付婧婧,吳志偉,3,*,閆賽佳,張宇婧,顧先麗,杜林翰

1 江西師范大學(xué)鄱陽湖濕地與流域研究教育部重點實驗室,南昌 330022 2 江西師范大學(xué)地理與環(huán)境學(xué)院,南昌 330022 3 中國科學(xué)院沈陽應(yīng)用生態(tài)研究所,沈陽 110016

林火是北方森林景觀中最重要的自然干擾因子之一,導(dǎo)致每年數(shù)百萬公頃的森林受到不同程度的損毀[1- 3]。林火烈度是指林火對森林生態(tài)系統(tǒng)(植被、土壤養(yǎng)分和土壤理化性質(zhì))的影響程度[4]。它作為衡量林火干擾程度的主要指標(biāo)之一,較為直觀地反映了火干擾對森林生態(tài)系統(tǒng)的破壞程度[5-6]。因此,在北方森林景觀中林火烈度是研究的熱點議題之一[7-9]。

林火烈度在景觀上通常表現(xiàn)出異質(zhì)性的空間分布格局(如輕度、中度、重度火燒斑塊的空間鑲嵌),深刻地影響著森林景觀中的多種生態(tài)過程[10-13]。例如,林火烈度的空間格局是形成阿拉斯加北方森林演替早期群落模式的限制因子[14]。而且,有研究表明在全球氣候變暖下高烈度火燒斑塊在景觀中的比例呈增加趨勢,這將不利于火燒跡地的植被更新,進(jìn)而影響到火后植被演替格局[15-16]。定量分析林火烈度的空間格局,有助于揭示火燒后森林生態(tài)系統(tǒng)中的各種生態(tài)過程的發(fā)展變化軌跡和森林景觀格局的形成機(jī)制[17]。

林火烈度空間格局是受氣候、植被、地形等多種因子綜合作用的結(jié)果[18- 21]。氣候通常被認(rèn)為在區(qū)域尺度上起主導(dǎo)作用,而植被、地形等則被認(rèn)為在局部尺度起作用[22-23]。研究表明,由氣候主導(dǎo)的效應(yīng)可能被植被(可燃物)、地形等因素改變,形成不同的林火烈度空間格局[24]。例如,Hariis等研究了地形、可燃物以及氣候?qū)γ绹又菁s塞米蒂國家公園林火烈度的相對影響,其研究結(jié)果表明氣候不是控制林火烈度大小的主要因素；相反,地形和可燃物等因素是主要驅(qū)動因子[25]。因此,綜合評估氣候、植被和地形對火燒斑塊空間格局的影響至關(guān)重要。

大興安嶺作為我國重要的林木產(chǎn)區(qū),帶來了巨大的社會、經(jīng)濟(jì)和生態(tài)環(huán)境效益。其中,呼中林區(qū)作為大興安嶺林火發(fā)生最為頻繁的地區(qū)之一,有研究表明該地區(qū)林火烈度可能會在氣候變暖的情景下不斷加劇[26]。了解林火烈度空間分布格局及其形成機(jī)制是當(dāng)?shù)剡M(jìn)行林火管理以及有效分配撲火資源的關(guān)鍵。因此,本文基于2000—2016年LandsatTM/ETM影像,采用隨機(jī)森林(Random Forest,RF)模型)：1)對大興安嶺呼中林區(qū)的林火烈度空間格局進(jìn)行分析；2)探討其與氣候、植被、地形等環(huán)境變量之間的關(guān)系。預(yù)期為大興安嶺地區(qū)林火干擾后森林景觀生態(tài)格局形成機(jī)制和森林可持續(xù)發(fā)展提供科學(xué)依據(jù)。

