祖笑鋒 覃先林 李增元 孫桂芬 劉樹(shù)超

(中國(guó)林業(yè)科學(xué)研究院資源信息研究所 北京 100091)

基于冪律分布的森林燃燒生物量衛(wèi)星遙感估測(cè)方法*

祖笑鋒 覃先林 李增元 孫桂芬 劉樹(shù)超

(中國(guó)林業(yè)科學(xué)研究院資源信息研究所 北京 100091)

【目的】 利用長(zhǎng)時(shí)間序列衛(wèi)星遙感數(shù)據(jù)產(chǎn)品按森林類(lèi)型建立大區(qū)域燃燒生物量估測(cè)模型，并按年生成不同森林類(lèi)型的燃燒生物量，為我國(guó)年林火碳排放估測(cè)提供一種新的技術(shù)手段?！痉椒ā?采用覆蓋我國(guó)陸地區(qū)域的2001—2014年MODIS火產(chǎn)品數(shù)據(jù)(MOD14A2)，按3種森林類(lèi)型分析該數(shù)據(jù)產(chǎn)品中的火災(zāi)輻射率(FRP)分布特性，并按森林類(lèi)型構(gòu)建基于冪律分布的燃燒生物量估測(cè)模型，對(duì)我國(guó)2001—2014年各年林火消耗的森林生物總量進(jìn)行估測(cè)； 利用對(duì)數(shù)形式的概率分布函數(shù)線性回歸擬合方法求解模型冪參數(shù)m； 選取每年10場(chǎng)左右的典型森林火災(zāi)建立回歸方程，修正每年的火災(zāi)持續(xù)時(shí)間d，并以年為單位估測(cè)我國(guó)不同森林類(lèi)型因燃燒消耗掉的生物量； 同時(shí)，利用林火排放物計(jì)算模型結(jié)合MODIS火燒跡地?cái)?shù)據(jù)集(MCD45A1)，對(duì)估測(cè)的燃燒生物量進(jìn)行對(duì)比分析?！窘Y(jié)果】 闊葉林、針葉林和灌木林的FRP數(shù)據(jù)均呈冪律分布規(guī)律，在2001—2014年14年中，林火導(dǎo)致全國(guó)的闊葉林年消耗總生物量在0.94～1.37 Mt之間、針葉林在0.80～1.92 Mt之間、灌木林在0.37～0.53 Mt之間。通過(guò)與林火排放物計(jì)算模型對(duì)比分析發(fā)現(xiàn)，這2種方法的估測(cè)結(jié)果在某些年份差異顯著，甚至林火排放物計(jì)算模型估測(cè)的某些年份森林燃燒生物量超過(guò)本文研究方法估測(cè)的14年總結(jié)果。相比國(guó)家統(tǒng)計(jì)局公布的森林火災(zāi)發(fā)生次數(shù)和森林過(guò)火面積，本文研究方法估測(cè)的結(jié)果和年際變化更符合我國(guó)森林火災(zāi)發(fā)生規(guī)律?！窘Y(jié)論】 基于長(zhǎng)時(shí)間序列的MODIS火產(chǎn)品數(shù)據(jù)表明，我國(guó)闊葉林、針葉林和灌木林燃燒釋放的能量具有冪律分布特性； 基于該分布特性，構(gòu)建按森林類(lèi)型估測(cè)全國(guó)森林因燃燒消耗的年森林生物總量模型，并估測(cè)出逐年森林因燃燒消耗的森林生物總量，通過(guò)與林火排放物計(jì)算模型估測(cè)的全國(guó)同年林火消耗掉的森林生物總量進(jìn)行對(duì)比，該方法比林火排放物計(jì)算模型的估測(cè)結(jié)果更準(zhǔn)確。

衛(wèi)星遙感數(shù)據(jù)； 森林火災(zāi)； 燃燒生物量估測(cè)； FRP

森林燃燒生物量是指發(fā)生林火時(shí)，對(duì)應(yīng)火燒跡地上消耗的森林生物總量。森林火災(zāi)燃燒生物量的多少與碳排放密切相關(guān)，估測(cè)森林燃燒生物量對(duì)全球碳循環(huán)研究具有重要意義。以往森林燃燒生物量估測(cè)，大多利用Seiler等(1980)提出的林火排放物計(jì)算模型，如王效科等(2001)、田曉瑞等(2003； 2009)、胡海清等(2007)、楊國(guó)福等(2009)和魏書(shū)精等(2014)利用林火排放物計(jì)算模型，以一些典型林區(qū)或單個(gè)的省(縣)為主，開(kāi)展了森林火災(zāi)碳排放量估測(cè)，像東北地區(qū)的大小興安嶺，南方地區(qū)的浙江、安徽等，西南地區(qū)的云南、四川等。

