大兴安岭地表细小死可燃物含水率预测模型

以大兴安岭地区南瓮河保护区落叶松林(Larix gmelinii)、蒙古栎林(Quercus mongolica Fischer)、落叶松-白桦混交林(Mixture of Larix gmelinii and Betula platyphylla)(阴坡、阳坡)、沟塘草甸等4种典型林分为研究对象,运用气象要素回归法,对春季防火期和秋季防火期内的地表细小死可燃物含水率动态进行测定,构建了不同防火期、不同林型地表死可燃物含水率的预测模型,分析了相应模型的预测误差。结果表明:同林型地表可燃物含水率在春季防火期和秋季防火期差异显著;在秋季防火期,5个典型林型的地表死可燃物含水率预测平均绝对误差为0.167,平均相对误差为0.218,低于春季防火期模型和春季-秋季混合模型;秋季防火期模型对可燃物含水率预测效果最好。气象要素回归法适用于南瓮河保护区典型林型地表死可燃物含水率预测。

大兴安岭典型林型地表可燃物含水率预测模型

准确地模拟地表可燃物含水率动态变化规律,对于预测预报林火发生或林火行为具有重要意义。应用Nelson模型和Simard模型,以5种典型林型(分别为阴坡落叶松林、阴坡落叶松-白桦混交林、阴坡白桦林、阳坡樟子松林和阳坡白桦林)的地表可燃物为研究对象,分析了气象因子与地被可燃物含水率的相关性,用2015年春季防火期实测数据构建了5种不同林型的可燃物含水率预测模型,并用2016年春季防火期监测数据对预测结果进行验证。结果表明:Nelson模型得出5种林分预测结果为:阴坡落叶松林>阳坡白桦林>阴坡白桦落叶松林>阴坡白桦林>阳坡樟子松林。Simard模型得出5种林分预测结果为:阴坡落叶松林>阴坡白桦林>阳坡白桦林>阴坡白桦落叶松林>阳坡樟子松林。2种模型预测阴坡落叶松的含水率准确率均高于其他4种林分。Nelson模型给出的阴坡落叶松平均绝对误差为0.09,平均相对误差(MRE)为0.09,Simard模型给出的平均绝对误差为0.10,平均相对误差为0.10,Nelson模型略优于Simard模型。研究结果可为该区的森林防火提供快速和准确的火险预测预报,进而为有效防控森林火灾提供重要的技术支撑。

具有时滞的可燃物含水率预测模型

利用相关性分析法选取了影响可燃物含水率变化的影响因子和延迟时间,同时说明气温、相对湿度和风速等影响因子对可燃物含水率变化的影响有滞后性,并通过微分方程理论推导,建立了具有时滞的可燃物含水率预测模型,给出了模型中各影响因子的取值范围。结果表明:所建模型的精度达到96.0%,说明在研究森林可燃物含水率变化规律时考虑时滞因素是正确的。

季节和降雨对细小可燃物含水率预测模型精度的影响

观察大兴安岭盘古地区的典型林分樟子松、白桦、兴安落叶松林的地表细小死可燃物含水率随不同季节变化的动态变化,应用气象要素回归法,分别使用无降雨数据、无降雨和有降雨混合数据及降雨数据,分春季、秋季和混合季节,建立了该地区森林地表可燃物含水率的统计预测模型,并研究了季节以及降雨对该类模型精度的影响。结果表明:季节和降雨对模型精度具有显著的影响,对于3种林型整体而言,混合模型的误差最大,可高达30%以上;秋季误差小于混合模型,大于春季预测模型;春季含水率预测模型精度最高,误差小于10%。无降雨模型预测效果最好,模型误差控制在3%以内,有降雨时段误差也可超过30%。如果采用区分季节和降雨时段建立可燃物含水率预测模型,据此做出的森林火险等级预报不会产生实质的影响,有助于提高火险等级预报的准确性。

不同采样方法对细小可燃物含水率预测模型精度的影响

为了研究2种不同采样方法对细小可燃物含水率预测模型精度的影响,对2010年春、秋季大兴安岭地区盘古林场樟子松、兴安落叶松、白桦林分下细小可燃物含水率进行连续的观测。结果表明:春季,3种林分破坏性采样和非破坏性采样的平均绝对误差和平均相对误差差异均不显著(P>0.05),而秋季非破坏性采样的平均绝对误差和平均相对误差极显著低于破坏性采样(P<0.01),这表明2种采样方式对预测模型精度有很大的影响;春季2种采样法差异不显著,预测效果相近,而在秋季使用非破坏采样更好。此研究结果对提高我国利用气象要素回归法预测细小可燃物含水率模型精度具有重要的理论意义和实践指导价值。

