老爺嶺典型林分內地表不同層可燃物含水率動態變化及濕度碼預測模型適用性1)

張運林

(貴州師范學院，貴陽，550018)

森林火險預報能夠預測林火發生的可能性及火后控制火災的難易程度[1-3]。若能準確進行火險預報，并根據預報結果指導林火管理工作，能對遏制森林火災起到重要作用，真正做到“打早”、“打小”、“打了”。隨著全球氣候變暖，極端天氣頻繁，規模大、危害性強的森林火災出現頻率越來越高，森林資源和人民生命財產安全受到嚴重威脅。在當前形勢下，做好火險預報，對于保護森林資源，維持社會、經濟穩定具有重要意義。

可燃物含水率對林火發生及發生火災后一系列火行為(蔓延速度、火焰高度等)有顯著影響，做好火險預報最重要的是提高可燃物含水率預測的精度[4-6]。當前對森林可燃物含水率研究主要是對地表凋落物、活可燃物含水率的研究，關于森林地下可燃物、半腐殖質、腐殖質含水率的研究較少。地下可燃物對林火垂直傳播起重要作用[7]。研究表明，當腐殖質含水率低于100%時，就有發生地下火(陰燃)的可能，一旦發生陰燃，會對當地森林生態系統造成長期損害[8]。因此，研究地表不同層可燃物含水率動態變化，并建立高精度含水率預測模型，對完善森林火險預報，保護森林資源、當地生態系統具有重要意義。

加拿大火險等級系統中包含3個可燃物濕度碼：細小可燃物濕度碼(FFMC)、腐殖質濕度碼(DMC)、干旱碼(DC)，分別代表地表不同層(深度)可燃物濕度[9]。其含水率計算采用半物理方法，具有較好的外推性，因此被世界各國廣泛應用于可燃物含水率預測[10-11]。濕度碼中部分參數通過加拿大野外試驗獲取，該地區與我國氣候、植被類型等存在一定差異，因此無法直接使用，需對其進行修正[12]。國內外關于濕度碼修正的研究較多，包括建立可燃物含水率與濕度碼的關系方程；直接對FFMC、DMC、DC尺度模型中的平衡含水率模型、關鍵參數等重新校正；對濕度碼尺度模型參數直接校正等，該系列措施都提高了對可燃物含水率預測的精度[13-16]。雖然已有較多關于可燃物含水率和濕度碼預測含水率的研究，但對于不同層可燃物含水率動態變化并運用濕度碼分別建立預測模型的研究還較少。

綜上，研究我國東北地區典型林分不同層可燃物含水率動態變化，分析濕度碼與含水率的相關性十分必要。以我國東北地區蒙古櫟(QuercusMongolica)-紅松(Pinuskoraiensis)混交林、白樺林(BetulaplatyphyllaSuk.)下不同層可燃物為研究對象，分析可燃物含水率動態變化，運用濕度碼分別建立含水率預測模型，并與其它預測方法進行比較，分析根據濕度碼建立含水率預測模型的精度。本研究為地表不同層可燃物含水率研究方法提供數據基礎和借鑒，有助于更好理解、評價濕度碼的適用性。

1 研究區概況

研究區位于黑龍江省老爺嶺生態定位站(45°20′N，127°30′E)，海拔200～600 m，平均海拔300 m。研究區屬于溫帶大陸性季風氣候，年最低氣溫約-32.0 ℃，最高氣溫26.0 ℃，年均氣溫2.8 ℃，年均降雨量720 mm，年均蒸發量1 100 mm。現有植被主要包括蒙古櫟、白樺、紅松、黃檗(PhellodendronamurenseRupr.)、山楊(Populusdavidiana)等。

2 研究方法

2.1 數據監測

2.1.1 不同層可燃物含水率監測

可燃物含水率監測試驗在2016年春季防火期(4月7日—6月8日)內進行。森林火險預報是保守預測，評估當日發生火險可能性最高，即含水率最低的情況。一般認為每日14:00時，空氣溫度最高，相對濕度最低，此時可燃物含水率最低，因此每日14:00時進行采樣。蒙古櫟-紅松混交林和白樺林中分別隨機設置3個樣點，每個樣點分層監測含水率。樣地信息如表1所示。

表1 樣地基本信息

地表從上層至下依次為凋落物層(落葉)、半腐殖質層(介于凋落物層和腐殖質層)、腐殖質層(黑色或褐色有機物質)[17]。蒙古櫟-紅松混交林下凋落物層、半腐殖質層、腐殖質層的平均厚度為4.00、2.00、5.00 cm；白樺林下凋落物層、半腐殖質層、腐殖質層的平均厚度為6.00、3.00、5.00 cm。選擇非破壞性采樣方法從上到下依次采樣，放入信封，在野外快速稱質量，其質量記為濕質量(WH)；將樣品帶回實驗室在105 ℃下烘干至質量不再變化為止，稱量得到的質量記為干質量(WD)。根據含水率計算公式(1)計算樣點含水率，3個樣點含水率的算術平均值為當日樣地含水率。

