大兴安岭地表细小死可燃物含水率预测模型

以大兴安岭地区南瓮河保护区落叶松林(Larix gmelinii)、蒙古栎林(Quercus mongolica Fischer)、落叶松-白桦混交林(Mixture of Larix gmelinii and Betula platyphylla)(阴坡、阳坡)、沟塘草甸等4种典型林分为研究对象,运用气象要素回归法,对春季防火期和秋季防火期内的地表细小死可燃物含水率动态进行测定,构建了不同防火期、不同林型地表死可燃物含水率的预测模型,分析了相应模型的预测误差。结果表明:同林型地表可燃物含水率在春季防火期和秋季防火期差异显著;在秋季防火期,5个典型林型的地表死可燃物含水率预测平均绝对误差为0.167,平均相对误差为0.218,低于春季防火期模型和春季-秋季混合模型;秋季防火期模型对可燃物含水率预测效果最好。气象要素回归法适用于南瓮河保护区典型林型地表死可燃物含水率预测。     

大兴安岭林区典型森林和草甸细小死可燃物含水率预测模型

准确预测森林细小死可燃物含水率对提高森林和草原火险预测精度具有重要的科学意义。以大兴安岭林区兴安落叶松-白桦(Larix gmelinii-Betula platyphylla)混交林、兴安落叶松林(Larix gmelinii)、蒙古栎林(Quercus mongolica)和草甸细小死可燃物为研究对象,确定影响林内t时刻可燃物含水率变化率的影响因子(林外t-1时刻的气温变化率、相对湿度变化率和累计降水量变化率),根据统计回归理论建立细小死可燃物含水率变化率模型,进而构建大兴安岭林区典型森林和草甸细小死可燃物含水率预测模型。结果表明:兴安落叶松-白桦林混交林、兴安落叶松林、蒙古栎林和草甸细小死可燃物含水率预测模型准确率分别为91.1%、90.0%、91.0%和81.0%(相对误差不超过5%),可燃物含水率预测模型预测效果良好,模型具有较好的实用性,可为大兴安岭林区的森林火险预警提供理论和技术支持。     

内蒙古大兴安岭主要火环境因子对地表死可燃物含水率的影响

森林地表死可燃物对森林火灾具有重要影响,研究地表死可燃物含水率对林火管理具有重要意义。以内蒙古大兴安岭不同地区不同林型地表死可燃物含水率为研究对象,利用2004年秋季防火期至2017年春季防火期大兴安岭林区(根河市、鄂伦春旗、牙克石市、阿尔山市)林分下地表死可燃物含水率数据,运用SPSS软件分析主要火环境因子对地表死可燃物含水率的影响。结果表明:(1)林中气温、林中相对湿度、枯枝落叶层质量、枯枝落叶层温度以及林内灌木盖度是影响地表死可燃物含水率变化的重要因子。(2)各地区春季与秋季、春季与全年地表死可燃物含水率预测的平均绝对误差和平均相对误差差异均不显著(P>0.05),而秋季与全年的平均绝对误差和平均相对误差均极显著(P<0.01),说明秋季防火期预测模型精度优于春季防火期预测模型精度。地表死可燃物含水率预测,需要根据不同防火期的特点建立不同的预测模型,并相对应地引入更具有显著性影响的火环境因子,为林火预测预报提供更精准的参考。     

