2015—2020年河南省秸稈焚燒火點時空分布及影響因子

許越越， 蘇濤

(安徽理工大學空間信息與測繪工程學院， 淮南 232001)

河南省是中國重要的糧食產地，具有較為豐富的農作物秸稈資源[1]。為了響應國家大力推進生態文明建設要求，河南省各級部門采取各種禁燒措施以此加大秸稈禁燒力度，并實行約談等干預管理措施提高禁燃監管水平，但仍有秸稈焚燒現象發生[2-3]。傳統的秸稈焚燒監測需要投入大量的人力物力，耗時長效率低，而遙感方法能夠彌補傳統手段的不足，快速獲取秸稈焚燒火點信息，對提高政府監管效率、高效處理秸稈焚燒具有重要意義。

隨著近年來遙感火點監測技術和方法日趨成熟，國內外利用各種高分辨率的遙感衛星數據對區域地面火點遙感提取的研究越來越多，尤其是針對大范圍區域的火點監測技術以及研究方法已經相對成熟。Mccarty等[4]分析了2003—2007年五年內美國秸稈焚燒火點的時空分布；Verma等[5]量化了2002—2016年印度中央邦秸稈焚燒的時空變化并揭示了火情的增長趨勢；李佳等[6]通過提取2000年、2008年和2014年河南省秸稈焚燒火點得到河南省14年間秸稈焚燒現象的變化情況；張麗娟等[7]通過Terra/Aqua衛星數據分析了中國2014—2015年夏秸稈焚燒空間分布特征；毛慧琴等[8]基于MODIS數據研究了東北地區2015—2017年秸稈焚燒火點時空分布規律；張彥等[9]利用MODIS熱異常產品數據提取火點信息，得到2015年河南省秋季作物秸稈焚燒現象的空間分布與發展態勢；張景源等[10]從不同時空尺度分析2014—2018年中國田間秸稈焚燒火點在空間上的變化情況；張為兵[11]綜合利用不同生長時期的HJ-1B 環境衛星數據的波譜特征提取小麥秸稈焚燒火點。綜上，目前已有大量研究分析區域長時間序列或單時間點的秸稈焚燒火點時空分布特征，研究區域范圍主要以國家級、省級行政單元以及市級單元為主，而以縣域為單元的研究目前涉及較少，同時尚未有對局部區域的秸稈焚燒火點與當地自然因素、農作物影響和社會經濟等因素之間相互關系的深入分析研究。

鑒于此，現利用2015—2020年河南省SatSee-Fire火點數據集，結合Geoda軟件和GIS(geographic information system)技術利用重心轉移模型、空間自相關模型研究2015—2020年的河南省縣域范圍內秸稈焚燒火點的時空分布格局及其變化趨勢，并在此基礎上結合GIS分析工具和地理探測器模型，以高程、坡度、坡向、農作物播種面積、農作物產量、GDP以及人口密度7個因子作為分析對象，對秸稈焚燒火點在自然因素、農作物因素和社會經濟因素條件下的空間分布特征進行分析，為農業、環保等相關部門高效科學規范農作物秸稈焚燒、回收利用等方面提供一定的輔助決策依據。

1 材料與方法

1.1 數據來源與數據處理

1.1.1 數據來源

火點數據來自于中國科學院遙感與數字地球研究所發布的近實時地表高溫異常點查詢服務系統(SatSee-Fire)，該數據集包括2015年1月1日—2020年12月31日時段Landsat 8、Landsat 7、Sentinel-2等中分辨率衛星獲取的高溫點數據，數據為csv格式。研究所用的數字高程模型(digital elevation model,DEM)來源于地理空間數據云平臺 (http://www.gscloud.cn)，其中高程、坡度、坡向均由DEM數據獲??；行政區矢量邊界數據、耕地數據來自于中國科學院資源環境科學數據中心(http://www.resdc.cn/)；農作物播種面積、農作物產量、人口、GDP統計數據來源于河南省統計局年統計年鑒。

1.1.2 數據處理

原始火點數據集包括工業煙囪火點、森林火點、野火等其他高溫異常點，需要進一步篩選剔除得到秸稈焚燒火點[12]。首先利用河南省矢量邊界數據提取區域內的所有火點，其次將可信度低于閾值的偽火點剔除，并利用Arcmap中自帶的Arcpy編程篩選出一天中同一地點臨近時間段的重復火點和一年中超過3個不同時間點的穩定火點剔除。由于秸稈火點的溫度大體為500～1 000 K，需進一步將異常高溫點和異常低溫火點進行剔除[12]，最后利用耕地數據作為掩膜剔除非耕地范圍的其他火點。其中2015年、2016年秸稈焚燒火點數據由2015年耕地數據提取，2017年、2018年秸稈焚燒火點數據由2018年耕地數據提取，2019年、2020年秸稈焚燒火點數據由2020年耕地數據提取，預處理得到的河南省2015年、2018年、2020年耕地數據如圖1所示。

