宗學政，田曉瑞，劉 暢

(中國林業(yè)科學研究院森林生態(tài)環(huán)境與保護研究所，國家林業(yè)和草原局森林保護學重點開放性實驗室，北京 100091)

森林火災風險評估是利用一個定量或定性指標描述一個區(qū)域潛在的林火發(fā)生可能及對環(huán)境產(chǎn)生的直接或間接影響[1-2]。森林火險評估在林火管理技術(shù)發(fā)展中起著重要作用[3]?；痣U評估結(jié)果是開展火險區(qū)劃和可燃物管理等活動的必要基礎[4]。

森林火災風險評估的主要方法是根據(jù)火發(fā)生和火影響模型，定量表達火災風險[5]。地理信息系統(tǒng)（GIS）和遙感技術(shù)（RS）的應用為火險評估提供了更多的空間評價指標[6-7]。利用層次分析法對可能影響火動態(tài)的因素進行綜合分析，是火險評估中常用的方法[8-10]。森林火險評估是我國實現(xiàn)科學林火管理工作的重要前提和基礎，現(xiàn)已開展了地區(qū)乃至全國范圍的火險評估工作。如You 等[11]采用地統(tǒng)計學方法從可燃物特征、地形、天氣和人為活動角度分析了福建省武夷山的火險等級。Pan 等[12]利用邏輯斯蒂回歸方程篩選了海拔、土地利用類型、地表溫度、NDVI 和GVMI 作為影響山西省林火發(fā)生的驅(qū)動因子，基于這些因子劃分火險等級。田曉瑞等[13]基于經(jīng)典自然災害風險模型構(gòu)建了森林火災風險評估模型，評估多氣候情景下未來中國的森林火災風險。

在林場尺度開展火險評估工作，更有利于滿足森林資源管理需求，對林場開展針對性的森林防火措施具有重要的指導意義[14-15]。為了提高火險評估的可靠性，火發(fā)生可能、火行為等指標也引入了火險評估。馬振宇等[16]利用可燃物特征分類系統(tǒng)（FCCS）模擬了云南普洱市萬掌山林場和菜陽保護區(qū)的潛在火行為，并基于該指標評估了該區(qū)域的火險等級。在景觀尺度上，火是一種復雜的自然現(xiàn)象，自然因素變化和人為干擾都會影響林火的發(fā)生、火行為和火災損失。而景觀模型的模擬可以較好反映區(qū)域內(nèi)環(huán)境因子對林火發(fā)生及蔓延的影響，其結(jié)果也能準確表示區(qū)域在一個時段內(nèi)的火動態(tài)，成為火險評估中的重要工具[17-20]。但利用這種方法進行林分尺度的火險評估在國內(nèi)還很少。因此，有必要借助景觀模型在林分尺度上開展森林火險評估，這有助于進一步提高在林場等基層單位的林火管理水平[21]。

本研究以北京市九龍山林場為例，利用森林燃燒概率模型（Burn-P3）模擬該區(qū)域的火動態(tài)特征。結(jié)合林場各植被類型的脆弱性和潛在森林火災對承災體的危害性，構(gòu)建森林火災風險評估指標體系，綜合評估森林火災風險。結(jié)果將有助于林場開展針對性的林火管理措施，減緩森林火災風險。

1 研究區(qū)概況

研究區(qū)位于北京市門頭溝區(qū)九龍山林場，呈“<”形圍繞門頭溝城區(qū)的西、北和南面，是門頭溝城區(qū)森林生態(tài)建設中的重要組成部分。地理范圍115o59′～116o06′E，39o54′～39o57′N，總面積19.1 km2。九龍山屬太行山北端余脈，海拔100～990 m。氣候?qū)俅箨憱|岸季風氣候，春季干旱多風，夏季炎熱，冬季寒冷干燥。年平均氣溫為11.7 ℃，1 月平均氣溫最低（?4.3 ℃）；7 月平均氣溫最高（25.8 ℃）。年均降水量為650.4 mm，集中在7 和8 月[22]。

