江西南昌活可燃物含水率動態(tài)變化和預測模型

周 勇，張 貴，張運林，丁 波，滿子源

（1.中南林業(yè)科技大學 林學院，湖南 長沙 410004；2.衡陽師范學院 數(shù)學與統(tǒng)計學院，湖南 衡陽 421002；3.貴州師范學院 生物科學學院，貴州 貴陽 550018；4.國家林業(yè)和草原局西北調查規(guī)劃設計院 旱區(qū)生態(tài)水文與災害防治國家林業(yè)局重點實驗室，陜西 西安 710048）

森林可燃物含水率表示可燃物水分含量，決定了可燃物被引燃的概率及可能表現(xiàn)出的一系列火行為指標等，是森林火險等級預報系統(tǒng)中最重要的參數(shù)[1-2]。然而，在實際應用中無法獲取實時的可燃物含水率值，如何準確預測森林可燃物含水率一直也是林火研究者關注的重點。相較于活可燃物，由于死可燃物含水率動態(tài)變化響應機理相對簡單，且其對林火是否發(fā)生的影響更大，因此過去關于含水率的研究主要集中在死可燃物，而關于活可燃物含水率的研究較少[3]。

隨著全球氣候變暖及極端天氣頻繁發(fā)生，森林火災中樹冠火和一些特殊火行為的比重不斷增加，而活可燃物含水率對這些類型的森林火災發(fā)生與否起到重要作用，關于活可燃物含水率動態(tài)變化和預測研究也逐漸增多[4-6]。森林細小活可燃物，包括小枝和樹葉決定了這些特殊火行為發(fā)生與否，其含水率動態(tài)變化主要受植物根部吸水和蒸騰失水相對速率的控制，這些速率與氣象要素、土壤干濕程度和植物自身理化性質等有關系，因此，活可燃物含水率的動態(tài)變化相較于死可燃物更加復雜[7]。國內外學者也對森林活可燃物含水率動態(tài)變化及預測模型進行了研究，Petros 等[8]使用KBDI 干旱指數(shù)預測森林活可燃物含水率，結果基本能夠滿足火險預報需求；Viegas 等[9]使用加拿大火險等級系統(tǒng)中濕度碼進行活可燃物含水率預測，也取得較好結果；金森等[10]選擇黑龍江帽兒山幾種典型灌木為研究對象，建立氣象要素回歸模型，相對誤差均在15%以下；張運林等[11]以云南3 種森林細小活可燃物為研究對象，分析了含水率動態(tài)變化情況并建立預測模型，也取得較好的結果。江西省森林資源豐富，但森林火災頻發(fā)，然而關于江西森林可燃物含水率的研究幾乎沒有，特別是關于森林活可燃物含水率的研究。雖然國內外進行了相關研究，但由于活可燃物含水率動態(tài)變化的復雜性和空間異質性，對于江西典型森林活可燃物含水率的研究還需要進一步分析和研究，對于森林火險預報系統(tǒng)具有重要意義。

本研究選擇江西南昌市茶園山林場典型植被類型：油茶、山竹和楊梅活可燃物為研究對象，分析其含水率動態(tài)變化情況并建立預測模型。活可燃物含水率在一定程度上與氣象要素相關，而且，加拿大火險等級系統(tǒng)中濕度碼在一定程度上也能夠反映可燃物的干濕程度[12-14]。本研究選擇氣象要素回歸法和濕度碼回歸法建立活可燃物含水率預測模型，分析兩種方法的適用性，為江西森林活可燃物含水率預測研究提供基礎數(shù)據(jù)，對于可燃物含水率和火險預測研究具有重要意義。

1 研究區(qū)域概況與方法

1.1 研究區(qū)域概況

研究區(qū)茶園山林場位于江西省南昌市灣里區(qū)（28°72′77″N，115°68′80″E），研究區(qū)位于長江以南，屬于亞熱帶季風濕潤氣候，四季差異明顯。全年無積雪覆蓋，降雨量充足，一般集中在春末夏初，全年最低溫度在1月，月均氣溫為6.1℃，最高溫度在7月，月均溫度為28.8℃。研究區(qū)植被豐富，多為天然次生林，主要喬木包括馬尾松Pinus massoniana、杉木Cunninghamia lanceolate、柳杉Cryptomeria japonicavar.sinensis和毛竹Phyllostachys edulis等；主要灌木包括油茶Camellia oleifera、楊梅Myrica rubra和檵木Loropetalum chinensis等。

1.2 研究方法

1.2.1 樣地設置

2018年10月23日至2019年1月20日在茶園山林場選擇進行活可燃物含水率監(jiān)測，共計90 d。灌木楊梅和油茶位于馬尾松林中，因此在馬尾松林和毛竹林中分別設置20 m×20 m 的標準樣地，對于每種可燃物類型，每個樣地設置3 個樣點進行采樣。具體樣地信息如表1所示。

