一种中国分区域月度或季度森林火险趋势预报的方法

摘要

本发明公开一种中国分区域月度或季度森林火险趋势预报的方法，其包括步骤：S1划分预报区域；S2建立火灾数据历史序列；S3将火灾数据历史序列标准化；S4建立大气环流数据历史序列；S5将大气环流数据历史序列标准化；S6计算火灾数据和大气环流数据的相关系数；S7绘制相关系数的空间分布图，并为每个预报区域确定一对相关系数均达到显著水平的偶极区域；S8获取待预报月度或季度大气环流的预报值序列；S9将待预报月度或季度的大气环流预报值序列标准化；S10分别计算相关系数空间分布图中偶极区域内大气环流预报值标准化后数据的均值；S11确定不同预报区域的预报参数；S12对森林火险趋势预报等级进行划分，得到每个预报区域森林火险趋势预报等级。

说明书

技术领域

本发明涉及森林火灾防控技术领域，具体而言，涉及一种中国分区域月度或季度森林火险趋势预报的方法，更具体地是一种基于大气环流的月度或季度森林火险趋势预报方法。

背景技术

森林火灾突发性强、破坏性大、危险性高，是全球发生最频繁、处置最困难、危害最严重的自然灾害之一，是生态文明建设成果和森林资源安全的最大威胁，甚至引发生态灾难和社会危机。我国生态脆弱，气候影响显著，森林火灾频发，森林火灾的防控是国家灾害防控的重点之一。森林火灾发生的危险性(森林火险)趋势分析和预报是火险管理部门提前安排防控工作的重要依据，但月度或季度的长期火险趋势预报一直是火险研究领域的世界性难题。当前森林火险长期趋势预报的主要依据是气温和降水，即将气温高低和降水多少作为判断森林火险高低的主要参数。

大气环流是全球范围的大气运行现象，它既包括多年平均状态，也包括瞬时现象。大气环流系统(气旋和反气旋、西风急流等)水平尺度在数千公里以上，垂直尺度在10公里以上，时间尺度在数天以上，某一大范围的地区(例如欧亚地区、半球、全球)，某一大气层次(例如对流层或平流层)在一个长时期(例如月度、季度、年度或多年)的大气运动的平均状态或某一个时段(例如一周或梅雨期间)的大气运动的变化过程都可以称为大气环流。大气环流构成了全球大气运动的基本形势，是全球气候特征和大范围天气形势的主导因子，也是各种尺度天气系统活动的背景。大气环流输送能量、水分和动量，改变火区气象条件和可燃物湿度，是火灾发生的原始驱动力。对于大气环流与火灾发生相关性的研究国内外都有报导，但相关研究多停留在对历史数据定性分析层面，研究结果呈现为单独的某一大气环流异常(例如厄尔尼诺、拉尼娜等)与森林火灾的正相关或负相关，尚未形成将大气环流用于森林火险长期趋势预报参数的方法和技术。

当前林火管理部门基于气温和降水的森林火险长期趋势预报方法有一定的理论基础，但该方法存在以下技术上的瓶颈：

(1)单一的气温和降水与火灾发生的相关性较好，但两者的异常变化可能对火险趋势的影响相反。当气温和降水的异常趋势与它们影响火险的趋势一致时，火灾发生的危险性很好判断，例如：气温升高、同时降水减少，则火险升高；气温降低、同时降水增多，则火险降低。但当气温和降水的异常趋势与它们影响火险的趋势不一致时，二者的耦合会使火灾发生的危险性变得非常复杂，很难判断，例如：气温升高、同时降水增多；气温降低、同时降水降低。

