决零计数过多的问题!即数据中出现的
异质性问题"方差大于均值$&
EFEA零膨胀负二项模型及拟合结果分析
零膨胀负二项模型就是为了拟合零过多数据而
发展起来的"-I@YNC4! #;;%# RN0V? %’1*!#;;8$!它
实际上是从零分段而建立一个混合的概率分布!它
将观察数据分为结构零部分和离散部分并分别建立
模型!从而处理事件发生数中过多零的问题&
在零膨胀负二项模型中!零数据有 % 个主要来
源’ 一是那些从未可能发生的零部分# 二是在
S/DVV/F 或负二项理论分布下没有发生的离散部分
")VZN0V/F %’1*!%$$;$& 对于零膨胀负二项模型中
的离散部分类似于负二项模型!利用广义线性模型
的方法估计参数!而对于结构零部分!-I@YNC4
"#;;% $ 提 出 利 用 0/ED4函 数 进 行 连 接& 令
0/ED4"=$ T3T’P-!这样就确保估计出来的 =较合
理的&因此!零膨胀负二项模型为’
(T)_K""# c"%P# c"7P% c
, c"2c#P2$! "7$
0/ED4"=$ T’# c’%P# c’7P% c, c’2c#P2& "!$
零膨胀负二项模型参数统计及模型评价见表 9&
表 NA零膨胀负二项模型的参数估计及模型评价
)#2BNA.#-#+*$*-*/$%+#$%,’/#’(+,(*&
*7#&<#$%,’0,-‘SK1+,(*&
参数
SICI@N4NC
估计值
)V4D@I4D/F
标准误
&)
@C" < ?$
离散部分 ’/PF4@/UN0
截距 (F4NC3NK4 %1#78 8 $1%89 ; ;17%)A#8!!!!
J@I_ A$1$$; % $1$$9 $ $1$8" !!
,@ A$17"# ; $1#99 7 $1$#8 "!!
,@I_ $1#!7 # $1$!9 % $1$$# 9!!!
>I A$1$$8 ! $1$$% " $1$%# #!!
零部分 nNC/@/UN0
截距 (F4NC3NK4 $1$98 # $1;$; 9 $1;9# $
>I A$1$!$ " $1$%$ % $1$!! !!!
绝对误差 GV $1$$# %
,(’ # 89!1!;%
66由表 ! 和表 9 可以看出!负二项模型的绝对误
差为 A$178# !!,(’值为 # 88%18:9# n(*G模型的
绝对误差为 $1$$# %!,(’值为 # 89!1!;%& 因此!相
对于负二项回归!零膨胀负二项回归模型拟合效果
比较好& 另外!.P/FE检验的检验值为 A%1%#% $$9!
@值为 $1$#7 !:7 #9 m$1$9!在 $1$9 置信水平上效
果显著!说明零膨胀负二项模型模拟效果优于负二
项模型&
EFGA8<-(&*模型及拟合结果分析
模拟多零数据的模型不止只有零膨胀负二项模
型!fP0I?W"#;:8$ 提出了 TPCU0N模型!该模型广
泛应用于经济领域!是解决多零现象的又一个模型!
而且模拟多零数据的结果也较好 "J/FNV! #;:;#
f/XI4! %$$9# hC/PFU! %$$" $& TPCU0N模型又叫
+M/‘KIC4模型 "’I@NC/F %’1*!%$$9$!它分为 % 部
分’ 一是截尾计数函数来模拟正的计数部分!如
S/DVV/F 分布%几何分布或负二项分布等# 另一部分
是 TPCU0N部分模拟零个数& TPCU0N部分函数可以
是二项分布或者是截尾计数分布等& 简单的 TPCU0N
模型是将样本中所有零值从非零值中分离出来!在
零处设定一个函数!对非零处过程用另一个函数
确定&
由于模拟 TPCU0N部分和正的计数有多种概率
函数!考虑到火灾数据结构的特点!研究利用负二项
分布 函 数 来 描 述& 在 TPCU0N部 分! 令 (#- T
N_K"Eh-)#$ 为负二项分布的期望&同样!在正的计数
部分!令 (%- TN_K"Eh-)%$ 为负二项分布的期望&有
指示函数’
CT
# (-g$
$ (-T{ $& "9$
66由概率函数可推导出这 % 部分的似然函数和
TPCU0N模型的似然函数’
9#")#!*#$ T(
2
-T#
"CU#$0F@"(-T$$ c
(
2
-T #
C0F0# U@"(-T$$1!
