森林地表死可燃物含水率预测模型研究进展*

孙 龙 刘 祺 胡同欣

(东北林业大学林学院 哈尔滨 150040)

森林生态系统作为陆地自然生态系统的主体，在保护生物多样性及维持全球碳平衡方面起着重要作用。而林火作为森林生态系统的重要干扰因子，对森林植被的分布、结构和功能具有重大影响(Yangetal.， 2018)。大规模、高强度的森林火灾对人类生命财产构成重大威胁(Moritzetal.,2014)。根据全球火灾监测中心的数据，20世纪80年代以来，每年全球发生森林火灾约25.5万次，年均危害森林或其他林地面积636.7万hm2(胡海清等,2016)。重特大森林火灾的发生取决于可燃物载量大小及是否存在空间上连续分布、有利于火势迅速蔓延的天气条件及火源条件(Bradstocketal.,2010;Alenetal., 2018)。森林地表可燃物含水率FMC(Fuel moisture content)是影响森林火灾蔓延和燃烧速率的重要因子之一(Bilgilietal., 2019)，越来越被认为是森林火灾综合管理的关键因素(Baezaetal., 2002),它已被广泛应用于火灾危险评估(Paltridgeetal.,1988; Cawsonetal., 2019)。以往森林火险预测是在直接测量森林可燃物含水率的基础上结合当地气象站的相关气象因素进行预测，考虑到林内地形复杂，林内小气候多样，林内气象站不完善，因而火险预测代价高昂且低效。为准确预测火险，应建立一套完整的森林火险等级预测系统，基于气象因子(相对湿度、温度、风速、降水)和非气象因子(可燃物类型等)数据的综合分析，建立一系列火险预测模型，包括可燃物含水率预测模型。目前具有代表性的系统包括美国、加拿大森林火险等级系统(韩焱红等， 2019)。20世纪70年代，Forsberg等(1970)建立一系列可燃物含水率模型，在此基础上，Cammon(1976)根据Fourier Number建立的一系列模型为美国国家森林火险等级系统提供理论支撑。加拿大森林火险等级系统是基于森林地表死可燃物含水率野外观测数据对物理模型校正后得到的半经验模型，气象因素、死可燃物含水率相继被融入到该系统的框架中，且不同版本间有较强的连续性(张吉利,2018)。

在森林燃烧理论中，可燃物、氧气和火源是影响森林火灾发生的3个基本条件(Pausasetal.， 2009)。气候、降雨等天气原因对森林火灾具有相当大的影响(Rileyetal., 2014; Caietal., 2014)。森林可燃物以其在林内位置的不同而划分为地下可燃物、地表可燃物和空中可燃物。地表可燃物是指枯枝落叶层到离地面1.5 m以内的所有可燃物，包括枯枝落叶、杂草、倒木等； 而地表死可燃物则是指地表枯死植物体的总称，包括枯枝、枯立木、采伐剩余物等，根据时滞的不同则可划分为1、10、100和1 000 h时滞的可燃物(胡海清,2005)。其中地表细小死可燃物(1 h时滞)是林火发生的物质基础和首要条件(Jemison, 1935; van Wagneretal., 1977; Wehneretal., 2017)。森林地表死可燃物含水率影响火灾发生的概率、传播速率、辐射效率和能量释放(Zhongetal.,1995)。这些因素也是准确评估森林火灾风险的重要依据(Huetal.,2016)。FFMC(Fine fuel moisture content) 通常是指1 h时滞的细小可燃物的含水率，它随林内气象动态变化而变(张吉利， 2018)。在相同气象条件下细小可燃物相对其他可燃物类型而言含水率变化过程较为显著，是指示森林火险等级的重要指标。地表细小死可燃物含水率已成为林火生态研究的重点之一(Yanetal.,2018)，并被认为是影响火行为变化的关键参数(Schunketal.,2014)。因此，预测森林可燃物含水率，特别是对地表细小死可燃物含水率的动态预测，已经成为森林火灾风险评级系统的核心(Matthewsetal.,2006)。进一步完善对于森林地表死可燃物含水率预测模型的研究，将有利于实现我国森林火险预测由基于气象参数向基于可燃物含水率的转变，这对于提高森林火险预测预报精度具有重要意义。

