基于Logistic回歸的興安落葉松林飛火引燃試驗*

寧吉彬 耿道通 于宏洲 邸雪穎 楊 光

(東北林業大學林學院 森林生態系統可持續經營教育部重點實驗室 哈爾濱 150040)

當森林火災達到一定強度時，燃燒的可燃物被火焰羽流拋至空中，在風作用下飛遷至未燃區，引燃地表可燃物，產生新的火點，這種現象被稱為飛火(王新等，2011)，常被看作是熱傳遞、熱輻射和熱對流外的第4種林火蔓延方式。飛火是森林火災的一種重要傳播形式，是一種較常見的高能量林火行為，飛火產生往往是林火行為愈演愈烈的唯一警告(楊光等，2020)。1987年大興安嶺“5·6”特大森林火災過程中，飛火現象尤為突出，飛火最遠距離達2～3 km(樓玉海等，1990；林其釗等，1998)。2017年5月2日，內蒙古自治區大興安嶺畢拉河林業局突發特大森林火災，燃著的可燃物飛遷180 m到達諾敏河對岸形成飛火，給森林火災撲救帶來相當大的難度(中國森林草原防火網，2017)。2019年山西沁源發生“3·29”森林火災，火場北部山頂突發飛火，火源越過溝谷引燃北坡油松(Pinustabulaeformis)林，撲火隊員無法靠近火線滅火，只能采取向林緣噴水的方式構建林火阻隔帶(中國新聞網，2019a)。2019年四川涼山“3·30”特大森林火災撲滅后復燃，經查為大風吹燃隱藏煙點，形成飛火引燃林地(中國新聞網，2019b)。因此，研究和預測飛火行為對提高森林火災撲救效率、降低撲救中人員傷亡有重要意義。

飛火是由3個了連續過程構成的：火源的產生、火源飛遷、火源落地引燃地表可燃物(王蘇盼，2016)。國內外相關學者進行大量研究來搞清飛火引燃的形成機制。Manzello等(2007；2008；2009；2010)和Suzuki等(2015)利用花旗松(Pseudotsugamenziesii)和紅松(Pinuskoraiensis)燃燒試驗收集到的顆粒為火源，分別放入碎紙屑、刨花和松針構建的可燃物床層中觀察火源的引燃特性，發現可燃物床層能否被引燃與火源的數量、質量、大小及風速有著密切的關系。Viegas等(2012)以卷曲和平整的藍桉(Eucalyptusglobulus)樹皮、海岸松(Pinuspinaster)和地中海松(Pinushalepensis)球果為火源進行引燃試驗，結果表明，當可燃物床層含水率不足5%時，其被火源引燃的概率達90%，且松球果的引燃能力低于桉樹皮，而凋落物床層被火源引燃所需時間與床層類型有關，桉樹凋落物床層被引燃概率高于海岸松和地中海松。相關研究在選擇林內自然存在的可燃物為火源的同時，大量試驗以金屬顆粒和煙頭為火源開展引燃機理研究。彭志紅(2019)研究熱顆粒和熱輻射共同作用下的松針可燃物床層的點燃特性時發現，隨著熱顆粒溫度和直徑的增加，2種熱傳遞方式共同作用時的臨界輻射熱通量呈顯著下降趨勢。Urban等(2017)通過引燃試驗發現，能夠引燃可燃物的金屬顆粒，無論何種材質，均具有相似的溫度，并且引起明火的顆粒溫度要高于引起陰燃的，隨后Urban等(2018)用鋁質金屬熱顆粒對α-纖維素紙條、松針和大麥(Hordeumvulgare)、小麥(Triticumaestivum)、燕麥(Avenasativa)草本混合物進行引燃試驗，發現草本和松針相對纖維素紙條需要更高溫度的金屬顆粒才會被引燃。有研究以煙頭為火源(金森等，2014；張運林等，2015；2018；Sunetal.，2018；)，選擇蒙古櫟(Quercusmongolica)闊葉和紅松針葉床層為研究對象，進行約4 000次點燒試驗，發現引燃概率與風速顯著正相關，與含水率顯著負相關，與床層壓縮比無關，針葉床層被引燃的概率高于闊葉床層。從國內外相關研究來看，風速等環境因素和含水率等可燃物因素對引燃試驗產生的作用基本相同，其差異主要體現在火源本身特征(陰燃或明火)，森林飛火行為中飛火火源能否引燃可燃物床層的主要影響因素包括可燃物自身形態(草本、針葉和小枝等)和床層特征(含水率和壓縮比)(Manzelloetal.，2020)，但目前尚未開展綜合考慮火源條件、環境因素和可燃物特征的交互作用對引燃試驗的影響并將變化莫測的飛火火源概率化的研究。