(2)气温和降水的长期预报来源于气候模式的数值模拟或统计预报，其月度或季度的预报精度低于大气环流的预报精度。地面气温和降水在日尺度和周尺度上受区域性天气过程的控制，同时也受到局地景观类型和地形的极大影响，这些景观类型和地形空间差异性很大。目前，大气动力学和统计模式能够在短时间尺度上模拟天气系统和局地因子的影响，因此气温和降水在日、周尺度上是预测当地火灾发生危险性的有利工具，但在预测更长时间尺度的区域性火险方面能力有限；相反，大气环流是区域天气系统的驱动力，它们是在长时间尺度上受大气-海洋相互作用影响较大的全球过程。气候模式对全球长期大气环流趋势的预测比对局部温度和降水的预测更准确。因此，大气环流在预测区域性长期森林火险趋势方面是非常有价值的因子。

发明内容

为了解决上述问题，本发明提供一种基于大气环流的月度或季度森林火险趋势预报方法，用以提高中国分区域月度或季度长期火险趋势预报的精度，可提前一个月或一个季度预报全国不同区域森林火灾发生的危险性，为全国森林火灾防控工作的提前部署提供科学的数据和技术支撑，从而解决基于气象因子(气温和降水)的森林火险月度或季度趋势预报中所遇到的技术瓶颈问题，提高森林火险长期预报的准确性。

为达到上述目的，本发明提供了一种中国分区域月度或季度森林火险趋势预报的方法，其包括以下步骤：

S1：划分预报区域，具体为根据地形、气候、植被和火灾发生情况将全国划分成多个预报区域；

S2：建立火灾数据历史序列，具体为将不同预报区域多年火灾数据按月度或季度汇总后形成火灾数据的历史序列；

S3：将火灾数据历史序列标准化；

S4：建立大气环流数据历史序列，其中，大气环流数据为全球500hPa气压位势高度月度格点数据或季度格点数据；

S5：将大气环流数据历史序列标准化；

S6：计算火灾数据和大气环流数据的相关系数；

S7：绘制相关系数的空间分布图，并为每个预报区域确定一对相关系数均达到显著水平的偶极区域；

S8：获取待预报月度或季度大气环流的预报值序列，具体为从气候中心网站获取不同预报时长的500hPa位势场的预报值；

S9：将待预报月度或季度的大气环流预报值序列标准化；

S10：分别计算相关系数空间分布图中偶极区域内大气环流预报值标准化后数据的均值；

S11：确定不同预报区域的预报参数；

S12：对森林火险趋势预报等级进行划分，并根据每个预报区域的预报参数对应得到待预报月度或季度的森林火险趋势预报等级。

在本发明一实施例中，其中，S3中进行标准化的具体过程为：

S301：设全国J年内发生的火灾数量或火面积数据为F(i,j,k)，其中，k为预报区域，j为年，i为任一自然月或季度；

S302：计算全国不同预报区域、不同月度或季度火灾发生数量的年均值E[F(i,k)]和均方差σ[F(i,k)]分别为：

S303：计算标准化火灾数据历史序列F′(i,j,k)

在本发明一实施例中，其中，S4中月度格点数据为对应美国国家环境预测中心网站中全球500hPa气压位势高度月尺度格点数据，季度格点数据为美国国家环境预测中心网站中所述季度对应的3个月的全球500hPa气压位势高度月尺度格点数据的平均值。

在本发明一实施例中，其中，S5中进行标准化的具体过程为：

S501：设全球500hPa气压位势高度月度或季度格点数据为Z(i,j,x)，其中，j为与S301相同的年，i为与S301相同的自然月或季度，x为大气环流数据对应的不同空间格点；

S502：计算不同月度或季度、不同格点上Z(i,j,x)值的年均值E[Z(i,x)]和均方差σ[Z(i,x)]，

S503：计算标准化大气环流数据历史序列Z′(i,j,x)

