摘要

關于森林可燃物含水率的研究一直是國際上的前沿和熱點，影響森林可燃物含水率的因素有很多。本文為了研究不同時滯對可燃物含水率預測模型精度的影響，對2010年春季大興安嶺地區盤古林場樟子松(Pinussylvestrisvar.Mongolica）、興安落葉松（Larixgmelinii）、白樺林(Betulaplatyphylla)、楊樺（Betulaplatyphylla）林分下可燃物含水率進行連續的觀測，分析不同時滯對可燃物含水率預測模型精度的影響，為提高氣象要素法的預測精度和更準確的預測森林火險提供科學依據。在四塊樣地里，每塊樣地按照1h、10h、100h不同時滯分為三組。運用SPSS軟件對不同時滯對可燃物含水率的影響進行研究。結果表明：（1）在進行地表死可燃物含水率的預測時，應依據不同顯著性氣象因子作為建模預測時的變量；其中當日降水量和R、前1天降水量和Ra1以及前2天平均相對濕度Ha2是影響其含水率變化最重要的因子。（2）同一林型不同時滯，樟子松林、興安落葉松林、白樺林中1時滯、10時滯、100時滯差異顯著；楊樺林中1時滯與10時滯差異不顯著、與100時滯差異顯著。同一時滯不同林型，1時滯的樟子松與楊樺差異不顯著、興安落葉松與白樺差異不顯著；10時滯的樟子松與興安落葉松、白樺相互差異不顯著、與楊樺差異顯著；100時滯的各個林型均相互差異不顯著。因此運用時滯對可燃物含水率進行預測的模型精度較高。

關鍵詞：大興安嶺可燃物含水率預測模型精度驗證時滯

Abstract

Researchonthemoisturecontentofforestcombustibleshasalwaysbeenaninternationalfrontierandhotspot,andtherearemanyfactorsaffectingthemoisturecontentofforestcombustibles.Inordertostudytheinfluenceofdifferenttimedelaysontheaccuracyofthepredictionmodelofcombustiblemoisturecontent,Pinussylvestrisvar.Mongolica,LarixgmeliniiandBetulaplatyphyllaintheDaxing'anlingareainspring2010.Betulaplatyphyllastandsforcontinuousobservationofthemoisturecontentofcombustibles,andanalyzestheinfluenceofdifferenttimedelaysontheaccuracyofthepredictionmodelofcombustiblemoisturecontent,inordertoimprovethepredictionaccuracyofmeteorologicalelementsmethodandmoreaccuratelypredictforestfireinsuranceScientificbasis.Inthefourplots,eachplotwasdividedintothreegroupsaccordingtodifferenttimelagsof1h,10hand100h.SPSSsoftwarewasusedtostudytheeffectofdifferenttimelagsonthemoisturecontentofcombustibles.Theresultsshowthat:(1)Whenpredictingthemoisturecontentofsurfacedeadcombustibles,itshouldbebasedondifferentsignificantmeteorologicalfactorsasthevariablesinthemodelingprediction;thedailyprecipitationandR,thepreviousdayprecipitationandRa1andthefirst2ThedailyaveragerelativehumidityHa2isthemostimportantfactoraffectingthechangeofwatercontent.(2)Differenttimelagsofthesameforesttype,thedifferenceof1lag,10lagand100laginPinussylvestrisvar.mongolicaforest,Xing'anlarchforestandbirchforestwassignificant;thedifferencebetween1timelagand10laginYanghuaforestwasnotsignificant,and100Thetimelagissignificant.TherewasnosignificantdifferencebetweenPinussylvestrisvar.mongolicaandBetulaplatyphyllainthesametimedelay,andtherewasnosignificantdifferencebetweenPinussylvestrisvar.mongolicaandBetulaplatyphylla.ThedifferencebetweenPinussylvestrisvar.mongolicaandXing'anlarchandBetulaplatyphyllaat10lagswasnotsignificant.Thedifferenceinbirchwassignificant;theindividualforesttypeswith100lagswerenotsignificantlydifferentfromeachother.Therefore,themodelforpredictingthemoisturecontentofcombustibleswithtimelagishighlyaccurate.