1 森林可燃物含水率研究方法

传统意义上，研究森林地表死可燃物含水率主要有遥感估测法、气象要素回归法、平衡含水率(equilibrium moisture content, EMC)法和过程模型法4类方法(满子源等， 2019)。因过程模型法是基于物理描述且应用难度较大，实际应用较少。

1.1 遥感估测法

遥感技术在森林防火中的应用始于20世纪20年代，最初用于林火监测、绘制林分分布图以及森林可燃物的划分上(齐怀琴等, 2013)； 20世纪70年代，该技术逐渐成熟，被应用在很多方面，具有代表性的是用来监测土壤和植被水分。遥感估测法主要包括光谱反射率反演法、光谱水分指数法和辐射传输模型法(Toomeyetal., 2005; Yebraetal., 2006)。20世纪90年代，随着高光谱技术的迅速发展，人们开始探索利用遥感技术来反演可燃物含水率。目前，遥感估测法由于使用较为复杂，在小尺度环境条件下应用精确度不够，故仅适合在大尺度环境上对森林火险进行评价。

1.2 气象要素回归法

森林地表死可燃物受气象因子的影响较大，因此，气象要素回归法是针对死可燃物研究的一种方法。气象要素回归法较其他方法相对简单。基于最初Byram(1943)通过积累系数的方式表示可燃物含水率，而后更多研究者将可燃物含水率与气象因子之间建立某种联系，进而建立可燃物含水率预测模型。其中，火险尺模型法、BEHAVE模型、综合指标法等具有代表性(刘昕等, 2013)。由于采用统计的方法建立模型，其应用较为简单(金森等, 1999)。气象要素回归法是我国目前预测地表死可燃物含水率的主要方法，但其研究结论很大程度上会受到可燃物特性和研究区域的限制。

1.3 平衡含水率法

平衡含水率和时滞是可燃物含水率变化的重要特征。平衡含水率定义为可燃物于恒温、恒湿条件下，一段时间后其含水率达到的一个动态平衡值。随温湿度等环境条件的变化，可燃物含水率的变化与平衡含水率变化之间有一滞后时间，这一现象可用反应时间和时滞来描述。通过平衡含水率建模的方法称为平衡含水率法。平衡含水率法在物理上较为可靠，因此适用于小尺度范围，若推到大尺度上应用准确度会下降(Catchpoleetal., 2001)。平衡含水率法是目前主流的死可燃物含水率预测方法，应用最广泛。北美多个国家森林火险等级系统都采用此方法。不同环境下平衡含水率法的预测方法不同，主要包括恒定环境下、自然环境下和野外观测3种预测方法。

1) 恒定环境： Biot数(内部水分扩散与外部对流对水汽运动的阻力之比)较小的死可燃物，其含水率变化为下式:

(1)

M=E+(M0-E)e-t/τ。

(2)

式中：M为死可燃物含水率(%)，E为平衡含水率(%)，t为时间(h)，τ为时滞(h)，M0为可燃物初始含水率(%)。若已知可燃物平衡含水率和时滞，可以测得任意时刻的可燃物含水率，此方法适用性较广。

2) 自然环境： 处于自然环境下的温湿度时刻发生变化，故可燃物时滞和平衡含水率也会受到影响，金森等(1999)通过建立可燃物时滞、平衡含水率与温度、湿度和风速的关系式给出了在自然环境下平衡含水率的预测方法：

(3)

E=G(T,H)；

(4)

T=fT(t)；

(5)

H=fH(t)；

(6)

W=fW(t)。

(7)

式中：T为环境温度(℃)，H为相对湿度(%)，W为风速(m·s-1)，t为时间(h)。式(3)为温度、相对湿度、风速与时滞的函数关系，式(4)为温度、相对湿度与平衡含水率之间的函数关系。式(5)—(7)中fT、fH、fW是温度、相对湿度和风速的时间动态函数。

