梁天龍，何宏昌，范冬林*，曾 優(yōu)，付波霖

(1.桂林理工大學 測繪地理信息學院，廣西 桂林 541006；2.生態(tài)時空大數(shù)據(jù)感知服務重點實驗室，廣西 桂林 541006)

0 引言

全球氣候變暖是人類所面臨的重要問題,已經(jīng)成為國際社會廣泛關注的熱點問題[1-3]。在過去幾十年里,大氣CO2增加的主要原因是化石燃料燃燒和以森林破壞為主導的土地利用變化[4]。森林火災導致地球大氣圈層中的CO2濃度急劇提升,從而加重溫室效應,嚴重影響森林生態(tài)系統(tǒng)碳循環(huán),乃至于全球碳循環(huán)。中國大陸近十年來,森林火災發(fā)生超38 000次,重大及以上火災事件達74起,經(jīng)濟損失折算超153 027萬元[5-15],由森林火災引發(fā)的碳排放加劇,嚴重影響到中國碳循環(huán)及“碳達峰”的進程。

國內外關于森林火災碳排放已經(jīng)開展了廣泛研究。孫龍等[16]以森林資源連續(xù)清查資料和林火資料為數(shù)據(jù)基礎,結合GIS技術估算了1987年大興安嶺林火碳釋放量和火后NPP恢復。黃麟等[17]基于江西省森林火災統(tǒng)計和歷次森林清查等數(shù)據(jù),分析了該省林火的特征并估算歷年的林火碳排放量及碳轉移量。隨著遙感技術廣泛應用,Cahoon等[18]通過遙感影像估算了我國東北及西伯利亞的森林火災碳排放。Zhang等[19]應用 SPOT衛(wèi)星圖像對2001年俄羅斯每月燃燒區(qū)域和碳排放進行估算。Sannigrahi等[20]使用MODIS產品數(shù)據(jù)探尋森林火災對印度陸地碳排放和生態(tài)系統(tǒng)生產的影響。Pessa等[21]針對亞馬遜地區(qū)進行燃燒區(qū)遙感影像產品的對比并探尋其對碳排放估算的意義。劉斌等[22]利用衛(wèi)星遙感影像估算了2010年6月大興安嶺呼中區(qū)林火的碳排放。靳全鋒等[23]基于MODIS火點產品數(shù)據(jù)集進行2000—2010年福建地區(qū)包括主要含碳氣體的林火排放污染物時空動態(tài)變化研究。席云竹[24]基于多款MODIS產品數(shù)據(jù)集估算了2009—2018年大興安嶺的林火碳排放。

廣西是中國南方重要林區(qū)之一,區(qū)域森林覆蓋率高[25],但與此同時也是森林火災高發(fā)區(qū)之一,年均森林火災發(fā)生超過450次[5-15]。然而,關于廣西林火發(fā)生的特點和碳排放的研究卻屈指可數(shù),這極大增加了討論廣西林火對中國碳循環(huán)及“碳達峰”目標影響的意義。鑒于此,本文以廣西林火碳排放量為研究目標,基于Google Earth Engine(GEE)平臺,結合MCD12Q1、MCD64A1 和 MOD17A3 產品數(shù)據(jù),以及研究區(qū)的生物量、氣候條件和植被類型等輔助數(shù)據(jù),估測廣西 2011—2021年間森林過火面積,在此基礎上建立可燃物載量模型并采用碳排放因子法從而估算出該區(qū)域的林火碳排放量及主要含碳氣體排放量,利用線性回歸算法結合歸一化手段對主要含碳氣體排放量進行分析。研究成果可以為廣西地區(qū)碳循環(huán)提供數(shù)據(jù)參考和科學依據(jù)。

1 研究區(qū)概況

廣西壯族自治區(qū)位于中國南部,土地面積2.376×107hm2。廣西跨越南亞熱帶、中亞熱帶和北熱帶,全區(qū)各地極端最高氣溫為 33.7～42.5 ℃,極端最低氣溫為-8.4～2.9 ℃,年平均氣溫21 ℃,各地年降水量均在1 070 mm 以上,但是降雨量隨季節(jié)變化而分配不均[26-27]。截止到目前,廣西的森林覆蓋率達62.55%;活立木面積和蓄積分別占全國的6.41%和3.42%;主植被碳儲量達7.46×108t,由松樹、杉木和桉樹等林型貢獻[28]。廣西作為南方重要林區(qū),也是森林火災高發(fā)區(qū),受到人為(燒荒、燒炭)和氣候(干旱、少雨)等影響[29-30],其林火次數(shù)和頻率在時間上不均衡,主要發(fā)生的時間為春季和冬季,集中在1—4月、10月和12月。

