气候、植被和地形对大兴安岭林火烈度空间格局的影响

付婧婧,吴志伟,3,*,闫赛佳,张宇婧,顾先丽,杜林翰

1 江西师范大学鄱阳湖湿地与流域研究教育部重点实验室,南昌 330022 2 江西师范大学地理与环境学院,南昌 330022 3 中国科学院沈阳应用生态研究所,沈阳 110016

林火是北方森林景观中最重要的自然干扰因子之一,导致每年数百万公顷的森林受到不同程度的损毁[1- 3]。林火烈度是指林火对森林生态系统(植被、土壤养分和土壤理化性质)的影响程度[4]。它作为衡量林火干扰程度的主要指标之一,较为直观地反映了火干扰对森林生态系统的破坏程度[5-6]。因此,在北方森林景观中林火烈度是研究的热点议题之一[7-9]。

林火烈度在景观上通常表现出异质性的空间分布格局(如轻度、中度、重度火烧斑块的空间镶嵌),深刻地影响着森林景观中的多种生态过程[10-13]。例如,林火烈度的空间格局是形成阿拉斯加北方森林演替早期群落模式的限制因子[14]。而且,有研究表明在全球气候变暖下高烈度火烧斑块在景观中的比例呈增加趋势,这将不利于火烧迹地的植被更新,进而影响到火后植被演替格局[15-16]。定量分析林火烈度的空间格局,有助于揭示火烧后森林生态系统中的各种生态过程的发展变化轨迹和森林景观格局的形成机制[17]。

林火烈度空间格局是受气候、植被、地形等多种因子综合作用的结果[18- 21]。气候通常被认为在区域尺度上起主导作用,而植被、地形等则被认为在局部尺度起作用[22-23]。研究表明,由气候主导的效应可能被植被(可燃物)、地形等因素改变,形成不同的林火烈度空间格局[24]。例如,Hariis等研究了地形、可燃物以及气候对美国加州约塞米蒂国家公园林火烈度的相对影响,其研究结果表明气候不是控制林火烈度大小的主要因素；相反,地形和可燃物等因素是主要驱动因子[25]。因此,综合评估气候、植被和地形对火烧斑块空间格局的影响至关重要。

大兴安岭作为我国重要的林木产区,带来了巨大的社会、经济和生态环境效益。其中,呼中林区作为大兴安岭林火发生最为频繁的地区之一,有研究表明该地区林火烈度可能会在气候变暖的情景下不断加剧[26]。了解林火烈度空间分布格局及其形成机制是当地进行林火管理以及有效分配扑火资源的关键。因此,本文基于2000—2016年LandsatTM/ETM影像,采用随机森林(Random Forest,RF)模型)：1)对大兴安岭呼中林区的林火烈度空间格局进行分析；2)探讨其与气候、植被、地形等环境变量之间的关系。预期为大兴安岭地区林火干扰后森林景观生态格局形成机制和森林可持续发展提供科学依据。

1 研究区与研究方法

1.1 研究区概况

呼中林区位于黑龙江大兴安岭(地理坐标为52°25′00″—51°14′40″N,122°39′30″—124°21′00″E),总面积为937.244 hm2,海拔为440—1500 m (图1)。该地区是欧亚大陆多年冻土的南缘,气候属大陆性季风气候,四季分明,光照充足,雨量充沛,寒冷湿润。年均气温-2.9℃,1月平均最低气温为-28.9℃,7月平均最高气温为17.1℃。年均降水量495 mm,主要集中在夏季。土壤类型主要以棕色针叶林土为主。

该地区地带性植被类型为寒温性针叶林,是东西伯利亚明亮针叶林向南分布的延续。以兴安落叶松(Larixgmelinii(Rupr.) Kuzen.)为主,约占该地区的65%。除了兴安落叶松外,还有樟子松(PinussylvestrisL. var.mongolicaLitv)、偃松(Pinuspumila)、云杉(Piceakoraiensis)、白桦(BetulaplatyphyllaSuk.)、山杨(Populusdavidiana)等。白桦是该地区主要的阔叶树种,能够在火烧迹地上迅速生长,常与兴安落叶松形成针阔混交林。

图1 研究区地形图以及2000—2016年火场分布图Fig.1 The topographic map of study area location in Huzhong Forest Bureau, overlaid with the location of 36 fires that ocurred between 2000 and 2016