本研究主要分析飛火的最后一個階段——火源引燃地表可燃物階段，選取黑龍江大興安嶺興安落葉松(Larixgmelinii)純林為研究對象，在野外調查的基礎上，進行室內模擬野外真實條件下的點燒試驗，以球果、1 h時滯和10 h時滯小枝為3種飛火火源，室內構建不同可燃物床層壓縮比和含水率梯度的松針床層，在不同風速下，研究3種火源引燃的臨界條件和概率，以促進在氣候變化背景下對該區域飛火形成機制的認知，對我國林火行為預測預報具有一定指導意義。

1 研究區概況與研究方法

1.1 研究區概況

大興安嶺地區屬寒溫帶季風區，冬季漫長寒冷，夏季時長較短。全年平均氣溫為-2～-4 ℃，1月平均氣溫為-20～-30 ℃，7月平均氣溫為17～20 ℃，全年溫差較大，極端低溫-52.3 ℃。年降水量較少，平均為460 mm，且集中于7―9月，占全年的85%～90%。主要樹種以興安落葉松、堰松(Pinuspumila)、樟子松(Pinussylvestrisvar.mongolica)、白樺(Betulaplatyphylla)、蒙古櫟等為主。作為研究區優勢樹種，以興安落葉松為主的混交林是森林火災的主要發生地，隨著林火的蔓延，極易發生飛火等特殊火行為。該區在長年低溫的作用下，微生物分解能力較低，地表可燃物長年累積，為飛火火源制造了極有利的引燃條件(寧吉彬等，2018)。在大興安嶺1987年“5·6”特大森林火災中，馬林林場形成的飛火跨過了西爾根河，點燃了對面落葉松，形成3處間距20～300 m不等的不相連的新火場(樓玉海等，1990)。

1.2 野外樣品采集

2017年10月秋季防火期，在研究區興安落葉松純林內采集樹上球果、1 h時滯和10 h時滯的小枝做為飛火火源，收集地表死可燃物做為可燃物床層，將收集到全部樣品帶回實驗室后放入儲藏室通風保存。

1.3 室內引燃試驗

空氣溫度、相對濕度和風速對火源引燃概率有一定的影響，是本研究主要考慮的環境因素。每次試驗使用Kestrel 4500型手持式氣象站測定溫濕度。使用電風扇作為風源，通過改變風扇與可燃物床層的距離來改變風速大小；以1 m·s-1為梯度，設計1～4 m·s-1共4個水平。

可燃物床層特征包括床層的載量、濕質量、含水率和壓縮比。壓縮比(β)計算公式為：

式中：A為可燃物床層密度(g·cm-3)；B為顆粒物密度(g·cm-3)。其中A可通過可燃物質量和可燃物床層大小(20 cm×20 cm×2 cm)計算獲得，B為興安落葉松的木材密度(0.702 g·cm-3)。

本試驗結合壓縮比計算公式和實測可燃物載量(8.6 t·hm-2)，采用控制可燃物床層高度(2 cm)不變但增加可燃物載量(8.6、10.6、12.6 t·hm-2的方法，將更多的可燃物壓入床層以改變床層壓縮比(0.061 3、0.075 5、0.089 7)。無論在何種風速下，可燃物含水率為55%時無法發生引燃，因此在本試驗設計含水率時以10%為梯度，設計10%～50%共5個水平。在試驗時發現，定量的水分不能完全被可燃物吸收，為加強數據統計和建立模型的合理性和準確性，在數據統計時，使用預設含水率梯度數據，在建立引燃概率模型時，使用實際可燃物含水率。

火源特征包括球果和小枝的直徑、長度、干質量、濕質量和含水率。試驗前將采集到的小枝火源統一截成5 cm，根據小枝直徑是否小于0.635 cm和在0.635～2.54 cm范圍內，將小枝分為1 h和10 h時滯火源和，由于在同一時滯內小枝的直徑、干質量、濕質量和含水率不盡相同，為便于后期建立模型，在試驗開始前需對每次試驗使用火源的特征進行逐一測量。