9%")%!*%$ T(
2
-T#
C0F@"(-g$$!
9")#!)%!*#!*%$ T9#")#!*#$ c9%")%!*%$& "8$
式中!9#")#!*#$为 TPCU0N部分的似然函数!9% ")%!
*%$为正的计数部分的似然函数& 假设这 % 部分独
立!那么 TPCU0N模型的极大似然值就是这 % 部分的
极大似然值之和&
上述 ! 类模型!不管是回归参数或者是离散参
数都是通过极大似然估计法估计出来 "’I@NC/F %’
1*!%$$9# nND0NDV%’1*!%$$:$!并均在 >统计软件
中完成& TPCU0N模型的参数估计及模型评价见
表 8&
#7#
林 业 科 学 !" 卷6
由表 9 和表 8 可以看出!n(*G模型的绝对误差
为 $1$$# %!,(’值为 # 89!1!;%# TPCU0N模型的绝对
误差为 $1$$$ !!,(’值为 # 8!81;9"& 因此!相对于
零膨胀负二项回归模型!TPCU0N模型拟合效果比较
好& 然而!.P/FE检验的检验值为 A#1%$" 78!!@值
为 $1##7 8!8 <$1$9!在 $1$9 置信水平上效果不显
著& 另外!从模拟无发生林火的结果上看 "表 "$!
TPCU0N模型拟合比 n(*G模型拟合更精确& 因此!
综合这几类评价指标!TPCU0N模型优于零膨胀负二
项模型&
表 VA8<-(&*模型参数估计及模型评价
)#2BVA.#-#+*$*-*/$%+#$%,’/#’(
+,(*&*7#&<#$%,’0,-8<-(&*+,(*&
参数
SICI@N4NC
估计值
)V4D@I4D/F
标准误
&)
@C" < ?$
离散部分 ’/PF4@/UN0
截距 (F4NC3NK4 %1#%: ! $17## 7 717)A#%!!!!
J@I_ A$1$#7 7 $1$$8 " $1$9!!
,@ A$1!"8 8 $1#:# " $1$$: "!!!
,@I_ $1#": # $1$9% ! $1$$$ 8!!!!
>I A$1$$" $ $1$$7 # $1$%" "!!
零部分 nNC/@/UN0
截距 (F4NC3NK4 $198" # $1!#" 9 $1#"! !
>I $1$#! # $1$$8 % $1$%% ;!!
绝对误差 GV $1$$$ !
,(’ # 8!81;9"
表 WA‘SK1模型和 8<-(&*模型零个数预测比较
)#2BWA3,+"#-%/,’,0"-*(%:$%’4 *^-, :,<’$/
0,-‘SK1#’(8<-(&*+,(*&
零个数实际值 2YVNC[NU N^C/3/PF4V n(*G TPCU0N
99 9; 99
图 %6TPCU0N模型的实际值与预测值
QDE5%6SCNUD34NU [I0PN/XTPCU0N@/UN0[V5/YVNC[NU [I0PN
!6模型检验
根据选出的最优模型 TPCU0N模型!利用检验数
据进行检验!得到如下结果!见图 % "实际值为森林
火灾的实际发生数!预测值是根据 TPCU0N模型所拟
合的森林火灾发生数$& 由图 % 可知 TPCU0N模型拟
合的结果相对比较好&
96结论
在黔南地区春季防火期火险天气下林火发生数
属于多零 " N^C/‘DFX0I4NU$现象!因此!对于一般的计
数过程!用标准的泊松分布%负二项分布等常用的计
数模型用来拟合不能得到比较理想的结果!而零膨
胀负二项模型在处理这类问题时的拟合效果有明显
改善& 实例研究也表明零膨胀负二项模型拟合效果
比 S/DVV/F 模型%负二项模型拟合的效果好!与郭福
涛等 " %$#$ $ 的结论一致& 而且!本文所引入的
TPCU0N模型!在预测黔南地区春季防火期森林火灾
发生数的精度比零膨胀负二项模型高!得到的
TPCU0N模型为’
(# T)_K"$198" # c$1$#! #>1$!
