肖 君

(福建省林業(yè)調查規(guī)劃院,福建 福州 350003)

森林可燃物、火源和氣象條件是森林燃燒現(xiàn)象發(fā)生必須具備的3個基本條件[1]。森林可燃物是指森林生態(tài)系統(tǒng)中可燃燒的植物及其殘體等有機物質,是森林火災發(fā)生、發(fā)展的物質基礎,構成林火行為的主體?？扇嘉镙d量作為森林可燃物的特征之一,是指單位面積上所有可燃物的絕對干物質量。在一定氣象和環(huán)境條件下,可燃物的載量大小明顯影響著林火發(fā)生的行為特征[2-3]。森林可燃物載量調查比較繁瑣,專業(yè)性較強,且一旦發(fā)生火災再進行調查是很難實現(xiàn)的。因此,研究可燃物載量與林分因子的關系,并建立可燃物載量估算模型,是林火管理的重要基礎工作,對研究林火行為、掌握林火發(fā)生規(guī)律并進行森林火險預測預報具有重要意義[4-6]。

至今為止,許多學者都進行了可燃物載量動態(tài)估算模型的研究[7-11]。模型自變量因子主要有郁閉度、林分年齡、平均胸徑、物種信息以及地理信息等。模型類型涵蓋了一元回歸模型、多元回歸動態(tài)模型等傳統(tǒng)可燃物載量估算模型,以及線性混合模型等。如Pierce等[8]建立了可燃物載量的線性混合模型,董宇[11]利用逐步回歸法技術建立了地形因子與可燃物載量的關系模型;同時,也有大量學者建立了不同時滯可燃物載量與各林分因子的一元回歸模型。然而,大部分的研究僅考慮可燃物總載量或喬木林的生物量,而實際上森林的可燃物載量應該包括喬木層、灌木層、草本層、枯落物層以及腐殖質層的精確預測。另外,這些研究還需要解決總量與各個部分分量之間存在的不兼容問題。因此,對可燃物載量估算模型的研究仍有許多需要探索和改進的空間。

鑒于此,本文選擇福建主要林分類型——馬尾松林作為研究對象,利用福建省第一次森林火災風險普查樣地實測數據,為便于模型應用,以樣地調查和森林資源“一張圖”小班一覽表有記載的林分因子為自變量,采用聯(lián)合估計方法,構建可燃物載量相容性模型,提出一種馬尾松林可燃物載量簡便、快速估算方法,解決總量與分量不兼容的問題,并可極大地滿足可燃物載量管理工作的需求;同時,為森林可燃物管理、森林火災的撲救與預防和建立林火預測預報系統(tǒng)提供參考。

1 研究區(qū)概況

福建地處我國東南沿海,位于115°50′—120°44′E、23°31′—28°19′N,土地總面積12.4萬km2,地貌以低山、丘陵為主。屬亞熱帶季風氣候,雨量充沛,光照充足,氣候溫和,年均氣溫15.0～21.7 ℃,年均降水量1132～2059 mm,年均日照時間1702 h。森林植被地帶性明顯、類型豐富、種類繁多,分布有高等植物4700余種[12]。據林草濕與“國土三調”數據對接融合成果,福建省森林面積806.67萬hm2,森林覆蓋率65.12%、居全國首位,森林蓄積量8.07億m3。據第九次森林資源連續(xù)清查成果數據,福建省馬尾松林面積68.53萬hm2、蓄積量6915.78萬m3,分別占喬木林總面積、蓄積量的11.03%、9.48%,單位面積蓄積量100.92 m3·hm-2。天然馬尾松林面積25.49萬hm2、蓄積量2806.71萬m3,分別占馬尾松林總面積、蓄積量的37.20%、40.58%;人工馬尾松林面積43.04萬hm2、蓄積量4109.07萬m3,分別占總面積、蓄積量的62.80%、59.42%。