老爷岭典型林分内地表不同层可燃物含水率动态变化及湿度码预测模型适用性

森林地表不同层可燃物含水率对林火的垂直蔓延和地下火的发生具有重要影响。加拿大火险等级系统是目前使用最广泛的火险等级系统,其中3个湿度码模块分别代表不同层可燃物湿度。研究地表不同层可燃物含水率动态变化,使用湿度码预测不同层可燃物含水率,并对其适用性进行分析,对可燃物含水率预测及火险预报研究有重要意义。以黑龙江省老爷岭生态定位站的蒙古栎-红松针阔混交林和白桦林内凋落物、半腐殖质、腐殖质为研究对象,在春季防火期以日为步长,连续监测3层可燃物含水率动态变化,计算得到3个湿度码:细小可燃物湿度码(FFMC)、腐殖质湿度码(DMC)、干旱码(DC),并进行可燃物含水率预测适用性分析。结果表明:蒙古栎-红松针阔混交林、白桦林内凋落物含水率动态变化与FFMC、DMC呈显著相关;半腐殖质与3个湿度码都呈显著相关;腐殖质仅与DC呈极显著相关。使用湿度码进行凋落物含水率预测时,使用非降雨数据预测效果优于使用全部数据,使用降雨数据预测效果最差;对于半腐殖质,使用湿度码进行预测时,是否区分降雨对预测精度没有显著影响;对于腐殖质,使用降雨数据无法建立与湿度码之间的线性关系。湿度码法预测可燃物含水率精度略低于气象要素回归法,但在含水率较低时,湿度码预测效果更符合实际火险需要。以后研究中,应从湿度码尺度模型、机理对湿度码进行修正。提高地表不同层含水率预测精度,对可燃物含水率研究和火险预报具有重要意义。     

基于Rothermel模型的红松人工林地表可燃物蔓延速率及参数修正

  目的  该研究以室内模拟野外真实条件下的燃烧试验为手段，测定不同坡度和含水率条件下东北红松人工林地表可燃物蔓延速率，与基于Rothermel模型预测蔓延速率对比，并对Rothermel模型进行修正，以提高Rothermel模型预测红松人工林地表可燃物燃烧蔓延速率的适用性。  方法  以红松人工林地表可燃物为试验材料，在实验室内构建不同含水率和坡度的可燃物床层结构，平地无风条件下进行30次点烧试验，5°、10°、15°和20°条件下分别进行15次点烧试验。根据热电偶记录的温度时间数据及位置数据计算燃烧蔓延速率，在平地条件下对Rothermel模型中相关可燃物的参数进行拟合，得到最优模型，在此基础上对Rothermel模型坡度参数修正。  结果  在各试验条件下，红松人工林地表火蔓延速率最大值为0.631 m/min，最小值为0.114 m/min；直接使用Rothermel模型预测0° ~ 20°坡度条件下红松人工林地表火燃烧蔓延速率平均绝对误差为0.059 m/min，范围为0.003 ~ 0.241 m/min，平均相对误差为27.4%，范围为2.4% ~ 152.6%；在使用平地无风条件下点烧试验数据重新修正Rothermel模型的可燃物特征参数β_op的基础上，基于5° ~ 20°条件下点烧试验数据修正坡度参数，修正参数后的Rothermel模型平均绝对误差平均值降低了0.024 m/min，为0.035 m/min，范围为0.003 ~ 0.102 m/min，平均相对误差降低了10.4%，为17.0%，范围为1.8% ~ 65.5%；修正参数后模型预测值与实测值的R2为0.913 5。  结论  在0° ~ 20°坡度条件下不能直接使用Rothermel模型对红松人工林地表可燃物燃烧蔓延速率进行预测，需要对模型中的可燃物特征参数和坡度参数进行修正，拟合参数后模型预测误差显著降低，预测精度显著提升，可以对我国0° ~ 20°坡度条件下红松人工林地表火蔓延速率进行预测。      

大兴安岭火烧迹地植被恢复后土壤理化性质

以大兴安岭重度火烧迹地经过植被恢复后形成的4种林分类型为研究对象,研究重度火烧迹地在经过植被恢复后,不同林分类型土壤理化学性质的变化。研究结果表明:与对照样地相比,樟子松林土壤pH值升高,兴安落叶松林、白桦林和山杨林土壤pH值均降低。兴安落叶松林、白桦林和山杨林土壤有机质、全N、水解N、全P、有效P质量分数均有不同程度的升高。兴安落叶松林和白桦林土壤密度降低,樟子松林和山杨林的土壤密度升高。白桦林土壤孔隙度最好。综合比较可以看出,大兴安岭重度火烧迹地经过植被恢复后,兴安落叶松林、白桦林和山杨林均在一定程度上改良了土壤。     

