森林可燃物載量估測方法研究進展

孫 龍，魯佳宇，魏書精，武 超，胡海清

(東北林業(yè)大學林學院，哈爾濱150040)

森林燃燒理論認為任何森林燃燒現(xiàn)象的發(fā)生必須具備三個基本條件，即森林可燃物、火源、氣象條件，它們構成森林燃燒三要素［1］。森林可燃物作為森林燃燒的物質基礎，森林可持續(xù)管理的基本依據，是影響林火發(fā)生發(fā)展自然因素中人類能控制的因子之一。林火是對森林生態(tài)系統(tǒng)破壞最嚴重的自熱干擾因子之一［2］，隨著林火預防及撲救能力逐步加強，加之現(xiàn)代化的撲救裝備及發(fā)達的交通網絡，使得林火發(fā)生得到有效控制［4］，但人為控制的負面影響導致森林可燃物載量增加，森林結構單一，易形成大片連續(xù)且均勻的水平、垂直可燃物分布結構，導致森林綜合抗火能力下降，加大發(fā)生重大或特大森林火災發(fā)生的概率。在森林燃燒三要素中，唯一人類可嚴格控制調節(jié)的就是森林可燃物(雖然人為火源可控，但由于自然火源的大量存在，使得火源人類不能完全控制)，因此，對森林可燃物載量進行定量研究，是現(xiàn)代林火管理中的基礎工作，在林火發(fā)生預報、林火行為預報、森林防火指揮、計劃燒除、營林用火、生物防火等方面均具有重大的理論意義與實踐價值。

1 基本概念

森林內一切可以燃燒的物質均為可燃物，林地內的喬木 (干、枝、葉、皮)、灌木、草本、苔蘚、地表凋落物、土壤中的腐殖質和泥炭等均可視為森林可燃物。單位面積上可燃物的絕干重量即為可燃物載量。森林可燃物種類復雜，可按照不同的研究目的對其進行劃分。按照可燃物含水率變化的性質，可將森林可燃物劃分為活可燃物和死可燃物兩大類，死可燃物又可遵循其含水率的恢復程度細化分為1 h、10 h、100 h、1000 h時滯的可燃物［5］;根據可燃物在林內的位置，可將森林可燃物劃分為空中可燃物、地表可燃物和地下可燃物;根據可燃物燃燒的難易程度，可將森林可燃物劃分為危險可燃物、緩慢燃燒可燃物和難燃可燃物;根據地被物的種類，又可將可燃物劃分為，地表枯枝落葉層、地衣、苔蘚、草本植物、灌木、喬木和林地雜亂物;按可燃物揮發(fā)性，可將其劃分為高揮發(fā)性可燃物、中揮發(fā)性可燃物和低揮發(fā)性可燃物;按可燃物燃燒時消耗，可將可燃物劃分為有效可燃物、剩余可燃物和總可燃物。

2 可燃物載量實測方法

2.1 線繩法

應用線繩法測定可燃物載量可概括為以下幾步［5］:確定可燃物類型，根據可燃物分布特點設置大小適宜的樣地;在樣地內布設若干條平行樣線;查算樣地內枝條與各平行樣線交叉的點數(shù);結合參數(shù)推算可燃物載量。此種方法目前較少應用于我國，其優(yōu)點在于簡單易行，避免測量可燃物鮮重，可直接推算可燃物載量，但其存在明顯的局限性，即只能應用于地表死可燃物載量調查。

2.2 機械布設樣地調查法

應用機械布設樣地的方法對可燃物載量進行調查時，通常在有代表性的地域機械布置若干塊樣地，并記錄樣地內樹種組成、樹高、胸徑、林齡與郁閉度等林分因子及坡度、坡位和坡向等立地條件。具體實施可分為以下兩步完成［1］:

(1)外業(yè)調查。在每塊樣地的對角線上選取3～5塊50cm×50cm的小樣方，將小樣方內可燃物進行分類、稱鮮重，取樣以備實驗室計算可燃物含水率。

(2)內業(yè)計算。將外業(yè)所取樣品放入烘箱以105°烘至恒重，求算每個小樣方中不同類型可燃物的含水率，計算可燃物載量，并推算樣地內不同類型可燃物載量。此方法為可燃物載量調查的普遍方法，其優(yōu)勢在于適用范圍廣，并能較準確的推算研究區(qū)域可燃物載量，但應用該方法需大量人力、物力的投入，不適用于大范圍作業(yè)及火災后快速調查［6］。

