留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

不同距离气象数据对细小可燃物含水率预测模型精度的影响

张恒 孙子健 张运林 金森 王玉霞

张恒, 孙子健, 张运林, 金森, 王玉霞. 不同距离气象数据对细小可燃物含水率预测模型精度的影响[J]. 浙江农林大学学报, 2018, 35(3): 529-536. doi: 10.11833/j.issn.2095-0756.2018.03.019
引用本文: 张恒, 孙子健, 张运林, 金森, 王玉霞. 不同距离气象数据对细小可燃物含水率预测模型精度的影响[J]. 浙江农林大学学报, 2018, 35(3): 529-536. doi: 10.11833/j.issn.2095-0756.2018.03.019
ZHANG Heng, SUN Zijian, ZHANG Yunlin, JIN Sen, WANG Yuxia. Distance of meteorological data from test site and fine fule forecast model accuracy[J]. Journal of Zhejiang A&F University, 2018, 35(3): 529-536. doi: 10.11833/j.issn.2095-0756.2018.03.019
Citation: ZHANG Heng, SUN Zijian, ZHANG Yunlin, JIN Sen, WANG Yuxia. Distance of meteorological data from test site and fine fule forecast model accuracy[J]. Journal of Zhejiang A&F University, 2018, 35(3): 529-536. doi: 10.11833/j.issn.2095-0756.2018.03.019

不同距离气象数据对细小可燃物含水率预测模型精度的影响

doi: 10.11833/j.issn.2095-0756.2018.03.019
基金项目: 

国家自然科学基金资助项目 31370656

内蒙古农业大学博士启动资金项目 BJ2013D-7

详细信息
    作者简介: 张恒, 讲师, 博士, 从事林火生态与管理等研究。E-mail:zhangheng_nefu@126.com
    通信作者: 王玉霞, 副教授, 博士, 从事林火生态与管理等研究。E-mail:wyx4307113@139.com
  • 中图分类号: S762.2

Distance of meteorological data from test site and fine fule forecast model accuracy

  • 摘要: 为研究不同距离气象数据对细小可燃物含水率预测模型精度的影响,对2010年春、秋季防火期大兴安岭地区塔河县盘古林场的樟子松Pinus sylvestris var. mongolica林、兴安落叶松Larix gmelinii林和白桦Betula platyphylla林等3种林分下细小可燃物含水率进行连续的观测,同时采集试验期内的气象数据构建细小可燃物含水率预测模型。结果表明:利用盘古气象站数据构建的气象因子中,日降水量(R)和前n d降水量之和(Ran),以及前n d平均相对湿度(Han)(n=1~2)显著正相关,春季和秋季分别与日最高气温(Tmax)和连旱天数(d)显著负相关;利用距离实验地较近的盘古气象站的气象数据所建模型精度优于距离较远的塔河模型,模型的平均绝对误差(EMA)和平均相对误差(EMR)分别降低了2.7%和22.6%(P < 0.01)。从细小可燃物的异质性和模型的精度来看,在建模气象数据的采集中,应重视气象因子时间和空间尺度的选取,以确保模型精度。
  • 图  1  细小可燃物含水率与气象因子相关性分析

    Figure  1  Correlation analysis between moisture content and meteorological factors

    图  2  2种气象数据模型误差对比

    Figure  2  Comparison of errors in the two meteorological models

    图  3  不同气象数据模型细小可燃物含水率实测值与预测值对照

    Figure  3  Comparison of measured and predictive values by meteorological data of different methods

    表  1  样地信息

    Table  1.   Information of sampling plots

    林型 树种组成 坡位 坡向 坡度/(°) 平均胸径/cm 平均树高/m 郁闭度 海拔/m
    樟子松林 樟子松 上坡 阳坡 30 18.5 27.5 0.5 534
    兴安落叶松林 落叶松9:白桦1 中坡 阳坡 38 10.2 14.5 0.5 491
    白桦林 白桦9:落叶松1 中坡 阳坡 25 17.9 9.0 0.7 506
    下载: 导出CSV

    表  2  3种林型下可燃物床层结构的量化

    Table  2.   Quantification of bed structure of combustible materials under three forest types

    林型 可燃物厚度/cm 可燃物质量/g 体积密度/(g·cm-3) 密实度
    樟子松林 3.2 35.0 1.56 0.04
    兴安落叶松林 3.0 40.0 1.90 0.05
    白桦林 3.8 20.0 0.75 0.03
    下载: 导出CSV

    表  3  盘古细小可燃物含水率预测模型

    Table  3.   Prediction model of moisture content of fine fuel in Pangu

    林型 季节 常数 R/mm Ra1/mm Ha2/% 调整后R2 F P
    落叶松林 春季 -30.694 0.874 4.248 0.692 33.623 0.000
    秋季 4.329 0.877 0.491 36.703 0.000
    樟子松林 春季 9.402 1.206 0.680 103.876 0.000
    秋季 8.819 0.496 0.575 16.018 0.001
    白桦林 春季 -288.878 0.989 5.227 0.625 25.192 0.000
    秋季 7.374 0.974 0.558 15.634 0.001
    混合林 春季 -186.267 0.997 3.416 0.626 75.639 0.000
    秋季 6.841 0.783 0.659 56.336 0.000
    下载: 导出CSV