北京地区森林枯死可燃物含水率预测模型及变化规律

以不同树种的枯死可燃物含水率为对象，通过对可燃物含水率的逐日观测，对不同种类的可燃物含水率与天气条件之间的关系进行研究，运用非线性回归分析得出栓皮栎、槲栎、侧柏和油松不同树种不同种类可燃物含水率的预测模型，并运用模型对不同树种不同种类的枯死可燃物含水率在时间上的变化规律进行分析。结果表明：不同树种不同种类的可燃物含水率差异显著，栓皮栎树种含水率远高于其他树种；枯叶含水率普遍比不同时滞的枯枝高；不同树种不同种类可燃物含水率差异也很显著；可燃物含水率与温度和风速呈负相关，与相对湿度呈正相关；建立的非线性回归模型均大于30％的含水率变幅，且通过平均绝对误差（MAE）和平均相对误差（MRE）的检验，效果良好；可燃物含水率每天从1：00～24：00呈现先上升后下降再上升的趋势，7：00～8：00达到最高值，在14：00左右达到最低值；防火期中，可燃物含水率在12～2月比较高，3～5月和11月相对偏低。

昆明典型地表死可燃物含水率预测模型的研究

云南省是我国重点火险区,准确预测该省可燃物含水率对于提高火险预报准确性十分必要。在2013年防火期,通过对昆明地区8个林分地表凋落物可燃物含水率的连续观测,分析了其动态变化规律和影响因子,并采用气象要素回归法、FWI法和两种方法混合建立了相应的死可燃物含水率预测模型。这些模型采用的预报因子都是现有常规气象站方便观测的气象要素,模型误差在同类研究的控制水平内,可以在该地区的森林火险预报中直接应用。对于〈35%的可燃物含水率的预测,采用混合模型的误差最小,考虑到计算的方便,实际中可以使用气象要素回归模型,平均绝对误差（MAE）2.1%～6.0%,平均3.6%;平均相对误差（MRE）11.4%～32.7%,平均21.3%。如果考虑降雨后的可燃物含水率,即全部范围的可燃物含水率的预测,三种模型没有显著差异,为计算方便,仍建议采用气象要素回归模型,MAE 8.2%～14.2%,平均10.6%;MRE48.7%～91.3%,平均值61.4%。FWI指标与地表死可燃物含水率有关,但不如气象要素那么紧密。

不同距离气象数据对细小可燃物含水率预测模型精度的影响

为研究不同距离气象数据对细小可燃物含水率预测模型精度的影响,对2010年春、秋季防火期大兴安岭地区塔河县盘古林场的樟子松Pinus sylvestris var.mongolica林、兴安落叶松Larix gmelinii林和白桦Betula platyphylla林等3种林分下细小可燃物含水率进行连续的观测,同时采集试验期内的气象数据构建细小可燃物含水率预测模型。结果表明:利用盘古气象站数据构建的气象因子中,日降水量(R)和前n d降水量之和(Ran),以及前n d平均相对湿度(Han)(n=1~2)显著正相关,春季和秋季分别与日最高气温(Tmax)和连旱天数(d)显著负相关;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优于距离较远的塔河模型,模型的平均绝对误差(EMA)和平均相对误差(EMR)分别降低了2.7%和22.6%(P<0.01)。从细小可燃物的异质性和模型的精度来看,在建模气象数据的采集中,应重视气象因子时间和空间尺度的选取,以确保模型精度。

大兴安岭林区典型森林和草甸细小死可燃物含水率预测模型

准确预测森林细小死可燃物含水率对提高森林和草原火险预测精度具有重要的科学意义。以大兴安岭林区兴安落叶松-白桦(Larix gmelinii-Betula platyphylla)混交林、兴安落叶松林(Larix gmelinii)、蒙古栎林(Quercus mongolica)和草甸细小死可燃物为研究对象,确定影响林内t时刻可燃物含水率变化率的影响因子(林外t-1时刻的气温变化率、相对湿度变化率和累计降水量变化率),根据统计回归理论建立细小死可燃物含水率变化率模型,进而构建大兴安岭林区典型森林和草甸细小死可燃物含水率预测模型。结果表明:兴安落叶松-白桦林混交林、兴安落叶松林、蒙古栎林和草甸细小死可燃物含水率预测模型准确率分别为91.1%、90.0%、91.0%和81.0%(相对误差不超过5%),可燃物含水率预测模型预测效果良好,模型具有较好的实用性,可为大兴安岭林区的森林火险预警提供理论和技术支持。

