四川省不同乔木植被类型可燃物载量模型构建

doi:10.13466/j.cnki.lczyyj.2024.06.014

林草资源研究 ›› 2024›› Issue (6): 117-128.doi: 10.13466/j.cnki.lczyyj.2024.06.014

四川省不同乔木植被类型可燃物载量模型构建

陈昊权¹(), 王洪荣², 张文², 董晨¹^,³(), 闵志强¹^,³

1.浙江农林大学数学与计算机科学学院,杭州 310019
2.四川省林业和草原调查规划院,成都 610081
3.浙江农林大学林业感知技术与智能装备国家林业和草原局重点实验室,杭州 310019

收稿日期:2024-10-21 修回日期:2024-12-08 出版日期:2024-12-28 发布日期:2025-04-18
通讯作者: 董晨,副教授,博士,主要从事林分生长模型研究。Email:dongchen@zafu.edu.cn
作者简介:陈昊权,硕士研究生,主要从事森林可燃物载量模型研究。Email:15075185961@163.com
基金资助:
四川省林业厅科技项目“四川森林草原火险因子智能监测及预警技术研究”(G202206012);四川省林业厅科技项目“四川省主要森林和草原类型可燃物载量模型研究”(H20240012)

Construction of Fuel Load Models for Different Tree Vegetation Types in Sichuan Province

CHEN Haoquan¹(), WANG Hongrong², ZHANG Wen², DONG Chen¹^,³(), MIN Zhiqiang¹^,³

1. College of Mathematics and Computer Science,Zhejiang Agriculture and Forestry University,Hangzhou 310019,China
2. Sichuan Forestry and Grassland Survey and Planning Institute,Chengdu 610081,China
3. Key Laboratory of Forestry Perception Technology and Intelligent Equipment of National Forestry and Grassland Administration,Zhejiang Agriculture and Forestry University,Hangzhou 310019,China

Received:2024-10-21 Revised:2024-12-08 Online:2024-12-28 Published:2025-04-18

摘要/Abstract

摘要：

研究可燃物载量模型可为四川省森林火灾风险的科学评估与防控提供理论支持,同时为森林经营和防火管护提供参考。基于四川省森林火灾风险普查的6 848个乔木标准地数据,按照植被区域和植被类型,将乔木林划分为5种植被类型,分析不同植被类型的可燃物载量特征。通过Pearson相关性分析筛选出影响可燃物载量的关键因子,并结合多种函数拟合方法,确定关键因子与可燃物载量的最佳表达式。对这些表达式进行线性组合,构建基于组合变量的回归模型,并与多元逐步回归模型进行对比,确定最优可燃物载量模型。结果表明:1)不同植被类型的可燃物载量特征存在显著差异,其中乔木层可燃物载量占比最高,枯落物层占比最低。2)影响可燃物载量的关键因子因植被类型不同而有所差异,其中,平均树高、平均胸径和龄组是多个植被类型的主要影响因子,海拔、郁闭度和林分密度在特定植被类型中也具有显著影响。3)基于组合变量的回归模型和多元逐步回归模型均具有较好的模拟结果,但最佳模型因林分类型的不同而存在差异。其中,组合模型对寒冷针叶林的可燃物载量预测效果更优,而多元逐步回归模型对寒冷阔叶林、亚热带针叶林、亚热带阔叶林和亚热带混交林的预测效果更优。构建的模型可较为准确地预测四川省不同植被类型的可燃物载量,为火灾风险评估与防控措施制定提供依据。

关键词: 植被类型, 森林可燃物载量, 林分因子, 立地因子, 可燃物载量模型

Abstract:

