森林地表可燃物聚類方法的研究與分析

李桂君，杜嘉林，馮仲科

(1.北京林業大學 林學院，北京 100083；2.黑龍江省林業科學院，哈爾濱 150081)

森林地表可燃物聚類方法的研究與分析

李桂君1，2，杜嘉林2，馮仲科1*

(1.北京林業大學 林學院，北京 100083；2.黑龍江省林業科學院，哈爾濱 150081)

掌握森林地表可燃物的載量及分布狀況是現代林火管理關鍵性的工作。本文依據地表可燃物載量測定數據，采用聚類方法對大興安嶺新林區地表可燃物載量進行分類分析，并將系統聚類法中的Ward法引入到載量特性分類研究中，對10個實測林型的地表可燃物載量進行分析研究。結果表明：Ward聚類法可以凝練可燃物類型信息和給出載量變化的形式，即有林地、疏林地、灌叢、其他林地、草地等可燃物類型，反映了大興安嶺新林區地表可燃物載量的特點，說明聚類分析可以估計所有的分類載量。同時，模型的平均絕對誤差、預測的標準誤差和模型預測的穩定性指數均在允許值內。因此，采用該方法進行分類對森林火災的預防、林火發生預報、滅火指揮等具有十分重要的現實意義。

地表可燃物；載量；聚類分析

0 引言

在20世紀50年代Sparhawk、Hamby等就開始對可燃物載量進行研究，但僅是對森林某個類型進行了探索性的可燃物載量研究，處于比較粗放性狀態[1-2]；60年代后，依據林分因子進行分析，利用數學模型進行推測森林可燃物載量的研究[3-5]；Rothermel等依據森林可燃物載量的時間變化規律性提出了可燃物載量的動態模型，讓人為估計趨近客觀實際情況，也為研究森林可燃物載量奠定了基礎[6]；Brende等建立了火炬松人工林中地被物載量估計公式[7]；Brown分別用來估計對林分中小直徑木、灌木和草本的載量[8]；美國學者Raison等研究了6種類型的可燃物，并建立了一個細小可燃物載量動態模型[9]；Wiliam等研究了加利福尼亞州森林純林火災后的載量情況，美國常綠灌木果茶，火燒后總活載量隨火災后時間的增加而逐漸增加[10]；加拿大Allan討論了植物活負荷量的模式和火災后的變化的規律，和其他研究人員也有類似的結論[11-13]；Nicholas通過量化森林結構和估測森林可燃物梯度，估算林下可燃物載量[14-15]。我國研究起步較晚，在不同地區，針對不同研究對象，專家采用分類和回歸的方法，建立了可燃物載量動態模型，并與森林資源連續因子來提高模型的預測精度[16-17]。鄭煥能用易燃的載量系數等因子，對森林燃燒性分類研究[18]；何忠秋在研究大興安嶺北部不同時期可燃物類型載量變化基礎上，利用灰色系統仿真技術，建立了3種森林可燃物含水量的動態載量模型[19-20]；陳存久等對37種針葉和闊葉樹抗火性能進行綜合研究[21]；袁春明、文定元以南方馬尾松人工林建立可燃物載量的動態預測模型[22]，胡海清等利用林分因子預測森林地被可燃物載量[23-26]。

可燃物的載量決定了森林火災的大小，掌握森林地表可燃物的載量及分布，對森林可燃物進行定量分析，是現代林火管理的一種較為關鍵性的基礎工作。本研究以當地具有代表性的優勢樹種興安落葉松地表可燃物作為研究對象，通過實地調查取樣，采用DPS數據處理系統進行數據分析，建立適合當地的森林可燃物載量模型，它對森林火災的預防、林火發生預測和滅火指揮等具有十分重要的現實意義。

1 研究地概況與調查方法

1.1 研究地概況

本研究選擇黑龍江省大興安嶺新林林業局為研究地。黑龍江省大興安嶺新林林業局(123°41′-125°32′ E，50°16′-52°20′ N)地處寒溫帶北端，屬中溫帶大陸性季風氣候，樹木休眠期長達6個月以上，年平均氣溫-3 ℃，最低氣溫-47 ℃，最高溫度36 ℃，無霜期80～100 d，總面積879 046 hm2，森林覆蓋率84.5%。主要樹木有興安落葉松(Larixgmelinii)、樟子松(Pinussylvestris)、紅皮云杉(Piceakoraiensis)、白樺(Betulaplatyphylla)、蒙古櫟(Xylosmaracemosum)、山楊(Populusdavidiana)等。