2 數(shù)據(jù)與方法

2.1 研究數(shù)據(jù)

影像數(shù)據(jù)來自NASA的EOS系列衛(wèi)星的MODIS數(shù)據(jù),包含2011—2021年的MCD12Q1(500 m空間分辨率的年尺度土地利用數(shù)據(jù)產品)、MCD64A1(500 m空間分辨率的月尺度火點數(shù)據(jù)產品)和 MOD17A3(500 m空間分辨率的年尺度NPP數(shù)據(jù)產品)數(shù)據(jù)集。MCD12Q1、MOD17A3和MCD64A1是MODIS產品數(shù)據(jù)集,被廣泛應用于森林火災、植被NPP提取等研究[31-33]。MCD12Q1土地覆被類型劃分的精確度可以達到71.44%[34],MOD17A3獲取的NPP與CASA模型的NPP具有較高的擬合度[35],MCD64A1的火點數(shù)據(jù)檢測成功率達90%甚至100%[36]。本文通過GEE云計算平臺(https:∥earthengine.google.com)提取了2011—2021年廣西區(qū)衛(wèi)星火點數(shù)據(jù),并利用3款產品進行疊加提取森林火點及其NPP數(shù)據(jù)。

森林資源類型是計算林火碳排放的重要指標,本文將廣西森林資源分為常綠闊葉林、落葉闊葉林、混交林、有林草地、稀樹草原和草地;以廣西統(tǒng)計年鑒數(shù)據(jù)為基礎,將林火烈度定義為輕[37]。按照文獻[24,28,38]關于森林資源的可燃物載量,本文統(tǒng)計了6種森林資源的燃燒效率、生物量比重和含碳率,如表1所示:有林草地和稀樹草原的燃燒效率和含碳率以文獻[24-28-38]與IGBP分類標準[39]為基礎,采用面積加權平均值的方法進行確定。為了進一步探討3種主要含碳氣體(CO2、CO和CH4)對碳排放量的貢獻,本文參考文獻[23,24,40]針對不同土地類型選取了不同的排放因子,如表2所示:所有植被的生物量比重基于IGBP森林部分面積得出,有林草地和稀樹草原的排放因子以文獻[22,23,28]與IGBP分類標準[39]為基礎,同樣采用面積加權平均值的方法進行確定。

表1 森林資源可燃物載量計算因子

表2 各植被類型碳排放因子

2.2 研究方法

2.2.1 燃燒消耗量模型

可燃物載量指單位面積上可燃物的絕干質量,是計算碳排放量的基礎數(shù)據(jù)。Seiler等[41]提出了森林火災燃燒損失可燃物載量的計量方法,由于該方法只考慮了地上可燃部分(喬木、灌木等),席云竹[24]建立了地表可燃物載量模型,從而更加充分地估算森林火災可燃物載量。本文根據(jù)廣西區(qū)實際情況,將地上可燃物類型視為常綠闊葉林、落葉闊葉林、混交林和有林草地;地表可燃物類型視為草地;凈初級生產力提取值視為單位面積的有機物質。綜合以上建立本文的燃燒消耗量模型,計算如下:

Mi=Ai×BNPP×Ci×λi,

(1)

式中:Mi為第i種森林資源的燃燒消耗量,單位t;Ai為第i種森林過火面積,單位hm2;BNPP為單位面積的有機物質,單位tC/hm2;Ci為第i種森林資源的生物量比重,λi為第i種森林資源的燃燒效率。

2.2.2 含碳氣體排放量計算

排放因子法是是根據(jù)森林火災中某種森林資源的碳排放量及其排放因子,從而計算出該森林資源的含碳氣體排放量,其中森林資源的碳排放量為可燃物載量和含碳率之積。因此本文選擇French等[42]提出的公式,將某種森林資源的碳排放量拆分成該種森林資源的可燃物載量和含碳率:

Ej=Mi×ηi×Fj,

(2)

