论文部分内容阅读
大兴安岭地区是我国北方最为重要的国有林区,也是森林火灾的重灾区。提高该区地表死可燃物含水率预测的准确性对于森林防火工作意义重大。本研究以黑龙江省大兴安岭地区塔河林业局3种典型林分落叶松(Larix gmelinii)林、樟子松(Pinus sylvestris var.mongolica)林和白桦(Betula platyphylla)林为研究对象,通过野外地表死可燃物含水率的连续观测,研究了含水率的季节动态变化特征及其与气象因子的关系,应用气象要素回归法,分别使用不同建模数据建立含水率统计预测模型,探讨了不同距离的气象、取样方法和区分季节与降雨等因素对该类模型精度的影响,在此基础上应用不同建模方法分析了方程类型和预测方法对于预测模型精度的影响,并从模型应用的角度研究了外推对预测模型精度的影响,得出如下结论: 气象要素对地表死可燃物含水率的影响显著,含水率与湿度和降水量的关系最为密切,特别是和前两天的湿度和降水量,含水率动态变化趋势类似于湿度的变化趋势,呈现明显的滞后现象,而与温度和风速的关系不密切。 不同建模数据对含水率模型预测精度的影响显著,利用距离实验地较近的盘古气象站的气象数据所建模型精度更高,优于距离较远的塔河模型,模型的平均绝对误差MAE(Mean Absolute Error)和平均相对误差MRE(Mean Relative Error)分别降低了2.7%和22.6%(P<0.01);不同取样方法对模型预测的精度影响较大,春季,3种林分破坏性取样和非破坏性取样的MAE和MRE差异均不显著(P>0.05),而秋季非破坏性取样的MAE和MRE极显著低于破坏性取样(P<0.01),表明2种取样法在春季预测效果差异不大,而在秋季使用非破坏取样较好;季节和降雨对气象要素回归法建立的含水率预测模型的精度具有显著影响,秋季模型的精度显著高于春季和春-秋两季混合模型(P<0.05);在不同季节,无降雨模型预测精度最高,此时是研究地区森林火险最高的时段,表明气象要素回归法对于该时段十分有效。纯降雨时段模型的预测精度最低,春季,纯降雨的MAE分别是无降雨和全时期的3.9和1.2倍,秋季则高达13.2和2.2倍。 春季3种林分地表死可燃物含水率与前2天的湿度具有指数性的关系,与前两天降水量呈现渐近线的函数关系,采用非线性函数的MAE比线性模型降低了1.1%~2.9%,采取非线性组合的模型显著提高了预测模型的精度(P<0.05),秋季的含水率与湿度和降水量都呈线性的关系,表明采用多元线性形式预测效果更好;基于平衡含水率法的加拿大火险天气指标系统FWI(Fire Weather Index)的湿度码,主要是细小可燃物湿度码FFMC(Fine Fuel Moisture Code)所建立的线性预测方程的MAE和MRE低于气象要素回归模型,采用FWI湿度码来预测地表死可燃物含水率具有一定优势。 模型外推对模型精度的影响较大,自建模型之间外推,春季模型的外推效果好于秋季,白桦林的外推精度最高,破坏性取样的外推效果最好。秋季樟子松林的外推精度最高,非破坏林荫下的外推精度最好。总体来说,自建模型之间外推误差偏大,效果不是很好;自建模型与早期模型外推研究中,早期模型外推误差MAE是自建模型的1.0~5.6倍。对于落叶松林,何忠秋模型适用于春季,覃先林模型春、秋两季都可用。对于樟子松林和白桦林,春、秋两季现有四种模型的外推误差MAE都超过自建模型的2倍以上,外推效果均不好。这表明模型外推误差与建模地区和外推地区的微环境差异有关,与距离不完全成正比。