圖1 河南省耕地空間分布Fig.1 Spatial distribution of cultivated land in Henan Province

1.2 研究方法

1.2.1 重心轉移模型

為探究多年秸稈焚燒火點在空間上的遷移軌跡，引入重心模型來分析秸稈焚燒火點在空間上整體的偏移情況。當火點重心發生偏移時，火點的空間分布格局會產生變化，其中重心偏移方向表示秸稈焚燒相對增多的方向，重心偏移的距離表示秸稈焚燒相對增多的程度[13]。秸稈焚燒火點的重心坐標表達式為

(1)

(2)

式中：X、Y為河南省秸稈焚燒火點重心坐標的經緯度；n為縣域個數；Si為第i個縣域的秸稈焚燒火點個數，Xi、Yi為第i個縣域的重心經緯度。

1.2.2 探索性數據分析方法

為了探究秸稈焚燒火點在空間上的變化過程，采用探索式空間數據分析(exploratory spatial data analysis，ESDA)技術對秸稈焚燒火點的分布特征進行空間關聯分析。該方法是通過統計學原理結合圖表對空間數據進行描述與歸納性分析，從而研究某一現象的空間分布情況[14]。本文中研究主要運用全局空間自相關指數——莫蘭指數(Moran’sI)和局部空間自相關指數(local indicators of spatial association，LISA)來表征河南省秸稈焚燒火點空間分布的集聚性[15]。

(1)全局空間自相關指數。全局空間自相關是用來分析某種現象在區域上的整體分布情況，并判別該現象在空間上是否存在集聚性[16]。本研究采用Global Moran’sI作為指標，計算公式為

(3)

式(3)中：I為莫蘭指數;n為縣域總數;Wij為空間權重;xi、xj為縣i、j的秸稈焚燒火點監測值。Moran’sI范圍為[-1，1]，若I=0，表明屬性值在空間上隨機分布，空間不相關；若I>0，表明空間正相關；若I<0，表明空間負相關；I的絕對值越大，聚集性越明顯。

(2)局部空間自相關指數。全局型空間自相關指標只能表征地理現象在空間的分布模式，但不能描述聚集分散的具體方位；而局部空間自相關主要用于分析各屬性單元的空間分布特征，能避免空間異質性的干擾，便于剖析各區域與周圍地區間的關聯性[17]。利用局部自相關模型分析秸稈焚燒火點在局部尺度上的空間自相關情況，計算公式為

(4)

(5)

當Ii>0時，則區域I與其相鄰區域存在空間正相關，即為“高-高”相關或“低-低”相關，表明該區域與周圍區域的空間差異程度偏小，其中“高-高”和“低-低”分別表示區域自身和周圍區域的屬性均較高和較低；反之，“低-高”相關或“高-低”相關，為負空間相關，區域與周圍單元差異大，“低-高”表示區域本身具有較低的屬性值，周圍區域具有較高的屬性值，而“高-低”的含義則相反。

1.2.3 地理探測器模型

地理探測器是一種利用空間分異性來探測因變量與自變量在空間上分布的一致性的統計方法，其中自變量對因變量的解釋度為q[18-20]。因子解釋力的計算模型為

(6)

式(6)中：q為各因子對秸稈焚燒火點的解釋力，取值范圍為[0，1]，q越大表示因子對秸稈焚燒火點空間分布的解釋力越強，反之則越弱；L為因變量Y或因子X的分類或者分區；Nh為探測要素所包含的單元數；N是整個區域的單元數；σh2和σ2分別為所探測要素層和全區單元Y的方差。

1.2.4 秸稈露天焚燒生物量的計算

秸稈露天焚燒具有較強的季節性，其燃燒量由所處氣候帶、農村生活水平、植被覆蓋現狀和各種農作物的主要產量等因素決定[21]。秸稈露天焚燒具體消耗的生物量計算公式為

M=PNRθ

(7)

