孫 龍 劉 祺 胡同欣

(東北林業(yè)大學林學院 哈爾濱 150040)

森林生態(tài)系統(tǒng)作為陸地自然生態(tài)系統(tǒng)的主體，在保護生物多樣性及維持全球碳平衡方面起著重要作用。而林火作為森林生態(tài)系統(tǒng)的重要干擾因子，對森林植被的分布、結構和功能具有重大影響(Yangetal.， 2018)。大規(guī)模、高強度的森林火災對人類生命財產構成重大威脅(Moritzetal.,2014)。根據(jù)全球火災監(jiān)測中心的數(shù)據(jù)，20世紀80年代以來，每年全球發(fā)生森林火災約25.5萬次，年均危害森林或其他林地面積636.7萬hm2(胡海清等,2016)。重特大森林火災的發(fā)生取決于可燃物載量大小及是否存在空間上連續(xù)分布、有利于火勢迅速蔓延的天氣條件及火源條件(Bradstocketal.,2010;Alenetal., 2018)。森林地表可燃物含水率FMC(Fuel moisture content)是影響森林火災蔓延和燃燒速率的重要因子之一(Bilgilietal., 2019)，越來越被認為是森林火災綜合管理的關鍵因素(Baezaetal., 2002),它已被廣泛應用于火災危險評估(Paltridgeetal.,1988; Cawsonetal., 2019)。以往森林火險預測是在直接測量森林可燃物含水率的基礎上結合當?shù)貧庀笳镜南嚓P氣象因素進行預測，考慮到林內地形復雜，林內小氣候多樣，林內氣象站不完善，因而火險預測代價高昂且低效。為準確預測火險，應建立一套完整的森林火險等級預測系統(tǒng)，基于氣象因子(相對濕度、溫度、風速、降水)和非氣象因子(可燃物類型等)數(shù)據(jù)的綜合分析，建立一系列火險預測模型，包括可燃物含水率預測模型。目前具有代表性的系統(tǒng)包括美國、加拿大森林火險等級系統(tǒng)(韓焱紅等， 2019)。20世紀70年代，F(xiàn)orsberg等(1970)建立一系列可燃物含水率模型，在此基礎上，Cammon(1976)根據(jù)Fourier Number建立的一系列模型為美國國家森林火險等級系統(tǒng)提供理論支撐。加拿大森林火險等級系統(tǒng)是基于森林地表死可燃物含水率野外觀測數(shù)據(jù)對物理模型校正后得到的半經驗模型，氣象因素、死可燃物含水率相繼被融入到該系統(tǒng)的框架中，且不同版本間有較強的連續(xù)性(張吉利,2018)。

在森林燃燒理論中，可燃物、氧氣和火源是影響森林火災發(fā)生的3個基本條件(Pausasetal.， 2009)。氣候、降雨等天氣原因對森林火災具有相當大的影響(Rileyetal., 2014; Caietal., 2014)。森林可燃物以其在林內位置的不同而劃分為地下可燃物、地表可燃物和空中可燃物。地表可燃物是指枯枝落葉層到離地面1.5 m以內的所有可燃物，包括枯枝落葉、雜草、倒木等； 而地表死可燃物則是指地表枯死植物體的總稱，包括枯枝、枯立木、采伐剩余物等，根據(jù)時滯的不同則可劃分為1、10、100和1 000 h時滯的可燃物(胡海清,2005)。其中地表細小死可燃物(1 h時滯)是林火發(fā)生的物質基礎和首要條件(Jemison, 1935; van Wagneretal., 1977; Wehneretal., 2017)。森林地表死可燃物含水率影響火災發(fā)生的概率、傳播速率、輻射效率和能量釋放(Zhongetal.,1995)。這些因素也是準確評估森林火災風險的重要依據(jù)(Huetal.,2016)。FFMC(Fine fuel moisture content) 通常是指1 h時滯的細小可燃物的含水率，它隨林內氣象動態(tài)變化而變(張吉利， 2018)。在相同氣象條件下細小可燃物相對其他可燃物類型而言含水率變化過程較為顯著，是指示森林火險等級的重要指標。地表細小死可燃物含水率已成為林火生態(tài)研究的重點之一(Yanetal.,2018)，并被認為是影響火行為變化的關鍵參數(shù)(Schunketal.,2014)。因此，預測森林可燃物含水率，特別是對地表細小死可燃物含水率的動態(tài)預測，已經成為森林火災風險評級系統(tǒng)的核心(Matthewsetal.,2006)。進一步完善對于森林地表死可燃物含水率預測模型的研究，將有利于實現(xiàn)我國森林火險預測由基于氣象參數(shù)向基于可燃物含水率的轉變，這對于提高森林火險預測預報精度具有重要意義。