本研究共進行了3(火源)×4(風速)×5(含水率)×3(壓縮比)×30(重復)=5 400次引燃試驗，試驗材料的基本特征和部分燃燒性的均值如表1所示。為盡可能還原林內實際狀況，結合野外調查，在長20 cm、寬20 cm、高2 cm無頂蓋鐵盒內鋪設不同壓縮比和含水率組合的可燃物床層作為被引燃物，基于3種火源在不同風速下進行引燃試驗。試驗前將球果、小枝置于酒精燈外焰30 s引燃，打開風扇，調節到試驗所需風速，使環境風水平吹過可燃物床層，利用特制試驗裝置使燃著的火源投入床層中心，確保每次的火源投入方式相同，判定引燃成功的方式(可燃物床層能被引燃并蔓延)也必須相同。

表1 試驗材料基本特征及燃燒特性Tab.1 Fundamental character and combustibility of experimental materials

1.4 數據處理

火源能否引燃可燃物床層是一種典型的二分類問題，本研究選擇二元邏輯斯蒂(Logistic)模型為基礎，結合實際引燃發生與否(Y=0/1)進行建模分析，認為引燃成功(Y=1)的概率為P，則引燃失敗的概率為1-P，3種可燃物引燃概率(梁慧玲等，2016)均可表示為：

式中：bi為第i個自變量的系數；xi為第i個自變量的值；m為自變量個數。

本研究結合多重共線性診斷與逐步回歸相結合的方式進行自變量篩選，多重共線性診斷以方差膨脹因子法(variance inflation factor，VIF)實現，當某自變量VIF>10時說明共線性明顯，予以剔除。結合相關文獻(Sunetal.，2018；Guoetal.，2016)，本研究在進行逐步回歸分析時采用向后剔除的方式。

在選擇建模樣本時，只隨機抽取一次建模樣本會引起正例、負例的分布不均，對模型精度產生影響，因此本研究隨機重復5次抽取總體樣本的2/3，將得到的5個中間樣本以逐步向后的方式進行邏輯斯蒂回歸分析，若某個顯著變量在5個中間樣本中出現3次及以上，則確定該變量進入飛火火源引燃概率模型(梁慧玲等，2016)。

受試者工作特征曲線(receiver operating characteristic curve，ROC)能夠檢驗Logistic預測模型擬合效果，并且能夠不依賴于閾值進行檢驗。進行模型驗證時，利用Sigmaplot軟件，以模型預測概率為檢測變量，以試驗結果為標準，即可完成曲線繪制，模型擬合效果可通過AUC(area under curve)值(ROC曲線下面積)的大小來判斷。Logistic模型的閾值一般為0.5(劉欣，2017)，但當建模樣本正例與負例嚴重不均衡時，通過分析約登指數(Youden index)，選擇最佳閾值，其計算公式為：約登指數=敏感性值+特異性值-1。隨著敏感性和特異性數值的增加，模型精度也隨之增加，因此當約登指數最大時，模型在預測正例和負例時均具有較高的準確率，且模型預測精度更均衡，此約登指數對應的預測概率值即為預測模型的最佳閾值。

2 結果與分析

球果、1 h和10 h時滯分別進行了1 800次點燒試驗，引燃次數由高到低依次為球果(414次)、10 h時滯(337次)和1 h時滯(161次)。

2.1 影響因素分析

2.1.1 風速對引燃次數的影響 本試驗共涉及4個風速水平，在每種風速下每種火源共進行450次試驗。圖1為在每種可燃物含水率條件下，風速對不同火源引燃次數的影響，即引燃次數隨風速增加而增加。當風速為1 m·s-1時，引燃只發生在含水率最低時；風速為2 m·s-1時，球果引燃次數較2種小枝得到顯著提升，當可燃物含水率超過40%時，1 h時滯小枝引燃概率為0；風速為最大值4 m·s-1時，3種火源引燃概率都顯著提高，但此時球果引燃能力低于10 h時滯小枝，在風速為1～3 m·s-1時球果引燃次數較2種小枝都要多。在火源為1 h時滯小枝、含水率為10%時，風速3 m·s-1比2 m·s-1的引燃次數要低，可能是因風帶走了大量的熱造成了引燃次數下降。在不同含水率情況下，每種火源在每種風速條件下的引燃能力較難區分，可以推測每種火源的引燃能力受到可燃物含水率與風速的交互作用影響。

