基于昭通市森林火灾风险普查数据的阔叶林可燃物载量分析

刘金龙 岳彩荣 汤明华 阳丽

摘要：森林可燃物是发生森林火灾的物质基础，也是研究森林火灾风险的基础所在。本文基于第一次全国自然灾害综合风险普查工作数据，对森林可燃物数据获取、森林可燃物载量计算及其结果进行简单分析，客观反映出研究区域阔叶林森林可燃物载量基本情况。

关键词：可燃物载量；阔叶林；分层抽样；载量分析

引言

森林火灾的发生除取决于可燃物本身尺寸大小、结构状态和理化燃烧特性外，还取决于可燃物数量分布大小^[1]。由于森林群落的多样性和复杂性以及地域性差异，森林可燃物载量各有不同^[2]。影响森林可燃物燃烧特性的因素很多，同时作用机理也很复杂。本文基于全国首次森林火灾风险普查数据，通过对研究区域森林可燃物载量进行不同维度的统计和分析来获取研究区域森林可燃物载量的总体情况及特点，并选取对森林可燃物载量数据影响较大的因子进行相关对比分析，以获取重要的影响因子及系数。

一、区域概况

昭通市，云南省辖地级市，位于云南省东北部，地处云、贵、川三结合部的乌蒙山区腹地，金沙江下游沿岸，坐落在四川盆地向云贵高原抬升的过渡地带，面积2.3万平方千米，中心城区建成区面积达62平方千米。昭通处于四川盆地向云贵高原抬升的过渡地带，峡谷深切，山区面积占96%。特殊的地理、独特的区位，孕育了大山、大水、大峡谷等自然景观，造就了亚热带、暖温带共存的高原季风立体气候，冬无严寒、夏无酷暑、雨热同季，昭通中心城市年平均气温在11.7℃-20.9℃之间。

二、基础数据获取

（一）调查数据背景

全国自然灾害综合风险普查是国家开展的重要防灾减灾工作，是提升我国自然灾害防治体系和防治能力现代化水平的重要举措。林草部门作为防灾减灾的重要部门，在全国自然灾害风险普查中承担着森林和草原火灾风险普查的重要工作。通过普查，摸清全国森林和草原火灾风险隐患底数，查明重点区域的防灾抗灾能力，客观认识全国和各地区森林和草原火灾风险水平，建立分类型、分区域、分层级的森林和草原火灾风险普查数据库，从而更科学防范火灾风险。本次研究的基础数据主要来源于此次森林和草原火灾风险普查工作中的森林可燃物标准地调查、森林可燃物大样地调查等。森林燃烧理论认为任何森林燃烧现象的发生，须具备三个基本条件，即森林可燃物、火源、气象条件构成森林燃烧三要素^[3]。大量研究成果表明，通过分析林分内可燃物载量、理化性质及用火行为特征，对于预防森林火灾发生和林区火险等级划分具有重要作用^[4]。

（二）数据调查技术路线

以森林资源管理“一张图”（或二类调查成果数据）和国土调查成果等数据为基础，确定森林可燃物调查总体边界。依据全省范围内森林可燃物的植被特征和分布情况，对森林可燃物调查类型进行分层布设样地，开展森林可燃物标准地调查、可燃物大样地调查、采样及样品实验测定，计算样地单位面积各层可燃物载量，建立乔木层因子与灌木、草本、枯落物、腐殖质等各层可燃物载量关系模型，获得调查范围内的可燃物载量数据及空间分布，详见图1。

（三）森林可燃物载量计算

1.乔木可燃物载量

将标准地乔木层生物量（kg）换算成以吨（t）为单位的每公顷乔木层可燃物载量，标准地面积单位为m²。按以下公式换算：

乔木层可燃物载量（t/hm²）=（样地乔木层干重/样地面积）×10001000

2.灌木可燃物载量

得到的标准地所有样方的灌木总干重（kg），样方面积单位为m²，再按下式求出单位面积可燃物载量。

灌木层可燃物载量（t/hm²）=（样地灌木层干重/样地面积*样方数量）×10001000

3.枯落物、草本层、腐殖质可燃物载量

得到的标准地所有样方的总干重（kg），样方面积单位为m²，再按下式求出单位面积可燃物载量。

可燃物载量（t/hm²）=（样地样品干重/样地面积*样方数量）×10001000

三、主要分析方法

（一）分层样地载量数据

1.分层样地选取

分层抽样又叫类型抽样、分类抽样，是将全省森林资源作为一个总体，对具有相同特征的森林资源进行分层，每一层都成为一个独立的主体，所有层的面积之和与总体面积相等，通过各层的面积比例推算出各层样本的权重。而随着科学技术的发展，抽样技术不断成熟，遥感技术迅速发展，越来越多的抽样技术被应用到森林调查、普查中。根据植被分布特征，以已有森林资源调查数据为基础，结合高分辨率遥感数据，分析调查区域森林可燃物植被特征和分布情况，依据植被等要素的差异，对森林可燃物调查类型进行分层，形成森林可燃物调查分层基础信息数据，作为森林可燃物调查的基础。本次将森林植被区域、森林起源、林分年龄结构、郁闭度等级、树种组作为森林可燃物调查分层的5个要素。