1 森林可燃物含水率研究方法

傳統(tǒng)意義上，研究森林地表死可燃物含水率主要有遙感估測法、氣象要素回歸法、平衡含水率(equilibrium moisture content, EMC)法和過程模型法4類方法(滿子源等， 2019)。因過程模型法是基于物理描述且應用難度較大，實際應用較少。

1.1 遙感估測法

遙感技術在森林防火中的應用始于20世紀20年代，最初用于林火監(jiān)測、繪制林分分布圖以及森林可燃物的劃分上(齊懷琴等, 2013)； 20世紀70年代，該技術逐漸成熟，被應用在很多方面，具有代表性的是用來監(jiān)測土壤和植被水分。遙感估測法主要包括光譜反射率反演法、光譜水分指數(shù)法和輻射傳輸模型法(Toomeyetal., 2005; Yebraetal., 2006)。20世紀90年代，隨著高光譜技術的迅速發(fā)展，人們開始探索利用遙感技術來反演可燃物含水率。目前，遙感估測法由于使用較為復雜，在小尺度環(huán)境條件下應用精確度不夠，故僅適合在大尺度環(huán)境上對森林火險進行評價。

1.2 氣象要素回歸法

森林地表死可燃物受氣象因子的影響較大，因此，氣象要素回歸法是針對死可燃物研究的一種方法。氣象要素回歸法較其他方法相對簡單。基于最初Byram(1943)通過積累系數(shù)的方式表示可燃物含水率，而后更多研究者將可燃物含水率與氣象因子之間建立某種聯(lián)系，進而建立可燃物含水率預測模型。其中，火險尺模型法、BEHAVE模型、綜合指標法等具有代表性(劉昕等, 2013)。由于采用統(tǒng)計的方法建立模型，其應用較為簡單(金森等, 1999)。氣象要素回歸法是我國目前預測地表死可燃物含水率的主要方法，但其研究結論很大程度上會受到可燃物特性和研究區(qū)域的限制。

1.3 平衡含水率法

平衡含水率和時滯是可燃物含水率變化的重要特征。平衡含水率定義為可燃物于恒溫、恒濕條件下，一段時間后其含水率達到的一個動態(tài)平衡值。隨溫濕度等環(huán)境條件的變化，可燃物含水率的變化與平衡含水率變化之間有一滯后時間，這一現(xiàn)象可用反應時間和時滯來描述。通過平衡含水率建模的方法稱為平衡含水率法。平衡含水率法在物理上較為可靠，因此適用于小尺度范圍，若推到大尺度上應用準確度會下降(Catchpoleetal., 2001)。平衡含水率法是目前主流的死可燃物含水率預測方法，應用最廣泛。北美多個國家森林火險等級系統(tǒng)都采用此方法。不同環(huán)境下平衡含水率法的預測方法不同，主要包括恒定環(huán)境下、自然環(huán)境下和野外觀測3種預測方法。

1) 恒定環(huán)境： Biot數(shù)(內部水分擴散與外部對流對水汽運動的阻力之比)較小的死可燃物，其含水率變化為下式:

(1)

M=E+(M0-E)e-t/τ。

(2)

式中：M為死可燃物含水率(%)，E為平衡含水率(%)，t為時間(h)，τ為時滯(h)，M0為可燃物初始含水率(%)。若已知可燃物平衡含水率和時滯，可以測得任意時刻的可燃物含水率，此方法適用性較廣。

2) 自然環(huán)境： 處于自然環(huán)境下的溫濕度時刻發(fā)生變化，故可燃物時滯和平衡含水率也會受到影響，金森等(1999)通過建立可燃物時滯、平衡含水率與溫度、濕度和風速的關系式給出了在自然環(huán)境下平衡含水率的預測方法：

(3)

E=G(T,H)；

(4)

T=fT(t)；

(5)

H=fH(t)；

(6)

W=fW(t)。

(7)

式中：T為環(huán)境溫度(℃)，H為相對濕度(%)，W為風速(m·s-1)，t為時間(h)。式(3)為溫度、相對濕度、風速與時滯的函數(shù)關系，式(4)為溫度、相對濕度與平衡含水率之間的函數(shù)關系。式(5)—(7)中fT、fH、fW是溫度、相對濕度和風速的時間動態(tài)函數(shù)。