該區(qū)域?qū)儆谂瘻貛ч熑~林帶，主要樹種包括：油松（Pinus tabuliformisCarr.）、側(cè)柏（Platycladus orientalis(L.) Franco）、落葉松（Larix gmelinii(Rupr.) Kuzen.）、刺槐（Robinia pseudoacaciaL.）、栓皮櫟（Quercus variabilisBl.）、蒙古櫟（Quercus mongolicaFisch.ex Ledeb）、山楊（Populus davidianaDode）、黃櫨（Cotinus coggygriaScop.）、榆樹（Ulmus pumilaL.）、白蠟（Fraxinus chinensisRoxb）、五角楓（AcerpictumThunb.ex Murray）等（圖1）。

圖1 研究區(qū)位置與植被類型Fig.1 Study area and vegetation types

研究區(qū)的防火期為10 月—翌年5 月。根據(jù)2011—2020 年的林火統(tǒng)計，林場共發(fā)生過3 起森林火災，火燒類型以地表火為主。

2 數(shù)據(jù)來源

2001—2018 年MODIS-MCD64A1 過火面積數(shù)據(jù)（空間分辨率500 m，時間分辨率1 天）來源于NASA（https://earthdata.nasa.gov）。研究區(qū)DEM 數(shù)據(jù)（分辨率為30 m）源于地理空間數(shù)據(jù)云（http://www.gscloud.cn/）。氣象數(shù)據(jù)采用門頭溝氣象站（54505）逐日觀測數(shù)據(jù)（2017 年9 月至2018 年5 月），包括相對濕度、降水、溫度、風速和風向。林內(nèi)小班數(shù)據(jù)由中國林業(yè)科學研究院華北林業(yè)實驗中心提供，包括樹種組成、林齡、生態(tài)重要性、生態(tài)脆弱性和保護等級等信息。

3 研究方法

3.1 森林火災風險評估模型

基于經(jīng)典自然災害風險模型構(gòu)建森林火災風險評估體系[23]（圖2），主要包括火發(fā)生可能、火行為、火影響和暴露性4 個方面（公式1）。其中火發(fā)生可能性是指區(qū)域內(nèi)林火發(fā)生可能，以燃燒概率表示，數(shù)值越高表示火發(fā)生可能性越高；火行為指標包括火強度、蔓延速度及火發(fā)生類型，數(shù)值越高表示火行為指標越大。這些指標通過Burn-P3 模型計算?；鹩绊懼饕富鸢l(fā)生后對區(qū)域內(nèi)森林資源的影響程度，根據(jù)研究區(qū)的生態(tài)重要性、脆弱性和保護等級計算。暴露性主要考慮潛在的火燒可能對周圍居民區(qū)或水源帶來的安全威脅和污染影響，數(shù)值越高表示對周圍地理環(huán)境的影響越大。

圖2 森林火災風險評估指標結(jié)構(gòu)Fig.2 Structure chart for forest fire risk assessment index

式中：H—森林火災風險；P—林火發(fā)生可能性；B—林火行為；V—火影響；E—暴露性。

3.2 燃燒概率及火行為模擬

Burn-P3 是一個景觀尺度上的火模擬軟件[24]。該模型可以模擬一個區(qū)域在給定時段內(nèi)的每日火發(fā)生和蔓延過程。模型首先根據(jù)可燃物類型和天氣條件判定每個柵格點能否發(fā)生火燒，如果發(fā)生火燒則根據(jù)Prometheus 火增長模型模擬蔓延過程。在一次迭代過程中，同一格點不會發(fā)生重復燃燒的現(xiàn)象。每個格點的燃燒概率為該格點發(fā)生燃燒的迭代次數(shù)與總迭代次數(shù)的比值。

3.2.1 Burn-P3 模型空間數(shù)據(jù) Burn-P3 模擬需要輸入的空間數(shù)據(jù)包括可燃物類型、海拔、風向和風速。所有空間數(shù)據(jù)采用相同投影和分辨率（100 m）（圖3）。為了去除邊界效應，在模擬過程中添加5 km 的緩沖區(qū)。