大兴安岭沟塘草甸地表可燃物载量快速测定方法

以黑龙江省大兴安岭地区沟塘草甸为研究对象,利用2016—2017年防火期野外调查数据,将可燃物载量作为独立因子,与林分相关性显著的因子进行回归分析,构建地表可燃物载量估测模型,估测地表可燃物载量分布。结果表明:(1)从2016年秋季防火期到次年春季防火期,地表可燃物的平均高度、平均含水率、平均鲜质量和平均干质量都呈下降趋势。(2)春季防火期和秋季防火期,地表可燃物的干质量和鲜质量均与可燃物高度呈正相关,可燃物含水率随高度的增加呈下降趋势。(3)春季防火期可燃物载量估测模型拟合平均精度为56.25%,相关系数0.764 0;秋季防火期模型拟合平均精度为77.41%,相关系数0.849 8,经过检验,模型的自变量与因变量具有显著差异。以地表可燃物高度为变量,构建地表可燃物载量一元线性回归模型,可为可燃物载量快速测定。     

北京地区森林枯死可燃物含水率 预测模型及变化规律 ）

以不同树种的枯死可燃物含水率为对象,通过对可燃物含水率的逐日观测,对不同种类的可燃物含水率与天气条件之间的关系进行研究,运用非线性回归分析得出栓皮栎、槲栎、侧柏和油松不同树种不同种类可燃物含水率的预测模型,并运用模型对不同树种不同种类的枯死可燃物含水率在时间上的变化规律进行分析。结果表明:不同树种不同种类的可燃物含水率差异显著,栓皮栎树种含水率远高于其他树种;枯叶含水率普遍比不同时滞的枯枝高;不同树种不同种类可燃物含水率差异也很显著;可燃物含水率与温度和风速呈负相关,与相对湿度呈正相关;建立的非线性回归模型均大于30%的含水率变幅,且通过平均绝对误差(MAE)和平均相对误差(MRE)的检验,效果良好;可燃物含水率每天从1:00~24:00呈现先上升后下降再上升的趋势,7:00~8:00达到最高值,在14:00左右达到最低值;防火期中,可燃物含水率在12~2月比较高,3~5月和11月相对偏低。     

平地无风条件下红松针叶床层林火蔓延的影响因子分析及模拟

以红松(Pinus koraiensis)人工林的针叶为材料,在实验室内,根据黑龙江省帽儿山地区同类可燃物的野外条件,构建了不同载量、高度和含水率的可燃物床层,共进行了100次的平地无风条件下的点烧试验,结果表明,平地无风条件下红松针叶床层的林火蔓延速率不超过0.4 m.min-1。红松针叶含水率、床层高度和压缩比对林火蔓延速率具有显著的影响。其中,含水率对林火蔓延速率的影响与可燃物床层的高度、载量等无显著关系,而可燃物床层高度和压缩比对林火蔓延的影响可能受可燃物床层特征的影响,需进一步研究确定。床层载量对红松针叶床层的林火蔓延速率影响不大。以可燃物含水率和床层高度为预测因子的林火蔓延速率线性预测模型,能够解释85%的林火蔓延速率变差,模型的平均绝对误差为0.03 m.min-1,平均相对误差不超过13%。     

