苏门答腊中部受保护热带泥炭地景观的水文微动态与火灾发生机制

《Forests》：Hydrological Microdynamics and Fire Occurrence in a Protected Tropical Peatland Landscape of Central Sumatra

　　

热带泥炭地火灾受水文条件强烈影响，然而多数研究依赖于低时间分辨率数据，限制了快速水文动态的捕捉。本研究分析了苏门答腊中部受保护泥炭地与火灾发生相关的高频水文动态。研究人员利用12个物联网传感器进行实时监测，记录了地下水水位（GWL）、土壤湿度（SM）和土壤温度（ST）。结果显示显著的空间变异：GWL范围为-144.30至9.00 cm，SM为14.52%至94.82%，ST为23.01至33.93 °C。采用线性混合效应模型（LMM）和一阶自回归（AR(1)）时间相关性分析表明，GWL与SM呈显著正相关（β = 0.460，p < 0.001），与ST呈显著负相关（β = -0.516，p < 0.001）。在火灾前期，GWL下降了13.73 cm（-0.54 cm day-1）；在火灾期（2024年8月27日至9月9日），GWL进一步下降6.34 cm（-0.47 cm day-1），此时描述性平均GWL达到-89.43 cm。火灾后，GWL上升了41.99 cm（0.82 cm day-1），同时SM增加、ST降低，这与热点活动减少相吻合。火灾期是通过SiPONGI热点数据和SIPP火灾记录及扑灭行动确定的。这些发现揭示了水文动态与火灾发生之间的时间关联性，支持了高频物联网监测在泥炭地水文学中的应用。

一、研究背景与研究意义

热带泥炭地火灾自20世纪以来显著增加，东南亚地区（尤其是印度尼西亚和马来西亚）受影响最为严重。火灾主要由人类活动如森林砍伐、泥炭排水和土地转换引发。泥炭火灾会改变生态系统动态和碳储存，反复燃烧还会导致泥炭地长期退化、碳损失和生物多样性下降。例如，2015年印度尼西亚极端火灾烧毁了超过260万公顷土地，排放约11亿吨CO₂，相当于主要工业国家的年排放量。厄尔尼诺南方涛动现象加剧了旱季火灾的频率和强度。

泥炭地的水文动态在维持湿度条件和降低火灾风险方面起着关键作用，这由地下水水位（GWL）、土壤湿度（SM）、土壤温度（ST）和降雨之间的相互作用驱动。当GWL降至-40 cm临界阈值以下时，由于泥炭表层通气性和干燥度增加，火灾风险随之升高。然而，现有研究大多依赖低分辨率的月度或年度数据，无法捕捉每日到亚日尺度上快速波动的泥炭地水文动态。事实上，泥炭地GWL在短期内可波动20至50 cm以上，而火灾事件通常发生在GWL降至-60 cm以下时，凸显了高时间分辨率在检测火灾前关键阶段的重要性。此外，泥炭地景观的高度异质性导致同一区域内不同地点的水文条件差异可达30 cm以上，包括泥炭沼泽森林在内。即使是被自然水分饱和的保护性泥炭森林区域，仍因水文变化和外部压力面临高火灾风险。为解决上述数据分辨率限制，物联网（IoT）传感器以30至60分钟的高时间分辨率连续记录水文动态的方法已被开发，但在泥炭火灾研究中应用仍相对有限。

苏门答腊中部的泥炭沼泽森林区域，特别是相对完整的泥炭景观，尚未被充分研究其与火灾发生的直接关系，因为多数研究集中于退化的泥炭地和经历土地利用变化的区域。实际上，泥炭保护区具有独特的水文学特征，能够提供关于泥炭系统自然阈值与火灾干扰关系的见解。Londerang泥炭保护林位于占碑省，面积12,500公顷，是具有重要生态功能的水文保护区和碳库，泥炭深度达4米。尽管被指定为保护区，Londerang生态系统仍面临来自周边历史排水系统和干旱年份火灾增加的压力，使其成为研究局部尺度水文微动态与火灾关系的代表性地点。

基于此，本研究旨在分析2024年火灾期间Londerang泥炭保护林中GWL、SM和ST的高频水文动态特征，探究各水文参数之间的关系，比较火灾前、火灾中和火灾后的状况，并在日到亚日时间尺度上检验水文变化与已验证火灾期的时间对应性，为保护性热带泥炭地景观中与火灾相关的局部尺度水文变异性提供观测证据。