(1)

式中：M為可燃物含水率；MH為可燃物濕質量；MD為可燃物干質量。

2.1.2 氣象要素監測

在蒙古櫟-紅松混交林與白樺林之間合適位置，架設HOBO氣象站，同步監測研究區氣象要素：空氣溫度(T)、相對濕度(H)、風速(W)、降雨量(R)等。監測時間與可燃物含水率監測之間相同，監測間隔為30 min。

2.2 數據處理

2.2.1 濕度碼計算

根據3個濕度碼計算方法，計算研究期內每日濕度碼。FFMC、DMC、DC初始值根據文獻可知，分別為85、6、15[18]。

2.2.2 氣象要素回歸模型

采用Spearsman相關性分析，研究不同層可燃物含水率與氣象要素(0～前3 d)之間的相關性。當日氣象要素下標為0，前n天平均氣象要素(降雨為累積量)下標為-n。例如，當日平均風速記為W0，前2 d平均風速記為W-2。并采用逐步回歸方法，以氣象要素為預測因子，分別建立不同層可燃物含水率預測模型。研究認為，降雨對可燃物含水率預測模型精度有影響，因此，根據前24 h是否有降雨，本研究將數據分為全部數據、非降雨、降雨數據，分別建立預測模型。具體模型形式如下：

(2)

式中：M為可燃物含水率；Xi為氣象要素；bi為系數。

2.2.3 濕度碼回歸模型

本研究通過直接建立濕度碼與含水率之間的關系，進行可燃物含水率預測。采用Spearsman相關性分析，研究不同層可燃物含水率與濕度碼之間的相關性。采用逐步回歸法，使用全部數據、非降雨數據、降雨數據分別建立不同可燃物含水率預測模型。模型形式與式(2)相似，其中Xi表示濕度碼。

2.2.4 預測模型精度分析

選擇n-fold交叉驗證計算2.2.2和2.2.3中所建立模型的平均絕對誤差(MAE)和平均相對誤差(MRE)，計算公式如式(3)和(4)所示。采用t檢驗比較2種方法誤差之間是否有顯著差異，以實測值為橫坐標、預測值為縱坐標，繪制1∶1實測、預測值比較圖，探究模型預測效果，分析濕度碼預測可燃物含水率的適用性。

(3)

(4)

式中：Mi為含水率預測值；Mj為含水率實測值。

3 結果與分析

3.1 可燃物含水率、氣象要素和濕度碼統計特征

根據研究期內氣象要素和濕度碼統計特征(表2)，研究期內空氣溫度、相對濕度變化范圍分別為1.26～26.09 ℃、17.40%～100.00%；最大風速為6.80 m·s-1。從75%分位數可以看出，研究期內大部分時間平均風速都小于2.52 m·s-1；單日最大降雨量達22.80 mm，但有3/4的時間內降雨量低于1.00 mm。

表2 氣象要素和濕度碼特征統計

研究期內，蒙古櫟-紅松混交林中凋落物、半腐殖質、腐殖質含水率均值分別為64.95%、132.49%、82.23%；白樺林中3層可燃物含水率均值分別為75.82%、172.54%、136.49%。半腐殖質含水率變化區間最大，凋落物次之，腐殖質含水率波動最小。白樺林可燃物含水率均值高于蒙古櫟-紅松混交林。從標準差和單日最大變化值可以看出，白樺林可燃物含水率動態變化比蒙古櫟-紅松混交林更強烈。從25%、75%分位數可以看出，約25%的天數比較干燥，2種林下凋落物含水率都低于20%(表3)。

表3 可燃物含水率特征統計

3.2 不同層可燃物含水率與氣象要素的相關性

根據蒙古櫟-紅松混交林、白樺林下不同層可燃物含水率動態變化與氣象要素的相關性(表4)。2種林分凋落物含水率都與降雨、相對濕度呈極顯著正相關，與風速呈顯著負相關，且隨著距離采樣時間間隔越長，相關性逐漸減弱；半腐殖質含水率與降雨量、相對濕度呈顯著正相關，但前3天降雨量、相對濕度對半腐殖質含水率的影響明顯減弱；腐殖質含水率動態變化僅與空氣溫度呈極顯著負相關，且相關性隨著采樣時長的增加逐漸增強。