隨著遙感及其應(yīng)用技術(shù)的發(fā)展，長(zhǎng)時(shí)間序列衛(wèi)星火監(jiān)測(cè)產(chǎn)品數(shù)據(jù)為估測(cè)大區(qū)域森林燃燒生物量提供了一種新的、有效的技術(shù)手段。Kaufman等(1996)首次提出了利用衛(wèi)星數(shù)據(jù)測(cè)量火災(zāi)輻射能(fire radiative energy, FRE)的概念。Andreae等(2001)基于對(duì)1999年12月和2002年5月的Terra/Aqua衛(wèi)星的MODIS數(shù)據(jù)分析，首次提出了構(gòu)建FRE的估測(cè)模型。Wooster等(2003)通過(guò)分析FRE的物理原理，也提出了估測(cè)FRE的模型，以火災(zāi)發(fā)生時(shí)亮溫的4次方減去火周?chē)尘爸盗翜氐?次方再乘以燃燒面積等系數(shù)獲得FRE。Wooster等(2004)利用MODIS火產(chǎn)品數(shù)據(jù)中的火災(zāi)輻射率(fire radiative power，F(xiàn)RP)數(shù)據(jù)，統(tǒng)計(jì)不同森林覆蓋百分比中FRP出現(xiàn)的頻數(shù)，監(jiān)測(cè)了俄羅斯和北美寒帶森林火災(zāi)。Heward等(2013)利用TM數(shù)據(jù)建立歸一化燃燒植被指數(shù)(normalized burn ratio, NBR)與FRP數(shù)據(jù)進(jìn)行對(duì)比，由于FRP數(shù)據(jù)在時(shí)空上采樣比較稀疏，每個(gè)FRP像元與NBR計(jì)算的結(jié)果并不完全對(duì)應(yīng)，通過(guò)分析16場(chǎng)火災(zāi)后得出，F(xiàn)RP在中位數(shù)或第90百分位時(shí)二者的相關(guān)系數(shù)最高，此時(shí)FRP可有效反映火災(zāi)燃燒植被的情況。Newman(2005)基于統(tǒng)計(jì)學(xué)的原理和知識(shí)，發(fā)現(xiàn)FRP服從冪律分布規(guī)律。Roberts等(2005； 2008)進(jìn)一步研究了FRP的冪律分布特性，推導(dǎo)出梯度數(shù)值積分法求解FRE的方法，為估測(cè)森林燃燒生物量提供了一種新的途徑。Kumar等(2011)在梯度數(shù)值積分法求解FRE方法的基礎(chǔ)上進(jìn)行改進(jìn)，提出無(wú)需考慮FRP采樣因素，只需火災(zāi)持續(xù)時(shí)間和FRP最大、最小值以及冪參數(shù)即可求解FRE的新方法。Wooster等(2005)研究發(fā)現(xiàn)，森林燃燒生物量和FRE二者具有線性關(guān)系，從而將FRE轉(zhuǎn)換為森林燃燒生物量。由于不同森林類(lèi)型的燃燒特性不盡相同，因此相同環(huán)境條件下其燃燒的森林生物總量是不同的，但現(xiàn)有文獻(xiàn)在估測(cè)模型構(gòu)建時(shí)并未考慮森林類(lèi)型的影響。鑒于此，本文利用我國(guó)陸地區(qū)域2001—2014年MODIS火產(chǎn)品(MOD14A2)數(shù)據(jù)，在按森林類(lèi)型分析FRP具備冪律分布特性的基礎(chǔ)上，探討按森林類(lèi)型構(gòu)建森林燃燒生物量估測(cè)模型、求解和修正不同森林類(lèi)型模型參數(shù)的技術(shù)方法，進(jìn)而對(duì)我國(guó)2001—2014年14年逐年森林因燃燒而消耗掉的生物總量進(jìn)行估測(cè)，以期為我國(guó)年林火碳排放估測(cè)提供一種新的技術(shù)手段。

1 研究區(qū)概況與研究方法

1.1研究區(qū)概況和數(shù)據(jù)來(lái)源

1.1.1 研究區(qū)概況 選取我國(guó)陸地區(qū)域作為研究區(qū)。我國(guó)陸地植被氣候帶類(lèi)型主要包括寒溫帶針葉林區(qū)、溫帶針闊葉混交林區(qū)、暖溫帶落葉闊葉林區(qū)、亞熱帶常綠闊葉林區(qū)、熱帶雨林季雨林區(qū)、溫帶草原區(qū)、溫帶荒漠化區(qū)和青藏高原高寒植被區(qū)8種氣候帶，森林種類(lèi)繁多，地區(qū)差異較大，森林資源分布不均。如我國(guó)大部分森林資源集中分布在東北暖溫帶落葉闊葉林區(qū)和內(nèi)蒙古溫帶草原區(qū)、西南青藏高原高寒植被區(qū)等邊遠(yuǎn)山區(qū)以及東南亞熱帶常綠闊葉林區(qū)的丘陵地帶，而西北地區(qū)的溫帶荒漠化區(qū)森林資源嚴(yán)重貧乏。

1.1.2 數(shù)據(jù)來(lái)源 選取2001—2014年MODIS火產(chǎn)品數(shù)據(jù)集MOD14A2(a daily level 2 gridded 1 km fire active product)作為按森林類(lèi)型構(gòu)建燃燒生物量估測(cè)模型的衛(wèi)星數(shù)據(jù)源， 該數(shù)據(jù)產(chǎn)品以天為單位合成，空間分辨率為1 km，其屬性信息主要包括經(jīng)度、緯度、日期、時(shí)間、火災(zāi)輻射率(FRP)等； 森林過(guò)火面積數(shù)據(jù)以2001—2014年火燒跡地?cái)?shù)據(jù)集MCD45A1(a monthly level 3 gridded 500 m burned area product)數(shù)據(jù)為主，結(jié)合各植被氣候帶的森林生物載荷量和燃燒效率參數(shù)計(jì)算年森林燃燒生物量， 該數(shù)據(jù)產(chǎn)品以月為單位合成，空間分辨率為500 m，其屬性信息主要包括著火日期、置信度、火燒跡地面積等；同時(shí)引用國(guó)家統(tǒng)計(jì)局公布的近14年森林火災(zāi)次數(shù)和過(guò)火面積等統(tǒng)計(jì)數(shù)據(jù)進(jìn)行對(duì)比分析。