將式(3)—(7)帶入(1)式得：

(8)

fK(t)=F′[fT(t),fH(t),fW(t)]；

(9)

fM(t)=G[fT(t),fH(t)]。

(10)

在清楚環(huán)境因子對平衡含水率、時滯有影響的前提下，依據(jù)式(10)可預測任意時刻的可燃物含水率值。

3) 野外觀測數(shù)據(jù)預測含水率： Viney(1991)假設死可燃物平衡含水率按日變化，建立方程通過非線性回歸擬合系數(shù)，從而預測死可燃物含水率。之后Viney(1992)提出用相關系數(shù)來確定時滯，根據(jù)實測數(shù)據(jù)，計算不同時滯下2組數(shù)據(jù)的相關系數(shù)，最大相關系數(shù)對應的時滯作為所需要的時滯。Catchpole等(2001)基于Nelson模型提出了另一種死可燃物含水率的預測方法：

m(ti)=λ2mi-1+λ(1-λ)qi-1+(1-λ)qi；

(11)

λ=exp[-δt/(2π)]。

(12)

2 森林地表死可燃物含水率預測模型

2.1 模型應用

測量死可燃物含水率的方式有很多，常見的有烘干法(Matthews, 2013)和電阻法(Yanetal.,2018)，2種方法的局限性是不能及時測量死可燃物含水率，因此，一般通過建立模型來預測死可燃物含水率動態(tài)變化。常用的可燃物含水率模型分為經驗模型和過程模型。經驗模型是利用統(tǒng)計學線性回歸的方法，構建含水率實測數(shù)據(jù)與氣象因子間的關系，氣象要素回歸模型就是典型的經驗模型。過程模型是基于時滯平衡含水率通過嘗試模擬死可燃物內部水汽交換所構建的模型，不同于經驗模型。

2.1.1 經驗模型 經驗模型通常是指根據(jù)森林地表死可燃物含水率對林內環(huán)境因子的響應過程，通過線性回歸分析建立預測死可燃物含水率的模型。經驗模型不需考慮死可燃物內部水汽交換過程，應用起來比過程模型容易?；诖?，也就衍生出眾多經驗模型： Matthews(2013)提出天氣作為變量的多元線性回歸：

(15)

式中：m為可燃物含水率，a0、ai為經驗參數(shù)，Xi為天氣變量。在某些情況下，是滯后的天氣變量而不是瞬時天氣變量，但是這種模型的預測值往往比較獨立，與之前的值無關。

Alves等(2009)通過測量巴西濕地松(Pinuselliottii)人工林含水率，建立了與溫度、風速、相對濕度等氣象因子的線性回歸模型。該模型采樣周期較短，不具有代表性，未得到普及。Lin( 2004)在臺灣采用破壞性取樣，測量黃山松(P.taiwanensis)凋落物含水率，隨后對溫度、相對濕度進行多元線性回歸分析。Marsden-Smedley等(1995)在澳大利亞塔斯馬尼亞的草沼澤地，測量了可燃物含水率并建立了2組經驗模型，一組為使用相對濕度和露點溫度的線性模型來預測對數(shù)轉換的可燃物含水率，另一組為吸附和解吸條件的模型，模型參數(shù)也適用于Catchpole模型(Catchpoleetal., 2001)。Pook等(1993)測量了1988、1990和1991年火災季節(jié)澳大利亞堪培拉輻射松(Pinusradiata)人工林地表死可燃物含水率，并使用1988和1990年的數(shù)據(jù)對溫度、相對濕度和土壤含水量的一系列氣象因子進行多元線性回歸。繼Pook(1993)之后，Ruiz Gonza’lez等(2009)構建了松針及樹枝的含水率模型，松針模型使用相同的參數(shù)用于所有樣品，樹枝模型使用不同的參數(shù)用于不同的物種，2種模型都表現(xiàn)良好。Sharples等(2009)提出將溫濕度作為自變量預測不同類型死可燃物含水率，構建了死可燃物含水率指數(shù)F，與現(xiàn)有的死可燃物含水率模型表現(xiàn)出單調非線性關系，F(xiàn)即可用作經驗法來估計死可燃物含水率。Sharples等(2011)也發(fā)現(xiàn)，通過可燃物特定的校準系數(shù)，F(xiàn)可用于預測含水率值，具有與Sneeuwjagt等(1985)的桉樹(Eucalyptus)模型相似的準確度。國內學者在此方面也開展了大量研究，大多以建立氣象要素回歸模型為主(于宏洲等, 2018):