keywords:Daxinganlingregionfuelmoisturesamplingmethodsmodelaccuracytimelag

目錄

15229_WPSOffice_Level1

1材料與方法 1

12922_WPSOffice_Level2

1.1研究區概況 1

20954_WPSOffice_Level2

1.2凋落物含水率和氣象因子監測 2

24529_WPSOffice_Level3

1.2.1不同時滯枝條采樣 2

28975_WPSOffice_Level3

1.2.2氣象數據采集 3

7144_WPSOffice_Level2

1.3數據分析 3

8243_WPSOffice_Level3

1.3.1可燃物含水率計算 3

25376_WPSOffice_Level3

1.3.2氣象數據處理 3

21340_WPSOffice_Level3

1.3.3不同時滯可燃物含水率預測模型精度的影響 3

7762_WPSOffice_Level1

2結果與分析 4

22113_WPSOffice_Level2

2.1細小可燃物含水率與氣象因子的相關關系 4

24464_WPSOffice_Level2

2.2細小可燃物含水率預測模型構建 5

31583_WPSOffice_Level2

2.3不同時滯可燃物含水率預測模型實測預測誤差分析 7

24463_WPSOffice_Level1

3結論與討論 11

13079_WPSOffice_Level1

參考文獻 13

1

林火發生的物質基礎和首要條件是森林可燃物，可燃物作為森林可燃物的重要組成部分其含水量的大小直接影響地表可燃物燃燒的難易程度，含水率動態和預測也成為火險天氣預報和火行為預報的關鍵、森林火險等級預報系統的核心[1-3]。隨環境條件,如溫度和濕度的變化,可燃物的平衡含水率和含水率都發生變化,但含水率變化與平衡含水率變化之間有一時間滯后。反應時間(responsetime)和時滯(timelag)就是描述上述現象的,也是衡量可燃物含水率變化速率的量。反應時間指可燃物在此變化中,失去初始含水率與平衡含水率之差的(1-1/e)(約63.2%)的水分所需的時間。在一些文獻中,時滯的定義等同于反應時間,這種意義上的時滯一般要在實驗室測定;而在另一些文獻,如VineyandCatchpole(1991)中,時滯專指可燃物含水率和平衡含水率變化曲線之間的時間滯后,這可以通過在野外測定。時滯的這兩種概念在可燃物含水率預測中都有應用,但前者更普遍。本研究所用的時滯就是反應時間,以下不再區分[4]。

氣象要素回歸法是可燃物含水率預測模型建立的主要方法，在20世紀20年代國外Matthews、Gonzalez等[5-7]學者就進行了有關氣象要素回歸法的含水率預測模型的建立。我國學者也建立了若干森林可燃物含水率氣象要素預測模型[8-14]，整體通過對氣象因子進行分析建立模型，為今后的可燃物含水率預測模型的研究提供了更多幫助。該實驗地區在此前進行了很多的可燃物含水率預測模型方面的研究[15-17]。因此，本文以大興安嶺4種主要林型內的地表可燃物為研究對象，分析不同時滯對可燃物含水率預測模型精度的影響，為提高氣象要素法的預測精度和更準確的預測森林火險提供科學依據。

1材料與方法

1.1研究區概況

研究區位于大興安嶺塔河林業局盤古林場（52°41′57.1〞N，123°51′56.5〞E），地貌為大興安嶺石質中低山山地。屬寒溫帶大陸性季風氣候，且山地氣候特征明顯。冬季寒冷而漫長，年均氣溫-5℃。年降水量350～500mm，降水集中于7～8月份。林內雪深30～50cm，積雪期達5個月，相對濕度70%～75%。天氣變化較劇烈，常出現高溫低濕及大風天氣。地帶性土壤類型為棕色針葉林土。植被類型是以興安落葉松為優勢的寒溫帶針葉林[18-19]，主要林分類型為興安落葉松(Larixgmelinii)-樟子松(Pinussylvestrisvar.mongolica)-白樺(Betulaplatyphylla)混交林，樟子松林、白樺林和山楊(Populusdavidiana)林，還有少量的紅皮云杉(Piceakoraiensis)林。春季和秋季為森林防火多發期[20]。