3 可燃物載量動態(tài)估測模型

可燃物載量動態(tài)估測模型方法是指將林地內的林分因子與實地的可燃物載量建立數(shù)學關系，從而可通過森林調查資料得到該地區(qū)的可燃物載量。模型類型主要包括:線性回歸可燃物載量估測模型和應用BP人工神經網絡建立可燃物載量估測模型。目前，我國關于可燃物載量動態(tài)估測模型的研究大都在樣點尺度上研究可燃物載量與林分因子之間的關系［7］，其中大興安嶺地區(qū)研究的主要林型以興安落葉松林、樟子松林和白樺林為主。

3.1 現(xiàn)有載量模型

興安落葉松是大興安嶺地區(qū)的優(yōu)勢樹種。目前，對興安落葉松林可燃物載量動態(tài)估測模型研究最為詳細，見表1。邸雪穎等［8］、胡海清［9］、單延龍等［10］、高嘉寶［11］和劉曉東等［12］分別建立了不同時滯可燃物載量與各林分因子的一元線性回歸動態(tài)模型;胡海清［9］、單延龍等［13］以及陳宏偉［14］等建立了不同時滯可燃物載量及總載量與林分因子的多元回歸動態(tài)估測模型;王強［15］和何長虹等［16］利用BP人工神經網絡建立出可燃物總載量與林分因子的動態(tài)模型。以上研究中的林分因子主要有林齡、郁閉度、平均樹高和平均胸徑。通過大量的一元回歸動態(tài)估測模型，可以得出，1 h可燃物載量與林齡、平均胸徑等林分因子呈顯著正相關，與平均樹高呈顯著負相關;10 h可燃物載量與林齡呈顯著正相關，與樹高呈顯著的負相關;100 h可燃物載量與平均胸徑呈正相關，興安落葉松林下灌木載量與平均樹高呈顯著正相關;興安落葉松林地表可燃物總載量與平均樹高，林齡，凋落物厚度，草本蓋度等林分因子呈正相關，與平均胸徑、等林分因子呈顯著負相關。但目前研究多為一元線性回歸動態(tài)模型，僅揭示出不同時滯可燃物載量與單一林分因子之間的關系，但無法闡明多個林分因子綜合對可燃物載量積累的總體影響。由于不同林分因子之間存在相關性，所以應用多元線性回歸建立可燃物載量動態(tài)模型時，必須剔除存在相關性的林分因子，所以在胡海清［9］和單延龍［14］等提出的多元線性回歸模型中未能納入所有的林分因子。

表1 現(xiàn)有落葉松林可燃物動態(tài)模型Tab.1 Current dynamic model of estimating larch forest fuel load

3.2 立體條件對可燃物載量估測的影響

可燃物載量積累除受林分因子的影響之外，還受到立地條件 (坡度、坡位、坡向和海拔等)的影響，見表2。周志權［17］應用顯著性檢驗;陳宏偉等［14］與郭利峰等［18］應用相關性檢驗;薛煜等［19］以實測數(shù)據;吳志偉等［20］應用DCCA排序的方法，分別從不同角度表明立地條件對可燃物載量積累存在影響。其中1 h時滯可燃物載量與坡向、海拔呈極顯著負相關性［14，20］;10 h可燃物載量與坡度呈極顯著的正相關性［20］;可燃物總載量與坡向呈極顯著的負相關性，與坡度呈極顯著的正相關性。其原因為:坡向差別導致林內光照條件出現(xiàn)差別，陽坡林內關照條件充足，林下喜陽灌草生長茂盛，且因為光照充足，地表溫度較高，陽坡可燃物含水率較陰坡可燃物的含水率低，可燃物分解率較慢，因此由陽坡至陰坡1h可燃物載量呈由高到低排列;隨坡度加大，會使土壤愈加貧瘠、干燥，不利于土壤微生物活動，導致半分解層分解速率小于緩坡半分解層;隨海拔升高，氣溫降低，林木生長量降低，加之海拔高，風速大，地表1h時滯可燃物積累量減小，所以出現(xiàn)1h、10h可燃物載量與海拔呈極顯著負相關性。