The study of fuel load models provides a theoretical foundation for the scientific assessment and prevention of forest fire risks in Sichuan Province,while also contributing to sustainable forest management and fire prevention strategies.Using data from 6 848 standard arbor sample plots collected during the Sichuan Province Forest Fire Risk Survey,arbor forests were categorized into five forest types based on vegetation zones and types.The fuel load characteristics of different vegetation types were analyzed,and a Pearson correlation analysis was conducted to identify the key factors influencing fuel load.Utilizing various curve-fitting techniques,optimal relationships between these pivotal factors and fuel load were established,which were subsequently combined to construct a regression model based on composite variables.This composite variable model was compared to a multiple stepwise regression model to identify the most effective fuel load estimation model.1)Significant differences were observed in the fuel load characteristics among vegetation types.The arbor layer accounted for the largest proportion of the fuel load,while the litter layer contributed the least.2)Key factors influencing fuel load varied across vegetation types.Average tree height,average diameter at breast height,and age group emerged as major influencing factors across multiple vegetation types,whereas altitude,canopy density,and stand density had significant impacts in specific vegetation types.3)Both the composite variable regression model and the multiple stepwise regression model exhibited strong predictive performance.However,the optimal model depended on the forest type.The composite model performed best for cold coniferous forests,while the multiple stepwise regression model achieved higher predictive accuracy for cold broadleaf forests,subtropical coniferous forests,subtropical broadleaf forests,and subtropical mixed forests.The models developed in this study are methodologically robust and generate reliable predictions.These models are recommended for estimating the fuel loads of various vegetation types in Sichuan Province,providing critical support for future fire risk assessments and prevention strategies.

Key words: vegetation types, forest fuel load, stand factors, site factors, fuel models

中图分类号:

S762

陈昊权, 王洪荣, 张文, 董晨, 闵志强. 四川省不同乔木植被类型可燃物载量模型构建[J]. 林草资源研究, 2024,(6): 117-128.

CHEN Haoquan, WANG Hongrong, ZHANG Wen, DONG Chen, MIN Zhiqiang. Construction of Fuel Load Models for Different Tree Vegetation Types in Sichuan Province[J]. Forest and Grassland Resources Research, 2024,(6): 117-128.

图/表 14

表1

表2

表3

模型表达式

模型名称	模型表达式
线性模型	y=b₀+b₁x
对数模型	y=b₀+b₁lnx
逆模型	y=b₀+b₁/x
二项式	y=b₀+b₁x+b₂x²
三项式	y=b₀+b₁x+b₂x₂+b₃x³
复合函数	y=b₀b₁x
幂函数	y=b₀xb₁
S方程	y=eb₀+b₁/x
增长方程	y=eb₀+b₁x
指数方程	y=b₀eb₁x
Logistic方程	y= $1 1 / μ + b 0 b 1 x$

表3

表4

图1

表5

表6

表7

基于组合变量的可燃物载量模型

植被类型	模型	拟合指标		评价指标
植被类型	模型	R²	TRE	MAE	MRE	RMSE
寒冷针叶林	Y=233.530 $X 5 4.735$ +6.666 $X 7 0.923$ -10.201+76.114X₈+ 483.738 $X 8 2$ +0.354×2.303X₉	0.78	92.86	41.11	0.46	57.23
寒冷阔叶林	Y=2.221-0.076X₁+2.228 $X 5 - 0.557$ +0.001 $X 7 3.951$ + $e (6.106 - 0.040 / X 8)$ +2.293 $X 9 2.147$	0.59	18.56	50.45	0.38	68.03
亚热带针叶林	Y=1.162 $X 7 1.305$ +311.748 $X 8 0.785$ +0.972 $X 9 1.197$	0.53	1 120.57	35.70	0.37	55.44
亚热带阔叶林	Y=1.194 $X 7 0.858$ +583.964 $X 8 0.939$ +2.850 $X 9 1.433$	0.35	914.67	37.92	0.64	53.11
亚热带混交林	Y=357.498 $X 8 0.750$ + $e 4.179 - 1.897 / X 9$	0.24	70.25	46.78	0.48	60.07

