干旱胁迫下森林火灾受损程度研究

李常诚，巨文珍，杨盛扬，彭泊林，韦龙斌，荚 文，李 枫，韩斐扬

（1.广西壮族自治区林业勘测设计院，广西南宁 530011；2.中国林业科学研究院 资源信息研究所，北京 100091；3.自然资源部北部湾经济区自然资源监测评价工程技术创新中心，广西南宁 530011）

2022 年，受副热带高压偏强偏大和拉尼娜现象等影响，长江流域发生历史罕见夏秋冬连旱；因持续干旱，森林火灾事件频发[1-2]。气候是森林火灾发生的重要驱动因素，直接影响林分内可燃物的含水率、林火蔓延速度、过火面积和防火期的长短[3-6]。气候变化对森林火灾的影响一直是林火研究领域的热点与重点[7-9]。大量研究表明，森林火灾的发生与干旱联系密切，当前研究多围绕干旱与森林火灾的作用机理、干旱与森林火灾发生频次的关系和概率模型的研建等方面[10-14]。李思宇等[10]构建干旱-森林火灾灾害链贝叶斯网络模型，以定量化的手段揭示干旱-森林火灾灾害链的演化过程；兰明才等[12]分析长沙地区干旱的时空分布特征及气象成因，结果显示长沙地区的森林火灾多发生在干旱条件下的连晴时段；Margolis等[13]对美国新墨西哥州圣达菲市不同林分、干旱和火灾3者间的关系进行研究，结果显示如果干旱越来越频繁和严重，发生重大森林火灾的可能性和严重性会急剧增加；李秀芬等[14]基于大兴安岭林区1974 — 2016 年标准化降水指数，采用统计分析和对比分析方法，研究不同干湿情景对森林火灾发生次数及过火面积的影响，结果显示森林火灾发生次数多（少）和过火面积大（小）与气候的干湿状况（等级）基本一致，森林火灾发生次数与气候干湿状况的联系更密切。因具体森林火灾实例较少，目前干旱胁迫对森林火灾受损程度影响的研究尚不多见。

2022年10月17日，桂林市全州县发生1起森林火灾。当地在火灾发生前遭遇近2 个月的持续干旱，几乎无降水。本研究通过无人机航拍影像、多期卫星遥感影像和气象数据，分析林分火灾前受干旱胁迫程度，同时基于无人机航拍影像，辅以林分实地调查数据对火灾后林分受损程度进行评估，探究干旱胁迫下森林火灾受损程度的变化，为极端气候条件下森林火灾预警监测和火险评估提供参考。

1 材料与方法

1.1 研究区概况

研究区位于广西桂林市全州县北部（110°37′～111°19′E，25°29′ ～26°23′N），包括文桥镇、黄沙河镇、大西江镇和龙水镇，土地总面积约为4 021 hm2，林地面积为2 783 hm2，森林覆盖率为67.38%。区域内，亚热带季风气候特征显著，降水集中在雨季，干季多晴少雨，干旱明显，年均气温18.5 ℃，年均降水量1 565.9 mm。研究区地处湘桂走廊，因两面高山形成的狭管效应，区域内常年风速约为3.0 m/s[15-16]，是广西常年风速较大的两个地区之一。植被主要为中亚热带常绿阔叶林；在过火范围内，作为易燃树种的杉木（Cunninghamialanceolata）人工林面积占过火面积的56.9%。

1.2 数据来源

1.2.1 影像数据

本研究采用的遥感影像取自哨兵2 号（Sentinel-2）、中巴地球资源卫星04A 星（CBERS-04A）的可见光和红外波段数据，分辨率分别为2和10 m，获取时间为2020年10月、2022年10月14日和2022年10月23—24日等多个时间点。其中，2020年10月没有完整无云影像；采用无云影像合成方法，利用整个10 月的影像，挑选最佳像元进行无云影像合成。获取无人机航拍影像；无人机型号为大疆M300RTK；正射影像拍摄时间为2022 年12 月11—21日。

1.2.2 气象数据

气象数据来源于国家气象信息中心（http://data.cma.cn），取广西全州县国家级气象站（2018—2022年）的逐日气象数据；火场与该气象站点的距离在100 km内。气候因子选择日降水量（mm）、日平均气温（℃）、日平均相对湿度（%）和日平均风速（m/s）。

1.3 研究方法

1.3.1 过火范围与干旱程度确定

基于迭代加权多元变化检测（Iterative Weighted Multivariate）算法，对比2022 年10 月14 日和2022 年10 月24 日火灾前后两期哨兵2 号遥感影像的光谱信息变化量。对2022年10月23日取自中巴地球资源卫星04A 星（空间分辨率2 m）的遥感影像进行目视判读，并对检测的光谱信息变化量进行二值划分，确定过火区和未过火区的阈值范围，初步确定过火范围。未过火区包括过火图斑内仍为绿色的植被区域，及道路、建筑和裸地等火灾前的非植被区。结合无人机拍摄的火场影像和实地调查，确定过火范围。

