以时为步长地表细小可燃物含水率预测方法研究：以大兴安岭为例_于宏洲著_9787511647207

　　森林火灾作为发生频率高的自然灾害，始终伴随着人类生产生活长期存在。随着全球气候的日益变化，森林火灾的影响不只停留在生态问题上，更慢慢地发展成了一个严重的经济问题和社会问题。我国地域广阔，森林覆盖率快速上升，森林火灾情况也更为复杂。随着社会经济的发展，经济林资源也快速增多，城镇化进程加快和森林城市建设使我们离森林更近，林火发生概率大幅增加，我国未来也将进入森林火灾多发期。想要减少森林火灾对自然、社会、经济的影响，除了要有灵活快速的扑火应对能力外，对火情的提早预警也极其重要。
　　本研究以地表细小可燃物燃烧难易程度的含水率预测为研究内容，采用大兴安岭地区6种典型地表细小可燃物为研究对象，使用直接估计法的3种模型来计算确定平衡含水率模型，并分析其预测精度和外推精度，以期对森林火灾预防和森林资源保护提供科学依据。适于森林防火相关科研人员参考使用。

　　森林火灾作为发生频率最高的自然灾害，始终伴随着人类生产生活长期存在。随着全球气候的日益变化，森林火灾的影响不只停留在生态问题上，更慢慢地发展成了一个严重的经济问题和社会问题。我国地域广阔，森林覆盖率快速上升，森林火灾情况也更为复杂。随着社会经济的发展，经济林资源也快速增多，城镇化进程加快和森林城市建设使我们离森林更近，林火发生概率大幅增加，我国未来也将进入森林火灾多发期。想要减少森林火灾对自然、社会、经济的影响，除了要有灵活快速的扑火应对能力外，对火情的提早预警也极其重要。
　　实践证明，森林大火通常是在特殊天气和特殊环境的共同作用下发生的，所以森林火灾预测预报的关键就在于对气象要素的预报和环境要素的准确掌握，而它们作用于森林火灾的关键点则是可燃物的含水率。因此，在森林火灾的防控预警活动中，可燃物含水率的准确预测起着至关重要的作用。
　　林内地表细小死可燃物主要由枯枝落叶等组成。地表死可燃物含水率（简称可燃物含水率）可直接影响死可燃物着火难易程度，因而有效地预测可燃物含水率对林火发生的预测有很大影响，是森林火险天气预报的重要内容，也是做好林火行为预报的关键。可燃物含水率时滞的研究开始于20世纪60年代，Albina等提出了时滞的概念，后由Byram改进完善。2001年，Catchpole等对可燃物含水率直接估计法进行了相关研究。2006年，Tudela 等对10h时滞可燃物的含水率进行研究。之后的研究都是围绕这些理论开展。目前，有两种途径可提高可燃物含水率的预测精度：一是缩短预测时间步长，早期由于受观测条件限制，用于可燃物含水率预测研究的气象数据主要以10h至1d为步长，而以1h为步长的研究相对较少，难以满足短时间尺度的预测和科研需要。Catchpole等提出了基于时滞和平衡含水率的以时为步长的可燃物含水率直接估计法，包含广泛使用的Nelson和Simard两种方法，可直接从野外数据预测可燃物含水率，建立的模型精度高于传统的气象要素回归法，误差可控制在1.5%以下。理论上，该方法适用于加拿大地区及同属中国北方森林的黑龙江省大兴安岭地区森林地表细小可燃物含水率预测。在实际操作中，我国学者使用该方法在野外条件下预测了白桦（Betula platyphylla）和兴安落叶松（Larix gmelinii）纯林可燃物的含水率变化，但是应用于更多林分类型，以证明其适用性还需更多的实验佐证。二是建立全面的各种林分类型和立地条件的预测模型。但在实际研究中，建立所有模型的工作量巨大，一般是根据已建立的林分或立地条件的预测模型获得外推时的误差，有针对性地选择能够代表其他林分或立地条件的模型，以减少模型数量。即使这种情况无法有效地削减误差，但仍能根据预测结果的置信区间，对预测结果作出正确解释。金森等在实验室研究了兴安落叶松枯枝的含水率模型外推能力，证明研究前景广阔。但是应用于更多林分类型，以探讨其稳定性还需更多的实验证明。因此，本研究以地表细小可燃物燃烧难易程度的含水率预测为研究内容，采用大兴安岭地区6种典型地表细小可燃物为研究对象，使用直接估计法的3种模型来计算确定最优的平衡含水率模型，并分析其预测精度和外推精度，以期对森林火灾预防和森林资源保护提供科学依据。适于森林防火相关科研人员参考使用。
　　在本书撰写过程中，得到了东北林业大学森林防火学科、森林生态系统可持续经营教育部重点实验室以及中国林业科学研究院森林生态环境与保护研究所师生们的鼎力相助，谨以此书出版之际，感谢所有对本书完成给予支持和帮助的人们。
　　本书的撰写得到了“十三五”国家重点研发计划子课题（2017YFD0600106-2）、国家自然科学基金（31700575）、中央高校基本科研业务费专项资金（2572019CP10）的资助。
　　本书内容虽经精心编写，但因成书过程匆促和作者水平所限，错漏之处在所难免，恳请广大读者和学者不吝赐教。

你还可能感兴趣

我要评论