式(7)中：M為秸稈露天焚燒消耗的生物量；P為農作物產量；N為草谷比；R為秸稈露天焚燒比例;θ為燃燒效率。在沒有外部干預和技術突破的條件下，農民收入水平與秸稈焚燒量成正比，秸稈露天焚燒的比例范圍為10%～15%[22]。本研究綜合河南省政府秸稈禁燒相關政策與各市農村生活水平、主要農作物產量等資料，取2015—2019年秸稈露天焚燒比例分別為12%、10%、8%、7%、6%，其中2015—2019年農作物產量數據來自于2016—2020年河南省統計年鑒，主要農作物的草谷比和燃燒效率數據[22]取值如表1所示。

表1 計算參數

2 結果與分析

將最終提取的秸稈焚燒火點數據與國家環境保護部衛星環境應用中心發布的2016年7月—2017年2月的逐月秸稈焚燒火點監測數據以及河南省生態環境廳發布的2015年夏收期間和秋收期間全省秸稈焚燒火點監測情況綜合對比進行精度檢驗，秸稈焚燒火點樣本的精度達86.49%，該數據可信度高，可進一步對秸稈焚燒火點的時空分布特征進行研究。

2.1 秸稈焚燒火點隨時間變化特征

由火點提取結果統計知，2015—2020年間共有1 164個秸稈焚燒火點，其中2015年有961個秸稈焚燒火點，數量最多，占總火點數的82.56%。由圖2可知，6年內各年秸稈焚燒火點數量差異較為明顯，整體上呈滑坡式減少趨勢。2016年有110個秸稈焚燒火點，較2015年降低了88.55%；2017年秸稈焚燒火點數量下降至兩位數，僅有42個火點，火點年變化率為61.82%，2018年有25個秸稈焚燒火點，2019年和2020年秸稈焚燒火點分別為14個、12個，秸稈禁燒工作得到顯著成效。

圖2 秸稈焚燒火點年際變化Fig. 2 Interannual variation of straw burning point

2015—2020年內逐月的秸稈焚燒火點數量也存在較大差異。由圖3(a)可知，2015年火點主要集中分布在5—6月以及10—11月，火點數量共有742個，占全年秸稈焚燒火點數量的77.21%；秸稈焚燒火點數量峰值出現在5月；2016年火點集中在5月，較2015年同時期火點數量減少了84.67%，降幅明顯，同時夏秋季火點共有82個，占全年秸稈焚燒火點數量的74.55%。2017年12月火點數量最多，5—10月實現了零火點，夏秋季禁燒監管工作達標。由圖3(b)可知，2018—2019年秸稈焚燒火點主要集中在11—12月，3—6月連續保持零火點；2020年火點集中在3—4月，夏季僅1個火點，秋季發現兩處火點?？傮w上夏秋季秸稈焚燒火點數量持續減少，秸稈禁燒效果明顯增強，而春季(3—5月)、冬季(12—次年2月)火點數量相對較多，需要進一步加大對春冬季秸稈焚燒的監察力度。

圖3 秸稈焚燒火點年內變化Fig.3 Annual change of straw burning point

2.2 秸稈焚燒火點的空間相關性分析

2.2.1 縣域尺度下秸稈焚燒火點的空間分布

為了探究秸稈焚燒火點在空間上的分布特性，建立空間自相關模型分析縣域尺度下秸稈焚燒火點的空間聚集以及離散分布情況。

(1)全局空間自相關分析。以縣域為單位，對2015—2020年河南省秸稈焚燒火點進行全局空間自相關分析，空間權重矩陣計算采用Queen’s原則[23]。結果顯示2015年河南省縣域秸稈焚燒火點的Moran’sI為0.140，P為0.003 49，小于0.05，Z為2.026，小于2.5，通過顯著性檢驗，而2016—2020年火點未通過顯著性檢驗，說明該時間段內火點在空間上呈隨機性離散分布態勢，空間集聚性較弱。故本研究首先對2015年河南省各縣域內的秸稈焚燒火點進行全局空間自相關分析并繪制 Moran’I散點圖如圖4所示。

圖4 Moran’I 散點圖Fig.4 Moran’I scatter diagram

2015年秸稈焚燒火點的Moran’sI為0.140，絕對值接近于0，表明2015年河南省區域內秸稈焚燒火點整體上呈空間正相關，但空間自相關水平較低，空間集聚性一般，區域的火點整體上呈現較弱的空間集聚態勢。由標準化后秸稈焚燒火點的數據點分布可知，大部分的縣域位于 Moran’sI散點圖的Ⅲ象限，屬于“低-低”集聚形態，即呈現出2015年河南省大部分縣域內火點數量較少，其周圍縣域內的火點數量也較少的趨勢；較小部分的縣域位于Moran散點圖的Ⅰ象限，屬于“高-高”集聚形態，這表明有個別縣域火點數量較多，秸稈焚燒現象相對嚴重，相關部門仍需要嚴格監控秸稈焚燒，加大監管力度。