2

圖1樣地位置

1.2凋落物含水率和氣象因子監測

可燃物含水率監測時間為2010年春季防火期。其中，2010年5月29日～6月27日(春季森林防火期)。在陽坡選樟子松林、興安落葉松林、白樺林和楊樺4種林分設置樣地，記錄樣地基本情況，詳見表1。

表1樣地信息

林分

Stand

坡位Location

坡向Exposure

坡度Slope(°)

平均胸徑MeanDBH(cm)

平均樹高Meanheight(m)

郁閉度

海拔Elevation(m)

Canopydensity

樟子松

ScotsPine

坡上

Upslope

陽坡

Sunnyslope

30

18.5

27.5

0.5

534

楊樺

Betulaplatyphylla

坡中

Middleslope

陽坡

Sunnyslope

30

6.5

11.5

0.5

446

白樺

Birch

坡中

Middleslope

陽坡

Sunnyslope

25

5.7

9

0.7

506

興安落葉松

Larch

坡下

Downslope

陽坡

Sunnyslope

0

6.1

13

0.8

429

s

1.2.1不同時滯枝條采樣

一般情況下，死可燃物的時滯分類標準為:1h時滯死可燃物為直徑(D)＜0．64cm的小枝、樹葉及枯死雜草；10h時滯死可燃物為0.64cm≤D≤2．54cm的

3

細枝；100h時滯死可燃物為2．54cm＜D≤7．64cm的粗枝[21]。

在每個樣地內，選取3個類似的樣點，分別位于每個樣地的林窗下（該林型郁閉度最低處）和林蔭下（該林型郁閉度最高處）。測量點選擇在地表死可燃物分布較均勻處設置，將不同時滯的粗枝條放在樣地中，并在放置樣品后使用尼龍布覆蓋并扎繩固定，以防止新凋落的樹木葉片進入到樣地內，也避免樣地內的樣品因風或小型動物的活動而變化[22]。號牌上記錄樣地與樣點編號，以免重復觀測時發生混淆。觀察并記錄1h、10h、100h各不同時滯可燃物含水率的變化。

1.2.2氣象數據采集

氣象數據由盤古林場氣象觀測站獲得，包括春季防火期5～7月逐日氣象數據。采集的氣象要素有：溫度（T）、相對濕度（H）、降水量（R）和前n天當日降水量（Ra）。

1.3數據分析

本次實驗采用Excel2018、SPSS22.0和STATISTICA10.0軟件對數據進行統計分析。采用Pearson相關性分析法對在不同時滯下主要氣象因子和地表死可燃物含水率進行相關性分析。利用SPSS22.0和Excel2018軟件構建不同時滯對地表死可燃物含水率預測的影響，利用Origin2018軟件作圖。

1.3.1可燃物含水率計算

按下式計算可燃物含水率：

(1)

（1）式中：M為可燃物含水率（%）；WH為可燃物濕重（g）；WD為可燃物干重（g）。

其中，采樣2個不同郁閉度含水率的算術平均值作為該樣地當日14:00時采樣的含水率值，春季數據共30天（組）。

1.3.2氣象數據處理

整理盤古林場氣象站提供的氣象數據：前n（n=1～5）天氣象因子、n天前當日氣象因子等，其中前n天氣象因子和n天前當日氣象因子以采樣當日0點為基準。將前幾天氣象因子設為a，以下標表示，其后數字代表n值，如前2天平均相對濕度記為Ha2，前5天降水量之和記為Ra5，連旱天數記為D，日最高氣溫記為Tmax[23]。

1.3.3不同時滯可燃物含水率預測模型精度的影響

根據Pearson相關性分析確定對地表死可燃物含水率有顯著影響的因子，剔除實驗中的異常數據后，以每個樣地的可燃物含水率或全部的含水率數據（以下簡稱“混合數據”）為因變量[24]，以氣象要素（當天、前一天、前二天的溫度、濕度、風速

4

和降水量）為自變量通過逐步回歸方法建立多元線性方程[24]，具體形式為：

M=(2)

（2）式中：M為可燃物含水率（%）；Xi（i=1、2、…、n）為變量，Xi分別為當天、前一天、前二天的溫度（℃）、濕度（%）、風速（m·s-1）、降水量（mm）等；bi為待估計參數。采用混合數據建模的目的是確定該方法能否提高模型精度。

