李保中 劉鑫源 于淙 韓宇 倪寶新 李妍 徐艷景 楊光

(東北林業(yè)大學，哈爾濱，150040)

林火作為一種重要的生態(tài)因子，對森林的發(fā)生、演替及消亡都有重要的影響和作用[1]。當今氣候變化背景下，森林火災(zāi)呈多發(fā)趨勢，掌握火災(zāi)的發(fā)生發(fā)展規(guī)律，及時遏制林火的蔓延，最大限度減少森林火災(zāi)對森林資源和人民財產(chǎn)的危害非常重要[2]。2016年5月1日，加拿大艾伯塔省麥克默里堡馬河森林火災(zāi)造成大約90 000人被迫撤離，摧毀了3 244幢住宅和建筑，并燒毀了約589.552 hm2森林[3]。2019年，全國共發(fā)生火災(zāi)2 345起，重大火災(zāi)8起、特大火災(zāi)1起，2020年3月的四川西昌森林火災(zāi)造成19人遇難[3]。因此林火的預(yù)測預(yù)報在今天尤為重要。

地表死可燃物含水率的高低是林火能否發(fā)生的關(guān)鍵因素，也是預(yù)測預(yù)報的關(guān)鍵因子[4-6]。地表死可燃物含水率越低，越容易被引燃，起火后越難阻止火災(zāi)的蔓延[7]。地表死可燃物含水率又和溫度、相對濕度、風速、降水量等氣象要素密切相關(guān)[8-9]，因此，研究氣象要素與地表死可燃物含水率的關(guān)系是是預(yù)測預(yù)報森林火險的關(guān)鍵。森林地表死可燃物與活可燃物不同，地表死可燃物更容易在短期內(nèi)受到外界綜合因素的變化而發(fā)生改變[10-11]，研究地表死可燃物含水率與氣象因子的關(guān)系也是森林火險預(yù)測的核心內(nèi)容[4-6]。劉昕等[12]運用氣象要素回歸法、平衡含水率法和遙感估測法等建立地表死可燃物含水率預(yù)測模型，三種方法的預(yù)測都有一定誤差，將氣象要素回歸法和平衡含水率法二者結(jié)合對含水率的預(yù)測效果較好；于宏洲等[13-15]以小時為步長對大興安嶺典型林分地表死可燃物含水率進行預(yù)測并進行外推精度的分析研究；滿子源等[16]研究了帽兒山典型地表死可燃物含水率動態(tài)變化及預(yù)測模型；張運林等[17]在室內(nèi)進行了模擬，研究了空氣溫濕度對不同結(jié)構(gòu)的紅松松針床層含水率動態(tài)變化影響；張冉等[18]對大興安嶺林區(qū)典型森林和草甸地表死可燃物的含水率進行了模型預(yù)測；孫龍等[19]對森林地表死可燃物含水率預(yù)測模型的研究進展進行了總體概括。綜合來看地表死可燃物含水率的預(yù)測模型主要分為4種：氣象要素回歸法、平衡含水率法、遙感估測法和過程模型法。目前遙感估測法估算的精度較差，只適用于大尺度范圍，低植被下的含水率預(yù)測受到較大限制；平衡含水率法容易受到外界溫濕度變化易出現(xiàn)實際值與理論值不符，仍處于探索階段；過程模型法過程復(fù)雜，在實際用用中難度比較大[20-21]；在我國北方將氣象要素和平衡含水率結(jié)合對森林地表死可燃物含水率預(yù)測取得較好應(yīng)用。本實驗對哈爾濱市城市林業(yè)示范基地5種典型人工林的氣象要素和地表死可燃物含水率進行測量，并通過回歸分析，建立森林地表死可燃物含水率預(yù)測模型，為森林地表死可燃物含水率預(yù)測和林火預(yù)測預(yù)報系統(tǒng)提供基礎(chǔ)數(shù)據(jù)。

1 研究區(qū)概況

研究區(qū)位于黑龍江省哈爾市城市林業(yè)示范基地(126°37′458″E，45°43′464″N)，該區(qū)屬于中溫帶大陸性季風型氣候，全年平均氣溫3.5 ℃，最高氣溫38 ℃，最低氣溫-37 ℃，年平均降水量為534 mm。研究區(qū)地勢平坦，原為哈爾濱市周邊綠化進行樹種選擇實驗基地，人工林均為20世紀50年代末至60年代初營造。植被類型主要有白樺(Betulaplatyphylla)、蒙古櫟(Quercusmongolica)、胡桃楸(Juglansmandshurica)、水曲柳(Fraxinusmandschurica)、黑皮油松(Pinustabuliformisvar.mukdensis)、樟子松(Pinussylvestrisvar.mongolica)、落葉松(Larixgmelinii)等[22-25]。土壤類型為地帶性黑鈣土，腐殖質(zhì)含量高，土層深厚，林下地表死可燃物積累較多，土壤肥力和水分條件良好。

