伍 威，張運林，滿子源

（1.湖南環(huán)境生物職業(yè)技術(shù)學院 園林學院，湖南 衡陽 421005；2.貴州師范學院 生物科學學院，貴州 貴陽 550018；3.國家林業(yè)和草原局西北調(diào)查規(guī)劃設(shè)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）

地表細小死可燃物作為林火發(fā)生的載體，其含水率值決定林火發(fā)生的可能性和發(fā)生火災后一系列的火行為指標，是森林火險預報中重要的參數(shù)[1-3]。烘干法能夠獲取最準確的含水率值，但至少需要24 h，不能在實際中應用。因此，準確預報地表細小死可燃物含水率一直是林火研究的重要內(nèi)容[4-5]。

地表細小死可燃物含水率主要受氣象要素的影響，因此建立氣象要素與含水率之間的關(guān)系，通過可實時觀測的氣象要素預測含水率值是應用最早的含水率預測方法，但這種方法由于響應的空間異質(zhì)性，外推性較差[6-7]。隨著技術(shù)發(fā)展，又逐漸出現(xiàn)了遙感估測法、過程模型法和半物理法。其中遙感估測法由于估測尺度過大，其精度根本無法滿足實際火險預報需求[8]；過程模型法雖然揭示了水分變化機理，但模型參數(shù)較多，也無法在實際中應用[9]；半物理法是以水分擴散方程為主體，但其中參數(shù)是通過統(tǒng)計方法獲取，兼具過程模型法和時滯法的優(yōu)點，也是目前應用最廣的含水率預測方法[10]。

加拿大火險天氣指標系統(tǒng)在世界各國廣泛應用，其中濕度碼是基于半物理法計算得到，反映了地表可燃物的干燥程度，具有很好的外推性[11-13]。然而，濕度碼模型中的一些參數(shù)是根據(jù)加拿大典型林分內(nèi)可燃物獲取的，若直接使用，其適用性還需進一步驗證。國內(nèi)外也進行了很多關(guān)于濕度碼預測地表細小死可燃物含水率適用性的研究。例如，Lynham 等[14]比較了加拿大與黑龍江氣候區(qū)、林型和地形等差異，分析濕度碼在黑龍江林區(qū)的適用性；Viegas 等[15]分析了濕度碼在葡萄牙預測可燃物含水率的適應性，并對模型進行了校正；Zhang 等[13]以黑龍江蒙古櫟次生林、混交林地表細小死可燃物為研究對象，分析了加拿大濕度碼預測其含水率的適用性，并對模型中一些參數(shù)：平衡含水率和時滯進行校正，顯著提高了預測效果；金森等[16]也分析了利用濕度碼預測云南幾種典型地表細小可燃物含水率的適用性。因此，若需要使用濕度碼預測地表細小死可燃物含水率，必須要進行適用性分析。

江西省森林資源豐富，但森林火災頻發(fā)，據(jù)統(tǒng)計，2000—2017年，江西省共發(fā)生森林火災4 606起，火場總面積約9 萬hm2，其中受害森林面積達4 萬hm2，對當?shù)厣鷳B(tài)、經(jīng)濟和人民財產(chǎn)造成嚴重損害。然而，關(guān)于江西林火基礎(chǔ)研究還較少，特別是含水率預測研究，嚴重阻礙了火險預報系統(tǒng)建立。因此，本研究以江西典型林分：馬尾松林、杉木林、柳杉林和毛竹林下地表細小死可燃物為研究對象，利用濕度碼預測其含水率，并與其他預測方法進行比較，分析濕度碼預測江西典型地表細小死可燃物含水率的適用性。本研究一方面為江西典型地表細小死可燃物含水率預測研究提供基礎(chǔ)數(shù)據(jù)和借鑒，另一方面還有助于更好理解加拿大火險天氣指標系統(tǒng)中濕度碼在我國的適用性。