将式(3)—(7)带入(1)式得：

(8)

fK(t)=F′[fT(t),fH(t),fW(t)]；

(9)

fM(t)=G[fT(t),fH(t)]。

(10)

在清楚环境因子对平衡含水率、时滞有影响的前提下，依据式(10)可预测任意时刻的可燃物含水率值。

3) 野外观测数据预测含水率： Viney(1991)假设死可燃物平衡含水率按日变化，建立方程通过非线性回归拟合系数，从而预测死可燃物含水率。之后Viney(1992)提出用相关系数来确定时滞，根据实测数据，计算不同时滞下2组数据的相关系数，最大相关系数对应的时滞作为所需要的时滞。Catchpole等(2001)基于Nelson模型提出了另一种死可燃物含水率的预测方法：

m(ti)=λ2mi-1+λ(1-λ)qi-1+(1-λ)qi；

(11)

λ=exp[-δt/(2π)]。

(12)

2 森林地表死可燃物含水率预测模型

2.1 模型应用

测量死可燃物含水率的方式有很多，常见的有烘干法(Matthews, 2013)和电阻法(Yanetal.,2018)，2种方法的局限性是不能及时测量死可燃物含水率，因此，一般通过建立模型来预测死可燃物含水率动态变化。常用的可燃物含水率模型分为经验模型和过程模型。经验模型是利用统计学线性回归的方法，构建含水率实测数据与气象因子间的关系，气象要素回归模型就是典型的经验模型。过程模型是基于时滞平衡含水率通过尝试模拟死可燃物内部水汽交换所构建的模型，不同于经验模型。

2.1.1 经验模型 经验模型通常是指根据森林地表死可燃物含水率对林内环境因子的响应过程，通过线性回归分析建立预测死可燃物含水率的模型。经验模型不需考虑死可燃物内部水汽交换过程，应用起来比过程模型容易。基于此，也就衍生出众多经验模型： Matthews(2013)提出天气作为变量的多元线性回归：

(15)

式中：m为可燃物含水率，a0、ai为经验参数，Xi为天气变量。在某些情况下，是滞后的天气变量而不是瞬时天气变量，但是这种模型的预测值往往比较独立，与之前的值无关。

Alves等(2009)通过测量巴西湿地松(Pinuselliottii)人工林含水率，建立了与温度、风速、相对湿度等气象因子的线性回归模型。该模型采样周期较短，不具有代表性，未得到普及。Lin( 2004)在台湾采用破坏性取样，测量黄山松(P.taiwanensis)凋落物含水率，随后对温度、相对湿度进行多元线性回归分析。Marsden-Smedley等(1995)在澳大利亚塔斯马尼亚的草沼泽地，测量了可燃物含水率并建立了2组经验模型，一组为使用相对湿度和露点温度的线性模型来预测对数转换的可燃物含水率，另一组为吸附和解吸条件的模型，模型参数也适用于Catchpole模型(Catchpoleetal., 2001)。Pook等(1993)测量了1988、1990和1991年火灾季节澳大利亚堪培拉辐射松(Pinusradiata)人工林地表死可燃物含水率，并使用1988和1990年的数据对温度、相对湿度和土壤含水量的一系列气象因子进行多元线性回归。继Pook(1993)之后，Ruiz Gonza’lez等(2009)构建了松针及树枝的含水率模型，松针模型使用相同的参数用于所有样品，树枝模型使用不同的参数用于不同的物种，2种模型都表现良好。Sharples等(2009)提出将温湿度作为自变量预测不同类型死可燃物含水率，构建了死可燃物含水率指数F，与现有的死可燃物含水率模型表现出单调非线性关系，F即可用作经验法来估计死可燃物含水率。Sharples等(2011)也发现，通过可燃物特定的校准系数，F可用于预测含水率值，具有与Sneeuwjagt等(1985)的桉树(Eucalyptus)模型相似的准确度。国内学者在此方面也开展了大量研究，大多以建立气象要素回归模型为主(于宏洲等, 2018):