在本发明一实施例中，其中，S6中相关系数具体为标准化火灾数据历史序列与相对应的月度或季度不同格点的标准化大气环流数据历史序列的相关系数，具体计算公式为：

在本发明一实施例中，其中，S7中相关系数的空间分布图中的偶极区域具体为每个预报区域在任一月度或季度确认并定位的一对偶极相关区，其中：

每个偶极相关区的相关系数达到显著性水平，即置信度为0.1或更高；

两个偶极相关区的相关系数相反，分别定义为正相关区和负相关区；

两个偶极相关区位于预报区域附近的两侧。

在本发明一实施例中，其中，S9中大气环流预报值序列标准化的具体过程为：

S901：设500hPa位势场的大气环流预报值为Z

S902：将预报值Z

式中，E[Z(i,x)]和σ[Z(i,x)]分别为S502所得到的大气环流历史数据的均值和均方差。

在本发明一实施例中，其中，S10中分别计算相关系数空间分布图中偶极区域内大气环流预报值标准化后数据的均值，具体为分别计算偶极相关区内标准化后数据的均值，其计算过程为：

S1001：设正相关区为Z

S1002：汇总计算正相关区或负相关区内所有格点的均值E[Z

式中，N为格点总数。

在本发明一实施例中，其中，S11中预报参数的确定过程具体为：

S1101：计算正相关区的预报参数R

S1102：计算负相关区的预报参数R

S1103：计算整体预报参数R为

式中，N

在本发明一实施例中，其中，S12中森林火险趋势预报划分的等级具体为：

当R≥1时，设定火险趋势预报等级为明显偏高；

当0.5≤R<1时，设定火险趋势预报等级为稍偏高；

当-0.5

当-1

当R≤-1时，设定火险趋势预报等级为明显偏低。

本发明通过以大气环流历史值、预报值为基础，建立了一种中国分区域的月度或季度森林火险长期趋势预报的方法和技术。虽然国内外文献报导中提到大气环流对火灾发生有一定的影响，但其研究仅局限于对历史数据的统计结果，并未有可实际应用的预报技术和方法。本发明以格点上的大气环流数据为基点，深度研究了每个格点位置的大气环流异常值对森林火灾发生所产生的影响，这种大气环流数据与火灾数据相关性的研究方法为本发明首次建立。

此外，本发明还为每个预报区都定位了一对与该预报区火灾发生最显著相关的大气环流所在的偶极相关区，并构建了基于大气环流数据历史值和预报值的月度或季度森林火险趋势预报参数，与现有技术相比，森林火险趋势预报参数对高火险趋势预报有非常优异的表现，对于林火管理实践具有重要的应用价值。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例的方法流程图；

图2为本发明一实施例中全国森林火险趋势预报区域示意图；

图3为本发明一实施例中9月森林火灾发生数量与500hPa相关系数的空间分布图；

图4为本发明一实施例中国家气候中心2019年9月500hPa预报值示意图；

图5为本发明一实施例中夏季森林火灾发生数量与500hPa相关系数的空间分布图；

图6为本发明一实施例中国家气候中心2019年夏季(6月～8月)500hPa预报值示意图。

附图标记说明：S12～S12-步骤。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

图1为本发明一实施例的方法流程图，如图1所示，本发明提供了一种中国分区域月度或季度森林火险趋势预报的方法，本实施例以2019年9月全国森林火险趋势等级预报为例，其包括以下步骤：

第一步：划分预报区域。

我国地域辽阔，从南到北地形、气候和植被状况差异很大，森林火灾发生情况也有很大差异，首先根据地形、气候、植被和火灾发生情况将全国划分成K个预报区域。

图2为本发明一实施例中全国森林火险趋势预报区域示意图，如图2所示，在本实施例中，根据地形、植被、气候和火灾发生情况将全国分成7个预报区域，即K＝7，其分别为：

东北区：包括整个大兴安岭、黑龙江、吉林、辽宁；

华北区：包括内蒙古(不包括大兴安岭)、河北、山西、山东；

华中区：包括河南、安徽、湖北、江苏、浙江；

华南区：包括湖南、江西、福建、广东、广西、海南；

西南区：包括四川、贵州、云南；

西藏区：包括西藏；

西北区：包括新疆、陕西、甘肃、青海、宁夏。

第二步：建立火灾数据历史序列。

将用于火险预报模型构建的全国J年内发生的火灾数量或火面积数据F(i,j,k)，按预报区域(k)、年(j)、月度(i)进行汇总。i为一个自然月(1月～12月)，最终获得的月度火灾数据历史序列共有J×12月。

