上海市不同林分型乔木层可燃物载量模型研究_盛锋雷.pdf

上海市不同林分型乔木层可燃物载量模型研究DOI:10.19692/j.issn.1006-1126.20230317摘要：为给上海市森林火灾风险评估与区划提供参考，以上海市森林火灾风险普查的303个乔木标准地为基础，将乔木林分划分为5种林分型，分别建立乔木层可燃物载量与蓄积量关系模型。结果表明，5种林分类型的可燃物载量最优模型分别为W=30.392+10.759V-0.526V2+0.015V3（针叶林型）、W=18.273+13.752V（樟木林型）、W=12.458+12.031V+0.322V2-0.036V3（其他硬阔林型）、W=26.313V0.638（软阔林型）和W=21.644+8.460V+0.425V2（混交林型）。关键词：森林火灾风险普查；可燃物载量；模型拟合中图分类号：S718.51文献标识码：A收稿日期：2022-11-07基金项目：上海市森林火灾风险普查专项（HDY2021）第一作者：盛锋雷（1973），男，农艺师，主要从事森林防火、野生动物保护和湿地资源管理研究。通信作者：刁军（1984），男，工程师，主要从事森林资源监测与评价及林业碳汇计量研究。盛锋雷1，刁军2，王柏昌2，汤序军2（1.上海市金山区林业站，上海201599；2.国家林业和草原局华东调查规划院，浙江杭州310019）Study on Fuel Load Models of Arbor Layers in Different Stand Types in ShanghaiSheng Fenglei1,Diao Jun2,Wang Baichang2,Tang Xujun2(1.Shanghai Jinshan District Forestry Station,Shanghai 201599,China;2.East China Inventory and Planning Institute,NationalForestry and Grassland Administration,Hangzhou,Zhejiang 310019,China)Abstract:In order to provide reference for assessment and zoning of forest fire risk in Shanghai,based on 303arbor standard plots in forest fire risk survey in Shanghai,arbor stands were divided into five stand types,andrelationship models between fuel load and accumulation of arbor layer were established for different standtypes.Results showed that optimal fuel load models of five stand types were W=30.392+10.759V-0.526V2+0.015V3(coniferous stand type),W=18.273+13.752V(Cinnamomum camphora stand type),W=12.458+12.031V+0.322V2-0.036V3(stand type of other hard broad-leaved tree species),W=26.313V0.638(stand typeof soft broad-leaved tree species)and W=21.644+8.460V+0.425V2(mixed stand type).Key words:forest fire risk survey;fuel load;model fitting第52卷第3期2023年 6月广西林业科学Guangxi Forestry ScienceVol.52No.3Jun.2023全国自然灾害综合风险普查是一项重大的国情国力调查，是提升自然灾害防治能力的基础性工作1-2。普查对象包括地震灾害、地质灾害、气象灾害、水旱灾害、海洋灾害及森林和草原火灾等主要自然灾害3-4。作为全国自然灾害综合风险普查工作较重要的一部分，森林火灾突发性强，破坏性大，对森林资源和林区人民生命财产安全造成极大威胁5。森林火灾风险普查是提高森林火灾防治能力的重要举措，对推进构建森林火灾综合防治体系和实现防治能力现代化意义重大6。森林火灾风险普查主要包括可燃物调查、减灾能力调查、野外火源调查和历史火灾调查；林分乔木层可燃物载量调查是森林火灾可燃物调查的重要组成部分，是林分灌木层、草本层、枯落物层及腐殖质层可燃物载量获取的基础，也是森林火灾风险普查可燃物调查中的重要因子7。可燃物载量是指单位面积上所有可燃物的绝对干物质量，乔木层可燃物载量即样地内乔木生物量7-8。第 3 期表1不同样地各变量的相关统计量Tab.1Related statistics of variables in different sample plots目前，关于乔木生物量模型的研究有很多。丁志丹等9在福建省将乐林场结合野外实测样地数据和GF-2影像，采用支持向量机、随机森林及多元逐步回归 3 种方法分别建立杉木（Cunninghamia lanceolata）和马尾松（Pinus massoniana）生物量模型；罗也等10采用三参数Weibull分布，建立东北不同山脉胡桃楸（Juglans mandshurica）次生林径级结构与乔木生物量的关系模型；张希金等11建立上海市4种常见绿化乔木杜英（Elaeocarpus decipiens）、女贞（Ligustrum lucidum）、黄山栾树（Koelreuteria bipinnatavar.integrifoliola）和无患子（Sapindus mukorossi）胸径、树高与生物量的关系模型；仲启铖等12基于2014 年上海市森林资源连续清查统计报告和2013 2014年乔木林典型样地实测数据，采用转换因子连续函数法（CM法）和单木异速生长方程法（AM法）对上海市乔木林生物量进行估算。