通过卫星图像和实地数据对2000至2023年间美国加利福尼亚州野火严重程度的时空进行分析

《International Journal of Applied Earth Observation and Geoinformation》：Spatiotemporal analysis of wildfire severity in California, United States via satellite imagery and in-situ data, 2000–2023

本研究分析2000-2023年加州四区域野火动态，采用CEEMD、Pseudo-TCEEMD及TDIC分解技术，结合IDF曲线，揭示高温干燥显著加剧野火风险。Sierra地区火灾数量下降25%但平均日烧毁面积翻倍，北海岸火灾频率下降但严重性持续上升，中海岸和南海岸火灾频率在2018年前后达到峰值。植被指数（NDVI）呈现区域差异：Sierra正相关性（+0.7/+0.5）表明富燃料林床在干燥后引发高强度火灾，而中、南海岸负相关性（-0.5/-0.3）显示早衰植被加剧易燃环境。IDF曲线显示1-5日短时高强度火灾占比提升，长期累积烧毁面积达500万公顷。研究证实气候变暖下区域野火动力学差异显著，需定制化管理策略。

　　加州近年来经历了大量野火，对生态系统和社区构成了日益增长的威胁。本研究旨在探讨从2000年至2023年期间，野火的发生频率和严重程度在四个生态区内的变化，以及这些变化如何受到水文气象因素的影响。研究采用了卫星图像和现场数据，结合了互补的集合经验模态分解（CEEMD）、伪三维CEEMD（Pseudo-TCEEMD）和时间依赖内在相关性（TDIC）等方法，用于分解短期和长期的波动，同时利用强度-持续时间-频率（IDF）曲线来表征野火事件的强度和持续时间。研究结果表明，尽管野火的发生频率在不同地区有所变化，但整个州的野火严重程度却显著上升。在内华达山脉，野火数量减少了约25%，但平均每日燃烧面积却翻了一番，这表明野火事件数量减少但破坏性增强。在北海岸地区，野火频率在2010年后下降，但严重程度持续上升。而在中央海岸和南海岸地区，野火的点燃频率增加，并在2018年达到峰值。TDIC分析显示，野火的发生与较高的降水量（约-0.7）和土壤含水量（约-0.8）呈显著负相关，而高温和干燥的条件则强烈放大了野火活动，温度（约+0.8）和蒸气压差（VPD；约+0.6）成为主要驱动因素。植被的绿色度，通过归一化植被指数（NDVI）进行衡量，其影响呈现出区域差异：在内华达山脉，夏季密集的生物量在干燥后成为大型野火的燃料来源（+0.7），而在南海岸，衰老的草本植物则支持了更多的点燃事件（-0.8）。IDF分析进一步表明，持续两到五天的野火事件往往达到每日超过50万公顷的强度，而较长的事件虽然每日燃烧率较低，但累积的总燃烧面积更大。这些发现提供了定量证据，表明加州的野火与气候之间的相互作用具有区域特异性，并且越来越多地受到更热、更干燥条件的影响，强调了需要针对短期极端事件和长期燃料动态制定适应性野火管理策略的必要性。

野火的形成需要两个关键因素：燃料和点燃源。随着气候变化的加剧，气候驱动的燃料湿度降低已成为全球野火风险上升的重要原因。点燃源可以来自人类活动或雷击，而温暖的条件已被发现与美国境内雷击频率的增加相关。在加州，由于极端天气事件的增加，野火事件的频率和严重程度预计也会增加。近期的分析确认，气候变化已经增加了该州秋季极端野火条件的可能性，进一步加剧了风险。根据植被类型，野火模式可以被划分为水分限制型或能量限制型。在南加州，由于草本植物和灌木丛的主导，前一年的降水量在很大程度上决定了干燥燃料的可用性。相比之下，北加州主要由森林组成，野火概率更多地受到温度的影响，因此其野火属于能量限制型。区域性的风系统，特别是圣安娜风，进一步推动了早期秋季的野火活动，尽管它们的频率和强度预计会下降。