總體而言，引燃次數隨風速增加而增加。在1 m·s-1風速下，僅10 h時滯小枝在壓縮比最小情況下發生1次引燃，其余2種壓縮比均未發生引燃。從各曲線斜率來看，球果和10 h時滯小枝的引燃能力相對1 h時滯小枝受風速影響較大。當風速小于3 m·s-1時，球果的引燃能力最強，1 h時滯小枝最弱。當風速為4 m·s-1時，10 h時滯小枝的引燃能力變得最強。在不同壓縮比情況下，每種火源在每種風速下的引燃能力變化明顯，可以推測每種火源的引燃能力受風速影響較大，受壓縮比影響較小(圖2)。

風速較低時火源很難維持自身燃燒，更加無法向床層傳遞熱量，因此很難引燃可燃物，風速為1 m·s-1時，1 350次點燒試驗中僅有9次引燃；當風速達到2 m·s-1時，2種小枝引燃次數相近，當小枝被引燃后，2 m·s-1的風速不足難以維系2種小枝自身燃燒，2種小枝被引燃狀況相近造成了引燃次數相近，但相較于1 m·s-1的風速，風速提升帶來的空氣流動確實利于引燃發生；但當風速最大時，由于球果質量較輕，被吹離可燃物床層(計為未燃)的可能性增加，球果引燃次數增加趨勢減緩，可以預測若風速繼續增加，球果和小枝的引燃次數均會因此降低。

2.1.2 可燃物床層含水率對引燃次數的影響 圖3為在每種風速條件下引燃次數隨可燃物含水率的變化趨勢，即引燃次數隨可燃物含水率升高總體呈下降趨勢。當風速較低時，每種火源的引燃能力在各可燃物含水率水平下均較低，風速對每種火源引燃次數的影響并不顯著；隨著風速逐漸增加，球果引燃次數最先響應風速變化，說明球果引燃能力對風速變化較敏感。高風速條件下，當可燃物床層含水率為40%時，引燃次數出現不降反增的情況。

在不考慮風速影響時，在每種床層壓縮比條件下，引燃次數隨含水率增加而減少。結合圖3總體趨勢分析，含水率與引燃次數負相關。從圖4可看出，與圖3的趨勢一樣，當可燃物含水率為40%時，引燃次數依舊較30%和50%要高。結合試驗結果分析來看，當含水率為40%時，3種火源的干質量均較大，可以推測當含水率為40%的引燃次數不降反升是由火源干質量差異引起的。

圖3 不同風速下可燃物含水率對引燃次數的影響Fig.3 Iignited times for different fuel moisture content levels at each wind speed

圖4 不同床層壓縮比下可燃物含水率對引燃次數的影響Fig.4 Iignited times for different fuel moisture content levels at each packing ratio

2.1.3 床層壓縮比對引燃次數的影響 圖5為不同風速條件下引燃次數隨床層壓縮比的變化情況。在不考慮含水率情況下，在不同風速水平下每種火源的引燃次數與床層壓縮比并無明顯相關關系，壓縮比對引燃次數的影響較為復雜。

圖5 不同風速下床層壓縮比對引燃次數的影響Fig.5 Ignited times for different packing ratio content levels at each wind speed

圖6為不同可燃物含水率條件下引燃次數隨床層壓縮比的變化情況。在不考慮風速情況下，引燃次數與床層壓縮比之間并沒有統一的相關關系。結合圖5可知床層壓縮比在引燃試驗中發揮的作用較復雜，二者之間不是明顯的正、負相關關系。

圖6 不同可燃物含水率下床層壓縮比對引燃次數的影響Fig.6 Ignited times for different packing ratio content levels at each fuel moisture content

2.2 建立引燃概率模型

2.2.1 變量篩選 在模型建立時，變量間的相關關系會使變量的顯著性失去意義，需剔除有相關關系的變量。在進行多重共線性診斷之前，可根據森林防火專業知識進行變量的初步剔除。可燃物含水率可通過濕質量與干質量之間的差值與干質量的比值得到，可燃物含水率、干質量和濕質量之間顯然存在顯著的共線性，由于可燃物含水率和載量在森林防火中具有重要意義，故將可燃物濕質量和火源濕質量做剔除處理以減少變量間共線性。由于本試驗通過控制床層高度不變、增加載量的方法來調整床層壓縮比，故床層壓縮比和床層干質量之間相關關系明顯。本研究主要觀察床層壓縮與引燃之間的關系，故剔除變量——床層干質量。將經過初步剔除處理的剩余變量進行共線性診斷，通過對診斷得到方差膨脹因子(VIF)進行變量的剔除。表2為對全樣本數據進行多重共線性診斷后的結果，若變量的VIF>10就予以剔除。從表中可以看出，各變量VIF值均小于10，說明變量間不存在共線性，可以進入回歸分析，進一步篩選變量。