表1 樣地基本信息?Table 1 Basic information of plots

1.2.2 野外數(shù)據(jù)監(jiān)測

由于活可燃物含水率動態(tài)變化較死可燃物更為緩慢，因此活可燃物含水率監(jiān)測實驗以日為步長進行。選擇每日空氣溫度最高和相對濕度最低時進行活可燃物含水率監(jiān)測，對于每種活可燃物類型，在每個樣點采集葉片及小于0.6 cm 的小枝約80～100 g[15-16]，裝入信封中，迅速稱量其濕質量，并記錄將樣品帶回實驗室烘干至質量不再變化為止，并記錄干質量。若遇降雨天氣，則先用吸水紙擦去表面自由水后再裝入信封稱重，此外，在帶回實驗室過程中還需在信封外套塑料封口袋，防止樣品相互洇濕，影響試驗結果?；羁扇嘉锖嗜缬嬎愎剑?）所示，每日3 個樣點含水率的算數(shù)平均值為活可燃物該日含水率。

式（1）中，M：活可燃物含水率值（%）；WH和WD分別表示活可燃物濕質量和干質量（g）。

林場合適位置架設HOBO 氣象站，以半小時為間隔，與采集時間同步監(jiān)測氣象要素，包括空氣溫度（T）、相對濕度（H）、風速（W）和降水量（R）等。

1.2.3 數(shù)據(jù)處理

1）濕度碼計算。根據(jù)加拿大火險等級系統(tǒng)中濕度碼方程計算監(jiān)測期內每日濕度碼，包括地表細小可燃物濕度碼（Fine fuel moisture content,FFMC）、半腐殖質濕度碼（Duff moisture content,DMC）和干旱碼（Drought content,DC）。根據(jù)文獻可知，由于研究區(qū)為無明顯積雪覆蓋，因此FFMC 的初始值為85，上一次降雨距采樣第一天為11 d，因此DMC和DC 的初始值分別為22 及55[17]。

2）基本統(tǒng)計分析。對研究期內氣象要素和濕度碼進行基本統(tǒng)計分析，并以采樣日期為橫坐標，活可燃物含水率為縱坐標，繪制活可燃物含水率動態(tài)變化圖，分析其在監(jiān)測期內動態(tài)變化情況。

3）相關性分析。由于可燃物含水率動態(tài)變化對外界因素的響應有一定的滯后性，因此選擇前一日氣象要素和當日氣象要素，利用Spearman 偏相關分析活可燃物含水率與氣象要素的關系。其中，當日和前一日氣象要素分別用下角標0 和-1表示，例如前一日當日相對濕度為H0，前一日累積降雨量為R-1。此外，利用Spearman 偏相關分析活可燃物含水動態(tài)變化與濕度碼的相關性。

4）活可燃物含水率預測模型及模型精度檢驗。分別以氣象要素和濕度碼為自變量，活可燃物含水率為自變量，選擇向前逐步回歸方式建立線性回歸模型和多項式回歸模型。

選擇n-fold 交叉驗證方法計算模型平均絕對誤差（Mean absolute error,MAE）和平均相對誤差（Mean relative error,MRE），比較模型預測精度。以實測值為橫坐標，預測值為縱坐標，分別繪制1∶1誤差分析圖，研究預測模型預測效果。

以上所有的數(shù)據(jù)處理和繪圖均是用Statistic 13.0軟件和Excel 2016 軟件完成。

2 結果與分析

2.1 基本統(tǒng)計分析

表2給出監(jiān)測期間研究區(qū)氣象要素和濕度碼的基本統(tǒng)計分析結果?？梢钥闯觯O(jiān)測期內，空氣溫度最小值為5.7℃，最大值為30.1℃，根據(jù)75%分位數(shù)可知研究期內空氣溫度大部分都低于16.7℃；研究期內相對濕度較高，根據(jù)25%分位數(shù)可知大部分相對濕度都在54%以上，且均值為63.633%；單日最大累積降水量為117.4 mm，平均降水量為5.656 mm。研究期間FFMC 的變化范圍為0.0～88.906，均值為32.917，大部分FFMC都低于61.483；DMC 最小值僅為0.09，最大值為38.756，整個研究期內DMC 值較低；DC 在研究期間均值為18.418，變化范圍為1.162～98.498，根據(jù)75% 分位數(shù)可知，大部分時段都低于19.142。

表2 監(jiān)測期內氣象要素和濕度碼基本統(tǒng)計分析Table 2 Basic statistics of meteorological elements and moisture code during the monitoring period

