内蒙古大兴安岭主要火环境因子对地表死可燃物含水率的影响1)

伊伯乐 刘晏铭 张恒

(内蒙古农业大学，呼和浩特，010019)

地表死可燃物含水率大小不仅是引发林火的重要因素，也是决定森林火灾危险性和森林火灾行为的重要火环境因子[1-2]。地表死可燃物含水率的高低决定着地表死可燃物被引燃的概率大小，也影响着林火蔓延速度以及火灾强度[3-6]。在研究中，直接测量地表死可燃物含水率的数据相对真实，但无法在林火蔓延的时候进入林内进行测量，进而很难得到瞬时的含水率数值。由于海拔和植物的结构变化、温度、湿度和降水的差异[7]，气象要素进行重新分配，以及冠层覆盖度[8-9]，导致地表死可燃物含水率也随之改变。因此，通过观测主要火环境因子的相应指标，研究主要火环境因子对地表死可燃物含水率的影响，对探讨地表死可燃物含水率与森林火灾预测以及森林火灾的发生和蔓延具有重要意义。

地表死可燃物含水率一直都是森林火灾的研究热点，并且美国、加拿大、澳大利亚的相关学者对地表死可燃物含水率预测模型进行了深入的研究[10-13]。Fosberg et al.[14-15]提出了通过细小可燃物湿度和降水量来计算积累指数的概念，并提出了基于扩散方程的可燃物含水率模型；Anderson[16]和Nelson[17]运用时滞法和平衡含水率法创建了含水率预测模型；Becky et al.[18]研究了混合针叶林由于人工疏伐导致的地表死可燃物含水率对季节变化的影响；Stuart et al.[19]建立了一套澳大利亚桉树林地表可燃物含水率的微分方程，并与气象要素回归方程进行了详细的比较。在国内，有代表性的研究主要是可燃物含水率与气象要素的关系、取样时间以及地表死可燃物含水率与环境梯度[20-22]。国内外有关森林可燃物含水率的研究基本都是在不同土壤、气象条件下的动态变化[23-24]，并且多数集中在林火高发区。邵潇等[25]的研究表明，气温、相对湿度、风速等火环境因子对森林枯死可燃物含水率变化有着密切的关系；王文娟等[26]研究了环境因子对不同时滞地表死可燃物含水量的响应；李世友等[27]建立了气温、空气相对湿度、凋落物层表面温度、腐殖质层表面温度、凋落物层厚度与易燃可燃物含水率的预测模型；张运林等[28]得出日平均湿度、日降水量和前5日降水对3种乔木可燃物含水率变化呈显著相关。

总体来看，在大量的关于森林地表死可燃物含水率的研究中，发现主要的火环境因子与地表死可燃物含水率变化有着密切关系，但还不够完善。因此，需要进一步探讨主要的火环境因子与地表死可燃物含水率存在的关系。本文以2004—2017年森林火灾多发的内蒙古大兴安岭不同地区地表死可燃物含水率为研究对象，运用SPSS统计学原理，分析地表死可燃物含水率与长期监测的火环境因子的相关性，构建不同地区不同季节地表死可燃物含水率的预测模型，进一步探讨影响地表死可燃物含水率预测的火环境因子，为了提高地表死可燃物含水率的预测精度、林火管理水平和维护生态安全提供参考。

1 研究区概况

研究区域位于内蒙古大兴安岭，大兴安岭的森林面积约730万hm2，南北长696 km，东西宽384 km，沿俄罗斯、蒙古边境线长440 km，地理坐标为121°12′～127°E，50°10′～53°33′N。该地区森林覆盖率达77.44%，年降水量350～450 mm，相对湿度70%～75%，年平均气温-3.5 ℃，无霜期76～120 d。其位于高纬度寒温带地区，属于寒温带大陆性季风气候，春季和秋季是火灾高发期。林分类型主要有落叶松(Larixgmelinii)、杨树(PopulusL.)、白桦(Betulaplatyphylla)、黑桦(Betuladahurica)、山杨(Populusdavidiana)、蒙古栎(Quercusmongolica)等。