1.2研究方法

1.2.1 數(shù)據(jù)預(yù)處理 首先分別對(duì)2001—2014年的MODIS火產(chǎn)品數(shù)據(jù)集(MOD14A2)和MODIS火燒跡地產(chǎn)品數(shù)據(jù)集(MCD45A1)進(jìn)行拼接、轉(zhuǎn)投影等工作， 然后用1∶25萬(wàn)中國(guó)邊界裁剪出全國(guó)范圍內(nèi)的數(shù)據(jù)。由于這2種MODIS數(shù)據(jù)集各像元沒(méi)有所屬地物類(lèi)型信息，因此通過(guò)空間分析方法，將MOD14A2火產(chǎn)品數(shù)據(jù)與中國(guó)植被類(lèi)型圖對(duì)應(yīng)植被類(lèi)型屬于闊葉林、針葉林、針闊混交林和灌木林4種類(lèi)型的火點(diǎn)像元分類(lèi)型生成4個(gè)數(shù)據(jù)文件； 同時(shí)采用相同的方法，結(jié)合中國(guó)植被類(lèi)型圖和植被氣候帶類(lèi)型圖，將MCD45A1火燒跡地產(chǎn)品像元按8種不同氣候帶和對(duì)應(yīng)植被類(lèi)型屬于闊葉林、針葉林、針闊混交林和灌木林4種類(lèi)型分別生成火燒跡地?cái)?shù)據(jù)。

1.2.2 FRP分布規(guī)律分析 經(jīng)上述處理后， 2001—2014年覆蓋我國(guó)的MOD14A2火產(chǎn)品中共有274 199個(gè)點(diǎn)屬于森林類(lèi)型，其中闊葉林71 520個(gè)、針葉林109 368個(gè)、針闊混交林304個(gè)、灌木林93 007個(gè)。對(duì)每種森林類(lèi)型火點(diǎn)中的FRP，以0.1間隔為取值點(diǎn)，統(tǒng)計(jì)FRP出現(xiàn)的頻數(shù)并繪制散點(diǎn)圖(圖1)。由圖1可知， 利用MODIS數(shù)據(jù)監(jiān)測(cè)到的闊葉林、針葉林和灌木林的FRP頻數(shù)均呈顯著的冪律分布趨勢(shì)； 而針闊混交林的火點(diǎn)數(shù)較少，其FRP在這14年間不具備冪律分布特性。因此，本文僅采用冪律分布方法對(duì)闊葉林、針葉林和灌木林的燃燒生物量估測(cè)模型進(jìn)行研究，并利用構(gòu)建的模型按森林類(lèi)型估測(cè)全國(guó)近14年逐年因燃燒消耗掉的森林生物總量。

由圖1還可知，當(dāng)FRP小于11時(shí)，符合冪律分布的3種森林類(lèi)型的FRP頻數(shù)呈“直線分布”，而只有大于11時(shí)的FRP數(shù)據(jù)才滿足冪律分布，因此本文對(duì)FRP數(shù)據(jù)采用分段形式，選取FRP小于11的數(shù)據(jù)重新統(tǒng)計(jì)，分析3種森林類(lèi)型的FRP頻數(shù)是否呈直線分布。由圖2可知， 當(dāng)FRP小于6時(shí)，明顯存在一個(gè)拐點(diǎn)，所以當(dāng)FRP小于11時(shí)，其頻數(shù)并不符合直線分布特征。

1.2.3 基于FRP冪律分布特性估測(cè)森林燃燒生物量 基于闊葉林、針葉林和灌木林的FRP冪律分布特性，采用Kumar等(2011)利用冪指數(shù)概率分布函數(shù)結(jié)合其數(shù)學(xué)期望推導(dǎo)出計(jì)算火災(zāi)輻射能(FRE)的模型如下：

圖1 不同森林類(lèi)型的FRP頻數(shù)分布結(jié)果Fig.1 The results of FRP frequence distribution according to forest types

圖2 不同森林類(lèi)型 FRP小于11的頻數(shù)分布結(jié)果Fig.2 The results of FRP frequence less than 11 distribution according to forest types

(1)

式中： FRE為火災(zāi)輻射能(MJ)；d為火災(zāi)持續(xù)時(shí)間(s)；m為冪參數(shù)； FRPmax和FRPmin分別為FRP的最大和最小值(MW)。

計(jì)算出FRE后，采用Wooster等(2005)提出的式(2)計(jì)算森林燃燒生物量(burned biomass,BB)：

(2)

式中： BB為森林燃燒生物量(kg)； 轉(zhuǎn)換系數(shù)0.368并不依賴于森林類(lèi)型，不同森林類(lèi)型間的轉(zhuǎn)換系數(shù)是相同的。

Kumar等(2011)進(jìn)一步利用轉(zhuǎn)換后的森林燃燒生物量與實(shí)際消耗量進(jìn)行對(duì)比，發(fā)現(xiàn)其精度在80%以上。

1.2.4 采用LR+PDF方法估測(cè)冪參數(shù)m森林燃燒生物量估測(cè)模型中冪參數(shù)m通過(guò)引入冪指數(shù)的概率密度分布函數(shù)求解：

(3)

式中：c為常量。

采用對(duì)數(shù)形式的概率分布函數(shù)線性回歸擬合方法(the linear regression fit to probability distribution function in log scales，LR+PDF)求解m(Newman, 2005； Clausetetal., 2009)，即對(duì)式(3)等式兩邊取對(duì)數(shù)進(jìn)行線性化處理并用FRP代替x，結(jié)果如下：

(4)

圖3 LR+PDF方法回歸擬合3種森林類(lèi)型冪參數(shù)mFig.3 Three scaling parameters m for different forest types dervived from LR+PDF regression