(16)

式中:M為死可燃物含水率,Xi為所選用的氣象因子,bi為待估參數(shù)。

何仲秋(1992)在樟嶺以前日標準棒濕度等為自變量，建立了樟子松(Pinussylvestrisvar.mongolica)林和興安落葉松(Larixgmelinii)林含水率的預測模型。覃先林等(2001)在松嶺地區(qū)研究測定了落葉松(Larixspp.)、白樺(Betulaplatyphylla)林的死可燃物含水率，建立了回歸模型。居恩德等(1993)測定了東北地區(qū)典型樹種森林的地表死可燃物含水率，建立了與氣象因子的回歸方程。薛煜等(1996)在黑龍江省塔河地區(qū)以相對濕度和雨后天數(shù)作為自變量，建立了落葉松含水率的預測模型。張恒等(2016)運用氣象要素法在盤古林場建立了死可燃物含水率模型，并對以上4種模型的外推精度進行驗證，表明不同季節(jié)模型精度不同，落葉松林模型的外推效果要好于白樺林和樟子松林。張運林等(2015)通過研究季節(jié)和降雨對死可燃物含水率預測模型精度的影響，表明建立區(qū)分季節(jié)和降雨期的氣象要素回歸模型有助于提高林火預測預報的準確性。盧欣艷等(2010)在北京西山通過測量5種林型的地表死可燃物含水率，建立氣象要素回歸模型，分析死可燃物含水率與氣象要素之間的關系。張大明等(2010)應用長白山定位點的氣象數(shù)據(jù)建立了氣象要素線性回歸模型預測紅松(Pinuskoraiensis)闊葉林地表死可燃物無降水條件的含水率，預測精度較好； 在此基礎上，金森等(2014)研究利用氣象站常規(guī)觀測因子(包括降水)建立更大范圍內預測地表可燃物含水率的模型，取得較好效果。

2.1.2 過程模型 可燃物含水率受諸多因子共同影響，不僅有地點、環(huán)境、氣象因子等，還包括可燃物自身的能量守恒和水汽交換，過程模型是基于模擬可燃物的發(fā)生過程來預測含水率，因此，比經驗模型普適性較強。平衡含水率模型主要有以下4種：

1) Simard模型

Simard(1968)根據(jù)已有的一些木材平衡含水率數(shù)值，通過回歸分析給出平衡含水率與相對濕度和溫度之間的關系：

(17)

式中，E為平衡含水率，H為相對濕度(%)，T為環(huán)境溫度(℃)，這些方程的相關系數(shù)在0.98～0.995之間。模型以木材為研究對象，適用范圍較小。

2) Van Wagner模型

Van Wagner(1972)從幾種森林凋落物試驗中獲得吸水和失水過程下平衡含水率的獨立方程，Van Wagner等(1987)后來修正了溫度效應，以確保在相對濕度為零時，平衡含水率在所有溫度下均大致為零：

Ed=0.924H0.679+0.000 499e0.1H+

0.18(21.1-T)(1-e-0.115H)；

(18)

Ew=0.618H0.753+0.000 454e0.1H+

0.18(21.1-T)(1-e-0.115H)。

(19)

式中，Ed和Ew分別為失水過程和吸水過程下死可燃物平衡含水率，且最大差異約為2.7%；H為相對濕度(%)；T為溫度(℃)。

3) Anderson模型

Anderson等(1978)使用西黃松(Pinusponderosa)林數(shù)據(jù)，重新定義原始Van Wagner模型中的回歸常數(shù)。得到的常數(shù)完全不同，吸水和失水平衡含水率分別可表達如下：

Ed=1.651H0.493+0.001 972e0.092H+0.101(23.9-T)；

(20)

Ew=0.891H0.612+0.000 234e0.112H+0.101(23.9-T)。

(21)

當中等溫度條件下和相對濕度控制在20%～95%時，上式產生的平衡含水率值分別低于Van Wagner模型的值，高達3%(烘箱干質量)。

4) Nelson模型

Nelson(1984)平衡含水率模型是基于死可燃物內外水分變化的熱力學原理所構建的平衡含水率與溫度和相對濕度之間的函數(shù)關系，屬于半物理模型。

(22)

