老爷岭典型林分内地表不同层可燃物含水率动态变化及湿度码预测模型适用性1)

张运林

(贵州师范学院，贵阳，550018)

森林火险预报能够预测林火发生的可能性及火后控制火灾的难易程度[1-3]。若能准确进行火险预报，并根据预报结果指导林火管理工作，能对遏制森林火灾起到重要作用，真正做到“打早”、“打小”、“打了”。随着全球气候变暖，极端天气频繁，规模大、危害性强的森林火灾出现频率越来越高，森林资源和人民生命财产安全受到严重威胁。在当前形势下，做好火险预报，对于保护森林资源，维持社会、经济稳定具有重要意义。

可燃物含水率对林火发生及发生火灾后一系列火行为(蔓延速度、火焰高度等)有显著影响，做好火险预报最重要的是提高可燃物含水率预测的精度[4-6]。当前对森林可燃物含水率研究主要是对地表凋落物、活可燃物含水率的研究，关于森林地下可燃物、半腐殖质、腐殖质含水率的研究较少。地下可燃物对林火垂直传播起重要作用[7]。研究表明，当腐殖质含水率低于100%时，就有发生地下火(阴燃)的可能，一旦发生阴燃，会对当地森林生态系统造成长期损害[8]。因此，研究地表不同层可燃物含水率动态变化，并建立高精度含水率预测模型，对完善森林火险预报，保护森林资源、当地生态系统具有重要意义。

加拿大火险等级系统中包含3个可燃物湿度码：细小可燃物湿度码(FFMC)、腐殖质湿度码(DMC)、干旱码(DC)，分别代表地表不同层(深度)可燃物湿度[9]。其含水率计算采用半物理方法，具有较好的外推性，因此被世界各国广泛应用于可燃物含水率预测[10-11]。湿度码中部分参数通过加拿大野外试验获取，该地区与我国气候、植被类型等存在一定差异，因此无法直接使用，需对其进行修正[12]。国内外关于湿度码修正的研究较多，包括建立可燃物含水率与湿度码的关系方程；直接对FFMC、DMC、DC尺度模型中的平衡含水率模型、关键参数等重新校正；对湿度码尺度模型参数直接校正等，该系列措施都提高了对可燃物含水率预测的精度[13-16]。虽然已有较多关于可燃物含水率和湿度码预测含水率的研究，但对于不同层可燃物含水率动态变化并运用湿度码分别建立预测模型的研究还较少。

综上，研究我国东北地区典型林分不同层可燃物含水率动态变化，分析湿度码与含水率的相关性十分必要。以我国东北地区蒙古栎(QuercusMongolica)-红松(Pinuskoraiensis)混交林、白桦林(BetulaplatyphyllaSuk.)下不同层可燃物为研究对象，分析可燃物含水率动态变化，运用湿度码分别建立含水率预测模型，并与其它预测方法进行比较，分析根据湿度码建立含水率预测模型的精度。本研究为地表不同层可燃物含水率研究方法提供数据基础和借鉴，有助于更好理解、评价湿度码的适用性。

1 研究区概况

研究区位于黑龙江省老爷岭生态定位站(45°20′N，127°30′E)，海拔200～600 m，平均海拔300 m。研究区属于温带大陆性季风气候，年最低气温约-32.0 ℃，最高气温26.0 ℃，年均气温2.8 ℃，年均降雨量720 mm，年均蒸发量1 100 mm。现有植被主要包括蒙古栎、白桦、红松、黄檗(PhellodendronamurenseRupr.)、山杨(Populusdavidiana)等。

2 研究方法

2.1 数据监测

2.1.1 不同层可燃物含水率监测

可燃物含水率监测试验在2016年春季防火期(4月7日—6月8日)内进行。森林火险预报是保守预测，评估当日发生火险可能性最高，即含水率最低的情况。一般认为每日14:00时，空气温度最高，相对湿度最低，此时可燃物含水率最低，因此每日14:00时进行采样。蒙古栎-红松混交林和白桦林中分别随机设置3个样点，每个样点分层监测含水率。样地信息如表1所示。

表1 样地基本信息

地表从上层至下依次为凋落物层(落叶)、半腐殖质层(介于凋落物层和腐殖质层)、腐殖质层(黑色或褐色有机物质)[17]。蒙古栎-红松混交林下凋落物层、半腐殖质层、腐殖质层的平均厚度为4.00、2.00、5.00 cm；白桦林下凋落物层、半腐殖质层、腐殖质层的平均厚度为6.00、3.00、5.00 cm。选择非破坏性采样方法从上到下依次采样，放入信封，在野外快速称质量，其质量记为湿质量(WH)；将样品带回实验室在105 ℃下烘干至质量不再变化为止，称量得到的质量记为干质量(WD)。根据含水率计算公式(1)计算样点含水率，3个样点含水率的算术平均值为当日样地含水率。