根據(jù)2001—2014年闊葉林、針葉林和灌木林的FRP數(shù)據(jù)，以0.1間隔為取值點(diǎn)，統(tǒng)計(jì)FRP出現(xiàn)的頻數(shù)，對(duì)其進(jìn)行概率計(jì)算，并統(tǒng)計(jì)出每年的FRP最大值(FRPmax)和FRP最小值(FRPmin)，回歸估計(jì)得到每種森林類(lèi)型的冪參數(shù)m；再獲得火災(zāi)持續(xù)時(shí)間d，即可利用式(1)和式(2)按年為單位計(jì)算森林燃燒生物量。

1.2.5 火災(zāi)持續(xù)時(shí)間d修正 理想狀態(tài)的火災(zāi)持續(xù)時(shí)間應(yīng)是每場(chǎng)森林火災(zāi)開(kāi)始著火到火災(zāi)撲滅的時(shí)間。由于2001—2014年全國(guó)范圍內(nèi)4種主要森林類(lèi)型發(fā)生不同程度的森林火災(zāi)數(shù)以萬(wàn)計(jì)，若以單場(chǎng)森林火災(zāi)為單位進(jìn)行估測(cè)，實(shí)現(xiàn)大區(qū)域、長(zhǎng)時(shí)間序列的森林燃燒生物量估測(cè)比較困難，因此，將全年森林燃燒生物量作為一個(gè)整體，以全年的FRP數(shù)據(jù)進(jìn)行燃燒生物量估測(cè)。這樣火災(zāi)持續(xù)時(shí)間d應(yīng)該是全年時(shí)間，但也會(huì)帶來(lái)一定誤差，所以對(duì)持續(xù)時(shí)間d進(jìn)行了修正。

修正方法為每年選取10場(chǎng)左右典型的森林火災(zāi)，對(duì)每場(chǎng)火災(zāi)持續(xù)時(shí)間d加上全年時(shí)間，計(jì)算隨增加時(shí)間而增加的消耗森林生物量(BBZ)，與原來(lái)的消耗森林生物量(BBY)進(jìn)行差值計(jì)算，用得到的差值除以原森林燃燒生物量獲得增量比(ΔBB)：

(5)

最后用增量比(ΔBB)和衛(wèi)星真實(shí)監(jiān)測(cè)時(shí)間d擬合方程，獲得二者關(guān)系式，并假設(shè)全年為真實(shí)時(shí)間，代入該方程求出增量比后，即可得到BBZ和BBY的比例關(guān)系，從而修正估測(cè)結(jié)果。

2 結(jié)果與分析

2.1冪參數(shù)m

采用LR+PDF擬合方法，計(jì)算每種森林類(lèi)型FRP出現(xiàn)頻數(shù)的概率，并對(duì)其概率進(jìn)行對(duì)數(shù)運(yùn)算。由于現(xiàn)有針闊混交林FRP數(shù)據(jù)并不具備冪律分布特性，因此只回歸估計(jì)闊葉林、針葉林和灌木林3種森林類(lèi)型的冪參數(shù)m，對(duì)應(yīng)結(jié)果分別為1.707 9、1.718 9和1.986 1(圖3)。 由于每種森林類(lèi)型的m是14年FRP數(shù)據(jù)回歸擬合的結(jié)果，因此以年為單位計(jì)算森林燃燒生物量時(shí)，只需對(duì)應(yīng)每種森林類(lèi)型的m回代即可。

2.2火災(zāi)持續(xù)時(shí)間d修正示例

利用FRP冪律分布特性估測(cè)單場(chǎng)森林火災(zāi)消耗森林生物量，無(wú)需對(duì)火災(zāi)持續(xù)時(shí)間d進(jìn)行修正，但以年為單位估測(cè)森林燃燒生物量時(shí)，需對(duì)每年的火災(zāi)持續(xù)時(shí)間d進(jìn)行修正，以消除其帶來(lái)的誤差。 本文分別以2001年闊葉林、2009年針葉林和2005年灌木林3種森林類(lèi)型各9場(chǎng)典型火災(zāi)為例，計(jì)算參數(shù)和結(jié)果如表1所示。得到增量比(ΔBB)與衛(wèi)星真實(shí)監(jiān)測(cè)火災(zāi)持續(xù)時(shí)間d一組數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行回歸擬合，闊葉林、針葉林和灌木林的擬合結(jié)果如圖4所示。

以全年作為衛(wèi)星監(jiān)測(cè)的真實(shí)時(shí)間，分別代入方程求解出2001年闊葉林、2009年針葉林和2005年灌木林的ΔBB后，代入式(5)即可獲得闊葉林、針葉林和灌木林全年森林燃燒生物量時(shí)間修正系數(shù)。以此為例分別對(duì)其余各森林類(lèi)型每年的火災(zāi)持續(xù)時(shí)間d進(jìn)行修正，結(jié)果如表2所示。

表1 火災(zāi)持續(xù)時(shí)間d修正示例Tab.1 Illustration of correction fire duration d

圖4 火災(zāi)持續(xù)時(shí)間d的修正關(guān)系式Fig.4 Correction relationships of the fire duration d

2.3FRP最值選取對(duì)估測(cè)年森林燃燒生物量結(jié)果的影響

由于MODIS火產(chǎn)品數(shù)據(jù)僅包含覆蓋明火瞬時(shí)的觀測(cè)數(shù)據(jù)，因此森林燃燒時(shí)釋放的最大和最小FRP與實(shí)際上MODIS數(shù)據(jù)的監(jiān)測(cè)結(jié)果存在差異。本文通過(guò)選取典型火災(zāi)，分析FRP最值對(duì)估測(cè)結(jié)果的影響。具體方法為： 先假設(shè)其他參數(shù)不變，只分析選取FRP最大值的不同對(duì)估測(cè)結(jié)果的影響。按最大值每10%進(jìn)行遞增，計(jì)算每次遞增森林燃燒生物量，最終形成FRP最大值遞增差值與森林燃燒生物量遞增差值(ΔBB%)的關(guān)系如圖5所示； 依照此方法，對(duì)最小值的影響分析結(jié)果如圖6所示。由圖5和圖6可知，F(xiàn)RP最值選取與估測(cè)誤差間呈正相關(guān)關(guān)系。