圖3 Burn-P3 模型需要的空間數(shù)據(jù)Fig.3 Spatial data for Burn-P3 model

基于林分調(diào)查數(shù)據(jù)和高分2 號遙感數(shù)據(jù)（2018年3 月）將研究區(qū)的植被分為常綠針葉林、落葉針葉林、闊葉林和針闊混交林等4 類，分別對應火行為預測系統(tǒng)（Canadian Fire Behavior Prediction,FBP）中的可燃物類型C-3、M-1a、D-1 和M-2b。C-3 表示成熟的短葉松林；M-1a 表示80%落葉針葉林和20%闊葉林；D-1 表示山楊等闊葉林；M-2b 表示由50%落葉針葉林和50%闊葉林組成的混交林[25]。

利用WindNinja3.5.2 軟件生成研究區(qū)風向/風速柵格數(shù)據(jù)。默認主導風速為10 km·h?1，以45°為間隔共創(chuàng)建了8 種風向和風速柵格數(shù)據(jù)：北（0°）、東北（45°）、東（90°）、東南（135°）、南（180°）、西南（225°）、西（270°）和西北（315°）[26]。

3.2.2 Burn-P3 模型模擬參數(shù) 模型需要輸入的參數(shù)包括火險天氣、蔓延天數(shù)頻度分布、燃燒日時長和最小過火面積。模擬時段為2017 年9 月1 日—2018 年5 月31 日。

火險天氣由氣象因子和火險天氣指數(shù)組成。氣象因子包括每日中午（12：00）觀測的溫度、濕度、風向、風速和過去24 h 降水量?；痣U天氣指數(shù)包括細小可燃物濕度碼（Fine Fuel Moisture Code,FFMC）、腐殖質(zhì)濕度碼（Duff Moisture Code,DMC）和干旱碼（Drought Code,DC）以及初始蔓延速度（Initial Spread Index,ISI）、累計指標（Buildup Index,BUI）和火 險天氣指數(shù)（Fire Weather Index,FWI）3 個火行為指標[25]。這部分指標采用R 軟件計算[27]，F(xiàn)FMC、DMC 和DC 的初始值分別設為85.0、6.0 和15.0[25]。

蔓延天數(shù)頻度根據(jù)2001—2018 年MODISMCD64A1 火產(chǎn)品數(shù)據(jù)對該區(qū)域的分析結(jié)果確定[24]。蔓延天數(shù)為1 和2 天的概率分別為75%和25%。

模擬時段劃分為春（4月1日—5月31日）、秋（9月1日—10月31日）和冬（11月1日—翌年3月1日）3 個季節(jié)。根據(jù)過去研究區(qū)及周邊地區(qū)發(fā)生的火場信息，設定春、秋和冬季的燃燒時長分別為3、5 和6 h。

由于研究區(qū)歷史火發(fā)生次數(shù)很少，因此每次模擬的火點位置采用隨機點火模式[28]。

3.2.3 Burn-P3 模型驗證及燃燒概率模擬 模型驗證有助于提高模擬結(jié)果的真實性和可靠性[29]。不同火場面積大小的頻度是驗證Burn-P3 模型的常用指標。該指標受蔓延天數(shù)頻度、燃燒日時長參數(shù)的影響[24]。通過對這些參數(shù)進行調(diào)整以進行模型驗證（迭代次數(shù)為100 次）。K-S 檢驗結(jié)果表明，火場面積在1.1～10 和10.1～100 范圍內(nèi)的頻度分別為74%和26%，與歷史統(tǒng)計的火面積頻度分布無顯著差異（D=0.2,P>0.95）。

利用驗證后的模型參數(shù)對研究區(qū)進行燃燒概率的模擬，迭代次數(shù)為20000 次，以獲取相對穩(wěn)定的燃燒概率圖。模型的輸出包括：燃燒概率（Burn probability,BP）分布圖和每場火的信息表?；鹦袨橹笜税ɑ饛姸龋‵ire intensity,FI）、蔓延速度（Rate of spread,ROS）和樹冠可燃物燃燒比例（Crown fraction burned,CFB）。