归一化差异植被指数（Normalized Difference Vegetation Index，NDVI）可用于表征地表植被覆盖状况或植被质量情况[17]。研究区的植被因持续干旱，健康状况下降，可利用近红外波段和红波段分别计算两期哨兵2号遥感影像的NDVI值，研究持续干旱对植被健康状况的影响。求2020 年10 月影像计算得到的NDVI 值和2022 年10 月14 日影像计算得到的NDVI 值的差值，并基于差值划定各干旱胁迫程度阈值范围，确定2022 年10 月14 日过火区森林干旱程度。

1.3.2 气象数据分析

为研究气象条件对森林火灾损失程度的直接和间接影响，本研究采用SPSS 22.0软件中两独立样本非参数检验（Mann-Whitney U 检验），分析研究区在森林火灾发生前无降水期间，日降水量、日平均气温、日平均相对湿度和日平均风速的变化。无降水期间为2022年8月27日—10月17日，以2018—2021年同时段气象情况均值为对照。

1.3.3 实地调查数据

调查数据来源于2022 年12 月过火范围内杉木林分标准地调查。标准地调查方法和布设数量依据《森林火灾成因和森林资源损失调查方法》（LY/T 1846—2009）[18]进行；共设置标准地99 块，规格为20 m × 30 m；调查内容包括海拔、经纬度、坡度和坡向等环境因子及胸径、树高、林龄结构、密度、郁闭度和树种组成等乔木层调查因子。

1.3.4 图斑区划

以无人机航拍影像为基础，采用ArcGIS 10.2 软件叠加研究区最新年度的森林资源管理“一张图”数据成果，依据不同地类、林分受害程度等因子对火场杉木林分进行初步图斑区划，区划的最小面积为400 m2。通过火场杉木林分调查结果，对图斑区划进行初次修正，确定过火范围。由于无人机航拍时间在火灾发生后的近2 个月，火场情况发生较大变化，因此根据2022 年10 月24 日遥感影像提取的过火范围，核实、修改过火范围内杉木林分受害情况，对图斑区划进行第2 次修正。最后对涉及干旱胁迫的斑块修边并标注干旱胁迫等级，对图斑区划进行第3次修正。

1.3.5 量化干旱胁迫的影响

干旱胁迫对杉木林分受害影响程度最直观的表现为各林分受害程度的面积占比。为方便分析，将杉木各林分受害程度的面积整化为百分比，根据第3 次修正后的图斑区划结果，分别根据受干旱胁迫程度和林分受害程度统计杉木各龄组面积及其占比；影响程度量化为百分比。

2 结果与分析

2.1 气象条件分析

连续干旱是本次森林火灾前期的主要气候特征，森林火灾发生前52 天内，过火范围内的日平均气温比同期升高1.8 ℃，日平均相对湿度仅为同期的72.8%，日降水量为0 mm，日平均风速为3.0 m/s。依据《气象干旱等级》（GB/T 20481—2017）[19]中降水量距平百分率（Precipitation Anomaly in Percentage,PA，%）的月尺度划分标准，本次干旱已达特旱等级（PA ≤-95%）。

将2022 年的日平均气温、日平均相对湿度、日降水量和日平均风速与2018—2021年的均值进行两独立样本非参数检验（表1）。除日平均风速无显著区别外，2022 年8 月27 日—10 月17 日的日平均气温显著高于2018—2021 年同期均值（P＜0.05），日平均相对湿度和日降水量均显著低于2018 —2021年同期均值（P＜0.05）。

表1 各气象因子非参数检验结果Tab.1 Results of non-parametric test of meteorological factors

2.2 林分干旱胁迫程度划分

NDVI 值变化与降水量呈高度相关[20-21]。通过对比不同时期遥感影像的NDVI 差值，可较直观地反映极端干旱对林分健康状况的影响。将中巴地球资源卫星04A 星2020 年10 月的合成影像与火灾发生前（2022 年10 月14 日）的影像进行NDVI 归一化处理。2022 年火灾发生前，研究区的灰色区域更多，且分布较均匀，说明研究区受干旱胁迫影响明显（图1 ～2）。

图1 2020年10月过火范围NDVI分布特征Fig.1 Distribution characteristics of NDVI in overfire range in October,2020

图2 2022年10月过火范围NDVI分布特征Fig.2 Distribution characteristics of NDVI in overfire range in October,2022

2020 和2022 年的NDVI 最大值（1.00，1.00）和最小值（-0.58，-0.54）变化不大；2020 年均值略高，说明2020 年10 月研究区的植被覆盖度较高（表2）。2022 年火灾发生前，由于受干旱胁迫影响，植被覆盖度有明显变化。

表2 NDVI值统计Tab.2 Statistics on NDVI values

通过计算两期影像NDVI 差值，确定干旱胁迫程度的阈值，分别为0 ＜轻度胁迫＜0.15、0.15 ≤中度胁迫＜0.35 和0.35 ≤重度胁迫≤0.70；共区划杉木林分图斑20 065 个，单个图斑面积最大为7.46 hm2，最小为0.04 hm2。结果显示，未受干旱胁迫的杉木林分面积最大（1 244.15 hm2），占杉木林分总受害面积的50.12%；其次为轻度干旱胁迫（46.16%）；重度干旱胁迫面积占比最小（0.14%）（表3）。