表7

表8

图2

图3

图4

图5

图6

参考文献 31

[1]	龚亚东, 黎志彬, 汪炼峰, 等. 黄梅县森林防火阻隔带营建现状及对策[J]. 湖北林业科技, 2024, 53(2):79-82.
[2]	黄跃飞, 黄庆军. 基于林业生态安全的森林防火管理措施探究[J]. 农村科学实验, 2024,(11):154-156.
[3]	鲁雅楠, 黄海霞, 马立鹏, 等. 云杉和冷杉林可燃物载量特征及影响因素分析[J/OL]. 甘肃农业大学学报, 2024,1-11.(2024-04-29)[2024-10-10].http://kns.cnki.net/kcms/detail/62.1055.S.20240428.1458.056.html.
[4]	李旭, 张延威, 张运林, 等. 云南顶瓶梗霉对森林地表凋落物的降解效果[J]. 中南林业科技大学学报, 2024, 44(6):120-127.
[5]	宁吉彬, 瓮岳太, 邸雪颖, 等. 大兴安岭沟塘草甸地表可燃物载量快速测定方法[J]. 东北林业大学学报, 2018, 46(5):44-48.
[6]	魏云敏, 鞠琳. 森林可燃物载量研究综述[J]. 森林防火, 2006(4):18-21.
[7]	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[J]. 广西林业科学, 2023, 52(3):384-393. doi: 10.19692/j.issn.1006-1126.20230317
[8]	王忆文, 索奥丽, 高钰, 等. 四川西昌云南松林地表可燃物载量及影响因素研究[J]. 北京林业大学学报, 2023, 45(10):100-108.
[9]	肖君. 福建马尾松林可燃物载量估算模型构建[J]. 福建林业科技, 2023, 50(4):89-94.
[10]	杨雪清, 孙志超, 柴. 全国森林可燃物载量样地调查与预估方法探讨[J]. 林业资源管理, 2022(6):1-6.
[11]	董奎, 谭本会, 余斌. 联合Sentinel-1和Sentinel-2数据的森林可燃物载量反演研究[J]. 贵州工程应用技术学院学报, 2023, 41(3):58-66.
[12]	NGUYEN T H, JONES S, REINKE K J, et al. Estimating fine fuel loads in Eucalypt forests using forest inventory data and amodelling approach[J]. Forest Ecology and Management, 2024,561:121-851.
[13]	SYDORENKO S, GUMENIUK V, De Miguel-Díez F, et al. Assessment of the surface forest fuel load in the ukrainian polissia[J]. Fire Ecology, 2024, 20(1):35.
[14]	JI Cuicui, YANG Hengcong, LI Xiaosong, et al. Forest wildfire risk assessment of anning river valley in Sichuan Province based on driving factors with multi-source data[J]. Forests, 2024, 15(9):1523.
[15]	王秋华, 王劲, 李晓娜, 等. 森林—城镇交界域火灾研究进展[J]. 南京林业大学学报(自然科学版), 2024, 48(5):1-10. doi: 10.12302/j.issn.1000-2006.202303047
[16]	WANG San, LI Hongli, NIU Shukui. Empirical research on climate warming risks for forest fires:A case study of grade I forest fire danger zone,Sichuan Province,China[J]. Sustainability, 2021, 13(14):7773.
[17]	王明婷, 贾丹丹, 梁永佳, 等. 森林火灾危险性评估分级初探:以广西防城港市防城区为例[J]. 森林防火, 2024, 42(2):53-59.
[18]	曹杨, 赵晓莉, 苏德斌, 等. 成都西部山地和平原过渡区边界层水平风场区域差异分析[J]. 气象科技, 2024, 52(5):743-752.
[19]	四川省林业和草原局. 四川省第一次森林和草原火灾风险普查实施细则[EB/OL].(2021-04-12)[2024-09-30].https://lcj.sc.gov.cn/scslyt/gsgg/2021/4/12/62d5b22c2cd8419385ef0b460f027b7e.shtml.
[20]	董利虎. 东北林区主要树种及林分类型生物量模型研究[D]. 哈尔滨: 东北林业大学, 2015.
[21]	李兆国, 瓮岳太, 徐建楠, 等. 模拟地表火行为对燃烧剩余物水溶性碳氮的影响[J]. 生态学报, 2022, 42(4):1500-1511.
[22]	COHEN J. Statistical Power Analysis for the Behavioral Sciences[M].2nd ed.Hillsdale, NJ: Routledge, 1988.
[23]	ZOU H, HASTIE T. Regularization and variable selection via the elastic net[J]. Journal of the Royal Statistical Society:Series B(Statistical Methodology), 2005, 67(2):301-320.
[24]	王秀, 张增江, 郑艳红, 等. 大三叶升麻种子与果实的相关性分析[J]. 特种经济动植物, 2024, 27(10):24-26.
[25]	王雅萍, 徐喜飞, 李家国, 等. 中低分辨率卫星蓝藻水华监测面积校正研究:以GOCI-2为例[J]. 航天返回与遥感, 2024, 45(5):123-133.
[26]	田野, 牛树奎, 陈锋, 等. 火干扰后的油松林地表死可燃物负荷及影响因子[J]. 福建农林大学学报(自然科学版), 2018, 47(6):691-697.
[27]	胡庆, 刘福珍, 段信先. 乔木林可燃物载量空间分布研究:以吉安市为例[J]. 生物灾害科学, 2023, 46(4):529-537.
[28]	张状, 宗树琴, 闫星蓉, 等. 林分和地形因子对崇礼冬奥核心区森林地表可燃物载量的影响[J]. 林业科学, 2022, 58(10):59-66.
[29]	刘欣蓓. 基于高光谱的淮南地区典型农作物叶片叶绿素含量反演研究[D]. 安徽: 安徽理工大学, 2024.
[30]	秦乃花, 陈瑞, 吕常笑, 等. 山东省不同林分地表可燃物载量及其燃烧性研究[J]. 西北林学院学报, 2023, 38(5):176-183.
[31]	陈智卿, 陈柏华, 吕树德. 塞罕坝机械林场针叶林不同林分类型可燃物载量差异探讨[J]. 河北林果研究, 2014, 29(2):138-140.