1 研究區(qū)與研究方法

1.1 研究區(qū)概況

呼中林區(qū)位于黑龍江大興安嶺(地理坐標(biāo)為52°25′00″—51°14′40″N,122°39′30″—124°21′00″E),總面積為937.244 hm2,海拔為440—1500 m (圖1)。該地區(qū)是歐亞大陸多年凍土的南緣,氣候?qū)俅箨懶约撅L(fēng)氣候,四季分明,光照充足,雨量充沛,寒冷濕潤。年均氣溫-2.9℃,1月平均最低氣溫為-28.9℃,7月平均最高氣溫為17.1℃。年均降水量495 mm,主要集中在夏季。土壤類型主要以棕色針葉林土為主。

該地區(qū)地帶性植被類型為寒溫性針葉林,是東西伯利亞明亮針葉林向南分布的延續(xù)。以興安落葉松(Larixgmelinii(Rupr.) Kuzen.)為主,約占該地區(qū)的65%。除了興安落葉松外,還有樟子松(PinussylvestrisL. var.mongolicaLitv)、偃松(Pinuspumila)、云杉(Piceakoraiensis)、白樺(BetulaplatyphyllaSuk.)、山楊(Populusdavidiana)等。白樺是該地區(qū)主要的闊葉樹種,能夠在火燒跡地上迅速生長,常與興安落葉松形成針闊混交林。

圖1 研究區(qū)地形圖以及2000—2016年火場分布圖Fig.1 The topographic map of study area location in Huzhong Forest Bureau, overlaid with the location of 36 fires that ocurred between 2000 and 2016

1.2 數(shù)據(jù)來源與處理

1.2.1火燒數(shù)據(jù)和林火烈度制圖

火燒數(shù)據(jù)為呼中區(qū)2000—2016年歷史火燒記錄數(shù)據(jù),包括經(jīng)緯度坐標(biāo)、過火面積、起火原因、起火時間和滅火時間等信息。在進(jìn)行景觀格局分析時,過火面積太小的火場可能存在以下問題：(1)許多像元可能位于火災(zāi)邊緣,因此火場鄰近區(qū)域?qū)^火像元的反射率有很大影響,降低了火燒像元內(nèi)林火烈度評估值的大小；(2)如果過火像元太少,景觀格局指數(shù)可能沒有意義。例如,如果過火區(qū)域只有一個烈度等級,對火燒斑塊的景觀指數(shù)進(jìn)行統(tǒng)計性描述是沒有意義的。因此,本研究僅選取單個過火面積大于20 hm2的火場?？偣?6個火場,總的過火面積為28786.6 hm2；火場大小范圍為21.6—8327.7 hm2,平均每場火為799.6 hm2(圖1和表1)。

表1 2000—2016年36場火的火場信息及遙感影像信息

本研究選擇火燒后當(dāng)年的Landsat TM/ETM影像作為林火烈度評估數(shù)據(jù)源。遙感影像(條帶號為121/24,空間分辨率為30 m)數(shù)據(jù)來源于中科院地理空間數(shù)據(jù)云平臺(http://www.gscloud.cn/)和美國地質(zhì)調(diào)查局(https://earthexplorer.usgs.gov/)(表1)。利用ERDAS 9.2軟件對遙感影像進(jìn)行輻射定標(biāo)和大氣校正等處理。

隨著衛(wèi)星遙感技術(shù)的不斷發(fā)展,借助遙感指數(shù)定量評價林火烈度的研究越來越多。其中,歸一化火燒指數(shù)(Normalized Burn Ratio, NBR)是一個較好的反映林火烈度的指數(shù)。其計算公式如下[27]：

NBR=1000×(band4-band7)/(band4+band7)

式中,band4是近紅外波段,band7是短紅外波段。NBR值與林火烈度呈負(fù)相關(guān)。

本研究利用R語言計算了2000—2016年呼中林區(qū)36場火在火后的NBR值。根據(jù)王曉莉等[28]提供的NBR閾值對過火區(qū)域的林火烈度進(jìn)行分級,將每個火場劃分出未過火(>585)、輕度(252—585)、中度(53—252)、重度(≤53)共4個不同等級的火烈度斑塊。

