大兴安岭典型林型地表可燃物含水率预测模型

胡海清，罗碧珍，罗斯生，王振师 ，苏漳文，魏书精，

（1.东北林业大学 林学院，黑龙江 哈尔滨 150040；2.广东省森林培育与保护利用重点实验室/广东省林业科学研究院，广东 广州 510520）

林火是森林生态系统重要的干扰因子，在森林生态系统中发挥重要的作用，但大面积的林火影响着森林资源的可持续发展，已成为全球共同关注的热点问题之一[1-2]。森林可燃物含水率影响可燃物燃烧性，是林火发生发展过程的主要影响因子，进而影响林火着火概率以及蔓延速度与林火行为[3-5]。近年来，在欧洲平均每年发生林火3万～6万次，年过火面积达30万～95万hm2；尤其在西班牙，1980—2004年间共发生林火38万次，过火面积达4.7亿hm2[3]。大兴安岭北方林1965—2010年46年间森林火灾发生次数为1 614次，年均森林火灾次数为35.09次，过火林地面积3 523 011.86 hm2，年均过火林地面积为7.66×104hm2[6]。森林可燃物是林火发生的物质基础和传播的主要载体，可燃物载量及含水率等影响火行为及火强度[11-13]。可燃物含水率在林火研究和多方面应用管理中是非常重要的参数[2,10]，同时在林火蔓延过程中起到了决定性作用[11-13]。在美国和加拿大提出的火行为模型里，可燃物含水率是其模型中一个基本组成部分[11,14]，在火行为模型里起着非常重要作用[15]。研究可燃物含水率的动态变化及其对环境因子的响应过程，对提高林火预测预报的准确性具有重要意义[16-17]。

国内外许多学者均开展了可燃物含水率的基础性研究[16-20]。近年来，对可燃物含水率预测模型的研究并进行验证逐渐增多[21-24]。杜秀文等[25]用统计方法从野外预测到的可燃物含水率与气象因子的相关数据，利用回归分析构建经验模型。Simard[26]根据木材的平衡含水率数据并用回归分析方法，在不同的3个空气相对湿度条件下，建立了平衡含水率预测模型。Nelson[27]根据死可燃物水分的热力学响应特征建立了半物理模型。该模型模拟可燃物内部与外部水汽能量守恒交换的机理变化，所得参数具有较强的普适性。Slijepcevic等[22]比较验证了现有模型在澳大利亚桉树林干湿两种林分的适用性，结果表明基于平衡含水率和时滞的模型预测结果优于经验模型。马壮等[23]采用直接估计法对帽儿山林场白桦林可燃物含水率的适用性进行分析。Catchpole等[28]提出采用Simard和Nelson模型确定的平衡含水率对环境因子的响应过程，建立了直接利用野外测定的气温、相对湿度等数据预测可燃物含水率的方法。该方法预测误差小于1.5%，精度较高[29]。金森等[30]对在实验室内使用Catchpole模型对兴安落叶松的观测数据进行直接预测可燃物含水率，认为该方法具有很强的适用性，效果较好。张运林[31]以蒙古栎阔叶床层为研究对象，研究其在近恒温恒湿条件下不同风速条件下的失水时间变化，分析风速对两个失水时间的影响。目前，国内外有关森林可燃物含水率的研究多集中在森林火灾易发地区[21-28,30-31]，主要专注于不同气象条件下可燃物含水率及其动态变化，构建了可燃物含水率预测模型，但许多研究并未考虑森林生态系统的异质性。因此，需要对可燃物含水率变化的基础理论进一步开展系统研究，尤其在现有模型推广应用中，需验证区域可燃物类型的尺度适用问题，修正系数以提高预测精度。因此，在本文中使用基于Nelson和Simard平衡含水率模型进行比对，分析Catchpole模型直接估测可燃物含水率的适用性。