植被类型	样地数量/(个)	主要优势树种
寒冷针叶林	308	云杉(Picea asperata)、柏木(Cupressus funebris)、冷杉(Abies fabri)、落叶松(Larix gmelinii)
寒冷阔叶林	59	白桦(Betula platyphylla)、红桦(Betula albosinensis)、糙皮桦(Betula utilis)
亚热带针叶林	4 043	云杉、柏木、冷杉、云南松(Pinus yunnanensis)、马尾松(Pinus massoniana)、华山松(Pinus armandii)、高山松(Pinus densata)、落叶松、柳杉(Cryptomeria japonica var.sinensis Miq.)
亚热带阔叶林	2 231	栎(Quercus × leana)、桦木属(Betula)、其他硬阔、软阔类、桉(Eucalyptus robusta)、桤木(Alnus cremastogyn)、杨树(Populus spp.)、樟木(Cinnamomum spp.)
亚热带混交林	207	栎、云南松、其他硬阔、软阔类

植被类型	单位面积可燃物载量/(t/hm²)	海拔/m	郁闭度	林分密度/ (株/hm²)	平均树高/ m	平均胸径/ m
寒冷针叶林	118.27±105.71	4 047.50± 61.52	0.51±0.19	731.35±485.06	12.49±7.69	0.23±0.14
寒冷阔叶林	129.09± 78.59	3 300.31± 280.90	0.57±0.19	1 370.93±866.71	8.84±2.82	0.13±0.05
亚热带针叶林	81.89± 41.81	2 249.80±1 210.87	0.6±0.19	1 432.58±963.50	12.56±5.72	0.19±0.12
亚热带阔叶林	96.16± 6.22	1 670.35±1 198.59	0.61±0.16	1 457.15±841.54	12.34±4.73	0.15±0.07
亚热带混交林	115.44± 66.60	1 703.57± 962.21	0.60±0.16	1 494.52±793.46	12.96±4.76	0.18±0.08

