大兴安岭林区典型森林和草甸细小死可燃物含水率预测模型1)

张冉 张兴龙 胡海清 曲智林

(东北林业大学，哈尔滨，150040) (赣州市林业产业发展管理局) (东北林业大学)

细小死可燃物通常被定义为直径小于25.4 mm森林和草原可燃物，细小死可燃物含水率被认为是进行森林和草原火险等级预测预报中重要的指标之一。如何准确有效地预测细小死可燃物含水率是确定森林和草原火险等级的关键。因此，研究细小死可燃物含水率的变化规律对于预测森林火灾的发生和控制森林火行为的变化具有重要的科学意义[1-2]。

以往研究森林细小死可燃物含水率变化规律主要是通过构建可燃物含水率模型来实现的[3-4]。早在在20世纪20年代，林业发达国家(如美国、加拿大等)就开始了对细小可燃物含水率的研究，通过模型构建气象因子与细小死可燃物之间的关系，研究细小死可燃物含水率的变化规律[5]。研究人员将更多的气象因子与可燃物含水率的研究相结合，运用气象因子(相对湿度、温度、风速、降水)和非气象因子(可燃物类型等)数据，建立了各种可燃物含水率的预测模型[6-18]。目前，对于细小死可燃物含水率的预测主要有平衡含水率法、气象要素回归法、过程模型法以及遥感估测法，这4种模型都具有比较明显的优缺点[19-20]。平衡含水率法构建的可燃物含水率模型，需要已知可燃物的平衡含水率，在实验室内，这种方法对单一条件(气温、相对湿度、风速和降水量)变化是可行的[21]。但是，由于在野外平衡含水率很难估算，并且野外影响可燃物含水率的不确定因素较多，对平衡含水率法的使用带来一定的困难。平衡含水率法因其在物理方法上比较可靠[6，22-31]，所以此方法在小尺度上相对适用，但是在较大尺度上则准确度下降且工作量大幅度增加。统计回归法主要通过某时刻的可燃物含水率与其他时刻的气象因子之间建立函数关系，相对于其他方法比较简单[10，32-33]，是当前适用最为广泛的方法[19]。

影响可燃物含水率变化的因子较多，可燃物含水率是多种要素综合作用的结果[34-35]，气象因子是影响可燃物含水率变化的主要影响因素[36-40]。因而研究不同气象要素对可燃物含水率影响的贡献和途径具有重要意义[41]。森林中的可燃物可看成位于由各气象要素(气温、相对湿度、风速、降水量等)组成的不稳定气候场中，气温、相对湿度、风速、降水量[17，42-48]等气象因子的变化会引起可燃物含水率的变化。通过研究可燃物含水率变化率与气象因子变化率之间的关系，构建可燃物含水率变化模型是非常有效的方法，可提高森林可燃物含水率预测的准确率，以此提高森林火险预测的准确率。黑龙江省大兴安岭地区是我国重要的林区，是我国重要的生态屏障，同时也是我国森林火灾高发区[20，35，49]。因此，针对该区域典型森林和草甸细小死可燃物含水率进行预测，具有重要的生态学意义[50]。本研究以大兴安岭林区典型森林和草甸细小死可燃物含水率作为研究对象，利用场论相关性思想构建可燃物含水率预测模型，将有效地提高模型的实用性，为大兴安岭林区林火预测预报提供理论依据。

1 研究地概况

本研究在黑龙江省大兴安岭地区南瓮河国家级自然保护区内开展，该区域坐落于大兴安岭东部林区，伊勒呼里山南麓，松岭区境内。保护区地理位置为东经125°7′55″～125°50′5″，北纬51°5′7″～51°39′24″，总面积229 523 hm2，其中森林面积147 751 hm2。该区域海拔高度范围为500～800 m，气候是受西伯利亚冷气团影响的寒冷温带大陆性季风区。全年无霜期约为98 d，年平均降水量500 mm,年平均气温-3 ℃。该地区每年日照时间约2 500 h。该地区的所有土壤类型为棕色针叶林土，是在花岗岩基岩上形成的贫瘠土壤呈酸性，是典型的北方针叶林生态系统森林。主要乔木包括兴安落叶松(Larixgmelinii)、白桦(Betulaplatyphylla)和山杨(Populusdavidiana)；主要草本包括胡枝子(Lespedezabicolor)、山刺玫(Rosadavurica)、越橘(Vacciniumvitis-idaea)、兴安杜鹃(Rhododendrondauricum)、大叶章(Deyeuxiapurpurea)和舞鹤草(Maianthemumbifolium)。南瓮河国家级自然保护区是我国北部寒温带针叶林区目前唯一保存下来的面积最大、纬度最高、最原始、最珍贵、最典型的内陆湿地和水域生态系统类型的自然保护区。