野火对环境的影响是多方面的。它们直接威胁栖息地，并排放污染物，如气动直径小于2.5微米的颗粒物（PM2.5）、小于10微米的颗粒物（PM10）、臭氧（O3）、一氧化碳（CO）、二氧化氮（NO2）、多环芳烃（PAHs）和挥发性有机化合物（VOCs），从而恶化空气质量并损害人类健康。相关的健康影响包括呼吸系统和心血管疾病的增加、烧伤和死亡率的上升。野火还加速了土壤侵蚀，随后的降雨可能将燃烧的物质输送到水库。在2017年加州野火之后，文图拉河的细颗粒物流量显著增加。在火灾后的径流中，检测到了悬浮沉积物、营养物质、盐分、有机碳、多氯二苯并二恶英和二苯并呋喃（PCDD/Fs）以及多氯联苯（PCBs）等污染物。经济损失同样严重，野火摧毁了财产，并对扑灭和恢复工作造成了高昂的成本。

卫星遥感已成为监测野火不可或缺的工具，特别是在偏远或人口稀少的地区。广泛使用的数据集包括美国地质调查局的陆地卫星系列、美国国家航空航天局的中分辨率成像光谱辐射计（MODIS）Terra/Aqua卫星以及欧洲航天局的哨兵任务。其中，陆地卫星产品尤其有价值，因为它们具有长期的时序覆盖（1972年至今）。从陆地卫星衍生出的多个指数已被用于在像素尺度上监测环境和地表条件。例如，Yan等人（2020）开发了用于监测积雪和冰川的指数，而Dethier等人（2020）则应用了光谱指数来追踪悬浮沉积物。归一化植被指数（NDVI）、归一化水体指数（NDWI）和垂直土壤湿度指数（PSMI）等植被和土壤湿度指数已被广泛应用于水文和生态研究。最近的研究还强调了它们在评估野火恢复动态和估计点燃时间方面的价值。

野火的严重程度强烈受到水文气象驱动因素的影响，包括风速、蒸气压差（VPD）和长期干旱。欧洲及其他地区的研究表明，野火的发生受到一系列变量的影响，如地表温度（LST）、太阳辐射（SR）、NDVI、降水量和土壤湿度。在更广泛的尺度上，全球综合研究确认，气候变化已加强了生态系统和地区的野火活动。然而，大多数现有研究都强调单一驱动因素或特定指数，通常使用假设线性和平稳性的统计方法。这些方法在捕捉水文气象条件与野火活动之间非线性、非平稳性和尺度依赖性的相互作用方面存在局限。在加州，这种研究空白限制了我们对降水、土壤湿度、湿度、温度和植被如何共同调节野火发生频率和严重程度的理解。

本研究的创新之处在于两个主要方面。首先，它将广泛的水文气象和生态变量，包括降水量、温度、湿度、风速、植被覆盖和土壤湿度，整合到一个统一的框架中，以捕捉非线性和非平稳性的动态。其次，它通过应用先进的分解技术，如CEEMD、Pseudo-Bi-Dimensional Ensemble Mode Decomposition（Pseudo-BEMD）和Time-Dependent Intrinsic Correlation（TDIC），来解耦短期和长期的波动。此外，研究还采用了IDF曲线，这些曲线在水文学中广泛应用，但在野火研究中很少使用，以量化野火事件的强度和持续时间之间的关系。通过划定四个生态上不同的区域（内华达山脉、北海岸、中央海岸和南海岸），分析揭示了野火与气候之间的区域特定相互作用，并提供了超越常规州级评估的见解。

研究的目标包括以下几个方面：（1）表征野火发生频率和严重程度的趋势，检查加州不同地区在长期和短期变化中的野火发生频率和严重程度，建立IDF曲线以量化野火强度和持续时间之间的关系，从而能够比较短寿命、高强度的野火与较长、中等强度的事件；（2）分析水文气象驱动因素的演变，应用CEEMD、Pseudo-Bi-Dimensional Ensemble Mode Decomposition（Pseudo-BEMD）和Pseudo-TCEEMD来分解野火和气候时间序列，将其分解为内在模式函数（IMFs），从而分离短期波动和长期趋势，并评估演变条件如何影响野火风险；（3）探索野火与环境变量的区域相关性，应用TDIC来揭示野火活动与水文气象驱动因素之间的时间和尺度依赖关系，特别强调植被动态，如NDVI，从而为区域特定的野火管理和缓解策略提供信息。