(2)局部空間自相關。局部空間自相關主要用于分析各屬性單元的空間分布特征，能精確反映出局部區域的變化情況[24]。這里基于局部自相關模型得到2015年河南省秸稈焚燒火點的LISA集聚分布情況，結果如圖5所示。

圖5 2015年秸稈焚燒火點集聚分布Fig. 5 Concentration and distribution of straw burning points in 2015

分析圖5可知：總體而言，2015 年河南省大部分縣市秸稈焚燒火點空間集聚不顯著，其中三峽市、信陽市、濟源市、焦作市、漯河市、濮陽市、鶴壁市7個市級行政區內的各縣域火點整體上空間集聚不顯著，即各縣域火點與鄰域火點之間的空間集聚效應較弱，火點均呈隨機離散分布；高高聚集區在空間上的集聚特征顯著，主要分布于西南地區的登封市、伊川縣、汝陽縣、汝州市、寶豐縣以及魯山縣6個地區，研究區內沒有縣域呈高低聚集類型分布；安陽市市區和平頂山市的郟縣兩個地區屬于低高聚集區，秸稈焚燒火點的低低聚集區零散分布在衛輝市、新鄉縣、獲嘉縣、新鄉市、延津縣、汝南縣、上蔡縣、南陽市西峽縣、太康縣、睢縣、杞縣、這11個地區，其中衛輝市、新鄉縣、獲嘉縣、新鄉市、延津縣這五個縣域相鄰，駐馬店市的汝南縣和上蔡縣相鄰，位于周口市的太康縣、商丘市的睢縣和周口市的杞縣相鄰，各縣域火點與鄰域火點之間存在火點數量均較少且呈集聚分布態勢，相鄰縣域火點的空間集聚效應顯著。

2016—2020年各縣域的火點數較2015年少，且呈離散分布，研究時段秸稈焚燒火點的縣域分布如圖6所示。

圖6 2016—2020年秸稈焚燒火點分布Fig. 6 Distribution of straw burning points in 2016—2020

從2016—2020年秸稈焚燒火點在縣域空間內的整體分布情況來看，研究期內秸稈焚燒火點數量大幅度減少，火點在空間上呈隨機分散分布態勢。從各年各縣域分布情況來看，2016年林州市、安陽縣、鞏義縣、靈寶市、襄城縣以及西峽縣這6個縣域火點數均超過4個，共有63個火點，占全年秸稈焚燒火點數的57.27%，其中安陽縣火點數為22個，是火點數最多的縣域，其他縣域無秸稈焚燒火點信息；2017年共有42個火點，其中有18個縣域只有一兩個火點，9個縣域發現2個秸稈焚燒火點，開封市和孟溪縣均發現3個火點，其他縣域均無秸稈焚燒火點；2018年大部分存在秸稈焚燒的縣域只有一兩個火點，火點主要集中在武陟縣羅山縣和長葛市；2019年和2020年區域內火點分布更加零散，共計26個火點，秸稈焚燒現象較少，除靈寶市發現3個火點，其他存在秸稈焚燒的縣域只有一兩個火點。不同地區的秸稈焚燒火點數量變化的趨勢直接反映了地區秸稈資源管控和處理水平的差異[25]。從火點在縣域空間內的分布情況來看，2016—2020年不同地區的秸稈焚燒火點數量變化各異，研究期內秸稈焚燒火點數不斷減小，空間上分布愈發分散，這與河南省不斷加大秸稈焚燒行政監管與處罰力度密切相關。隨著秸稈資源利用管控疏導工作的不斷深入，秸稈焚燒火點空間分布較為集中的縣域在不斷減少，而秸稈焚燒火點分布零散的縣域略有增加，應有針對性地進一步提高各縣域秸稈資源化利用水平，減少秸稈焚燒量。