    表  4  塔河细小可燃物含水率预测模型

    Table  4.   Prediction model of moisture content of fine fuel in Tahe

    林型 季节 常数 Ra1/mm Ha2/% 调整后R2 F P
    落叶松林 春季 30.761 0.763 0.273 11.877 0.002
    秋季 -111.063 1.862 0.581 18.610 0.000
    樟子松林 春季 -163.059 3.051 0.109 4.564 0.042
    秋季 -69.645 0.301 1.220 0.742 28.343 0.000
    白桦林 春季 26.981 1.104 0.389 19.458 0.000
    秋季 -127.662 2.172 0.654 11.406 0.003
    混合林 春季 -117.487 0.593 2.318 0.278 18.168 0.000
    秋季 -107.072 1.826 0.439 47.168 0.000
    下载: 导出CSV
  • [1] 薛家翠, 望胜玲, 曾祥福, 等.鄂西林地可燃物含水率及火险等级的气象预报研究[J].华中农业大学学报, 2006, 25(6):679-682.

    XUE Jiacui, WANG Shengling, ZENG Xiangfu, et al. Meteorological prediction of the forest fuel moisture and fire danger ratings[J]. J Huazhong Agric Univ, 2006, 25(6):679-682.
    [2] 胡海清, 陆昕, 孙龙, 等.大兴安岭典型林分地表死可燃物含水率动态变化及预测模型[J].应用生态学报, 2016, 27(7):2212-2224.

    HU Haiqing, LU Xin, SUN Long, et al. Dynamics and prediction models of ground surface dead fuel moisture content for typical stands in Great Xing'an Mountains, Northeast China[J]. Chin J Appl Ecol, 2016, 27(7):2212-2224.
    [3] 姜旭.章古台樟子松人工林死可燃物含水率的研究[J].辽宁林业科技, 2016(4):32-33.
    [4] 王栋.森林可燃物含水率与森林火灾危险性的研究[J].林业科学研究, 1992, 5(5):548-553.

    WANG Dong. Study on the relation between the moisture content of forest inflammable material and forest fire danger[J]. For Res, 1992, 5(5):548-553.
    [5] 邸雪颖, 王宏良, 姚树人.林火预测预报[M].哈尔滨:东北林业大学出版社, 1993:159.
    [6] 金森, 李绪尧, 李有祥.几种细小可燃物失水过程中含水率的变化规律[J].东北林业大学学报, 2000, 28(1):35-38.

    JIN Sen, LI Xuyao, LI Youxiang. Desorption processes of four fine fuels[J]. J Northeast For Univ, 2000, 28(1):35-38.
    [7] 刘昕, 邸雪颖. 3种方法对森林地表可燃物含水率的预测评价[J].森林工程, 2013, 29(2):8-20.

    LIU Xin, DI Xueying. Evaluation of three prediction methods on forest surface fuel moisture[J]. For Eng, 2013, 29(2):8-20.
    [8] 王得祥, 徐钊, 张景群, 等.细小可燃物含水率与气象因子关系的研究[J].西北林学院学报, 1996, 11(1):35-39.

    WANG Dexiang, XU Zhao, ZHANG Jingqun, et al. Relationships between climatic factors and water content of fine fuels[J]. J Northwest For Coll, 1996, 11(1):35-39.
    [9] 刘曦, 金森.平衡含水率法预测死可燃物含水率的研究进展[J].林业科学, 2007, 43(12):126-133.

    LIU Xi, JIN Sen. Development of dead forest fuel moisture prediction based on equilibrium moisture content[J]. Sci Silv Sin, 2007, 43(12):126-133.
    [10] WEIDMAN R H. Relation of weather forecasts to the prediction of dangerous forest fire conditions[J]. Mon Wea-ther Rev, 1923, 51(11):563-564.
    [11] RUIZ GONZÁLEZ A D, VEGA HIDALGO J A, ÁLVAREZ GONZÁLEZ J G. Construction of empirical models for predicting Pinus sp. dead fine fuel moisture in NW Spain (Ⅰ): response to changes in temperature and relative humidity[J]. Int J Wildland Fire, 2009, 18(1): 71-83.
    [12] GISBORNE H T. Using weather forecasts for prediction forest fire danger[J]. Mon Weather Rev, 1925, 53(2):58.
    [13] MATTHEWS S, GOULD J, McCAW L. Simple models for predicting dead fuel moisture in eucalyptus forests[J]. Int J Wildland Fire, 2010, 19(4):459-467.
    [14] 杜秀文, 李茹秀, 王英杰.几种森林类型可燃物含水率与气象因子关系的分析[J].东北林业大学学报, 1988, 16(3):87-90.