(% T)_K"%1%#: ! U$1$#7 7J@I_U$1!"8 8,G c
$1#": #,@I_U$1$$">1$&
因此!相对于其他 7 种模型!利用 TPCU0N模型预测
黔南地区春季防火期下月森林火灾发生次数!能够
较好地为林火发生预报工作提供理论支持& 但是!
由于本研究周期为 # 个月!相对较长!若能获得旬的
数据!TPCU0N模型预测的效果应该会更好!那么黔南
区火险天气森林火灾的预测精度将会大幅度提高&
参 考 文 献
郭福涛5%$#$5基于负二项和零膨胀负二项回归模型的大兴安岭地
区雷击火与气象因素的关系5植物生态学报! 7! " 9 $ ’ 9"#
A9""5
宋卫国! 马6剑! &I4/? B! 等5%$$85森林火险与气象因素的多元相
关性及其分析5中国工程科学! : "%$ ’ 8# A885
徐6飞5%$$;5负二项回归模型在过离散型索赔次数中的应用研
究5统计教育! "!$ ’ 97 A995
恽振先5#;;%5S/DVV/F 回归模型估计启东肝病高危人群 #! 年随访
资料的 S,k5中国公共卫生学报! ##"!$ ’ #;" A%$$5
曾6平! 刘桂芬! 曹红艳5%$$:5零膨胀模型在心肌缺血节段数影
响因素研究中的应用5中国卫生统计! %9"9$ ’ !8! A!885
张尚印! 祝昌汉! 陈正洪5%$$$5森林火灾气象环境要素和重大林
火研究5自然灾害学报! ;"%$ ’ ### A##"5
GID0NC,J! kNNU -H! &4IWFNC-+5#;;"5f/UN0DFEXI4I0DF\PCWCI4NV
PVDFES/DVV/F CNECNVVD/F’ ,3IVNV4PUW/XM/CZNCVDF IECD3P04PCN!
X/CNV4CW! IFU XDV?DFE5J/PCFI0/X&IXN4WkNVNIC3?! %: " 7 $ ’ #""
A#:85
GCIUV4/3Z k,! hD0,f5#;;:5GPV?XDCNCDVZ I44?NPCYIF DF4NCXI3N
NV4D@I4NU XC/@?DV4/CD3I0MNI4?NCCN3/CUV’ 3/FVNlPNF3NVX/C4?NPVN
/XKCNV3CDYNU XDCNDF 4?N&WUFNWCNED/F /XV/P4?‘NIV4NCF ,PV4CI0DI5
J/PCFI0/X)F[DC/F@NF4I0fIFIEN@NF4! 9%"7$ ’ %9; A%"#5
’I@NC/F , ’! +CD[NUDSB5%$$95fD3C/N3/F/@N4CD3V’ fN4?/UVIFU
,KK0D3I4D/FV5’I@YCDUENqFD[NCVD4WSCNVV! ’I@YCDUEN5
)VZN0V/F G*(! +N@NVENF T! GICCN4+f5%$$;5)V4D@I4DFE3I[D4W4CNN
IFU VFIEIYPFUIF3NPVDFEFNEI4D[NYDF/@DI0CNECNVVD/F @/UN0VIFU
%7#
6第 #$ 期 肖云丹等’ 黔南地区气象因子与森林火灾发生次数之间的关系
FNICNV4FNDE?Y/CD@KP4I4D/F @N4?/UV5’IFIUDIF J/PCFI0/XQ/CNV4
kNVNIC3?! 7;";$ ’ #"!; A#"895
hCNNFNR5%$$:5QPF34D/FI0X/C@VX/C4?NFNEI4D[NYDF/@DI0@/UN0X/C
3/PF4UI4I5)3/F/@D3V-N4NCV! ;;"7$ ’ 9:9 A9;$5
hC/PFU f5%$$"5TPCU0N@/UN0V/XI03/?/0IFU 4/YI33/N_KNFUD4PCNDF
&/P4? ,XCD3IF ?/PVN?/0UV5&/P4? ,XCD3IF J/PCFI0/X)3/F/@D3V! "8
"#$ ’ #7% A#!75