表2 3種火源模型多重共線性診斷(VIF值)Tab.2 Multi-collinearity diagnosis of 3 firebrand model(VIF value)

將經過共線性診斷的變量，以“向后LR”的方式，對5個中間樣本進行Logistic逐步回歸分析，結果如表3所示。風速、可燃物含水率和火源干質量最終進入球果模型；風速、可燃物含水率、床層壓縮比和火源干質量最終進入1 h時滯小枝模型；風速、可燃物含水率和火源含水率最終進入10 h時滯小枝模型。

表3 Logistic模型變量在中間樣本中的顯著性次數Tab.3 The significant times of independent variables in each middle sample group under Logistic model

2.2.2 建立模型 根據2.2.1最終進入模型的變量，隨機抽取每種火源全樣本的2/3進行建模，3種火源引燃概率預測模型參數如表4所示，表達式分別如下：

表4 基于建模樣本的Logistic模型參數擬合Tab.4 Parameters estimation of Logistic model based on modeling sample

式中，XW表示風速(m·s-1)；XFD表示火源干質量(g)；XBM表示可燃物含水率，下同。

式中，XR為床層壓縮比。

式中，XFM為火源含水率。

2.2.3 模型檢驗 以每種火源Logistic模型建模樣本和驗證樣本的預測概率為檢測變量，以試驗引燃情況為標準，繪制ROC曲線，結果如圖7所示，10 h時滯小枝模型建模樣本AUC值為0.859，模型擬合效果最好，其驗證樣本AUC值較高，說明模型適應性較高。各模型建模樣本和驗證樣本AUC值均高于0.8，說明各模型具有良好的擬合效果和適應性。

圖7 Logistic模型ROC曲線Fig.7 ROC cure of Logistic model

通過對約登指數的計算，得到球果模型最佳閾值為0.181，1 h時滯小枝模型為0.114，10 h時滯小枝模型為0.193。

以約登指數得到的最佳閾值計算3種火源引燃概率預測模型的預測準確率，若預測概率低于最佳閾值，則模型預測為無法引燃，反之亦然。對建模樣本和驗證樣本引燃結果的統計結果如表5所示，各模型的預測引燃準確率在75.5%～87.2%，預測未燃準確率在65.9%～81.7%之間。從總預測準確率來看，3種模型均可采納。

表5 Logistic模型預測準確率Fig.5 Prediction accuracy of Logistic model %

3 討論

本研究通過對3種火源的引燃試驗，發現引燃能力依次為球果、10 h和1 h時滯小枝。通過分析點燒試驗過程，發現球果經過引燃后會有一部分缺失，此外，在下落過程中的翻滾現象會有一定概率導致被引燃部分接觸不到床層，導致未燃現象產生；與球果不同，無論以何種姿態落入床層，小枝的圓柱形特征均會使被引燃部分與床層接觸，從而對床層進行加熱；在球果被引燃部分與可燃物床層接觸概率較小的情況下，試驗觀察到球果引燃率依然高于小枝，說明球果有更高引燃能力。在本研究中，10 h時滯小枝具有更高的引燃能力，雖然研究認為1 h時滯和10 h時滯小枝熱值接近(牛樹奎，2012)，但10 h時滯小枝質量更大、潛在熱量多、燃燒時間長，因此具備更多的熱釋放量和更強引燃能力。飛火并非是森林火災蔓延的唯一方式，而是多種蔓延方式并存。將飛火火源與熱對流、熱輻射等熱量傳遞方式相結合，探究飛火引燃的發生，更有利于模擬真實森林火災。

風速對引燃試驗的影響與相關研究(Buttingetal.，1974；Manzelloetal.，2006；Ganteaumeetal.，2009)結果相同，表明引燃次數與風速呈正相關。當風速在1～3 m·s-1時，球果引燃次數均高于10 h時滯小枝，當風速為4 m·s-1時，球果引燃次數增加趨勢減緩且小于10 h時滯小枝，相關研究也發現引燃次數隨風速增加先增加后減小(Sunetal.，2018)。根據本試驗推測，過高或過低的風速均不利于引燃發生，對于引燃的發生與否，每種火源都對應著一個最適合風速，就本試驗而言，球果火源的最適風速要小于小枝火源。若要深入探究風速對火源引燃的影響，得到不同火源引燃概率的最適風速，還需增加風速梯度，進行不同可燃物床層與風速組合下的室內控制試驗，從機理上解釋風速對引燃的影響。