3.3 各火險因子的賦值

采用專業(yè)打分法對各指標進行賦值，確定各指標的相對重要性。燃燒概率、火強度和蔓延速度按照自然間斷法（Jenks）劃分為很低、低、中、高和很高5 個等級[30]。燃燒概率越高，表明火發(fā)生可能性越高[28]，則分值越高?；饛姸群吐铀俣戎翟酱?，則對植被造成的破壞及帶來的撲救難度越大[24]，其分值也越高。根據(jù)樹冠可燃物燃燒比例可分為：地表火（CFB <0.1），間歇性樹冠火（0.1 ≤CFB <0.9）和穩(wěn)進樹冠火（CFB ≥ 0.9）[25]。穩(wěn)進樹冠火對森林資源破壞程度最大，撲救也相對困難，分值最高，其次為間歇性樹冠火和地表火[31]（表1）。

表1 燃燒概率及火行為賦值Table 1 Assignments for burn probability and fire behavior

研究區(qū)統(tǒng)計數(shù)據(jù)表明：各小班生態(tài)重要性等級分為一般、比較重要、非常重要和極其重要。生態(tài)脆弱性分為一般、比較脆弱、非常脆弱和極其脆弱。保護等級分為一般保護地、特殊保護地和重點保護地。通過咨詢相關(guān)專家，生態(tài)重要性和保護等級越高，其分值越高；生態(tài)脆弱性等級越高，表明易受林火干擾，其分值也越高（表2）。

表2 生態(tài)價值賦值Table 2 Assignment of ecological value

本研究利用ArcGIS 中的kernel 工具構(gòu)建密度圖。林火發(fā)生位置距離城鎮(zhèn)或水源越近，則可能造成的安全問題越大，其分值也高[32]（表3）。

表3 影響環(huán)境因子賦值Table 3 Assignment for environmental factors

3.4 各火險因子權(quán)重的確定及一致性檢驗

采用層次分析法（AHP）對各因子進行綜合評判[23]。根據(jù)相關(guān)資料確定各指標之間的優(yōu)先性，構(gòu)建判斷矩陣。每個判斷矩陣的最大特征根（λmax）所對應的特征向量即為各指標的權(quán)重，進而確定各指標的權(quán)重λj，，（j=1,2,…n）。

利用隨機性指標（CR）對判斷矩陣進行一致性檢驗：

式中：n為判斷矩陣的階數(shù)；λmax為判斷矩陣的最大特征值；RI為隨判斷矩陣階度而變的常數(shù)，當n值為1、2、3、4、5 時，對應的RI值分別為0、0、0.58、0.91、1.12。

當CR<0.1 時，判斷矩陣達到滿意效果，否則需要重新調(diào)整指標的分值，直到具有滿意的一致性為止。

根據(jù)各層指標的相對重要性確定了各層指標的權(quán)重(表4)。

表4 森林火險評估指標的權(quán)重Table 4 Weight of the indexes for forest fire risk assessment

3.5 森林火險等級評估

利用ArcGIS 對各指標進行歸一化處理。然后利用公式（1）計算森林火災風險等級。采用自然間斷法將火險等級劃分為很低、低、中、高和很高5 個等級，其中風險等級高和很高的區(qū)域是需要加強管理的區(qū)域[13]。

4 結(jié)果分析

4.1 燃燒概率及火行為

研究區(qū)平均燃燒概率為0.0351（變動范圍0～0.159）。燃燒概率等級很低、低、中、高和很高的區(qū)域分別占33.2%、33.2%、17.3%、10.3%和6.0%。燃燒概率高和很高的區(qū)域主要在西部、北部及南部（圖4-a）。東部森林由于受城鎮(zhèn)和水源的阻隔，森林分布破碎，平均燃燒概率較低。

研究區(qū)的火類型以地表火為主，占64.7%；間歇性樹冠火主要位于南部及西部的針葉林內(nèi)，占35.3%。區(qū)域內(nèi)無穩(wěn)進樹冠火發(fā)生（圖4-e）。潛在平均火強度和蔓延速度分別為2140.9 kW·m?2（變動范圍0～16321.8 kW·m?2）和3.7 m·min?1（變動范圍0～23.3 m·min?1）?；饛姸鹊燃壓艿?、低、中、高和很高的區(qū)域分別占42.8%、38.1%、11.5%、5.4%和2.2%。蔓延速度等級很低、低、中、高和很高的區(qū)域分別占34.0%、42.9%、15.8%、5.5%和1.8%?；饛姸群吐铀俣雀吆秃芨邊^(qū)域的空間分布相近，主要在中北部和南部（圖4-c,d）。火行為綜合指標很低、低、中、高和很高的區(qū)域分別占30.3%、31.6%、6.2%、17.8%和14.1%，其中火行為指數(shù)高和很高的區(qū)域分布較零散（圖4-b）。

