周 勇，张 贵，张运林，丁 波，满子源

（1.中南林业科技大学 林学院，湖南 长沙 410004；2.衡阳师范学院 数学与统计学院，湖南 衡阳 421002；3.贵州师范学院 生物科学学院，贵州 贵阳 550018；4.国家林业和草原局西北调查规划设计院 旱区生态水文与灾害防治国家林业局重点实验室，陕西 西安 710048）

森林可燃物含水率表示可燃物水分含量，决定了可燃物被引燃的概率及可能表现出的一系列火行为指标等，是森林火险等级预报系统中最重要的参数[1-2]。然而，在实际应用中无法获取实时的可燃物含水率值，如何准确预测森林可燃物含水率一直也是林火研究者关注的重点。相较于活可燃物，由于死可燃物含水率动态变化响应机理相对简单，且其对林火是否发生的影响更大，因此过去关于含水率的研究主要集中在死可燃物，而关于活可燃物含水率的研究较少[3]。

随着全球气候变暖及极端天气频繁发生，森林火灾中树冠火和一些特殊火行为的比重不断增加，而活可燃物含水率对这些类型的森林火灾发生与否起到重要作用，关于活可燃物含水率动态变化和预测研究也逐渐增多[4-6]。森林细小活可燃物，包括小枝和树叶决定了这些特殊火行为发生与否，其含水率动态变化主要受植物根部吸水和蒸腾失水相对速率的控制，这些速率与气象要素、土壤干湿程度和植物自身理化性质等有关系，因此，活可燃物含水率的动态变化相较于死可燃物更加复杂[7]。国内外学者也对森林活可燃物含水率动态变化及预测模型进行了研究，Petros 等[8]使用KBDI 干旱指数预测森林活可燃物含水率，结果基本能够满足火险预报需求；Viegas 等[9]使用加拿大火险等级系统中湿度码进行活可燃物含水率预测，也取得较好结果；金森等[10]选择黑龙江帽儿山几种典型灌木为研究对象，建立气象要素回归模型，相对误差均在15%以下；张运林等[11]以云南3 种森林细小活可燃物为研究对象，分析了含水率动态变化情况并建立预测模型，也取得较好的结果。江西省森林资源丰富，但森林火灾频发，然而关于江西森林可燃物含水率的研究几乎没有，特别是关于森林活可燃物含水率的研究。虽然国内外进行了相关研究，但由于活可燃物含水率动态变化的复杂性和空间异质性，对于江西典型森林活可燃物含水率的研究还需要进一步分析和研究，对于森林火险预报系统具有重要意义。

本研究选择江西南昌市茶园山林场典型植被类型：油茶、山竹和杨梅活可燃物为研究对象，分析其含水率动态变化情况并建立预测模型。活可燃物含水率在一定程度上与气象要素相关，而且，加拿大火险等级系统中湿度码在一定程度上也能够反映可燃物的干湿程度[12-14]。本研究选择气象要素回归法和湿度码回归法建立活可燃物含水率预测模型，分析两种方法的适用性，为江西森林活可燃物含水率预测研究提供基础数据，对于可燃物含水率和火险预测研究具有重要意义。

1 研究区域概况与方法

1.1 研究区域概况

研究区茶园山林场位于江西省南昌市湾里区（28°72′77″N，115°68′80″E），研究区位于长江以南，属于亚热带季风湿润气候，四季差异明显。全年无积雪覆盖，降雨量充足，一般集中在春末夏初，全年最低温度在1月，月均气温为6.1℃，最高温度在7月，月均温度为28.8℃。研究区植被丰富，多为天然次生林，主要乔木包括马尾松Pinus massoniana、杉木Cunninghamia lanceolate、柳杉Cryptomeria japonicavar.sinensis和毛竹Phyllostachys edulis等；主要灌木包括油茶Camellia oleifera、杨梅Myrica rubra和檵木Loropetalum chinensis等。

1.2 研究方法

1.2.1 样地设置

2018年10月23日至2019年1月20日在茶园山林场选择进行活可燃物含水率监测，共计90 d。灌木杨梅和油茶位于马尾松林中，因此在马尾松林和毛竹林中分别设置20 m×20 m 的标准样地，对于每种可燃物类型，每个样地设置3 个样点进行采样。具体样地信息如表1所示。