圖5 FRPmax對(duì)估測(cè)燃燒生物量精度的影響Fig.5 The FRPmax impact on the accuracy of burned biomass estimation

圖6 FRPmin對(duì)估測(cè)燃燒生物量精度的影響Fig.6 The FRPmin impact on the accuracy of burned biomass estimation

2.4年森林燃燒生物量估測(cè)結(jié)果

以年為單位統(tǒng)計(jì)每年FRP最值以及對(duì)應(yīng)每種森林類(lèi)型的冪參數(shù)m、時(shí)間修正系數(shù)和FRE轉(zhuǎn)換森林燃燒生物量系數(shù)，利用式(1)和式(2)計(jì)算每年森林燃燒生物量，結(jié)果如表2所示。

闊葉林因燃燒消耗的生物總量為15.84 Mt，年消耗量在0.94～1.37 Mt之間，年際變化相差不大，消耗森林生物量較大的年份是2003、2006和2010年，分別為1.36、1.37和1.36 Mt； 消耗較小的年份是2011和2014年，均為0.94 Mt。針葉林因燃燒消耗的生物總量為16.31 Mt，年消耗量在0.80～1.92 Mt之間，2009年變化較大，突然增加到1.92 Mt，這與2009年黑龍江地區(qū)發(fā)生重大森林火災(zāi)有直接關(guān)系；從其余年份看，2001與2002年較小，其他年份都在1 Mt以上。灌木林因燃燒消耗的生物總量為6.47 Mt，年消耗量在0.37～0.53 Mt之間，年際變化無(wú)較大差異。

2.5年森林燃燒生物量估測(cè)結(jié)果對(duì)比分析

利用林火排放物計(jì)算模型和基于冪律分布方法估測(cè)的年森林燃燒生物量進(jìn)行對(duì)比分析。林火排放物計(jì)算模型(Seileretal., 1980)為：

M=A×B×E。

(6)

式中：M為森林燃燒生物量估計(jì)值(t)；A為火燒跡地面積(hm2)；B為平均森林可燃物載量(t·hm-2)；E為燃燒效率。

由式(6)可知，在計(jì)算森林燃燒生物量時(shí)，需計(jì)算各森林類(lèi)型面積并確定火災(zāi)燃燒的可燃物載量和燃燒系數(shù)。本文以8種植被氣候帶和4種森林類(lèi)型提取MCD45A1時(shí)間序列數(shù)據(jù)集森林火燒跡地面積，同時(shí)引用田曉瑞等(2006)提出的以不同植被氣候帶計(jì)算森林生物載荷量和燃燒效率2個(gè)參數(shù)乘積的平均值代替B×E，如表3所示。該組數(shù)據(jù)在國(guó)際上也是比較公認(rèn)的研究成果，IPCC和一些全球林火排放模型都有所引用(Carvalhoetal., 1998; Robinson, 1989; Fearnsideetal., 1999; Levineetal., 2000; Streetsetal., 2003)。

8種不同植被氣候帶統(tǒng)計(jì)的森林類(lèi)型火燒跡地面積，如闊葉林、針葉林和灌木林與表3中5種森林類(lèi)型不完全一致。根據(jù)森林類(lèi)型和燃燒特點(diǎn)，將熱帶季雨林區(qū)和亞熱帶常綠闊葉林區(qū)植被氣候帶統(tǒng)計(jì)的針葉林和闊葉林火燒跡地面積，分別結(jié)合熱帶天然林和熱帶次生林B×E的平均值估測(cè)森林燃燒生物量； 暖溫帶落葉闊葉林區(qū)、溫帶荒漠區(qū)、溫帶針闊混交林區(qū)和溫帶草原區(qū)4種植被氣候帶統(tǒng)計(jì)的針葉林和闊葉林火燒跡地面積，結(jié)合溫帶森林B×E的平均值估測(cè)森林燃燒生物量； 寒溫帶和青藏高原高寒植被區(qū)植被氣候帶統(tǒng)計(jì)的針葉林和闊葉林火燒跡地面積，結(jié)合北方林B×E的平均值估測(cè)森林燃燒生物量； 灌木林單獨(dú)計(jì)算。林火排放物計(jì)算模型(MCD45A1)和基于冪律分布(MOD14A2)方法估測(cè)的年森林燃燒生物量結(jié)果對(duì)比如表4所示。

表2 全國(guó)年森林燃燒生物量估測(cè)結(jié)果Tab.2 Results of national burned forest biomass estimate

表3 不同森林類(lèi)型火災(zāi)消耗的生物量計(jì)算參數(shù)(公式中B×E)Tab.3 Parameters for burned forest biomass estimate(the formula B×E) t·hm-2

表4 2種方法估測(cè)的年森林燃燒生物量結(jié)果對(duì)比Tab.4 Results of burned forest biomass estimates by using different models Mt