    DU Xiuwen, LI Ruxiu, WANG Yingjie. The relationship between climatic factors and water content of combustible substances in forests[J]. J Northeast For Univ, 1988, 16(3):87-90.
    [15] 张国防, 林文革, 花昆福, 等.杉木人工林地表易燃物含水率变化规律[J].福建林学院学报, 2000, 20(1):76-78.

    ZHANG Guofang, LIN Wenge, HUA Kunfu, et al. Study on the moisture change of surface easy fuel of Chinese fir plantation[J]. J Fujian Coll For, 2000, 20(1):76-78.
    [16] 覃先林, 张子辉, 易浩若, 等.一种预测森林可燃物含水率的方法[J].火灾科学, 2001, 10(3):159-162.

    QIN Xianlin, ZHANG Zihui, YI Haoruo, et al. A methodology to predict the moisture of forest fuels[J]. Fire Saf Sci, 2001, 10(3):159-162.
    [17] 张恒, 金森, 邸雪颖.大兴安岭森林凋落物含水率的季节动态与预测[J].林业科学研究, 2014, 27(5):683-688.

    ZHANG Heng, JIN Sen, DI Xueying. Seasonal dynamics and prediction of forest litter moisture in Daxing'anling Region[J]. For Res, 2014, 27(5):683-688.
    [18] 杨光. 气候变化对中国北方针叶林森林火灾的影响[D]. 哈尔滨: 东北林业大学, 2010: 14.

    YANG Guang. The Impact of Climate Change on Foest Fire in China's Boreal Forest[D]. Harbin: Northeast Forestry University, 2010: 14.
    [19] 薛煜, 王会岩, 张世萍.落叶松人工林内可燃物载量、含水率与森林燃烧性关系的研究[J].森林防火, 1996(4):21-23.

    XUE Yu, WANG Huiyan, ZHANG Shiping. Study on relationship between fuel load, water content and forest combustibility in Larix gmelinii plantation[J]. For Fire Prev, 1996(4):21-23.
    [20] 刘志华, 常禹, 陈宏伟.基于遥感、地理信息系统和人工神经网络的呼中林区森林蓄积量估测[J].应用生态学报, 2008, 19(9):1891-1896.

    LIU Zhihua, CHANG Yu, CHEN Hongwei. Estimation of forest volume in Huzhong forest area based on RS, GIS and ANN[J]. Chin J Appl Ecol, 2008, 19(9):1891-1896.
    [21] 金森, 李亮.时滞和平衡含水率直接估计法的有效性分析[J].林业科学, 2010, 46(2):95-102.

    JIN Sen, LI Liang. Validation of the method for direct estimation of time lag and equilibrium moisture content of forest fuel[J]. Sci Silv Sin, 2010, 46(2):95-102.
    [22] 李世友, 张凯, 杨清, 等.华山松林细小可燃物层燃烧初始蔓延速度的初步研究[J].福建林业科技, 2009, 36(1):58-61.

    LI Shiyou, ZHANG Kai, YANG Qing, et al. Preliminary study on initial burning spread speed of fine combustible layer in Pinus armandis forest[J]. J Fujian For Sci Technol, 2009, 36(1):58-61.
    [23] 张恒, 金森, 邸雪颖.基于FWI湿度码的塔河林业局地表凋落物含水率预测[J].应用生态学报, 2014, 25(7):2049-2055.

    ZHANG Heng, JIN Sen, DI Xueying. Prediction of litter moisture content in Tahe Forestry Bureau of Northeast China based on FWI moisture codes[J]. Chin J Appl Ecol, 2014, 25(7):2049-2055.
    [24] 张恒, 金森, 张运林, 等.气象法预测盘古林场可燃物含水率的外推精度[J].中南林业科技大学学报, 2016, 36(12):61-67.

    ZHANG Heng, JIN Sen, ZHANG Yunlin, et al. Meteorological elements regression method is used to predict Pangu Forest Farm extrapolation accuracy analysis of fuel moisture content[J]. J Cent South Univ For Technol, 2016, 36(12):61-67.
    [25] 李海洋, 胡海清, 孙龙.我国森林死可燃物含水率与气象和土壤因子关系模型研究[J].森林工程, 2016, 32(3):1-6.

    LI Haiyang, HU Haiqing, SUN Long. Research on relational models of moisture content of dead forest fuel with meteorological factors and soil factors in China[J]. For Eng, 2016, 32(3):1-6.
    [26] 陆昕, 胡海清, 孙龙, 等.大兴安岭地表细小死可燃物含水率预测模型[J].东北林业大学学报, 2016, 44(7):84-90.