表4 可燃物含水率與氣象要素相關性

蒙古櫟-紅松混交林、白樺林中凋落物含水率與FFMC、DMC都呈極顯著負相關，與DC不相關；半腐殖質含水率與3個濕度碼都呈極顯著負相關，且半腐殖質含水率與濕度碼的負相關性在FFMC、DMC、DC中呈遞減趨勢；腐殖質含水率僅與DC有顯著性差異，且白樺林腐殖質含水率的差異顯著性高于蒙古櫟-紅松混交林(表5)。

3.3 可燃物含水率預測模型

根據蒙古櫟-紅松混交林、白樺林內凋落物含水率預測模型(表6)，2個林型下，凋落物含水率預測模型選擇預測變量都相同。使用全部、非降雨、降雨數據進行氣象要素回歸法預測，預測變量主要包括當日降雨、相對濕度及前1天平均相對濕度；濕度碼法主要包括FFMC、DC。對于蒙古櫟-紅松混交林內凋落物，氣象要素回歸模型在全部、非降雨、降雨時MAE分別為24.65%、6.81%、40.63%，濕度碼法MAE分別為31.85%、7.75%、49.69%；對于白樺林內凋落物，氣象要素回歸模型在全部、非降雨、降雨時MAE分別為30.57%、10.68%、47.69%，濕度碼法MAE分別為38.00%、11.05%、60.87%。2種林分凋落物含水率的預測效果都在使用非降雨數據時預測效果最好，全部數據次之，降雨數據最差。濕度碼法預測誤差略高于氣象要素回歸法，但除使用降雨數據外，兩者誤差無顯著差異(t檢驗，P>0.05)。

表5 可燃物含水率與濕度碼的相關性

表6 凋落物含水率預測模型

蒙古櫟-紅松混交林使用全部、降雨數據進行氣象要素回歸法建立半腐殖含水率預測模型，預測變量都為當日降雨量和前2天降雨總量；非降雨模型比較復雜，包括前2天的平均風速、溫度和前3天的平均濕度。白樺林半腐殖含水率氣象要素回歸模型中預測變量主要是降雨、相對濕度。2種林型的半腐殖質含水率濕度碼預測模型中被選入方程的濕度碼相同。蒙古櫟-紅松混交林使用全部、降雨數據時，濕度碼法預測效果優于氣象要素回歸法；使用非降雨數據時，氣象要素回歸法預測效果更好。白樺林使用全部、非降雨數據時，濕度碼法預測效果更好(表7)。

表7 半腐殖質含水率預測模型

蒙古櫟-紅松混交林、白樺林，使用降雨數據都無法建立腐殖質含水率預測模型。使用非降雨數據時，濕度碼法無法建立蒙古櫟-紅松混交林腐殖質含水率的預測模型。建立氣象要素回歸法的腐殖質含水率預測模型，預測變量主要包括前n天的空氣溫度；濕度碼預測模型主要包括DC。使用非降雨數據的預測效果略優于使用全部數據，濕度碼法預測效果不如氣象要素回歸法(表8)。

表8 腐殖質含水率預測模型

3.4 可燃物含水率預測模型誤差比較

蒙古櫟-紅松混交林的3種可燃物含水率在氣象要素回歸法、濕度碼法的實測值和預測值1∶1圖(見圖1)。對于氣象要素回歸法：使用全部、非降雨數據建立凋落物含水率預測模型，預測效果接近；使用降雨數據預測效果最差，當含水率較低時，預測值偏高。半腐殖質含水率預測使用全部、非降雨、降雨數據得到實測值和預測值直線斜率接近，預測值、實測值分布相近，預測效果較好。腐殖質含水率預測使用非降雨、全部數據的回歸效果接近。對于濕度碼法：凋落物含水率預測使用非降雨數據時，預測效果較好；使用降雨、全部數據時，預測效果較差，主要是含水率過高時，濕度碼對其的解釋程度不夠。半腐殖質含水率預測使用全部、降雨數據時，預測效果較好；使用非降雨數據時，效果較差。腐殖質含水率預測使用全部數據時，實測值和預測值沒有分布在1∶1線兩側，隨著實測值的改變，預測值幾乎不變，預測效果較差。

白樺林下可燃物含水率預測使用氣象要素回歸法時：凋落物含水率使用全部、非降雨數據時，預測效果較好，使用降雨數據時，預測效果較差；半腐殖質含水率預測使用非降雨數據預測效果最好，全部、降雨數據的預測值和實測值斜率接近，預測效果接近；腐殖質含水率使用非降雨數據時預測效果較好。白樺林下凋落物、半腐殖質、腐殖質使用非降雨數據、全部數據建立濕度碼預測方程時預測效果接近，使用降雨數據時預測效果較差。選擇濕度碼法預測降雨時半腐殖質含水率，預測值幾乎不隨實測值的變化而改變，預測效果較差(圖2)。