在方法论部分，本研究介绍了多种分析技术，这些技术对于解决研究目标至关重要。首先，介绍了Hilbert-Huang Transform（HHT），这是一种用于分析非线性和非平稳时间序列数据的高级方法。HHT特别有效，因为它具有动态时间-频率分析能力。这一方法的初始步骤是经验模式分解（EMD），它通过迭代过滤将时间序列数据分解为更简单的成分，称为内在模式函数（IMFs）。这些IMFs至关重要，因为它们捕捉了数据中的基本振荡模式。随后，将Hilbert变换应用于这些IMFs，以提取详细的瞬时频率和振幅信息，从而提供一个全面的时间-频率-能量数据表示。

在本研究中，CEEMD算法被应用于点时间序列数据，以识别不同时间尺度的特征及其对应的趋势。筛选过程的停止标准设定为标准差小于0.2，而集合数量为1000。通过这些方法，可以有效地分离短期波动和长期趋势，为后续分析提供基础。

接下来，研究引入了对多维数据的EMD扩展方法。随着现代数据集往往超越简单的时间序列，将EMD扩展到处理多维数组对于从复杂系统中提取有意义的信息至关重要。多维EMD扩展了传统的EMD框架，以处理涵盖多个维度的数据，如图像、时空场和多元时间序列。这种适应不仅保留了EMD特有的内在振荡模式，还引入了处理高维空间复杂性的技术。

此外，研究还介绍了伪三维互补集合经验模式分解（Pseudo-TCEEMD），通过将EMD替换为CEEMD，将二维空间数据扩展到三维。这一方法旨在分解具有P个时间记录的二维格网数据。每个数据点的时间序列可以通过CEEMD进行分解，如公式（15）所示，然后将每个时间记录中的j个IMF空间表示为公式（16）所示的矩阵。公式（16）表示了在第p个时间步骤中，j个IMF的空间分布矩阵，该矩阵由所有空间位置的时间分解结果重建而成。每个g_p,j对应于一个伪BEMD（或伪TCEMD）成分，按空间排列形成二维场。Ji等人（2014）提出，可以通过公式（17）评估第p个时间记录中格网数据的趋势。

为了提供对野火强度和持续时间的深入见解，研究引入了IDF曲线，这是一种在水文学中广泛使用的工具，用于预测不同持续时间和重现期下各种强度的水文因素的统计概率。这一过程从历史数据的分割开始，随后计算每个持续时间的平均值、标准差和偏度。这些统计数据有助于确定频率因子K_T，该因子根据重现期T变化，T定义为超过特定强度的事件之间的估计间隔。公式（25）定义了重现期τ的期望值，其中重现期T，也称为频率，是事件X大于给定强度x_T的超过概率p的倒数。因此，公式（25）可以重新表述为公式（26），表明事件X大于给定强度x_T的概率是重现期T的倒数。随后，利用公式（27）计算水文事件的强度x_T，其中x?是样本均值，s是样本标准差，K_T是受所选概率密度函数类型影响的频率因子。通过将这些强度与其对应的重现期进行绘图，IDF曲线为预测和管理极端水文事件相关的风险提供了全面的框架，强调了事件频率与重现期之间的关键关系。

研究区域和材料部分介绍了数据的获取过程。这些数据集被精心策划，与研究目标紧密相关，用于分析野火动态、它们与水文气象驱动因素的相互作用，以及野火对植被分布的影响。表格1提供了用于每个数据集的来源、类型和分析方法的详细摘要，为本研究的实证基础提供了支撑。第一组数据集关注加州的野火，包括野火的发生和严重程度信息，以及它们对环境的影响。野火事件中燃烧面积小于0.1公顷的事件被排除，以强调具有显著生态和管理影响的重要野火。三个主要的野火数据集构成了这一方法的基础。第一个是监测燃烧严重度（MTBS）数据集，记录了美国的野火事件，时间范围从1984年到2022年，包含时间、位置和大小等细节。第二个是来自加州林业和消防保护局的野火和资源评估计划（FRAP）的加州野火边界数据集，包含了从1878年到2023年超过20,000个野火事件，优先考虑2000年后的数据以提高可靠性。第三个是加州每日野火扩展数据库，记录了从2012年到2021年加州的每日野火扩展情况。该数据库重点在于野火扩展速度，以形状文件格式呈现，每个文件描述了一个事件每天的燃烧面积和扩展率。它被用于构建加州野火发生的IDF曲线。