    LU Xin, HU Haiqing, SUN Long, et al. Prediction models of fine dead fuels moisture content for typical stand in Daxing'an Mountains[J]. J Northeast For Univ, 2016, 44(7):84-90.
    [27] CHUVIECO E, AGUADO I, DIMITRAKOPOULOS A P. Conversion of fuel moisture content values to ignition potential for integrated fire danger assessment[J]. Can J For Res, 2004, 34(11):2284-2293.
    [28] FOSBERG M A, DEEMING J E. Derivation of the One-and Ten-Hour Timelag Fuel Moisture Calculations for Fire-Danger rating[R]. New York: USDA Forest Service, Rocky Mountain Forest and Range Experiment Station, 1971.
  • [1] 赵鹏武, 管立娟, 周梅, 舒洋, 乌艺恒, 陈佳佳.  内蒙古罕山次生林北段森林死亡梯度下植物多样性特征 . 浙江农林大学学报, 2024, 41(1): 41-48. doi: 10.11833/j.issn.2095-0756.20230204
    [2] 何韦均, 杨锦昌, 郝建, 董明亮, 余纽, 覃国铭, 李荣生.  米老排人工林节子时空分布特征及变色规律 . 浙江农林大学学报, 2022, 39(4): 814-820. doi: 10.11833/j.issn.2095-0756.20210517
    [3] 玉宝.  兴安落叶松中幼龄天然林空间利用特征及影响因子 . 浙江农林大学学报, 2020, 37(3): 407-415. doi: 10.11833/j.issn.2095-0756.20190382
    [4] 俞友明, 王聪, 蔡智勇, 卢克阳.  铝-木复合材料抗弯性能预测与分析 . 浙江农林大学学报, 2017, 34(1): 1-6. doi: 10.11833/j.issn.2095-0756.2017.01.001
    [5] 胡梦霄, 杭芸, 黄华宏, 张胜龙, 童再康, 楼雄珍.  杉木木材结晶度的近红外预测模型建立及变异分析 . 浙江农林大学学报, 2017, 34(2): 361-368. doi: 10.11833/j.issn.2095-0756.2017.02.022
    [6] 张威, 张守科, 舒金平, 孟海林, 吴鸿, 王浩杰.  环境温湿度对黄脊竹蝗趋尿行为的影响 . 浙江农林大学学报, 2017, 34(4): 704-710. doi: 10.11833/j.issn.2095-0756.2017.04.017
    [7] 王凯, 牛树奎.  基于Rothermel模型的北京鹫峰国家森林公园潜在火行为 . 浙江农林大学学报, 2016, 33(1): 42-50. doi: 10.11833/j.issn.2095-0756.2016.01.006
    [8] 汪爱娟, 洪文英, 吴燕君, 李阿根, 张舟娜, 许张杰.  浙江塘栖枇杷黄毛虫种群数量特征及预测模型 . 浙江农林大学学报, 2016, 33(4): 712-717. doi: 10.11833/j.issn.2095-0756.2016.04.022
    [9] NGUYENThiHuongGiang, 张齐生.  竹集成材高频热压过程中板坯内温度的变化趋势 . 浙江农林大学学报, 2015, 32(2): 167-172. doi: 10.11833/j.issn.2095-0756.2015.02.001
    [10] 秦飞飞, 唐丽华.  基于数字高程模型的森林火灾远程视频同步跟踪算法 . 浙江农林大学学报, 2012, 29(6): 917-922. doi: 10.11833/j.issn.2095-0756.2012.06.017
    [11] 项移娟, 管剑锋, 李健, 黄继玉, 马良进.  浙江省松材线虫病发生程度预测预报模型 . 浙江农林大学学报, 2011, 28(5): 775-778. doi: 10.11833/j.issn.2095-0756.2011.05.015
    [12] 玉宝, 张秋良, 王立明, 乌吉斯古楞.  不同结构落叶松天然林生物量及生产力特征 . 浙江农林大学学报, 2011, 28(1): 52-58. doi: 10.11833/j.issn.2095-0756.2011.01.009
    [13] 李玉发, 房伟民, 陈发棣, 石常磊.  日光温室多头切花菊品质模拟 . 浙江农林大学学报, 2010, 27(3): 404-409. doi: 10.11833/j.issn.2095-0756.2010.03.014
    [14] 卢杰, 郑维列, 兰小中.  长鞭红景天生物量基本特性研究 . 浙江农林大学学报, 2008, 25(6): 743-748.
    [15] 楼雄伟, 方陆明, 徐爱俊, 叶祥根.  多源数据融合下的森林防火本底数据库建立 . 浙江农林大学学报, 2008, 25(4): 405-410.
    [16] 张思玉, 蔡金榜, 陈细目.  杉木幼林地表可燃物含水率对主要火环境因子的响应模型 . 浙江农林大学学报, 2006, 23(4): 439-444.
    [17] 谢大洋.  毛竹枯梢病灾区区划及预测模型 . 浙江农林大学学报, 2003, 20(4): 398-402.
    [18] 钱俊, 金永明, 张文标.  电场对杨木胶合效应之再探 . 浙江农林大学学报, 1999, 16(3): 293-296.
    [19] 宋白瑜.  增强实木地板物理形状稳定性探讨 . 浙江农林大学学报, 1998, 15(4): 363-366.
    [20] 楼崇, 刘成林.  毛竹质量生长的研究 . 浙江农林大学学报, 1994, 11(3): 269-273.
  • 加载中
  • 链接本文:

    https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.2018.03.019

    https://zlxb.zafu.edu.cn/article/zjnldxxb/2018/3/529

图(3) / 表(4)
计量
  • 文章访问数:  2411
  • HTML全文浏览量:  514
  • PDF下载量:  275
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-07-05
  • 修回日期:  2017-09-20
  • 刊出日期:  2018-06-20

不同距离气象数据对细小可燃物含水率预测模型精度的影响

doi: 10.11833/j.issn.2095-0756.2018.03.019
    基金项目:

    国家自然科学基金资助项目 31370656

    内蒙古农业大学博士启动资金项目 BJ2013D-7

    作者简介:

    张恒, 讲师, 博士, 从事林火生态与管理等研究。E-mail:zhangheng_nefu@126.com

    通信作者: 王玉霞, 副教授, 博士, 从事林火生态与管理等研究。E-mail:wyx4307113@139.com
  • 中图分类号: S762.2

摘要: 为研究不同距离气象数据对细小可燃物含水率预测模型精度的影响,对2010年春、秋季防火期大兴安岭地区塔河县盘古林场的樟子松Pinus sylvestris var. mongolica林、兴安落叶松Larix gmelinii林和白桦Betula platyphylla林等3种林分下细小可燃物含水率进行连续的观测,同时采集试验期内的气象数据构建细小可燃物含水率预测模型。结果表明:利用盘古气象站数据构建的气象因子中,日降水量(R)和前n d降水量之和(Ran),以及前n d平均相对湿度(Han)(n=1~2)显著正相关,春季和秋季分别与日最高气温(Tmax)和连旱天数(d)显著负相关;利用距离实验地较近的盘古气象站的气象数据所建模型精度优于距离较远的塔河模型,模型的平均绝对误差(EMA)和平均相对误差(EMR)分别降低了2.7%和22.6%(P < 0.01)。从细小可燃物的异质性和模型的精度来看,在建模气象数据的采集中,应重视气象因子时间和空间尺度的选取,以确保模型精度。

English Abstract

张恒, 孙子健, 张运林, 金森, 王玉霞. 不同距离气象数据对细小可燃物含水率预测模型精度的影响[J]. 浙江农林大学学报, 2018, 35(3): 529-536. doi: 10.11833/j.issn.2095-0756.2018.03.019
引用本文: 张恒, 孙子健, 张运林, 金森, 王玉霞. 不同距离气象数据对细小可燃物含水率预测模型精度的影响[J]. 浙江农林大学学报, 2018, 35(3): 529-536. doi: 10.11833/j.issn.2095-0756.2018.03.019
ZHANG Heng, SUN Zijian, ZHANG Yunlin, JIN Sen, WANG Yuxia. Distance of meteorological data from test site and fine fule forecast model accuracy[J]. Journal of Zhejiang A&F University, 2018, 35(3): 529-536. doi: 10.11833/j.issn.2095-0756.2018.03.019
Citation: ZHANG Heng, SUN Zijian, ZHANG Yunlin, JIN Sen, WANG Yuxia. Distance of meteorological data from test site and fine fule forecast model accuracy[J]. Journal of Zhejiang A&F University, 2018, 35(3): 529-536. doi: 10.11833/j.issn.2095-0756.2018.03.019
  • 森林火灾突发性强、破坏性大,严重影响森林生态系统的平衡[1]。地表细小可燃物的含水率作为林火预报的重要因子决定着林火发生的可能性及一系列的火行为[2-3],因此,掌握林火发生和发展的变化首先需精确掌握细小可燃物含水率的变化[4],地表细小可燃物含水率的研究对于火险预报意义重大[5-6]。目前,细小可燃物含水率预测的气象要素回归法简单实用,通过分析各种气象因子(降水量、风速、气温和湿度等),建立相应的含水率预测模型,小尺度范围内的预测精度高[7-9]。20世纪20年代,国外学者[10-12]就建立过有关气象要素回归法的含水率预测模型,中国学者[13-17]也建立了若干森林细小可燃物含水率气象要素预测模型。细小可燃物含水率预测模型获取气象数据主要有以下几种方法:①历史资料。主要来自各地市气候中心编制的气象资料,数据类别比较单一。②实时和整编汇总历史气象数据。主要来自各气象台站的观测数据及中国气象科学数据共享服务网(http://cdc.cma.gov.cn/),气象数据类别完整,包括逐年、逐月和逐日数据[18]。③手持小型气象站或在样地内设置便携式移动气象站,进行短期监测。其中方法一和方法二得到的气象数据大部分都从林外架设的气象台站获取的,而林内小气候与外界差异很大,在一定程度上对含水率预测精度造成影响;虽然方法三得到的是林内气象数据,但进行长期监测不现实,实际中很难开展。获取气象数据的位置与细小可燃物含水率监测点距离远近对模型精度影响和误差具体有多大,对未来开展气象要素回归法进行含水率预测研究意义重大[17]。为解决以上问题,本研究以大兴安岭盘古和塔河的细小可燃物含水率为研究对象,分析不同距离气象要素对细小可燃物含水率预测模型精度的影响。