1 研究區(qū)域概況與方法

1.1 研究區(qū)域概況

研究區(qū)位于江西省南昌市灣里區(qū)茶園山林場（28°72′77″N，115°68′80″E），海拔約為200～700 m，屬亞熱帶濕潤氣候，四季分明。研究區(qū)緯度較低，年均氣溫為14.0～17.5℃，年均降水量約為1 675 mm，降水量主要集中在每年4—6月，年均日照數(shù)約為1 637 h。研究區(qū)地貌主要以山地、丘陵為主，占全省面積的78%，土壤類型多為山地紅壤，主要為酸性。研究區(qū)主要喬木類型包括：馬尾松Pinus massonianaLamb.、毛竹Phyllostachys heterocycla(Carr.)、杉木Cunninghamia lanceolata(Lamb.) Hook.、柳杉Cryptomeria fortunei Hooibrenk ex Otto etDietr.、青岡櫟Cyclobalanopsis glauca(Thunb.) Oerst.等，灌木主要包括油茶Camellia oleiferaAbel.、鵝掌楸Liriodendron chinense(Hemsl.) Sarg.和檵木Loropetalum chinense(R.Br.) Oliver 等。

1.2 研究方法

1.2.1 樣地設(shè)置

地表細小死可燃物監(jiān)測實驗在2018年10月23日—2019年1月20日期間進行（江西森林防火期）。在茶園山林場的馬尾松林、杉木林、柳杉林和毛竹林中分別設(shè)置20 m×20 m 樣地，每個樣地設(shè)置3 個樣點，每日14:00 進行地表細小死可燃物含水率監(jiān)測。樣地基本信息如表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

2018年10月23日—2019年1月20日，進行含水率監(jiān)測，共監(jiān)測90 d。破壞性采樣烘干后得到的地表細小死可燃物含水率值最接近真實值，因此本研究選擇非破壞性采樣。由于本研究主要目的是為探究濕度碼在研究區(qū)的適用性，以應用于森林火險預報，而火險預報作為保守預測，一般選擇含水率最低時的情況[17]。每日中午14:00時空氣溫度相對最高，濕度最低，地表細小死可燃物水分含量最小，因此此時進行采樣。每日監(jiān)測時，每個樣地內(nèi)隨機選擇3 個樣點，每個樣點采集約為50 g 樣品，將樣品放入信封中，并立即用天平稱量，記錄鮮重后帶回實驗室，在105℃下烘干至質(zhì)量不在變化為止，并記錄干質(zhì)量。降雨天氣時，用吸水紙擦去樣品表面自由水后進行稱量，此外，還需要在信封外在加個封口袋，防止樣品之間相互洇濕，影響結(jié)果。每個樣地每日3個樣點的含水率值的算數(shù)平均值作為該日樣地的地表細小死可燃物含水率。含水率計算公式如（1）所示。本研究中地表細小死可燃物主要是指林下凋落物。

式中：M表示地表細小死可燃物含水率值，%；WH和WD分別表示地表細小死可燃物干質(zhì)量和濕質(zhì)量，g。

茶園山林場內(nèi)選擇合適位置，架設(shè)HOBO 氣象站，以30 min 為間隔，同步監(jiān)測江西茶園山林場氣象要素，監(jiān)測內(nèi)容主要包括空氣溫度（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)中濕度碼計算公式計算3 個濕度碼：地表細小可燃物濕度碼（Fine fuel moisture content,FFMC）、半腐殖質(zhì)濕度碼（Duff moisture content,DMC）和干旱碼（Drought content,DC）。根據(jù)文獻及監(jiān)測前幾日氣象數(shù)據(jù)可知，F(xiàn)FMC、DMC 和DC 的初始值分別為85、22 和55[18]。

2）建立氣象要素回歸模型。選擇Spearsman分析地表細小死可燃物含水率動態(tài)變化與氣象要素之間的相關(guān)性。由于可燃物含水率對氣象要素的響應具有滯后性，因此本研究選擇當日和前5日的氣象要素進行分析，用下標表示，例如前3天空氣溫度，表示為T-3。采用逐步回歸方法，分別建立不同地表細小死可燃物含水率預測模型。具體模型形式如式（2）所示。

式中：M表示地表細小死可燃物含水率值（%）；Xi表示氣象要素；bi表示模型系數(shù)。

3）直接使用濕度碼適用性研究及建立濕度碼預測模型。根據(jù)FFMC 中計算得到的地表細小可燃物含水率值，與實測值進行t 檢驗，分析是否有顯著差異，是否能夠直接使用。選擇Spearsman 分析含水率與3 個濕度碼之間的相關(guān)性，并采用逐步回歸方法建立基于濕度碼的含水率預測模型，模型形式如式（3）所示。

