大兴安岭不同坡位地表可燃物含水率的动态变化与建模

宋雨，胡海清，孙龙，苏漳文

(东北林业大学 林学院，哈尔滨 150040)

大兴安岭不同坡位地表可燃物含水率的动态变化与建模

宋雨，胡海清*，孙龙，苏漳文

(东北林业大学 林学院，哈尔滨 150040)

大兴安岭林区是我国森林资源最为丰富、森林火灾最为严重的地区。分析该地区气象、地表可燃物含水率动态变化规律，准确估测地表可燃物含水率可以降低森林火灾发生的几率，对该地区的森林防火工作意义重大。本研究以大兴安岭地区三种典型林型(阴坡白桦林、阳坡樟子松林、阴坡落叶松林)的地表可燃物为研究对象，分析不同林型、不同坡位(上坡位、中坡位、下坡位)地表可燃物含水率和气象参数的动态变化规律，计算气象因子与地表可燃物含水率的Pearson相关系数，分别采用Nelson法、Simard法和气象要素回归法建立地表可燃物含水率预测模型。研究结论如下：对于研究区不同林分，阳坡樟子松林空气平均温度高于阴坡白桦林，阴坡白桦林平均温度高于阴坡落叶松林；阴坡落叶松空气湿度高于阴坡白桦林空气湿度，阴坡白桦林空气湿度高于阳坡樟子松林空气湿度；地表可燃物含水率的关系为阴坡落叶松林>阴坡白桦林>阳坡樟子松林；三种林分地表可燃物含水率均与空气相对湿度、当日最高空气相对湿度呈正相关，与空气温度、当日最高空气温度呈负相关，与风速的相关性较低；Nelson法建立的模型决定系数R2为0.635～0.934，Simard法构建的预测模型，决定系数R2为0.82～0.907，逐步回归模型的决定系数R2为0.191～0.408，Nelson法和Simard法是更适于该地区的地表可燃物含水率预测方法。

可燃物含水率；气象因子；地形因子；回归模型

0 引言

森林火灾是一种具有突发性和破坏性的森林燃烧现象，对森林结构和森林环境的影响是深刻的。森林火灾的种类繁多，在各类森林火灾中，地表火发生的概率最高；而地表可燃物是地表火的主要载体，其含水率的大小是影响地表火发生概率大小及火行为指标的直接因素[1-2]。对地表可燃物含水率动态变化规律进行研究和预测是做好火险预测工作的关键[3]。因此，通过建立适用于该地区的地表可燃物含水率模型并通过对其含水率进行预测也日渐成为林火相关研究的重点。

地表可燃物含水率受多种因素的综合影响，包括可燃物自身的理化性质、所处的地形以及周围气象条件、土壤中的水分等[3-4]。气象因素是影响可燃物含水率动态变化的因素之一，其中空气相对湿度和空气温度是主要的影响因子[5]；降水量和降水时间作为重要的林火管理要素分别影响了森林枯落物层对降水的截留量和死可燃物含水率变化[6-7]。此外，地形、土壤中的水分也间接影响可燃物含水率的变化；地形差异会引起空气湿度和空气温度等生态因子的重新分配，森林作为一种特殊的下垫面，与地形变化结合形成不同的局部气候[8]。当土壤中有足够的水分，并且地表可燃物没有达到饱和点时，地表可燃物就会从土壤上升的水汽中吸收水分[9]。

国内外学者对可燃物含水率与气象因子关系及其预测进行了大量的研究[3，10-15]。加拿大的Wright(1928年)提出了用相对湿度对林火发生进行预报的方法，以相对湿度50%为界限，认为小于50%时林火容易发生；美国的Gisborne提出了多因子预报的方法。Byram等人采用气象因子对可燃物含水率进行了估算。Gisborne和Jemison等大量学者基于降水量，以积累系数表示降水量，并用“火险尺”模型来预测可燃物含水率。1963年，由Albina提出时滞的概念，他认为可燃物干燥过程为一个指数衰减的过程并提供了干燥反应方程。到了80年代，美国和加拿大基于气象要素分别研制出了“火行为预报和可燃物模型系统(BEHAVE)”以及加拿大林火气象指数系统(Canadian fire weather index，FWI)，并依据可燃物平衡含水率法对细小可燃物含水率进行了预测。

