基于昭通市森林火災風險普查數據的闊葉林可燃物載量分析

劉金龍 岳彩榮 湯明華 陽麗

摘要：森林可燃物是發生森林火災的物質基礎，也是研究森林火災風險的基礎所在。本文基于第一次全國自然災害綜合風險普查工作數據，對森林可燃物數據獲取、森林可燃物載量計算及其結果進行簡單分析，客觀反映出研究區域闊葉林森林可燃物載量基本情況。

關鍵詞：可燃物載量；闊葉林；分層抽樣；載量分析

引言

森林火災的發生除取決于可燃物本身尺寸大小、結構狀態和理化燃燒特性外，還取決于可燃物數量分布大小^[1]。由于森林群落的多樣性和復雜性以及地域性差異，森林可燃物載量各有不同^[2]。影響森林可燃物燃燒特性的因素很多，同時作用機理也很復雜。本文基于全國首次森林火災風險普查數據，通過對研究區域森林可燃物載量進行不同維度的統計和分析來獲取研究區域森林可燃物載量的總體情況及特點，并選取對森林可燃物載量數據影響較大的因子進行相關對比分析，以獲取重要的影響因子及系數。

一、區域概況

昭通市，云南省轄地級市，位于云南省東北部，地處云、貴、川三結合部的烏蒙山區腹地，金沙江下游沿岸，坐落在四川盆地向云貴高原抬升的過渡地帶，面積2.3萬平方千米，中心城區建成區面積達62平方千米。昭通處于四川盆地向云貴高原抬升的過渡地帶，峽谷深切，山區面積占96%。特殊的地理、獨特的區位，孕育了大山、大水、大峽谷等自然景觀，造就了亞熱帶、暖溫帶共存的高原季風立體氣候，冬無嚴寒、夏無酷暑、雨熱同季，昭通中心城市年平均氣溫在11.7℃-20.9℃之間。

二、基礎數據獲取

（一）調查數據背景

全國自然災害綜合風險普查是國家開展的重要防災減災工作，是提升我國自然災害防治體系和防治能力現代化水平的重要舉措。林草部門作為防災減災的重要部門，在全國自然災害風險普查中承擔著森林和草原火災風險普查的重要工作。通過普查，摸清全國森林和草原火災風險隱患底數，查明重點區域的防災抗災能力，客觀認識全國和各地區森林和草原火災風險水平，建立分類型、分區域、分層級的森林和草原火災風險普查數據庫，從而更科學防范火災風險。本次研究的基礎數據主要來源于此次森林和草原火災風險普查工作中的森林可燃物標準地調查、森林可燃物大樣地調查等。森林燃燒理論認為任何森林燃燒現象的發生，須具備三個基本條件，即森林可燃物、火源、氣象條件構成森林燃燒三要素^[3]。大量研究成果表明，通過分析林分內可燃物載量、理化性質及用火行為特征，對于預防森林火災發生和林區火險等級劃分具有重要作用^[4]。

（二）數據調查技術路線

以森林資源管理“一張圖”（或二類調查成果數據）和國土調查成果等數據為基礎，確定森林可燃物調查總體邊界。依據全省范圍內森林可燃物的植被特征和分布情況，對森林可燃物調查類型進行分層布設樣地，開展森林可燃物標準地調查、可燃物大樣地調查、采樣及樣品實驗測定，計算樣地單位面積各層可燃物載量，建立喬木層因子與灌木、草本、枯落物、腐殖質等各層可燃物載量關系模型，獲得調查范圍內的可燃物載量數據及空間分布，詳見圖1。

（三）森林可燃物載量計算

1.喬木可燃物載量

將標準地喬木層生物量（kg）換算成以噸（t）為單位的每公頃喬木層可燃物載量，標準地面積單位為m²。按以下公式換算：

喬木層可燃物載量（t/hm²）=（樣地喬木層干重/樣地面積）×10001000

2.灌木可燃物載量

得到的標準地所有樣方的灌木總干重（kg），樣方面積單位為m²，再按下式求出單位面積可燃物載量。

灌木層可燃物載量（t/hm²）=（樣地灌木層干重/樣地面積*樣方數量）×10001000

3.枯落物、草本層、腐殖質可燃物載量

得到的標準地所有樣方的總干重（kg），樣方面積單位為m²，再按下式求出單位面積可燃物載量。

可燃物載量（t/hm²）=（樣地樣品干重/樣地面積*樣方數量）×10001000

三、主要分析方法

（一）分層樣地載量數據

1.分層樣地選取

分層抽樣又叫類型抽樣、分類抽樣，是將全省森林資源作為一個總體，對具有相同特征的森林資源進行分層，每一層都成為一個獨立的主體，所有層的面積之和與總體面積相等，通過各層的面積比例推算出各層樣本的權重。而隨著科學技術的發展，抽樣技術不斷成熟，遙感技術迅速發展，越來越多的抽樣技術被應用到森林調查、普查中。根據植被分布特征，以已有森林資源調查數據為基礎，結合高分辨率遙感數據，分析調查區域森林可燃物植被特征和分布情況，依據植被等要素的差異，對森林可燃物調查類型進行分層，形成森林可燃物調查分層基礎信息數據，作為森林可燃物調查的基礎。本次將森林植被區域、森林起源、林分年齡結構、郁閉度等級、樹種組作為森林可燃物調查分層的5個要素。