式中：E為平衡含水率，C1、C2為待估參數(shù)，T為溫度(℃)，H為相對濕度(%)。

此模型中C1、C2的值需通過回歸分析從相關平衡含水率的試驗中獲取，預計該值在吸水和失水過程中不同，并且隨可燃物類型和溫度的變化而變化。Nelson(1984)認為該模型的基本方程適用條件為相對濕度在10%～90%之間。當H=0時，平衡含水率趨向于-∞； 當H=100%時，平衡含水率趨向于+∞。對于北美葉狀可燃物，Anderson(1978)已經建模，C1、C2作為可燃物溫度的二次函數(shù)，他還建議，每種可燃物的平衡含水率可以通過僅依賴于溫度和濕度的方程來表示，然而這樣的分組以及二次擬合并不令人信服。Viney(1991)認為，Anderson的結論具有很大的局限性。

2.2 模型評價

在上述模型中，我國目前應用最廣的是氣象要素回歸統(tǒng)計模型，其中氣象要素以人工搜集為主，雖應用較簡單，但工作量較大且受地形區(qū)域限制。平衡含水率模型是目前主流的應用模型，該模型以實測空氣溫度、相對濕度為自變量建立模型，不同相對濕度下模型表達不同，區(qū)別于氣象要素回歸模型。加拿大、美國火險等級系統(tǒng)均采用平衡含水率模型，Viney(1991)對上述4種模型進行了綜述性分析：在25 ℃下，以不同的相對濕度為自變量進行了對比分析，認為各模型的預測值不同，在溫度為25 ℃和相同相對濕度的條件下差異達到12%，這是由于地表死可燃物特性不同所致，特別是在Nelson模型中，不同種可燃物類型間的差異較明顯，而Simard和Van Wagner模型這種差異較小。Nelson和Anderson模型由于參數(shù)的不確定性，某些情況下誤差較大。(Andersonetal., 1978)。通過對比模型導數(shù)來比較在溫度梯度下平衡含水率的變化，結果表明，多數(shù)情況下，平衡含水率隨溫度升高而降低，對溫度敏感性最大的是Van Wagner模型，最小的是Simard模型。劉曦等(2007a; 2007b)在相同溫度不同濕度和相同濕度不同溫度下分別比較了4種模型的計算值，表明在濕度梯度和溫度梯度下，4種模型的變化值差異不大，Simard模型計算值最小，Van Wagner模型計算值最大，Anderson模型和Nelson模型計算值居中； 不同模型在溫度梯度上的差異要大于濕度梯度，溫度梯度上差異可達5%，濕度梯度上差異為2%； 除Simard模型外(Simard模型只考慮失水過程)其余3個模型失水過程下的平衡含水率比吸水過程高。此外，由于傳統(tǒng)估測死可燃物含水率方法的復雜性，Catchpole(2001)提出一種利用野外數(shù)據(jù)直接估測含水率的方法，其模型方程參考公式(1)。該方法不要求恒定溫濕度的條件即可測定時滯和平衡含水率，且預測方法較準確。我國眾多學者對其進行了有效性分析，如金森等(2010)分別對直徑為0.5、1.0、1.5 cm的枯枝進行了含水率測定，證明該方法對枯枝有效； 馬壯等(2016)在室內分析了白樺林凋落物、腐殖質、半腐殖質含水率動態(tài)變化，分析此直接估測法的適用性。 目前該方法僅是在Nelson模型的基礎上進行構建的，并未采用其他的平衡含水率響應模型，其效果如何還有待分析。