为了验证水文气象变量与野火发生和强度之间的相关性，本研究使用了高分辨率的水文气象数据。来自气候实验室的温度、降水、湿度和VPD的每日记录对于TDIC分析至关重要，该分析研究了天气条件如何与野火活动相关联。气候实验室的数据集包括每日格网气象数据，空间分辨率为1/24度，观测产品通过插值确保空间完整性和一致性。

此外，本研究还采用了两个大尺度气候指数来量化厄尔尼诺-南方涛动（ENSO）现象：南方涛动指数（SOI）和海洋厄尔尼诺指数（ONI）。SOI反映了塔希提岛和澳大利亚达尔文之间的大气压差，是厄尔尼诺和拉尼娜事件的主要指标。持续负的SOI（< ?7）通常表示厄尔尼诺条件，而持续正的SOI（> +7）则表示拉尼娜条件。这些数据自1876年以来由澳大利亚政府气象局的气象局（BOM）提供，同时结合ONI数据，后者由美国国家海洋和大气管理局（NOAA）的气候预测中心维护。ONI测量赤道太平洋中心区域的海面温度异常，值超过+0.5°C通常表示厄尔尼诺条件。本研究结合了1950年至今的ONI记录，以探讨它们与加州野火发生的关系。

为了识别野火对森林植被分布的影响，本研究利用了来自MODIS的月度NDVI数据。这些数据从2000年开始，空间分辨率为0.1度，通过NASA地球观测数据可获得。NDVI值范围从?0.1到0.9，其中较低值（?0.1到0.4）表示稀疏或受压的植被，较高值（0.4到0.9）代表密集和健康的植被。此外，来自气候数据存储库的月度土壤湿度数据（空间分辨率为0.25度）也被纳入研究，以捕捉野火事件周围的环境条件。NDVI和土壤湿度数据通过指数加权指数插值进行缺失值估计，以确保后续伪TCEEMD分析的时间序列数据的连续性和一致性。

研究区域概述和加州野火数据部分展示了加州的野火情况。加州总面积为423,970平方公里，从32°N到42°N纬度范围内。夏季，沿海地区主要受地中海气候影响，而西南部则为半干旱或草原气候，东南部则为炎热沙漠气候。因此，加州的年平均降水量从350到2500毫米不等。早期秋季，圣安娜风为南加州带来极度干燥和温暖的条件。图1（a）展示了加州的地形和野火分布图，显示了从1878年到2023年野火的地点和范围。图1（b）则展示了由美国农业部分类的加州植被图，描述了主要的植被类型。基于图1（a）提供的基础概述，本研究分析了加州四个关键地区的野火特征：内华达山脉、北海岸、中央海岸和南海岸。这些地区被划分为北部地区，主要由内华达山脉和北海岸的森林组成，以及南部地区，主要由中央和南海岸的草原和灌木丛组成。

研究还探讨了野火的发生频率和严重程度，以及它们对环境的影响。野火的发生通常受到两种主要因素的驱动：燃料和点燃源。随着气候变化的加剧，野火的频率和严重程度在近年来显著增加。此外，野火的类型和起源也存在显著的区域差异。在加州，野火的发生原因包括人为活动、雷击和其他因素。图3（a）显示，人为活动是加州野火的主要原因，占所有报告野火的近一半。相比之下，雷击占约五分之一，其余则归类为未知或杂项因素。图3（b）和（c）展示了闪电引发和人为引发野火的严重程度和持续时间的箱形图，表明闪电引发的野火通常每天燃烧面积较小但持续时间较长，而人为引发的野火则每天燃烧面积较大但持续时间较短。尽管闪电引发的野火在某些情况下允许燃烧，但Hantson等人（2022）指出，在极端条件下，人为引发的野火往往比闪电引发的野火更为严重。

在方法论部分，研究介绍了多种分析技术，这些技术对于解决研究目标至关重要。首先，介绍了Hilbert-Huang Transform（HHT），这是一种用于分析非线性和非平稳数据的高级工具。HHT特别有效，因为它具有动态时间-频率分析能力。该方法的初始步骤是经验模式分解（EMD），它通过迭代过滤将时间序列数据分解为更简单的成分，称为内在模式函数（IMFs）。这些IMFs至关重要，因为它们捕捉了数据中的基本振荡模式。随后，将Hilbert变换应用于这些IMFs，以提取详细的瞬时频率和振幅信息，从而提供一个全面的时间-频率-能量数据表示。