(16)

式中:M为死可燃物含水率,Xi为所选用的气象因子,bi为待估参数。

何仲秋(1992)在樟岭以前日标准棒湿度等为自变量，建立了樟子松(Pinussylvestrisvar.mongolica)林和兴安落叶松(Larixgmelinii)林含水率的预测模型。覃先林等(2001)在松岭地区研究测定了落叶松(Larixspp.)、白桦(Betulaplatyphylla)林的死可燃物含水率，建立了回归模型。居恩德等(1993)测定了东北地区典型树种森林的地表死可燃物含水率，建立了与气象因子的回归方程。薛煜等(1996)在黑龙江省塔河地区以相对湿度和雨后天数作为自变量，建立了落叶松含水率的预测模型。张恒等(2016)运用气象要素法在盘古林场建立了死可燃物含水率模型，并对以上4种模型的外推精度进行验证，表明不同季节模型精度不同，落叶松林模型的外推效果要好于白桦林和樟子松林。张运林等(2015)通过研究季节和降雨对死可燃物含水率预测模型精度的影响，表明建立区分季节和降雨期的气象要素回归模型有助于提高林火预测预报的准确性。卢欣艳等(2010)在北京西山通过测量5种林型的地表死可燃物含水率，建立气象要素回归模型，分析死可燃物含水率与气象要素之间的关系。张大明等(2010)应用长白山定位点的气象数据建立了气象要素线性回归模型预测红松(Pinuskoraiensis)阔叶林地表死可燃物无降水条件的含水率，预测精度较好； 在此基础上，金森等(2014)研究利用气象站常规观测因子(包括降水)建立更大范围内预测地表可燃物含水率的模型，取得较好效果。

2.1.2 过程模型 可燃物含水率受诸多因子共同影响，不仅有地点、环境、气象因子等，还包括可燃物自身的能量守恒和水汽交换，过程模型是基于模拟可燃物的发生过程来预测含水率，因此，比经验模型普适性较强。平衡含水率模型主要有以下4种：

1) Simard模型

Simard(1968)根据已有的一些木材平衡含水率数值，通过回归分析给出平衡含水率与相对湿度和温度之间的关系：

(17)

式中，E为平衡含水率，H为相对湿度(%)，T为环境温度(℃)，这些方程的相关系数在0.98～0.995之间。模型以木材为研究对象，适用范围较小。

2) Van Wagner模型

Van Wagner(1972)从几种森林凋落物试验中获得吸水和失水过程下平衡含水率的独立方程，Van Wagner等(1987)后来修正了温度效应，以确保在相对湿度为零时，平衡含水率在所有温度下均大致为零：

Ed=0.924H0.679+0.000 499e0.1H+

0.18(21.1-T)(1-e-0.115H)；

(18)

Ew=0.618H0.753+0.000 454e0.1H+

0.18(21.1-T)(1-e-0.115H)。

(19)

式中，Ed和Ew分别为失水过程和吸水过程下死可燃物平衡含水率，且最大差异约为2.7%；H为相对湿度(%)；T为温度(℃)。

3) Anderson模型

Anderson等(1978)使用西黄松(Pinusponderosa)林数据，重新定义原始Van Wagner模型中的回归常数。得到的常数完全不同，吸水和失水平衡含水率分别可表达如下：

Ed=1.651H0.493+0.001 972e0.092H+0.101(23.9-T)；

(20)

Ew=0.891H0.612+0.000 234e0.112H+0.101(23.9-T)。

(21)

当中等温度条件下和相对湿度控制在20%～95%时，上式产生的平衡含水率值分别低于Van Wagner模型的值，高达3%(烘箱干质量)。

4) Nelson模型

Nelson(1984)平衡含水率模型是基于死可燃物内外水分变化的热力学原理所构建的平衡含水率与温度和相对湿度之间的函数关系，属于半物理模型。

(22)