在本实施例中，汇总统计1999-2017年期间不同预报区域9月份发生的火灾数量为F(i,j,k),其中，i表示9月，j表示年，共19年，即J＝19；k为预报区域，共7个预报区域，即K＝7，则每个预报区域的火灾数据共有19个。

第三步：将火灾数据序列标准化。

计算全国不同预报区域(k)、不同月度(i)火灾发生数量的年均值E[F(i,k)]和均方差σ[F(i,k)]，

从而得到标准化火灾数据历史序列F′(i,j,k)

在本实施例中，根据式(1)和式(2)计算1999-2017年期间，不同预报区域(k)9月份火灾发生数量的年均值E(F)和均方差σ(F)，并根据式(3)对原始数据进行标准化，得到标准化数据序列F′(i,j,k)。

第四步：建立大气环流数据历史序列。

本发明实施例选择大气环流数据中的500hPa位势场值用于火险预报模型的构建，具体为从美国国家环境预测中心网站获取全球500hPa气压位势高度月尺度格点数据Z(i,j,x)，该数据与火灾数据时间长度相对应，i代表不同月度，j代表不同年，x代表不同的空间格点，其地理位置由经度和纬度共同决定。X为格点数，是由构建时涵盖的地理区域及格点之间的距离所共同决定的。

在本实施例中，从美国国家环境预测中心网站获取全球1999-2017年9月份的500hPa气压位势高度月尺度格点数据Z(i,j,x)，其中，分辨率为2.5°，模型构建地理区域为45°-160°E，0°-90°N。i表示9月；j表示年，共19年，即J＝19；x为格点，共1656个格点，即X＝1656。

第五步：将大气环流数据历史序列(Z值数据序列)标准化。

计算不同月度(i)、不同格点(x)上Z(i,j,x)值的年均值E[Z(i,x)]和均方差σ[Z(i,x)]，

从而获得标准化大气环流数据历史序列Z′(i,j,x)

在本实施例中，根据式(4)和式(5)计算1999-2017年期间，9月份的500hPa气压位势高度月尺度格点数据Z(i,j,x)的历史均值E(Z)和均方差σ(Z)，并根据式(6)对原始数据进行标准化，得到标准化数据序列Z′(i,j,x)。

第六步：计算火灾数据和大气环流数据的相关系数。

计算全国不同预报区域(k)、不同月度(i)的火灾数据的标准化数据序列F′(i,j,k)与相对应的月度(i)、不同格点(x)的大气环流数据的标准化数据序列Z′(i,j,x)的相关系数r(i,k,x)为

在本实施例中，根据式(7)计算标准化后数据序列F′(i,j,k)和Z′(i,j,x)在各格点上的相关系数r(i,k,x)。

第七步：绘制相关系数的空间分布图，并为每个预报区域确定一对相关系数均达到显著水平的偶极区域。

基于月度火灾数据和不同格点大气环流数据的相关系数绘制不同预报区域(k)、不同月度(i)的相关系数r(i,k,x)的空间分布图；相关系数的空间分布图中的偶极区域具体为每个预报区域(k)、每个月度(i)确认并定位的一对偶极相关区，这一对偶极相关区的相关系数具有以下识别特征：①每个相关区的相关系数都达到显著性水平，即置信度为0.1或更高；②两个区域相关系数相反，其中一个区为正相关，另一个区为负相关；③位于预报区域附近两侧(通常位于预报区的左右两侧)。其中，Z