(1)

式中：M为可燃物含水率；MH为可燃物湿质量；MD为可燃物干质量。

2.1.2 气象要素监测

在蒙古栎-红松混交林与白桦林之间合适位置，架设HOBO气象站，同步监测研究区气象要素：空气温度(T)、相对湿度(H)、风速(W)、降雨量(R)等。监测时间与可燃物含水率监测之间相同，监测间隔为30 min。

2.2 数据处理

2.2.1 湿度码计算

根据3个湿度码计算方法，计算研究期内每日湿度码。FFMC、DMC、DC初始值根据文献可知，分别为85、6、15[18]。

2.2.2 气象要素回归模型

采用Spearsman相关性分析，研究不同层可燃物含水率与气象要素(0～前3 d)之间的相关性。当日气象要素下标为0，前n天平均气象要素(降雨为累积量)下标为-n。例如，当日平均风速记为W0，前2 d平均风速记为W-2。并采用逐步回归方法，以气象要素为预测因子，分别建立不同层可燃物含水率预测模型。研究认为，降雨对可燃物含水率预测模型精度有影响，因此，根据前24 h是否有降雨，本研究将数据分为全部数据、非降雨、降雨数据，分别建立预测模型。具体模型形式如下：

(2)

式中：M为可燃物含水率；Xi为气象要素；bi为系数。

2.2.3 湿度码回归模型

本研究通过直接建立湿度码与含水率之间的关系，进行可燃物含水率预测。采用Spearsman相关性分析，研究不同层可燃物含水率与湿度码之间的相关性。采用逐步回归法，使用全部数据、非降雨数据、降雨数据分别建立不同可燃物含水率预测模型。模型形式与式(2)相似，其中Xi表示湿度码。

2.2.4 预测模型精度分析

选择n-fold交叉验证计算2.2.2和2.2.3中所建立模型的平均绝对误差(MAE)和平均相对误差(MRE)，计算公式如式(3)和(4)所示。采用t检验比较2种方法误差之间是否有显著差异，以实测值为横坐标、预测值为纵坐标，绘制1∶1实测、预测值比较图，探究模型预测效果，分析湿度码预测可燃物含水率的适用性。

(3)

(4)

式中：Mi为含水率预测值；Mj为含水率实测值。

3 结果与分析

3.1 可燃物含水率、气象要素和湿度码统计特征

根据研究期内气象要素和湿度码统计特征(表2)，研究期内空气温度、相对湿度变化范围分别为1.26～26.09 ℃、17.40%～100.00%；最大风速为6.80 m·s-1。从75%分位数可以看出，研究期内大部分时间平均风速都小于2.52 m·s-1；单日最大降雨量达22.80 mm，但有3/4的时间内降雨量低于1.00 mm。

表2 气象要素和湿度码特征统计

研究期内，蒙古栎-红松混交林中凋落物、半腐殖质、腐殖质含水率均值分别为64.95%、132.49%、82.23%；白桦林中3层可燃物含水率均值分别为75.82%、172.54%、136.49%。半腐殖质含水率变化区间最大，凋落物次之，腐殖质含水率波动最小。白桦林可燃物含水率均值高于蒙古栎-红松混交林。从标准差和单日最大变化值可以看出，白桦林可燃物含水率动态变化比蒙古栎-红松混交林更强烈。从25%、75%分位数可以看出，约25%的天数比较干燥，2种林下凋落物含水率都低于20%(表3)。

表3 可燃物含水率特征统计

3.2 不同层可燃物含水率与气象要素的相关性

根据蒙古栎-红松混交林、白桦林下不同层可燃物含水率动态变化与气象要素的相关性(表4)。2种林分凋落物含水率都与降雨、相对湿度呈极显著正相关，与风速呈显著负相关，且随着距离采样时间间隔越长，相关性逐渐减弱；半腐殖质含水率与降雨量、相对湿度呈显著正相关，但前3天降雨量、相对湿度对半腐殖质含水率的影响明显减弱；腐殖质含水率动态变化仅与空气温度呈极显著负相关，且相关性随着采样时长的增加逐渐增强。