式中：E为平衡含水率，C1、C2为待估参数，T为温度(℃)，H为相对湿度(%)。

此模型中C1、C2的值需通过回归分析从相关平衡含水率的试验中获取，预计该值在吸水和失水过程中不同，并且随可燃物类型和温度的变化而变化。Nelson(1984)认为该模型的基本方程适用条件为相对湿度在10%～90%之间。当H=0时，平衡含水率趋向于-∞； 当H=100%时，平衡含水率趋向于+∞。对于北美叶状可燃物，Anderson(1978)已经建模，C1、C2作为可燃物温度的二次函数，他还建议，每种可燃物的平衡含水率可以通过仅依赖于温度和湿度的方程来表示，然而这样的分组以及二次拟合并不令人信服。Viney(1991)认为，Anderson的结论具有很大的局限性。

2.2 模型评价

在上述模型中，我国目前应用最广的是气象要素回归统计模型，其中气象要素以人工搜集为主，虽应用较简单，但工作量较大且受地形区域限制。平衡含水率模型是目前主流的应用模型，该模型以实测空气温度、相对湿度为自变量建立模型，不同相对湿度下模型表达不同，区别于气象要素回归模型。加拿大、美国火险等级系统均采用平衡含水率模型，Viney(1991)对上述4种模型进行了综述性分析：在25 ℃下，以不同的相对湿度为自变量进行了对比分析，认为各模型的预测值不同，在温度为25 ℃和相同相对湿度的条件下差异达到12%，这是由于地表死可燃物特性不同所致，特别是在Nelson模型中，不同种可燃物类型间的差异较明显，而Simard和Van Wagner模型这种差异较小。Nelson和Anderson模型由于参数的不确定性，某些情况下误差较大。(Andersonetal., 1978)。通过对比模型导数来比较在温度梯度下平衡含水率的变化，结果表明，多数情况下，平衡含水率随温度升高而降低，对温度敏感性最大的是Van Wagner模型，最小的是Simard模型。刘曦等(2007a; 2007b)在相同温度不同湿度和相同湿度不同温度下分别比较了4种模型的计算值，表明在湿度梯度和温度梯度下，4种模型的变化值差异不大，Simard模型计算值最小，Van Wagner模型计算值最大，Anderson模型和Nelson模型计算值居中； 不同模型在温度梯度上的差异要大于湿度梯度，温度梯度上差异可达5%，湿度梯度上差异为2%； 除Simard模型外(Simard模型只考虑失水过程)其余3个模型失水过程下的平衡含水率比吸水过程高。此外，由于传统估测死可燃物含水率方法的复杂性，Catchpole(2001)提出一种利用野外数据直接估测含水率的方法，其模型方程参考公式(1)。该方法不要求恒定温湿度的条件即可测定时滞和平衡含水率，且预测方法较准确。我国众多学者对其进行了有效性分析，如金森等(2010)分别对直径为0.5、1.0、1.5 cm的枯枝进行了含水率测定，证明该方法对枯枝有效； 马壮等(2016)在室内分析了白桦林凋落物、腐殖质、半腐殖质含水率动态变化，分析此直接估测法的适用性。 目前该方法仅是在Nelson模型的基础上进行构建的，并未采用其他的平衡含水率响应模型，其效果如何还有待分析。