圖4 區(qū)域燃燒概率及火行為Fig.4 Burn probability and fire behavior in study area

4 種類型可燃物中，落葉針葉林的平均燃燒概率最高，為0.0541。由于其燃燒后易形成樹冠火，導致火強度高、蔓延速度快，其火行為指數(shù)也最高，為0.6414。針闊混交林的燃燒概率（0.0477）和火行為指數(shù)（0.4927）均高于常綠針葉林燃燒概率（0.0362）和火行為指數(shù)（0.3678）。闊葉林的燃燒概率及火行為指數(shù)最低，分別為0.0265 和0.0683。

4.2 火影響和暴露性

研究區(qū)中93.4%的林班生態(tài)重要性為非常重要或極其重要，93.2%屬于重點保護對象。比較脆弱、非常脆弱和極其脆弱的林班比例分別為59.7%、20.3%和7.8%。表明該地區(qū)的森林生態(tài)價值比較高。火發(fā)生后對該地區(qū)森林資源的潛在影響也較高，平均火影響指數(shù)為0.7375（變動范圍0～1），其中，常綠針葉林指數(shù)最高（0.7795），其次為落葉針葉林、針闊混交林和闊葉林，指數(shù)分別為0.7571、0.7517 和0.7367。火影響指數(shù)很低、低和中等級的區(qū)域分別占4.4%、2.0%和32.5%，主要分布在北部、中部及東部；高和很高的區(qū)域分別占0.8%和60.3%，主要分布在研究區(qū)的中北部、中部及南部（圖5）。

圖5 區(qū)域火影響及暴露性Fig.5 Fire impact and exposure in study area

距城鎮(zhèn)或水源越近，帶來的潛在安全及環(huán)境影響嚴重，暴露性指數(shù)越高。研究區(qū)的平均暴露性指數(shù)為0.5765，暴露性很低、低和中的區(qū)域分別占5.4%、8.8%和35.1%；暴露性高和很高的區(qū)域分別占23.0%和27.7%（圖5-b）。距離城鎮(zhèn)和水源的距離越遠的區(qū)域，暴露性等級相應低。闊葉林暴露性指數(shù)最高（0.6071），其次為針闊混交林、落葉針葉林和常綠針葉林，分別為0.5387、0.5153 和0.494 0。

4.3 森林火災風險綜合評估

燃燒概率及火行為指數(shù)在火災風險指數(shù)計算中的比重大，其對火災風險綜合指數(shù)的空間分布影響明顯。森林火災風險高和很高等級火險區(qū)分別占16.2%和9.0%，主要分布在西部、北部和南部；森林火災風險中等的區(qū)域占22.9%，其空間分布與高、很高等級燃燒概率區(qū)分布相近；而火險很低或低的區(qū)域比例分別占27.0%和30.5%，主要分布在鄰近城鎮(zhèn)的區(qū)域（圖6）。

圖6 區(qū)域森林火險Fig.6 Forest fire risk in study area

落葉針葉林、針闊混交林、常綠針葉林和闊葉林的森林火災風險值分別為0.5163、0.4599、0.4237和0.283 0（表5）。落葉針葉林的火災風險最高，闊葉林最低，針闊混交林和常綠針葉林的綜合風險值比較相近。