伊春市五营森林可燃物含水率预测模型初步研究

利用五营林业气象试验站观测的可燃物含水率和相应的气象资料,采用多元回归分析方法,分3～4、5～6、9～11月分别建立可燃物含水率预报模型。通过相关系数法筛选预报因子,发现降水、相对湿度、最高气温和连续无水日数与可燃物含水率相关性较好。前5d气象因子与可燃物含水率的相关性普遍优于当日因子,说明可燃物含水率与前期的气候积累有着更密切的关系,在建立可燃物含水率预报模型时应该着重考虑。经预测检验,可燃物含水率预测在黑龙江省春秋季森林防火期应用效果较好,可应用于森林火险预报业务。

森林地表死可燃物含水率预测模型研究进展

林火是影响森林生态系统的重要因子之一,林火蔓延和发展深受森林可燃物含水率的影响,尤其是林火的发生直接受地表死可燃物含水率的影响。因此,准确预测森林地表死可燃物含水率是预报森林火险和火行为的关键,加强森林死可燃物含水率预测模型研究尤为重要。从森林可燃物含水率的研究方法、研究模型及模型精度3方面综述研究现状,并对比评价现有模型。针对目前研究的诸多问题,提出5点展望:1)加强研究重点火险区野外含水率动态。利用已有的森林火险因子采集站和森林火险监测站获取不同环境因子和可燃物含水率及气象因子监测数据,构建重点火险区基于气象参数的森林可燃物含水率预测模型。2)加强森林可燃物的基础数据监测和收集。这可为全面构建森林火险等级系统奠定坚实的数据基础,同时还应建立精准的森林可燃物类型划分体系。3)加强研究可燃物含水率的空间异质性。应考虑不同影响因子下可燃物含水率动态,特别是了解小尺度内森林可燃物含水率的空间异质性,才能更准确进行林火预测预报。4)结合应用增强回归树(BRT)方法来提高模型精度。在可燃物含水率模型精度影响因子的研究中,运用BRT方法多次随机抽取一定量的数据,量化分析不同因子对模型精度的影响程度。5)结合GIS进行大尺度火险预警研究。综合应用RS和GIS技术,建立可燃物含水率的遥感反演模型,在准确模拟森林可燃物含水率空间分布的基础上,建立基于可燃物含水率的不同火险等级的预测模型。

云南松林凋落物表层细小可燃物含水率预测模型研建

在2008年防火期2-5级火险天气条件下，在云南松纯林测定了137组林内气温（X1）、相对湿度（X2）、凋落物层表面温度（x3）、腐殖质层表面温度（x4）、凋落物层厚度（x5）、凋落物表层细小可燃物含水率（y）数据。分析表明，影响云南松林凋落物上层细小可燃物含水率的因子依次为：X3〉X2〉X4〉X1，凋落物层厚度与含水率相关性很小，可以不参与模型的建立。用多元回归方法建立了云南松林细小可燃物含水率预测模型。新落叶的含水率对火环境因子的响应滞后是造成模型误差的主要原因。

兴安落叶松林地表可燃物含水率预测模型的研建

对大兴安岭落叶松林地表可燃物含水率影响因子进行分析,选取主要的环境因子,为该区域内林火管理工作提供重要的理论依据。利用软件SPSS Clementine12.0,将相对湿度、地表温度、空气温度作为输入神经元,将兴安落叶松林地表可燃物含水率作为神经网络输出神经元,建立基于BP神经网络的含水率模型。应用BP神经网络模型敏感度分析结果来评定环境因子对兴安落叶松林地表可燃物含水率影响的大小,分析表明,影响兴安落叶松林地表可燃物含水率的主要环境因子由小到大排序为:相对湿度、地表温度、空气温度。构建的兴安落叶松林地表可燃物含水率BP神经网络模型对该区域内的林火管理工作具有一定的借鉴意义。

基于时间序列分析的可燃物含水率预测模型

利用时间序列分析理论建立了可燃物含水率变化预测模型,并将气象因子作为干扰因子引入模型,同时根据试验地观测数据,利用回归分析理论对模型的参数进行了估算,检验结果表明:给出的模型准确率达91.7%(相对误差不超过3%),说明该模型可用于预测可燃物含水率变化。