    • 盘古林场位于大兴安岭塔河林业局(52°41′57.1″N,123°51′56.5″E),塔河气象站距离盘古气象站为96 km,实验样地与盘古气象站距离不到10 km。寒温带大陆性季风气候。年均气温为-5.0 ℃,年降水量为350~500 mm,降水集中于7-8月,相对湿度为70%~75%,常出现高温低湿及大风天气。植被类型是以兴安落叶松Larix gmelinii为优势的寒温带针叶林[19-20],主要林分类型为樟子松Pinus sylvestris var. mongolica-兴安落叶松-白桦Betula platyphylla混交林,樟子松林和白桦林,还有少量的红皮云杉Picea koraiensis林。春秋两季为森林防火多发期[17]

    • 野外观测日期为2010年5月29日至6月27日(春季森林防火期)和9月23日至10月13日(秋季森林防火期),共50 d。在盘古林场阳坡选白桦林、樟子松林和兴安落叶松林等3种林型,样地基本情况见表 1

      表 1  样地信息

      Table 1.  Information of sampling plots

      林型 树种组成 坡位 坡向 坡度/(°) 平均胸径/cm 平均树高/m 郁闭度 海拔/m
      樟子松林 樟子松 上坡 阳坡 30 18.5 27.5 0.5 534
      兴安落叶松林 落叶松9:白桦1 中坡 阳坡 38 10.2 14.5 0.5 491
      白桦林 白桦9:落叶松1 中坡 阳坡 25 17.9 9.0 0.7 506
    • 在每个样地内,在林中空地和树冠下细小可燃物分布较均匀处设置样筐,分别挖取20.0 cm × 20.0 cm小样方1个·点-1。由于可燃物层密实度是影响火行为的一个重要因素,测量并计算可燃物厚度、质量和体积,并最终得到可燃物密实度(表 2),然后保持其自然状态,分别放入样筐中,再放回原位,保持可燃物的原始状态。使用5号塑料方筛(265.0 mm × 205.0 mm × 85.0 mm),在其底部及四壁用尼龙网(18目,1.0 mm)加衬,上方加盖粗眼尼龙网(8目,2.5 mm),并在盛装样品后使用尼龙扎绳固定,以防止新凋落的树木叶片进入到容器内,也避免容器内的样品因风或小型动物的活动而变化。样筐上挂上号牌,号牌上记录样地与样点编号,以免重复观测时发生混淆。使用塑料容器而没有使用金属容器的原因是,金属容器长期处在潮湿环境中会发生锈变而影响质量。每日14:00(误差<10 min),按同样的样地顺序称量样筐2个·样地-1的质量并记录,记做湿质量。称量时小心取出容器,不破坏容器中可燃物和周围可燃物的结构。为了便于在野外称量,选用便携式电子天平[美国双杰(G & G)生产的JJ600Y型],称量时使用预先制作的折叠板在地表水平展开,安置并校准天平后在板盒内进行称量,以排除风的干扰。

      表 2  3种林型下可燃物床层结构的量化

      Table 2.  Quantification of bed structure of combustible materials under three forest types

      林型 可燃物厚度/cm 可燃物质量/g 体积密度/(g·cm-3) 密实度
      樟子松林 3.2 35.0 1.56 0.04
      兴安落叶松林 3.0 40.0 1.90 0.05
      白桦林 3.8 20.0 0.75 0.03
    • 气象数据由塔河林业局气象站和盘古林场气象观测站获得,包括2010年5月24日至6月27日(春季森林防火期)和9月18日-10月13日(秋季森林防火期),共60 d,于采样前5日起采集气象数据。采集气象要素包括日每小时平均气温(T),相对湿度(H)和风速(W),以及日降水量(R)和前n d降水量之和(Ran)。

    • 采用Pearson法对气象因子和细小可燃物含水率进行相关性分析,并作Duncan差异显著性检验,采用配对t检验比较不同对照的精度差异。利用SPSS 18.0软件进行统计分析和建模,利用SigmaPlot 12.5软件绘图。

    • 细小可燃物含水率计算公式:

      $$ M = \left( {{m_{\rm{H}}} - {m_{\rm{D}}}} \right)/{m_{\rm{D}}} \times 100\% 。 $$ (1)