2 研究方法

2.1 研究材料與數據來源

本研究對象為馬尾松林,根據《福建省森林可燃物標準地和大樣地布設技術方案》[13],依據起源、郁閉度級、齡組、優(yōu)勢樹種(組),在全省范圍采取分層抽樣的方法布設樣地,調查喬木層可燃物載量測算因子,灌木層、草本層、枯落物層和土壤腐殖質層的可燃物載量。喬木層樣地規(guī)格25.82 m×25.82 m,面積667 m2;在喬木層樣地4個角點附近邊外2 m(沿用“一類”調查樣地)或邊內3 m(新設樣地)處設置4個灌木層樣方,規(guī)格2 m×2 m;在灌木層樣方內布設草本層、枯落物層和腐殖質層小樣方,規(guī)格1 m×1 m。本研究數據來源于福建省森林火災風險普查喬木樣地實地調查數據,調查時間為2020年10月—2021年12月,共選取964個樣地,樣地分起源、齡組、郁閉度級進行統(tǒng)計的數量見表1。

表1 各設區(qū)市分起源、齡組、郁閉度級統(tǒng)計的樣地數量

2.2 可燃物載量調查與計算方法

喬木層主要調查因子包括樹種名稱、胸徑、樹高、林齡、密度、郁閉度等?；跇拥孛磕緳z尺數據,采用福建省一元立木材積表[14]計算蓄積量,結合生物量擴展因子關系模型[15],實現(xiàn)蓄積量至生物量擴展,再測算單位面積喬木層可燃物載量。

灌木層、草本層、枯落物層和腐殖質層的可燃物載量采用收獲法調查。灌木層調查優(yōu)勢種(包括胸徑<5 cm的幼樹)、蓋度(冠幅)、株(叢)數(高度<30 cm不計入)、平均高、平均地徑等因子,選擇標準灌木(灌叢)收獲并測定地上干、枝和葉的鮮重,并取樣帶回實驗室烘干測定含水率(干鮮比),基于鮮重、干鮮比計算標準灌木(灌叢)的總干重,根據株(叢)數計算樣方灌木(灌叢)總干重,再測算單位面積灌木層可燃物載量。草本層主要調查優(yōu)勢種、蓋度等因子,枯落物層和腐殖質層主要調查厚度。草本層、枯落物層和腐殖質層收獲并測定每個樣方所有活草本植物(包括高<30 cm的灌木)地上部分鮮重、全部枯落物鮮重、腐殖質濕重,并分別取樣烘干測定含水率(干鮮比),基于鮮(濕)重、干鮮比計算樣方總干重,再測算單位面積可燃物載量。

本研究中喬木層、灌木層和草本層的可燃物載量不包括地下部分,各層可燃物載量依托“全國森林和草原火災風險普查平臺”計算導出。

2.3 建模方法

2.3.1 模型構建 在馬尾松林生長發(fā)育過程中,可燃物載量總量在喬木層、灌木層、草本層、枯落物層、腐殖質層等不同分量上的分配比例是不斷變化的,各分量獨立建模能夠滿足人們對各分量模型估計精度的要求,但未考慮總量與各分量之間的代數和關系,存在不相容問題。本研究采用聯(lián)合估計方法[16-18]解決總量與分量模型不兼容問題。

為確保各分量模型與總量模型相容,以W0、W1、W2、W3、W4、W5依次代表馬尾松林可燃物載量總量、喬木層可燃物載量、灌木層可燃物載量、草本層可燃物載量、枯落物層可燃物載量、腐殖質層可燃物載量,x代表自變量(1個或多個),以總量模型為基礎按以下公式進行控制,構建度量誤差模型。

W0=f0(x)

(1)

(2)

(3)

(4)

(5)

(6)

式中:f0(x)為總量模型,g1(x)、g2(x)、g3(x)、g4(x)、g5(x)依次為喬木層、灌木層、草本層、枯落物層、腐殖質層分量模型。經多方程擬合對比,模型結構設計為:

f0(x)=a1(1+M)a2(1+P1)a3(1+H)a4(1+P2)a5(1+B)a6

(7)

g1(x)=1

(8)

g2(x)=a1(P1H)a2(1+M)a3

(9)

(10)

g4(x)=a1(1+M)a2

(11)

g5(x)=a1Ba2(1+M)a3

(12)

