林火烈度的量化指标构建

doi:10.13466/j.cnki.lyzygl.2014.06.029

林业资源管理 ›› 2014, Vol. 0 ›› Issue (6): 140-145.doi: 10.13466/j.cnki.lyzygl.2014.06.029

林火烈度的量化指标构建

杨达^1,2, 吴志伟¹, 梁宇¹, 贺红士¹

1.中国科学院沈阳应用生态研究所森林与土壤生态国家重点实验室,沈阳110016;
2.中国科学院大学,北京100049

收稿日期:2014-08-22 修回日期:2014-10-31 出版日期:2014-12-28 发布日期:2020-11-23
通讯作者: 贺红士(1962-),男,研究员,博导,主要从事景观生态学研究。Email:HeH@missouri.edu
作者简介:杨达(1986-),男,安徽临泉人,在读硕士,主要从事森林景观生态学和干扰生态学研究。Email:yangda12@mails.ucas.ac.cn
基金资助:
国家自然科学基金面上项目(41371199);国家自然科学基金面上项目(31370483);国家自然科学青年基金项目(31200362)

Establishment of Quantitative Indexes of Forest Fire Severity in Forest Region

YANG Da^1,2, WU Zhiwei¹, LIANG Yu¹, HE Hongshi¹

1. State Key Laboratory of Forest and Soil Ecology,Institute of Applied Ecology,Chinese Academy of Sciences,Shenyang 110016,China;
2. University of Chinese Academy of Sciences,Beijing 100049,China

Received:2014-08-22 Revised:2014-10-31 Online:2014-12-28 Published:2020-11-23

摘要/Abstract

摘要： 基于野外样点实测数据,根据火烧迹地各组分生物量,构建了火烧烈度的量化指标:火烧烈度指数(Fire Severity Index,FSI)。依据构建的FSI,对过火林分的火烧烈度进行了量化分级,并通过野外记录的综合火烧指数(Composite Burn Index,CBI),对FSI进行验证分析。结果表明:FSI能够直接量化火烧烈度严重性,可准确地揭示不同火烧烈度对林分生物量和碳储量的影响程度。

关键词: 火烧烈度指数, 综合火烧指数, 生物量, 大兴安岭

Abstract: Based on the field inventory data,the quantitative index of fire severity(Fire Severity Index,FSI)was established.The grading of fire severity was conducted by means of FSI.According to CBI (composite burn index)from fieldwork,verification of FSI was put in effect.The results showed that FSI could directly quantify fire severity and accurately reveal effect of different fire severities on forest biomass and carbon storage.

Key words: fire severity index, composite burn index, biomass, Daxin′anling

中图分类号:

S762

杨达, 吴志伟, 梁宇, 贺红士. 林火烈度的量化指标构建[J]. 林业资源管理, 2014, 0(6): 140-145.

YANG Da, WU Zhiwei, LIANG Yu, HE Hongshi. Establishment of Quantitative Indexes of Forest Fire Severity in Forest Region[J]. FOREST RESOURCES WANAGEMENT, 2014, 0(6): 140-145.

参考文献

[1] 王晓莉,王文娟,常禹,等.基于NBR指数分析大兴安岭呼中森林过火区的林火烈度[J].应用生态学报,2013,24(4):967-974.
[2] 常禹,陈宏伟,胡远满,等.林火烈度评价及其空间异质性研究进展[J].自然灾害学报,2012,21(2):28-34.
[3] Lentile L B,Smith F W,Shepperd W D.Influence of topography and forest structure on patterns of mixed severity fire in ponderosa pine forests of the South Dakota Black Hills,USA[J].International Journal of Wildland Fire,2006,15(4):557-566.
[4] Barrett K,Kasischke E S,McGuire A D,et al.Modeling fire severity in black spruce stands in the Alaskan boreal forest using spectral and non-spectral geospatialdata[J].Remote Sensing of Environment,2010,114(7):1494-1503.
[5] Soverel N O,Perrakis D D B,Coops N C.Estimating burn severity from Landsat dNBR and RdNBR indices across western Canada[J].Remote Sensing of Environment,2010,114(9):1896-1909.
[6] Escuin S,Navarro R,Fernandez P.Fire severity assessment by using NBR (Normalized Burn Ratio)and NDVI (Normalized Difference Vegetation Index)derived from LANDSAT TM/ETM images[J].International Journal of Remote Sensing,2008,29(4):1053-1073.
[7] Allen J L,Sorbel B.Assessing the differenced Normalized Burn Ratio’s ability to map burn severity in the boreal forest and tundra ecosystems of Alaska’s national parks[J].International Journal of Wildland Fire,2008,17(4):463-475.
[8] Miller J D,Thode A E.Quantifying burn severity in a heterogeneous landscape with a relative version of the delta Normalized Burn Ratio (dNBR)[J].Remote Sensing of Environment,2007,109(1):66-80.
[9] Miller J D,Knapp E E,Key C H,et al.Calibration and validation of the relative differenced Normalized Burn Ratio (RdNBR)to three measures of fire severity in the Sierra Nevada and Klamath Mountains,California,USA[J].Remote Sensing of Environment,2009,113(3):645-656.
[10] Wu Z,He H S,Liang Y,et al.Determining relative contributions of vegetation and topography to burn severity from LANDSAT imagery[J].Environ Manage,2013,52(4):821-836.
[11] Epting J,Verbyla D,Sorbel B.Evaluation of remotely sensed indices for assessing burn severity in interior Alaska using Landsat TM and ETM+[J].Remote Sensing of Environment,2005,96(3):328-339.
[12] Hoy E E,French N H F,Turetsky M R,et al.Evaluating the potential of Landsat TM/ETM+imagery for assessing fire severity in Alaskan black spruce forests[J].International Journal of Wildland Fire,2008,17(4):500-514.
[13] 刘志华,常禹,胡远满,等.呼中林区与呼中自然保护区森林粗木质残体储量的比较[J].植物生态学报,2009,33(6):1075-1083.
[14] Waddell K L.Sampling coarse woody debris for multiple attributes in extensive resource inventories[J].Ecological indicators,2002,1(3):139-153.
[15] 王晓莉,常禹,陈宏伟,等.黑龙江省大兴安岭森林生物量空间格局及其影响因素[J].应用生态学报,2014,25(4):974-982.
[16] 闫平,高述超,刘德晶.兴安落叶松林3个类型生物及土壤碳储量比较研究[J].林业资源管理,2008(3):77-81.