目前林火管理的需求明显提高，仅仅研究可燃物含水率及其影响因子的动态变化已经无法适应人们生产生活的要求。随着数学模型的广泛应用，关于可燃物含水率模型的研究也越来越多。近年来我国在可燃物含水率预测模型领域发展较快，建立了一系列不同林型、不同地区的可燃物含水率预测模型[16-21]。

依据当前研究进展，预测可燃物含水率的方法主要有以下4种：①平衡含水率法，②气象要素回归法，③遥感估测法，④过程模型法。其中平衡含水率法和气象要素回归法是当前应用比较广泛的可燃物含水率预测方法[22]。物理上的可靠性使得平衡含水率法在小尺度的研究中较为精确，但对于大尺度则会大大增加工作量且精确度降低[23-24]。Nelson模型和Simard模型是当前使用平衡含水率法对可燃物含水率进行预测时，预测效果最好的两种模型[25-26]。气象要素回归采用统计方法，相对简单，使用广泛[16，27-28]。

黑龙江省大兴安岭地区是我国面积最大、火灾最严重的国有林区[29]，因此建立适用于该地区的含水率预测模型，加强该地区可燃物含水率预测的准确性，对降低森林火灾发生的可能性具有重大意义。本文通过实地监测，以地表可燃物为研究对象，分析了研究区内可燃物含水率及气象因子的动态变化规律，并采用不同建模方法对研究区域不同林型地表可燃物含水率进行建模，选出最优建模方法，对提高该地区地表可燃物含水率预测的精度，进而完善林火管理方法具有一定的意义。

1 研究地区

本文选取的研究地区为位于黑龙江省大兴安岭北部的西林吉林业局，东经121°07′至124°20′，北纬52°10′至53°33′。该地区属寒温带季风性大陆气候，年平均气温为-4.7℃，年均降水量为460.8 mm，植物生长期大约为100 d，无霜期85～115 d左右。冬季由于受到大陆季风和蒙古高压的控制，寒冷异常，气温最低可达-52℃，冻期漫长，可达7个月之久；夏季受到海洋气团的影响，湿润且雨水充足，极端条件下最高气温达32℃。春季风大干旱，是火灾频发期。西林吉林业局森林总面积为16 281 km2，森林覆盖率为90.6%。其中有林地面积覆盖率为90.41%，灌木林面积覆盖率为0.23%。林木蓄积量14 647万m3。有林地的树种组成结构较为单一，主要为兴安落叶松(Larixgmelinii)、樟子松(Pinussylvestrisvar.mongolica)和白桦(Betulaplatyphylla)，其他树种所占比重较少。

图1 研究区域位置图Fig.1 Site map of research region

2 研究方法

2.1 数据获取

于2016年春季防火期(5～6月)，在西林吉林业局选择3种林分布置样地，分别为阴坡白桦林、阳坡樟子松林和阴坡落叶松林(样地信息见表1)。3种林分内样地大小均为40 m×80 m。在每个样地的上坡位、中坡位和下坡位平行设置五个采样点，各个采样点之间的间距为10 m。3块样地共设置45个采样点。在每个采样点挖取边长为20 cm 的正方形样方，将采集的地表可燃物装入30 cm×20 cm的尼龙网中，尼龙网密度为40目。将尼龙网放回采样点，保持尼龙网与周围环境充分接触，即可以维持地表凋落物与周围环境自然的水分交换状态，也避免了外界因素造成的样品的增加或减少。

表1 样地信息Tab.1 Information of sample plots

8点至16点，每隔2 h 对采样点的尼龙网进行称重，记录样品鲜重。监测期内的气象数据获取方式为手持气象站手动测量，包括空气温度，空气相对湿度、风速和降雨量。监测期结束后，将样品带回实验室烘干，并称量样品干重。

3 数据处理

本文分别采用时滞-平衡含水率法和气象要素回归法进行建模。依据Catchpole等人提出的基于平衡含水率和气象动态数据的直接估计法，首先分别采用Nelson模型法和Simard模型法[25]估算出可燃物的平衡含水率，然后将细小可燃物微分方程离散化，最后对Catchpole的直接估计法进行参数估计，得到可燃物含水率预测模型。

