全球火灾的时空动态及其对土地覆盖和植被恢复的影响

《Global and Planetary Change》：Spatiotemporal dynamic of global fires and their effects on land cover and vegetation recovery

本研究构建了2001-2024年全球火灾多属性数据集，整合火灾发生时间、持续时间、面积等关键属性，揭示火灾时空分布规律及对土地覆盖和植被恢复的影响。结果表明，全球火灾年均约785万次， burned area 390万平方公里，呈现频率和面积下降趋势；火灾类型可分为中等规模复杂型、极快蔓延型和稳定小型；热带干旱区火灾复发频繁，NDVI恢复缓慢，平均需150天以上，两年内恢复率低于60%。该数据集为火灾影响评估和生态系统管理提供支持。

　　

彭天|吴胜豪|严彦云|肖德荣|李家林|刘永超|张海涛|赵超

温州大学生命与环境科学学院，中国温州325035

摘要

火灾是塑造全球生态系统的主要自然干扰因素，影响着碳循环、生物多样性和土地覆盖动态。现有的全球火灾数据集很少将火灾发生与随后的土地覆盖变化或植被恢复联系起来。在这里，我们开发了一个2001-2024年的全球火灾数据集，该数据集将火灾发生与土地覆盖变化及火灾后的NDVI（归一化植被指数）恢复情况相结合，同时量化了关键的火灾属性（发生时间、持续时间、燃烧面积、火线长度、蔓延速度和形状指数）。全球范围内，每年平均发生约785万次火灾，燃烧面积约为390万平方公里，显示出频率和燃烧面积均呈下降趋势。火灾蔓延速度有所减缓，而火灾持续时间略有增加，火线长度和形状指数相对稳定。聚类分析确定了三种火灾类型——中规模复杂型、极快速型和小型稳定型——这些类型在燃烧面积（152-3754平方公里）、蔓延速度（2.1-52.8平方公里/天）和几何复杂性方面存在差异。反复发生的火灾主要集中在热带和干旱地区，加速了土地覆盖类型的转变，尤其是森林向草原的转化。在反复被烧毁的区域，NDVI恢复速度较慢，尤其是在干旱的热带生物群落和沙漠中，平均恢复时间超过150天，两年内的恢复率低于60%。这个全球数据集和分析框架有助于改进火灾影响评估，并支持适应性生态系统管理。

引言

燃烧面积是衡量陆地干扰最重要的指标之一，反映了火灾事件的时空动态及其深远的生态和社会经济影响（Zheng等人，2021；Cunningham等人，2024）。火灾引起的地表变化影响全球碳循环（Allen等人，2024；Xiang和Xiao，2025）、生物多样性（Cunningham等人，2024）以及生态系统功能（Ahamad，2022），同时也影响人类健康、基础设施和经济稳定（Bansal等人，2023；Peterson等人，2023）。尽管已经开发了几种全球燃烧面积产品来捕捉火灾模式（Humber等人，2019），但许多现有数据集在时间覆盖范围和提供的火灾及生态相关属性方面存在限制，这限制了它们对长期火灾模式及其后果进行分析的能力（Giglio等人，2006）。因此，需要一个全面、长期、多属性的全球燃烧面积数据集，以更好地理解火灾模式及其对土地系统的影响。

遥感和数据科学的最新进展极大地改善了火灾监测和分析（Archibald等人，2010）。如MODIS MCD45A1和MCD64A1（Campagnolo等人，2021；Vetrita等人，2021）、MERIS（Alonso-Canas和Chuvieco，2015）以及Landsat系列（Martins等人，2022）等燃烧面积产品提供了全球一致的观测数据，使得大规模火灾动态评估成为可能。此外，如SeasFire Cube（Karasante等人，2025）、全球火灾地图集（Andela等人，2019）和Fire-CCI项目（Alonso-Canas和Chuvieco，2015）等全球建模平台提供了多变量火灾相关变量，以支持综合野火分析。火灾研究已经扩展到多种植被类型的火灾，包括森林火灾（Hill和Field，2021；Qian等人，2025）、农田火灾（Wang等人，2025）、稀树草原火灾（Simpson等人，2022）以及野生地-城市交界处（WUI）火灾（Schug等人，2023）。此外，城市中的火灾也被作为一个独立现象进行研究（Shi等人，2025）。除了火灾发生外，研究还探讨了火灾对生物多样性和保护区的生态影响（Pereira等人，2012）、社会经济和公共卫生风险（Bansal等人，2023），以及火灾与人类活动（如土地清理和城市扩张）之间的相互作用（Cunningham等人，2024）。