1.2 数据来源与处理

1.2.1火烧数据和林火烈度制图

火烧数据为呼中区2000—2016年历史火烧记录数据,包括经纬度坐标、过火面积、起火原因、起火时间和灭火时间等信息。在进行景观格局分析时,过火面积太小的火场可能存在以下问题：(1)许多像元可能位于火灾边缘,因此火场邻近区域对过火像元的反射率有很大影响,降低了火烧像元内林火烈度评估值的大小；(2)如果过火像元太少,景观格局指数可能没有意义。例如,如果过火区域只有一个烈度等级,对火烧斑块的景观指数进行统计性描述是没有意义的。因此,本研究仅选取单个过火面积大于20 hm2的火场。总共36个火场,总的过火面积为28786.6 hm2；火场大小范围为21.6—8327.7 hm2,平均每场火为799.6 hm2(图1和表1)。

表1 2000—2016年36场火的火场信息及遥感影像信息

本研究选择火烧后当年的Landsat TM/ETM影像作为林火烈度评估数据源。遥感影像(条带号为121/24,空间分辨率为30 m)数据来源于中科院地理空间数据云平台(http://www.gscloud.cn/)和美国地质调查局(https://earthexplorer.usgs.gov/)(表1)。利用ERDAS 9.2软件对遥感影像进行辐射定标和大气校正等处理。

随着卫星遥感技术的不断发展,借助遥感指数定量评价林火烈度的研究越来越多。其中,归一化火烧指数(Normalized Burn Ratio, NBR)是一个较好的反映林火烈度的指数。其计算公式如下[27]：

NBR=1000×(band4-band7)/(band4+band7)

式中,band4是近红外波段,band7是短红外波段。NBR值与林火烈度呈负相关。

本研究利用R语言计算了2000—2016年呼中林区36场火在火后的NBR值。根据王晓莉等[28]提供的NBR阈值对过火区域的林火烈度进行分级,将每个火场划分出未过火(>585)、轻度(252—585)、中度(53—252)、重度(≤53)共4个不同等级的火烈度斑块。

1.2.2气候、植被、地形数据

(1)植被数据包括火前植被类型和NDVI植被指数。本研究基于呼中林相图数据,将植被分为针叶林、阔叶林和针阔混交林3种类型。火前NDVI指数用来间接表征植被覆盖度、生物量等信息。NDVI指数是基于火前1年植被生长季(6—8月)的Landsat TM/ETM 计算而来的。

(2)地形数据包括海拔、坡度、坡向3个因子。由数字高程模型(DEM)在ArcGIS中空间分析得到。根据以下公式将ArcGIS提取的坡向转为连续变量,取值范围是-1—1。

Aspect index=cos((θ×2×PI)/360)

式中,Aspect index为坡向指数,θ为坡向值(0—360度),PI为圆周率。坡向指数越大越朝阳坡。

(3)气象数据包括火烧期间的日平均风速、日平均温度、日最小相对湿度等(表2)。

表2 环境因子统计性描述表

1.3 林火烈度的空间格局量化

林火烈度的空间格局指的是不同烈度的火烧斑块的大小、形状等,及其在空间上的分布与配置[29]。本研究采用景观格局指数来定量描述林火烈度的空间格局。依据各景观指数的生态意义,选取了5个可以较好地反映林火烈度空间格局的景观指数(表3)。运用Fragstats景观格局分析软件,采用8邻域规则,进行了林火烈度空间格局指数的计算。景观指数的选取和量化过程具体如下：

(1)斑块组成和大小(Patch composition and size)指数：选取斑块所占景观(即火场)面积比(Percentage of landscape, PLAND)和面积加权平均斑块面积(Area-weighted mean patch area, Area_AM)2个指数描述不同火烈度斑块的大小。斑块所占景观面积比用来衡量过火区域不同火烈度斑块的面积比例丰度；

(2)斑块形状指数(Patch shape)：选取面积加权平均斑块分维数(Area-weighted mean patch fractal dimension, FRAC_AM)和面积加权边缘面积比(Area-weighted perimeter-area ratio, PARA_AM)2个指数描述不同火烈度斑块形状的复杂性。面积加权平均斑块分维数是基于周长-面积的关系来测量斑块形状的复杂性。其取值范围为1— 2,其值越大,斑块形状越复杂。面积加权边缘面积比是将斑块的周长除以面积,并按斑块的大小进行加权。面积加权边缘面积比定量化了斑块边界的复杂程度,其值随着边界复杂程度增加而增加；

(3)斑块空间配置(Patch arrangement)：选取斑块密度(Patch density, PD)描述每场火不同火烈度斑块在空间上的分布。斑块的数量越多,斑块密度越大。