黑龙江省大兴安岭地区是我国最靠北、面积最大，又是森林火灾最严峻的全国重点森林火险区[31-33]。为此，本文选择大兴安岭地区漠河县西林吉林业局，以5种典型林型(分别为阴坡落叶松、阴坡落叶松-白桦混交林、阴坡白桦林、阳坡樟子松和阳坡白桦)的地表可燃物为研究对象，分析气象因子与地被可燃物含水率的相关性，准确地模拟该地区的可燃物含水率动态变化的规律，对于预测预报林火发生或林火行为具有重要意义，同时可提高该区的林火管理水平。

1 研究区概况

研究区位于 52°16′58″～ 53°16′58″N，121°11′22″～123°16′10″E ，属黑龙江省大兴安岭地区漠河县西林吉林业局，北以黑龙江与俄罗斯为界，南部和西部均与大兴安岭林业管理局的北极村国家级自然保护区相接，东部与大兴安岭图强林业局接壤（见图1）。该地区属寒温带大陆性季风区。全年的平均温度为-4～-2 ℃，年均降水量为350～500 mm，相对湿度70%～75%，积雪期达5个月。冬季平均气温＜10℃长达9个月，日温≥10℃的时期自5月上旬开始，至8月末结束。西林吉属沿江低山丘陵地貌，海拔从南到北逐渐降低。该区植被类型主要有以兴安落叶松Larix gmelinii和樟子松Pinus sylvestrisvar.mongolica为主的寒温带和温带山地针叶林，以白桦Betula platyphylla和山杨林Populus davidiana为主的温带落叶阔叶林。林下有温带落叶灌丛、草甸及沼泽化草甸。根据黑龙江省森林火灾数据统计，大兴安岭地区在2000—2014年共发生3 469次森林火灾，其中春季防火期2 303次，秋季防火期1 166次，森林火灾次数分析图见图2。大兴安岭年均过火林地面积为7.66×104hm2，约占近年全国年均过火林地面积的58.81%。森林火灾次数和森林火灾面积占我国同期年均比例较高[6]。

图1 研究区位置Fig.1 Location map of study area

图2 2000—2014年森林火灾次数分析Fig.2 Analysis graph of the number of forest fires from 2000 to 2014

2 材料与方法

2.1 数据收集

2.1.1 可燃物含水率数据采集及测定

根据森林火灾相关资料，选择森林防火期，于2015年5月21日—6月25日和2016年5月20日—6月15日进行外业调查和可燃物样品采集。为了更有效地获得不同林分的可燃物，选择有代表性的5种典型林型（分别为阴坡落叶松、阴坡落叶松-白桦混交林、阴坡白桦林、阳坡樟子松和阳坡白桦）进行调查取样。在研究区采用随机布点法，在5种林型中按照3个坡位（即上坡、中坡、下坡位）各设置一块40 m×80 m 的标准样地（见表1），在同一坡位中每间隔10 m设置5个采样点，5个调查样地共设置75个采样点。在每个采样点挖取20 cm×20 cm的正方形样方，将地被凋落物装入带封口绳的尼龙网（40目，1 mm）中，将尼龙网放回各自采集点使之与周围环境进行水汽交换。每天8:00—16:00每间隔2 h对75个采样点已装地被凋落物的尼龙网进行称重，记录为样品的湿重。监测结束后将样品装入档案袋中带回实验室，在105 ℃条件下烘干24 h至恒重，记录为样品的干重。

2.1.2 气象数据采集

在实验过程中，对地被可燃物样品称重的同时，使用Kestrel 4500手持气象仪测定林内地面1.5 m高度位置的气象数据并记录，获得样地内的空气相对湿度、空气温度、风速和降水量等日平均气象数据。