采用n-Fold交叉驗證[25]法計算模型精度[26]對于某個樣地的n個含水率數據，用n-1個含水率和氣象要素進行逐步回歸，建立多元線性模型，然后用剩余的一個數據驗證，計算誤差，重復n次。計算平均誤差[20]，對不同對照的誤差進行顯著性檢驗（配對t檢驗），顯著性水平設定為α=0.05，誤差按下列公式計算：

平均絕對誤差：(3)

平均相對誤差：(4)

（3）與（4）式中：Mi為含水率實測值（%）；為可燃物含水率預測值（%）；n為樣本數。

繪制利用不同數據建模進行比較分析的混合模型實測值與預測值的1:1線，用以研究預測效果。

2結果與分析

2.1細小可燃物含水率與氣象因子的相關關系

圖1分別給出了同一林型不同時滯和同一時滯不同林型的顯著性差異的對比，結果表明，不同時滯不同種類可燃物所影響的因子除當時氣象要素外，前期氣象要素的選擇各有不同。利用盤古氣象站數據構建的氣象因子可得，在落葉松林中，1h時滯的細小可燃物含水率與前一天降水量和Ra1、前五天平均相對濕度Ha5呈顯著正相關；10h時滯的細小可燃物含水率與前一天降水量和Ra1呈顯著正相關；100h時滯的細小可燃物含水率與當日最高溫度Tmax呈顯著負相關，與前n天平均相對濕度Han（n=1、2）、前n天降水量和Ran（,n=2、5）呈顯著正相關。在白樺林中，1h時滯的細小可燃物含水率與前n天降水量和Ran（n=1、2、5）、前n天平均相對濕度Han（n=1、2、4）呈顯著正相關；10h時滯的細小可燃物含水率與當日最高溫度Tmax呈顯著負相關，與前n天降水量和Ran（n=1、2、5）、前n天平均相對濕度Han（n=1、2）呈顯著正相關；100h時滯的細小可燃物含水率與前n天降水和Ran（n=1、2、5）、前n天平均相對濕度Han（n=1、2、4）呈顯著正相關。

5

圖2含水率與氣象因子相關性分析

注：**在0.01水平(雙側)上顯著相關；*在0.05水平(雙側)上顯著相關(下同)[27]

2.2細小可燃物含水率預測模型構建

通過多元線性逐步回歸篩選出不同時滯對地表死可燃物含水率預測模型的預測因子以及模型參數（見表2至表3），對于不同時滯的可燃物含水率預測模型，日最高氣溫Tmax、前1一天當日降水量R1、前1天降水量和以及2天平均相對濕度Ha2是影響其含水率變化最重要的因子。繪制利用不同數據建模進行比較分析的混合模型實測值與預測值的1:1線，用以研究預測效果。

6

表2不同時滯含水率預測模型

林型

Foresttype

時滯timelag

常數Constant

R4

Tmax

Ha5

R1

Ra1

Ha2

Ra2

Ra5

調整后R2

AdjustedR2

F

P

樟子松Pinussylvestrisvar.Mongolica

1h

0.478

0.04

0.294

12.687

0.000

10h

0.492

-0.012

0.289

12.364

0.000

100h

-0.241

0.006

0.293

12.588

0.027

興安落葉松Larixgmelinii

1h

0.247

0.002

0.377

17.935

0.000

10h

0.079

0.003

0.300

12.993

0.000

100h

0.122

0.001

0.334

15.029

0.000

白樺Betulaplatyphylla

1h

-0.447

0.012

0.370

17.430

0.019

10h

0.172

0.002

0.318

14.047

0.000

100h

0.080

0.001

0.339

15.337

0.000

楊樺Betulaplatyphylla

1h

2.221

-0.57

0.247

10.164

0.000

10h

0.199

0.004

0.499

28.834

0.017

100h

-1.178

0.021

0.303

13.162

0.004

表3不同時滯可燃物含水率平均誤差

林型

Foresttype

季節Season

時滯timelag

平均絕對誤差

MAE(%)