由表4可知，基于林火排放物計(jì)算模型(MCD45A1)的估測(cè)結(jié)果多數(shù)比基于冪律分布(MOD14A2)方法的估測(cè)結(jié)果偏高。有些年份2種方法的估測(cè)結(jié)果差異顯著，如2003年針葉林林火排放物計(jì)算模型的估測(cè)結(jié)果為34.58 Mt，基于冪律分布方法的估測(cè)結(jié)果為1.39 Mt，相差幾十倍以上，且比冪律分布方法估測(cè)14年結(jié)果總和(16.31 Mt)還要高； 闊葉林在2003、2007、2008、2009和2011年采用這2種方法的估測(cè)結(jié)果相差也較大，且都比基于冪律分布方法估測(cè)14年結(jié)果總和(15.84 Mt)高很多； 灌木林在2004、2007和2014年也是偏高許多。出現(xiàn)上述結(jié)果的原因首先在于林火排放物計(jì)算模型使用可燃物載量和燃燒系數(shù)2個(gè)參數(shù)乘積的平均值代替每年2個(gè)參數(shù)的實(shí)際變化值，這樣會(huì)帶來(lái)一定的誤差； 其次是基于MCD45A1獲得的森林火燒跡地面積遠(yuǎn)比國(guó)家統(tǒng)計(jì)局公布的數(shù)據(jù)大，這也是造成結(jié)果偏大的原因之一。而本文提出的方法對(duì)于單場(chǎng)或長(zhǎng)時(shí)間序列森林火災(zāi)，只要獲取FRP最值即可，模型中的火災(zāi)持續(xù)時(shí)間d、冪參數(shù)m都可作為已知量，因此計(jì)算結(jié)果的誤差相對(duì)較小，估測(cè)結(jié)果的準(zhǔn)確性更高。

圖7 3種森林類(lèi)型的燃燒生物量年際變化Fig.7 Annual changes of burned forest biomass of three forest type year 2001—2014

圖7更直觀地反映了2種方法對(duì)近14年森林燃燒生物量估測(cè)結(jié)果的差異和年際變化情況。從3種森林類(lèi)型的變化趨勢(shì)上可以看出； 2種方法估測(cè)結(jié)果的年際變化規(guī)律比較明顯，能夠反映每年森林燃燒生物量的波動(dòng)情況，但本文研究方法估測(cè)的2014年3種森林類(lèi)型燃燒生物量都是下降的，符合國(guó)家統(tǒng)計(jì)局公布的2014年森林過(guò)火面積和發(fā)生次數(shù)同比2013年下降或基本持平的情況(圖8)； 而林火排放物計(jì)算模型估測(cè)的結(jié)果都是上升的，說(shuō)明本文研究方法估測(cè)結(jié)果的年際變化更符合我國(guó)森林火災(zāi)消耗森林生物量的年際變化規(guī)律?；趦缏煞植挤椒ü罍y(cè)結(jié)果的年際變化都在同一數(shù)量級(jí)內(nèi)波動(dòng)，而林火排放物計(jì)算模型估測(cè)結(jié)果有些年份的森林燃燒生物量變化并不在同一數(shù)量級(jí)內(nèi)； 通過(guò)對(duì)比國(guó)家統(tǒng)計(jì)局公布的每年森林火災(zāi)發(fā)生次數(shù)和過(guò)火面積，相鄰年份森林燃燒生物量從百萬(wàn)噸到千萬(wàn)噸的變化也不符合我國(guó)森林火災(zāi)消耗森林生物量的情況。

圖8 基于國(guó)家統(tǒng)計(jì)局公布的森林火災(zāi)數(shù)據(jù)年際變化Fig.8 Annual change of forest fire using the data published by the National Bureau of Statistics of the People’s Republic of China

3 討論

通過(guò)對(duì)林火排放物計(jì)算模型和基于冪律分布方法估測(cè)森林燃燒生物量的結(jié)果進(jìn)行對(duì)比分析，可以得出： 基于冪律分布方法估測(cè)結(jié)果的年際變化在同一數(shù)量級(jí)內(nèi)波動(dòng)，年際變化規(guī)律符合2001—2014年14年我國(guó)森林火災(zāi)發(fā)生的特點(diǎn)； 但林火排放物計(jì)算模型估測(cè)結(jié)果波動(dòng)范圍較大，有些年際變化是相鄰年份變化的幾十倍，同比基于冪律分布方法估測(cè)14年總量還要大。另外，利用林火排放物計(jì)算模型估測(cè)大區(qū)域年森林燃燒生物量很難準(zhǔn)確獲取每年的火燒跡地面積、森林可燃物載量和燃燒系數(shù)等參數(shù)； 大區(qū)域、長(zhǎng)時(shí)間的森林火燒跡地面積調(diào)查工作量較大，一些高山峻嶺測(cè)量起來(lái)也較困難。

利用森林可燃物載量和燃燒系數(shù)乘積的平均值代替每年2個(gè)參數(shù)的實(shí)際變化值估測(cè)長(zhǎng)時(shí)間序列的森林燃燒生物量，其結(jié)果往往會(huì)出現(xiàn)較大誤差。本文利用熱紅外遙感具有探測(cè)地物發(fā)射能量的特性，以及火產(chǎn)品數(shù)據(jù)的FRP具有冪律分布的規(guī)律，按森林類(lèi)型構(gòu)建基于冪律分布的估測(cè)模型，從而實(shí)現(xiàn)對(duì)大區(qū)域、長(zhǎng)時(shí)間序列的森林燃燒生物量估測(cè)， 與林火排放物計(jì)算模型參數(shù)獲取相比，該方法的參數(shù)直接來(lái)源于衛(wèi)星數(shù)據(jù)，無(wú)需開(kāi)展外業(yè)調(diào)查，可減少人為因素帶來(lái)的誤差，具有省時(shí)省力的特點(diǎn)。

目前熱紅外遙感衛(wèi)星數(shù)量較少，獲取森林火災(zāi)數(shù)據(jù)還存在局限性，如針闊混交林的火點(diǎn)數(shù)據(jù)較少，其FRP并未呈現(xiàn)出冪律分布規(guī)律，本文還未形成相應(yīng)的估測(cè)模型； 但隨著時(shí)間序列的增長(zhǎng)和衛(wèi)星不斷發(fā)射升空，這些不足會(huì)慢慢解決。