監(jiān)測期內茶園山林場3 種活可燃物含水率基本表現(xiàn)出一致的動態(tài)變化，但從圖1可看出，毛竹活可燃物含水率動態(tài)變化幅度有明顯大于其他可燃物類型，含水率均值為118.323%，最小值僅為71.52%，最大值為220.535%，標準差為27.990。楊梅及油茶活可燃物含水率動態(tài)變化接近，其中楊梅的活可燃物含水率變化范圍為113.794%～223.089%，均值為142.782%，標準差為17.225，油茶活可燃物含水率動態(tài)變化為112.503%～191.903%，均值138.116%，標準差為17.632。

圖1 監(jiān)測期活可燃物含水率動態(tài)變化情況Fig.1 Dynamic change of live moisture content during the monitoring period

2.2 相關性分析

茶園山林場3 種活可燃物含水率動態(tài)變化與氣象要素的相關性分析見表3。由表3可看出，當日溫度與楊梅和油茶活可燃物含水率呈顯著正相關關系，前一日空氣溫度與3 種活可燃物含水率都呈極顯著正相關；3 種活可燃物含水率動態(tài)變化隨著當日和前一日相對濕度的增加而增加，且相關性隨著距離采樣時間的增加而降低；風速對活可燃物含水率動態(tài)變化沒有顯著影響；當日累積降水與活可燃物含水率增加呈極顯著正相關關系，前一日累積降水對活可燃物含水率動態(tài)變化幾乎沒有影響。

表3 活可燃物含水率與氣象要素的相關性分析結果?Table 3 The results of correlation analysis between dynamic change oflive moisture content and meteorological element

3 種活可燃物含水率動態(tài)變化與FFMC 都呈現(xiàn)極顯著負相關關系，且毛竹活可燃物含水率與FFMC 的相關性最強，楊梅次之，油茶最差。除毛竹外，其余2 種活可燃物含水率與DMC、DC 都沒有顯著關系（表4）。

表4 活可燃物含水率與濕度碼的相關性分析結果?Table 4 The results of correlation analysis between dynamic change of live moisture content and moisture code

2.3 活可燃物含水率預測模型

以氣象要素和濕度碼為自變量，3 種活可燃物含水率為因變量，采用逐步回歸法和多元非線性回歸模型分別建立活可燃物含水率預測模型。

2.3.1 氣象要素回歸模型

2.3.1.1 多元線性回歸模型3 種活可燃物含水率的氣象要素回歸模型見表5，由表5可看出，當日相對濕度均被選入模型，毛竹模型中還包括當日降水量，油茶和楊梅模型中還包括前一日空氣溫度。基于氣象要素回歸法的含水率預測模型R2變化范圍為0.301～0.400，MAE 最小值為10.590，最大值為15.745，MRE 變化范圍7.171%～12.914%。2.3.1.2 多元非線性回歸模型

表5 活可燃物含水率氣象要素多元線性回歸模型Table 5 Multiple linear regression model of meteorological element of live moisture content

3 種活可燃物含水率的氣象要素多元非線性回歸模型見表6，與多元線性回歸模型相同，當日相對濕度均被選入模型，毛竹模型中還包括當日降水量，楊梅和油茶模型中還包括前一日空氣溫度?；跉庀笠鼗貧w法的含水率預測模型R2變化范圍為0.435～0.568，MAE 最小值為9.844%，最大值為12.657%，MRE 變化范圍6.830%～10.370%。

表6 活可燃物含水率氣象要素多元非線性回歸模型Table 6 Multiple nonlinear regression model of meteorological element of live moisture content

2.3.2 濕度碼回歸模型

2.3.2.1 濕度碼線性回歸模型

基于濕度碼的活可燃物含水率預測模型都是只有細小可燃物濕度碼進入模型，3 種活可燃物預測模型的R2變化范圍為0.278～0.387，楊梅的含水率預測模型MAE 最小，僅為10.259%，最大為毛竹16.732%；3 種活可燃物含水率預測模型的MRE 變化范圍為6.960%～13.931%（表7）。

表7 活可燃物含水率濕度碼多元線性回歸模型Table 7 Multiple linear regression model of moisture code of live moisture content

2.3.2.2 濕度碼非線性回歸模型

濕度碼非線性的活可燃物含水率預測模型同樣只有細小可燃物濕度碼FFMC 進入模型，毛竹活可燃物預測模型的R2最大，為0.462，楊梅和油茶的R2依次減小，分別為0.344 和0.326。3 種活可燃物含水率預測模型的MAE 和MRE 變化范圍分別為10.696%～31.285%和8.040%～22.010%（表8）。

表8 活可燃物含水率濕度碼多元非線性回歸模型Table 8 Multiple nonlinear regression model of moisture code of live moisture content