2 研究方法

2.1 數(shù)據(jù)獲取

選取白樺、黑皮油松、蒙古櫟、水曲柳、興安落葉松等5種人工林，于2020年秋季防火期(10月26日—11月28日)，在林內(nèi)架設(shè)便攜式氣象站和太陽輻射儀，記錄氣溫、相對濕度、風向、風速、太陽輻射值(紫外光，可見光)、降水量、降水持續(xù)時間等氣象要素。將一天24 h劃分為4個階段，并按此設(shè)置好氣象站與太陽輻射儀記錄數(shù)據(jù)的時間間隔。5次記錄時間為：08:00、10:00、12:00、14:00、16:00，相鄰兩次時間間隔均為2 h。每種林分隨機設(shè)置3塊樣地，每個樣地每次5個采樣點(20 cm×20 cm)隨機取樣，將樣方內(nèi)地表死可燃物全部收集。每個采樣點收集的地表死可燃物約100 g。為保證選取的樣品具有代表性，在取樣時，對陽光直射和陰影區(qū)的地表死可燃物都進行采樣，采樣后先稱量鮮質(zhì)量，然后將樣品帶回實驗室用烘箱(105 ℃)烘干至恒質(zhì)量。

2.2 數(shù)據(jù)處理

將帶回實驗室的樣品烘干后計算含水率，地表死可燃物含水率由5個采樣點的地表死可燃物含水率的平均值計算，對地表死可燃物含水率和氣象要素觀測數(shù)據(jù)進行統(tǒng)計分析，得出最小值，最大值和平均值。

本研究的地表死可燃物含水率為絕對含水率，計算公式如下：

式中：M是地表死可燃物絕對含水率，W1、W2分別是地表死可燃物的鮮質(zhì)量和干質(zhì)量。

2.3 模型建立與誤差檢驗

本試驗采用氣象要素回歸法和隨機森林法，通過對氣象要素與地表死可燃物含水率的相關(guān)性進行分析，根據(jù)不同氣象要素與地表死可燃物含水率的相關(guān)性，建立含水率預(yù)測模型。

氣象要素回歸方法。通過對氣象要素與地表死可燃物含水率的皮爾森(Pearson)相關(guān)性分析，選擇與含水率顯著相關(guān)的氣象因子，采用逐步回歸的方法運用SPSS 25.0來建立模型。

地表死可燃物含水率模型如下：

式中：M是地表死可燃物含水率，Xi是前2個小時和當前時刻的溫度、相對濕度、風速、風向、降水量等氣象要素，bi是不同氣象要素對應(yīng)的待估參數(shù)。

隨機森林算法。近幾年，國外已有學者將隨機森林算法應(yīng)用于林火的預(yù)測預(yù)報，取得較好的效果[26-31]。隨機森林是目前在回歸問題和分類上應(yīng)用范圍較廣的一類集成學習方法，它通過隨機化的決策樹的結(jié)果進行預(yù)測[32]。由于算法是決策樹的集合，所以成為隨機森林。它的原理簡單來說就是在任何一個時間點，決策樹集合中的每一棵樹都是由一個樣本建立的。樣本選擇是在訓練數(shù)據(jù)集中完成，在決策樹的構(gòu)建過程中，最優(yōu)特征每次都在一個隨機子集中選擇，極大減少模型的變化，產(chǎn)生性能更好的廣義模型。隨機森林因其在數(shù)據(jù)上的優(yōu)越性，在各個領(lǐng)域(生態(tài)學、生物信息學、數(shù)據(jù)挖掘等)都有較好的應(yīng)用，在實際應(yīng)用中取得了優(yōu)異性能[33]。本實驗采用隨機森林算法，以氣象要素為基礎(chǔ)，來建立模型并預(yù)測地表死可燃物含水率。隨機森林模型是根據(jù)R語言中Random Forest包來見建立的。

將統(tǒng)計分析全部數(shù)據(jù)組的70%建立氣象要素回歸模型，余下30%數(shù)據(jù)組進行模型誤差檢驗。具體公式如下：

式中：MAE為平均絕對誤差，RMSE為均方根誤差，Mi是地表死可燃物含水率實測值，Mii是地表死可燃物含水率預(yù)測值。

3 結(jié)果與分析

3.1 地表死可燃物含水率影響因子

表1為10月26日—11月18日獲取氣象要素和含水率數(shù)據(jù)，每種林分每天觀測5次，連續(xù)觀測23 d，獲得115組數(shù)據(jù)。經(jīng)過對數(shù)據(jù)進行統(tǒng)計分析，得到不同林分氣象要素和地表死可燃物含水率統(tǒng)計特征。