在本研究中，CEEMD算法被应用于点时间序列数据，以识别不同时间尺度的特征及其对应的趋势。筛选过程的停止标准设定为标准差小于0.2，而集合数量为1000。通过这些方法，可以有效地分离短期波动和长期趋势，为后续分析提供基础。

接下来，研究引入了对多维数据的EMD扩展方法。随着现代数据集往往超越简单的时间序列，将EMD扩展到处理多维数组对于从复杂系统中提取有意义的信息至关重要。多维EMD扩展了传统的EMD框架，以处理涵盖多个维度的数据，如图像、时空场和多元时间序列。这种适应不仅保留了EMD特有的内在振荡模式，还引入了处理高维空间复杂性的技术。

此外，研究还介绍了伪三维互补集合经验模式分解（Pseudo-TCEEMD），通过将EMD替换为CEEMD，将二维空间数据扩展到三维。这一方法旨在分解具有P个时间记录的二维格网数据。每个数据点的时间序列可以通过CEEMD进行分解，如公式（15）所示，然后将每个时间记录中的j个IMF空间表示为公式（16）所示的矩阵。公式（16）表示了在第p个时间步骤中，j个IMF的空间分布矩阵，该矩阵由所有空间位置的时间分解结果重建而成。每个g_p,j对应于一个伪BEMD（或伪TCEMD）成分，按空间排列形成二维场。Ji等人（2014）提出，可以通过公式（17）评估第p个时间记录中格网数据的趋势。

为了提供对野火强度和持续时间的深入见解，研究引入了IDF曲线，这是一种在水文学中广泛使用的工具，用于预测不同持续时间和重现期下各种强度的水文因素的统计概率。这一过程从历史数据的分割开始，随后计算每个持续时间的平均值、标准差和偏度。这些统计数据有助于确定频率因子K_T，该因子根据重现期T变化，T定义为超过特定强度的事件之间的估计间隔。公式（25）定义了重现期τ的期望值，其中重现期T，也称为频率，是事件X大于给定强度x_T的超过概率p的倒数。因此，公式（25）可以重新表述为公式（26），表明事件X大于给定强度x_T的概率是重现期T的倒数。随后，利用公式（27）计算水文事件的强度x_T，其中x?是样本均值，s是样本标准差，K_T是受所选概率密度函数类型影响的频率因子。通过将这些强度与其对应的重现期进行绘图，IDF曲线为预测和管理极端水文事件相关的风险提供了全面的框架，强调了事件频率与重现期之间的关键关系。

在研究区域和材料部分，研究还介绍了数据的获取过程。这些数据集被精心策划，与研究目标紧密相关，用于分析野火动态、它们与水文气象驱动因素的相互作用，以及野火对植被分布的影响。表格1提供了用于每个数据集的来源、类型和分析方法的详细摘要，为本研究的实证基础提供了支撑。第一组数据集关注加州的野火，包括野火的发生和严重程度信息，以及它们对环境的影响。野火事件中燃烧面积小于0.1公顷的事件被排除，以强调具有显著生态和管理影响的重要野火。三个主要的野火数据集构成了这一方法的基础。第一个是监测燃烧严重度（MTBS）数据集，记录了美国的野火事件，时间范围从1984年到2022年，包含时间、位置和大小等细节。第二个是来自加州林业和消防保护局的野火和资源评估计划（FRAP）的加州野火边界数据集，包含了从1878年到2023年超过20,000个野火事件，优先考虑2000年后的数据以提高可靠性。第三个是加州每日野火扩展数据库，记录了从2012年到2021年加州的每日野火扩展情况。该数据库重点在于野火扩展速度，以形状文件格式呈现，每个文件描述了一个事件每天的燃烧面积和扩展率。它被用于构建加州野火发生的IDF曲线。

为了验证水文气象变量与野火发生和强度之间的相关性，本研究使用了高分辨率的水文气象数据。来自气候实验室的温度、降水、湿度和VPD的每日记录对于TDIC分析至关重要，该分析研究了天气条件如何与野火活动相关联。气候实验室的数据集包括每日格网气象数据，空间分辨率为1/24度，观测产品通过插值确保空间完整性和一致性。