2.2 数据处理

2.2.1 可燃物含水率的计算

根据式(1)计算地被可燃物含水率：

表1 样地信息Table 1 Information of sampling plots

式中，WH为地被可燃物的湿重量（g）；WD为地被可燃物的干重量（g）；M为地被可燃物的绝对含水率（%）。

2.2.2 可燃物含水率模型构建

Catchpole等[16,20,35]在时滞和平衡含水率法的基础上，提出直接估测可燃物含水率的方法——直接估测法。直接估测法基于以下方程：

恒定环境下的水汽交换方程表达成以下微积分方程

式中，M为可燃物含水率（%）；E为平衡含水率，τ为时滞（h），t为时间（h） 。

Simard[26]根据在不同的3个空气相对湿度条件下，建立的平衡含水率预测模型：

式中：E为平衡含水率，T为空气温度（K）；H为空气相对湿度（%）。

Nelson[27]根据死可燃物水分的热力学响应特征建立了半物理模型：

式中：R为普适气体常量（8.314 J·K-1·mol-1）；T为环境温度（K）；H为相对湿度（%）；m为H2O相对分子质量（18 g·mol-1）；α、β为待估计参数。从不同可燃物类型里确定α、β，因此提供了非常合适的建模方法[20]。

Catchpole等[28]将平衡含水率对环境因子的响应方程（3）和（4）代入方程（2）的离散式中，得到以下方程：

式中，mi为ti时刻的可燃物含水率（%）；mi-1为ti-1时刻的可燃物含水率（%）；Ei为ti时刻的平衡含水率值（%）；Ei-1为ti-1时刻的平衡含水率（%）；步长为 24 h。

2.2.3 模型变量选择及误差计算

为了减少样本分布对预测结果的影响，将2015年春季每个林分的野外监测数据随机分成5组，共有25个随机样本组。使用直接估测法分别对每个林分划分的5个样本组进行运算，使所有的样本都参与训练与测试[36]。得到各样本组的模型预测参数，用于比较各模型R2的稳定性，并用全样本数据进行运算，并用2016年春季的数据进行验证。

用以下方程确定不同林分可燃物含水率预测参数的有效性：

式（6）中：MAE为平均绝对误差；Mi为可燃物含水率实测值（%）；为可燃物含水率预测值（%）。

式（7）中：MRE为平均相对误差；Mi和符号意义同式（6）。

利用SPSS 20.0和STATISTICA 10.0构建不同林分地表死可燃物含水率预测模型。

3 结果与分析

3.1 可燃物含水率的影响因子

表2给出了5种不同林型可燃物含水率与样地实测气象因子、海拔高度之间的Pearson相关系数及相关性检验的结果，从表2可看出，5种林型可燃物含水率与相对湿度呈极显著的正相关（P＜0.01），与温度呈显著负相关（P＜0.05），与海拔高度相关性不明显。阴坡落叶松、阴坡白桦和阴坡落叶松白桦混交林3种林型可燃物含水率与相对湿度的相关系数分别为0.508、0.376、0.315，与温度的相关系数分别为-0.359、-0.146、-0.095，阳坡樟子松与阳坡白桦2种林型可燃物含水率与相对湿度的相关系数为0.656、0.555，与温度的相关系数分别为-0.352、-0.176。阳坡可燃物含水率与相对湿度的相关系数高于阴坡可燃物含水率对相对湿度的相关系数，说明相对湿度对阳坡可燃物含水率影响更大。

3.2 各林分可燃物预测模型

从表3可知，在Nelson模型的5个样本组和全样本组中，5种林分的决定系数R2变化范围为0.64～0.93，全样本组为0.69～0.90。在Simard模型的5个样本组和全样本组中，5种林分的决定系数R2变化范围为0.60～0.90，全样本组为0.67～0.90。通过分析可知，2种模型的各林分5个样本组和全样本组中的决定系数R2值变化范围较为一致，其中，Nelson模型的决定系数R2高于Simard模型。

表2 各林型与气象、海拔高度Pearson相关性†Table 2 The different forest types of Pearson correlation with weather, altitude

在Nelson模型的5个样本组中，5种林分的模型参数α和β最小值为-4.80～8.46、-2.32～0.71，最大值为-0.58～12.43、-1.59～1.09。在Nelson全样本数据中，5种林分的模型参数α最小值为阴坡落叶松的-3.82，最大值为阴坡白桦落叶松的10.27。模型参数β最小值阴坡白桦落叶松-1.93，最大值为阴坡落叶松的0.74。研究发现，系数β作为斜率，可以直接反映平衡含水率对可燃物不同结构特征的敏感性，系数β值越大，则可燃物平衡含水率就越大，参数α作为截距与系数β相反[37]。通过以上分析可知，各林分可燃物平衡含水率大小分别为阴坡白桦落叶混交林＞阴坡落叶松＞阴坡白桦＞阳坡白桦＞阳坡樟子松的持水。即在不同坡向中，阳坡的持水能力低于阴坡。在不同可燃物类型中，混交林的持水能力高于纯林。