表1 样地基本信息†Table 1 Basic information of plots

1.2.2 野外数据监测

由于活可燃物含水率动态变化较死可燃物更为缓慢，因此活可燃物含水率监测实验以日为步长进行。选择每日空气温度最高和相对湿度最低时进行活可燃物含水率监测，对于每种活可燃物类型，在每个样点采集叶片及小于0.6 cm 的小枝约80～100 g[15-16]，装入信封中，迅速称量其湿质量，并记录将样品带回实验室烘干至质量不再变化为止，并记录干质量。若遇降雨天气，则先用吸水纸擦去表面自由水后再装入信封称重，此外，在带回实验室过程中还需在信封外套塑料封口袋，防止样品相互洇湿，影响试验结果。活可燃物含水率如计算公式（1）所示，每日3 个样点含水率的算数平均值为活可燃物该日含水率。

式（1）中，M：活可燃物含水率值（%）；WH和WD分别表示活可燃物湿质量和干质量（g）。

林场合适位置架设HOBO 气象站，以半小时为间隔，与采集时间同步监测气象要素，包括空气温度（T）、相对湿度（H）、风速（W）和降水量（R）等。

1.2.3 数据处理

1）湿度码计算。根据加拿大火险等级系统中湿度码方程计算监测期内每日湿度码，包括地表细小可燃物湿度码（Fine fuel moisture content,FFMC）、半腐殖质湿度码（Duff moisture content,DMC）和干旱码（Drought content,DC）。根据文献可知，由于研究区为无明显积雪覆盖，因此FFMC 的初始值为85，上一次降雨距采样第一天为11 d，因此DMC和DC 的初始值分别为22 及55[17]。

2）基本统计分析。对研究期内气象要素和湿度码进行基本统计分析，并以采样日期为横坐标，活可燃物含水率为纵坐标，绘制活可燃物含水率动态变化图，分析其在监测期内动态变化情况。

3）相关性分析。由于可燃物含水率动态变化对外界因素的响应有一定的滞后性，因此选择前一日气象要素和当日气象要素，利用Spearman 偏相关分析活可燃物含水率与气象要素的关系。其中，当日和前一日气象要素分别用下角标0 和-1表示，例如前一日当日相对湿度为H0，前一日累积降雨量为R-1。此外，利用Spearman 偏相关分析活可燃物含水动态变化与湿度码的相关性。

4）活可燃物含水率预测模型及模型精度检验。分别以气象要素和湿度码为自变量，活可燃物含水率为自变量，选择向前逐步回归方式建立线性回归模型和多项式回归模型。

选择n-fold 交叉验证方法计算模型平均绝对误差（Mean absolute error,MAE）和平均相对误差（Mean relative error,MRE），比较模型预测精度。以实测值为横坐标，预测值为纵坐标，分别绘制1∶1误差分析图，研究预测模型预测效果。

以上所有的数据处理和绘图均是用Statistic 13.0软件和Excel 2016 软件完成。

2 结果与分析

2.1 基本统计分析

表2给出监测期间研究区气象要素和湿度码的基本统计分析结果。可以看出，监测期内，空气温度最小值为5.7℃，最大值为30.1℃，根据75%分位数可知研究期内空气温度大部分都低于16.7℃；研究期内相对湿度较高，根据25%分位数可知大部分相对湿度都在54%以上，且均值为63.633%；单日最大累积降水量为117.4 mm，平均降水量为5.656 mm。研究期间FFMC 的变化范围为0.0～88.906，均值为32.917，大部分FFMC都低于61.483；DMC 最小值仅为0.09，最大值为38.756，整个研究期内DMC 值较低；DC 在研究期间均值为18.418，变化范围为1.162～98.498，根据75% 分位数可知，大部分时段都低于19.142。

表2 监测期内气象要素和湿度码基本统计分析Table 2 Basic statistics of meteorological elements and moisture code during the monitoring period