2.3 模型的驗證

模型的驗證是為了考察模型結構是否適用于新的可燃物類型，并對未來模型應用提供合適參數(shù)，加拿大火災天氣指數(shù)(FWI)系統(tǒng)中過程模型常被用于模型驗證(Van Wagner,1987)。在模型驗證中，人們普遍認為過程模型是合適的，可進一步推廣，以便預測不同類型的可燃物含水率。不同可燃物類型具有不同的理化性質，其含水率變化響應過程不同，也就證實了模型不存在唯一性； 不同地區(qū)的含水率實測值不同，則所構建的模型方程參數(shù)不同，因此只有加強基礎數(shù)據(jù)的獲取才更有利于全方位模型的構建。但目前現(xiàn)有系統(tǒng)中森林可燃物的基礎數(shù)據(jù)仍然薄弱，代表性可燃物類型的參數(shù)并不完善，對構建模型也有影響，有待進一步加強。Anderson等(1978)、金森等(2011)對Catchpole模型做了有效性分析。為提高模型精準性，應選擇不同區(qū)域作為研究對象，調整模型結構適用于不同的可燃物類型，進而擬合模型參數(shù)，建立不同可燃物類型下的含水率模型。同時現(xiàn)有模型在結合GIS推廣應用中并未實現(xiàn)樣地到大區(qū)域尺度的轉化，這個問題還需進一步驗證。同時在研究可燃物含水率模型精度的影響因子時可以結合增強回歸樹(boosted regression tree,BRT)分析法來判定哪些因子對模型精度影響較高，BRT是基于分類回歸數(shù)算法的自學習方法，該方法通過隨機選擇和自學習方法產生多重回歸樹，能夠提高模型預測精度和穩(wěn)定性(Mülleretal., 2013)。BRT方法可得到不同自變量對因變量的影響率，以及其他自變量不變或取均值情況下該自變量與因變量的相互關系(蔡文華等, 2012)。目前分類回歸樹方法已應用于多個領域并取得較好成果，包括物種分布模擬(Pittmanetal., 2009)、土地利用分類(Weisbergetal., 2013)以及火災模擬預測(Stojanovaetal., 2006)。

3 模型精度的影響因子

3.1 氣象因子

溫濕度是影響林內地表死可燃物含水率的主要因子，同樣也是影響模型預測的主要因子。雖然風速可能是影響火災增長的主要氣象因素，但許多研究表明，溫度是影響全年整體森林火災的最重要變量，氣溫升高導致火災活動增加(Gillett, 2004; Parisienetal., 2011)。氣溫與區(qū)域林火之間正相關的原因有3方面：首先，溫度上升會增加蒸散，因為大氣保持水分的能力隨溫度升高而迅速增加(Williamsetal., 2014)，從而降低地下水位，間接降低了森林可燃物含水率； 其次，溫度升高會增加閃電活動，導致更多火災發(fā)生(Rompsetal., 2014)； 最后，較高的溫度可能導致更長的降雪期和更長的火災季節(jié)(Flanniganetal., 2013; Jollyetal., 2015)。經驗模型一般應用距離地表1.5 m處的氣溫，物理模型一般應用地表死可燃物溫度作為預測因子(Rileyetal.,2014; Viney, 1991; Catchpoleetal., 2001)。因地表死可燃物溫度比氣溫更能精確表示含水率的熱量變化條件，Catchpole等(2001)提出利用野外數(shù)據(jù)直接估測可燃物含水率的方法，采用地表可燃物溫度和濕度作為預測因子，方便快捷，精度較高。前人所建立的可燃物含水率模型大多集中選擇合適的氣象因子，并未將季節(jié)降雨變化作為影響因子，張運林等(2015)以大興安嶺盤古林場典型林分為對象，研究表明地表細小死可燃物含水率的預測精度受季節(jié)和降雨影響很大。不同季節(jié)可燃物吸水和失水程度不同；春季期間，可燃物多為前一年所剩，吸水失水程度大，而秋季可燃物多為當年的，可燃物吸水失水程度緩慢。有無降雨則會影響可燃物的失水方式，因此季節(jié)、降雨等因素直接影響可燃物含水率，按季節(jié)、降雨等因素建立地表死可燃物含水率預測模型，有助于提高模型精度。

3.2 地形因子

森林生態(tài)系統(tǒng)中地形因子差異會引起溫濕度變化，一些生態(tài)因子重新分配，與地形因子結合形成不同的局部氣候(Holdenetal., 2011)。這種小氣候變化進而影響到森林可燃物含水率變化。研究(覃先林等, 2001; Viney, 1991)表明，海拔對可燃物含水率的影響最大，空氣溫度隨海拔增加逐漸降低，造成相對濕度增加和可燃物含水率增加； 坡向、坡位對太陽輻射的吸收不同，同樣導致可燃物含水率不同(Slijepcevicetal., 2015)。同一林型的不同坡位會影響可燃物含水率模型的精度，通常上坡位的Simard模型精度較高，下坡位的Nelson模型誤差和氣象要素回歸模型誤差基本相同，下坡位的模型誤差高于上坡位，隨著坡位升高，預測精度逐漸增高，總體趨勢呈現(xiàn)上坡位>中坡位>下坡位。