式中:a1、a2、a3、a4、a5、a6為模型參數;M為每公頃蓄積量;P1為灌木蓋度;H為灌木高度;P2為草本蓋度;B為腐殖質厚度。

2.3.2 參數求解與評價指標 本研究中各模型的參數估計采用改進單純形法,選擇決定系數(R)、剩余標準差(S,簡稱標準差)、預估精度(P)、變動系數(CV)等評價指標對結果進行適用性評價。

2.3.3 交叉建模檢驗 模型研建過程的一般作法是一次建模一次檢驗或不作檢驗(前提是建模樣本有代表性),即將樣本分為兩部分,其中大部分用于建模,剩余部分不參加建模,而是用于檢驗。本研究采用交叉建模檢驗同步進行的方式,將全部樣本按機械抽樣的方式分成4組,每次選擇其中3組作為建模樣本,用于確定模型參數,剩余1組作為檢驗樣本,不參加建模,建模和檢驗同步,共執(zhí)行4次,每組樣本都實施1次檢驗和3次建模。在交叉建模檢驗的基礎上,最后再用全部樣本建模,并作為最終的可燃物載量動態(tài)估算模型。

3 結果與分析

3.1 模型參數及擬合效果

從表2可知,在總量和喬木層的模型中,天然馬尾松林的決定系數均達到或超過0.9025,預估精度也均達到或超過98.29%;人工馬尾松林的決定系數和預估精度分別達到或超過0.8387和98.23%;這些數據證明模型的擬合精度高,并且擬合效果較好。然而,在灌木層、草本層和腐殖質層的模型中,天然馬尾松林的決定系數和預估精度分別達到或超過0.6995和82.80%;人工馬尾松林的決定系數和預估精度分別達到或超過0.6309和81.74%;這些數據顯示出模型在這些層面的擬合精度相對較低,擬合效果尚待提高。在枯落物層的模型中,天然馬尾松林的決定系數為0.0750,預估精度為91.59%;人工馬尾松林的決定系數為0.0368,預估精度為93.06%;說明決定系數過低,模型在枯落物層的擬合精度并不理想,擬合效果有待改善。

表2 總量和各分量模型參數及評價指標

總體上,總量和喬木層的模型擬合效果較優(yōu),而灌木層、草本層和腐殖質層的模型擬合效果尚可,枯落物層的模型擬合效果相對較差。這是因為林下的灌木層、草本層、腐殖質層以及枯落物層往往受到各種人為因素和外部環(huán)境因素變化的影響,其變動幅度較大,規(guī)律性較差,尤其是枯落物層,這一特點更為突出。

3.2 模型檢驗

本研究采用交叉建模檢驗同步進行,基于4組樣本,建?；驒z驗共執(zhí)行4次,起源總量和各分量均得出4組模型參數,所有模型分別進行擬合精度和適用精度檢驗,獲得決定系數、標準差和預估精度評價指標值。各模型穩(wěn)定性評價指標選擇參數變動系數,具體為平均值(先計算4組模型各參數的變動系數,再取各參數變動系數絕對值的平均數)和最大值(取各參數變動系數絕對值的最大值)。各模型擬合精度、適用精度檢驗評價指標選擇決定系數、標準差和預估精度,取4組模型各評價指標的平均數。交叉建模檢驗結果見表3。

表3 交叉建模檢驗評價指標特征值

從表3可知,除了人工枯落物層外,模型參數的變動系數平均值均小于50%,其中,總量、喬木層和腐殖質層的變動系數均小于5%。在模型參數的變動系數最大值上,除了天然灌木層、草本層和人工枯落物層外,其余均小于50%,其中,總量、喬木層和腐殖質層的變動系數均小于10%。這些數據都說明各模型的穩(wěn)定性較好。

擬合精度的檢驗結果顯示,除了枯落物層外,決定系數均大于或等于0.6204;預估精度均大于或等于87.63%;說明各模型的擬合效果較好。適用精度的檢驗結果表明,預估精度均大于或等于77.85%,其中,總量和喬木層的預估精度均大于或等于96.67%,說明各模型的適用精度檢驗效果較好。