2.3 模型的验证

模型的验证是为了考察模型结构是否适用于新的可燃物类型，并对未来模型应用提供合适参数，加拿大火灾天气指数(FWI)系统中过程模型常被用于模型验证(Van Wagner,1987)。在模型验证中，人们普遍认为过程模型是合适的，可进一步推广，以便预测不同类型的可燃物含水率。不同可燃物类型具有不同的理化性质，其含水率变化响应过程不同，也就证实了模型不存在唯一性； 不同地区的含水率实测值不同，则所构建的模型方程参数不同，因此只有加强基础数据的获取才更有利于全方位模型的构建。但目前现有系统中森林可燃物的基础数据仍然薄弱，代表性可燃物类型的参数并不完善，对构建模型也有影响，有待进一步加强。Anderson等(1978)、金森等(2011)对Catchpole模型做了有效性分析。为提高模型精准性，应选择不同区域作为研究对象，调整模型结构适用于不同的可燃物类型，进而拟合模型参数，建立不同可燃物类型下的含水率模型。同时现有模型在结合GIS推广应用中并未实现样地到大区域尺度的转化，这个问题还需进一步验证。同时在研究可燃物含水率模型精度的影响因子时可以结合增强回归树(boosted regression tree,BRT)分析法来判定哪些因子对模型精度影响较高，BRT是基于分类回归数算法的自学习方法，该方法通过随机选择和自学习方法产生多重回归树，能够提高模型预测精度和稳定性(Mülleretal., 2013)。BRT方法可得到不同自变量对因变量的影响率，以及其他自变量不变或取均值情况下该自变量与因变量的相互关系(蔡文华等, 2012)。目前分类回归树方法已应用于多个领域并取得较好成果，包括物种分布模拟(Pittmanetal., 2009)、土地利用分类(Weisbergetal., 2013)以及火灾模拟预测(Stojanovaetal., 2006)。

3 模型精度的影响因子

3.1 气象因子

温湿度是影响林内地表死可燃物含水率的主要因子，同样也是影响模型预测的主要因子。虽然风速可能是影响火灾增长的主要气象因素，但许多研究表明，温度是影响全年整体森林火灾的最重要变量，气温升高导致火灾活动增加(Gillett, 2004; Parisienetal., 2011)。气温与区域林火之间正相关的原因有3方面：首先，温度上升会增加蒸散，因为大气保持水分的能力随温度升高而迅速增加(Williamsetal., 2014)，从而降低地下水位，间接降低了森林可燃物含水率； 其次，温度升高会增加闪电活动，导致更多火灾发生(Rompsetal., 2014)； 最后，较高的温度可能导致更长的降雪期和更长的火灾季节(Flanniganetal., 2013; Jollyetal., 2015)。经验模型一般应用距离地表1.5 m处的气温，物理模型一般应用地表死可燃物温度作为预测因子(Rileyetal.,2014; Viney, 1991; Catchpoleetal., 2001)。因地表死可燃物温度比气温更能精确表示含水率的热量变化条件，Catchpole等(2001)提出利用野外数据直接估测可燃物含水率的方法，采用地表可燃物温度和湿度作为预测因子，方便快捷，精度较高。前人所建立的可燃物含水率模型大多集中选择合适的气象因子，并未将季节降雨变化作为影响因子，张运林等(2015)以大兴安岭盘古林场典型林分为对象，研究表明地表细小死可燃物含水率的预测精度受季节和降雨影响很大。不同季节可燃物吸水和失水程度不同；春季期间，可燃物多为前一年所剩，吸水失水程度大，而秋季可燃物多为当年的，可燃物吸水失水程度缓慢。有无降雨则会影响可燃物的失水方式，因此季节、降雨等因素直接影响可燃物含水率，按季节、降雨等因素建立地表死可燃物含水率预测模型，有助于提高模型精度。

3.2 地形因子

森林生态系统中地形因子差异会引起温湿度变化，一些生态因子重新分配，与地形因子结合形成不同的局部气候(Holdenetal., 2011)。这种小气候变化进而影响到森林可燃物含水率变化。研究(覃先林等, 2001; Viney, 1991)表明，海拔对可燃物含水率的影响最大，空气温度随海拔增加逐渐降低，造成相对湿度增加和可燃物含水率增加； 坡向、坡位对太阳辐射的吸收不同，同样导致可燃物含水率不同(Slijepcevicetal., 2015)。同一林型的不同坡位会影响可燃物含水率模型的精度，通常上坡位的Simard模型精度较高，下坡位的Nelson模型误差和气象要素回归模型误差基本相同，下坡位的模型误差高于上坡位，随着坡位升高，预测精度逐渐增高，总体趋势呈现上坡位>中坡位>下坡位。