1.2.2氣候、植被、地形數(shù)據(jù)

(1)植被數(shù)據(jù)包括火前植被類型和NDVI植被指數(shù)。本研究基于呼中林相圖數(shù)據(jù),將植被分為針葉林、闊葉林和針闊混交林3種類型。火前NDVI指數(shù)用來間接表征植被覆蓋度、生物量等信息。NDVI指數(shù)是基于火前1年植被生長季(6—8月)的Landsat TM/ETM 計算而來的。

(2)地形數(shù)據(jù)包括海拔、坡度、坡向3個因子。由數(shù)字高程模型(DEM)在ArcGIS中空間分析得到。根據(jù)以下公式將ArcGIS提取的坡向轉(zhuǎn)為連續(xù)變量,取值范圍是-1—1。

Aspect index=cos((θ×2×PI)/360)

式中,Aspect index為坡向指數(shù),θ為坡向值(0—360度),PI為圓周率。坡向指數(shù)越大越朝陽坡。

(3)氣象數(shù)據(jù)包括火燒期間的日平均風(fēng)速、日平均溫度、日最小相對濕度等(表2)。

表2 環(huán)境因子統(tǒng)計性描述表

1.3 林火烈度的空間格局量化

林火烈度的空間格局指的是不同烈度的火燒斑塊的大小、形狀等,及其在空間上的分布與配置[29]。本研究采用景觀格局指數(shù)來定量描述林火烈度的空間格局。依據(jù)各景觀指數(shù)的生態(tài)意義,選取了5個可以較好地反映林火烈度空間格局的景觀指數(shù)(表3)。運用Fragstats景觀格局分析軟件,采用8鄰域規(guī)則,進(jìn)行了林火烈度空間格局指數(shù)的計算。景觀指數(shù)的選取和量化過程具體如下：

(1)斑塊組成和大小(Patch composition and size)指數(shù)：選取斑塊所占景觀(即火場)面積比(Percentage of landscape, PLAND)和面積加權(quán)平均斑塊面積(Area-weighted mean patch area, Area_AM)2個指數(shù)描述不同火烈度斑塊的大小。斑塊所占景觀面積比用來衡量過火區(qū)域不同火烈度斑塊的面積比例豐度；

(2)斑塊形狀指數(shù)(Patch shape)：選取面積加權(quán)平均斑塊分維數(shù)(Area-weighted mean patch fractal dimension, FRAC_AM)和面積加權(quán)邊緣面積比(Area-weighted perimeter-area ratio, PARA_AM)2個指數(shù)描述不同火烈度斑塊形狀的復(fù)雜性。面積加權(quán)平均斑塊分維數(shù)是基于周長-面積的關(guān)系來測量斑塊形狀的復(fù)雜性。其取值范圍為1— 2,其值越大,斑塊形狀越復(fù)雜。面積加權(quán)邊緣面積比是將斑塊的周長除以面積,并按斑塊的大小進(jìn)行加權(quán)。面積加權(quán)邊緣面積比定量化了斑塊邊界的復(fù)雜程度,其值隨著邊界復(fù)雜程度增加而增加；

(3)斑塊空間配置(Patch arrangement)：選取斑塊密度(Patch density, PD)描述每場火不同火烈度斑塊在空間上的分布。斑塊的數(shù)量越多,斑塊密度越大。

表3 景觀格局指數(shù)

1.4 統(tǒng)計分析

(1)基于R語言中的laercio包,本研究采用Duncan多重比較法確定未過火、輕度、中度、重度火燒斑塊的景觀格局指數(shù)是否存在顯著差異性(α=0.05)。