總之,經過交叉建模檢驗,可以確認使用全部樣本進行建模是可行的,除了個別模型之外,大部分模型的擬合效果都是理想的,并且具有較好的適用性。

3.3 模型應用實例

為便于擬合模型的應用,選擇某縣森林資源“一張圖”中某馬尾松真實小班林分因子(表4)進行可燃物載量估算予以示例。具體估算過程如下:首先,根據起源查表2確定總量、分量模型參數;然后,將小班林分因子代入各分量模型,計算g1(x)、g2(x)、g3(x)、g4(x)、g5(x);最后,將林分因子代入總量模型,計算可燃物載量總量,再按各分量表達式計算各分量載量。估算結果見表4。

表4 小班單位面積可燃物載量估算結果

由表4可知,應用實例的總載量為126.98 t·hm-2,喬木層載量為107.71 t·hm-2,灌木層載量為3.77 t·hm-2,草本層載量為1.43 t·hm-2,枯落物層載量為4.68 t·hm-2,腐殖質層載量為9.39 t·hm-2。從數據上看,喬木層載量最高,占總載量的大部分,表明喬木層是可燃物的主要存儲位置;其次,腐殖質層載量也相對較高,應引起重視。灌木層、草本層和枯落物層的載量相對較低,但其存在仍可能對火災傳播產生影響,因此在進行火災預防和控制時,也應考慮到這些層面的可燃物載量。

總體來說,應用實例小班的可燃物載量較高,需要進行有效的火災預防和控制措施,如清理枯枝落葉、灌木和草本層的可燃物,以及定期對林區(qū)進行巡查,降低火災風險。

4 結論與討論

本研究基于福建省森林火災風險普查樣地實測數據,分析天然和人工起源的馬尾松林可燃物載量。采用聯(lián)合估計方法,構建了一個可燃物載量估算的相容性模型,實現(xiàn)了對馬尾松林的可燃物載量總量、喬木層、灌木層、草本層、枯落物層和腐殖質層分量的估算兼容性。

在總量模型中,決定系數達到0.8387以上,預估精度達到98.23%以上,顯示出模型的擬合精度高,擬合效果理想。在分量模型中,喬木層模型的決定系數達到0.9104以上,預估精度達到98.29%以上,表明模型的擬合效果良好。然而,灌木層、草本層和腐殖質層模型的決定系數只有0.6309以上,預估精度只有81.74%以上,顯示模型的擬合精度相對較低,擬合效果一般。另外,枯落物層模型的決定系數過低,模型擬合效果不盡理想。通過交叉建模檢驗發(fā)現(xiàn),各模型參數的變動系數平均值除了人工枯落物層外,均低于50%,顯示出模型的穩(wěn)定性較好。擬合精度和適用精度檢驗效果較好,除了個別模型外,擬合效果理想,具有較好的適用性?？偟膩碚f,本研究構建的可燃物載量估算相容性模型,不僅在總量預估上表現(xiàn)優(yōu)異,同時在喬木層、灌木層、草本層、枯落物層和腐殖質層等各層次也有良好的適用性,可為福建省內森林可燃物載量估算模型的建立提供重要的示范作用。

然而,模型在預測枯落物層可燃物載量時的精度有待提高,同時本研究在模型構建過程中,也發(fā)現(xiàn)一些潛在的改進空間。首先,盡管枯落物層模型的決定系數相對較低,但其預估精度依然高于90%,預示著模型的優(yōu)化潛力。此外,可燃物載量的測定可能受到采樣時間、植被演替階段以及同一林型不同齡組間的差異等多種因素的影響。因此,考慮模型的動態(tài)性以適應不同季節(jié)、植被演替階段以及防火期的林火管理需求將是一個重要的研究方向。另外,影響可燃物載量的因素眾多,包括森林群落的多樣性和復雜性、地理環(huán)境的差異性、以及人為或自然干擾的嚴重程度等[19-20]。這些因素的作用程度和相互影響的復雜性都會對可燃物載量產生重要影響。本研究在選擇模型的自變量時受限于森林資源“一張圖”小班一覽表記載的林分因子。在未來的研究中,可考慮引入更多的因素,如立地條件、土壤類型、氣象因素等,以進一步完善模型,提高其精度和適用性。