平均相對誤差

MRE(%)

樟子松Pinussylvestrisvar.Mongolica

春季Spring

1h

6.684530883

0.136604649

10h

4.157584829

0.298278773

100h

2.992657667

0.290717795

興安落葉松Larixgmelinii

春季Spring

1h

3.007519706

0.121637601

10h

4.965224914

0.419780648

100h

2.812034548

0.339722788

7

白樺Betulaplatyphylla

春季Spring

1h

4.618543933

0.154053485

10h

5.628918634

0.266688448

100h

3.126801651

0.344501062

楊樺Betulaplatyphylla

春季Spring

1h

15.25420832

0.296573179

10h

11.87221429

0.363730533

100h

3.511504721

0.416882786

2.3不同時滯可燃物含水率預測模型實測預測誤差分析

圖3不同時滯含水率誤差比較

誤差線為標準誤；誤差線上的不同字母表示不同土地利用間顯著性差異分組（α＝0.05）

由圖3可知，同一林型不同時滯，樟子松林中1時滯、10時滯、100時滯相互差異顯著；興安落葉松林中1時滯、10時滯、100時滯相互差異顯著；白樺林中1時滯、10時滯、100時滯差異顯著；楊樺林中1時滯與10時滯差異不顯著、與100時滯差異顯著；而同一時滯不同林型，1時滯的樟子松與楊樺差異不顯著、興安落葉松與白

8

樺差異不顯著；10時滯的樟子松與興安落葉松、白樺差異不顯著、與楊樺差異顯著；100時滯的各個林型均相互差異不顯著。由此可知，同一林型的不同時滯差異不顯著，而在不同林型同一時滯差異不顯著，所以時滯對于可燃物含水率的影響較大，用時滯對可燃物含水率進行預測比較準確。

結果表明，在對同一樹種不同時滯可燃物含水率進行t檢驗時，樟子松林中，1時滯的可燃物含水率MAE差異顯著（n=3，t=-1.463，P=0.037)，MRE差異顯著（n=3，t=0.947，P=0.045）；10時滯的可燃物含水率MAE差異顯著（n=3，t=-2.588，P=0.040），MRE差異顯著（n=3，t=0.874，P=0.026）；100時滯的可燃物含水率MAE差異顯著（n=3，t=0.917，P=0.049），MRE差異顯著（n=3，t=-1.538，P=0.041）。興安落葉松林中，1時滯的可燃物含水率MAE差異顯著（n=3，t=-2.477，P=0.048），MRE差異顯著（n=3，t=0.798，P=0.039）；10時滯的可燃物含水率MAE差異顯著（n=3，t=-2.622，P=0.041），MRE差異顯著（n=3，t=-1.599，P=0.044）；100時滯的可燃物含水率MAE差異不顯著（n=3，t=1.477，P=0.124），MRE差異不顯著（n=3，t=1.454，P=0.155）。白樺林中，1時滯的可燃物含水率MAE差異顯著（n=3，t=-1.444，P=0.015），MRE差異顯著（n=3，t=0.933，P=0.032）；10時滯的可燃物含水率MAE差異顯著（n=3，t=-1.523，P=0.049），MRE差異顯著（n=3，t=0.741，P=0.043）；100時滯的可燃物含水率MAE差異不顯著（n=3，t=1.387，P=0.224），MRE差異不顯著（n=3，t=1.369，P=0.149）。楊樺林中，1時滯的可燃物含水率MAE差異顯著（n=3，t=-1.359，P=0.038)，MRE差異顯著（n=3，t=0.847，P=0.040）；10時滯的可燃物含水率MAE差異顯著（n=3，t=-1.588，P=0.035），MRE差異顯著（n=3，t=0.775，P=0.036）；100時滯的可燃物含水率MAE差異顯著（n=3，t=0.827，P=0.036），MRE差異顯著（n=3，t=-1.418，P=0.039）。

從不同模型的R2和樣點分布情況以及各個模型的相關驗證模擬線偏離1:1線的程度，綜合評價各模型對含水率的預測能力。由圖4可知，1時滯可燃物含水率預測模型精度低于10時滯和100時滯可燃物含水率預測模型精度。但根據