除了火灾发生外，人们还越来越努力探索火灾活动的驱动机制（Andela等人，2017；Su等人，2025）。气候条件、植被类型、地形和人为因素共同塑造了全球火灾模式，这些模式在不同生物群落中存在显著差异（Balch等人，2022；Karasante等人，2025）。最近的研究还专注于模拟气候变化情景下的未来火灾风险（Kondylatos等人，2022；Park等人，2023）。机器学习和深度学习方法，如随机森林、梯度提升和深度神经网络，已成为模拟火灾易发性、估算燃烧面积范围和基于复杂环境因素预测火灾易发区域的重要工具（Di Giuseppe等人，2025；Zhao等人，2025）。这些进展突显了需要高质量火灾数据集的重要性，这些数据集应包含详细的时间和空间属性。

另一个重要的研究方向是火灾的生态效应，特别是火灾后土地覆盖和植被动态的变化（Lasaponara等人，2022；Yang等人，2023a，Yang等人，2023b；Allen等人，2024）。火灾可以导致土地覆盖类型的显著转变，例如森林变为草原或灌木丛，而反复发生的火灾会削弱生态系统的恢复力（Trancoso等人，2022；Zahura等人，2024）。植被恢复通常通过NDVI（归一化植被指数）或EVI（增强植被指数）来衡量，受火灾频率、燃烧严重程度以及区域环境条件（如降水、温度、土壤类型、地形和优势植被类型）的影响（Xu等人，2024）。然而，尽管已经进行了大量的关于全球火灾影响的研究，我们的研究通过扩展时间覆盖范围、增加火灾和生态属性以及提供更全面的时空覆盖，提供了补充性的视角。

为了解决这些知识空白，本研究旨在：（1）开发一个涵盖2001-2024年的全球长期燃烧面积数据集，包括关键火灾属性，如开始和结束时间、持续时间、燃烧面积、火线长度、蔓延速率和形状指数；（2）确定火灾的时空分布模式，包括频率、干扰强度和主要发生模式；（3）评估火灾事件对土地覆盖转变和火灾后植被再生的影响。这些努力提供了一个基础性的数据集和分析框架，以支持全球火灾模式分析，并在气候变化和干扰模式变化的背景下促进更明智的土地和生态系统管理。

材料与方法

本研究使用了多个地理空间数据集。燃烧面积数据来自MCD64A1版本6.1产品，该产品提供了500米分辨率的火灾影响区域地图，包括燃烧日期、燃烧面积和质量指标（Giglio等人，2021）。它被广泛用于全球野火监测。土地覆盖数据来自欧洲航天局气候变化倡议（CCI），提供300米分辨率的一致全球分类（Copernicus气候变化服务，2019a）。植被数据

全球火灾的时空分布特征

在2001至2024年全球火灾的总体特征中，每年平均发生约785万次火灾（表S2），2007年达到峰值（943万次），2018年降至最低（约665万次），显示出波动但总体下降的趋势（图1a）。年均燃烧面积约为390万平方公里，2002年和2007年的数值最高（约449万平方公里），2022年的数值最低（约

全球火灾事件的潜在驱动因素

了解全球火灾事件的潜在驱动因素对于改进预测模型和制定适应性火灾管理策略至关重要。其中最具影响力的因素是气候变量——尤其是温度极端、干旱频率和蒸气压亏缺——与全球火灾活动有很强的相关性（Mario等人，2024；Shi等人，2025）。易发生火灾的地区，如澳大利亚北部、美国西部和中非，始终表现出

结论

本研究开发了一个涵盖2001-2024年的全球多属性火灾数据集，并对火灾事件的时空分布、综合干扰模式和生态影响进行了全面分析。结果揭示了全球火灾活动的显著季节性变化和明显的空间异质性。某些地区，如撒哈拉以南非洲、澳大利亚北部和南美洲部分地区，表现出高火灾频率和多次燃烧

CRediT作者贡献声明

彭天：写作——审稿与编辑、初稿撰写、可视化、方法论、调查、正式分析、数据管理、概念化。吴胜豪：软件、资源、方法论。严彦云：写作——审稿与编辑、验证、监督。肖德荣：写作——审稿与编辑、可视化、验证。李家林：资源、项目管理、资金获取。刘永超：写作——审稿与编辑、可视化、监督、项目管理。

利益冲突声明

作者声明没有利益冲突。

致谢

本研究由国家自然科学基金（42276234和42206236）共同资助。