昆明主要森林可燃物含水率预测模型的研究

为了探究可燃物含水率的研究方法,以利于森林火灾监测系统的完善,于2016年当地防火期内进行,通过对昆明地区6块样地可燃物含水率的监测,同时收集样地相关的气象因子数据,建立气象要素回归模型,并评估其预测精度。结果表明:在自建模型中,死可燃物的预测模型适用性更好,活可燃物其含水率变化可能并不是单一的只受客观因素的影响,其自身的生命活动也会影响到其含水率的变化,使得含水率的研究更加复杂;坡向对含水率变化的影响并不明显;而对于模型外推,通过有限的20组数据对预测模型进行验证,对于死可燃物普遍表现出不错的适用效果,证明了模型有一定的使用意义。

北京地区8种树种枯死可燃物含水率预测模型及变化规律

【目的】森林可燃物含水率对林火的发生蔓延,尤其是对森林火灾火行为影响重大,可燃物含水率预测模型在预报火灾和预测林火行为方面作用显著。【方法】对北京地区8种常见森林树种防火期内可燃物含水率连续测定,分析不同树种不同种类可燃物含水率与当期和前期气象因子间的关系。选择影响程度较大的当期和前期气象因子为自变量建立可燃物含水率的预测模型,并在此基础上定量分析可燃物含水率的日变化和整个防火期内的变化规律。【结果】不同树种可燃物含水率存在显著差异,8个树种平均可燃物含水率由大到小依次为:栓皮栎>槲栎>榆树>刺槐>五角枫>侧柏>油松>落叶松。不同种类可燃物含水率存在显著差异,可燃物含水率总体上表现为阔叶树大于针叶树,枯叶和枯枝1 hr大于枯枝10 hr和100 hr。枯叶和枯枝1 hr主要受当期气象因子影响,而枯枝10 hr和100 hr主要受前期气象因子影响。所建立的32个线性预测模型各检验指标显示模型拟合效果好。可燃物含水率日变化表现为夜间高白天低,夜间稳定白天变幅大,06:00—08:00达到最大值,而后急剧下降,12:00—14:00左右达到全天最低值。防火期内,可燃物含水率呈现出先上升后下降趋势,11月可燃物含水率较低,但在缓慢增加,12月至次年1月含水率较高,而3月初至4月底可燃物含水率保持很低状态。【结论】不同种类不同类型可燃物含水率预测模型精度较高,可为防火工作提供理论支撑,可以实践运用。北京地区3月份和日内中午时间干燥多风,温度较高,可燃物含水率达到很低的状态,森林火险等级较高,应加强管理。

滇中云南松林地表可燃物含水率预测模型

云南松针叶富含油脂,防火期含水率低,是滇中地区林火主要地表可燃物。在2020年防火期持续采集滇中地区云南松林地表可燃物含水率数据,使用相关性分析、公因子方差、膨胀系数和多重预测回归模型,探究地形、气象、林分等因子与含水率的关系,利用离差标准化法调整模型系数及完成模型精度评价。结果表明:云南松林地表可燃物含水率影响因子排序为温度>湿度>风速>坡向>郁闭度>坡度>海拔>风向,坡向、林分郁闭度指标方差膨胀系数VIF>10,存在共线性;因此选择温度、湿度、风速、坡度、海拔构建含水率预测回归模型E_(1),k、s、g代表云南松枯枝、松针和小灌枯枝-枯草,Y_(k1)、Y_(s1)、Y_(g1)平均拟合度为74.35%,平均误差率为32.06%,误差率偏高。以强相关(r>0.70)因子温度、湿度、风速为自变量重构含水率预测增强回归模型E_(2),其Y_(k2)、Y_(s2)、Y_(g2)平均拟合度为83.99%,平均误差率为17.09%,其拟合度、误差率均优于E1。在E2基础上选择具有现实意义的弱相关性因子坡向、坡度、海拔、郁闭度为调整因子,并运用离差标准化法转化为系数,构建含水率预测系数校正回归模型E_(3),其Y_(k3)、Y_(s3)、Y_(g3)平均拟合度89.72%,平均误差率为8.48%。E_(3)精度优于E_(1)、E_(2),其Y_(k3)、Y_(s3)、Y_(g3)拟合优度分别提升9.69%、2.11%,4.84%、10.77%,8.41%、4.33%,误差率降低15.65%、6.89%,11.24%、13.69%,18.01%、5.24%。增加校正系数可提高模型预测精度,同时模型因子易获取,便于林火管理者野外快捷、精准、实时预测滇中云南松林地表可燃物含水率,为林火防控提供技术支持。

