融合生态生理学与燃烧特性：灌木活体燃料水分预测的 pyro-ecophysiological 新方法

本研究针对活体燃料水分含量（LFMC）预测机制不完善的难题，开发了一种结合植物生态生理学（RWC、LMA）与燃烧特性（SAV、κ）的机理模型。通过对北美西部六种常见灌木860份样本的系统分析，验证了模型对LFMC季节性波动的高精度预测（r2=0.89）。研究进一步通过QUIC-fire耦合火灾模型证实，该模型参数可直接用于火灾行为模拟，实现了从植物生理到燃烧过程的跨学科衔接，为全球植被火险评估提供了创新性方法论支撑。

　　

野火作为全球常见的干扰过程，深刻影响着植被分布与生态系统功能。虽然火能促进某些生态功能，但其对人类社会和环境的负面影响日益凸显。随着气候变暖导致全球野火活动加剧，土地和火灾管理者迫切需要更精准的火险评估方法。这其中，燃料水分含量（FMC）的量化成为关键制约因素——特别是活体燃料水分含量（LFMC）的波动机制至今难以准确捕捉。

活体植物构成野火燃料复合体的重要组成部分，但连接植物科学与燃烧科学的研究始终存在局限。虽然枯死燃料水分模型相对成熟，但活体燃料的水分动态涉及水分含量和干物质质量的双重变化，受日尺度、季节尺度和年际尺度的多重影响。传统基于气象干旱指数或遥感的方法预测效果不稳定，迫切需要开发机理模型来破解这一难题。

在此背景下，Brown等研究人员在《Fire Ecology》发表了创新性研究。他们通过融合植物生态生理学特性和燃烧特性，建立了新型 pyro-ecophysiological 预测模型，并对北美西部山间六种常见灌木进行了系统验证。该研究不仅实现了对LFMC季节性波动的高精度预测，更首次展示了如何将相同的物理化学变量同时用于参数化物理火灾行为模型，为连接植物生理学和燃烧科学搭建了重要桥梁。

研究方法主要包括：2022-2023年采集860份灌木叶片样本，测定新鲜质量（FM）、饱和质量（TM）和干质量（DM）计算LFMC；通过图像分析法测定表面积（SA）；结合体积测量计算表面面积体积比（SAV）；计算相对含水率（RWC）和最大持水容量（κ）；构建十种模型变体评估预测性能；选取代表性数据输入QUIC-fire火灾模拟器评估火灾行为。

研究结果方面：

跨物种物理化学特性变异

通过对六种灌木的476份样本分析发现，LFMC种间变异显著，中值从马哈尼（MAHREP）的115%到雪刷（CEAVEL）和雪莓（SYMALB）的164%。模型关键参数中，相对含水率（RWC）和最大持水容量（κ）的种间差异较小，而叶质量面积（LMA）和表面面积体积比（SAV）差异显著——LMA最高值（CEAVEL）是最低值（SPIBET）的2.54倍，SAV最高值（SPIBET）是最低值（CEAVEL）的2.49倍。

机理模型性能优异

模型将LFMC分解为RWC、LMA、SAV和κ四个物理化学变量。最佳性能模型（模型5）采用随时间变化的LMA和RWC以及季节固定的SAV和κ输入，解释了89%的LFMC变异（MAE=11.38%，NSE=0.84）。部分依赖图显示RWC和κ与模型LFMC呈正相关，而生物量相关指标（LMA和SAV）呈负相关。

季节性动态对火灾行为的影响

对九叶皮（PHYMAL）的密集采样揭示了参数的不同季节动态：LFMC从5月的262%降至8月的52%；RWC呈驼峰型变化，从5月的71%升至6月的93%后降至43%；LMA波动较小；SAV季节内增加160%。将这些参数输入QUIC-fire模拟器显示，燃料消耗率从5月的2.37%急剧增加到8月末的97.33%，表明燃料条件变化对火灾行为具有决定性影响。

研究结论与讨论指出，该机理模型成功预测了不同灌木物种的LFMC，其机理特性使其可应用于任何植被生态系统。模型输入的三个生态生理学特性（RWC、LMA和SAV）可直接用于物理火灾模拟器，以内部一致的方式模拟季节内火灾行为变化。这种建模方法在连接植物和火灾科学学科方面向前迈出了重要一步，其机理基础意味着它可用于模拟全球生态系统的灌木可燃性。

该研究的创新性在于：首次将LFMC分解为对植物生理和燃烧均重要的物理化学驱动因子；揭示了LMA作为预测灌木LFMC季节波动的关键变量；发现RWC与LFMC表现出不同的季节干旱模式；证实SAV的时空变异性对火灾行为模拟至关重要；建立了从生理参数到火灾行为的直接连接通道。

这项研究为改进全球植被火险评估提供了新范式——通过机理模型整合植物生理特性与燃烧过程，实现了从叶片到景观尺度的跨尺度预测能力。随着遥感技术和生态系统模型的发展，这种机理方法有望与大面积监测技术结合，为野火管理提供更精准的决策支持。研究展示的跨学科整合方法不仅提升了我们对可燃性动态的理解，也为应对气候变化下的火灾风险提供了科学基础。