表3 各林分预测模型系数Table 3 Coefficient of the prediction model in different forest stand

续表3Continuation of table 3

通过Nelson模型得到各林分可燃物时滞，均小于Simard模型。在Nelson全样本模型里，时滞最大值为阴坡落叶松为2.93 h，时滞最小值为阳坡樟子松为2.0 h。在Simard模型里，时滞最大值为阳坡白桦为4.55 h，时滞最小值为阳坡樟子松为2.74 h。在2种模型里计算的结果都是阳坡樟子松时滞为最小，这说明阳坡樟子松的可燃物含水率变化均快于其余4种林分可燃物含水率的变化。

3.3 预测模型对比分析

图3给出了实测值与预测值的对比图。在图中可看出，在各林分可燃物含水率变化过程中，当可燃物含水率升高时，Nelson模型和Simard模型给出的预测值基本高于实测值，而当可燃物含水率降低时，2种模型的预测值都略低于实测值。其中，阴坡落叶松的预测效果最好，预测值基本接近实测值。当实测可燃物含水率值大于0.6时，2种模型都高估了预测值。当实测可燃物含水率值低于0.5时，2种模型的预测效果最好。

图3 2016年不同林分可燃物含水率实测值与预测值对比Fig.3 Comparison of measured and predicted values of moisture content of different forest types in 2016

在Nelson模型的5个样本组里（见表3），5种林分的平均绝对误差（MAE）变化范围在0.07～0.18，平均相对误差（MRE）变化范围在0.08～0.38。在Nelson全样本组中，阳坡樟子松MAE为0.08，MRE为0.29。阳坡白桦MAE为0.11，MRE为0.23，阴坡白桦MAE为0.15，MRE为0.26。阴坡白桦落叶混交林MAE为0.13，MRE为0.26。阴坡落叶松MAE为0.09，MRE为0.09。5种林分预测准确率结果为：阴坡落叶松＞阳坡白桦＞阴坡白桦落叶松＞阴坡白桦＞阳坡樟子松。

在Simard模型的5个样本组里，5种林分的平均绝对误差（MAE）变化范围为0.07～0.18，平均相对误差（MRE）为0.10～0.50。在Simard全样本组中，阳坡樟子松MAE为0.08，MRE为0.42。阳坡白桦MAE为0.11，MRE为0.23。阴坡白桦MAE为0.13，MRE为0.34。阴坡白桦落叶混交林MAE为0.14，MRE为0.43。阴坡落叶松MAE为0.10，MRE为0.10。5种林分预测准确率结果为：阴坡落叶松＞阴坡白桦＞ 阳坡白桦＞阴坡白桦落叶松＞阳坡樟子松。5个样本组的MAE和MRE变化范围与全样本组相差不大，用于建模的样本组数据具有稳定性。

对于5个林分全样本数据，Nelson模型给出的MAE均值为0.11，MRE均值为0.22，Simard模型给出的MAE为0.12，MRE均值为0.30。Nelson模型预测准确率略高于Simard模型。

4 讨 论

本研究中Nelson模型的参数a为-3.82～3.25，参数b为-1.93～0.74，不同于Sun等[21]采用Nelson模型所得参数a为0.087～0.594，参数b为-0.012～0.096，也不同于Slijepcevic等[22]采用Nelson模型所得参数a为0.28～0.41，参数b为-0.044～0.070。主要原因为实验条件不一样。Sun等[21]研究中把实验样品放置在地表上方塑料方筛内，此时只有可燃物床层与大气中进行水汽交换，而本研究中把实验样品装在尼龙网中直接放回原采样点中，可燃物床层除了与大气进行水汽交换外，还与土壤中的水分进行交换，因此本研究中地表可燃物含水率失水会更慢，可燃物时滞τ就更大。