类别	属性	值
坡度	平坡	1
	缓坡	2
	斜坡	3
	陡坡	4
	急坡	5
	险坡	6
坡向	北坡	1
	东北坡	2
	东坡	3
	东南坡	4
	南坡	5
	西南坡	6
	西坡	7
	西北坡	8
	无坡向	9
坡位	脊部	1
	上坡位	2
	中坡位	3
	下坡位	4
	山谷	5
	平地	6
龄组	幼龄林	1
	中龄林	2
	近熟林	3
	成熟林、过熟林	4

植被类型	海拔	坡度	坡向	坡位	郁闭度	林分密度	平均树高	平均胸径	龄组
寒冷针叶林	-0.116	-0.093	0.002	-0.153	0.443	0.072	0.802	0.811	0.598
寒冷阔叶林	-0.710	-0.287	0.160	-0.338	0.447	0.527	0.748	0.707	0.521
亚热带针叶林	0.285	0.099	-0.020	0.018	0.225	-0.049	0.655	0.699	0.480
亚热带阔叶林	0.284	0.088	0.016	0.044	0.280	0.170	0.405	0.588	0.405
亚热带混交林	0.312	-0.012	-0.063	-0.068	0.223	0.166	0.278	0.467	0.321

植被类型	自变量	模型名称	参数估计值				评价指标
植被类型	自变量	模型名称	b₀	b₁	b₂	b₃	R²	F	P
寒冷针叶林	郁闭度	幂函数	229.352	1.112			0.231	73.421	<0.01
	平均树高	幂函数	8.558	1.069			0.693	550.981	<0.01
	平均胸径	二项式	-23.120	771.252	-232.333		0.660	235.585	<0.01
	龄组	复合函数	23.816	1.661			0.449	198.514	<0.01
寒冷阔叶林	海拔	线性	951.403	-0.252			0.504	45.720	<0.01
	坡位	线性	329.498	-49.430			0.114	5.802	<0.05
	郁闭度	幂函数	209.078	1.382			0.308	20.058	<0.01
	林分密度	幂函数	0.135	0.926			0.525	49.788	<0.01
	平均树高	幂函数	1.299	1.976			0.606	69.147	<0.01
	平均胸径	S方程	6.744	-0.253			0.504	45.720	<0.01
	龄组	幂函数	52.574	0.942			0.336	22.728	<0.01
亚热带针叶林	平均树高	幂函数	13.697	0.824			0.485	3 049.034	<0.01
	平均胸径	幂函数	452.861	0.844			0.536	3 740.849	<0.01
	龄组	幂函数	56.215	0.689			0.310	1 454.155	<0.01
亚热带阔叶林	平均树高	幂函数	11.452	0.885			0.303	775.677	<0.01
	平均胸径	幂函数	870.538	1.115			0.459	1510.078	<0.01
	龄组	幂函数	56.347	0.707			0.250	594.978	<0.01
亚热带混交林	海拔	三项式	127.728	-0.083	6.69×10^-5	-1.12×10^-8	0.134	8.268	<0.05
	平均胸径	二项式	-23.120	771.252	-232.333		0.660	235.585	<0.01
	龄组	复合函数	23.816	1.661			0.449	198.514	<0.01

四川省不同乔木植被类型可燃物载量模型构建

Construction of Fuel Load Models for Different Tree Vegetation Types in Sichuan Province