1.2 研究方法

草地可燃物載量：草本層在標準地內均勻設置3個1 m×1 m小樣方，把所有草本植物從根處割取地上部分，稱其鮮重并取樣。80 ℃全部烘干至恒重，換算成單位面積的生物量。

灌木林可燃物載量：灌木層在標準地中隨機設置三個5 m×5 m樣方，統計灌木層的種類和數量后，采用全體收獲法，分別對不同種類地上部分不同器官稱鮮重；并取樣烘干，把不同種類灌木生物量求和，推算出單位面積灌木的生物量。

有林地可燃物載量：地被物層在喬木層調查的樣方中，隨機均勻選設3個1 m×1 m小樣方。凋落物按未分解、半分解兩層，測定其鮮重，取樣烘干至恒重，計算其生物量，并換算成單位面積的生物量。

應用DPS數據處理系統對數據進行聚類分析和相關關系檢驗。

2 可燃物載量估算方法

2.1 基于聚類分析的可燃物載量估算方法

以黑龍江省大興安嶺新林區為研究對象，選定森林可燃物載量為研究的基本單位，以各林班、小班載量指標為依據進行區劃。

表1 描述統計量Tab.1 Descriptive statistics

在這個系統中，每個類型的可燃物載量有一個更密切的關系，有一個明顯的類和類之間的差異。由于森林地帶分布是模糊的，所以引入模糊數學進行聚類分析可以使分類更加實用。通過直接模糊聚類分析可以實現森林防火區劃。

2.2 可燃物載量和因子的選擇

選取大興安嶺林區新林區植被類型作為樣品，組成論域X={X1，X2，……，X10}，40個載量作為因子，這樣每個樣品被視為10維空間上的點，即X1={Xij}，i=1，2，……10；j=1，2，……6。它們組成了可燃物載量為10，因子數為40的可燃物載量集。

2.3 數據進行標準化處理

對原始數據進行標準化處理，利用的公式為

原始數據進行標準化處理結果見表1。

3 結果與分析

聚類分析的目的是建立森林資源圖形數據庫，依據森林資源信息測算地表可燃物載量，將森林地表可燃物信息疊加到森林資源圖形上，小于15 t為綠色，15～25 t為黃色，25 t以上為紅色，同色相溶形成可燃物分布圖。聚類分析(cluster analysis)是一組將研究對象分為相對同質的群組(clusters)的統計分析技術。聚類分析也叫分類分析(classification analysis)或數值分類(numerical taxonomy)。變量類型為定類變量、定量(離散和連續)變量。從實際應用的角度來看，聚類分析是數據挖掘的主要任務之一。此外，聚類分析可以作為一個獨立的工具來獲得數據的分布，觀察每一個簇的數據的特點，并將重點放在具體的簇集，并進一步分析[27-28]。聚類分析也可以作為其他算法的預處理步驟(如分類和定性歸納算法)。聚類分析結果見表2至表8。

3.1 最佳聚類數的確定

通過聚類中心、距離、方差分析等去確定最佳聚類數。V1～V10代表類型。見表2至表5。

F檢驗應僅用于描述性的目的，因為所選擇的聚類將被用來最大化的情況下，在不同的集群之間的差異。所觀察到的顯著性水平沒有被相應地校正，所以無法將其解釋為是對聚類均值相等這一假設的檢驗。

3.2 聚類分析結果

通過無缺失類型展示近似矩陣的結果見表6。

表2 最終聚類中心Tab.2 The final cluster centers

表3 最終聚類中心間的距離Tab.3 The distance between the final cluster centers

表4 方差分析Tab.4 ANOVA

表5 每個聚類中的案例數Tab.5 Number of cases in each cluster

表6 案例處理匯總aTab.6 Case processing summary

表7 近似矩陣Tab.7 Approximation matrix

3.3 Ward 聯結

采用Ward聯結方法產生階梯聚類樹見表8。

表8 聚類表Tab.8 Cluster table

Ward方法、最小方差法(離差平方和法、Ward法)，由Ward提出。它是基于方差分析的思想。如果類被適當地分配，相同可燃物載量之間的平方和應該是更小的，并且不同類可燃物載量之間的偏差和的平方應該更大。當譜系聚集時，類之間的距離可以直接計算，也可以得到從以前的簇級的距離。觀測值之間的距離可用歐氏距離[29-30]。