9

10

11

圖4不同時滯可燃物含水率實測值與預測值對比

3結論與討論

森林可燃物含水率是火險天氣預報和火行為預報的重要因素，主要火環境因子是地表死可燃物含水率的預測研究的重要部分。而通過時滯研究可燃物含水率預測模型可提高地表可燃物含水率預測精度。

在樟子松林、興安落葉松林、楊樺中，1時滯可燃物含水率的MAE和MRE差異低于10時滯和100時滯可燃物含水率的MAE和MRE差異，白樺林中，1時滯可燃物含水率MAE和MRE差異低于10時滯可燃含水率。

綜合各個樹種不同時滯可燃物含水率預測模型的MAE差異和MRE差異，1時滯的可燃物含水率預測模型精度高于10時滯和100時滯。在運用時滯預測可燃物含水率時，時滯越短精度越高。這與國外學者CanJForRes[28]提出的觀點相一致。

對于大興安嶺地區大部分都有被引燃的可能性，在今后的研究中，還需要更多日期的含水率數據，以提高研究的準確性；采取的數據時間間隔越小，數據總量越大，誤差越小，從而為提高可燃物精度提供更為精準的依據。

本文只研究了一年中春季可燃物含水率變化的動態。與歷史氣象記錄比較，本研

12

究的氣象條件屬于中等條件，因此，所反映的可燃物含水率動態只是平均水平[7]，對于森林火災而言，特別是重、特大森林火災，往往在氣象條件明顯偏離歷史平均水平的條件時發生，如溫度偏高，且降雨量顯著偏少等，這對含水率數據的獲取無疑有較大的影響。今后的研究工作中應充分的考慮細小可燃物含水率的異質性問題[29]，不斷地加強采集樣品工作的標準和精確度，不段的提高實測的精度，為今后的結論的得出提供更加準確的理論依據。

13

參考文獻

[1]邸雪穎,王宏良.林火預測預報[M].哈爾濱:東北林業大學出版社,1993:27.

[2]王瑞軍,于建軍,鄭春艷.森林可燃物含水率預測及燃燒性等級劃分[J].森林防火,1997,(2):16-17.

[3]金森,李緒堯,李有祥.幾種細小可燃物失水過程中含水率的變化規律[J].東北林業大學學報,2000,28(1):35-38.

[4]劉曦,金森.濕度對可燃物時滯和平衡含水率的影響[J].東北林業大學學報,2007(05):44-46.[4]何忠秋.塔河林業局幾種可燃物類型生物量及含水量動態模型的研究[D].哈爾濱:東北林業大學,1992:36.

[5]AnaDariaRuizGonzálezAC,JoseAntonioVegaHidalgoB,JuanGabrielAlvarezGonzalezA.ConstructionofempiricalmodelsforpredictingPinusspp.deadfinefuelmoistureinNWSpain.I:Responsetochangesintemperatureandrelativehumidity[J].InternationalJournalofWildlandFire,2007,18:71-83.

[6]WeidmanRH.Relationofweatherforecaststothepredictionofdangerousforestfirecondition(J).MonthlyWeatherReview,1923,11:563-564.

[7]RUIZGONZALEZAD,VEGAHIDALGOJA,ALVAREZGONZALEZJG.ConstructionofempiricalmodelsforpredictingPinussp.deadfinefuelmoistureinNWSpain(I):responsetochangesintemperatureandrelativehumidity(J).IntJWildlandFire,2009,18(1):71-83.

[8]覃先林,張子輝,易浩若等.一種預測森林可燃物含水率的方法[J].火災科學,2001,10(3):37-40.

[9]王棟.森林可燃物含水率與森林火災危險性的研究[J].林業科學研究,1992,5(5):548－553.

[10]居恩德.可燃物含水率與氣象要素相關性的研究[J].森林防火,1993(1):17-21.

[11]邸雪穎,王宏良,姚樹人.林火預測預報[M].哈爾濱:東北林業大學出版社,1993,159.

[12]金森,李緒堯,李有祥.幾種細小可燃物失水過程中含水率的變化規律[J].東北林業大學學報,2000,28(1):35－38.

[13]王得祥,徐釗,張景群等.細小