3.3 林分因子

實用預測模型多是根據(jù)所選擇的代表性林分類型、立地條件所建立的，然后外推到整個林區(qū)。若應用于更多林分類型，則需更多試驗去證明。胡海清等(2016)選取以興安落葉松為代表的5種典型林型地表死可燃物，構建了不同林型的死可燃物含水率預測模型，結果表明Nelson模型和Simard模型預測陰坡落葉松含水率準確率均高于其他4種林分。不同林分內可燃物含水率存在差異，雖2種模型都考慮了水汽交換的物理過程，并不適合所有的林型。于宏洲等(2018)基于氣象要素回歸法和時滯平衡含水率法對大興安嶺地區(qū)盤古林場3種典型林分建立含水率預測模型，結果表明3種模型(氣象因子模型、Simard模型、Nelson模型)預測方法對楊樺(Populus-Betula)混交林的可燃物含水率預測效果較差，而對紅皮云杉(Piceakoraiensis)林的預測效果較為穩(wěn)定； 因不同林分的地表枯落物空間結構不同，結構簡單的林型可燃物含水率預測模型的精度會更高。林分郁閉度也會對模型精度產生影響，于宏洲等(2013)為探究林分郁閉度對模型的影響，選取3種郁閉度的陽坡上坡位森林進行研究，分別采用了氣象要素回歸模型和平衡含水率模型，結果表明對無遮蔭樣地，Simard模型優(yōu)于氣象要素回歸模型和Nelson模型； 對半遮蔭樣地，3種模型預測效果較為接近實測值，Simard模型最優(yōu)； 對林蔭下樣地，可燃物含水率變化最顯著，其中Nelson模型和氣象要素回歸模型優(yōu)于Simard模型。因此，考慮到可燃物含水率的復雜多變及其受到各種因素的影響，以后研究中更應注重同一森林生態(tài)系統(tǒng)中不同可燃物的時空異質性。

3.4 土壤因子

地表死可燃物含水率還會受到土壤含水率及土壤質地的影響，通常上層土壤含水率遠高于下層。研究表明，在土壤含水率達到一定量時，地表凋落物依靠毛細作用，將土壤中少許水分吸附于自身，且土壤近地表的溫度會隨之發(fā)生變化(張吉利， 2018)。這一過程在研究中很容易被忽略。Ferguson等(2002)使用土壤探針研究了松林枯枝落葉和腐殖質含水率的變化，表明其干燥度增加是因水分流入土壤所致，與天氣條件相關不大。

3.5 采樣方法

目前測定林內細小死可燃物含水率的方法有2種，即破壞性采樣法和非破壞性采樣法。破壞性采樣法是指每次測定可燃物含水率都在樣地隨機選取幾個測定點取樣稱質量， 非破壞性法是指在樣地內選取幾處固定的測定點進行固定時間的稱質量，從而求得可燃物含水率。覃先林(2001)、曲智林等(2012)基于破壞性采樣法進行可燃物含水率預測，結果表明，模型擬合度相對較低且誤差較大； 而張思玉等(2006)、高永剛等(2008)基于非破壞性采樣法進行可燃含水率預測，模型擬合度較高。張恒等(2018)以大興安嶺3種典型林型地表可燃物為對象，分析2種采樣方法對可燃物含水率模型精度的影響，表明采樣方法對含水率模型精度影響很大，秋季比春季影響更大，秋季采用非破壞性法更好。理論上2種采樣法都具有時效性，而非破壞性采樣相對更能克服含水率采樣的空間異質性(張恒等， 2018)，更好反映可燃物含水量的環(huán)境適應。2種方法通過打破自然狀態(tài)下可燃物密實度，進而影響可燃物內部水汽流通和改變可燃物的含水率，因此破壞性采樣時應注意采樣標準及如何選取采樣點，非破壞性采樣時應注意前期準備過程。如何選擇適合的野外采樣方法，加強野外含水率動態(tài)研究，是需進一步考慮的問題。