表4 可燃物含水率与气象要素相关性

蒙古栎-红松混交林、白桦林中凋落物含水率与FFMC、DMC都呈极显著负相关，与DC不相关；半腐殖质含水率与3个湿度码都呈极显著负相关，且半腐殖质含水率与湿度码的负相关性在FFMC、DMC、DC中呈递减趋势；腐殖质含水率仅与DC有显著性差异，且白桦林腐殖质含水率的差异显著性高于蒙古栎-红松混交林(表5)。

3.3 可燃物含水率预测模型

根据蒙古栎-红松混交林、白桦林内凋落物含水率预测模型(表6)，2个林型下，凋落物含水率预测模型选择预测变量都相同。使用全部、非降雨、降雨数据进行气象要素回归法预测，预测变量主要包括当日降雨、相对湿度及前1天平均相对湿度；湿度码法主要包括FFMC、DC。对于蒙古栎-红松混交林内凋落物，气象要素回归模型在全部、非降雨、降雨时MAE分别为24.65%、6.81%、40.63%，湿度码法MAE分别为31.85%、7.75%、49.69%；对于白桦林内凋落物，气象要素回归模型在全部、非降雨、降雨时MAE分别为30.57%、10.68%、47.69%，湿度码法MAE分别为38.00%、11.05%、60.87%。2种林分凋落物含水率的预测效果都在使用非降雨数据时预测效果最好，全部数据次之，降雨数据最差。湿度码法预测误差略高于气象要素回归法，但除使用降雨数据外，两者误差无显著差异(t检验，P>0.05)。

表5 可燃物含水率与湿度码的相关性

表6 凋落物含水率预测模型

蒙古栎-红松混交林使用全部、降雨数据进行气象要素回归法建立半腐殖含水率预测模型，预测变量都为当日降雨量和前2天降雨总量；非降雨模型比较复杂，包括前2天的平均风速、温度和前3天的平均湿度。白桦林半腐殖含水率气象要素回归模型中预测变量主要是降雨、相对湿度。2种林型的半腐殖质含水率湿度码预测模型中被选入方程的湿度码相同。蒙古栎-红松混交林使用全部、降雨数据时，湿度码法预测效果优于气象要素回归法；使用非降雨数据时，气象要素回归法预测效果更好。白桦林使用全部、非降雨数据时，湿度码法预测效果更好(表7)。

表7 半腐殖质含水率预测模型

蒙古栎-红松混交林、白桦林，使用降雨数据都无法建立腐殖质含水率预测模型。使用非降雨数据时，湿度码法无法建立蒙古栎-红松混交林腐殖质含水率的预测模型。建立气象要素回归法的腐殖质含水率预测模型，预测变量主要包括前n天的空气温度；湿度码预测模型主要包括DC。使用非降雨数据的预测效果略优于使用全部数据，湿度码法预测效果不如气象要素回归法(表8)。

表8 腐殖质含水率预测模型

3.4 可燃物含水率预测模型误差比较

蒙古栎-红松混交林的3种可燃物含水率在气象要素回归法、湿度码法的实测值和预测值1∶1图(见图1)。对于气象要素回归法：使用全部、非降雨数据建立凋落物含水率预测模型，预测效果接近；使用降雨数据预测效果最差，当含水率较低时，预测值偏高。半腐殖质含水率预测使用全部、非降雨、降雨数据得到实测值和预测值直线斜率接近，预测值、实测值分布相近，预测效果较好。腐殖质含水率预测使用非降雨、全部数据的回归效果接近。对于湿度码法：凋落物含水率预测使用非降雨数据时，预测效果较好；使用降雨、全部数据时，预测效果较差，主要是含水率过高时，湿度码对其的解释程度不够。半腐殖质含水率预测使用全部、降雨数据时，预测效果较好；使用非降雨数据时，效果较差。腐殖质含水率预测使用全部数据时，实测值和预测值没有分布在1∶1线两侧，随着实测值的改变，预测值几乎不变，预测效果较差。

白桦林下可燃物含水率预测使用气象要素回归法时：凋落物含水率使用全部、非降雨数据时，预测效果较好，使用降雨数据时，预测效果较差；半腐殖质含水率预测使用非降雨数据预测效果最好，全部、降雨数据的预测值和实测值斜率接近，预测效果接近；腐殖质含水率使用非降雨数据时预测效果较好。白桦林下凋落物、半腐殖质、腐殖质使用非降雨数据、全部数据建立湿度码预测方程时预测效果接近，使用降雨数据时预测效果较差。选择湿度码法预测降雨时半腐殖质含水率，预测值几乎不随实测值的变化而改变，预测效果较差(图2)。