Catchpole的直接估计法是基于细小可燃物微分方程(1)来对时滞平衡含水率模型进行参数估计[13，30-32]。

dm/dt=-(M-E)/τ。

(1)

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

Nelson法(1984)平衡含水率与气象因子的函数关系：

(2)

式中：R为普适气体常量(取8.314J/K·mol)；T为环境空气温度，K；H为空气相对湿度，%；m为H2O相对分子质量(取18g/mol)；α、β为待估计参数。

Simard法平衡含水率与气象因子的函数关系：

(3)

式中：T为环境空气温度，K；H为空气相对湿度，%。

将公式(1)离散化并分别把方程(2)、公式(3)带入，即可得到直接估计方程。

M(ti)=λ2Mi-1+λ(1-λ)Ei-1+(1-λ)Ei。

(4)

式中：Ei为ti时刻的平衡含水率值，%；λ=exp(-δt/(2τ))，时滞τ=-δt/(2lnλ)。

气象要素回归法的形式为多元线性方程，并采用逐步回归法进行参数估计，选取相关性最好的方程[33]。

(5)

式中：M为可燃物含水率，%；Xi为所选用的气象，包括前n日和当日14：00时的空气相对湿度，%、空气温度，℃、风速，m/s、降雨量，mm等；bi为待估计参数。

4 结果与分析

4.1 气象因子动态分析

根据手持气象站测量的监测点气象数据，得到研究区每日14时空气温度动态变化图(图2)。由结果可知，春季防火期5月20日至6月25日不同林型，坡位空气温度变化趋势相近。空气温度总体呈上升趋势，随着降雨的发生而波动。阴坡白桦林和阴坡落叶松林空气温度波动较大，阳坡樟子松林空气温度波动较小。降雨过后发生森林火灾的可能性较小，故没有监测降雨后的气象参数，在图中以缺失数据断线显示。阴坡白桦林空气温度变化范围为10.8～31.6℃，平均温度约为21.43℃；阳坡樟子松林空气温度变化范围为9.5～33.8℃，平均温度约为22.81℃；阴坡落叶松林空气温度变化范围为7.4～32.4℃，平均温度约为19.83℃。总体上，阳坡温度高于阴坡，阴坡白桦林温度高于阴坡落叶松林。大兴安岭地区春季防火期林内积雪已完全融化，地表可燃物裸露于空气中，地表可燃物水分蒸发快，含水率较低，易发生森林火灾。

对空气湿度数据进行处理，得到研究区每日14时空气湿度动态变化图(图3)。由结果可知，不同林型，不同坡位空气湿度变化趋势相近；阴坡白桦林空气湿度的变化范围为17.5%～87%，平均湿度约为38.46%；阳坡樟子松林空气湿度变化范围为12.2%～95.4%，平均湿度约为36.84%；阴坡落叶松林空气湿度变化范围为17.6%～98.2%，平均湿度约为39.3%。三种林型的空气湿度阴坡落叶松林>阴坡白桦林>阳坡樟子松林。在春季防火期，研究区域内降雨较为频繁，可燃物含水率波动较大。一般而言，当空气相对湿度低于30%时，易发生重大森林火灾。

(a)阴坡白桦林空气温度动态变化图

(b)阳坡樟子松林空气温度动态变化图

(c)阴坡落叶松林空气温度动态变化图图2 研究区每日14时空气温度动态变化图Fig.2 The dynamic change of air temperature at 14：00 daily in the research region

(a)阴坡白桦林空气湿度动态变化图

(b)阳坡樟子松林空气湿度动态变化图

(c)阴坡落叶松林空气湿度动态变化图图3 研究区每日14时空气湿度动态变化图Fig.3 The dynamic change of air humidity at 14：00 daily in the research region

4.2 不同坡位可燃物含水率动态变化

图4给出了监测期内每日14时可燃物含水率的动态变化情况。由结果可知，不同林型，不同坡位可燃物含水率变化趋势相近。阴坡白桦林上坡位、中坡位和下坡位可燃物含水率平均值分别为76.13%、96.13%和128%，下坡位>中坡位>上坡位，阴坡白桦林可燃物含水率平均值为100.4%；阳坡樟子松林上坡位、中坡位和下坡位可燃物含水率平均值分别为48.16%、49.12%和57.07%，下坡位>中坡位>上坡位，阳坡樟子松林可燃物含水率平均值为51.45%；阴坡落叶松林上坡位、中坡位和下坡位可燃物含水率平均值分别为150.04%、141.01%和170.19%，下坡位>上坡位>中坡位，阴坡落叶松林可燃物含水率平均值为153.75%。三种林型可燃物含水率的大小关系为：阴坡落叶松林>阴坡白桦林>阳坡樟子松林。