图3为本发明一实施例中9月森林火灾发生数量与500hPa相关系数的空间分布图，如图3所示，在本实施例中，(a)为东北区，(b)为华北区，(c)为华中区，(d)为华南区，(e)为西南区，(f)为西藏区，(g)为西北区，其中，当相关系数为0.39或-0.39时，置信度值p<0.1；当相关系数为0.46或-0.46时，置信度值p<0.05；当相关系数为0.58或-0.58时，置信度值p<0.01，置信度值越小其置信度水平越高。以东北区为例，其中，正相关区的相关系数最高为0.58，负相关区的相关系数最高为-0.46，正相关区的置信度值为p<0.01，负相关区的置信度值为p<0.05，置信度水平均较高，达到了显著性水平。

第八步：获取待预报月度大气环流的预报值序列。

其中，可以从国家气候中心(NCC)、美国国家气候中心(NCEP)、欧洲中期天气预报中心(ECMWF)、东京气候中心(TCC)、韩国气候中心(APCC)等气候中心网站获得不同预报时长(t)的500hPa位势场的预报值Z

图4为本发明一实施例中国家气候中心2019年9月500hPa预报值示意图，如图4所示，在本实施例中，获取的待预报月度大气环流的预报值序列是从国家气候中心网站(NCC)获得的2019年9月1日公布的2019年9月500hPa位势场值的预报值Z

第九步：将待预报月度的大气环流预报值序列标准化。

通过式(8)将500hPa位势场的预报值Z

式中，E[Z(i,x)]和σ[Z(i,x)]分别为第五步构建模型时所用的大气环流历史数据的均值和均方差。

在本实施例中，根据式(8)将500hPa位势场值的预报值Z

第十步：分别计算相关系数空间分布图中偶极相关区内大气环流预报值标准化后数据的均值。

分别汇总计算落入偶极相关区中正相关区Z

其中，n为相关区内的任一格点，正相关区Z

第十一步：确定不同预报区域的预报参数。

其中，预报参数的计算具体为：

S1101：计算正相关区的预报参数R

S1102：计算负相关区的预报参数R

S1103：计算整体预报参数R为

式中，N

第十二步：对森林火险趋势预报等级进行划分，并根据每个预报区域的预报参数对应得到待预报月度的森林火险趋势预报等级。

其中，森林火险趋势预报的等级具体为：

当R≥1时，设定火险趋势预报等级为明显偏高；

当0.5≤R<1时，设定火险趋势预报等级为稍偏高；

当-0.5

当-1

当R≤-1时，设定火险趋势预报等级为明显偏低。

具体等级划分请参考表1：

表1森林火险趋势预报等级表

由此获得森林火险趋势预报结果为：基于计算出的预报参数R，查对应森林火险趋势预报等级表即可获得全国不同分区(k)、待预报月度的森林火险趋势预报等级。

在本实施例中，通过计算得到全国7个分区9月份的森林火险趋势预报等级如表2：

表2 2019年9月火险趋势等级预报结果

在本实施例中，用于森林火险趋势预报模型的火灾数据和大气环流数据分别为1999-2017年全国分省火灾统计数据，和相对应时间长度的500hPa位势场数据，涵盖地理区域为45°-160°E，0°-90°N。

通过本实施例完成的2019年9月火险趋势预报及其效果分析见表3，可以看出各预报区9月火灾实际发生情况与预报结果基本相符：例如东北区、华北区、西南区9月份火险趋势预报等级为“明显降低”，其实际火灾发生数量都为0，较历史均值的降低幅度都为-100％；华中区、华南区的9月份火险趋势预报等级为“明显偏高”，其实际火灾发生数量分别为49和119，分别比历史均值分别增加了703.3％和170.5％；西北区9月份火险趋势预报等级为“稍降低”，其实际火灾发生数量为2，比历史均值降低了31％。另外，1999-2017年西藏区9月份火灾发生数量为0，由于在预报模型构建时未发现与9月份火灾发生数量明显相关的大气环流区域，所以西藏区9月份火灾发生趋势预报等级为“与往年持平”，实际火灾发生数量也为0。