林火烈度的量化指标构建

Establishment of Quantitative Indexes of Forest Fire Severity in Forest Region

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	郭娇宇, 周梅, 舒洋, 赵鹏武, 乌艺恒, 田金龙, 杨磊, 管立娟, 肖雷. 内蒙古大兴安岭兴安落叶松人工林生物量碳计量参数研究[J]. 林业资源管理, 2020, 0(4): 80-86.
[2]	白夜, 武英达, 王博, 石宽. 我国森林草原火灾潜在风险应对策略研究[J]. 林业资源管理, 2020, 0(1): 11-14.
[3]	唐志明, 刘炳响, 屈宇. 河北太行山区典型水土保持林乔木层生物量及碳储量研究[J]. 林业资源管理, 2020, 0(1): 102-107.
[4]	罗洪斌, 舒清态, 庞勇, 王强, 王冬玲. 运用机载LiDAR数据对橡胶林地上生物量估测的采样尺度效应分析[J]. 林业资源管理, 2020, 0(1): 136-142.
[5]	郭子豪, 孙晶琦, 巩合德. 滇中地区主要灌丛生物量空间分布格局特征[J]. 林业资源管理, 2019, 0(6): 55-61.
[6]	袁昊, 陈宏伟, 齐麟, 房磊, 乔泽宇, 赵福强. 基于landsat影像大兴安岭地区林火烈度时空格局分析[J]. 林业资源管理, 2019, 0(6): 91-96.
[7]	刘兵兵, 赵鹏武, 周梅, 王媛, 杨柳, 舒洋. 林窗对大兴安岭南段杨桦次生林林下更新特征的影响[J]. 林业资源管理, 2019, 0(4): 31-36.
[8]	朱雅丽, 张绘芳, 张景路, 地力夏提·包尔汉. 基于无人机遥感的胡杨地上生物量估测模型构建[J]. 林业资源管理, 2019, 0(2): 80-87.
[9]	安慧君, 杨林林, 周蕾, 张雪影, 车亚超. 三种生境东北岩高兰新生枝特征研究[J]. 林业资源管理, 2019, 0(2): 93-98.
[10]	于士涛, 富金赤, 姜玲玲, 马荣, 许中旗. 冀北山地阳坡草本植被层与土壤因子的关系[J]. 林业资源管理, 2019, 0(1): 32-37.
[11]	陈岱. 基于Logistic回归模型的大兴安岭林火预测研究[J]. 林业资源管理, 2019, 0(1): 116-122.
[12]	任怡, 王海宾, 许等平. 基于Landsat 8影像的乔木林地上生物量估算[J]. 林业资源管理, 2018, 0(6): 38-44.
[13]	巴音德乐黑, 包翔, 周梅, 赵鹏武, 石亮, 郝良杰. 基于MODIS NDVI的大兴安岭北坡植被覆盖时空变化特征[J]. 林业资源管理, 2018, 0(6): 50-56.
[14]	徐延鑫, 李明阳, 郝思宇. 基于GIS的城市森林生物量抽样方法研究[J]. 林业资源管理, 2018, 0(5): 123-127.
[15]	王梓璇, 周梅, 赵鹏武, 王鼎, 杨磊, 丁兆华. 不同火烧木管理方式火烧迹地林下物种多样性及地上生物量研究——以寒温带兴安落叶松林为例[J]. 林业资源管理, 2018, 0(4): 28-33.