(a)阴坡白桦林可燃物含水率动态变化图

(b)阳坡樟子松林可燃物含水率动态变化图

(c)阴坡落叶松林可燃物含水率动态变化图图4 监测期内每日14时可燃物含水率的动态变化Fig.4 The dynamic change of the moisture content of fuel at 14：00 during monitoring period

与阴坡白桦林相比，阴坡落叶松林郁闭度更高，水分蒸发较慢且落叶松林地表可燃物多由落叶松枯枝落叶组成，与阴坡白桦林相比，持水能力较强，故阴坡落叶松林可燃物含水率高于阴坡白桦林可燃物含水率。阳坡樟子松日照时间长，太阳辐射量较大，水分蒸发较快，故阳坡樟子松林可燃物含水率低于阴坡白桦林和阴坡落叶松林可燃物含水率。

4.3 可燃物含水率与气象因子的关系

表2给出了三种林分地表凋落物含水率与空气相对湿度(H)、空气温度(T)、当日最低空气相对湿度(H1)、当日最高空气温度(T1)和风速(W)的Pearson相关系数。结果表明，三种林分地被凋落物含水率均与空气相对湿度、当日最高空气相对湿度呈正相关，与空气温度、当日最高空气温度呈负相关，与风速的相关性较低。

表2 Pearson相关系数Tab.2 Pearson correlation coefficient

注：**表示在0.01水平上显著相关。

4.4 可燃物含水率模型的构建

表3给出了通过Nelson法和Simard法构建的不同林型的可燃物含水率预测模型的参数。对于Nelson模型，参数中的β代表了平衡含水率对空气温度和空气相对湿度的响应速度，参数β的绝对值与可燃物的持水性大小成反比，阴坡落叶松林可燃物的持水性强于阳坡樟子松林，阳坡樟子松林可燃物持水性强于阴坡白桦林；时滞τ的最小值为15.3，最大值为28.5；通过Nelson法构建的预测模型决定系数R2为0.635～0.934。对于Simard法构建的预测模型，时滞最小值为38.5，时滞最大值为42.9，决定系数R2为0.82～0.907。使用Nelson法和Simard法算得的可燃物时滞差异较大。

表4为采用逐步回归法建立的可燃物含水率气象回归模型的参数。从表中可以得出，逐步回归模型的决定系数R2为0.191～0.408。采用时滞平衡含水率法建立的模型相较于采用逐步回归法建立的气象回归模型，更适于估计该研究区的可燃物含水率。

表3 不同林型Nelson和Simard模型参数Tab.3 Parameters of Nelson and Simard models for different forest types

表4 不同林型气象要素回归模型参数Tab.4 Parameters of meteorological element regression model of different forest types

5 结论与讨论

(1)对于空气温度和空气湿度的动态变化。阳坡樟子松林空气平均温度高于阴坡白桦林，阴坡白桦林平均温度高于阴坡落叶松林。空气温度与林分郁闭度成反比。阴坡落叶松林空气湿度最高，阴坡白桦松林空气湿度居中，阳坡樟子松林空气湿度最低。

(2)对于地表可燃物含水率的动态变化。2016年春季防火期，地表可燃物含水率的关系为阴坡落叶松林>阴坡白桦林>阳坡樟子松林。受太阳辐射影响，阳坡樟子松林内空气温度较高，空气湿度较低，林内地表可燃物含水率最低；阴坡落叶松林地表可燃物主要有针叶构成，结构质密，持水性较强，且阴坡落叶松林郁闭度最高，发生降雨后水分挥发较慢，故阴坡落叶松林地表可燃物含水率最高。对于不同坡位地表可燃物含水率的关系，阴坡白桦林和阳坡樟子松林均为下坡位>中坡位>上坡位，阴坡落叶松林为下坡位>上坡位>中坡位。

(3)对于地表可燃物含水率与气象因子的关系与建模。研究区的三种林分地表凋落物含水率与空气相对湿度、当日最高空气相对湿度呈正相关，与空气温度、当日最高空气温度和风速呈负相关，与风速的相关性较低。采用Nelson法和Simard法建立的含水率预测模型适用性要强于采用气象要素回归法建立的可燃物含水率预测模型。

[1] 舒立福，田晓瑞.国外森林防火工作现状及展望[J].世界林业研究，1997，10(2)：29-37.