式中:Ej為表2中第j種含碳氣體的碳排放量,單位t;Mi為第i種森林資源的可燃物載量,單位t;ηi為第i種森林資源的含碳率,Fj為表2中第j種含碳氣體的碳排放因子,單位g/kg。

2.2.3 含碳氣體排放量趨勢

線性回歸法能夠在時域內較好地描述出序列整體的變化特征,是常用的時間域內的趨勢分析方法之一[43]。歸一化是一種無量綱處理方法[44],該方法在遙感領域中被廣泛使用,例如歸一化植被指數(shù)(Normalized Difference Vegetation Index, NDVI)、歸一化差異水體指數(shù)(Normalized Difference Water Index, NDWI)等。綜合以上2種方法,本文對14個城市11年來主要含碳氣體排放量分別進行趨勢分析,其回歸方程的斜率作為主要含碳氣體排放趨勢量,并將趨勢量進行歸一化處理,計算如下:

(3)

(4)

式中:βc為主要含碳氣體排放量歸一化趨勢指數(shù),βi為第i個城市的線性回歸方程中的斜率值,βmin為研究的樣本中所設置的最小值,βmax為研究的樣本中所設置的最大值。

3 結果與分析

3.1 森林過火因子及其NPP總量的時間統(tǒng)計量

基于2011—2021年廣西MCD12Q1、MOD17A3和MCD64A1產品數(shù)據(jù)集分別計算出火點數(shù)、燃燒面積、NPP總量和可燃物載量,繪制11年廣西森林過火因子及其NPP總量的時間變化圖(如圖1(a)所示)?？梢钥闯?2011—2021年廣西森林的火點數(shù)、燃燒面積、可燃物載量和NPP總量分別為:6 899個、1.73×105hm2、8.01×105hm2和6.42×104tC/hm2;年均火點數(shù)、燃燒面積、可燃物載量和NPP總量分別為:627個、1.57×104hm2、7.29×104hm2和5.83×103tC/hm2。廣西森林過火因子及NPP總量在時間變化上高度一致,體現(xiàn)了廣西林火的發(fā)生次數(shù)在2011—2021年的年際變化特征為整體下降趨勢,同時還具有一定的階段性特征。最明顯的轉折分別出現(xiàn)在2012年、2015年和2019年,呈現(xiàn)上升-下降-上升-下降的趨勢。其中在2015—2017年,廣西林火的發(fā)生次數(shù)呈現(xiàn)出高速且穩(wěn)定的下降趨勢,并且在2018年達到了最低點。但是,2019年廣西林火的發(fā)生次數(shù)卻迅速上升,是本文研究時序范圍中上升速率最高的階段。另一方面,2018—2019年廣西林火的火點數(shù)、燃燒面積和NPP總量都呈現(xiàn)較高的上升趨勢,而可燃物載量的上升趨勢相對平緩,結合本文的可燃物載量模型表明,2019年廣西林火所造成森林資源的損失比重與其他年份相比,可能存在較大的差異?？傮w而言,11年來構成廣西林火的植被類型在個別年份上存在較大差異,廣西林火的整體趨勢具有波浪式下降的特點。為了能夠更深入地研究廣西森林過火因子及其NPP總量在時間上的變化規(guī)律,本文將2012、2015、2019年定義為廣西林火高發(fā)年,分別把這3年的森林過火因子和NPP總量的統(tǒng)計量以月尺度繪制時間變化圖(如圖1(b)～圖1(d)所示)?？梢钥闯?廣西林火具有顯著的階段性特征,即季節(jié)變化特征。按照氣溫將春季劃分為3—5月,夏季為6—8月,秋季為9—11月,冬季為—次年2月。從季節(jié)變化特征來看,林火的發(fā)生趨勢在2012年的春季顯著上升,秋季和冬季明顯上升;在2015年的春季和冬季顯著上升,秋季明顯上升;在2019年的冬季顯著上升,秋季明顯上升。從時間分布規(guī)律來看,在廣西林火高發(fā)年中,林火發(fā)生的時間主要集中在1月、2月、4月、5月、10月和12月。以上結果與文東新等[29]關于廣西森林火災時空分布的研究結果基本一致。綜合以上可以判斷,廣西林火成因與氣候因素高度相關。