4 結(jié)論

本文利用闊葉林、針葉林和灌木林的FRP具有冪律分布的規(guī)律，按森林類(lèi)型構(gòu)建了森林燃燒生物量模型，求解并分析了模型中涉及的參數(shù)。分析了FRP小于11時(shí)，3種森林類(lèi)型FRP頻數(shù)看似符合“直線分布”，但FRP小于6時(shí)，明顯存在一個(gè)拐點(diǎn)，所以FRP小于11時(shí)，其頻數(shù)并不符合直線分布特征。同時(shí)統(tǒng)計(jì)分析了3種森林類(lèi)型的FRP各占其總量的比例并不是很高，且對(duì)應(yīng)擬合方程的相關(guān)系數(shù)R2都在0.90以上，說(shuō)明擬合效果較好，擬合的冪參數(shù)m未對(duì)估測(cè)結(jié)果產(chǎn)生較大的高估現(xiàn)象；并選取每年10場(chǎng)左右典型的森林火災(zāi)修正火災(zāi)持續(xù)時(shí)間d，以降低對(duì)估測(cè)大區(qū)域、長(zhǎng)時(shí)間序列森林燃燒生物量結(jié)果的影響等。最終對(duì)我國(guó)近14年逐年森林燃燒消耗的生物量進(jìn)行了估算，其中，闊葉林年消耗量在0.94～1.37 Mt之間、針葉林在0.80～1.92 Mt之間、灌木林在0.37～0.53 Mt之間。通過(guò)與林火排放物計(jì)算模型估測(cè)的全國(guó)同年林火消耗掉的森林生物總量進(jìn)行對(duì)比，森林燃燒生物量模型比林火排放物計(jì)算模型的估測(cè)結(jié)果更準(zhǔn)確。

胡海清, 張 喆, 吳學(xué)偉. 2007. 基于遙感的塔河林業(yè)局森林可燃物類(lèi)型劃分. 東北林業(yè)大學(xué)學(xué)報(bào)，35(7): 20-21.

(Hu H Q, Zhang Z,Wu X W.2007. Type classification of forest fuel in Tahe Forestry Bureau based on remote sensing. Journal of Northeast Forestry University, 35(7): 20-21. [in Chinese])

田曉瑞, 舒立福, 王明玉. 2003. 1991—2000年中國(guó)森林火災(zāi)直接釋放碳量估算. 火災(zāi)科學(xué)，12(1)： 6-10.

(Tian R X, Shu L F, Wang M Y. 2003.Direct carbon emissions from Chinese forest fires, 1991—2000. Fire Safety Science, 12(1)： 6-10. [in Chinese])

田曉瑞, 舒立福, 王明玉,等. 2006. 衛(wèi)星遙感數(shù)據(jù)在林火排放模型中的應(yīng)用. 安全與環(huán)境學(xué)報(bào)，6(4): 104-108.

(Tian R X, Shu L F, Wang M Y,etal. 2006.An emission model for the use of satellite data to the forest fire evaluation. Journal of Safety and Environment, 6(4): 104-108. [in Chinese])

田曉瑞, 殷 麗, 劉景雙，等. 2009. 2005—2007年大興安嶺林火釋放碳量. 應(yīng)用生態(tài)學(xué)報(bào)， 20(12): 2877-2883.

(Tian X R, Yin L, Liu J S,etal. 2009. Carbon emission from forest fires in Daxing’ anling region in 2005—2007. Chinese Journal of Applied Ecology, 20(12): 2877-2883. [in Chinese])

王效科, 馮宗煒, 歐陽(yáng)志云. 2001. 中國(guó)森林生態(tài)系統(tǒng)的植物碳儲(chǔ)量和碳密度研究. 應(yīng)用生態(tài)學(xué)報(bào)，12(1): 13-16.

(Wang X K, Feng Z W, Ouyang Z Y. 2001.Vegetation carbon storage and density of forest ecosystems in China. Acta Ecologica Sinica, 12(1): 13-16. [in Chinese])

楊國(guó)福, 江 洪, 余樹(shù)全, 等. 2009. 浙江省1991—2006森林火災(zāi)直接碳釋放量的估算. 應(yīng)用生態(tài)學(xué)報(bào)， 20(5): 1038-1043.

(Yang G F, Jiang H, Yu S Q，etal.2009.Black carbon emission from forest fires of Zhejiang Province during 1991—2006. Acta Ecologica Sinica, 20(5): 1038-1043. [in Chinese])

魏書(shū)精, 羅碧珍, 孫 龍, 等. 2014. 黑龍江省溫帶森林火災(zāi)碳排放的計(jì)量估算. 生態(tài)學(xué)報(bào)，34(11): 3048-3063.

(Wei S J, Luo B Z, Sun L,etal. 2014. Estimates of carbon emissions caused by forest fires in the temperate climate of Heilongjiang Province，China，from 1953 to 2012. Acta Ecologica Sinica, 34(11): 3048-3063. [in Chinese])

Andreae M O, Merlet P. 2001. Emission of trace gases and aerosols from biomass burning. Global Biogeochemical Cycles, 15(4): 955-966.

Carvalho J A, Higuchi N, Araújo T M,etal. 1998. Combustion completeness in a rainforest clearing experiment in Manaus, Brazil. Journal of Geophysical Research, 103(13): 195-213.

Clauset A, Shalizi C R, Newman M E J. 2009. Power law distributions in empirical data. SIAM Rev, 51(4)： 661-703.