式中：M表示地表細小死可燃物含水率值（%）；zi表示濕度碼；bi表示模型系數(shù)。

4）模型預測能力分析。選擇n-fold 交叉驗證計算氣象要素回歸模型和濕度碼回歸模型的平均絕對誤差（Mean absolute error,MAE）和平均相對誤差（Mean relative error,MRE），并選擇t 檢驗分析兩種方法誤差是否有顯著差異。分別以實測值為橫坐標，預測值為縱坐標，繪制1∶1 圖，分析兩種模型預測能力。得到4 種地表細小死可燃物的2 種含水率預測模型，分別將預測模型代入剩余3 個地表細小死可燃物中，得到該模型外推后誤差最小值、最大值、均值和變異系數(shù)等，通過比較這些特征值，分析2 種含水率預測模型的穩(wěn)定性和外推能力。

采用Excel 2019、SPSS 22.0 和SigmaPlot 12.5軟件進行統(tǒng)計分析和繪圖。

2 結(jié)果與分析

2.1 基本統(tǒng)計分析

表2給出江西省南昌市茶園山林場4 種地表細小死可燃物含水率在監(jiān)測期內(nèi)基本動態(tài)變化情況?？梢钥闯?，監(jiān)測期內(nèi)所有地表細小死可燃物的含水率均值都超過35%，均值由低到高依次為：馬尾松、柳杉、杉木和毛竹。毛竹地表細小死可燃物的含水率最大，但都低于250%。

表2 地表細小死可燃物含水率基本統(tǒng)計Table 2 Basic statistics of moisture content of surface fine dead fuel

2.2 相關(guān)性分析

表3給出茶園山林場地表細小死可燃物含水率動態(tài)變化與氣象要素相關(guān)性分析結(jié)果?？梢钥闯?，空氣溫度與含水率動態(tài)變化呈正相關(guān)關(guān)系，馬尾松地表細小死可燃物受空氣溫度的影響最顯著，且隨之距離采樣時間越遠，顯著性先增加后減小，其余可燃物與空氣溫度的相關(guān)性不顯著；所有地表細小死可燃物隨當日和前一日相對濕度極顯著增加，且隨著距離采樣時間增加，顯著性下降；僅杉木和柳杉地表細小死可燃物含水率與風速呈一定負相關(guān)關(guān)系，其余都不顯著；當日和前一日降雨極顯著增加含水率，且隨著距離采樣時間的增加，降雨的影響逐漸減弱。

表3 地表細小死可燃物含水率與氣象要素的相關(guān)性分析結(jié)果?Table 3 The results of correlation analysis between dynamic change of surface fine dead moisture content and meteorological element

茶園山林場所有地表細小死可燃物含水率均與濕度碼呈極顯著負相關(guān)關(guān)系，且與細小可燃物濕度碼、腐殖質(zhì)濕度碼和干旱碼的顯著性逐漸減?。ū?）。

表4 地表細小死可燃物含水率與濕度碼的相關(guān)性分析結(jié)果Table 4 The results of correlation analysis between dynamic change of surface fine dead moisture content and moisture code

2.3 直接使用濕度碼預測含水率的適用性分析

表5給出直接使用可燃物濕度碼FFMC 獲取得到的含水率值與實測含水率值的t 檢驗結(jié)果、MAE 和MRE 值。可以看出，馬尾松、杉木和柳杉地表細小死可燃物含水率與直接使用濕度碼得到的含水率值有極顯著差異，毛竹沒有顯著差異。MAE 最小值為43.717%，最大值為柳杉，高達80.377%，4 種地表細小死可燃物含水率MRE 變化范圍在49.576%～151.698%之間。

表5 t 檢驗結(jié)果及誤差Table 5 The result of t-test and error

2.4 地表細小死可燃物含水率預測模型

2.4.1 氣象要素回歸模型

江西南昌典型地表細小死可燃物含水率的氣象要素預測模型中只有當天相對濕度和前三日相對濕度作為預測因子。校正后R2的變化范圍為0.365～0.527，馬尾松地表細小死可燃物含水率的氣象要素預測模型預測效果最好，MAE 僅為20.395%，MRE 為37.417%，毛竹預測誤差最大，MAE 高達40.765%（表6）。