3.3 林分因子

实用预测模型多是根据所选择的代表性林分类型、立地条件所建立的，然后外推到整个林区。若应用于更多林分类型，则需更多试验去证明。胡海清等(2016)选取以兴安落叶松为代表的5种典型林型地表死可燃物，构建了不同林型的死可燃物含水率预测模型，结果表明Nelson模型和Simard模型预测阴坡落叶松含水率准确率均高于其他4种林分。不同林分内可燃物含水率存在差异，虽2种模型都考虑了水汽交换的物理过程，并不适合所有的林型。于宏洲等(2018)基于气象要素回归法和时滞平衡含水率法对大兴安岭地区盘古林场3种典型林分建立含水率预测模型，结果表明3种模型(气象因子模型、Simard模型、Nelson模型)预测方法对杨桦(Populus-Betula)混交林的可燃物含水率预测效果较差，而对红皮云杉(Piceakoraiensis)林的预测效果较为稳定； 因不同林分的地表枯落物空间结构不同，结构简单的林型可燃物含水率预测模型的精度会更高。林分郁闭度也会对模型精度产生影响，于宏洲等(2013)为探究林分郁闭度对模型的影响，选取3种郁闭度的阳坡上坡位森林进行研究，分别采用了气象要素回归模型和平衡含水率模型，结果表明对无遮荫样地，Simard模型优于气象要素回归模型和Nelson模型； 对半遮荫样地，3种模型预测效果较为接近实测值，Simard模型最优； 对林荫下样地，可燃物含水率变化最显著，其中Nelson模型和气象要素回归模型优于Simard模型。因此，考虑到可燃物含水率的复杂多变及其受到各种因素的影响，以后研究中更应注重同一森林生态系统中不同可燃物的时空异质性。

3.4 土壤因子

地表死可燃物含水率还会受到土壤含水率及土壤质地的影响，通常上层土壤含水率远高于下层。研究表明，在土壤含水率达到一定量时，地表凋落物依靠毛细作用，将土壤中少许水分吸附于自身，且土壤近地表的温度会随之发生变化(张吉利， 2018)。这一过程在研究中很容易被忽略。Ferguson等(2002)使用土壤探针研究了松林枯枝落叶和腐殖质含水率的变化，表明其干燥度增加是因水分流入土壤所致，与天气条件相关不大。

3.5 采样方法

目前测定林内细小死可燃物含水率的方法有2种，即破坏性采样法和非破坏性采样法。破坏性采样法是指每次测定可燃物含水率都在样地随机选取几个测定点取样称质量， 非破坏性法是指在样地内选取几处固定的测定点进行固定时间的称质量，从而求得可燃物含水率。覃先林(2001)、曲智林等(2012)基于破坏性采样法进行可燃物含水率预测，结果表明，模型拟合度相对较低且误差较大； 而张思玉等(2006)、高永刚等(2008)基于非破坏性采样法进行可燃含水率预测，模型拟合度较高。张恒等(2018)以大兴安岭3种典型林型地表可燃物为对象，分析2种采样方法对可燃物含水率模型精度的影响，表明采样方法对含水率模型精度影响很大，秋季比春季影响更大，秋季采用非破坏性法更好。理论上2种采样法都具有时效性，而非破坏性采样相对更能克服含水率采样的空间异质性(张恒等， 2018)，更好反映可燃物含水量的环境适应。2种方法通过打破自然状态下可燃物密实度，进而影响可燃物内部水汽流通和改变可燃物的含水率，因此破坏性采样时应注意采样标准及如何选取采样点，非破坏性采样时应注意前期准备过程。如何选择适合的野外采样方法，加强野外含水率动态研究，是需进一步考虑的问题。