(a)11年廣西森林過火因子及其NPP總量的時間變化

(b)2012年廣西森林過火因子及其NPP總量的時間變化

(c)2015年廣西森林過火因子及其NPP總量的時間變化

(d)2019年廣西森林過火因子及其NPP總量的時間變化

3.2 森林過火因子及其NPP總量的空間分布

基于核密度原理,利用ArcGIS將2011—2021年廣西林火點數(shù)據(jù)繪制成11年總火點密度圖(如圖2(a)所示)?？梢钥闯?廣西西北部的林火密度最大,主要集中在百色與貴州的交界區(qū)域;東部和西南部次之,分別集中在崇左、賀州、來賓,以及貴港與梧州的交匯區(qū)域;其他區(qū)域相對較低。表明林火在空間上分布較為不均衡,總體與何蕓[30]的研究規(guī)律一致?；?011—2021年廣西林火點數(shù)據(jù)及其土地覆蓋植被數(shù)據(jù),估算出廣西各城市總過火面積,得到11年過火面積圖(如圖2(b)所示)?？梢钥闯?百色、河池和桂林的過火面積分別為7.42×104、1.60×104、1.21×104hm2,依次為廣西區(qū)11年來過火面積最大的3個城市;而欽州、防城港和北海分別只有0.37×104、0.26×104、0.13×104hm2。另一方面,截至2020年,百色、河池和桂林的總面積分別為3.63×106、3.35×106、2.78×106hm2,森林覆蓋率分別為72.81%、71.32%和71.89%,總面積和森林覆蓋率均位居廣西前列[45]。綜合以上得出結論,廣西不同城市的林火燃燒面積差異較大的原因主要在于其森林資源的儲備量不同。

通過可燃物載量模型,本文估算出各個城市6種植被類型的可燃物載量, 11 年各城市植被類型可燃物載量占比如圖2(c)所示。可以直觀地看出,各區(qū)域森林可燃物載量差異很大,不同植被類型對可燃物載量貢獻占比差異顯著。經(jīng)統(tǒng)計,2011—2021年廣西林火總可燃物載量為2.78×105t,其中混交林和有林草地可燃物載量最高,為4.31×103、2.71×105t,落葉闊葉林和稀樹草原最少,為74、146 t;常綠闊葉林、落葉闊葉林、混交林、有林草地、稀樹草原和草地的可燃物載量總體占比為0.76%、0.03%、1.55%、97.44%、0.05%和0.18%,年均可燃物載量為192、7、392、2.46×104、13、44 t;百色、河池、桂林的可燃物載量為1.74×105、3.16×104、1.39×105t,依次為廣西可燃物載量最高的3個城市,與過火面積數(shù)量分布情況一致;而防城港、欽州和北海的可燃物載量為1.29×103、6.08×102、5.02×102t,依次為廣西可燃物載量最少的3個城市,與過火面積分布相比,在數(shù)量排序上,防城港與欽州的位置有所變化。綜合以上可知,廣西林火主要發(fā)生的植被類型為有林草地;與其他城市相比,只有北海、防城港和欽州可燃物載量的植被類型構成較復雜,其中北海的可燃物載量主要由常綠闊葉林、有林草地、稀樹草原和草地構成,占比分別為1.34%、87.01%、0.32%和11.33%;防城港的過火面積少于欽州,可燃物載量卻多于欽州,結合可燃物載量模型進行分析,這樣的情況與構成林火的植被類型高度相關;另外結合3個城市的地理位置信息可判斷,廣西林火成因與緯度升高、溫度下降關系緊密。圖2(d)顯示,各城市過火點NPP總量差異很大,其中百色過火點NPP總量最高,為2.87×104tC/hm2,占總過火點NPP總量的44.79%,河池、賀州、桂林、貴港、梧州、崇左和南寧分別占9.29%、5.90%、5.48%、5.17%、5.14%、4.92%和4.54%,其余6個城市占比不足15%,各個城市受林火造成的森林資源損失占比情況也由此體現(xiàn)。