表5 各植被類型的火險風險值Table 5 Fire risk assessment indexes for each forest types

5 討論

森林火災風險評估是林火研究的重要內(nèi)容，了解高火災風險區(qū)域的空間分布及特征有助于開展針對性的林火預防和管理[1]。國內(nèi)在林分尺度開展的森林火險評估研究主要采用層次分析法[14]、改進物元可拓法[33]和火險指數(shù)計算[15]等，這些研究中都沒有考慮潛在的火行為及火影響。本研究提出的森林火災風險評估方法考慮了火發(fā)生可能、火行為、林地生態(tài)價值和暴露性等4 個指標?；鸢l(fā)生可能和火行為基于火模擬結(jié)果定量描述研究區(qū)每個格點的燃燒概率和潛在火強度，林地的生態(tài)價值考慮了林分的生態(tài)功能和經(jīng)濟價值，暴露性則反映了火對社會和環(huán)境的安全威脅與影響。這一評估方法從多個角度對火災風險進行了充分描述，對于基層單位開展針對性的林火管理活動降低森林火災風險有指導意義。

火發(fā)生可能和火行為的模擬是評估的重點。Burn-P3 模型根據(jù)可燃物、地形和火天氣模擬一個區(qū)域燃燒概率和潛在火行為[29]。與單純利用Rothermel 模型計算林分的潛在火行為[34-35]相比，景觀火模擬模型能更好地表現(xiàn)燃燒可能性和火行為的空間變化，表達信息更充分和直接[1,16,20-21]。研究結(jié)果表明落葉松林燃燒概率最大，其火行為指標也最高，其次為混交林和常綠針葉林。這一結(jié)果與單純依靠可燃物參數(shù)和一般天氣數(shù)據(jù)模擬的火行為有差異。過去利用Rothermel 對西山林場的主要森林類型的火行為模擬研究表明，常綠針葉林的潛在火行為指標最高[34-35]。這種差異產(chǎn)生的原因主要是由于本研究是在景觀尺度上模擬一個防火期內(nèi)每日可能發(fā)生的火燒，每次火燒的模擬基于調(diào)查的可燃物數(shù)據(jù)和真實的火天氣數(shù)據(jù)進行模擬，各林分的燃燒不但受可燃物和天氣因子的影響，還受到景觀格局的影響。研究區(qū)的森林在空間分布上比較破碎，常綠針葉林分布鄰近城鎮(zhèn)或水源，與主要森林分布區(qū)在空間上不連續(xù)。因此，該區(qū)域的森林燃燒基本局限在小的分布范圍內(nèi)，不受主要森林分布區(qū)的影響。Burn-P3 模型還考慮了城鎮(zhèn)和河流等非可燃物分布區(qū)對火蔓延的阻隔作用，因此，該區(qū)域的森林燃燒概率及火行為指標低于主要森林分布區(qū)的同可燃物類型的燃燒概率。研究區(qū)的針闊混交林以油松刺槐混交林或者側(cè)柏-闊葉樹混交林為主，防火期主要處于闊葉落葉期，針葉林和針闊混交林的火行為的差異主要表現(xiàn)為樹冠火的差異。但研究區(qū)的火類型以地表火為主。因此，針葉林和混交林的燃燒概率和火災風險較高。

受獲取的氣象數(shù)據(jù)限制，本研究的燃燒概率模擬只采用了一個火險期的火天氣數(shù)據(jù)，其模擬結(jié)果只反映這個火險期或者與這個火險期類似的火天氣條件下的燃燒性，其結(jié)果可能與極端條件下的火行為模擬結(jié)果存在差異。在今后的研究中應利用多時段火險天氣以獲取穩(wěn)定的燃燒概率。

6 結(jié)論

研究區(qū)內(nèi)燃燒概率高和很高的區(qū)域比例分別為10.3%和6.0%，火行為指數(shù)高和很高的區(qū)域比例分別為17.8%和14.0%。兩者的空間分布相近，主要包括西部、北部及南部的針葉林和針闊混交林。落葉針葉林燃燒概率及火行為指數(shù)最高，闊葉林燃燒概率及火行為指數(shù)最低。生態(tài)價值指數(shù)最高的林分為常綠針葉林，最低的林分為闊葉林。而闊葉林的暴露性指數(shù)最高，常綠針葉林暴露性指數(shù)最低。

火災風險高和很高的區(qū)域分別占16.2%和9.0%，落葉針葉林的火災風險最高，闊葉林的火災風險最低。西部、北部和南部的針葉林和針闊混交林是林火管理的重點區(qū)域。