帽儿山地区典型地表可燃物含水率动态变化及预测模型

目的可燃物含水率预测是林火预报研究的重要内容，其中地表细小可燃物、半腐殖质和腐殖质含水率在一定程度影响了林火垂直蔓延的持续性及地下火发生的可能性，含水率变化主要是受天气状态和地形特征的影响，而我国关于半腐殖质和腐殖质含水率动态变化及其预测模型的研究较少，分析红松蒙古栎针阔混交林下的地表细小可燃物、半腐殖质和腐殖质3层可燃物含水率的动态变化，对建立我国林火预报系统有指导作用。方法本研究对帽儿山地区红松蒙古栎典型针阔混交林下的地表细小可燃物、半腐殖质和腐殖质含水率进行每日监测，同步监测林分内气象数据，统计分析气象要素和3层可燃物含水率的相关性，选择气象要素回归法建立3层可燃物类型的含水率预测模型。结果在整个监测期内，地表细小可燃物含水率波动最大，最小值为10.99%，最大值为253.30%;半腐殖质次之，最小值为19.21%，最大值为238.07%；腐殖质含水率最稳定，最小值为48.45%，最大值为193.83%，波动最小。地表可燃物含水率变化对气象因子的响应最敏感，多与当日或前一日气象因子相关，半腐殖质次之，腐殖质含水率仅与空气温度相关；建立3种可燃物含水率气象要素回归预测模型，其中地表细小可燃物、半腐殖质和腐殖质的含水率预测模型平均绝对误差和平均相对误差分别为22.2%、23.5%、17.1%和7.1%、14.8%和23.4%，以MRE为15%为界限，细小可燃物和半腐殖质含水率预测模型精度均能达到林火预报精度，腐殖质含水率预测模型精度较差。结论综合分析可得，3层可燃物在防火期内有被引燃，进而发展为森林火灾的可能，在今后的林火预报工作中，还应该注意地下可燃物，包括半腐殖质和腐殖质含水率的预报。      

基于混合效应模型的大兴安岭地被可燃物含水率模型

基于黑龙江省大兴安岭林区南瓮河生态站的落叶松(Larix gmelinii)林、蒙古栎(Quercus mongolica)林、落叶松白桦(Betula platyphylla)混交林3种典型林分的288组可燃物含水率数据,选择基于平衡含水率的可燃物含水率实时变化模型为基础模型,采用非线性混合效应(NLME)模型方法,以林分因子作为随机效应,建立具有混合效应的可燃物含水率的实时变化预测模型,并通过给残差方差增加权重的方法解决异方差性问题。结果表明:考虑随机效应和异方差结构的可燃物含水率实时变化NLME预测模型的拟合效果(M_(AE)=0.716 7,M_(RE)=0.026 6)优于不含随机效应的可燃物含水率实时变化预测模型(M_(AE)=0.815 6,M_(RE)=0.031 2);其中以常数加幂函数作为异方差结构的模型精度最高(AIC=547.72,BIC=581.29,-2LL=527.72)且明显优于未给残差方差增加权重的可燃物含水率实时变化NLME预测模型(AIC=961.65,BIC=988.50,-2LL=945.65)。利用独立样本数据对模型进行检验,检验结果表明,对于可燃物含水率实时变化的预测,考虑随机效应和异方差结构的NLME模型的检验精度(M_(AE)=0.495 8,M_(RE)=0.034 2)比利用最小二乘法拟合的多元非线性回归模型(M_(AE)=0.588 5,M_(RE)=0.588 5)有所提高,说明基于混合效应模型的可燃物含水率实时变化模型可以很好地描述区域尺度上不同林分类型的可燃物含水率实时变化规律。     

兴安落叶松针叶床层火蔓延的模拟

以黑龙江省帽儿山地区典型森林类型兴安落叶松林地表可燃物为研究对象,分析不同可燃物含水率、可燃物载量、风速和坡度与火蔓延速度之间的关系,共进行4(可燃物载量)×4(可燃物含水率)×3(风速)×3(坡度)=144组点烧试验,并建立适用于兴安落叶松针叶林的火蔓延模型。结果表明:在试验设定范围内,可燃物床层在火蔓延过程中80%为阴燃,火蔓延速度在75%区间内不超过6 m·h^-1,最大值为93.02 m·h^-1、最小值为0.41 m·h^-1;可燃物载量对火蔓延速度影响不显著,3个显著变量对火蔓延速度的影响由大到小的顺序为:风速、可燃物含水率、坡度;4个因子交互作用对火蔓延速度的相对贡献为:可燃物含水率×坡度×风速27.73%、风速17.22%、可燃物含水率×坡度×风速×载量13.01%、可燃物含水率×风速11.01%、坡度×风速9.21%;火蔓延速度预测模型的标准估计误差值为8.56,验证误差值为12.93。因此,在森林火行为预报工作中,应注意可燃物的特征、所处的地理位置及其环境因素。     