圖1 蒙古櫟-紅松混交林的可燃物含水率實測值與預測值1∶1圖

圖2 白樺林下可燃物含水率實測值與預測值1∶1圖

4 討論

研究期內，蒙古櫟-紅松混交林中可燃物含水率極顯著低于白樺林中可燃物含水率(t檢驗，P<0.01)，通過25%分位數可以看出，蒙古櫟-紅松混交林中半腐殖質、腐殖質含水率均低于100%，白樺林下腐殖質含水率25%分位數為111.04%。一般認為當含水率低于100%時[8，17]，有發生地下火的可能性，說明蒙古櫟-紅松混交林更容易被引燃并垂直蔓延，其發生地下火的可能性高于白樺林。

2種林型下凋落物含水率動態變化與降雨、相對濕度、風速相關，且相關性隨著距離采樣時間間隔增加而減弱，這與zhang et al.[19]的研究結果相似，主要是由于氣象要素對可燃物含水率的影響有一定的滯后性；半腐殖質含水率主要受降雨、相對濕度的影響；腐殖質含水率僅與空氣溫度相關，這與滿子源等[17]、張吉利[20]的研究結果相似。2種林型下凋落物含水率與FFMC、DMC都呈極顯著負相關；半腐殖質與3個濕度碼都呈顯著相關；腐殖質含水率僅與DC相關，這與金森等[21-22]研究結果相似。不同層可燃物由于其暴露位置、自身理化性質不同，對氣象要素的敏感程度、自身水汽交換程度也不同，因此氣象要素及濕度碼對不同可燃物類型含水率動態變化的影響不同。

對于所有可燃物類型，使用部分(非降雨、降雨)數據進行含水率預測幾乎都優于使用全部數據，這種差異對于凋落物尤為明顯，這與張吉利[20]、張運林等[23]的研究結果相似。降雨條件下，會增大可燃物含水率，特別是凋落物含水率的變異程度增加，導致含水率預測精度下降。

本研究使用濕度碼法預測凋落物、半腐殖質、腐殖質含水率的MAE變化范圍分別為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預測模型的MAE為27.70%，張恒等[9]預測大興安嶺白樺林凋落物含水率的MAE變化范圍為8.10%～17.10%。本研究與張恒等[9]的研究結果差異較大，區別在于是否使用降雨數據進行分析。本研究若僅考慮非降雨數據，2種林下凋落物含水率預測誤差分別為7.75%、11.05%，與前人研究結果相似。白樺林下凋落物含水率的預測效果顯著低于蒙古櫟-紅松混交林，與張吉利等[20]的研究結果相同，主要是由于闊葉林凋落物含水率偏高，且濕度碼模型是根據針葉林下凋落物來建立其模型形式、參數。因此，使用濕度碼預測對針葉林凋落物更具有適用性。不論是否區分數據，2種林型下凋落物含水率使用氣象要素預測模型和濕度碼模型預測誤差均沒有顯著差異，濕度碼模型預測誤差略高。但從1∶1圖可以看出，當凋落物含水率較低時，濕度碼法對其的預測值估算偏低，這對于實際火險預報應用更具意義，保證不誤報、不漏報。因此，雖然氣象要素回歸法預測精度更高，但在實際應用中使用濕度碼法預測凋落物含水率更有意義。對于半腐殖質含水率預測，使用全部數據時，2種林型均使用濕度碼法的預測效果更好；使用降雨、非降雨數據時2種方法誤差結果不同，但無顯著差異。對于腐殖質含水率預測，氣象要素回歸模型要優于濕度碼模型。

綜上，對于凋落物含水率預測，濕度碼法在實際火險預報中更適用；對于半腐殖質、腐殖質含水率預測，濕度碼法并沒有表現出顯著優勢，說明濕度碼法在應用時需要進行修正。本研究僅簡單分析了含水率與濕度碼之間的關系，對于濕度碼中關鍵參數模型，例如失水系數、平衡含水率并沒有進行校正，原因是這些參數模型在國外研究區獲取，其氣候、地形條件不同，因此對本研究并不適用。此外，失水系數、平衡含水率模型并沒有考慮床層特征，例如床層密實度、厚度等，但這些指標對可燃物含水率動態變化有顯著影響。在今后的研究中，還需要充分考慮可燃物床層特征，對3個濕度碼的尺度模型及模型中的關鍵參數模型重新擬合估計，建立基于床層結構并適用于我國可燃物類型的關鍵參數預測模型。建立精度高、適用性強、外推能力好的濕度碼預測模型，對地表不同層可燃物含水率的研究具有重要意義。