这些模型大都适用于纯林林分或单木的生物量估算，没有从林分类型8及防火的角度建立生物量模型，在整个林分乔木层生物量获取方面的实用性较弱。本研究以上海市森林火灾风险普查可燃物调查数据为基础，基于全国森林火灾风险普查在上海的分层抽样及样本量需求，将上海市所有林分划分为5种林分型，分别为针叶林型、樟木林型、其他硬阔林型、软阔林型和混交林型，分别建立5种林分型乔木层可燃物载量与蓄积量的关系模型，可为上海市不同林分型乔木层可燃物载量及上海市森林火灾风险普查可燃物调查其他数据的获取提供依据，并为上海市森林火灾风险评估与区划提供参考。1材料与方法1.1数据来源以全国森林火灾风险普查时在上海市设立的303个正方形标准地为基础，样地大小为25.82 m 25.82 m，对样地内胸径大于5 cm的乔木进行每木检尺，采用立木生物量建模技术采集乔木样本，测定不同组分的鲜重；在标准地的4角分别设立1个2 m 2 m样方，采用收获法获取样方内灌木鲜重；在2 m 2 m的样方内分别设立1个1 m 1 m的草本样方，采用收获法获取样方内草本层、枯落物层及腐殖质鲜重；将采集的样品带回实验室，烘干后测定含水率，并转换为生物量。乔木层可燃物载量也可通过生物量扩展因子方程法获得7，但考虑地域分布、林分组成结构等因素，此方法精度有限，因此选择实测法构建模型；林分蓄积量通过查询 上海市二元材积表 获得。不同样地各变量的相关统计量见表1。林分型Stand type针叶Coniferous樟木Cinnamomum camphora其他硬阔Other hard broad-leavedtree species软阔Soft broad-leaved treespecies混交Mixed样地数量Numberof sample plots4491714354单位面积可燃物载量Fuel load unit area/(t/hm2）最小值Minimum9.189.785.509.576.36最大值Maximum259.03345.05141.27210.07234.47平均值Mean99.59106.1260.7776.9763.53标准偏差SD56.9676.0737.4143.5645.97总蓄积量Total accumulation/m3最小值Minimum0.040.350.030.210.06最大值Maximum27.7224.3012.3515.0712.70平均值Mean9.776.393.915.813.74标准偏差SD7.675.413.014.433.211.2研究方法采用SPSS 20.0软件进行数据处理。根据各林分型蓄积量与乔木层可燃物载量的关系图，选择以下模型进行拟合13：线性模型（模型1）：W=a+b V（1）对数模型（模型2）：W=a+b ln（V）（2）二项式（模型3）：W=a+b V+c V2（3）立方（模型4）：W=a+b V+c V2+d V3（4）幂函数模型（模型5）：W=a Vb（5）增长模型（模型6）：W=exp（a+b V）（6）式中，W、V分别为单位面积可燃物载量（t/hm2）和总蓄积量（m3）；a、b、c和d均为模型参数。盛锋雷，刁军，王柏昌，等：上海市不同林分型乔木层可燃物载量模型研究385广西林业科学第 52 卷通过统计量均方根误差（RMSE）、平均绝对偏差（MAD）、决定系数（R2）和预估精度（P），对6个模型进行评价，其数学表达式分别为14-15：RMSE=n=1n(W-W)2n=k 100%（7）MAD=n=1n|W-W/n（8）R2=1-n=1n(W-W)2n=1n(W-W)2（9）P=|1-t1-ai=1n(W-W)2Wn (n-k)100%（10）式中，W、W分别为单位面积可燃物载量的预估值和平均值（t/hm2）；n、k分别为样本量和参数个数；t为置信水平为时t分布值。RMSE和MAD越小，模型越好；R2和P越接近1，模型越好。2结果与分析2.1针叶林型模型的建立及精度验证拟合结果表明，6个模型F检验均极显著，说明6个模型均有效；参数标准差的t检验均显著，参数均有效（表2）。模型4的各统计量在6个模型中均最优，预估精度达到 93.64%，说明模型 4有较高的拟合度和显著性。6个模型有一个共同的假设，即残差满足正态分布，需对模型残差进行正态性检验。理想状态下，满足正态分布的残差在QQ图上应位于直线y=x上16。模型1、3和4的大部分残差位于对角线上（图1）。为进一步说明残差的正态性，对6个模型残差进 行 柯 尔 莫 可 洛 夫-斯 米 洛 夫（Kolmogorov-Smirnov，简称K-S）检验，近似相伴概率值P越大越好，临界值为0.05；近似相伴概率值P 0.05，说明残差满足正态分布。模型1 4的残差均满足正态分布，模型3的残差正态性最优，其次为模型4、1和2（表3），与图1一致，图2为6个模型的拟合图。结合模型检验和残差正态性分布，模型4为针叶林型最优 模 型，即 W=30.392+10.759V-0.526V2+0.015V3。表2针叶林型乔木层可燃物载量与林分蓄积量拟合结果Tab.2Fitting results of fuel load of arbor layer and stand accumulation in coniferous stand type模型Model模型1Model 1模型2Model 2模型3Model 3模型4Model 4模型5Model 5模型6Model 6参数（标准差）Parameter(SD)a32.931（5.617）*58.416（8.260）*38.445（7.199）*30.392（8.092）*46.270（