      式(1)中:M为细小可燃物含水率(%);mH为细小可燃物湿质量(g);mD为细小可燃物干质量(g)。采用2个不同郁闭度含水率的算术平均值作为该样地当日14:00时采样方法的含水率,春季数据共30 d(组),秋季数据20 d(组)。

    • 整理塔河林业局气象站和盘古林场气象站提供的气象数据:前nn=1~5)d气象因子(累积量)、n d前当日气象因子(当日量)等,其中前n d气象因子和n d前当日气象因子以采样当日0:00为基准。将前几天气象因子设为a,几天前当日气象因子设为b,均以下标表示,其后数字代表n值,如4 d前当日平均气温记为Tb4,前3 d降水量之和记为Ra3,前2 d平均相对湿度记为Ha2,连旱天数记为d

    • 根据Pearson相关性分析确定对细小可燃物含水率有显著影响的因子,剔除实验中的异常数据后,以每个样地的细小可燃物含水率或全部的含水率(以下称混合数据)为因变量,以气象要素为自变量通过逐步回归方法建立多元线性方程。具体形式为:

      $$ M = \sum\limits_{i = 1}^n {{X_i}} {b_i}。 $$ (2)

      式(2)中:M为细小可燃物含水率(%);Xi为所选用的气象因子;bi为待估计参数,采用混合数据建模的目的是确定该方法能否提高模型精度。采用n-Fold交叉验证法[21]计算模型精度[22]对于某样地的n个含水率数据,用n-1个含水率和气象要素进行逐步回归,建立多元线性模型,然后用剩余的一个数据验证,计算误差,重复n次。计算平均误差,对不同对照的误差进行显著性检验(配对t检验),显著性水平为α=0.05[23],误差按式(3)和式(4)计算。

      $$ 平均绝对误差\left( {{E_{{\rm{MA}}}}} \right) = 1/n\sum\limits_{i = 1}^n {\left| {{M_i} - {{\hat M}_i}} \right|} ; $$ (3)
      $$ 平均相对误差\left( {{E_{{\rm{MR}}}}} \right) = 1/n\sum\limits_{i = 1}^n {\frac{{\left| {{M_i} - {{\hat M}_i}} \right|}}{{{M_i}}}} 。 $$ (4)

      式(3)和式(4)中:Mi为细小含水率实测值(%),$ {\hat M_i} $为细小可燃物含水率预测值(%),n为样本数。绘制利用不同数据建模进行比较分析的混合模型实测值与预测值的1:1线,用以研究预测效果。

    • 图 1给出了3个林型采样细小可燃物含水率和实验地不同距离的盘古和塔河气象站提供的有显著关系的气象因子之间的Pearson相关系数。结果表明:不同距离的气象因子与不同林型细小可燃物含水率的影响因子相关性存在差异。利用盘古气象站数据构建的气象因子中日降水量(R)和Ran,以及平均相对湿度(Han)(n=1~2)显著正相关。另外,春季和秋季分别与日最高气温(Tmax)和连旱天数(d)呈显著负相关,nn=1~5)d前当日气象因子对细小可燃物含水率也有影响,但不如前3类因子更普遍,利用塔河气象站数据构建的气象因子中与细小可燃物含水率相关性较强的都是与湿度相关的因子(Ha1Ha2),气温和风速与含水率相关性较差。因此,在进行含水率预测时,只需采用湿度和降水量2个变量即可。

      图  1  细小可燃物含水率与气象因子相关性分析

      Figure 1.  Correlation analysis between moisture content and meteorological factors

    • 通过多元线性逐步回归筛选出不同气象数据构建细小可燃物含水率预测模型所采用的预测因子以及模型参数(表 3表 4),盘古模型日降水量(R)和Ran,前1 d降水量和Ra1以及前2 d平均相对湿度Ha2是影响细小可燃物含水率变化最重要的因子,塔河模型采样前1 d的降水量和湿度为主要影响因子。

      表 3  盘古细小可燃物含水率预测模型

      Table 3.  Prediction model of moisture content of fine fuel in Pangu

      林型 季节 常数 R/mm Ra1/mm Ha2/% 调整后R2 F P
      落叶松林 春季 -30.694 0.874 4.248 0.692 33.623 0.000
      秋季 4.329 0.877 0.491 36.703 0.000
      樟子松林 春季 9.402 1.206 0.680 103.876 0.000
      秋季 8.819 0.496 0.575 16.018 0.001
      白桦林 春季 -288.878 0.989 5.227 0.625 25.192 0.000
      秋季 7.374 0.974 0.558 15.634 0.001
      混合林 春季 -186.267 0.997 3.416 0.626 75.639 0.000
      秋季 6.841 0.783 0.659 56.336 0.000