2 研究方法

2.1 数据来源和处理

数据来源于2015年5月26日—6月24日黑龙江省南瓮河生态站的观测数据，试验样地分别设置在兴安落叶松-白桦混交林、兴安落叶松林、蒙古栎(Quercusmongolica)林和草甸，样地信息(见表1)。兴安落叶松-白桦林混交林样地还考虑不同坡向(阴坡和阳坡)和不同坡位(上坡位、中坡位和下坡位)，以减小坡度所引起的误差；观测物为林内地表细小死可燃物，观测仪器每小时自动收录观测物的含水率；气象数据为林外生态站提供的每小时气象数据(包括气温、空气相对湿度、风速和降水量)。采用的气象数据为气温(取值范围-3.37～31.93 ℃)、相对湿度(取值范围22.25%～100%)、1 h平均风速(取值范围0～7.24 m/s)、1 h累计降水量(取值范围0～23.8 mm)。对每个样地的实测细小死可燃物含水率数据进行筛选和比对，数据处理后兴安落叶松-白桦混交林、兴安落叶松林、蒙古栎林各产生720个数据，沟塘草甸产生528个数据，数据处理利用STATISTICA 10.0软件完成。各林分和草甸细小死可燃物含水率取值范围(见表2)。

表1 样地信息

表2 各林分和草甸细小死可燃物含水率取值范围

2.2 细小死可燃物含水率测量

分别在阳坡兴安落叶松-白桦混交林、阴坡兴安落叶松-白桦混交林、阳坡兴安落叶松样地内上坡位、中坡位和下坡位设置采样点，各坡位平行设置5个采样点，各采样点间隔距离为10 m；在阳坡蒙古栎林样地上坡位、下坡位设置采样点，每个坡位同样设置5个采样点，各采样点间隔距离为10 m；在草甸样地内，共设置了5个采样点，各采样点间隔距离为10 m。每个采样点自动测量和收集细小死可燃物含水率数据。这些仪器每1小时自动记录一次各个样地内细小死可燃物含水率数据(见图1)。选取各个样地内长2 cm，直径0.6 cm的死可燃物木棒表示相应样地中的细小死可燃物。测量细小死可燃物含水率时，将死可燃物木棒末端插入两个金属探针，根据被测死可燃物木棒空气干密度标定密度参数和环境温度标定温度参数，仪器的显示屏上直接读取可燃物木棒的内部含水率，该含水率为体积含水率。本仪器的测量范围为0～99.9%，输出信号为4ma～20ma，测量精度为±3%，测量密度范围为0.10～1.25 g/cm3，测量温度范围为-20～70 ℃，校准范围为-5.0～+5.0，不锈钢探针长度为10 mm、直径为2 mm，电线长度为2 m；使用电池为仪器供电，实现24 h对细小死可燃物含水率的测量。

图1 细小死可燃物含水率采集仪器示意图

森林细小死可燃物含水率自动监测仪器使用可燃物含水率计算公式为：可燃物含水率=((可燃物湿质量-可燃物干质量)/可燃物湿质量)×100%，这里可燃物含水率使用相对含水率。

2.3 模型构建

利用样地观测的可燃物含水率数据和林外的气象数据，根据可燃物含水率变化率与各气象因子变化率的关系，构建可燃物含水率变化率模型为：Rt=a1Ct+a2Tt-k1+a3Ht-k2+a4St-k3。式中：Rt为t时刻可燃物含水率变化率，Ct为t时刻可燃物含水率，Tt-k1为t-k1时刻气温变化率，Ht-k2为t-k2时刻相对湿度变化率，St-k3为t-k3时刻累计降雨量变化率，a1、a2、a3、a4为待定系数。

根据相关性理论确定Tt-k1、Ht-k2、St-k3，为了便于理论分析，令Rt≈Ct+1-Ct、T≈Tt+1-Tt、H≈Ht+1-Ht、S≈St+1+St。式中：Tt为t时刻气温(℃)，Ht为t时刻相对湿度(%)，St为t时刻累计降雨量(mm)。

根据最小二乘理论，估算参数a1、a2、a3、a4，构建各林分和草甸细小死可燃物含水率预测模型为：Ct+1=(1+a1)Ct+a2(Tt-k1+1-Tt-k1)+a3(Ht-k2+1-Ht-k2)+a4(St-k3+1-St-k3)。利用随机选取样地的部分数据以验证模型的有效性。

3 结果与分析

3.1 相关性分析

由于气象因子变化对可燃物含水率变化率的影响有一定的滞后性，为了分析可燃物含水率变化规律，本文利用兴安落叶松-白桦混交林、兴安落叶松林、蒙古栎林各产生的720个数据及沟塘草甸产生528个数据求出各林分和草甸细小死可燃物含水率变化率与不同时刻各气象因子变化率之间的相关系数(见表3～表5)，这里本文选取了10个时刻。

表3 阴坡兴安落叶松-白桦混交林各坡位细小死可燃物含水率变化率与各时刻气象因子变化率的相关系数

表4 阳坡兴安落叶松-白桦混交林各坡位细小死可燃物含水率变化率与各时刻气象因子变化率的相关系数

表5 兴安落叶松林、蒙古栎林和草甸细小死可燃物含水率变化率与各时刻气象因子变化率的相关系数

本文相关性分析采用皮尔逊相关分析，统计分析均采用P<0.05显著性水平。方差膨胀因子用于测试变量之间的多重共线性。当方差膨胀因子小于10时，变量之间不存在多重共线性，当方差膨胀因子大于10时，存在多重共线性。