监测期内茶园山林场3 种活可燃物含水率基本表现出一致的动态变化，但从图1可看出，毛竹活可燃物含水率动态变化幅度有明显大于其他可燃物类型，含水率均值为118.323%，最小值仅为71.52%，最大值为220.535%，标准差为27.990。杨梅及油茶活可燃物含水率动态变化接近，其中杨梅的活可燃物含水率变化范围为113.794%～223.089%，均值为142.782%，标准差为17.225，油茶活可燃物含水率动态变化为112.503%～191.903%，均值138.116%，标准差为17.632。

图1 监测期活可燃物含水率动态变化情况Fig.1 Dynamic change of live moisture content during the monitoring period

2.2 相关性分析

茶园山林场3 种活可燃物含水率动态变化与气象要素的相关性分析见表3。由表3可看出，当日温度与杨梅和油茶活可燃物含水率呈显著正相关关系，前一日空气温度与3 种活可燃物含水率都呈极显著正相关；3 种活可燃物含水率动态变化随着当日和前一日相对湿度的增加而增加，且相关性随着距离采样时间的增加而降低；风速对活可燃物含水率动态变化没有显著影响；当日累积降水与活可燃物含水率增加呈极显著正相关关系，前一日累积降水对活可燃物含水率动态变化几乎没有影响。

表3 活可燃物含水率与气象要素的相关性分析结果†Table 3 The results of correlation analysis between dynamic change oflive moisture content and meteorological element

3 种活可燃物含水率动态变化与FFMC 都呈现极显著负相关关系，且毛竹活可燃物含水率与FFMC 的相关性最强，杨梅次之，油茶最差。除毛竹外，其余2 种活可燃物含水率与DMC、DC 都没有显著关系（表4）。

表4 活可燃物含水率与湿度码的相关性分析结果†Table 4 The results of correlation analysis between dynamic change of live moisture content and moisture code

2.3 活可燃物含水率预测模型

以气象要素和湿度码为自变量，3 种活可燃物含水率为因变量，采用逐步回归法和多元非线性回归模型分别建立活可燃物含水率预测模型。

2.3.1 气象要素回归模型

2.3.1.1 多元线性回归模型3 种活可燃物含水率的气象要素回归模型见表5，由表5可看出，当日相对湿度均被选入模型，毛竹模型中还包括当日降水量，油茶和杨梅模型中还包括前一日空气温度。基于气象要素回归法的含水率预测模型R2变化范围为0.301～0.400，MAE 最小值为10.590，最大值为15.745，MRE 变化范围7.171%～12.914%。2.3.1.2 多元非线性回归模型

表5 活可燃物含水率气象要素多元线性回归模型Table 5 Multiple linear regression model of meteorological element of live moisture content

3 种活可燃物含水率的气象要素多元非线性回归模型见表6，与多元线性回归模型相同，当日相对湿度均被选入模型，毛竹模型中还包括当日降水量，杨梅和油茶模型中还包括前一日空气温度。基于气象要素回归法的含水率预测模型R2变化范围为0.435～0.568，MAE 最小值为9.844%，最大值为12.657%，MRE 变化范围6.830%～10.370%。

表6 活可燃物含水率气象要素多元非线性回归模型Table 6 Multiple nonlinear regression model of meteorological element of live moisture content

2.3.2 湿度码回归模型

2.3.2.1 湿度码线性回归模型

基于湿度码的活可燃物含水率预测模型都是只有细小可燃物湿度码进入模型，3 种活可燃物预测模型的R2变化范围为0.278～0.387，杨梅的含水率预测模型MAE 最小，仅为10.259%，最大为毛竹16.732%；3 种活可燃物含水率预测模型的MRE 变化范围为6.960%～13.931%（表7）。

表7 活可燃物含水率湿度码多元线性回归模型Table 7 Multiple linear regression model of moisture code of live moisture content

2.3.2.2 湿度码非线性回归模型

湿度码非线性的活可燃物含水率预测模型同样只有细小可燃物湿度码FFMC 进入模型，毛竹活可燃物预测模型的R2最大，为0.462，杨梅和油茶的R2依次减小，分别为0.344 和0.326。3 种活可燃物含水率预测模型的MAE 和MRE 变化范围分别为10.696%～31.285%和8.040%～22.010%（表8）。

表8 活可燃物含水率湿度码多元非线性回归模型Table 8 Multiple nonlinear regression model of moisture code of live moisture content