表2 可燃物載量與立地因子相關性Tab.2 Correlation between forest fuel load and stand factors

3.3 可燃物載量動態(tài)估測模型現(xiàn)存問題

綜上所述，應用多元回歸、神經網絡等方法可非常便捷地在小尺度上得到可燃載量。因構建模型的因子較單一，只是考慮某一樹種，所以精度較高，估算值較接近真實值。因此為獲得可燃物載量提供了便利，但由于應用多元回歸及神經網絡等方法對數(shù)據量要求比較大，因此工作量相對較大，成本較高，只能在小尺度上應用。目前已從不同角度構建興安落葉松可燃物載量估測模型，但多數(shù)模型僅將單一的或是有限的林分因子作為變量，而忽略了立地條件等其他因子對可燃物載量的影響。周志權等人的研究中表明，興安落葉松林地表可燃物載量的積累受到立地條件影響，但研究僅限于此，并未將立地條件與可燃物載量之間的定量數(shù)學關系闡明。另因不同林分因子、立地條件之間存在自相關性，無法將所有對可燃物載量積累有影響的因子全面體現(xiàn)出來。

4 可燃物載量遙感估測方法

可燃物載量遙感估測模型方法是指將可燃物載量與遙感圖像的波段信息建立關系，從而得到研究區(qū)域可燃物載量。近年來，隨著“3S”技術的不斷發(fā)展和廣泛的應用，許多學者把該技術運用于可燃物載量估測中。國慶喜等［21］和王強［22］等將 TM影像波段信息與森林實測數(shù)據相結合，采用像素直接分配法［23］，以處理遙感圖像后所得NDVI、RVI等值及處理數(shù)字化高程模型 (DEM)所得到的坡度、坡向等信息為自變量，建立多元回歸模型及BP神經網絡模型。并以此模型分別對小興安嶺15種林型的可燃物載量，帽兒山林場可燃物載量進行了估算。胡海清和魏云敏［24］在塔河的ETM+影像中進行了可燃物的分類，將該地區(qū)ETM+圖像分為闊葉林、針葉林、沼澤、河流和其它類型，并提取出圖像的波段值及NDVI、RVI等指數(shù)，結合實測的林分因子，經過回歸分析，建立起塔河地區(qū)針葉林和闊葉林的可燃物載量模型，并對塔河地區(qū)的可燃物載量進行了大尺度的估測。王立海和邢艷秋［25］對吉林省汪清天然林區(qū)的TM遙感影像進行分類，將該地區(qū)分為針葉林區(qū)、針闊混交林區(qū)和闊葉林區(qū)，以遙感圖像上的地物信息與地理信息系統(tǒng)提供的地物各種地面信息作為自變量，應用人工神經網絡建立森林生物量模型，并對該地區(qū)的森林生物量進行了大尺度估算。唐榮逸［26］等，在對云南松可燃物載量進行了大尺度的估測，通過遙感數(shù)據提取波段信息，從當?shù)谿IS數(shù)據中得到坡度、坡向和坡位等立地條件的信息，再結合野外 GPS衛(wèi)星定位調查數(shù)據進行回歸建模，建立了可燃物載量直接與遙感的波段值和立地條件的模型和間接的將林齡與郁閉度作為中間變量與遙感信息和立地條件建立模型，再將可燃物載量與中間變量建立關系的兩種模型，并對其精度進行了比較，得到用遙感因子和地形回歸可燃物載量模型較為理想的結論。以上采用間接分配法，首先從遙感圖像上判讀一些與可燃物模型相關聯(lián)的中間特征，然后根據這些特征與可燃物模型的關系，為各像元分配可燃物模型。該方法主要將可燃物載量與植被特征之間建立關系，該方法目前應用最為廣泛，研究最為深入 (Miller等［27］、Root 等［28］、Yool 等［29］、Burgan［30］Wilson等［31］、Mart 等［32］、 Hardwick 等［33］、Jain 等［34］、Roberts等［35］和 Scott等［36］)。