从表3、表4、表5可知，t时刻各林分和草甸内细小死可燃物含水率变化率与林外t-1时刻的气温变化率显著相关，且为负相关；与林外t-1时刻的相对湿度变化率显著相关，且为正相关；与林外t-1时刻的累计降水量变化率显著相关，且为正相关；与林外风速变化率不相关，这主要是由于细小死可燃物位于林地内，受风速变化影响比较小。因此，气温变化率、相对湿度变化率、累计降水量变化率可作为各林分和草甸内细小死可燃物含水率变化率主要影响因子，进而构建前述可燃物含水率预测模型且模型中的参数k1=1、k2=1、k3=1。从表3、表4可以看出兴安落叶松-白桦混交林不同坡向、不同坡位的细小死可燃物含水率在林外相同的气象条件下，其含水率变化率是不同的；气温变化率、相对湿度变化率和累计降水量变化率对下坡位细小死可燃物含水率变化率的影响均高于中坡位和上坡位。此外，从表3、表4、表5还可以看出，在不同林分中，累计降水量变化率对细小死可燃物含水率变化率的影响均大于气温变化率和相对湿度变化率。

另外，Tt-k1、Ht-k2和St-k3的方差膨胀因子的平均值小于10，说明细小死可燃物含水率变化率的影响因子Tt-k1、Ht-k2和St-k3之间不存在共线性。

3.2 可燃物含水率变化率模型构建

每个样地选取研究采样点的数据中随机选取100个数据作为模型检验，其余数据均用于估算参数，随机选取的100个数据需符合当前时刻与前一时刻相连成对数据。根据t时刻可燃物含水率变化率与林外t-1时刻的气温变化率、相对湿度变化率和累计降水量变化率之间的相关性，利用统计回归理论构建各林分和草甸细小死可燃物含水率变化率模型，并根据最小二乘原理估算出模型中的参数(见表6)。

表6 不同林分和草甸细小死可燃物含水率变化率模型

3.3 可燃物含水率预测模型构建

根据所建各林分和草甸细小死可燃物含水率变化率模型，利用差分理论构建出各林分和草甸细小死可燃物含水率预测模型(见表7)。

表7 不同林分和草甸细小死可燃物含水率预测模型

通过上述各林分和草甸细小死可燃物含水率预测模型看出，可以用t时刻细小死可燃物含水率值、林外t时刻和t-1时刻气温差、t时刻和t-1时刻相对湿度差与t时刻和t-1时刻之间的降水量来预测t+1时刻细小死可燃物含水率，步长为1 h。

3.4 模型检验

为了验证模型的有效性，使用前述留取的各林分及草甸用于检验的数据(各100个)进行检验，预测值相对误差不超过5%为准确。检验结果：阴坡兴安落叶松-白桦混交林上坡位、中坡位和下坡位细小死可燃物含水率变化率模型准确率分别为91%、87%和96%，阳坡兴安落叶松-白桦混交林上坡位、中坡位和下坡位细小死可燃物含水率变化率模型的准确率分别为84%、93%和96%，兴安落叶松-白桦林可燃物含水率变化率模型平均准确率为91.1%；兴安落叶松林细小死可燃物含水率变化率模型准确率为90%；蒙古栎林细小死可燃物含水率变化率模型准确率为91%；草甸细小死可燃物含水率变化率模型准确率为81%。同时，给出试验样地2015年6月3日各林分和草甸的细小死可燃物含水率实测值与预测值(见图2～图6)。

图2 阴坡兴安落叶松-白桦混交林细小死可燃物含水率24 h变化图

从图2～图6可以看出，用本文构建的细小死可燃物含水率预测模型，模拟各林分和草甸内细小死可燃物24小时变化规律与实际是相符的。

图3 阳坡兴安落叶松-白桦混交林细小死可燃物含水率24 h变化图

图4 兴安落叶松林细小死可燃物含水率24 h变化图

图5 蒙古栎林细小死可燃物含水率24 h变化图

图6 草甸细小死可燃物含水率24 h变化图

4 结论

本文通过构建各林分和草甸细小死可燃物含水率变化率模型，进而构建出各林分和草甸细小死可燃物含水率预测模型，模型避免了平衡含水率的估算问题。在不稳定场中，用各因素变化率之间的关系构建可燃物含水率模型对研究野外可燃物含水率实时变化规律是可行的，所构建的可燃物含水率模型准确率较高，基本反映了各林分和草甸内细小死可燃物含水率的实时变化规律。由于可燃物位于各林分和草甸内，风速变化对可燃物含水率的变化影响较小，因此所建模型没有考虑风速因子。模型中选取的影响因子在野外容易获取，本文所建模型具有较好的使用价值。另外，由于数据量较大，本文是随机地选取部分样本建模和模型检验，如果选取所有样本建模，R值将有所降低，但模型中的参数变化较小，模型所反映的规律性基本是一致的。