表3 景观格局指数

1.4 统计分析

(1)基于R语言中的laercio包,本研究采用Duncan多重比较法确定未过火、轻度、中度、重度火烧斑块的景观格局指数是否存在显著差异性(α=0.05)。

(2)本研究采用R语言中的随机森林(Random Forest,RF)包作为建模工具,针对控制重度火烧斑块空间格局的因素进行建模,评估每个变量对重度火烧斑块空间格局的相对影响。随机森林是利用Bootstrap重采样方法从原始样本中抽取多个样本,并为每个样本生成独立的决策树的一种集成算法[30-31]。每个决策树中随机选取三分之二的数据用于建模,而其余三分之一的数据,即袋外数据(out-of-bag,OOB)用于模型验证。在建模过程中,随机森林在保持其他变量不变的情况下,随机置换变量的观测值后,通过比较袋外误差(out-of-bag error)得到变量的重要性。然后,通过袋外误差的增加量和基于分裂时基尼指数的减少量来评估每个变量的重要性。袋外误差的增加量是由两次袋外误差的差异的平均值决定的。基尼系数衡量的是森林中所有树木上每个变量的杂质。每次使用变量组合在新的训练数据上使树生长到最大深度。与经典决策树相反,这些完全生长的树不需要修剪。在每个节点上,只搜索选定的特性以获得最佳分割[32]。基尼指数越大,节点纯度越高,表示变量越重要。本研究选择基尼指数来评价各解释变量的重要性。其计算公式如下：

式中,GIm为节点m的基尼指数,K表示有K个类别,pmk表示节点m中类别k所占比例。

(3)重要因子的边际效应分析是基于局部依赖性图进行的,局部依赖图显示了一个特征对先前拟合模型预测结果的边际效应。预测函数固定在选定特征的几个值上,并在其他特征上取平均值。本研究对于重度火烧景观格局指数与各影响因子之间局部依赖图采用partialPlot函数绘制。

2 结果与分析

2.1 未过火、轻、中、重火烧斑块的景观格局指数差异性

在斑块所占景观面积比和面积加权平均斑块面积中,重度火烧斑块与中度、轻度以及未过火火烧斑块存在显著差异性(P<0.05)(图2)。相对于其他类型的斑块,重度火烧斑块的面积更大,在景观中所占的比例较高；从面积加权平均斑块分维数和面积加权边缘面积比来看,重度火烧斑块的面积加权平均斑块分维数趋近于1,且面积加权边缘面积比也显著低于其他火烈度斑块,表明重度火烧斑块的形状更简单；从斑块空间配置来看,相对于重度火烧斑块,轻度、中度火烧斑块的斑块密度较大,数量较多。

图2 未过火、轻度、中度、重度火烧斑块的景观格局指数Fig.2 Boxplots showing distribution of spatial pattern metrics by burn-severity classes不同大小字母表示不同的林火烈度下景观格局指数间差异显著(α=0.05)

2.2 气象、地形、植被因子的相对重要性

随机森林模型中各因子的相对重要性排序如图3所示。由图中变量的重要性排序可知,各个景观指数中变量的重要性排序不同。坡向和植被覆盖度是影响斑块所占景观面积比最重要的2个变量；影响面积加权平均斑块面积按重要性大小排序依次为海拔、坡度、温度、风速、坡向、相对湿度、植被覆盖度、植被类型。影响面积加权平均斑块分维数的最主要因子为海拔,其次是相对湿度、植被覆盖度等。坡向对面积加权边缘面积比的影响最大,而斑块密度的大小主要取决于海拔和坡度这两个变量。结果表明海拔是影响重度火烧斑块空间格局最重要的因素。

图3 随机森林模型中变量的重要性Fig.3 Relative contributions of variables to spatial patterns of high-severity patches

2.3 气象、地形、植被因子的边际效应

图4显示了各个变量对重度火烧斑块景观格局指数的影响区间(边际效应)。随着海拔的升高,面积加权平均斑块面积、面积加权平均斑块分维数的边际效应曲线呈上升趋势,且海拔为1100 m时面积加权平均斑块面积和面积加权平均斑块分维数最大,而面积加权边缘面积比和斑块密度呈下降趋势,表明海拔与二者之间呈负相关关系；从坡向方面来看,坡向越朝南,斑块所占景观面积比的边际效应值先增加后减小,而面积加权边缘面积比和斑块密度的边际效应曲线刚好相反；此外,除了面积加权平均斑块面积外,都受到火前植被覆盖度的影响,且植被覆盖度为0.2—0.3范围内,重度火烧斑块在景观中所占比例最大；面积加权平均斑块面积对坡度的响应尤为明显,坡度在15°—20°之间边际效应曲线呈先上升后下降的趋势,当坡度为25°时又迅速上升；斑块所占景观面积比中相对湿度边际效应曲线显示,相对湿度为60%左右,边际效应值呈稳定高峰状态,但随着湿度的增加,边际效应值逐渐减小。

图4 重度火烧斑块景观格局指数与各影响因子之间边际效应图Fig.4 Partial dependence plots for the random forest model run using only the top 8 variables identified in the full model,showing the response of high severity patch to individual predictor.The variable shown are elevation,aspect,mean temperature,mean windspeed,relative humidity