长白山林区防火期主要可燃物类型细根载量和潜在能量分析

对防火期长白山林区主要可燃物类型细根载量和潜在能量进行了研究。结果表明:秋季防火期内,距地表10cm的细根载量以岳桦林最大,其次是云冷杉林及包含云冷杉的混交林,白桦林、落叶松林和阔叶红松林细根载量较低;经过一个冬天,细根载量都在下降。云冷杉林及包含云冷杉的混交林秋季防火期发生地下火的可能性比较大,落叶松林发生地下火的可能性相对较小;春季防火期距地表10cm细根潜在能量下降。     

内蒙古东北部森林可燃物条件分析

林火的最终影响将体现在地被物的干燥度上,地表可燃物含水率是林火行为的重要参数,同时它与前期的气象条件紧密相关。该文根据2004-2010年间内蒙古东北部各生态气象站点的可燃物监测数据,分析各站点的可燃物特征与气象因子之间的关系。结果表明:根河市落叶松林枯枝落叶层分布均匀、盖度最大,林内灌木层高度和盖度较高,易发生冲冠火;鄂伦春的柞木和桦树林的枯枝落叶层厚度最低、含水量最高。气象分析结果表明可燃物含水率低于50%,同时空气湿度较低的5-6月份是防火重点时期;可燃物含水量与阶段合计降水量有较好的拟合性,阿尔山、鄂伦春、根河市回归方程都通过显著性检验,可用于该地区的火险等级预测评估。     

基于机器学习的落叶松树皮厚度预测

  目的  研究多个机器学习算法在树皮厚度预测中的应用,对比分析不同单木因子对树皮厚度预测的影响,为树皮厚度预测提供新的方法。  方法  以大兴安岭天然林落叶松为研究对象,基于树皮厚度数据,构建4个机器学习算法（神经网络ANN、支持向量回归SVR、决策树CART、随机森林RF）,并将其在预测树皮厚度方面的性能与6个传统树皮厚度模型比较。采用决定系数（R2）、均方根误差（RMSE）、平均绝对误差（MAE）和赤池信息准则（AIC）来评价不同模型和算法。  结果  （1）在6个基础模型中Model5预测效果较好。基础模型与机器学习模型比较中,除CART4模型,其他机器学习模型拟合精度均好于传统模型Model5;（2）机器学习模型中ANN4和SVR3拟合和预测精度相似,RF4拟合效果最好。（3）RF4的输入变量为胸径（DBH）、树高（H）、相对树高（H_r）。基于训练样本,与Model5相比,随机森林的R2从0.675 2提高到0.723 4,RMSE从0.575 5降低到0.531 0。随机森林检验结果与Model5相比R2从0.666 9调高到0.710 5,RMSE从0.616 9降低到0.544 6。  结论  相对于基础树皮厚度模型,机器学习算法中的随机森林,支持向量回归和人工神经网络都能提高树皮厚度的预测精度,其中随机森林的预测效果最好,适合该区域落叶松树皮厚度的预测。      

黑龙江省主要林分类型林分碳储量预估模型

利用2期黑龙江省森林资源连续清查数据(2005—2010年),根据林分变量和林分碳储量间的关系构建了林分水平的全树碳储量预估模型,并对应不同起源选择不同的模型形式,用加权最小二乘法消除了异方差。由于地域的不同,相同林分类型碳储量可能存在差异,因此在构建的碳储量模型基础上,利用哑变量方法构建考虑不同地域的林分碳储量模型。结果表明:区分起源的林分碳储量模型对于天然林和人工林都具有良好的拟合精度,R~2均大于0.94,模型评价指标中平均相对误差均在±6.00%以内,平均相对误差绝对值基本小于10%,仅黑桦天然林为15.33%。大部分模型的预测精度在95%以上。利用哑变量方法构建的考虑不同地域的林分碳储量通用模型的R~2均大于0.94,平均相对误差均较小,平均相对误差绝对值均在小于8%,预测精度都在95%以上。对于包含区域哑变量的通用模型,在满足相同的林分平均断面积条件及其他变量、参数a、c不变时,不同区域对应的参数b值越大,相应区域碳储量越大;在满足相同的林分平均高(或者林分年龄条件)及其他变量、参数a、b不变时,不同区域对应的参数c值越大,相应区域碳储量越大。