模拟降雨下以小时为步长的崇礼区典型林分地表细小死可燃物含水率预测模型

地表细小死可燃物含水率是影响林火蔓延的重要指标,构建精准的崇礼区地表细小死可燃物含水率预测模型,有利于完善崇礼区森林火灾预报系统.以白桦(Betula platyphylla)、落叶松(Larix gmelinii)、慢生杨(Populus L.)和山杨(Pobulus davidiana)4种崇礼区典型林分为研究对象,通过野外模拟降雨试验,包括4个降雨梯度(降雨量分别为1、2、5、10 mm),连续监测降雨后不同时间间隔(2、4、6、8、10、12、24 h)的地表细小死可燃物含水率动态数据,同时收集林分内气象因子,建立了适用于降雨期的以小时为步长的地表细小死可燃物含水率预测模型.结果显示:模拟降雨期内,落叶松林分的地表细小死可燃物含水率范围为30.68%-194.87%,显著高于其他林分.4种林分的地表细小死可燃物初始含水率均超过100%,随着时间的推移,含水率逐渐下降,24 h后含水率在27.16%-45.82%范围.时间间隔对4种林分的地表细小死可燃物含水率影响最大,相对重要性在23.72%-55.06%范围.温度则只对山杨林分地表细小死可燃物含水率有较大影响,相对重要性在30%左右.所建立的12个预测模型中,参数均通过显著性检验,残差满足同方差性,模型可解释超过60%的地表细小死可燃物含水率变异.模型的平均绝对误差(MAE)和均方根误差(RMSE)分别为19.24%和23.27%.本研究表明崇礼区不同林分地表细小可燃物含水率存在显著差异,降雨要素是解释含水率变化的主导因子.(图5表6参45)

基于卷积神经网络及气象要素回归法的地表死可燃物含水率预测模型

地表可燃物含水率是森林火险等级和火行为变化的重要指标,其预测模型对于火险预测、火灾管理等具有显著作用。本研究基于蒙古栎及樟子松林地的野外气象因子以及地表死可燃物含水率数据,进行气象因子随机森林相对重要性排序以及皮尔逊相关性分析,并使用深度学习中的卷积神经网络以及气象要素回归法预测可燃物含水率。结果表明:野外蒙古栎的可燃物含水率显著高于樟子松。随机森林结果表明,对于可燃物含水率具有显著作用的因子排列顺序从大到小为湿度、温度、降雨、风速、太阳辐射;相关性分析表明,当日的温度、湿度、降雨对于可燃物含水率具有显著影响,同时,气象因子之间也存在一定的相关性。卷积神经网络模型对于蒙古栎及樟子松林地表可燃物含水率的预测R~2分别为0.928、0.905,平均绝对误差(MAE)分别为6.1%、8.1%,平均相对误差(MRE)分别为8.9%、4.2%;气象要素回归法的R~2分别为0.495、0.525,MAE分别为30.5%、39.5%,MRE分别为52.1%、32.6%,卷积神经网络模型精度显著高于气象要素回归法。研究表明,深度学习的卷积神经网络能够为今后的可燃物含水率预测提供一定借鉴,可为更高水平的林火管理提供有效技术支撑。

哈尔滨典型林分地表凋落物含水率预测模型

为构建高精度的森林地表凋落物含水率预测模型,以黑龙江省哈尔滨市3种典型林分白桦林(Betula platyphylla)、蒙古栎林(Quercus mongolica)和兴安落叶松林(Larix gmelini)为研究对象,采用自制的便携式气象因子检测仪进行实时检测,通过随机森林(Random Forest,RF)、反向传播(Back Propagation,BP)和长短期记忆网络(Long Short Term Memory,LSTM)3种代表性的机器学习方式对3种林分分别构建凋落物含水率预测模型。研究表明,不同的林分在不同的机器学习方式下构建的预测模型的预测精度均不同;在不同的机器学习构建的模型中3种林分的预测精度均为LSTM>BP>RF;LSTM在地表凋落物含水率预测模型的研究中效果最优。此研究结果说明LSTM在地表凋落物含水率的预测中表现突出,对提高基于气象要素法预测地表凋落物含水率模型精度具有重要的理论意义和实践指导价值。