(2)本研究采用R語言中的隨機(jī)森林(Random Forest,RF)包作為建模工具,針對控制重度火燒斑塊空間格局的因素進(jìn)行建模,評估每個變量對重度火燒斑塊空間格局的相對影響。隨機(jī)森林是利用Bootstrap重采樣方法從原始樣本中抽取多個樣本,并為每個樣本生成獨立的決策樹的一種集成算法[30-31]。每個決策樹中隨機(jī)選取三分之二的數(shù)據(jù)用于建模,而其余三分之一的數(shù)據(jù),即袋外數(shù)據(jù)(out-of-bag,OOB)用于模型驗證。在建模過程中,隨機(jī)森林在保持其他變量不變的情況下,隨機(jī)置換變量的觀測值后,通過比較袋外誤差(out-of-bag error)得到變量的重要性。然后,通過袋外誤差的增加量和基于分裂時基尼指數(shù)的減少量來評估每個變量的重要性。袋外誤差的增加量是由兩次袋外誤差的差異的平均值決定的?；嵯禂?shù)衡量的是森林中所有樹木上每個變量的雜質(zhì)。每次使用變量組合在新的訓(xùn)練數(shù)據(jù)上使樹生長到最大深度。與經(jīng)典決策樹相反,這些完全生長的樹不需要修剪。在每個節(jié)點上,只搜索選定的特性以獲得最佳分割[32]?；嶂笖?shù)越大,節(jié)點純度越高,表示變量越重要。本研究選擇基尼指數(shù)來評價各解釋變量的重要性。其計算公式如下：

式中,GIm為節(jié)點m的基尼指數(shù),K表示有K個類別,pmk表示節(jié)點m中類別k所占比例。

(3)重要因子的邊際效應(yīng)分析是基于局部依賴性圖進(jìn)行的,局部依賴圖顯示了一個特征對先前擬合模型預(yù)測結(jié)果的邊際效應(yīng)。預(yù)測函數(shù)固定在選定特征的幾個值上,并在其他特征上取平均值。本研究對于重度火燒景觀格局指數(shù)與各影響因子之間局部依賴圖采用partialPlot函數(shù)繪制。

2 結(jié)果與分析

2.1 未過火、輕、中、重火燒斑塊的景觀格局指數(shù)差異性

在斑塊所占景觀面積比和面積加權(quán)平均斑塊面積中,重度火燒斑塊與中度、輕度以及未過火火燒斑塊存在顯著差異性(P<0.05)(圖2)。相對于其他類型的斑塊,重度火燒斑塊的面積更大,在景觀中所占的比例較高；從面積加權(quán)平均斑塊分維數(shù)和面積加權(quán)邊緣面積比來看,重度火燒斑塊的面積加權(quán)平均斑塊分維數(shù)趨近于1,且面積加權(quán)邊緣面積比也顯著低于其他火烈度斑塊,表明重度火燒斑塊的形狀更簡單；從斑塊空間配置來看,相對于重度火燒斑塊,輕度、中度火燒斑塊的斑塊密度較大,數(shù)量較多。

圖2 未過火、輕度、中度、重度火燒斑塊的景觀格局指數(shù)Fig.2 Boxplots showing distribution of spatial pattern metrics by burn-severity classes不同大小字母表示不同的林火烈度下景觀格局指數(shù)間差異顯著(α=0.05)

2.2 氣象、地形、植被因子的相對重要性

隨機(jī)森林模型中各因子的相對重要性排序如圖3所示。由圖中變量的重要性排序可知,各個景觀指數(shù)中變量的重要性排序不同。坡向和植被覆蓋度是影響斑塊所占景觀面積比最重要的2個變量；影響面積加權(quán)平均斑塊面積按重要性大小排序依次為海拔、坡度、溫度、風(fēng)速、坡向、相對濕度、植被覆蓋度、植被類型。影響面積加權(quán)平均斑塊分維數(shù)的最主要因子為海拔,其次是相對濕度、植被覆蓋度等。坡向?qū)γ娣e加權(quán)邊緣面積比的影響最大,而斑塊密度的大小主要取決于海拔和坡度這兩個變量。結(jié)果表明海拔是影響重度火燒斑塊空間格局最重要的因素。