表3 2019年9月火险趋势预报效果分析

因此，采用本发明的方法进行月度火险趋势预报的准确度较高。

实施例二：

本实施例以2019年夏季全国森林火险趋势等级预报为例，其包括以下步骤：

第一步：划分预报区域。

在本实施例中，根据地形、植被、气候和火灾发生情况将全国分成7个预报区域(K＝7)，其划分方式与实施例一相同，在此不再赘述。

第二步：建立火灾数据历史序列。

将用于火险预报模型构建的全国J年内发生的火灾数量或火面积数据F(i,j,k)，按预报区域(k)、年(j)、季度(i)进行汇总。其中，i为一个季度(冬季：12月～次年2月、春季：3月～5月、夏季：6月～8月、秋季：9月～11月)，最终获得的季度火灾数据历史序列共有J×4季度。

在本实施例中，汇总统计1999-2017年期间不同预报区域夏季发生的火灾数量为F(i,j,k)，其中，i表示夏季(6月～8月)，j表示年，共19年，即J＝19；k为预报区域，共7个预报区域，即K＝7，则每个预报区域的火灾数据共有19个。

第三步：将火灾数据序列标准化。

在本实施例中，根据与实施例一相同的式(1)和式(2)计算1999-2017年期间，不同预报区域(k)夏季火灾发生数量的年均值E(F)和均方差σ(F)，并根据式(3)对原始数据进行标准化，得到标准化数据序列F′(i,j,k)。

第四步：建立大气环流数据历史序列。

在本实施例中，从美国国家环境预测中心网站获取全球1999-2017年6月、7月和8月份的500hPa气压位势高度月尺度格点数据，并对各格点数据取3个月的平均值，得到季度格点数据Z(i,j,x)，其中，分辨率为2.5°，模型构建地理区域为45°-160°E，0°-90°N。其中，i表示夏季(6月～8月)；j表示年，共19年，即J＝19；x为格点，共1656个格点，即X＝1656。

第五步：将大气环流数据历史序列(Z值数据序列)标准化。

在本实施例中，根据与实施例一相同的式(4)和式(5)计算1999-2017年期间，夏季500hPa气压位势高度季度格点数据Z(i,j,x)的历史均值E(Z)和均方差σ(Z)，并根据式(6)对原始数据进行标准化，得到标准化数据序列Z′(i,j,x)。

第六步：计算火灾数据和大气环流数据的相关系数。

在本实施例中，根据与实施例一相同的式(7)计算标准化后数据序列F′(i,j,k)和Z′(i,j,x)在各格点上的相关系数r(i,k,x)。

第七步：绘制相关系数的空间分布图，并为每个预报区域确定一对相关系数均达到显著水平的偶极区域。

图5为本发明一实施例中夏季森林火灾发生数量与500hPa相关系数的空间分布图，如图5所示，在本实施例中，为每个预报区域(k)、每个季度(i)确认并定位一对偶极相关区，这一对偶极相关区的相关系数具有以下识别特征：①每个相关区的相关系数都达到显著性水平，即置信度为0.1或更高；②两个区域相关系数相反，其中一个区为正相关，另一个区为负相关；③位于预报区附近两侧。图5中东北区、华北区、华中区、华南区、西南区、西藏区和西北区中，正相关系数从低到高对应的置信度值依次为p<0.1、p<0.05和p<0.01，负相关系数从低到高对应的置信度值依次也为p<0.1、p<0.05和p<0.01，置信度值越小其置信度水平越高。以东北区为例，其中，正相关区的置信度值为p<0.01，负相关区的置信度值均为p<0.05，置信度水平均较高，达到了显著性水平。

第八步：获取待预报季度大气环流的预报值序列。

图6为本发明一实施例中国家气候中心2019年夏季(6月～8月)500hPa预报值示意图，如图6所示，在本实施例中，获取的待预报季度大气环流的预报值序列是从国家气候中心网站(NCC)获得的2019年6月1日公布的2019年夏季500hPa位势场值的预报值Z