Ward方法并類時總是使得并類導致的類內離差平方和增量最小。

圖1 聚類分析Fig.1 Cluster Analysis

譜系聚類最終得到一個聚類樹，可以把所有觀測聚為一類。到底應該把觀測分為幾類是一個比較困難的問題，到現在沒有一個統一的確定性的方法。因為分類問題本身就是沒有一定標準的，沒有絕對正確的原則。通常要結合以下幾種方法或原則來綜合考慮：

(1)根據問題的實際情況。這是一個前提性的原則。

(2)從譜系聚類圖直觀的看出來或通過分界值(閾值)給出分類

選定聚類方法，經過聚類最后得到一張譜系圖。譜系圖只能反映可燃物載量之間的關系，本身并沒有給出分類。在本文中譜系圖只表示可燃物載量之間的關系，可以根據圖看出可燃物載量之間的聚類趨勢來判斷聚類的結果，也可以確定一個閾值，作為尺度來分割譜系圖得出分類的結果。根據可燃物載量的分布和劃分特點，采用模糊數學中的聚類分析方法進行分區。它的基本原理是根據可燃物載量的屬性或特征，用數學方法定量地確定可燃物載量種類之間的關系，根據每個可燃物載量分類的近似度，最終得到一個分類系統能夠反映個體之間的關系。

從圖1可以看出大興安嶺新林區可分為6個不同類型，{1、6、7}、8、10、{4、9}、{2、5}、3，即有林地、疏林地、灌叢、其他林地、天然草地、其他草地。選定6個類型，與實際工作中的可燃物載量劃分基本相同，反映大興安嶺新林區地表可燃物類型的特點。

4 結論與討論

4.1 結論

本研究采用Ward聚類法以凝練可燃物類型信息和給出載量變化的形式，有效地劃分出有林地、疏林地、灌叢、其他林地、草地等可燃物類型，基本能反映大興安嶺新林區地表可燃物載量的特點。同時，模型的平均絕對誤差、預測的標準誤差和模型預測的穩定性指數均在允許值內。聚類分析的結果合理、準確、客觀，表明該方法具有較好的應用前景。

4.2 討論

采用經驗方法預測森林可燃物載量，得出區域森林可燃物載量估計值，使人們對區域森林可燃物載量有了整體了解，但可信度不確定；通過聚類分析，得出可燃物載量類型劃分的結果與結論，數量化了森林可燃物載量，具有可靠性和確定性。可燃物載量聚類分析有助于從整體上推進量化指標，有助于了解林火蔓延過程中可燃物的存在量。通過聚類分析和經驗分析的比較，可以看出結果相似，所以林火預防撲救布控，應充分考慮聚類分析劃分的可燃物載量類型，適當增加布控人員數量，控制林火發生發展的關鍵位置。

本研究所建立的森林可燃物載量模型對林火發生、發展預測模型提供可靠數據，可為林火的預防撲救及森林生態恢復提供參數；但是可燃物載量狀態以及分布的影響需要進一步研究，也將是未來要開展的工作。因此，建議采用該方法進行分類，對森林火災的預防撲救等具有十分重要的現實意義。

[1] Sparhawk W N.The use of liability ratings in planning forest fire protection[J].Agriculture Resources，1925，30(8)：693-762.

[2] Hornby L G.Fuel type mapping in region one[J].Journal of Forestry，1935，33(1)：67-72.

[3] Wendel G W.Fuel weights of pond pine crowns[J].USDA Forest Service，Southeastern Forest Experiment Station Research Note.1960：149.

[4] Olson J S.Energy storage and the balance of producers and decomposers in ecological systems ecology[J].1963，44(2)，322-331.

[5] 胡海清.大興安嶺主要森林可燃物理化性質測定與分析[J].森林防火，1995(1)：27-31.

[6] Rothermel RC.A mathematical model for predicting fire spread in wild land fuels[J].USDA：Forest Service General Technical Report，1972，115.

[7] Brender E V，McNab W H.Precommercial thinning of loblolly pine by fertilization[J].GA：Georgia Forestry Research Council，1978：8.

[8] Brown J K.Weight sand density of downed woody fuel[J].USDA Forest Service Resources Note Rep，1978：24.

[9] Raison R J，Khana P K，Woods PV.Mechanisms of element transfer to the atmosphere during vegetation fires[J].International Journal of Middle East Studies，1985，18(12)：254-258.

[10] Fransson J E S.Estimation of stem volume in boreal forests using ERS-1 C- and JERS-1 L-band SAR data[J].International Journal of Remote Sensing，1999，20(l)：123-137.

[11] Bilgili E，Methven I R，Bilgili E，et al.A dynamic fuel model for use in managed even- aged stand[J].International Journal of Wildland Fire，1994，4(3)：177-185.