表6 氣象要素預測模型結(jié)果Table 6 The result of meteorological factors regression model

2.4.2 濕度碼素回歸模型

表7給出江西南昌典型地表細小死可燃物含水率的濕度碼回歸預測模型，可以看出，只有細小可燃物濕度碼（FFMC）進入方程。校正后R2的變化范圍為0.503～0.638，馬尾松地表細小死可燃物含水率的氣象要素預測模型預測效果最好，MAE 僅為19.366%，MRE 為33.895%，毛竹預測誤差最大，MAE 高達34.372%。

表7 濕度碼回歸模型結(jié)果Table 7 The result of moisture code regression model

2.4.3 模型預測精度比較

圖1給出4 種地表細小死可燃物含水率基于氣象要素回歸模型和濕度碼回歸模型的實測值和預測值1∶1圖，可以看出，濕度碼擬合線更接近1∶1線，兩種預測方法的馬尾松和毛竹的實測值和預測值更接近1∶1 線，所有地表細小可燃物都是在含水率較低時，預測值偏高估計，含水率較高時，預測值偏低估計。

圖1 基于2 種回歸模型的實測值和預測值1∶1 圖Fig.1 Comparison between measured and predicted value based on the regression model

2.5 模型外推能力分析

將每種地表細小死可燃物含水率的氣象要素回歸模型和濕度碼回歸模型代入其余3 個可燃物后，得到每個含水率預測模型的誤差統(tǒng)計結(jié)果（圖2）。可以看出，對于氣象要素回歸預測模型，馬尾松地表細小死可燃物含水率的外推MAE 均值最小，為41.632%，毛竹最大，高達73.132%。杉木林下地表細小死可燃物外推至馬尾松林時誤差最小，毛竹林外推至柳杉林下時的外推誤差最高。對于濕度碼回歸預測模型，外推MAE 均值最小的為馬尾松林，僅為38.226，均值最高為毛竹林（67.839%），與氣象要素回歸預測模型相同，同樣也是杉木林外推至馬尾松林時誤差最小，毛竹林外推至杉木林時誤差最大。濕度碼回歸模型的外推結(jié)果要優(yōu)于氣象要素回歸模型。

圖2 氣象要素回歸模型和濕度碼回歸模型的外推誤差均值、最小值、最大值和變異系數(shù)Fig.2 Mean error,minimum error,maximum error and coefficient variation among all fuel types extrapolated by the meteorological factor regression model and moisture code regression model

3 結(jié)論與討論

3.1 地表細小死可燃物含水率基本統(tǒng)計

研究期內(nèi)江西南昌茶園山林場4 種地表細小死可燃物含水率超過35%的占整過研究期的2/3以上，而地表細小死可燃物含水率低于35%時，才有可能被引燃發(fā)生林火[19]。因此，在此研究內(nèi)，發(fā)生林火的概率較低。毛竹林地表細小死可燃物含水率顯著高于其余3 種類型（P＜0.001），這可能是由于毛竹地表細小死可燃物床層特征決定的，由于毛竹可燃物質(zhì)地柔軟，可燃物床層緊密，一旦發(fā)生降雨及濕潤天氣，其床層失水速度低于其他可燃物類型，較難恢復至降雨前[3,20]，因此其含水率要顯著高于其他3 種可燃物。

3.2 相關(guān)性分析

地表細小死可燃物含水率與氣象要素的Spearman 偏相關(guān)分析表明，茶園山林場地表細小死可燃物含水率動態(tài)變化主要受相對濕度的影響較大，且都對濕度的響應表現(xiàn)出一定的滯后性，這與其他學者的研究結(jié)果相似[21-22]。杉木和柳杉可燃物對前幾日風速呈極顯著負相關(guān)，這可能是由于兩種可燃物床層密實度較低導致，更容易受風的影響。