此外，本研究还采用了两个大尺度气候指数来量化厄尔尼诺-南方涛动（ENSO）现象：南方涛动指数（SOI）和海洋厄尔尼诺指数（ONI）。SOI反映了塔希提岛和澳大利亚达尔文之间的大气压差，是厄尔尼诺和拉尼娜事件的主要指标。持续负的SOI（< ?7）通常表示厄尔尼诺条件，而持续正的SOI（> +7）则表示拉尼娜条件。这些数据自1876年以来由澳大利亚政府气象局的气象局（BOM）提供，同时结合ONI数据，后者由美国国家海洋和大气管理局（NOAA）的气候预测中心维护。ONI测量赤道太平洋中心区域的海面温度异常，值超过+0.5°C通常表示厄尔尼诺条件。本研究结合了1950年至今的ONI记录，以探讨它们与加州野火发生的关系。

为了识别野火对森林植被分布的影响，本研究利用了来自MODIS的月度NDVI数据。这些数据从2000年开始，空间分辨率为0.1度，通过NASA地球观测数据可获得。NDVI值范围从?0.1到0.9，其中较低值（?0.1到0.4）表示稀疏或受压的植被，较高值（0.4到0.9）代表密集和健康的植被。此外，来自气候数据存储库的月度土壤湿度数据（空间分辨率为0.25度）也被纳入研究，以捕捉野火事件周围的环境条件。NDVI和土壤湿度数据通过指数加权指数插值进行缺失值估计，以确保后续伪TCEEMD分析的时间序列数据的连续性和一致性。

研究区域概述和加州野火数据部分展示了加州的野火情况。加州总面积为423,970平方公里，从32°N到42°N纬度范围内。夏季，沿海地区主要受地中海气候影响，而西南部则为半干旱或草原气候，东南部则为炎热沙漠气候。因此，加州的年平均降水量从350到2500毫米不等。早期秋季，圣安娜风为南加州带来极度干燥和温暖的条件。图1（a）展示了加州的地形和野火分布图，显示了从1878年到2023年野火的地点和范围。图1（b）则展示了由美国农业部分类的加州植被图，描述了主要的植被类型。基于图1（a）提供的基础概述，本研究分析了加州四个关键地区的野火特征：内华达山脉、北海岸、中央海岸和南海岸。这些地区被划分为北部地区，主要由内华达山脉和北海岸的森林组成，以及南部地区，主要由中央和南海岸的草原和灌木丛组成。

研究还探讨了野火的发生频率和严重程度，以及它们对环境的影响。野火的发生通常受到两种主要因素的驱动：燃料和点燃源。随着气候变化的加剧，野火的频率和严重程度在近年来显著增加。此外，野火的类型和起源也存在显著的区域差异。在加州，野火的发生原因包括人为活动、雷击和其他因素。图3（a）显示，人为活动是加州野火的主要原因，占所有报告野火的近一半。相比之下，雷击占约五分之一，其余则归类为未知或杂项因素。图3（b）和（c）展示了闪电引发和人为引发野火的严重程度和持续时间的箱形图，表明闪电引发的野火通常每天燃烧面积较小但持续时间较长，而人为引发的野火则每天燃烧面积较大但持续时间较短。尽管闪电引发的野火在某些情况下允许燃烧，但Hantson等人（2022）指出，在极端条件下，人为引发的野火往往比闪电引发的野火更为严重。

在方法论部分，研究介绍了多种分析技术，这些技术对于解决研究目标至关重要。首先，介绍了Hilbert-Huang Transform（HHT），这是一种用于分析非线性和非平稳数据的高级工具。HHT特别有效，因为它具有动态时间-频率分析能力。该方法的初始步骤是经验模式分解（EMD），它通过迭代过滤将时间序列数据分解为更简单的成分，称为内在模式函数（IMFs）。这些IMFs至关重要，因为它们捕捉了数据中的基本振荡模式。随后，将Hilbert变换应用于这些IMFs，以提取详细的瞬时频率和振幅信息，从而提供一个全面的时间-频率-能量数据表示。

在本研究中，CEEMD算法被应用于点时间序列数据，以识别不同时间尺度的特征及其对应的趋势。筛选过程的停止标准设定为标准差小于0.2，而集合数量为1000。通过这些方法，可以有效地分离短期波动和长期趋势，为后续分析提供基础。