图1 蒙古栎-红松混交林的可燃物含水率实测值与预测值1∶1图

图2 白桦林下可燃物含水率实测值与预测值1∶1图

4 讨论

研究期内，蒙古栎-红松混交林中可燃物含水率极显著低于白桦林中可燃物含水率(t检验，P<0.01)，通过25%分位数可以看出，蒙古栎-红松混交林中半腐殖质、腐殖质含水率均低于100%，白桦林下腐殖质含水率25%分位数为111.04%。一般认为当含水率低于100%时[8，17]，有发生地下火的可能性，说明蒙古栎-红松混交林更容易被引燃并垂直蔓延，其发生地下火的可能性高于白桦林。

2种林型下凋落物含水率动态变化与降雨、相对湿度、风速相关，且相关性随着距离采样时间间隔增加而减弱，这与zhang et al.[19]的研究结果相似，主要是由于气象要素对可燃物含水率的影响有一定的滞后性；半腐殖质含水率主要受降雨、相对湿度的影响；腐殖质含水率仅与空气温度相关，这与满子源等[17]、张吉利[20]的研究结果相似。2种林型下凋落物含水率与FFMC、DMC都呈极显著负相关；半腐殖质与3个湿度码都呈显著相关；腐殖质含水率仅与DC相关，这与金森等[21-22]研究结果相似。不同层可燃物由于其暴露位置、自身理化性质不同，对气象要素的敏感程度、自身水汽交换程度也不同，因此气象要素及湿度码对不同可燃物类型含水率动态变化的影响不同。

对于所有可燃物类型，使用部分(非降雨、降雨)数据进行含水率预测几乎都优于使用全部数据，这种差异对于凋落物尤为明显，这与张吉利[20]、张运林等[23]的研究结果相似。降雨条件下，会增大可燃物含水率，特别是凋落物含水率的变异程度增加，导致含水率预测精度下降。

本研究使用湿度码法预测凋落物、半腐殖质、腐殖质含水率的MAE变化范围分别为7.75%～60.87%、21.42%～33.90%、19.08%～22.75%。Simard et al.[24]采用相同方法建立凋落物含水率预测模型的MAE为27.70%，张恒等[9]预测大兴安岭白桦林凋落物含水率的MAE变化范围为8.10%～17.10%。本研究与张恒等[9]的研究结果差异较大，区别在于是否使用降雨数据进行分析。本研究若仅考虑非降雨数据，2种林下凋落物含水率预测误差分别为7.75%、11.05%，与前人研究结果相似。白桦林下凋落物含水率的预测效果显著低于蒙古栎-红松混交林，与张吉利等[20]的研究结果相同，主要是由于阔叶林凋落物含水率偏高，且湿度码模型是根据针叶林下凋落物来建立其模型形式、参数。因此，使用湿度码预测对针叶林凋落物更具有适用性。不论是否区分数据，2种林型下凋落物含水率使用气象要素预测模型和湿度码模型预测误差均没有显著差异，湿度码模型预测误差略高。但从1∶1图可以看出，当凋落物含水率较低时，湿度码法对其的预测值估算偏低，这对于实际火险预报应用更具意义，保证不误报、不漏报。因此，虽然气象要素回归法预测精度更高，但在实际应用中使用湿度码法预测凋落物含水率更有意义。对于半腐殖质含水率预测，使用全部数据时，2种林型均使用湿度码法的预测效果更好；使用降雨、非降雨数据时2种方法误差结果不同，但无显著差异。对于腐殖质含水率预测，气象要素回归模型要优于湿度码模型。

综上，对于凋落物含水率预测，湿度码法在实际火险预报中更适用；对于半腐殖质、腐殖质含水率预测，湿度码法并没有表现出显著优势，说明湿度码法在应用时需要进行修正。本研究仅简单分析了含水率与湿度码之间的关系，对于湿度码中关键参数模型，例如失水系数、平衡含水率并没有进行校正，原因是这些参数模型在国外研究区获取，其气候、地形条件不同，因此对本研究并不适用。此外，失水系数、平衡含水率模型并没有考虑床层特征，例如床层密实度、厚度等，但这些指标对可燃物含水率动态变化有显著影响。在今后的研究中，还需要充分考虑可燃物床层特征，对3个湿度码的尺度模型及模型中的关键参数模型重新拟合估计，建立基于床层结构并适用于我国可燃物类型的关键参数预测模型。建立精度高、适用性强、外推能力好的湿度码预测模型，对地表不同层可燃物含水率的研究具有重要意义。