可燃物含水率對引燃試驗的影響與眾多研究結果(Chuviecoetal.，2009；Yinetal.，2012；Oliveiraetal.，2012)類似，與引燃發生次數呈負相關。但與其他研究不同，在本試驗中，當火源為球果和10 h時滯小枝時，可燃物床層含水率為40%時較30%時的引燃次數不降反增，可能是因為試驗用火源來源于林內，即使相同時滯火源，在干質量上也會有一定差異，導致在進行床層含水率為40%試驗時選用的火源干質量較30%的大，具有更高的潛在熱量，此時含水率上的差異性不足以抵消火源干質量對引燃試驗的影響。在模型變量篩選中，火源干質量為影響球果和1 h時滯小枝引燃的顯著變量，且在中間樣本的顯著性次數分別為球果模型3次，1 h時滯小枝模型5次，可見對于球果和1 h時滯小枝這類輕型火源來說，火源干質量的影響較為顯著。為進一步驗證試驗結果，后續研究可針對可燃物含水率和火源干質量對引燃試驗的影響，進行控制變量試驗，探究二者對引燃發生機制的具體影響。

Matvienko 等(2018)的研究表明，小枝的引燃能力隨壓縮比增加而降低，但其分析時選擇的影響因素較單一，研究主要側重于熱量傳遞等機理分析，試驗次數較小，無法進行有效趨勢分析。在本研究中，由于試驗設計床層壓縮比梯度較少，其影響引燃的趨勢也并不明顯，結合建模數據來看，壓縮比也僅僅是影響1 h 時滯小枝引燃的顯著變量，且中間樣本顯著性次數為3次，可見壓縮比對于引燃的影響非常小。因此，在后續研究中，還需增加床層壓縮比梯度進行點燒試驗，更全面分析壓縮比對引燃概率的影響，得到最適合引燃的床層壓縮比。

相比Logistic模型在各領域對二分類問題的廣泛應用，應用于生態領域的隨機森林算法在林火預測預報研究中具有較高的預測精度(Oliveiraetal.，2012；Guoetal.，2016；梁慧玲等，2016)；Sun等(2018)基于煙頭火源的自建模型(Self-built prediction model)也具有較高精度；BP神經網絡因其較強的自適應性、自組織性、泛化能力和非線性映射能力，對于描述森林火災這種突發性強、隨機性高的自然災害具有很大優勢。未來研究可優選更多模型并進行精度對比和適用性分析，以期尋找飛火引燃發生的最簡便方式。

本研究選擇興安落葉松林內球果和小枝為研究對象，通過室內引燃試驗，分析了引燃概率的影響因素，建立了飛火火源引燃概率模型，初步揭示了飛火引燃機制。由于飛火涉及森林防火學、燃燒學、氣象學、空氣動力學等多學科諸多理論，其復雜性限制了形成機理研究，且飛火產生后與火環境耦合作用引發特殊火行為，其引燃概率和隨機散布規律還待進一步研究。飛火研究還需通過野外和室內點燒試驗相結合，開展不同地形、氣象及森林可燃物組合條件下的林火行為研究，探討小尺度上的飛火發生發展過程，揭示飛火產生的地形、氣象因子和森林可燃物閾值，研究飛火的動力學機制，明確飛火顆粒在飛行過程中的燃燒和運動狀態變化，研究飛火的引燃概率和隨機散步規律，從而在機理上解決飛火行為的關鍵科學問題。

4 結論

本研究通過對黑龍江大興安嶺地區典型興安落葉松純林進行野外調查，結合室內模擬野外條件下的點燒試驗，研究了3種火源的飛火引燃情況，得到主要結論如下：3種火源引燃能力由強到弱依次為球果、10 h時滯小枝和1 h時滯小枝；引燃率與風速呈正相關，與可燃物含水率呈負相關但受火源干質量影響較大，與床層壓縮比的關系則較復雜，可能因受火源干質量影響而沒有明顯的引燃影響趨勢；對3種火源建立各自的Logistic飛火火源引燃概率模型，均具有較高準確率。本文研究方法與結果可為后續飛火行為及林火行為預測提供技術參考。