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 14

参考文献 31

相关文章 14

编辑推荐

Metrics

本文评价

[1]	王晓慧, 张会儒, 庞勇, 覃先林, 李海奎, 蒙诗栎, 余涛. 天然林保护工程区森林植被类型遥感监测[J]. 林业资源管理, 2023, 0(2): 96-103.
[2]	黄锦程, 刘洪生, 宁金魁, 欧阳勋志, 臧颢. 基于随机森林算法的江西省崇义县主要造林树种适生性研究[J]. 林业资源管理, 2022, 0(2): 117-125.
[3]	朱秀雯, 郭子豪, 杨双娜, 巩合德. 哀牢山三种植被类型的土壤含水量和凋落物特征及其关系研究[J]. 林业资源管理, 2022, 0(1): 43-51.
[4]	柴春山, 王子婷, 张洋东, 戚建莉. 陇中半干旱黄土丘陵区土壤养分空间分布特征[J]. 林业资源管理, 2021, 0(4): 114-120.
[5]	许冰冰, 边更战, 易烜, 朱光玉, 齐战涛, 吕勇. 湖南杉木人工林单木干形特征及影响因子研究[J]. 林业资源管理, 2020, 0(5): 82-88.
[6]	陈毅青, 陈宗铸, 陈小花, 雷金睿, 吴庭天, 李苑菱. 石梅湾3种植物叶片与其群落凋落物C,N,P生态化学计量特征研究[J]. 林业资源管理, 2020, 0(4): 66-73.
[7]	国红, 尤磊, 雷相东, 谢阳生, 洪玲霞. 多期森林调查样地数据的逻辑检查方法研究[J]. 林业资源管理, 2019, 0(5): 84-88.
[8]	段河, 张煜星, 张建波. 贺兰山西麓植被与植物多样性研究[J]. 林业资源管理, 2019, 0(1): 146-152.
[9]	黄峰, 徐爱俊, 唐丽华. 改进栓皮栎树高预测混合效应模型研究[J]. 林业资源管理, 2018, 0(5): 54-62.
[10]	李明军, 杜明凤, 喻理飞. 贵州省杉木中龄林蓄积量与立地因子的关系研究[J]. 林业资源管理, 2014, 0(5): 58-63.
[11]	赵串串, 孟汉龙, 宋枘泽, 赵巧玉, 安若兰, 董旭. 青海黄土丘陵区山生柳生物量及立地因子研究[J]. 林业资源管理, 2014, 0(1): 66-70.
[12]	杨忠兴, 华朝朗, 余昌元, 张绍辉, 郑进烜, 杨国伟. 云南玉龙县亚高山沼泽湿地植被研究[J]. 林业资源管理, 2014, 0(1): 131-139.
[13]	张振明, 余新晓, 刘淑燕, 席彩云, 甘敬, 王小平, 李金海. 北京山区森林景观与立地因子关系研究[J]. 林业资源管理, 2009, 0(3): 99-105.
[14]	郭涛, 杨小波, 李东海, 吴庆书, 曹士伟, 孙波. 海南万宁神州半岛自然植被类型及其特征分析[J]. 林业资源管理, 2008, 0(2): 78-84.

植被类型	模型	拟合指标		评价指标
植被类型	模型	R²	TRE	MAE	MRE	RMSE
寒冷针叶林	Y=0.037X₆+3.913X₇+105.308X₅+453.936X₈-97.184	0.78	98.56	42.98	0.71	56.54
寒冷阔叶林	Y=938.758X₈+0.045X₆-0.095X₉+257.568	0.76	15.20	32.58	0.30	40.88
亚热带针叶林	Y=2.217X₂-2.428X₃+0.009X₆+3.062X₇+0.014X₁+ 103.058X₅+340.814X₈-89.373	0.63	925.42	29.82	0.28	49.28
亚热带阔叶林	Y=1.284X₃+5.131X₉+1.399X₇+72.755X₅+0.014X₁+ 0.028X₆+662.531X₈-125.746	0.52	633.36	30.83	0.61	50.49
亚热带混交林	Y=74.586X₅-12.988X₂+0.021X₁+0.023X₆+443.972X₈-29.023	0.34	56.60	44.43	0.38	59.71