圖3 隨機(jī)森林模型中變量的重要性Fig.3 Relative contributions of variables to spatial patterns of high-severity patches

2.3 氣象、地形、植被因子的邊際效應(yīng)

圖4顯示了各個變量對重度火燒斑塊景觀格局指數(shù)的影響區(qū)間(邊際效應(yīng))。隨著海拔的升高,面積加權(quán)平均斑塊面積、面積加權(quán)平均斑塊分維數(shù)的邊際效應(yīng)曲線呈上升趨勢,且海拔為1100 m時面積加權(quán)平均斑塊面積和面積加權(quán)平均斑塊分維數(shù)最大,而面積加權(quán)邊緣面積比和斑塊密度呈下降趨勢,表明海拔與二者之間呈負(fù)相關(guān)關(guān)系；從坡向方面來看,坡向越朝南,斑塊所占景觀面積比的邊際效應(yīng)值先增加后減小,而面積加權(quán)邊緣面積比和斑塊密度的邊際效應(yīng)曲線剛好相反；此外,除了面積加權(quán)平均斑塊面積外,都受到火前植被覆蓋度的影響,且植被覆蓋度為0.2—0.3范圍內(nèi),重度火燒斑塊在景觀中所占比例最大；面積加權(quán)平均斑塊面積對坡度的響應(yīng)尤為明顯,坡度在15°—20°之間邊際效應(yīng)曲線呈先上升后下降的趨勢,當(dāng)坡度為25°時又迅速上升；斑塊所占景觀面積比中相對濕度邊際效應(yīng)曲線顯示,相對濕度為60%左右,邊際效應(yīng)值呈穩(wěn)定高峰狀態(tài),但隨著濕度的增加,邊際效應(yīng)值逐漸減小。

圖4 重度火燒斑塊景觀格局指數(shù)與各影響因子之間邊際效應(yīng)圖Fig.4 Partial dependence plots for the random forest model run using only the top 8 variables identified in the full model,showing the response of high severity patch to individual predictor.The variable shown are elevation,aspect,mean temperature,mean windspeed,relative humidity

3 討論

本研究結(jié)果表明中國北方森林景觀火燒后以重度火燒斑塊為主導(dǎo),這與北美北方森林景觀中的研究結(jié)果類似[33-34]。例如Lentile等將美國阿拉斯加北方森林的58%的景觀描述成重度火燒[35]。不同火烈度的斑塊大小在空間上具有很大的變異性,高烈度的林火通常通過增加重度火燒斑塊面積,同時減少輕度、中度火燒斑塊在景觀中的比例,最終形成更加均質(zhì)的重度火燒景觀[22]。

重度火燒斑塊的面積加權(quán)邊緣面積比顯著低于未過火、輕度、中度火燒斑塊。從景觀生態(tài)學(xué)的角度來看,邊緣面積比隨著斑塊面積的增加而減少[36],高烈度的林火往往形成較大面積的重度火燒斑塊,相對于其他類型的斑塊,斑塊的形狀更加規(guī)則且邊緣數(shù)量少。例如,Turner 等發(fā)現(xiàn),美國黃石國家公園的森林景觀的邊緣面積比從早期火災(zāi)到后期火災(zāi)有所下降[37]。重度、輕度火燒斑塊的面積加權(quán)平均斑塊分維數(shù)與中度火燒斑塊存在顯著的差異性。Keane等認(rèn)為雖然林火烈度越來越嚴(yán)重,但是它們往往與低烈度火燒斑塊相鄰,形成多樣性的景觀,增加森林景觀的空間異質(zhì)性[38]。相對于重度火燒斑塊,輕度、中度火燒斑塊的斑塊密度較高,可能是因為較多的輕度、中度火燒斑塊覆蓋了更多異質(zhì)的生境,林火蔓延受到更多的限制,使得輕度、中度火燒斑塊在空間上不連續(xù)分布,形成較多的小斑塊,導(dǎo)致森林景觀的破碎化。