2 研究方法

2.1 样地设置和数据来源

本研究数据来源于内蒙古自治区林业草原局，地点选取根河市、鄂伦春旗、牙克石市、阿尔山市；数据采集时间自2004年4月28日至2017年4月24日；共有610组数据，其中已筛除高温低湿天气下的数据，具有代表性。火环境因子包含枝落叶层厚度(Th)、枯枝落叶层质量(L)、枯枝落叶层温度(Tl)；林中气温(T)、林中相对湿度(R)；林内灌木高度(H)、林内灌木盖度(C)。

可燃物含水率计算公式：

式中：M为可燃物含水率；WH为可燃物湿质量；WD为可燃物干质量。

2.2 地表死可燃物含水率预测模型的建立与检验

将内蒙古自治区林业草原局提供的数据，根据春秋两个季节以及地区分别进行整理。以枯枝落叶层厚度(Th)、枯枝落叶层重(L)、枯枝落叶层温度(Tl)、林中气温(T)、林中相对湿度(R)、林内灌木高度(H)、林内灌木盖度(C)为变量。根据Person相关性数据分析方法，确定与地表死可燃物含水率相关性显著的因子，剔除无相关性或相关性较小的因子，使用整理好的各个地区春秋两季的数据，以当天地表死可燃物含水率为因变量，以火环境因子(Th、L、Tl、T、R、H、C)为自变量，运用逐步线性回归方法建立多元线性方程，模型具体形式为：

式中：M为可燃物含水率；Xi(i=1、2、…、n)为火环境因子(枯枝落叶层厚度、枯枝落叶层重、枯枝落叶层温度、林中气温、林中相对湿度、林内灌木高度、林内灌木盖度)；bi为待估参数。

采用n-fold交叉验证法[29]计算样地的n个含水率数据的模型精度，将数据分成n个子样本，用剩余n-1个样本与主要火环境因子进行逐步线性回归，并利用剩余一个数据验证，交叉验证重复n次，每个子样本验证一次。计算平均误差，对不同对照的误差进行显著性检验(配对t检验)，显著性水平设定为α=0.05。

2.3 数据处理

运用Excel 2018软件整理数据后，采用SPSS 22.0软件对数据进行方差分析，并用Pearson相关性分析法进行对主要火环境因子和地表死可燃物含水率进行相关性分析。显著性水平为P=0.05。同时，采用Origin 2018软件进行作图，绘制不同地区及季节预测模型实测值与预测值的1:1线，用以研究预测效果。

3 结果与分析

3.1 地表死可燃物含水率与火环境因子的相关关系

由表1可知，枯枝落叶层质量与全地区、牙克石市、鄂伦春旗的地表死可燃物含水率呈显著正相关(P<0.05)；林内灌木盖度与全地区地表死可燃物含水率呈显著负相关(P<0.05)；林中相对湿度与阿尔山市春季的地表死可燃物含水率呈显著负相关(P<0.05)，与根河市、牙克石市、阿尔山市全年和秋季的地表死可燃物含水率都呈现显著正相关(P<0.05)。T、Tl、H、Th对地表死可燃物含水率的影响不同，显著性逐渐降低，这与立地条件和森林生态学特性有关。

表1 地表死可燃物含水率与火环境因子相关性

3.2 地表死可燃物含水率预测模型

由表2可知，利用多元线性逐步回归筛选构建地表死可燃物含水率预测模型所采用的预测因子以及模型参数。林中气温(T)、林中相对湿度(R)、枯枝落叶层质量(L)、枯枝落叶层温度(Tl)以及林内灌木盖度(C)是影响地表死可燃物含水率变化最重要的火环境因子，枯枝落叶层质量、枯枝落叶层温度对地表死可燃物含水率的响应始终为正相关；而全地区中地表死可燃物含水率与林内灌木盖度始终呈负相关；林中气温和林中相对湿度则有不同的影响，这与当地的气象要素不同导致含水率发生变化有关。

表2 地表死可燃物含水率预测模型

由表3可知，在建立的地表死可燃物含水率模型中，春季地表死可燃物含水率模型的平均绝对误差为20.54%，平均相对误差为35.76%；而秋季建模的平均绝对误差为24.30%，平均相对误差为45.25%；全年总体建模的平均绝对误差和平均相对误差分别为24.70%和45.81%。