J/FNV,f5#;:;5, H/PY0N‘?PCU0N@/UN0/X3DEICN4N3/FVP@K4D/F5
J/PCFI0/X,KK0DNU )3/F/@N4CD3V! !"#$ ’ %7 A7;5
BIECI/ZIO5%$$95f/UN0DFE(FVPCIF3N&PCCNFUNCVYW4?N*NEI4D[N
GDF/@DI0f/UN05 " %$$9‘$8‘$7 $5?4K’ aaMMM5@PVIV?D5\Kac
ZIECI/ZIaCNVNIC3?a*Gfu$#"5KUX5
-I@YNC4H5#;;%5nNC/‘DFX0I4NU S/DVV/F CNECNVVD/F! MD4? IF IKK0D3I4D/F
4/UNXN34VDF @IFPXI34PCDFE5+N3?F/fN4CD3V! 7!"#$ ’ # A#!5
-NNG&! ,0N_IFUNCf)5%$$%5(FX/C@I4D/F VWV4N@VDF VPKK/C4/XMD0U
0IFU XDCN@IFIEN@NF4UN3DVD/F @IZDFEDF ’IFIUI5’/@KP4NCVIFU
)0N34C/FD3VDF ,ECD3P04PCN! 7""7$ ’ #:9 A#;:5
fI3*ND0f,! ’IC0V/F JB! GNNCZDC3?NC-k5%$$;5&?ICZ UNKCNUI4D/F
CI4NVDF KN0IED30/FE0DFNXDV?NCDNV’ I3IVNV4PUWXC/@4?N*/C4?MNV4
,40IF4D35(’)& J/PCFI0/XfICDFN&3DNF3N! 88"!$ ’ "$: A"#;5
fIFUI0I^H! ONk5#;;"5SCNUD34D/F /XX/CNV4XDCNVMD4? S/DVV/F @/UN0V5
’IFIUDIF J/PCFI0/XQ/CNV4kNVNIC3?! %"’ #8:9 A#8;!5
f3’P0IE? S! *N0UNCJ5#;:;5hNFNCI0D^NU -DFNICf/UN0V5%FU NU5’k’
SCNVV! G/3IkI4/F! Q,! q&,! 9##5
f/XI4Sh5%$$95TPCU0N@/UN0V/X0/IF UNXIP045J/PCFI0/X4?N
2KNCI4D/FI0kNVNIC3? &/3DN4W! 98";$ ’ #$87 A#$"#5
fP0I?WJ5#;:85&KN3DXD3I4D/F IFU 4NV4DFE/XV/@N@/UDXDNU 3/PF4UI4I
@/UN0V5J/PCFI0/X)3/F/@N4CD3V! 77"7$ ’ 7!# A7895
SIPVIVJh5%$$!5’?IFENVDF XDCNIFU 30D@I4NDF 4?NNIV4NCF (YNCDIF
SNFDFVP0I"fNUD4NCCIFNIF GIVDF$5’0D@I4D3’?IFEN! 87 "7 $ ’ 77"
A79$5
.P/FE]T5#;:;5-DZN0D?//U CI4D/4NV4VX/C@/UN0VN0N34D/F IFU F/F‘
FNV4NU ?WK/4?NVNV5)3/F/F@N4CD3I! 9""%$ ’ 7$" A7775
RN0V? ,T! ’PFFDFE?I@kG! H/FFN0W’Q! %’1*5#;;85f/UN0DFE
4?NIYPFUIF3N/XCICNVKN3DNV’ V4I4DV4D3I0@/UN0VX/C3/PF4VMD4?
N_4CI N^C/V5)3/0/ED3I0f/UN0DFE! ::"#$$ ’ %;" A7$:5
nND0NDV,! B0NDYNC’! JI3Z@IF &5%$$:5kNECNVVD/F @/UN0VX/C3/PF4
UI4IDF k5J/PCFI0/X&4I4DV4D3I0&/X4MICN! %"":$ ’ # A%95
!责任编辑6朱乾坤"
77#