表3 图斑区划结果Tab.3 Results of pattern division

2.3 干旱胁迫对林分受害程度的影响

2.3.1 杉木各龄组林分受害程度分析

根据实地调查数据，参考《森林火灾林木受害程度判定》（DB 23/T 1376—2010）[22]和《森林火灾林木受害判定规范》（DB 51/T 2923—2022）[23]，进行林分受害程度等级划分。杉木林分的受害程度随林龄增加呈下降趋势。杉木各龄组林分重度受害面积占杉木林分总受害面积的比例最大，平均占比77.52%，且重度受害面积占比随杉木林龄增加呈下降趋势，从幼龄林的84.63%降至过熟林的72.27%；杉木各龄组林分轻度受害面积占比均在1.26%以下，无明显变化规律（图3）。

图3 杉木龄组与林分受害程度的关系Fig.3 Relationships among age groups of C.lanceolata and damage degrees of stands

2.3.2 干旱胁迫对杉木林分受害程度的影响

杉木林分受害程度随干旱胁迫程度增加呈上升趋势。干旱胁迫对杉木林分重度受害影响较大，林分重度受害面积占杉木林分总受害面积的比例从轻度胁迫的80.40%升至重度胁迫的94.04%（表4）。以未受干旱胁迫为对照，当林分受轻度干旱胁迫时，林分重度受害面积占比从73.90% 升至80.40%，增加6.50 个百分点，受中度干旱胁迫时增加16.38 个百分点，受重度干旱胁迫时增加20.14 个百分点；可认为此净增长为因持续干旱而加重的林分重度受害程度，最大可加重20.14 个百分点，最少为6.50个百分点。

表4 干旱胁迫对杉木林分受害程度的影响Tab.4 Effects of drought stresses on damage degrees of C.lanceolata stands(%)

除杉木幼龄林外，其他各龄组林分重度受害程度均随干旱胁迫程度增加呈上升趋势（表5）。以未受干旱胁迫为对照，干旱胁迫对杉木各龄组林分重度受害程度的影响表现为过熟林＞成熟林＞近熟林＞中龄林，对应增加28.71、20.91、19.75和17.81个百分点；随林龄增加，重度受害程度占比上升。

表5 干旱胁迫对杉木各龄组林分受害程度的影响Tab.5 Effects of drought stresses on damage degrees of C.lanceolata stands at different age groups(%)

3 讨论与结论

气象要素是决定林火发生发展的直接因子[24-25]。本研究结果显示，火灾发生3 日内，日平均风速达到3 级；风速在3 ～5 级容易发生重特大森林火灾[26]，其直接影响火势的蔓延速度、林火强度、火灾面积和扑救难度[24]。在火灾发生前52 天内，研究区日平均气温、日平均相对湿度和日降水量分别与2018 — 2021 年同期平均水平差异显著，这为高等级森林火灾的发生提供了先决条件。持续干旱为主的气象条件加重了本次森林火灾的损失程度。

持续干旱加重杉木林分在森林火灾中的受害程度。中度和重度干旱对林木蒸腾作用抑制明显，加速林木枝叶枯萎[27-28]，使得林内积累更多的有效可燃物；高等级森林火灾的频繁出现与森林可燃物积累有密切关系[29]。不同程度的干旱通过影响可燃物积累量，间接影响森林火灾损失程度，这与本研究中杉木各龄组林分重度受害面积占杉木林分总受害面积的比例随干旱胁迫程度增加上升的结果一致。

本研究的局限之一是缺乏杉木林分灾后恢复能力的实地调查数据。未来，可在不同受害程度的杉木林分中设置一定数量固定样地，定期监测各项林木生长指标，分析不同受害程度林分的更新恢复能力，根据林分更新恢复能力确定杉木各林分受损程度，可为森林火灾林木定损提供参考。

王秋华等[30]、张慧莲[31]认为地形、地势对森林火灾有重要影响，地形的起伏变化影响可燃物的类型和分布，直接影响林火蔓延速度和林火强度。本研究中发生森林火灾区域的地形地势较复杂，山谷割裂深，斜坡及以上坡度占比90%以上；地形地势对本次森林火灾受害程度的影响值得进一步探究。

本研究分析结果较客观地反映了林分干旱胁迫程度与森林火灾受损程度间的关系。干旱胁迫对森林火灾受损程度影响较大，加重各龄组杉木林分重度受害程度。基于遥感影像的NDVI 值能准确反映林分受干旱胁迫程度，应充分发挥遥感影像在火灾监测、火险评估和灾后恢复等方面的潜力和优势，结合气象数据实现极端气候条件下火险的准确评估和预测，为火灾预防和应急决策提供科学依据。

利益冲突：所有作者声明无利益冲突。

作者贡献声明：李常诚、巨文珍和杨盛扬负责研究计划制定、样地数据分析和论文撰写；彭泊林和李枫负责样地数据采集和文献检索；荚文负责遥感数据分析；韦龙斌、韩斐扬负责论文审阅与修改。