4.1 可燃物載量遙感估測方法存在的問題

目前，遙感圖像的精度是制約遙感技術在可燃物載量估算上最大的問題。從開始的Wu［37］、Hussin［38］、Kasischke［39］、Sadar［40］等人應用合成孔徑雷達 (SAR)數(shù)據對森林生物量進行估算，到Brandis［41］、胡海清和魏云敏［24］等應用 TM、ETM+圖像進行可燃物載量估算，圖像的精度在不斷提高，但是采用這些圖像，只能對可燃物類型進行分類，或者進行邊界劃分，具有一定局限性，所以引入新的遙感圖像勢在必行。因為使用原有的光學遙感所得圖像只有喬木層信息。但應用雷達圖像后，因雷達波具有穿透林冠的能力，應用其可對林分樹高進行估測，從而將林分因子、遙感圖像直接聯(lián)系在一起，同時應用雷達圖像擺脫了天氣，時間對遙感圖像的限制，提高可燃物載量估測的準確率和效率。例如Nicholas等［42－43］在美國新澤西使用一個單波束激光雷達，來檢測樹冠高，結合森林清查來分析和量化森林結構和估測森林可燃物梯度，其研究表明單波束雷達可用于森林生物量、可燃物載量梯度的估測和林下可燃物載量的估算。

5 研究展望

5.1 可燃物載量動態(tài)模型

結合樣地調查資料，用數(shù)學或BP人工神經網絡方法，將林分因子、立地條件和土壤類型等影響可燃物載量積累的因子作為變量，建立模型，并對模型進行檢驗，來剔除相關性或者貢獻量小的自變量，同時要考慮到為了準確求出模型的參數(shù)值，應盡可能地多取樣本，從而提高模型的精度，從而在對特定研究區(qū)域可燃物載量小尺度估算中，得到精確較高的結果。

5.2 遙感估測方法

采用更高分辨率的遙感圖像，在進行監(jiān)督分類后，結合林相圖將無法再進行細分的各針、闊樹種進行細分，再將從遙感圖像提取的信息與數(shù)字化高程模型 (DEM)上得到的各立地條件和森林調查記錄中得到的土壤類型等因素，應用回歸或BP人工神經網絡構建模型，從而得到更精確的可燃物載量模型，估測更接近實際的可燃物載量。

5.3 火后可燃物載量消耗量估測研究

針對不同的火災類型以及不同的森林類型，火后可燃物載量消耗量多少一直是科學家關心的關鍵問題，目前報道很少。原因主要來自于:

(1)森林生態(tài)系統(tǒng)存在較大的時空異質性，即便是同一次森林火災在同一森林類型內不同的立地條件下也存在巨大的差異，因為林下可燃物載量的分布格局差異，以及火行為受氣象等條件的影響，使得同樣一次森林火災可燃物載量消耗存在巨大的空間異質性，這就需要我們在進行實際調查時候，增加取樣數(shù)量，構建相應的模型以估算火燒后可燃物載量的消耗量。

(2)火燒強度不同，可燃物載量消耗量不同。在不同生態(tài)系統(tǒng)中不同火燒強度對可燃物載量消耗量影響很大，因此確定火燒強度并估算可燃物載量消耗量對以可燃物載量為基礎的相關研究至關重要。

(3)低中強度火干擾后森林生態(tài)系統(tǒng)的快速恢復使得火后森林可燃物載量消耗量估測成為難題。一般低中強度火干擾后林下地被物層以及草本層基本消耗掉，但幾個月后草本層會迅速發(fā)展，載量迅速增加，因此只要是一年以上的火后調查林下草本及枯落物層就很難確定，消耗量估測就會存在很大誤差。

因此，基于以上幾點，在開展火后生態(tài)系統(tǒng)可燃物載量消耗量估測時一般應該研究森林可燃物載量分布格局和異質性、火行為特征、火燒強度等因素，并在火后1個月內開展詳細調查，才可以搞清可燃物載量消耗量情況，并通過多次實踐調查和采樣才能研制出可信性比較高的可燃物載量消耗量估測模型。

森林可燃物載量估測是森林可燃物可持續(xù)管理的基礎。在我國將森林可燃物作為單一因子的研究還處在起步階段，建立的可燃物載量模型大多以線性回歸模型為主，建立的遙感估測模型較少，所以對局部區(qū)域的可燃物載量進行估算較多且準確性較高，但缺乏大尺度上對可燃物載量進行估算。因此，應用這些數(shù)據僅能對局部地區(qū)森林火險的預測、預報提供一定的參考，但存在很大的局限性，無法為國家的火險預測、預報提供有效的參考。所以，在今后的研究中，要注意對可燃物載量估算模型的建立應將傳統(tǒng)模型方法與遙感估測法相結合，加強可燃物載量跨尺度研究，得到精度較高的森林可燃物載量調查數(shù)據，為我國的森林防火工作提供有力的支持。

［1］胡海清.林火生態(tài)與管理［M］.北京:中國林業(yè)出版社，2005.