[2] 于宏洲，金森，邸雪颖.以小时为步长的大兴安岭兴安落叶松林地表可燃物含水率预测模型[J].应用生态学报，2013，24(6)：1565-1571.

[3] 胡海清.林火生态与管理[M].北京：中国林业出版社，2005.

[4] Viney N R.A Review of Fine Fuel Moisture Modelling[J].International Journal of Wildland Fire，1991，1(4)：215-234.

[5] 胡海清，陆昕，孙龙，等.大兴安岭典型林分地表死可燃物含水率动态变化及预测模型[J].应用生态学报，2016，27(7)：2212-2224.

[6] Walsh R P D，Voigt P J.Vegetation litter：an underestimated variable in hydrology and geomorphology[J].Journal of Biogeography，1977，4(3)：253-274.

[7] Fosberg M A.Theory of precipitation effects on dead cylindrical fuels[J].Forest Science，1972，18(2)：98-108.

[8] Holden Z A，Jolly W M.Modeling topographic influences on fuel moisture and fire danger in complex terrain to improve wildland fire management decision support[J].Forest Ecology&Management，2011，262(12)：2133-2141.

[9] Schaap M G，Bouten W.Forest floor evaporation in a dense Douglas fir stand[J].Journal of Hydrology，1997，193(1)：97-113.

[10] 白尚斌，张晓丽.林火预测预报研究综述[J].森林防火，2008，26(2)：22-25.

[11] 舒立福，田晓瑞.国外森林防火工作现状及展望[J].世界林业研究，1997，10(2)：29-37.

[12] Wotton B M，Beverly J L.Stand-specific litter moisture content calibrations for the canadian fine fuel moisture code[J].International Journal of Wildland Fire，2007，6(4)：463-472.

[13] Byram G，Nelson R M.An analysis of the drying process in forest fuel material[J].General Technical Report - Southern Research Station，USDA Forest Service，2015，19(45)：1-56.

[14] Forest Service United States Department of Agriculture.Modeling moisture content of fine dead wildland fuels：input to the behave fire prediction system[J].Usda Forest Service Intermountain Research Station Research Paper，1986，11(359)：1-61.

[15] 程艺龙，孙龙.东北三种典型针叶树种可燃物烘干参数的确定及影响因素分析[J].森林工程，2016，32(4)；22-27.

[16] 何忠秋，李长胜，张成钢，等.森林可燃物含水量模型的研究[J].森林防火，1995,13(2)：15-16+20.

[17] 张国防，林文革，花昆福，等.杉木人工林地表易燃物含水率变化规律[J].森林与环境学报，2000，20(1)：77-79.

[18] 覃先林，张子辉，易浩若，等.一种预测森林可燃物含水率的方法[J].火灾科学，2001，10(3)：159-162.

[19] 薛家翠，望胜玲，曾祥福，等.鄂西林地可燃物含水率及火险等级的气象预报研究[J].华中农业大学学报，2006，25(6)：679-682.

[20] 叶更新，叶希莹.长白山区林下可燃物含水率的观测特征和相关分析[J].中国农学通报，2011，27(22)：22-27.

[21] 李海洋，胡海清，孙龙.我国森林死可燃物含水率与气象和土壤因子关系模型研究[J].森林工程，2016，32(3)；1-6.

[22] 刘昕，邸雪颖.三种方法对森林地表可燃物含水率的预测评价[J].森林工程，2013，29(2)：8-13.

[23] Jin S，Li X Y，Li Y X.Desorption processes of four fine fuels[J].Journal of Northeast Forestry University，2000，28(1)：35-38.