2.2.2 秸稈焚燒火點重心的轉移

以縣域為統計單元，進一步對2015—2020年河南省秸稈焚燒火點重心偏移情況進行分析，結果如圖7所示。

圖7 火點重心偏移軌跡Fig. 7 Center of gravity offset track of fire point

由圖7可知，6年間河南省秸稈焚燒火點總體上呈西北方向移動的變化趨勢，火點重心主要分布在河南省許昌市，呈明顯的回字形轉移路徑。2015年秸稈焚燒火點重心位于許昌市東部，2016年秸稈焚燒火點重心偏移至許昌市西部禹州市內，2015—2016年秸稈焚燒火點向西北部移動且偏移距離較大，這是因為在2016年夏秋季秸稈焚燒火點數量驟減，秸稈禁燒成效顯著，部分縣域內的火點數量降幅變大，導致火點偏移距離較大，火點重心偏向火點數量變化較小區域；2016—2018年秸稈焚燒火點由禹州市向東南方向移動至襄城縣區域內，火點重心偏移距離相對較小，這是因為3年內火點年變化率逐漸減小，各縣域火點減小頻率逐漸趨向穩定，火點重心偏移幅度較小。2018—2020年秸稈焚燒火點重心偏移路線為：襄城縣北部-禹州市北部-洛陽市偃師市西北部，空間距離跨度逐年變大，這種移動的主要原因是由于這3年內火點數量較少且分布較為離散，火點散落在不同縣域，具有較強的隨機性，最終得到的火點重心位置跨越了許昌、鄭州、洛陽三個行政區，偏移距離逐漸拉大。

2.3 秸稈露天焚燒量的變化特征分析

河南省農村經濟較發達，秸稈利用率較高，秸稈焚燒量較小，加上近年來政府實施干預政策，秸稈禁燒力度不斷加大，秸稈露天焚燒量逐年減少[26]。但由于各地區經濟發展水平、人口分布密度等差異，不同地區秸稈露天焚燒量仍存在較大差異。

為了進一步準確地估計河南省不同地區秸稈露天焚燒量的變化情況，本研究統計河南省各市主要農作物的秸稈產量以及各類農作物的草谷比和燃燒效率，計算得到2015—2019年河南省各市主要農作物秸稈露天焚燒量，如表2所示。

表2 2015—2019年各市主要農作物秸稈露天焚燒量

從總體上看，隨著2015—2019年河南省農作物產量不斷增加，主要農作物秸稈露天焚燒量呈減少態勢，進一步說明近五年來河南省秸稈利用率不斷提高，秸稈禁燒成效顯著。從區域上分析，2015—2019年各市的秸稈露天焚燒量均逐漸減少，其中以周口市焚燒量最大，其次為駐馬店市、南陽市、信陽市和商丘市，這主要是因為這5個地市屬于農業發達地區，區域內主要農作物種植面積以及作物產量相對較大，繼而導致區域內秸稈露天焚燒量占比大；而鄭州市、濟源市以及鶴壁市的秸稈露天焚燒量占比較小，不同市域內的秸稈露天焚燒量差異明顯。即受各地區經濟發展水平以及主要農作物種植面積和產量等因素的影響，河南省各地秸稈焚燒量存在較大差距，政府仍需加大地方秸稈禁燒力度，不斷完善各區域內秸稈回收利用機制，提高秸稈綜合利用效率。

2.4 焚燒點空間分布影響因子分析

秸稈焚燒火點的空間分布受多種因素共同影響，綜合考究河南省秸稈焚燒情況，總體上可劃為自然因素、農作物因素、社會經濟因素三大類，其中自然因素包括高程(X1)、坡度(X2)、坡向(X3)，屬于農作物因素包括農作物播種面積(X4)、農作物產量(X5)，社會經濟因素包括人口密度(X6)、GDP(X7)。

為探究2015—2020年各影響因子對秸稈焚燒火點空間分布的影響程度，利用地理探測器對各因子影響力進行分析。

2.4.1 探測因子總體影響力

首先將河南省劃分為3 km×3 km的網格，共計7 011個網格。對各矢量數據離散化后利用地理探測器計算各因子的q值，提取各因子對秸稈焚燒火點的影響，結果如表3所示。

表3 影響因子的q值

由表3可知，6年間各影響因子的q逐漸減小，各因子對河南省秸稈焚燒火點空間分布的影響程度不斷減弱。7個因子對秸稈焚燒火點的影響程度的大小排序為：農作物播種面積>農作物產量>GDP>人口密度>高程>坡度>坡向。其中，2015年各因子的q值最大，影響程度較為明顯。農作物播種面積和農作物產量的解釋力均在20%以上，因此農作物播種面積和農作物產量是影響秸稈焚燒火點空間變化的主要因子；GDP和人口密度的q值分別為0.121 7、0.104 9，解釋力均在10%以上；而高程、坡度、坡向的解釋力均不足10%，對火點空間分布的影響較小。