接下来，研究引入了对多维数据的EMD扩展方法。随着现代数据集往往超越简单的时间序列，将EMD扩展到处理多维数组对于从复杂系统中提取有意义的信息至关重要。多维EMD扩展了传统的EMD框架，以处理涵盖多个维度的数据，如图像、时空场和多元时间序列。这种适应不仅保留了EMD特有的内在振荡模式，还引入了处理高维空间复杂性的技术。

此外，研究还介绍了伪三维互补集合经验模式分解（Pseudo-TCEEMD），通过将EMD替换为CEEMD，将二维空间数据扩展到三维。这一方法旨在分解具有P个时间记录的二维格网数据。每个数据点的时间序列可以通过CEEMD进行分解，如公式（15）所示，然后将每个时间记录中的j个IMF空间表示为公式（16）所示的矩阵。公式（16）表示了在第p个时间步骤中，j个IMF的空间分布矩阵，该矩阵由所有空间位置的时间分解结果重建而成。每个g_p,j对应于一个伪BEMD（或伪TCEMD）成分，按空间排列形成二维场。Ji等人（2014）提出，可以通过公式（17）评估第p个时间记录中格网数据的趋势。

为了提供对野火强度和持续时间的深入见解，研究引入了IDF曲线，这是一种在水文学中广泛使用的工具，用于预测不同持续时间和重现期下各种强度的水文因素的统计概率。这一过程从历史数据的分割开始，随后计算每个持续时间的平均值、标准差和偏度。这些统计数据有助于确定频率因子K_T，该因子根据重现期T变化，T定义为超过特定强度的事件之间的估计间隔。公式（25）定义了重现期τ的期望值，其中重现期T，也称为频率，是事件X大于给定强度x_T的超过概率p的倒数。因此，公式（25）可以重新表述为公式（26），表明事件X大于给定强度x_T的概率是重现期T的倒数。随后，利用公式（27）计算水文事件的强度x_T，其中x?是样本均值，s是样本标准差，K_T是受所选概率密度函数类型影响的频率因子。通过将这些强度与其对应的重现期进行绘图，IDF曲线为预测和管理极端水文事件相关的风险提供了全面的框架，强调了事件频率与重现期之间的关键关系。

在研究区域和材料部分，研究还介绍了数据的获取过程。这些数据集被精心策划，与研究目标紧密相关，用于分析野火动态、它们与水文气象驱动因素的相互作用，以及野火对植被分布的影响。表格1提供了用于每个数据集的来源、类型和分析方法的详细摘要，为本研究的实证基础提供了支撑。第一组数据集关注加州的野火，包括野火的发生和严重程度信息，以及它们对环境的影响。野火事件中燃烧面积小于0.1公顷的事件被排除，以强调具有显著生态和管理影响的重要野火。三个主要的野火数据集构成了这一方法的基础。第一个是监测燃烧严重度（MTBS）数据集，记录了美国的野火事件，时间范围从1984年到2022年，包含时间、位置和大小等细节。第二个是来自加州林业和消防保护局的野火和资源评估计划（FRAP）的加州野火边界数据集，包含了从1878年到2023年超过20,000个野火事件，优先考虑2000年后的数据以提高可靠性。第三个是加州每日野火扩展数据库，记录了从2012年到2021年加州的每日野火扩展情况。该数据库重点在于野火扩展速度，以形状文件格式呈现，每个文件描述了一个事件每天的燃烧面积和扩展率。它被用于构建加州野火发生的IDF曲线。

为了验证水文气象变量与野火发生和强度之间的相关性，本研究使用了高分辨率的水文气象数据。来自气候实验室的温度、降水、湿度和VPD的每日记录对于TDIC分析至关重要，该分析研究了天气条件如何与野火活动相关联。气候实验室的数据集包括每日格网气象数据，空间分辨率为1/24度，观测产品通过插值确保空间完整性和一致性。

此外，本研究还采用了两个大尺度气候指数来量化厄尔尼诺-南方涛动（ENSO）现象：南方涛动指数（SOI）和海洋厄尔尼诺指数（ONI）。SOI反映了塔希提岛和澳大利亚达尔文之间的大气压差，是厄尔尼诺和拉尼娜事件的主要指标。持续负的SOI（< ?7）通常表示厄尔尼诺条件，而持续正的SOI（> +7）则表示拉尼娜条件。这些数据自1876年以来由澳大利亚政府气象局的气象局（BOM）提供，同时结合ONI数据，后者由美国国家海洋和大气管理局（NOAA）的气候预测中心维护。ONI测量赤道太平洋中心区域的海面温度异常，值超过+0.5°C通常表示厄尔尼诺条件。本研究结合了1950年至今的ONI记录，以探讨它们与加州野火发生的关系。