海拔對林火烈度空間格局起著重要的作用[39-40]。隨著海拔的升高,重度火燒斑塊所占景觀面積比例增加,斑塊形狀趨于簡單,這可能是因為高海拔的地區(qū)分布著較多的針葉樹,且太陽輻射較強(qiáng),坡度較大,林火蔓延較快,產(chǎn)生重度火燒的可能性較大。此外,本研究中的火災(zāi)多為大興安嶺地區(qū)的春夏交替季節(jié),高海拔林分中可能分布著較多灌叢或草本植物[41- 42]。由于可燃物積累較多,火災(zāi)容易蔓延,可能是造成大面積重度火燒斑塊的原因。而坡度和坡向的解釋弱于海拔。坡度和坡向通過影響可燃物含水率,間接影響著火災(zāi)蔓延時火燒強(qiáng)度。

本研究表明氣候因素對林火烈度空間格局的作用總體上次于地形(比如海拔)的作用。造成這種差異的原因可能是氣候?qū)α只鹆叶扔兄匾挠绊?但并不是完全由其控制林火烈度的空間格局。在有利的氣象條件下,雖然林火動態(tài)變得更加激烈,傳播的速度增加,林火烈度也不斷增加,但是重度火燒斑塊的結(jié)構(gòu)與空間配置對地形的響應(yīng)較大。另外,本研究中的氣象數(shù)據(jù)來源于呼中氣象站一個觀測點(距離火場的距離較遠(yuǎn)),缺乏針對每場火災(zāi)所在區(qū)域范圍內(nèi)的觀測數(shù)據(jù)。為此,可能是因為氣象要素的空間變異性在本研究中反映不充分,導(dǎo)致其解釋能力受限。盡管如此,獲取每場火災(zāi)近距離的實時觀測氣象要素依然是林火研究的難點問題,是今后進(jìn)一步研究的方向。

本研究表明植被類型對林火烈度的空間格局的解釋弱于地形和氣候。但是火前NDVI指數(shù)表征的植被覆蓋度具有較強(qiáng)的解釋能力。大興安嶺地區(qū)植被類型單一,在景觀尺度上植被的空間變異性不大,可能是導(dǎo)致植被類型對林火烈度空間格局解釋不明顯的原因之一。因此,在植被類型空間變異性較大的地區(qū),其對林火烈度空間格局的解釋程度可能會與本研究的結(jié)果不同。另一方面,火災(zāi)燃燒在很大程度上取決于可燃物特征(比如可燃物載量)[43- 45]。通常植被覆蓋度高,可燃物載量大,因此對林火烈度的空間分布格局影響更強(qiáng)。

4 結(jié)論

本研究基于NBR指數(shù)分析了2000—2016年大興安嶺呼中林區(qū)不同火烈度斑塊的空間格局,并運用隨機(jī)森林模型分析了氣候、地形、植被對重度火燒斑塊空間格局的影響。研究結(jié)果表明2000—2016年大興安嶺呼中森林景觀中重度火燒斑塊的空間格局與中度、輕度以及未過火火燒斑塊存在顯著差異性。相對于氣候,地形和植被對于塑造重度火燒斑塊空間格局具有重要作用。盡管有人認(rèn)為區(qū)域氣候模式對火災(zāi)行為的影響有時非常顯著,以至于林火烈度空間格局并不會隨著地形、植被等生態(tài)系統(tǒng)因素而發(fā)生強(qiáng)烈的變化。而本研究結(jié)果則表明當(dāng)?shù)氐纳鷳B(tài)系統(tǒng)因素(地形、植被)也會對林火烈度空間格局產(chǎn)生強(qiáng)烈的影響。隨著未來森林火險等級不斷上升,通過對不同火烈度斑塊異質(zhì)性進(jìn)行風(fēng)險評級,可以輔助森林管理部門從景觀層面上合理配置森林斑塊,對于實現(xiàn)火后不同植被格局下森林火險的長期監(jiān)測具有重要的意義。