(a)11年總火點密度圖

(b)11年過火面積圖

(d)11年各城市NPP總量

3.3 林火碳排放的時空格局

本文按照6種植被類型的燃燒效率、生物量比重、含碳率,單獨估算出各植被類型的森林可燃物載量和碳排放量,并繪制11年廣西林火碳排放總量的時間變化圖(如圖3(a)所示)?？梢钥闯?2011—2021年廣西林火碳排放總量為1.31×105t;年均林火碳排放量為1.19×104t;年間變化與森林過火因子及其NPP總量的變化趨勢一致,具有相同的年際變化特征和階段性特征,在2011—2021年呈波浪式下降趨勢?；?011—2021年廣西MCD64A1林火點數(shù)據(jù)和每個城市的碳排放量數(shù)據(jù),計算得到單位面積碳排放量(每個城市的碳排放總量除過火像元數(shù)),基于核密度原理,繪制11年碳排放總量密度圖(如圖3(b)所示)?？梢钥闯?廣西西北部的碳排放量密度最大,主要集中在百色、河池及百色與貴州的交界區(qū)域;東部次之,主要集中在賀州,以及貴港與梧州的交匯區(qū)域;其他區(qū)域相對較低,林火碳排放量在空間上呈現(xiàn)不均衡分布。圖3(c)顯示,不同區(qū)域碳排放量差異很大,百色、河池、桂林11年來碳排放總量分別為8.23×104、1.49×104、6.56×103t,防城港、欽州、北海分別為614、288、236 t,與可燃物載量在數(shù)量上的分布規(guī)律一致。由于廣西林火火源性質主要是人為因素[30],并且大氣環(huán)流、地形、干旱和洋流對廣西林火的影響巨大[29],因而呈現(xiàn)上述林火碳排放空間分布,從而直接影響到廣西整體碳排放結構?；?011—2021年廣西林火碳排放量數(shù)據(jù),利用排放因子法計算得出3種主要含碳氣體排放量,繪制11年廣西林火主要含碳氣體排放總量圖(如圖3(d)所示)?？梢钥闯?2011—2021年廣西林火碳排放總量主要由CO2貢獻;廣西區(qū)11年來CO2排放總量為3.27×105t,CO排放總量為3.08×104t,CH4為1.55×103t;占比分別為90.98%、8.59%和0.43%;百色、河池和桂林11年來3種含碳氣體的排放總量分別為2.23×105、4.01×104、1.81×104t,是含碳氣體排放量最高的3個城市,防城港、欽州和北海為1.62×103、901、745 t,是含碳氣體排放量最低的3個城市,總體上與碳排放量的規(guī)律一致;在14個城市中CO2排放量占比最高的是賀州,為91.18%,最低的是北海,為90.51%;CO排放量占比最高的是北海,為9.05%,最低的是賀州,為8.39%;每個城市的CH4排放量占比幾乎一致,均為0.43%左右。另外,賀州和北海主要含碳氣體排放總量出現(xiàn)了占比差異,在3.2節(jié)中提到北?？扇嘉镙d量主要由有林草地和草地貢獻,占比分別為87.01%和11.33%,賀州主要由有林草地和常綠闊葉林貢獻,占比分別為96.97%和2.44%,而含碳氣體排放量與可燃物載量有很大聯(lián)系,結合本文可燃物載量模型可知其原因為構成林火的植被類型存在較大差異。

(a)11年廣西林火碳排放總量的時間變化

(d)11年廣西林火主要含碳氣體排放總量圖

3.4 林火主要含碳氣體排放量時間變化及趨勢分析

2011—2021年廣西各城市林火主要含碳氣體(CO2、CO和CH4)排放量在時間變化趨勢如圖4所示。南寧、百色和桂林主要含碳氣體的排放量有明顯下降趨勢,柳州呈波浪式下降趨勢,其中南寧和柳州主要含碳氣體排放量的峰值在2011年,桂林和百色分別在2015年和2012年;北海、防城港、欽州、貴港、玉林、賀州、河池、來賓和崇左前中期平緩,后期有明顯上升趨勢,梧州呈波浪式上升趨勢,這些城市主要含碳氣體排放量的峰值都在2021年。對14個城市11年來主要含碳氣體的排放總量進行線性回歸分析,并對其斜率進行歸一化處理,歸一化的最小值和最大值指定為0和3 500,得到歸一化含碳氣體排放量指數(shù)后,利用自然間斷法將其劃分為顯著下降、下降、上升和顯著上升4個層次,對應的區(qū)間分別是-0.94、(-0.94,0]、(0,0.11]和(0.11,0.19],繪制2011—2021年廣西各城市林火主要含碳氣體排放總量的趨勢,如圖5所示?？梢钥闯?主要含碳氣體排放量呈下降趨勢的城市有百色、南寧、柳州和桂林,其中顯著下降的城市為百色,其歸一化含碳氣體排放量指數(shù)為-0.94,其余3個城市下降趨勢較不明顯,歸一化含碳氣體排放量指數(shù)分別為-0.02、-0.01和-0.07;呈上升趨勢的有梧州、北海、防城港、欽州、貴港、玉林、賀州、河池、來賓和崇左,其中顯著上升的城市為來賓和崇左,其歸一化含碳氣體排放量指數(shù)為0.18和0.19,其余8個城市上升趨勢較不明顯,歸一化含碳氣體排放量指數(shù)分別為0.04、0.08、0.08、0.08、0.08、0.10、0.11和0.16。綜上,近11年來百色、南寧、柳州和桂林這4個城市林火防控方面工作比較好,而其余10個城市需多加重視林火防控工作;由于在宏觀上14個城市的地理位置、氣候和人文等條件比較相似,必要時,主要含碳氣體排放量呈上升趨勢的城市可借鑒呈下降趨勢的城市的相關防治措施。