为了识别野火对森林植被分布的影响，本研究利用了来自MODIS的月度NDVI数据。这些数据从2000年开始，空间分辨率为0.1度，通过NASA地球观测数据可获得。NDVI值范围从?0.1到0.9，其中较低值（?0.1到0.4）表示稀疏或受压的植被，较高值（0.4到0.9）代表密集和健康的植被。此外，来自气候数据存储库的月度土壤湿度数据（空间分辨率为0.25度）也被纳入研究，以捕捉野火事件周围的环境条件。NDVI和土壤湿度数据通过指数加权指数插值进行缺失值估计，以确保后续伪TCEEMD分析的时间序列数据的连续性和一致性。

研究区域概述和加州野火数据部分展示了加州的野火情况。加州总面积为423,970平方公里，从32°N到42°N纬度范围内。夏季，沿海地区主要受地中海气候影响，而西南部则为半干旱或草原气候，东南部则为炎热沙漠气候。因此，加州的年平均降水量从350到2500毫米不等。早期秋季，圣安娜风为南加州带来极度干燥和温暖的条件。图1（a）展示了加州的地形和野火分布图，显示了从1878年到2023年野火的地点和范围。图1（b）则展示了由美国农业部分类的加州植被图，描述了主要的植被类型。基于图1（a）提供的基础概述，本研究分析了加州四个关键地区的野火特征：内华达山脉、北海岸、中央海岸和南海岸。这些地区被划分为北部地区，主要由内华达山脉和北海岸的森林组成，以及南部地区，主要由中央和南海岸的草原和灌木丛组成。

研究还探讨了野火的发生频率和严重程度，以及它们对环境的影响。野火的发生通常受到两种主要因素的驱动：燃料和点燃源。随着气候变化的加剧，野火的频率和严重程度在近年来显著增加。此外，野火的类型和起源也存在显著的区域差异。在加州，野火的发生原因包括人为活动、雷击和其他因素。图3（a）显示，人为活动是加州野火的主要原因，占所有报告野火的近一半。相比之下，雷击占约五分之一，其余则归类为未知或杂项因素。图3（b）和（c）展示了闪电引发和人为引发野火的严重程度和持续时间的箱形图，表明闪电引发的野火通常每天燃烧面积较小但持续时间较长，而人为引发的野火则每天燃烧面积较大但持续时间较短。尽管闪电引发的野火在某些情况下允许燃烧，但Hantson等人（2022）指出，在极端条件下，人为引发的野火往往比闪电引发的野火更为严重。

在方法论部分，研究介绍了多种分析技术，这些技术对于解决研究目标至关重要。首先，介绍了Hilbert-Huang Transform（HHT），这是一种用于分析非线性和非平稳数据的高级工具。HHT特别有效，因为它具有动态时间-频率分析能力。该方法的初始步骤是经验模式分解（EMD），它通过迭代过滤将时间序列数据分解为更简单的成分，称为内在模式函数（IMFs）。这些IMFs至关重要，因为它们捕捉了数据中的基本振荡模式。随后，将Hilbert变换应用于这些IMFs，以提取详细的瞬时频率和振幅信息，从而提供一个全面的时间-频率-能量数据表示。

在本研究中，CEEMD算法被应用于点时间序列数据，以识别不同时间尺度的特征及其对应的趋势。筛选过程的停止标准设定为标准差小于0.2，而集合数量为1000。通过这些方法，可以有效地分离短期波动和长期趋势，为后续分析提供基础。

接下来，研究引入了对多维数据的EMD扩展方法。随着现代数据集往往超越简单的时间序列，将EMD扩展到处理多维数组对于从复杂系统中提取有意义的信息至关重要。多维EMD扩展了传统的EMD框架，以处理涵盖多个维度的数据，如图像、时空场和多元时间序列。这种适应不仅保留了EMD特有的内在振荡模式，还引入了处理高维空间复杂性的技术。

此外，研究还介绍了伪三维互补集合经验模式分解（Pseudo-TCEEMD），通过将EMD替换为CEEMD，将二维空间