      表 4  塔河细小可燃物含水率预测模型

      Table 4.  Prediction model of moisture content of fine fuel in Tahe

      林型 季节 常数 Ra1/mm Ha2/% 调整后R2 F P
      落叶松林 春季 30.761 0.763 0.273 11.877 0.002
      秋季 -111.063 1.862 0.581 18.610 0.000
      樟子松林 春季 -163.059 3.051 0.109 4.564 0.042
      秋季 -69.645 0.301 1.220 0.742 28.343 0.000
      白桦林 春季 26.981 1.104 0.389 19.458 0.000
      秋季 -127.662 2.172 0.654 11.406 0.003
      混合林 春季 -117.487 0.593 2.318 0.278 18.168 0.000
      秋季 -107.072 1.826 0.439 47.168 0.000
    • 图 2可知:采用盘古气象数据建模的8个含水率的平均相对误差(EMR)为42.0%,平均绝对误差(EMA)为9.4%,而采用塔河气象数据建模的EMREMA分别为64.6%和12.1%。利用盘古气象数据建模的2种误差都要低于塔河数据。另外,全部数据混合建模的误差还要高于某些单独建模的误差,并没有改善模型的精度。主要原因是不同采样地的细小可燃物含水率对不同气象因素的响应不同。

      图  2  2种气象数据模型误差对比

      Figure 2.  Comparison of errors in the two meteorological models

      对不同气象数据建模的2种误差进行t检验结果表明:盘古模型的EMAn=8,t=-4.155,P<0.01),EMRn=8,t=-4.258,P<0.01)极显著低于塔河模型;对于春季2种气象模型t检验的结果表明:盘古模型与塔河模型的EMAn=4,t=-2.707,P=0.073)差异不显著,而EMR差异显著(n=4,t=-3.387,P<0.05)。秋季盘古模型的EMA显著低于塔河模型(n=4,t=-3.274,P<0.05),EMR极显著低于塔河模型(n=4,t=-8.151,P<0.01)。总体上,2种误差变化趋势基本一致。3个林型在春季和秋季,盘古模型的2种误差都要显著低于塔河模型。这表明利用盘古气象数据进行预测的效果更好。总体来说,利用不同距离的气象数据建模对模型精度的影响很大,距离试验地较近的盘古气象数据模型的预测效果最好,而塔河模型的误差较大,预测效果不好。

      图 3可知:盘古春季细小可燃物含水率显然比塔河春季更加靠近1:1线,塔河数据在含水率高于90%段离散程度加大,且存在较低实测值而预测偏高的情况,相对来说,秋季盘古和塔河数据点偏离程度相差不大,盘古模型相对于塔河模型实测细小可燃物含水率高于50%的样点较多,预测偏高。这表明:盘古气象数据所建模型的预测精度更高。

      图  3  不同气象数据模型细小可燃物含水率实测值与预测值对照

      Figure 3.  Comparison of measured and predictive values by meteorological data of different methods

    • 本研究使用距离试验地不同的气象数据建立的细小可燃物含水率预测模型的精度差异明显。塔河气象站与盘古气象站距离为96 km,从气象距离角度划分,100 km左右属于中尺度距离。实验样地与盘古气象站的距离不到10 km。小气候与大气候之间有着密切的关系,任一地点的各个气象要素值,总是由大气候背景与小气候叠加而成的。细小可燃物含水率与前几日降水量(R)和Ran以及前几日平均相对湿度Han关系最为密切。小气候的变化能够更直接地作用于可燃物本身,但受地理等条件影响,细小可燃物含水率对气象要素的响应有一定滞后,甚至不符,宏观的天气状况与微观的细小可燃物含水率变化存在一定的偏差。从研究结果来看,小尺度盘古气象数据更能反映细小可燃物含水率变化的真实情况,预测效果也更好。

      不同距离的气象数据对模型精度的影响有显著的差异,利用模型外推进一步表明气象要素回归法外推误差与距离不完全成正比,可能和局域林分的特点有很大关联。在多大范围内可建立一个较为通用的气象模型还需要更深一步的研究[24]。若将本研究结果外推至全国其他地区的细小可燃物含水率预测模型中,由于森林生态系统的异质性和复杂性,还要充分考虑到不同的地形条件和林分条件。

      气象要素回归法对数据的要求高,所以气象因子选取时应充分考虑物理因素对准确性的影响[25]。本研究虽满足此类研究的精度要求,但也存在一定的局限性:①本研究的气象条件属于既无干旱少雨也无潮湿多雨的中等条件,因此,所反映的细小可燃物含水率动态只是平均水平[17],需开展更为全面的气象要素影响下的研究。②地形、小气候等自然因素对气象要素存在一定的干扰,使得不同距离气象数据结合细小可燃物含水率数据进行建模存在一定差异[26]。③细小可燃物含水率预测的时间尺度越小,模型的精度越高[27-28]。因此,今后,应进一步开展更为精确和多种尺度的相关研究,以完善细小可燃物含水率预测模型的精度。

参考文献 (28)

目录

    /

    返回文章
    返回