2.3.3 模型誤差1∶1 分析圖

從2.3.2 可以看出，不論是氣象要素模型還是濕度碼模型，雖然3 種可燃物的非線性回歸模型預測精度更好，但MAE 和MRE 并沒有顯著差異（P＞0.05），而且非線性模型的形式也不如線性模型簡單。因此，本部分模型誤差僅分析線性回歸模型。

茶園山林場3 種活可燃物基于氣象要素回歸模型和濕度碼回歸模型的含水率實測值和預測值1∶1 圖見圖2。由圖2可看出，對于毛竹和楊梅活可燃物，兩種模型的擬合線差別不大，油茶的氣象要素回歸擬合線更接近于1∶1 線。對于所有活可燃物類型，都是在含水率較低時，預測值偏高，含水率較高時，兩種預測方法都高估。

圖2 實測值與預測值1∶1 圖Fig.2 Comparison between measured value and predicted value

3 結論與討論

研究認為，一般當活可燃物含水率低于130%時，就有可能被引燃[18]，發(fā)生樹冠火和一些特殊火行為，對生態(tài)環(huán)境、撲火隊員安全和當?shù)厣鐣?jīng)濟發(fā)展造成嚴重影響。對茶園山林場3 種活可燃物進行基礎統(tǒng)計分析，通過75%分位數(shù)可知，毛竹、楊梅和油茶3 種活可燃物含水率分別為133.578%、150.688%和150.663%，監(jiān)測期內大部分時間毛竹含水率基本都低于130%，有被引燃的可能性，油茶次之，楊梅被引燃的概率最低。

活可燃物含水率動態(tài)變化主要受蒸騰失水和根部吸水相對速率的影響，在土壤水分含量充足的情況下，隨著空氣溫度的升高，植物蒸騰作用增強，同時也加快從根部吸水的速率，因此在一定階段，活可燃物含水率與空氣溫度呈正相關關系。但若長期干旱條件下，隨著溫度持續(xù)高溫，活可燃物含水率可能會下降，呈負相關關系。活可燃物含水率動態(tài)變化與相對濕度、降水量正相關，這與其他學者的研究結果相似[3,10,19-20]。此外，與風速不相關，這可能是由于本研究中選擇的風速變量較少所致，活可燃物含水率對氣象要素的響應緩慢，具有明顯的滯后性，本研究僅選擇了當日和前一日風速，因此未表現(xiàn)出明顯的顯著性。

茶園山林場3 種活可燃物含水率動態(tài)變化僅與FFMC 呈顯著負相關關系，與DMC 和DC 基本不相關，這與金森、劉萬龍等[20-21]的研究結果相似。與DMC 和DC 不相關，主要是由于研究期間，56%的監(jiān)測期在下雨，表征腐殖質和土壤干濕程度的DMC 和DC 波動較小，因此對活可燃物含水率沒有顯著影響。

活可燃物的含水率氣象要素預測模型都是當日相對濕度進入模型，此外還有前一日降雨和溫度，這與張運林等[11]的研究結果相似。研究認為，活可燃物含水率預測誤差MRE 低于15%，即可使用[22]，本研究中不論是氣象要素回歸法還是濕度碼回歸法MRE 均低于或在15%附近，效果較好。對3 種活可燃物含水率的2 個預測模型誤差進行H檢驗，發(fā)現(xiàn)并沒有顯著差異（P＞0.05），說明兩種預測方法差別不大。但對于楊梅活可燃物，濕度碼回歸法的預測效果要略優(yōu)于氣象要素回歸法，對于其他2 種活可燃物類型，氣象要素回歸法更好。

江西南昌茶園山林場3 種典型活可燃物在監(jiān)測期內毛竹的含水率動態(tài)變化最大，且更容易被引燃，油茶次之，楊梅被引燃的可能性最低。除了毛竹外，隨著當日和前一日空氣溫度升高，活可燃物含水率也升高，毛竹僅與前一日空氣溫度正相關；當日及前一日相對濕度和所有活可燃物含水率均為極顯著正相關關系，且相關性遞減；風速對活可燃物含水率動態(tài)變化沒有顯著影響；活可燃物含水率隨著當日降水量增加而極顯著增加。所有活可燃物含水率的氣象要素回歸預測模型中，當日相對濕度均進入模型，MAE 最小值為10.590，MRE 最小值僅為7.171；濕度碼回歸預測模型中只有FFMC 進入模型，MAE 和MRE 的變化范圍分別為10.259%～16.732%和6.960%～13.931%，兩種方法預測江西南昌茶園山林場活可燃物含水率沒有顯著差異。本研究結果為江西活可燃物含水率動態(tài)變化和預測模型研究提供基礎數(shù)據(jù)和借鑒，也對構建火險等級系統(tǒng)具有重要意義。