所有地表細小死可燃物均與濕度碼呈極顯著負相關(guān)關(guān)系，且與FFMC、DMC 和DC 的相關(guān)性逐漸減弱，與金森等人的研究結(jié)果相同[16]。加拿大火險等級系統(tǒng)中3 個濕度碼分別表示林內(nèi)細小可燃物、半腐殖質(zhì)和有機質(zhì)的干燥程度，因此，F(xiàn)FMC 與地表細小死可燃物含水率相關(guān)性最強，DMC 次之，與DC 的相關(guān)性最弱。

3.3 濕度碼適用性分析

直接使用細小可燃物濕度碼（FFMC）得到的含水率值與所有可燃物含水率實測值均存在極顯著差異，且MAE 和MRE 值都較大，根本無法在實際中應用。許多研究表明，直接使用FFMC 濕度碼進行地表細小可燃物含水率預測并不適用，這主要是由于地表細小死可燃物類型、床層結(jié)構(gòu)及立地條件等與最初進行濕度碼模型研究時差距較大造成的[23-24]。例如，細小可燃物濕度碼（FFMC）模型是基于地表上1.2 cm 的細小可燃物為研究對象獲取的，然而在本研究中所有的可燃物床層厚度都遠遠超過1.2 cm，因此，并不能直接使用細小可燃物濕度碼預測地表細小可燃物含水率。

3.4 預測模型分析

使用氣象要素回歸法建立4 種地表細小死可燃物含水率預測模型都只是相對濕度進入模型，進一步說明相對濕度對地表細小死可燃物含水率影響較大，與Zhang 等[13]的研究結(jié)果相似。預測模型R2的變化范圍為0.365～0.527，說明模型最多也僅僅能解釋約52.7%的含水率變化。此外，4 個氣象要素回歸預測模型的MAE和MRE 變化范圍分別為20.395%～40.765%和37.417%～59.175%，結(jié)果顯著高于陸昕等[25]的研究結(jié)果，這可能與含水率數(shù)據(jù)區(qū)間和研究步長有關(guān)系。一些研究發(fā)現(xiàn)，區(qū)分降雨和未降雨數(shù)據(jù)以及縮短可燃物含水率監(jiān)測步長能夠顯著增加可燃物含水率預測模型精度[26-27]，因此本研究預測誤差高于其他研究，按照MRE=15%區(qū)分，氣象要素回歸模型也均無法在實際中應用[28]。

濕度碼回歸模型中都是FFMC 進入模型，這與劉萬龍的研究結(jié)果相似[29]，濕度碼預測模型的MAE 和MRE 范圍分別為19.366%～34.372%和33.895%～47.258%，預測誤差高于其他學者研究結(jié)果[25]，這可能是由于研究期內(nèi)降雨天數(shù)過多，當日累積降雨量超過0.5 mm 的占研究期的48%，降雨過多，含水率數(shù)據(jù)偏高，會降低濕度碼的適用性，因此預測誤差偏高。根據(jù)t 檢驗結(jié)果，濕度碼回歸預測模型預測誤差顯著低于氣象要素回歸法，但在不適于在實際中應用。

3.5 預測模型外推分析

濕度碼回歸模型外推誤差均值、最小值、最大值等特征均小于氣象要素回歸模型，說明濕度碼預測模型的外推效果要優(yōu)于氣象要素回歸模型，這與其他學者研究結(jié)果相同[4,29]。這主要是由于濕度碼模型是基于半物理方法，具有更好的外推性。

3.6 結(jié) 論

直接使用細小可燃物濕度碼（FFMC）進行江西南昌地表細小死可燃物含水率預測并不適用。濕度碼回歸法預測地表細小死可燃物含水率誤差和外推能力要顯著優(yōu)于氣象要素回歸法，但在本研究中其誤差依舊無法在實際中應用。本研究僅是簡單分析了濕度碼對于江西南昌地表細小死可燃物含水率的預測適用性，并基于回歸法進行修正，是最簡單的修正方式，因此含水率預測誤差偏高。在今后的研究中，還需針對研究區(qū)特定地表細小可燃物床層特征，對FFMC 模型中平衡含水率和失水系數(shù)等關(guān)鍵參數(shù)重新擬合及矯正，得到精度高和外推能力強的濕度碼預測模型，對于該區(qū)域可燃物含水率研究具有重要意義。