表1 不同林分氣象要素和地表死可燃物含水率統(tǒng)計特征

林分類型太陽可見光輻射量/lx最小值最大值平均值前12h降水量/mm最小值最大值平均值地表死可燃物含水率/%最小值最大值平均值白樺2.00435005649.7903.40.078.90123.7924.37黑皮油松0104101543.0602.00.041.00131.2123.66蒙古櫟1.00386007141.9803.50.073.37134.6219.74水曲柳13.00277006006.1103.50.0712.39138.3124.32興安落葉松0218003696.5603.50.0714.46164.3929.74

由表2可知，5種林分的地表死可燃物含水率與溫度均呈極顯著負相關(guān)(P<0.01)；5種林分的地表死可燃物含水率與相對濕度呈極顯著正相關(guān)(P<0.01)，顯著性由高到低順序為：興安落葉松、白樺、蒙古櫟、黑皮油松、水曲柳；興安落葉松林地表死可燃物含水率與風速呈現(xiàn)顯著正相關(guān)(P<0.05)；蒙古櫟地表死可燃物含水率與太陽輻射紫外光呈顯著負相關(guān)(P<0.05)；5種林分地表死可燃物含水率都與前12 h降水量呈極顯著正相關(guān)(P<0.01)。

表2 不同類型地表死可燃物含水率與氣象要素的相關(guān)性系數(shù)

3.2 多元線性回歸地表死可燃物含水率預(yù)測模型

由表3可知，白樺林預(yù)測模型的平均絕對誤差和均方根誤差最大，預(yù)測結(jié)果不理想；黑皮油松林預(yù)測模型的誤差相對較小，預(yù)測結(jié)果相對較好；蒙古櫟林和水曲柳林預(yù)測模型的預(yù)測效果一般；興安落葉松的模型平均絕對誤差和標準誤差最小，相對其他林分的預(yù)測結(jié)果最好。

由圖1可知，持續(xù)干旱時地表死可燃物含水率0～40%，3次短暫降水內(nèi)地表死可燃物含水率的突然劇增導(dǎo)致短期內(nèi)數(shù)據(jù)預(yù)測出現(xiàn)較大偏差。原因是在降水期內(nèi)，地表死可燃物含水率主要受到降水影響，受其他氣象因子影響不明顯。白樺林地表死可燃物含水率預(yù)測值和實測值分布在1∶1直線兩側(cè)，總體比較分散，未呈現(xiàn)均勻分布；黑皮油松和興安落葉松地表死可燃物含水率預(yù)測值和實測值大都分布在1∶1直線兩側(cè)，均勻性較差；蒙古櫟和水曲柳林較好的分布在1∶1附近，并且分布集中，結(jié)果較好。

表3 地表死可燃物含水率預(yù)測模型及其誤差

圖1 地表死可燃物含水率實測值與預(yù)測值1∶1圖

3.3 隨機森林地表死可燃物含水率預(yù)測模型

由表4可知，溫度對于水曲柳林地表死可燃物含水率預(yù)測結(jié)果的重要性占比最大，其它林分地表死可燃物含水率預(yù)測結(jié)果重要性占比最大的均為相對濕度。白樺、蒙古櫟和興安落葉松林分內(nèi)溫度和降水量對預(yù)測結(jié)果影響相對較弱，紫外光、可見光和風速對預(yù)測結(jié)果的影響微弱；可見光、溫度和降水量對黑皮油松地表死可燃物含水率預(yù)測結(jié)果影響相對較弱，紫外光和風速對預(yù)測結(jié)果影響微弱；水曲柳林相對濕度和降水量對預(yù)測結(jié)果影響相對較弱，可見光、紫外光和風速對預(yù)測結(jié)果影響微弱。

表4 不同類型地表死可燃物氣象要素重要性評價

地表死可燃物類型不同氣象要素的節(jié)點純度溫度相對濕度風速太陽紫外光輻射太陽可見光輻射前12h降水量白樺林地5548.0415438.76762.451258.421687.634994.51黑皮油松林地100.0244562.09120.6730.145412.36207.46蒙古櫟林地3219.3625025.31119.381187.472316.917430.43水曲柳林地9807.918564.42874.362673.143276.188710.25興安落葉松林地80.1663427.390.13210.7817.2134.27

由表5可知，水曲柳林地表死可燃物含水率預(yù)測的平均絕對誤差最大，預(yù)測效果不理想；黑皮油松和興安落葉松林的預(yù)測平均絕對誤差最小，對比其它林分效果最好；蒙古櫟和白樺林的預(yù)測誤差相對較小，預(yù)測效果相對較好。