2.样本分层分布情况

亚热带常绿阔叶林是东亚地区典型的地带性植被，广泛分布于我国长江流域，发揮着极其重要的生态系统服务功能。通过昭通市乔木林资源数据统计分析，阔叶林林分占比高达62%。主要是因为该区域大部分地区水热条件较好，空气湿润，水分充足。从整体的分布情况来看，阔叶林主要分布在昭通北部县区，集中在江河两岸海拔较低区域，东部及南部分布较少。

（二）小班载量数据计算

1.标准地载量数据计算

分别通过公式计算26个标准地样本的乔木层、灌木层、草本层、枯落物层、腐殖质层的可燃物载量数据。本次采用分层抽样的方法抽取的26个分层类型样地总数为183个，按分层计算平均载量值^[5]。

2.小班载量数据计算

分层样地载量数据包括乔木层载量、枯倒木、灌木层载量、草本载量、枯落物载量、腐殖质载量。由分层数据获取的森林可燃载量数据的最大值为224.08t/hm²，可燃载量数据的最小值为31.12t/hm²。森林可燃物载量较高的区域主要集中在昭通北部地区，该区域阔叶林分布较为广泛，位于金沙江流域及其支流。

（三）载量分析

1.载量总体情况

研究区域样本数据的总载量为1048.8691t，载量均值为86.5735hm²/t。各层载量占比如下：乔木层载量占比为87.31%，灌木木层载量占比为6.28%，枯倒木载量占比为0.27%，枯落物1载量占比为3.12%，枯落物2载量占比为0.48%，枯落物3载量占比为0.13%，腐殖质层载量占比为1.95%。对样本数据波动进行分析，乔木层

载量的变异系数为68.07%，数据波动最小，其次是枯落物层1为91.83%，枯落物层3及灌木层载量数据波动较大，如图2。

2.不同类型林分森林可燃物载量分析

以不同类型林分分类，栎类林分总载量最大，桤木类与阔叶林相当，核桃林分的载量数据最小。从统计数据分析，栎类林分的乔木层、灌木层、枯倒木层、枯落物层1的载量数据较高，桤木类林分腐殖质层载量较高。从各类林分的不同特性分析，栎类为常绿阔叶林树种，主要分布于江河两岸区域，水热条件充足，总体载量较大。桤木类主要树种为落叶树种，分布海拔相对偏高，各层载量水平居中，落叶树种林下腐殖质层载量相比其他林分更高。阔叶混林分为研究区域分布最为广泛的林分类型，总体载量水平与桤木类林分相当^[6]。

3.载量影响因子分析

以载量数据为因变量，林分密度、平均树高、平均胸径、林龄为自变量，进行数据的回归分析。从模型汇总表分析，调整R²为0.525，表示所选自变量对载量数据的解释率为52.5%。自相关检验数据为1.781，自变量之间相关性不是很明显，对模型影响较小。方差分析表中显著性小于0.05，自变量对载量数据的影响显著。通过T值与F值的检验也可以确定自变量对因变量影响显著。通过对VIF值的分析，0

结语

根据研究区域森林资源数据统计分析，阔叶林林分占比高达62%。阔叶林主要分布在北部县区，集中在江河两岸海拔较低区域。由分层数据获取的森林可燃载量数据的最大值为224.08t/hm²，可燃载量数据的最小值为31.12t/hm²。森林可燃物载量较高的区域主要集中在北部地区，该区域阔叶林分布较为广泛^[7]，位于金沙江流域及其支流附近。

通过对载量数据不同维度的统计和分析，主要有以下结论。载量占比：乔木层载量占比为87.31%，灌木木层载量占比为6.28%，枯倒木载量占比为0.27%，枯落物1载量占比为3.12%，枯落物2载量占比为0.48%，枯落物3载量占比为0.13%，腐殖质层载量占比为1.95%。以不同森林林分分类，栎类林分总载量最大，桤木类与阔叶林相当，核桃林分载量数据最小。从统计数据分析，栎类林分的乔木层、灌木层、枯倒木层、枯落物层1的载量数据较高，桤木类林分腐殖质层载量较高。以载量数据为因变量，林分密度、平均树高、平均胸径、林龄为自变量，进行回归分析^[8]，林分密度、平均树高、平均胸径、林龄对载量数据的解释率为52.5%。自变量之间相关性不是很明显，对模型影响较小。通过方差分析显著性值小于0.05，说明自变量对载量数据的影响显著。林分密度、平均树高、平均胸径、林龄与载量数据呈正态分布。

参考文献

[1]郑焕能，胡海清，姚树人，等.东北东部山地可燃物类型的研究[J].森林防火，1990（04）：10-13.

[2]单延龙，舒立福，李长江.森林可燃物参数与林分特征关系[J].自然灾害学报，2004（06）：70-75.

[3]王勇，鄢铁平，刘岩松．GIS在水土保持规划设计中的应用［J］．中国水土保持，2005（10）：35-36.

[4]陈家兴.南京老山林场地表可燃物载量及火险等级划分研究[D].2018（01）.

[5]云南省林业和草原局.云南省森林火災风险普查操作细则[M].2021（10）：42-43.

[6]李红振.分层抽样在辽宁省生态公益林蓄积量监测中的应用[J].辽宁林业科技，2022，4：8.

[7]宗学政，田晓瑞，马帅，等.基于火模拟的森林火灾风险定量评估——以中国林业科学研究院亚热带林业实验中心为例[J].北京林业大学学报，2022，44（09）：83-90.

[8]骆开苇.全球森林火灾风险时空挖掘及预警预测方法研究[D].电子科技大学，2020.