对预测模型的误差进行分析，显著性较大的火环境因子更多，误差相对较低，预测精度更高。如鄂伦春旗全年模型，主要的火环境因子为L，其平均绝对误差和平均相对误差分别为33.35%和53.58%，对比于阿尔山市春季模型，主要的火环境因子R和Tl的平均绝对误差、平均相对误差分别为11.69%、13.21%，显然阿尔山市春季预测模型的精度更高；但将所有年份混合建模并没有降低模型的误差，反而增加了平均误差，主要原因是不同地区的不同采样地的气象要素和植被条件不同，导致各地的含水率变化响应差异变大，进一步降低了模型的预测精度。

表3 3种分类方法建模的交叉验证误差

3.3 不同地区季节地表死可燃物可燃物含水率预测模型误差分析

由表4可知，在对各地区春秋两季进行t检验时，平均绝对误差差异不显著(n=5,t=-1.442,P=0.223)，平均相对误差差异不显著(n=5,t=1.637,P=0.177)；在对春季和全年进行t检验时平均绝对误差差异(n=6,t=-2.759,P=0.040)和平均相对误差差异(n=6,t=1.417,P=0.216)都不显著；对秋季和全年进行t检验时平均相对误差差异(n=6,t=0.217,P<0.01)和平均相对误差差异(n=6,t=-0.538,P<0.01)极显著。可知，秋季和全年的火环境因子相关性更为显著，其预测精度更加准确。

表4 不同地区不同季节模型的预测误差比较

由图1可知，通过分析不同地区实测值与预测值的地表死可燃物含水率的对比图，R2=0.833的阿尔山春季的拟合线更接近于1∶1线，预测精度最高；其它模型分布比较离散，R2范围在0.080～0.489，预测效果普遍不好；对采样分布区较大，数据较多的全地区模型，大数据并没有提高模型的预测精度，且预测精度较低。根河市春季、鄂伦春旗秋季，通过多元线性逐步回归没有筛选出与模型相关的火环境因子，则无模型建立。

4 结论与讨论

在火行为和火险天气预报的研究中，森林可燃物含水率是其至关重要，地表死可燃物为高火险的森林可燃物的重要组成部分。本研究结合内蒙古自治区林业草原局的观测数据，分析了7个火环境因子与地表死可燃物含水率的相关性，筛选出影响地表死可燃物含水率的主要火环境因子，建立了不同地区不同季节的地表死可燃物含水率预测模型，并对不同地区不同季节地表死可燃物含水率的差异性进行了分析。根据分区数据和四个地区混合数据，在将其分为春秋两季，分析火环境因子与不同地区地表死可燃物含水率之间的作用机理。影响地表死可燃物含水率变化的主要火环境因子有：林中气温、林中相对湿度、枯枝落叶层质量、枯枝落叶层温度以及林内灌木盖度。影响地表死可燃物含水率变化最重要的火环境因子除林中气温、林中相对湿度外，不同地区、不同时间影响地表死可燃物含水率火环境因子不同。张思玉等[6]认为林中气温、林中相对湿度两个自变量构成的模型响应最好；邵潇等[25]、金森等[30]也认为林中气温、林中相对湿度和风速对枯死可燃物含水率的影响显著，与本研究结果类似。

秋季和春季防火期预测模型的平均绝对误差和平均相对误差都极显著(P<0.01)，表明不同防火期的火环境因子对地表死可燃物含水率的影响存在差异。总的来看，秋季防火期对地表死可燃物含水率作用的主要火环境因子要多于春季防火期，在今后的森林火险预测预报时，需要考虑防火期对其的影响，更好的提高森林火险预测预报的准确性。本文选用的是时间尺度大的气象因子(在每一年春秋两季防火期时抽取2～4 d)，预测精度虽然不高，主要研究内蒙古自治区林业草原局观测数据中7个火环境因子是否可作为主要的火环境因子参与地表死可燃物含水率的预测，通过比较分析，效果不佳。由于可燃物含水率本身具有较大的空间异质性，如何能用更少的数据以及更合理的建模因子构建更为准确和普适的模型，是我们将要解决的问题。

图1 不同地区模型实测值与预测值对照图

建立地表死可燃物含水率预测模型时没有发现与根河市春季和鄂伦春秋季显著的火环境因子，这说明除本研究中7个主要火环境因子外，还有更为主要的火环境因子没有进入预测系统，在今后的实验中，应广泛地采集火环境因子，筛选出主要的火环境因子，为地表死可燃物含水率预测精度的提高提供参考。