基于星载LiDAR的森林高度可变风阻因子模型提升野火蔓延预测精度

针对野火蔓延模型中亚冠层风速预测不准确的问题，研究人员利用GEDI星载LiDAR数据构建了高度可变的风阻因子(WRF)模型。该模型通过植物面积指数(PAI)垂直分布和冠层高度参数化，在11个站点验证中实现了KGE=0.86的预测精度，为全球森林火灾行为模拟提供了可扩展的空间化解决方案。

　　

在气候变化加剧的背景下，野火预测的准确性直接关系到防灾减灾成效。当前火灾蔓延模型面临两大瓶颈：一是缺乏表征森林垂直结构的空间数据集，二是现有风阻因子(WRF)模型无法反映风速在冠层内随高度的动态变化。这种局限性导致对火灾蔓延速率(Rate of Spread, ROS)的预测存在显著偏差，而ROS恰恰是受风速影响最大的关键参数。传统方法采用静态WRF值，既忽略了冠层高度和密度造成的空间异质性，也未能体现风速从冠顶到地表燃料层的垂直衰减规律。

为解决这一难题，来自中国的研究团队在《Agricultural and Forest Meteorology》发表创新研究，首次将全球生态系统动态调查(Global Ecosystem Dynamics Investigation, GEDI)星载LiDAR数据引入WRF建模。该研究通过构建高度可变的三维WRF模型，实现了对亚冠层风速的垂直梯度预测，其核心突破在于利用GEDI提供的5米分辨率植物面积指数(Plant Area Index, PAI)垂直分布和冠层高度数据，将空间参数化精度提升至操作化水平。

研究采用多源数据融合策略：通过10米和15米测风塔获取11个站点的垂直风速剖面，结合26个自动燃料湿度监测网络(AFMMN)站点的2米风速数据；空间参数化使用GEDI L2B级数据提取500米缓冲区内平均PAI和冠层高度；模型构建采用分段函数法，将WRF垂直分布与PAI剖面相关联。关键技术包括：基于指数衰减函数的冠层上方风速模拟、PAI加权的亚冠层风速分配算法、以及约束至0.1米的地表风速渐进式处理。

研究结果部分显示：

1. 2米WRF子模型验证中，校准后的模型在10个配对站点实现MAE=1.63，较传统燃料类型分类法的预测误差降低67%。
2. 高度可变WRF模型在11个验证站点整体表现优异，Kling-Gupta效率系数达0.86，成功捕捉到WRF从冠顶1.2到地表13.9的垂直梯度变化。
3. 典型案例分析表明，传统方法对湿性桉树林统一采用WRF=4.5，而模型预测值与实测值(2米处13.9)的吻合度显著优于现状。
4. 敏感性测试揭示PAI垂直分布对WRF剖面的决定性影响，特别是在5-15米高度区间，PAI每增加0.5 m²m^-2可导致WRF增加2.3。

讨论部分强调，该研究首次实现了三个关键突破：一是将GEDI数据流无缝接入操作化火灾模型，二是建立PAI垂直分布与风速衰减的量化关系，三是开发出兼顾物理机理和计算效率的简化模型。相较于计算流体力学(CFD)等复杂方法，该方案计算效率提升两个数量级，更适合大范围实时预测。作者也指出当前模型在稀疏树干空间二次风速极值的表征、冠层WRF动态参数化等方面存在改进空间，这为后续研究指明了方向。

这项研究的现实意义在于，它为全球林火管理部门提供了可直接整合到现有预测系统的解决方案。GEDI数据覆盖全球51.6°N/S间所有森林生态系统，且将持续更新至2030年，确保模型具备长期适用性。通过更精确地量化风速对ROS的贡献，该成果将显著提升高危火险天气的预警能力，为制定精准防控策略提供科学依据。