［2］孫 龍，張 瑤，國慶喜，等.1987年大興安嶺林火碳釋放及火后 NPP 恢復［J］.東北林業(yè)大學學報，2009，45(12):100 －104.

［3］王瑞君.林火與森林蟲害關系的研究概況［J］.防護林科技，2005(66):17－19.

［4］肖化順，曾思齊，謝紹鋒，等.森林可燃物管理研究進展［J］.世界林業(yè)研究，2009，22(1):48 －52.

［5］何忠秋，張成剛，牛永杰.森林可燃物載量模型研究［J］.世界林業(yè)研究，1996(2):26－30.

［6］楊 光，黃 喬，盧 丹，等 森林可燃物負載量測定方法研究［J］.森林防火，2011(2):19 －23.

［7］賀紅士，常 禹，胡遠滿，等.森林可燃物及其管理的研究進展與展望［J］.植物生態(tài)學報，2010，34(6):741 －752.

［8］邸學穎，王宏良，姚樹人，等.大興安嶺森林地表可燃物生物量與林分因子關系的研究［J］.森林防火，1994(2):16－18.

［9］胡海清.利用林分特征因子預測森林地被可燃物載量的研究［J］.林業(yè)科學.2005，41(5):96 －99.

［10］單延龍，舒立福，李長江.森林可燃物參數(shù)與林分特征關系［J］.自然災害學報，2004，13(6):70 －75.

［11］高寶嘉，張桂娟，周國娜，等.承德縣人工針葉林地表枯死可燃物參數(shù)估測及潛在地表火行為評價［J］.林業(yè)科學，2009，45(10):163－167.

［12］劉曉東，王 軍，張東升，等.大興安嶺地區(qū)興安落葉松林可燃物模型的研究［J］.森林防火，1995(3):8－9.

［13］單延龍，舒立福，李長江.森林可燃物參數(shù)與林分特征關系［J］.自然災害學報，2004，13(6):70 －75.

［14］陳宏偉，常 禹，胡遠滿，等.大興安嶺呼中林區(qū)森林死可燃物載量及其影響因子［J］.生態(tài)學雜志，2008，27(1):50 －55.

［15］王 強，胡海清.利用林分因子估測森林地表可燃物負荷量［J］.東北林業(yè)大學學報，2005，33(6):17 －18.

［16］何長虹，黃全義，申世非.基于BP神經網絡的森林可燃物負荷量估測［J］.清華大學學報，2011，51(2):230 －233.

［17］周志權.遼東3種主要林型地被可燃物載量的研究［J］.東北林業(yè)大學學報2000，28(1):32－34.

［18］郭利鋒，牛樹奎，闞振國.北京八達嶺人工油松林地表枯死可燃物負荷量研究［J］.江西林業(yè)科技，2007，32(2):134 －137.

［19］薛 煜，王會巖，張世萍.落葉松人工林內可燃物載量_含水率與森林燃燒性關系的研究［J］.森林防火.1996(51):21－23.

［20］吳志偉，賀紅士，劉曉梅，等.豐林保護區(qū)地表森林死可燃物載量與環(huán)境因子的關系［J］.東北林業(yè)大學學報，2011，39(3):52 －55.

［21］國慶喜，張 鋒.基于遙感信息估測森林的生物量［J］.東北林業(yè)大學學報，2003，31(2):13—16.

［22］王 強，金 森.利用RS和林分因子估測帽兒山林場森林可燃物負荷量［J］.東北林業(yè)大學學報，2008，36(9):35 －37.

［23］金 森.利用TM遙感影像和林分因子估測森林可燃物載量［J］.林業(yè)科學，2006，42(12):64 －67.

［24］胡海清，魏云敏.利用TM遙感影像和林分因子估測森林可燃物載量［J］.東北林業(yè)大學學報，2007，35(6):

［25］王立海，邢艷秋.基于人工神經網絡的天然林生物量遙感估測［J］.應用生態(tài)學報，2008，19(2):261 －267.