4 结论与展望

森林可燃物含水率研究是由单因子发展到多因子且复杂多变的过程，特别对地表死可燃物含水率的预测，除受林分因子和环境因子影响外，在模型选择方面也很关键。在国外，Viney(1991)和Mattews(2013)结合不同学科的知识对森林可燃物含水率研究进程做了较详细的综述，增强了对可燃物含水率动态变化过程的理解；在国内，金森等(1999)对应用较广泛的平衡含水率法及其模型研究进展做了详细综述。但就目前情况而言，森林地表死可燃物含水率的研究仍存在诸多问题。对影响地表死可燃物含水率动态变化的影响因子研究还不完善，诸多因子在模型实际应用过程中并未体现； 可燃物含水率基础数据薄弱，代表性可燃物类型的相关参数不完善，只能用现有数据进行外推，考虑到森林生态系统的时空异质性，往往产生较大误差； 相比物理模型，统计模型的外推能力有限，而平衡含水率时滞的影响因子还不完善，会影响物理模型的外推精度； 另外，在模型推广应用中，区域可燃物类型的尺度适用问题有待解决。为此，为构建我国全面的森林死可燃物含水率预测预报体系，提高预测模型精度，今后研究应从以下几个方面开展。

1) 加强野外含水率动态观测研究。选择适合的野外采样方法，采样过程中尽量避免破坏枯落物层的立地条件，研究其时空变化规律； 加强室内试验标准化研究工作，做到数据精准。通过大量小尺度实地调查，来提高模型精度。利用已有的森林火险因子采集站和森林火险监测站，采集连续观测的气象因子和可燃物含水率数据，结合不同环境因子下可燃物含水率监测数据，构建基于气象参数的观测模型。

2) 加强森林可燃物的基础数据测量。为全面构建森林火险等级系统，应通过加强森林可燃物的基础数据测量来奠定坚实的数据基础，首先应对现有可燃物含水率模型做出适用性评价，通过建立新的可燃物含水率预测模型来确定现有模型在我国主要可燃物类型中的适用程度。其次是开展基于含水率变化特征的可燃物类型划分，由于森林生态系统的时空异质性和森林类型的复杂性，想要全部测定可燃物类型有些困难，只能采取测量代表性可燃物类型的方法，因此应结合适用性分析来建立精准的可燃物含水率预测类型划分体系。

3) 加强林内可燃物含水率空间异质性研究。可燃物含水率存在时空差异, 可燃物床层结构的含水率存在不连续分布，具有空间异质性，影响可燃物火行为(胡海清, 2005)。目前，对林内地表死可燃物含水率的空间异质性研究很少，国外一些研究者虽然对独立林木不同部位的含水率做了异质性研究(Titusetal., 1992)，但并未提及地表死可燃物含水率的状况。在今后研究中应考虑不同因子影响下死可燃物含水率的动态变化，特别是了解小尺度森林死可燃物含水率的空间异质性，才能更准确地进行林火预测预报。为准确估算可燃物含水率，建立外推更精准的可燃物含水率模型，应加强可燃物含水率的空间异质性研究。

4) 结合BRT方法，提高模型精度。目前所研究的可燃物含水率模型的影响因子中还有诸多因子并未考虑，因此未来研究中，应多次随机抽取一定量的数据，分析不同影响因子对模型精度的影响程度，并用一部分数据对拟合结果进行检验。最终判定模型的关键影响因子，从而构建精度较高的森林地表死可燃物含水率预测模型。

5) 结合GIS进行大尺度火险预警研究。通过现场采样，结合气象指数，可实现对FMC和FFMC的简单空间和历时估计。这种方法成本较高，且对区域或全球尺度的推广是不可行的。气象站通常远离森林且可能很少(Yebraetal., 2008)。当前可燃物含水率预测都是基于样地实测数据所推导，并未进行样地到区域尺度的转化，在以后研究中，从大尺度来说，应结合林分与区域尺度的研究，融合不同来源的遥感数据，综合应用RS和GIS技术，建立可燃物含水率的遥感反演模型(胡海清等, 2017)。综合天然林和人工林，模拟可燃物含水率在空间上的分布规律，建立不同火险等级的预测模型，为实施现代化林火预测预报奠定基础。