第九步：将待预报季度的大气环流预报值序列标准化。

在本实施例中，根据与实施例一相同的式(8)将500hPa位势场值的预报值Z

第十步：分别计算相关系数空间分布图中偶极相关区内大气环流预报值标准化后数据的均值。

分别汇总计算落入偶极相关区中正相关区Z

其中，n为相关区内的任一格点，正相关区Z

第十一步：确定不同预报区域的预报参数。

其中，预报参数的计算具体为：

S1101：计算正相关区的预报参数R

S1102：计算负相关区的预报参数R

S1103：计算整体预报参数R为

式中，N

第十二步：对森林火险趋势预报等级进行划分，并根据每个预报区域的预报参数对应得到待预报季度的森林火险趋势预报等级。

在本实施例中，通过计算得到全国7个分区夏季(6月～8月)的森林火险趋势预报等级如表4：

表4 2019年夏季火险趋势等级预报结果

在本实施例中，用于森林火险趋势预报模型的火灾数据和大气环流数据与实施例一用于2019年9月森林火险趋势预报的数据相同。

通过本实施例完成的2019年夏季火险趋势预报及其效果分析见表5，各预报区域夏季火灾实际发生情况与预报结果基本相符：例如东北区和华北区的火险趋势预报等级为“稍偏高”，其实际火灾发生数量分别为80和10，分别比历史均值增加了24.8％和28.2％；华中区、华南区的火险趋势预报等级为“明显降低”，其实际火灾发生数量分别为8和26，分别比历史均值降低了-88.5％和-76.5％；西藏区火险趋势预报等级为“稍降低”，其实际火灾发生数量为0，历史平均火灾数量为0.9；西南区和西北区的火险趋势预报等级为“与往年持平”，其实际火灾发生数量分别为10和11，分别比历史均值分别降低了-100％和-31.3％。

表5 2019年夏季火险期趋势预报效果分析

森林火灾的实际发生数量除了受到天气等自然条件影响外，林火管理状况也是非常重要的影响因素。本发明在模型构建时主要考虑了自然气象条件与火灾发生的相关性，给出了可导致火灾发生的危险气象状况的等级预报。但在林火管理部门严控火源的情况下，即使具备了火灾发生所需的自然气象条件，火灾也会因缺乏火源不一定必然发生，这也是虽然西南区和西北区火险趋势预报等级为“与往年持平”，但实际火灾发生数量低于历史均值的原因。

由以上分析可知，“与往年持平”、“稍降低”、“明显降低”的火险趋势状况下，严格的林火管理可较好的控制火灾发生的数量。但“稍偏高”，特别是“明显偏高”的火险趋势状况下，即使在严格的林火管理下，火灾发生数量也比历史均值偏多或明显偏多，这就要求林火管理部门必须准确判别未来月度或季度的高火险发展趋势，并做好充足的防控准备。由表3和表5数据可知，本发明对于火险异常偏高区域的预报有非常优异的表现。

本发明通过以大气环流历史值、预报值为基础，建立了一种中国分区域的月度或季度森林火险长期趋势预报的方法和技术。虽然国内外文献报导中提到大气环流对火灾发生有一定的影响，但研究仅局限于对历史数据的统计结果，并未有可实际应用的预报技术和方法。本发明以格点上的大气环流数据为基点，深度研究了每个格点位置的大气环流异常对森林火灾发生的影响，这种大气环流数据与火灾数据相关性的研究方法为本发明首次建立。

此外，本发明还为每个预报区都定位了一对与该预报区火灾发生最显著相关的大气环流所在的偶极相关区，并构建了基于大气环流数据历史值和预报值的月度或季度森林火险趋势预报参数，该参数对高火险趋势预报有非常优异的表现，对于林火管理实践具有重要的应用价值。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。