[12] Brick E M，Bridges R G.Recurrent fires and fuel accumulation in even- aged blackbute forests[J].Forest Ecology and Management，1989，29(1)：59-79.

[13] Gruell G E.Fire and vegetation trends in the northern rockies：interpretations from 1871-1982 photographs[J].General Technical Report，1983：158.

[14] Skowronski N，Clark K L.Remotely sensed measurements of Forest structure fuel loads in the Pinelands of New Jersey[J].Remote Sensing of Environment，2007，108：123-129.

[15] Skowronski N S，Clark K L，Duveneck M，et al.Three-dimensional canopy fuel loading predicted using upward and downward sensing LIDAR systems[J].Remote Sensing of Environment，2011，115(2)：703-714.

[16] 邸雪穎，王宏良，姚樹人，等.大興安嶺森林地表可燃物生物量與林分因子關系的研究[J].森林防火，1994(2)：16-18.

[17] 劉曉東，王軍，張東升，等.大興安嶺地區興安落葉松林可燃物模型的研究[J].森林防火，1995(3)：8-9.

[18] 鄭煥能.林火管理[M].哈爾濱：東北林業大學出版社，1988：31-42.

[19] 何忠秋，張成鋼，牛永杰.森林可燃物濕度研究綜述[J].世界林業研究，1996(5)：27-31.

[20] 何忠秋，李長勝，張成鋼，等.森林可燃物含水量模型的研究[J].森林防火，1995(2)：15-16.

[21] 陳存久，何宗明，陳東華，等.37種針闊樹種抗火性能及其綜合評價的研究[J].林業科學，1995，31(2)：135-143.

[22] 袁春明，文定元.馬尾松人工林可燃物負荷量和燒損量的動態預測[J].東北林業大學學報，2000，28(6)：24-27.

[23] 胡海清，王強.利用林分因子估測森林地表可燃物負荷量[J].東北林業大學學報，2005，33(6)：17-18.

[24] 胡海清.利用林分特征因子預測森林地被可燃物載量的研究[J].林業科學，2005，41(5)：96-100.

[25] 李時舫，羿宏雷.森林地表可燃物含水率監測與林火等級預報系統的設計[J].林業機械與木工設備，2016，44(4)：26-28.

[26] 李時舫，羿宏雷，張明遠.基于可燃物濕度的森林防火預警系統設計與實現[J].林業機械與木工設備，2015，43(2)：16-17.

[27] 周曉宇，李慎之，戚曉芳，等.數據挖掘技術初探[J].小型微型計算系統，2002(3)：342-345.

[28] 范明，孟小峰.數據挖掘：概念與技術聚類分析[M].北京：機械工業出版社，2001：223-258.

[29] 邊肇祺，張學工.模式識別[M].北京：清華大學出版社，2002：273-283.

[30] 錢鋒，徐麟文.知識發現中的聚類分析及其應用[J].杭州師范學院學報，2001(2)：34-37.

ClusterAnalysisofForestSurfaceFuel

Li Guijun1，2，Du Jialin2，Feng Zhongke1*

(1.Beijing Forestry University，Beijing 100083；2.Heilongjiang Academy of Forestry，Harbin 150081)

It is the basic work of modern forest fire management to master the load and distribution of forest surface fuel.Based on the test data of surface fuel load，the clustering method was used to classify the surface fuel load of Xinlin District in Daxing’anling，and the Ward method was introduced for the classification of the load characteristics.The surface fuel loading of 10 measured forest types were analyzed.The results showed that：the Ward can concise fuel types and the load change form，namely the woodland，open woodland，shrub land，other woodland and grassland，which reflected the characteristics of the surface fuel load of Xinlin District in Daxing’anling.It showed that the cluster analysis can estimate all the load classification.And the mean absolute error，the predicted standard error and the stability index of model were in the allowable value.Therefore，this method is of great practical significance for forest fire prevention，forest fire forecast and fire-fighting command.

Surface fuels；load；cluster analysis

S 762

A

1001-005X(2017)06-0001-05

2017-06-28

國家自然科學基金(30872038)

李桂君，博士，研究員。研究方向：森林工程。E-mail：liguijun2008123@163.com

*通信作者：馮仲科，博士，教授。研究方向：林業裝備工程。E-mail：fengzhongke@126.com

李桂君，杜嘉林，馮仲科.森林地表可燃物聚類方法的研究與分析[J].森林工程，2017，33(6)：1-05.