Nelson模型和Simard模型的MAE和MRE相差不大，2种模型预测阴坡落叶松的含水率准确率都高于其余4种林分，这表明在多个不同林分内，由于不同林分可燃物含水率存在差异，在自然状态下，可燃物含水率的差异与其所处环境的干湿程度和温度高低相关，在高温低湿条件下，空气中的饱和水气压增大使相对湿度变小，进而影响地表可燃物物理性质发生改变，其含水率变化响应也不同。2种模型的外推应用并不完全适用不同可燃物类型含水率的预测，虽然2种模型都考虑了能量守恒和水汽交换的物理过程，但地表可燃物含水率的复杂变化过程受多种因素制约，应考虑在不同或同一森林生态系统的不同可燃物的时空异质性和变化机理的复杂性。与同类研究结果相比[21-22,28,30,37-38]，2种模型的决定系数R2和MAE、MRE误差都比较大，主要是未区分降雨前后对可燃物含水率的影响，降雨后可燃物含水率较高，预测误差较大（见图3），今后需要考虑降雨后可燃物内部吸水转化和可燃物表面自由水对可燃物含水率的影响。

本研究选取2015年春季防火期可燃物含水率数据，基于Nelson模型和Simard模型的直接估测法研究了大兴安岭漠河西林吉地区的5种典型林分的可燃物含水率，并用2016年春季防火期可燃物含水率数据进行验证，研究结果可为该区的林火预测预报提供一定的参考依据。基于Nelson模型和Simard模型的直接估测可燃物含水率已广泛开展并取得一定成果，这对准确地模拟地表可燃物含水率动态变化规律，对预测预报林火发生或林火行为具有重要意义，但由于森林生态系统的异质性与复杂性，如何提高测量精度，仍是模拟地表可燃物含水率动态变化规律的关键问题[39]。目前需在以下3方面进一步深入研究：

（1）加强野外长期连续定位观测研究，强化野外采样和室内试验的标准化工作，通过大量小尺度的实地调查来提高模型的预测精度，分析比较不同可燃物之间的误差变化以确定普适性较强的参数，从而提供模型外推的误差下限。（2）本研究比较了2年在春季防火期中，不同林分的可燃物含水率预测模型，在今后的工作中，也应比较同一年和不同年份中的春季防火期和秋季防火期进行对比研究。（3）地表可燃物在林火引燃中起着重要作用，但树枝、树皮等可燃物对林火的蔓延和火能量的估算也不可忽视，因此，今后应在同一林分或不同林分中对比研究不同直径大小的可燃物含水率变化。Dios[40]对加利福尼亚地区3个不同林型10 h时滞可燃物含水率进行为期一年的研究，利用实测数据对半机制模型进行验证，达到较好预测效果。（4）地形因子的差异变化与森林结合可形成不同的局部气侯，其中海拔高度是主要因素。今后应研究在同一林型设置多个对照样地，在不同海拔、郁闭度条件下，研究其与可燃物含水率的相关变化，为更准确的林火预测提供有力支持。

5 结 论

本研究基于Nelson模型和Simard模型的直接估测法研究了大兴安岭漠河西林吉地区的5种典型林分的可燃物含水率。根据结果可知，Nelson模型给出5种林分预测准确率为阴坡落叶松＞阳坡白桦＞阴坡白桦落叶松＞阴坡白桦＞阳坡樟子松。Simard模型给出5种林分预测准确率为阴坡落叶松＞阴坡白桦＞阳坡白桦＞阴坡白桦落叶松＞阳坡樟子松。Nelson模型给出的阴坡落叶松平均绝对误差（MAE）为0.09, 平均相对误差（MRE）为0.09，Simard模型给出的平均绝对误差（MAE）为0.10，平均相对误差（MRE）为0.10，Nelson模型略优于Simard模型。基于Nelson模型和Simard模型的直接估测可燃物含水率已广泛开展并取得一定成果，研究结果可为该区的森林防火提供快速和准确的火险预测预报，进而为有效防控森林火灾提供重要的技术支撑。