Fearnside P M, de Alencastro Gra?a P M L, Leal Filho N,etal. 1999. Tropical forest burning in Brazilian Amazonia: measurement of biomass loading, burning efficiency and charcoal formation at Altamira, Pará. Forest Ecology and Management, 123(1): 65-79.

Heward H, Smith A M S, Roy D P,etal. 2013. Is burn severity related to fire intensity? Observations from landscape scale remote sensing. International Journal of Wildland Fire, 22(7): 910-918.

Kaufman Y J, Remer L, Ottmar R,etal.1996. Relationship between remotely sensed fire intensity and rate of emission of smoke: SCAR-C experiment∥Levine J. Global biomass burning. MIT Press: Cambridge, MA, 685-696.

Kumar S S, Roy D P, Boschetti L,etal. 2011. Exploiting the power law distribution properties of satellite fire radiative power retrievals: a method to estimate fire radiative energy and biomass burned from sparse satellite observations. Journal of Geophysical Research: Atmospheres,116(D19): 1-18.

Levine J S, Cofer III W R. 2000. Boreal forest fire emissions and the chemistry of the atmosphere∥Fire, climate change, and carbon cycling in the boreal forest. Springer New York，31-48.

Newman M E. 2005. Power laws, Pareto distributions and Zipf’s law. Contemporary Physics, 46(5): 323-351.

Robinson J M. 1989. On uncertainty in the computation of global emissions from biomass burning. Climatic Change, 14(3): 243-261.

Roberts G, Wooster M J, Perry G L W,etal. 2005. Retrieval of biomass combustion rates and totals from fire radiative power observations: application to southern Africa using geostationary SEVIRI imagery. Journal of Geophysical Research: Atmospheres,110(D21):1-19.

Roberts G J, Wooster M J. 2008. Fire detection and fire characterization over Africa using Meteosat SEVIRI. IEEE Transactions on Geoscience and Remote Sensing, 46(4): 1200-1218.

Seiler W, Crutzen P J. 1980. Estimates of gross and net fluxes of carbon between the biosphere and the atmosphere from biomass burning.Climatic Change,2(3): 207-247.

Streets D G, Bond T C, Carmichael G R,etal. 2003. An inventory of gaseous and primary aerosol emissions in Asia in the year 2000. Journal of Geophysical Research: Atmospheres, 108(D21):8809-8809.

Wooster M, Zhang Y. 2004. Boreal forest fires burn less intensely in Russia than in North America. Geophysical Research Letters, 31(20): L20505.

Wooster M J, Zhukov B, Oertel D. 2003. Fire radiative energy for quantitative study of biomass burning: derivation from the BIRD experimental satellite and comparison to MODIS fire products. Remote Sensing of Environment, 86(1): 83-107.

Wooster M J, Roberts G, Perry G L W,etal. 2005. Retrieval of biomass combustion rates and totals from fire radiative power observations: FRP derivation and calibration relationships between biomass consumption and fire radiative energy release. Journal of Geophysical Research: Atmospheres,110(D24):1-24.

(責(zé)任編輯 石紅青)

MethodforBurnedForestBiomassEstimationUsingSatelliteRemoteSensingBasedonPowerLawDistribution

Zu Xiaofeng Qin Xianlin Li Zengyuan Sun Guifen Liu Shuchao

(InstituteofForestResourceInformationTechniques,CAFBeijing100091)

【Objective】 Exploring the burned biomass estimation method by using the long time series of satellite remote sensing data products according to forest types at large scale, and getting the burned biomass estimation result by annual for different forest types, were the major objective of the current work.【Method】 The MODIS satellite active fire detection products(MOD14A2)covering the land of P. R. China in 2001—2014 have been selected as the datasets, the feature of power law distribution of FRP(fire radiative power)has been analyzed on three forest types; meanwhile, the burned forest biomass estimation models have been developed on the forest types. To get the scaling parameterm, the linear regression fit to probability distribution function in log scales has been applied, and about 10 times forest fire every year have been selected to modify the annual fire durationd. The national burned forest biomass has been estimated on an annual basis. At the same time, the study result calculated from MODIS burned dataset(MCD45A1)were compared with those derived from forest fire emissions calculation model to validate the efficacy of the current estimation method .【Result】 The value of FRP of broadleaf forest, coniferous forest and shrub forest follow the power law distribution. In the 14 years, the annual burned biomass of broadleaf forest was in 0.94-1.37 Mt, with a burned biomass in 0.80-1.92 Mt for coniferous forest, shrub forest’s burns in 0.37-0.53 Mt. The result of the two methods were significantly different in some years, even certain values derived from forest fire emissions model were far beyond the total burned biomass of the observed 14 years calculated from the method developed in the current work. The result and inter annual variation were more consistent with the statistics of fire numbers and burned area issued by the National Bureau of Statistics.【Conclusion】 The value of FRP of the broadleaf forest, coniferous forest and shrub forest follow the power-law distribution characteristics, the national burned forest biomass estimation models have been developed based on the feature by forest type in the 14 years. The method based on power law distribution is more accurate than the result of fire emissions model estimation method.

satellite remote sensing data； forest fires； biomass burning estimation； FRP

10.11707/j.1001-7488.20171010

2016-02-22；

2016-06-14。

國(guó)防科工局重大專(zhuān)項(xiàng)項(xiàng)目(21-Y30B05-9001-13/15)； “十三五”民用航天預(yù)研課題“基于數(shù)據(jù)挖掘機(jī)制的森林?jǐn)_動(dòng)信息衛(wèi)星遙感監(jiān)測(cè)與評(píng)價(jià)技術(shù)”。

*覃先林為通訊作者。

S757

A

1001-7488(2017)10-0090-10