2.樣本分層分布情況

亞熱帶常綠闊葉林是東亞地區典型的地帶性植被，廣泛分布于我國長江流域，發揮著極其重要的生態系統服務功能。通過昭通市喬木林資源數據統計分析，闊葉林林分占比高達62%。主要是因為該區域大部分地區水熱條件較好，空氣濕潤，水分充足。從整體的分布情況來看，闊葉林主要分布在昭通北部縣區，集中在江河兩岸海拔較低區域，東部及南部分布較少。

（二）小班載量數據計算

1.標準地載量數據計算

分別通過公式計算26個標準地樣本的喬木層、灌木層、草本層、枯落物層、腐殖質層的可燃物載量數據。本次采用分層抽樣的方法抽取的26個分層類型樣地總數為183個，按分層計算平均載量值^[5]。

2.小班載量數據計算

分層樣地載量數據包括喬木層載量、枯倒木、灌木層載量、草本載量、枯落物載量、腐殖質載量。由分層數據獲取的森林可燃載量數據的最大值為224.08t/hm²，可燃載量數據的最小值為31.12t/hm²。森林可燃物載量較高的區域主要集中在昭通北部地區，該區域闊葉林分布較為廣泛，位于金沙江流域及其支流。

（三）載量分析

1.載量總體情況

研究區域樣本數據的總載量為1048.8691t，載量均值為86.5735hm²/t。各層載量占比如下：喬木層載量占比為87.31%，灌木木層載量占比為6.28%，枯倒木載量占比為0.27%，枯落物1載量占比為3.12%，枯落物2載量占比為0.48%，枯落物3載量占比為0.13%，腐殖質層載量占比為1.95%。對樣本數據波動進行分析，喬木層

載量的變異系數為68.07%，數據波動最小，其次是枯落物層1為91.83%，枯落物層3及灌木層載量數據波動較大，如圖2。

2.不同類型林分森林可燃物載量分析

以不同類型林分分類，櫟類林分總載量最大，榿木類與闊葉林相當，核桃林分的載量數據最小。從統計數據分析，櫟類林分的喬木層、灌木層、枯倒木層、枯落物層1的載量數據較高，榿木類林分腐殖質層載量較高。從各類林分的不同特性分析，櫟類為常綠闊葉林樹種，主要分布于江河兩岸區域，水熱條件充足，總體載量較大。榿木類主要樹種為落葉樹種，分布海拔相對偏高，各層載量水平居中，落葉樹種林下腐殖質層載量相比其他林分更高。闊葉混林分為研究區域分布最為廣泛的林分類型，總體載量水平與榿木類林分相當^[6]。

3.載量影響因子分析

以載量數據為因變量，林分密度、平均樹高、平均胸徑、林齡為自變量，進行數據的回歸分析。從模型匯總表分析，調整R²為0.525，表示所選自變量對載量數據的解釋率為52.5%。自相關檢驗數據為1.781，自變量之間相關性不是很明顯，對模型影響較小。方差分析表中顯著性小于0.05，自變量對載量數據的影響顯著。通過T值與F值的檢驗也可以確定自變量對因變量影響顯著。通過對VIF值的分析，0

結語

根據研究區域森林資源數據統計分析，闊葉林林分占比高達62%。闊葉林主要分布在北部縣區，集中在江河兩岸海拔較低區域。由分層數據獲取的森林可燃載量數據的最大值為224.08t/hm²，可燃載量數據的最小值為31.12t/hm²。森林可燃物載量較高的區域主要集中在北部地區，該區域闊葉林分布較為廣泛^[7]，位于金沙江流域及其支流附近。

通過對載量數據不同維度的統計和分析，主要有以下結論。載量占比：喬木層載量占比為87.31%，灌木木層載量占比為6.28%，枯倒木載量占比為0.27%，枯落物1載量占比為3.12%，枯落物2載量占比為0.48%，枯落物3載量占比為0.13%，腐殖質層載量占比為1.95%。以不同森林林分分類，櫟類林分總載量最大，榿木類與闊葉林相當，核桃林分載量數據最小。從統計數據分析，櫟類林分的喬木層、灌木層、枯倒木層、枯落物層1的載量數據較高，榿木類林分腐殖質層載量較高。以載量數據為因變量，林分密度、平均樹高、平均胸徑、林齡為自變量，進行回歸分析^[8]，林分密度、平均樹高、平均胸徑、林齡對載量數據的解釋率為52.5%。自變量之間相關性不是很明顯，對模型影響較小。通過方差分析顯著性值小于0.05，說明自變量對載量數據的影響顯著。林分密度、平均樹高、平均胸徑、林齡與載量數據呈正態分布。

參考文獻

[1]鄭煥能，胡海清，姚樹人，等.東北東部山地可燃物類型的研究[J].森林防火，1990（04）：10-13.

[2]單延龍，舒立福，李長江.森林可燃物參數與林分特征關系[J].自然災害學報，2004（06）：70-75.

[3]王勇，鄢鐵平，劉巖松．GIS在水土保持規劃設計中的應用［J］．中國水土保持，2005（10）：35-36.

[4]陳家興.南京老山林場地表可燃物載量及火險等級劃分研究[D].2018（01）.

[5]云南省林業和草原局.云南省森林火災風險普查操作細則[M].2021（10）：42-43.

[6]李紅振.分層抽樣在遼寧省生態公益林蓄積量監測中的應用[J].遼寧林業科技，2022，4：8.

[7]宗學政，田曉瑞，馬帥，等.基于火模擬的森林火災風險定量評估——以中國林業科學研究院亞熱帶林業實驗中心為例[J].北京林業大學學報，2022，44（09）：83-90.

[8]駱開葦.全球森林火災風險時空挖掘及預警預測方法研究[D].電子科技大學，2020.