［26］唐榮逸.云南松林可燃物載量的遙感估測研究［D］.昆明，西南林學院，2007.

［27］ Miller W，Johnston D.Comparison of fire fuel maps produced using MSS and AVHRR data［R］.Pecora X Symposium，1985，pp.305－315.

［28］ Root RR，Stitt S C F，Nyquist MO，et al.Vegetation and fire fuel models mapping of North Cascades National Park［R］.ACSM-ASPRS-Annual Convention Technical Paper 3，1985，pp.78 － 85.

［29］ Yool S R，Eckhardt D W，Estes J E，et al.Describing the brushfire hazard in Southern California［J］.Annals of the Association of A-merican Geographers，1985，75(3):417 －430.

［30］ Burgan R E.Concepts and interpreted examples in advanced fuel modeling［R］.USDA Forest Service General Technical Report INT-238.40，1987.

［31］ Wilson B A，Ow C，Heathcott M，et al.Landsat MSS classification of fire fuel types in Wood Buffalo National Park［J］.Global Ecology and Biogeography Letters，1994，4(2):33 －39.

［32］ Mark C A，Bushey C L，Smetanka W.Fuel model identification and mapping for f ire behavior prediction in the Absaroka_Beartooth Wilderness，Montana and Wyoming［A］.Proceedings:symposium on fire in wilderness and park management［C］.USDA Forest Service General Technical Report INTGTR-320，pp.227 －229.

［33］ Hardwick P E，Lachowski H，F(xiàn)orbes J，et al.Fuel loading and risk assessment for Lassen National Forest［A］.Proceedings of the seventh Forest Service remote Sensing applications conference［C］.Nassau Bay，Texas，6-10April 1998，pp.328 －339.

［34］ Jain A，Ravan S A，Singh R K，et al.Forest fire risk modeling using remote sensing and geographic information systems［J］.Current Science，1996，70(10):928 －933.

［35］ Roberts D A，Gardner M，Regelbrugge J，et al.Mapping the distribution of wildfire fuels using AVIRIS in the Santa Monica Mountains［A］.Proc.7th AVIRIS Earth Science Workshop［C］，Pasadena，CA，1998，pp.345 －352.

［36］ Scott K，Oswald B，F(xiàn)arrish K，et al.Fuel loading prediction models developed from aerial photographs of the Sangre de Cristo and Jemes mountains of New Mexico［J］.USA.International Journal of WildlandFire，11(1):85 －90.

［37］ Wu S.Assessment of tropical forest Stand characteristics with multipolarization SAR data acquired over a mountainous region in Costa Rica［J］.IEEE Trans.Geosci.Rem.Sens.，1990，28:752 －755.

［38］ Hussin Y A，Reich R，Hoffer R.Estimating splash pine biomass using radar back scatter［J］.IEEE Trans.on Geosci.and Rem.Sens.，1991，29(3):427 －431.

［39］ Kasischke E S，Melack J，Dobson M.The use of imaging radars for ecological applications-A review［J］.Remote Sensing of Environment，1997，59(2):141 － 156.

［40］ Sader S A，Hayes D J，Hepinstall J A，et al.Forest change monitoring of a remote biosphere reserve［J］.International Journal of Remote Sensing，2001，22(10):1937 －1950.

［41］ Brandis K，Jacobson C.Estimation of vegetative fuel loads using Landsat TM imagery in New South Wales［J］.International Journal of Wildland Fire，2003，12:185 －194.

［42］ Skowronski N，Clark K L.Three-dimensional canopy fuel loading predicted using upward and downward sensing LIDAR systems［J］.Remote Sensing of Environment，2011，115:703 －714.

［43］ Skowronski N，Clark K L.Remotely sensed measurements of Forest structure fuel loads in the Pinelands of New Jersey［J］.Remote Sensing of Environment，2007，108:123 － 129.

［44］江西軍，柴一新.紅花爾基樟子松林細小可燃物載量與林分因子關系研究［J］.森林防火2007(3):23－27.

［45］邢劭謙，宋哲存.Zig Bee無線傳感與衛(wèi)星定位技術在森林火災預警中的應用［J］.森林工程，2011，27(6):36 －38.