3 讨论

本研究结果表明中国北方森林景观火烧后以重度火烧斑块为主导,这与北美北方森林景观中的研究结果类似[33-34]。例如Lentile等将美国阿拉斯加北方森林的58%的景观描述成重度火烧[35]。不同火烈度的斑块大小在空间上具有很大的变异性,高烈度的林火通常通过增加重度火烧斑块面积,同时减少轻度、中度火烧斑块在景观中的比例,最终形成更加均质的重度火烧景观[22]。

重度火烧斑块的面积加权边缘面积比显著低于未过火、轻度、中度火烧斑块。从景观生态学的角度来看,边缘面积比随着斑块面积的增加而减少[36],高烈度的林火往往形成较大面积的重度火烧斑块,相对于其他类型的斑块,斑块的形状更加规则且边缘数量少。例如,Turner 等发现,美国黄石国家公园的森林景观的边缘面积比从早期火灾到后期火灾有所下降[37]。重度、轻度火烧斑块的面积加权平均斑块分维数与中度火烧斑块存在显著的差异性。Keane等认为虽然林火烈度越来越严重,但是它们往往与低烈度火烧斑块相邻,形成多样性的景观,增加森林景观的空间异质性[38]。相对于重度火烧斑块,轻度、中度火烧斑块的斑块密度较高,可能是因为较多的轻度、中度火烧斑块覆盖了更多异质的生境,林火蔓延受到更多的限制,使得轻度、中度火烧斑块在空间上不连续分布,形成较多的小斑块,导致森林景观的破碎化。

海拔对林火烈度空间格局起着重要的作用[39-40]。随着海拔的升高,重度火烧斑块所占景观面积比例增加,斑块形状趋于简单,这可能是因为高海拔的地区分布着较多的针叶树,且太阳辐射较强,坡度较大,林火蔓延较快,产生重度火烧的可能性较大。此外,本研究中的火灾多为大兴安岭地区的春夏交替季节,高海拔林分中可能分布着较多灌丛或草本植物[41- 42]。由于可燃物积累较多,火灾容易蔓延,可能是造成大面积重度火烧斑块的原因。而坡度和坡向的解释弱于海拔。坡度和坡向通过影响可燃物含水率,间接影响着火灾蔓延时火烧强度。

本研究表明气候因素对林火烈度空间格局的作用总体上次于地形(比如海拔)的作用。造成这种差异的原因可能是气候对林火烈度有重要的影响,但并不是完全由其控制林火烈度的空间格局。在有利的气象条件下,虽然林火动态变得更加激烈,传播的速度增加,林火烈度也不断增加,但是重度火烧斑块的结构与空间配置对地形的响应较大。另外,本研究中的气象数据来源于呼中气象站一个观测点(距离火场的距离较远),缺乏针对每场火灾所在区域范围内的观测数据。为此,可能是因为气象要素的空间变异性在本研究中反映不充分,导致其解释能力受限。尽管如此,获取每场火灾近距离的实时观测气象要素依然是林火研究的难点问题,是今后进一步研究的方向。

本研究表明植被类型对林火烈度的空间格局的解释弱于地形和气候。但是火前NDVI指数表征的植被覆盖度具有较强的解释能力。大兴安岭地区植被类型单一,在景观尺度上植被的空间变异性不大,可能是导致植被类型对林火烈度空间格局解释不明显的原因之一。因此,在植被类型空间变异性较大的地区,其对林火烈度空间格局的解释程度可能会与本研究的结果不同。另一方面,火灾燃烧在很大程度上取决于可燃物特征(比如可燃物载量)[43- 45]。通常植被覆盖度高,可燃物载量大,因此对林火烈度的空间分布格局影响更强。

4 结论

本研究基于NBR指数分析了2000—2016年大兴安岭呼中林区不同火烈度斑块的空间格局,并运用随机森林模型分析了气候、地形、植被对重度火烧斑块空间格局的影响。研究结果表明2000—2016年大兴安岭呼中森林景观中重度火烧斑块的空间格局与中度、轻度以及未过火火烧斑块存在显著差异性。相对于气候,地形和植被对于塑造重度火烧斑块空间格局具有重要作用。尽管有人认为区域气候模式对火灾行为的影响有时非常显著,以至于林火烈度空间格局并不会随着地形、植被等生态系统因素而发生强烈的变化。而本研究结果则表明当地的生态系统因素(地形、植被)也会对林火烈度空间格局产生强烈的影响。随着未来森林火险等级不断上升,通过对不同火烈度斑块异质性进行风险评级,可以辅助森林管理部门从景观层面上合理配置森林斑块,对于实现火后不同植被格局下森林火险的长期监测具有重要的意义。