4 結論與展望

森林可燃物含水率研究是由單因子發(fā)展到多因子且復雜多變的過程，特別對地表死可燃物含水率的預測，除受林分因子和環(huán)境因子影響外，在模型選擇方面也很關鍵。在國外，Viney(1991)和Mattews(2013)結合不同學科的知識對森林可燃物含水率研究進程做了較詳細的綜述，增強了對可燃物含水率動態(tài)變化過程的理解；在國內，金森等(1999)對應用較廣泛的平衡含水率法及其模型研究進展做了詳細綜述。但就目前情況而言，森林地表死可燃物含水率的研究仍存在諸多問題。對影響地表死可燃物含水率動態(tài)變化的影響因子研究還不完善，諸多因子在模型實際應用過程中并未體現(xiàn)； 可燃物含水率基礎數(shù)據(jù)薄弱，代表性可燃物類型的相關參數(shù)不完善，只能用現(xiàn)有數(shù)據(jù)進行外推，考慮到森林生態(tài)系統(tǒng)的時空異質性，往往產生較大誤差； 相比物理模型，統(tǒng)計模型的外推能力有限，而平衡含水率時滯的影響因子還不完善，會影響物理模型的外推精度； 另外，在模型推廣應用中，區(qū)域可燃物類型的尺度適用問題有待解決。為此，為構建我國全面的森林死可燃物含水率預測預報體系，提高預測模型精度，今后研究應從以下幾個方面開展。

1) 加強野外含水率動態(tài)觀測研究。選擇適合的野外采樣方法，采樣過程中盡量避免破壞枯落物層的立地條件，研究其時空變化規(guī)律； 加強室內試驗標準化研究工作，做到數(shù)據(jù)精準。通過大量小尺度實地調查，來提高模型精度。利用已有的森林火險因子采集站和森林火險監(jiān)測站，采集連續(xù)觀測的氣象因子和可燃物含水率數(shù)據(jù)，結合不同環(huán)境因子下可燃物含水率監(jiān)測數(shù)據(jù)，構建基于氣象參數(shù)的觀測模型。

2) 加強森林可燃物的基礎數(shù)據(jù)測量。為全面構建森林火險等級系統(tǒng)，應通過加強森林可燃物的基礎數(shù)據(jù)測量來奠定堅實的數(shù)據(jù)基礎，首先應對現(xiàn)有可燃物含水率模型做出適用性評價，通過建立新的可燃物含水率預測模型來確定現(xiàn)有模型在我國主要可燃物類型中的適用程度。其次是開展基于含水率變化特征的可燃物類型劃分，由于森林生態(tài)系統(tǒng)的時空異質性和森林類型的復雜性，想要全部測定可燃物類型有些困難，只能采取測量代表性可燃物類型的方法，因此應結合適用性分析來建立精準的可燃物含水率預測類型劃分體系。

3) 加強林內可燃物含水率空間異質性研究?？扇嘉锖蚀嬖跁r空差異, 可燃物床層結構的含水率存在不連續(xù)分布，具有空間異質性，影響可燃物火行為(胡海清, 2005)。目前，對林內地表死可燃物含水率的空間異質性研究很少，國外一些研究者雖然對獨立林木不同部位的含水率做了異質性研究(Titusetal., 1992)，但并未提及地表死可燃物含水率的狀況。在今后研究中應考慮不同因子影響下死可燃物含水率的動態(tài)變化，特別是了解小尺度森林死可燃物含水率的空間異質性，才能更準確地進行林火預測預報。為準確估算可燃物含水率，建立外推更精準的可燃物含水率模型，應加強可燃物含水率的空間異質性研究。

4) 結合BRT方法，提高模型精度。目前所研究的可燃物含水率模型的影響因子中還有諸多因子并未考慮，因此未來研究中，應多次隨機抽取一定量的數(shù)據(jù)，分析不同影響因子對模型精度的影響程度，并用一部分數(shù)據(jù)對擬合結果進行檢驗。最終判定模型的關鍵影響因子，從而構建精度較高的森林地表死可燃物含水率預測模型。

5) 結合GIS進行大尺度火險預警研究。通過現(xiàn)場采樣，結合氣象指數(shù)，可實現(xiàn)對FMC和FFMC的簡單空間和歷時估計。這種方法成本較高，且對區(qū)域或全球尺度的推廣是不可行的。氣象站通常遠離森林且可能很少(Yebraetal., 2008)。當前可燃物含水率預測都是基于樣地實測數(shù)據(jù)所推導，并未進行樣地到區(qū)域尺度的轉化，在以后研究中，從大尺度來說，應結合林分與區(qū)域尺度的研究，融合不同來源的遙感數(shù)據(jù)，綜合應用RS和GIS技術，建立可燃物含水率的遙感反演模型(胡海清等, 2017)。綜合天然林和人工林，模擬可燃物含水率在空間上的分布規(guī)律，建立不同火險等級的預測模型，為實施現(xiàn)代化林火預測預報奠定基礎。