2.3.3 模型误差1∶1 分析图

从2.3.2 可以看出，不论是气象要素模型还是湿度码模型，虽然3 种可燃物的非线性回归模型预测精度更好，但MAE 和MRE 并没有显著差异（P＞0.05），而且非线性模型的形式也不如线性模型简单。因此，本部分模型误差仅分析线性回归模型。

茶园山林场3 种活可燃物基于气象要素回归模型和湿度码回归模型的含水率实测值和预测值1∶1 图见图2。由图2可看出，对于毛竹和杨梅活可燃物，两种模型的拟合线差别不大，油茶的气象要素回归拟合线更接近于1∶1 线。对于所有活可燃物类型，都是在含水率较低时，预测值偏高，含水率较高时，两种预测方法都高估。

图2 实测值与预测值1∶1 图Fig.2 Comparison between measured value and predicted value

3 结论与讨论

研究认为，一般当活可燃物含水率低于130%时，就有可能被引燃[18]，发生树冠火和一些特殊火行为，对生态环境、扑火队员安全和当地社会经济发展造成严重影响。对茶园山林场3 种活可燃物进行基础统计分析，通过75%分位数可知，毛竹、杨梅和油茶3 种活可燃物含水率分别为133.578%、150.688%和150.663%，监测期内大部分时间毛竹含水率基本都低于130%，有被引燃的可能性，油茶次之，杨梅被引燃的概率最低。

活可燃物含水率动态变化主要受蒸腾失水和根部吸水相对速率的影响，在土壤水分含量充足的情况下，随着空气温度的升高，植物蒸腾作用增强，同时也加快从根部吸水的速率，因此在一定阶段，活可燃物含水率与空气温度呈正相关关系。但若长期干旱条件下，随着温度持续高温，活可燃物含水率可能会下降，呈负相关关系。活可燃物含水率动态变化与相对湿度、降水量正相关，这与其他学者的研究结果相似[3,10,19-20]。此外，与风速不相关，这可能是由于本研究中选择的风速变量较少所致，活可燃物含水率对气象要素的响应缓慢，具有明显的滞后性，本研究仅选择了当日和前一日风速，因此未表现出明显的显著性。

茶园山林场3 种活可燃物含水率动态变化仅与FFMC 呈显著负相关关系，与DMC 和DC 基本不相关，这与金森、刘万龙等[20-21]的研究结果相似。与DMC 和DC 不相关，主要是由于研究期间，56%的监测期在下雨，表征腐殖质和土壤干湿程度的DMC 和DC 波动较小，因此对活可燃物含水率没有显著影响。

活可燃物的含水率气象要素预测模型都是当日相对湿度进入模型，此外还有前一日降雨和温度，这与张运林等[11]的研究结果相似。研究认为，活可燃物含水率预测误差MRE 低于15%，即可使用[22]，本研究中不论是气象要素回归法还是湿度码回归法MRE 均低于或在15%附近，效果较好。对3 种活可燃物含水率的2 个预测模型误差进行H检验，发现并没有显著差异（P＞0.05），说明两种预测方法差别不大。但对于杨梅活可燃物，湿度码回归法的预测效果要略优于气象要素回归法，对于其他2 种活可燃物类型，气象要素回归法更好。

江西南昌茶园山林场3 种典型活可燃物在监测期内毛竹的含水率动态变化最大，且更容易被引燃，油茶次之，杨梅被引燃的可能性最低。除了毛竹外，随着当日和前一日空气温度升高，活可燃物含水率也升高，毛竹仅与前一日空气温度正相关；当日及前一日相对湿度和所有活可燃物含水率均为极显著正相关关系，且相关性递减；风速对活可燃物含水率动态变化没有显著影响；活可燃物含水率随着当日降水量增加而极显著增加。所有活可燃物含水率的气象要素回归预测模型中，当日相对湿度均进入模型，MAE 最小值为10.590，MRE 最小值仅为7.171；湿度码回归预测模型中只有FFMC 进入模型，MAE 和MRE 的变化范围分别为10.259%～16.732%和6.960%～13.931%，两种方法预测江西南昌茶园山林场活可燃物含水率没有显著差异。本研究结果为江西活可燃物含水率动态变化和预测模型研究提供基础数据和借鉴，也对构建火险等级系统具有重要意义。