由圖2可知，黑皮油松林地表死可燃物含水率的預(yù)測值與實測值直線斜率最接近，預(yù)測值與實測值分布相近，效果最好；興安落葉松林的預(yù)測值與實測值直線斜率較接近，效果比較好；白樺、蒙古櫟和水曲柳林的預(yù)測值與實測值斜率偏離較大，預(yù)測值與實測值分布較分散，預(yù)測效果不理想。

表5 隨機森林預(yù)測模型誤差

3.4 氣象要素回歸法與隨機森林比較

由表3、表5可知，氣象要素回歸法建立模型5種林分的平均絕對誤差和均方根誤差的變化范圍分別是12.67%～21.36%和18.07%～49.23%。隨機森林的模型的平均絕對誤差和均方根誤差的變化范圍分別是8.35%～9.50%和15.71%～19.48%。隨機森林預(yù)測結(jié)果中白樺林、黑皮油松林、蒙古櫟林和水曲柳林的決定系數(shù)均大于氣象要素回歸預(yù)測模型，只有興安落葉松林的決定系數(shù)略小于氣象要素回歸法預(yù)測值。隨機森林的總體誤差變化范圍只有1.15%，不同林分之間的誤差變化也較小，平均絕對誤差均小于氣象要素回歸法模型的誤差，均方根誤差除了興安落葉松外，其它4種林分均小于氣象要素回歸法的均方根誤差，所以隨機森林方法在地表死可燃物含水率預(yù)測的準確性方面比氣象要素回歸法要更精確。

4 結(jié)論與討論

通過對白樺林、黑皮油松林、蒙古櫟林、水曲柳林、興安落葉松林等5種人工林地表死可燃物含水率和氣象要素關(guān)系的研究，結(jié)果表明：(1)試驗期間，興安落葉松林地表死可燃物含水率變化范圍最大，白樺林地表死可燃物含水率動態(tài)變化范圍最小。(2)不同林分地表死可燃物對于氣象要素動態(tài)變化的敏感程度不同，白樺林、黑皮油松林、水曲柳林的地表死可燃物含水率與溫度、相對濕度、前12 h降水量極顯著相關(guān)(P<0.01)；興安落葉松林地表死可燃物含水率還與風速顯著相關(guān)(P<0.01)；蒙古櫟林地表死可燃物含水率與溫度、相對濕度、前12 h降水量極顯著相關(guān)(P<0.01)，與紫外光顯著相關(guān)(P<0.05)。(3)采用氣象要素回歸法建立的5種林分地表死可燃物含水率預(yù)測模型，平均絕對誤差和均方根誤差的變化范圍分別是12.67%～21.36%和18.07%～49.23%，黑皮油松林和興安落葉松林的平均絕對誤差和均方根誤差相對較小，總體來看模型預(yù)測效果較好；白樺林、蒙古櫟林、水曲柳林模型的平均絕對誤差和標準誤差較大，預(yù)測效果較差。(4)運用隨機森林對5種林分地表死可燃物含水率進行預(yù)測，5種林分平均絕對誤差和均方根誤差的變化范圍分別是8.35%～9.50%和15.71%～19.48%。隨機森林方法相比于氣象要素回歸法，誤差范圍更小，不同林分之間的差異性也更小。

有關(guān)專家運用氣象要素回歸法預(yù)測蒙古櫟-紅松混交林和白樺林內(nèi)地表死可燃物含水率，對非降水、降水、全部數(shù)據(jù)分別進行預(yù)測，結(jié)果顯示非降水的數(shù)據(jù)優(yōu)于全部數(shù)據(jù)，降水數(shù)據(jù)的結(jié)果最差[34-37]。降水導(dǎo)致地表死可燃物含水率短期內(nèi)劇增，解釋了本試驗中降水期內(nèi)少數(shù)預(yù)測值和實測偏差較大的原因。氣象要素回歸法中平均絕對誤差(12.67%～21.36%)的范圍與滿子源[16]等建立的模型差距較大，隨機森林法平均絕對誤差的范圍為8.35%～9.50%，預(yù)測更加精確。

圖2 不同地表死可燃物含水率預(yù)測值與實際值1∶1圖

本試驗以5種人工林地表死可燃物為研究對象，采用氣象要素回歸和隨機森林兩種方法建立含水率預(yù)測模型，隨機森林法對極端天氣下森林地表死可燃物含水率預(yù)測預(yù)報的普適性較高，在提高森林火災(zāi)預(yù)測預(yù)報準確率，預(yù)防森林火災(zāi)的發(fā)生方面有廣泛的應(yīng)用前景。