(a)南寧每年林火碳排放量

(b)柳州每年林火碳排放量

(c)桂林每年林火碳排放量

(d)梧州每年林火碳排放量

(e)北海每年林火碳排放量

(f)防城港每年林火碳排放量

(g)欽州每年林火碳排放量

(h)貴港每年林火碳排放量

(i)玉林每年林火碳排放量

(j)百色每年林火碳排放量

(l)河池每年林火碳排放量

(n)崇左每年林火碳排放量

圖5 2011—2021年廣西林火主要含碳氣體排放總量的趨勢Fig.5 Trend of total emissions of major carbon-containing gases from forest fires in Guangxi from 2011 to 2021

4 結論

為探尋廣西區(qū)近11年來森林火災對中國碳循環(huán)及“碳達峰”進程的影響,本文利用2011—2021年廣西MCD64A1、MCD12Q1和MOD17A3數(shù)據(jù)集,基于GEE平臺,通過可燃物載量模型和碳排放因子法,估算了廣西林火的可燃物載量、碳排放量和主要含碳氣體排放量(CO2、CO和CH4),并利用線性回歸算法和歸一化手段等,從年尺度和月尺度上分析了廣西森林過火因子及其NPP總量的時間統(tǒng)計量及其空間分布,以及林火碳排放量和林火主要含碳氣體排放量的時空變化特征,主要得到以下結論:

① 2011—2021年廣西森林總可燃物載量為2.78×105t,其中有林草地和混交林可燃物載量最高,為2.71×105、4.31×103t,稀樹草原和落葉闊葉林最少,為1.46×102、74 t;常綠闊葉林、落葉闊葉林、混交林、有林草地、稀樹草原和草地的可燃物載量總體占比為0.76%、0.03%、1.55%、97.44%、0.05%和0.18%。

② 2011—2021年廣西碳排放量密度與林火點密度的空間分布基本一致,呈現(xiàn)不均勻分布;碳排放主要集中在百色、河池及百色與貴州的交界區(qū)域,原因可能是該地區(qū)森林分布廣、具有高火險因素、存在人類活動以及火災管理和監(jiān)測不足。表明上述區(qū)域需要重點防控。

③ 2011—2021年廣西主要含碳氣體總排放量為3.59×105t;CO2排放總量為3.27×105t,CO排放總量為3.08×104t,CH4為1.55×103t,占比分別為90.98%、8.59%和0.43%;百色、河池和桂林3種含碳氣體的排放總量分別為2.23×105、4.01×104、1.81×104t,防城港、欽州和北海為1.62×103、901、745 t;總體分布規(guī)律與碳排放量一致,但與過火面積分布規(guī)律存在差異,主要原因是構成林火的植被類型不同。

④ 2011—2021年廣西主要含碳氣體排放量呈下降趨勢的城市有百色、南寧、柳州和桂林,其中顯著下降的城市為百色,其余3個城市下降趨勢較不明顯;呈上升趨勢的有梧州、北海、防城港、欽州、貴港、玉林、賀州、河池、來賓和崇左,其中顯著上升的城市為來賓和崇左,其余8個城市上升趨勢較不明顯。表明百色、南寧、柳州和桂林這4個城市林火防控有所改善,其余10個城市應對林火防控方面工作提高重視。