[24] Catchpole E A，Catchpole W R，Viney N R，et al.Estimating fuel response time and predicting fuel moisture content from field data[J].International Journal of Wildland Fire，2001，10(2)：215-222.

[25] Nelson M R.A method for describing equilibrium moisture content of forest fuels[J].Canadian Journal of Forest Research，2011，14(4)：597-600.

[26] 刘曦，金森.平衡含水率法预测死可燃物含水率的研究进展[J].林业科学，2007，43(12)：126-133.

[27] Saglam B，Bilgili E，Kucuk O，et al.Determination of surface fuels moisture contents based on weather conditions[J].Forest Ecology&Management，2006，234：75.

[28] Viegas D X，Pinol J，Viegas M T，et al.Estimating live fine fuels moisture content using meteorologically-based indices[J].International Journal of Wildland Fire，2001，10(2)：223-240.

[29] 于宏洲，金森，邸雪颖.以小时为步长的大兴安岭兴安落叶松林地表可燃物含水率预测模型[J].应用生态学报，2013，24(6)：1565-1571.

[30] Slijepcevic A，Anderson W.Hourly variation in fine fuel moisture in eucalypt forests in Tasmania[J].Forest Ecology&Management，2006，234：36.

[31] Simard A J.The Moisture Content of Forest Fuels 1：a Review of the Basic Concepts[M].Canada：Forest Fire Research Institute，1968.

[32] 姜宏志.枫桦红松林地被死可燃物载量估测模型研究[J].林业科技，2016，41(6)；21-23.

[33] 居恩德，陈贵荣，王瑞君.可燃物含水率与气象要素相关性的研究[J].森林防火，1993，11(1)：17-21.

DynamicChangeandModelingofMoistureContentofSurfaceFuelinDifferentSlopePositionsofDaxing’anling

Song Yu，Hu Haiqing*，Sun Long，Su Zhangwen

(College of Forestry，Northeast Forestry University，Harbin 150040)

Daxing’anling is the forest which has the most abundant forest resources and has the most serious forest fires in China.It is of great significance for the forest fire prevention work in this area to analyze the dynamic change of meteorological elements and surface fuel moisture content，and to accurately estimate the moisture content of surface fuel moisture content to reduce the occurrence of forest fires.In this study，the surface fuel of three kinds of typical forest types(north slopeBetulaplatyphylla，south slopePinussylvestrisLinn，north slopeLarixgmelinii)in Daxing’anling was used as the research object.The dynamic changes of surface fuel moisture content and meteorological parameters in different forest types and different slope positions(high，mid and low slope-position)were analyzed.The Person correlation coefficient between meteorological factors and surface fuel moisture content was calculated.The Nelson method，Simard method and meteorological element regression method were selected to establish the fuel moisture content prediction models.The conclusion of the study were as follows：for different forest types in the study area，the average temperature of south slope Pinus sylvestris Linn was higher than that of north slopeBetulaplatyphyllaand the average temperature of north slope Betula platyphylla was higer than that of north slopeLarixgmelinii.The air humidity of north slope Betula platyphylla was higher than that of north slopeLarixgmeliniiand the air humidity of north slopeLarixgmeliniiwas higher than that of south slopePinussylvestrisLinn.The relationship between surface fuel moisture content was north slopeLarixgmelinii>north slopeBetulaplatyphylla>south slopePinussylvestrisLinn.The surface fuel moisture content in three types was positively correlated with air relative humidity and the highest daily air relative humidity，and negatively correlated with air temperature and the highest daily air temperature，but had low correlation with wind speed.The determination coefficient R2of stepwise regression model is 0.191～0.408.The determination coefficient R2of the model which is established with the Simard method is 0.82～0.907.The determination coefficient R2of stepwise regression model is 0.191～0.408.The Nelson and Simard methods were more suitable for the prediction of fuel moisture content in the study area.

Fuel moisture content；meteorological factors；topographic factors；regression model

S 762

：A

：1001-005X(2017)05-0001-07

2017-04-16

林业公益性行业科研专项(20144402)

宋雨，硕士研究生。研究方向：森林防火。

胡海清，教授。研究方向：森林防火。E-mail：517422138@qq.com

宋雨，胡海清，孙龙，等.大兴安岭不同坡位地表可燃物含水率的动态变化与建模[J].森林工程，2017，33(5)：1-7.