2.4.2 探測因子年際變化

2015—2020年各影響因子的q變化趨勢，如圖8所示。

圖8 不同因子的q值變化曲線Fig.8 q value variation curve of different factors

2015—2020年間自然因素、社會經濟因素和農作物因素對秸稈焚燒火點的影響程度逐年減小。其中農作物因素的影響力占主導地位，社會經濟因素次之，自然因素對秸稈焚燒火點空間分布的影響最小。高程在自然因素中占主導作用，坡度次之，坡向逐年的q值均小于2%，對火點空間分布的影響力最小且呈現逐年減小的趨勢；農作物因素中各因子在2015—2017年的q值總體維持在15%～25%，解釋力值減少幅度較小，對火點空間分布的影響程度不斷減弱，整體呈下降態勢，因子在2018—2020年的解釋力值持續下降，降幅增大；人口密度較GDP在社會經濟因素中占比大，2015年兩個因子的q值均在10%以上，2016年后因子影響力逐漸減小，2020年內除農作物播種面積和產量外，其他因子的q值均不足1%，各因子對火點空間分布的幾乎沒有影響，這在一定程度上說明了河南省秸稈焚燒現象不再頻繁，火點已大幅度減少，秸稈禁燒成果顯著。

2.4.3 探測因子交互作用分析

2015年河南省秸稈焚燒火點數量多，各區域內火點焚燒現象較其他年份更為突出，且各因子的q值較大對火點空間分布的影響明顯，究其影響因子間的交互作用在一定程度上能夠為后續各區域加強秸稈焚燒管控、提高監管效率提供理論參考[27]。其中當兩因子交互作用下的q值大于各因子q值和時，因子間呈相互增強關系，反之呈非線性增強關系[19]。

由表4可知，大部分因子間交互作用下的解釋力值均大于各因子間的解釋力之和，因子疊加后對秸稈焚燒火點呈相互增強效應，極少數因子對秸稈焚燒火點具有非線性增強效應。如對高程與坡度、坡向、農作物產量、人口密度以及GDP間交互作用的解釋力值均大于各因子解釋力之和，說明高程與各因子疊加對秸稈焚燒火點呈相互增強影響，而高程與農作物播種面積交互作用下的解釋力值小于兩因子的解釋力之和，兩因子間交互作用效應呈非線性增強關系；坡度與農作物產量、農作物播種面積和GDP交互作用的解釋力值大于因子解釋力之和，對秸稈焚燒火點呈相互增強影響，而坡度與坡向、人口密度對秸稈焚燒火點具有非線性增強效應。綜上可得，自然因素、社會經濟因素和農作物因素對秸稈焚燒火點的影響并非獨立，而是各種因子共同作用影響，各因子對秸稈焚燒火點具有相互增強或非線性增強效應。

表4 影響因子間的交互作用

3 結論

基于SatSee-Fire 火點數據，采用空間自相關分析和重心轉移模型探究了2015—2020年河南省秸稈焚燒火點分布的時空特征，并結合空間分析和地理探測器模型分析自然、農作物、社會經濟因素對秸稈焚燒火點空間分布的影響力度,得出如下主要結論。

(1)2015—2020年河南省秸稈焚燒火點數量逐年遞減，呈滑坡式減少態勢；夏秋季秸稈焚燒火點數量持續減少，秸稈禁燒效果明顯，而春冬季火點數量相對較多，需要進一步加大對春冬季秸稈焚燒的監察力度。

(2)6年間河南省秸稈焚燒火點空間上呈西北方向移動的變化趨勢，火點重心主要分布在河南省許昌市，呈明顯的回字形遷移軌跡；2015年河南省縣域內秸稈焚燒火點整體上呈較低的空間正相關水平，空間集聚性較弱，2016—2020年秸稈焚燒火點在空間上的離散分布態勢愈加明顯，火點集中分布的縣域不斷減少，零散分布的縣域略有增加。

(3)2015—2020年各因子對火點影響程度的大小排序為：農作物播種面積>農作物產量>GDP>人口密度>高程>坡度>坡向，6年間各因子的q值逐漸減小，對火點空間分布的影響程度不斷減弱，且各因子對秸稈焚燒火點具有相互增強或非線性增強效應。