二、主要关键技术方法

1. 1.
   物联网传感器监测系统：在Londerang泥炭保护林部署12个IoT监测站，使用MERTANI设备，包括地下水水位传感器和数据记录器、三合一土壤传感器（测量土壤湿度、土壤温度和电导率）以及勺式降雨传感器，每小时记录一次数据。传感器通过LTE/GPRS通信传输数据，由50 Wp太阳能电池板供电。
2. 2.
   火点数据获取与分析：从SiPongi系统下载MODIS和VIIRS活跃火点数据，筛选置信度≥80%且位于Londerang保护林边界内的火点，并与NASA FIRMS数据进行交叉验证，同时使用SIPP火灾记录和扑灭活动进行核对。
3. 3.
   统计建模方法：采用线性混合效应模型（LMM）分析GWL与SM、ST的关联，将站点设为随机截距并使用一阶自回归（AR(1)）结构处理时间依赖性；通过估计边际均值（EMM）比较火灾前、火灾中和火灾后三个阶段的差异；使用斯皮尔曼等级相关分析变量间的非参数关系。
4. 4.
   空间分析方法：使用QGIS进行空间分析，结合Sentinel-2影像识别火烧迹地并评估其与高置信度火点的空间对应性。

三、研究结果

3.1 泥炭地下水水位动态在确定初期火灾灾害缓解中的作用

对12个监测站2024年1月至12月的每小时GWL数据分析显示，GWL从年初开始普遍下降，直至2024年火灾期前夕。用于火灾期分析的时段（2024年8月1日至10月31日）被划分为三个阶段：火灾前期（8月1日至26日）、火灾期（8月27日至9月9日）和火灾后期（9月10日至10月31日）。1月初大部分站点GWL尚处于较高水平，但已开始下降；部分站点仍高于-40 cm临界阈值，但Td、Ri、Jm1和Jm2站点自年初起就低于该阈值。2至3月所有站点GWL持续下降，多数站点在2月第三周至3月第一周超过临界阈值。4至6月因雨季出现波动，GWL值一般在-50至-80 cm。7月至8月初GWL出现最显著下降，多数站点达到-90至-120 cm的最低值，表明火灾前泥炭经历了密集干燥过程。空间对比显示，土地覆盖较好的站点GWL维持在-20至-60 cm且波动更稳定，而退化条件下站点GWL更深（-80至-120 cm）且恢复响应更慢。

3.2 基于IoT数据的泥炭地水文动态

12个IoT站点在观测期间表现出显著的空间异质性：GWL绝对值范围从-144.30到9.00 cm，站点平均值从Ri站的-106.74 ± 13.70 cm到R2站的-11.92 ± 12.85 cm。SM范围从14.52%到94.82%，最低均值出现在Jm1站（19.53 ± 2.73%），最高在R2站（72.90 ± 9.40%）。ST范围从23.01到33.93 °C，各站点间变异较小。夏皮罗-威尔克检验显示所有36个站点变量均不服从正态分布，列文检验表明GWL、SM和ST在各站点间方差异质。层次聚类分析将12个站点分为三组：Cr1、Ri、Jm2和Td为中间水文条件组；R1、Rs、Cr2、R2、Kk1、Kk2和Cr3为较高SM和较浅GWL组；Jm1为较低SM、较深GWL和较高ST组。LMM结果显示，SM与GWL显著正相关（β = 0.460，p < 0.001），ST与GWL显著负相关（β = -0.516，p < 0.001）。火灾阶段对GWL、SM和ST均有显著影响。估计边际均值显示，火灾前期GWL为-77.6 cm，火灾期为-75.0 cm，火灾后期为-57.5 cm；SM分别为45.6%、43.6%和51.5%；ST分别为29.4 °C、29.7 °C和29.1 °C。霍姆校正后两两比较均显著。斯皮尔曼相关分析显示，GWL与SM强正相关（ρ = 0.73-0.98），SM与ST负相关（ρ = -0.65至-0.78）。

3.3 火点和降雨的数量与分布

2024年8至10月观测期内共检测到约77个火点，其中超过90%（约71个）集中在8月27日至9月9日期间。降雨数据显示，火灾前期和火灾期降雨极度受限，Ri和Kk02站几乎为零（总计分别仅12.2 mm和2.4 mm），反映了导致水文下降的持续干旱条件。火灾后期降雨量显著增加，CR02站最大日降雨量达206.2 mm，总累积降雨量为963.2 mm。所有站点在主要火灾期前后均出现GWL下降，最大下降发生在9月5、7、8和11日。火灾前期火点数量极少（少于10个），表明水文系统处于半稳定状态。火灾期火点激增，峰值出现在8月27日（26个火点），随后9月4日（15个）、6日（9个）和7日（8个）也有增加，累计超过71个火点，同时GWL达到年度最低点（多个站点低于-50 cm至接近-100 cm）。火灾后期火点骤降至近乎为零，与GWL回升和10月初早雨季到来同步。

3.4 水文与火灾动态

火灾期通过SiPONGI火点数据（置信度≥80%）结合SIPP火灾记录和扑灭活动确定为2024年8月27日至9月9日。超过90%的火点检测集中在此期间。火灾前期（8月1日至26日）：GWL随时间下降，各站点平均起始变化为-13.73 cm，平均速率为-0.54 cm day^-1，火点检测有限。火灾期（8月27日至9月9日）：描述性平均GWL为-89.43 cm，为三个阶段中最深，平均起始变化为-6.34 cm（-0.47 cm day^-1），LMM估计边际均值为GWL -75.0 cm、SM 43.6%、ST 29.7 °C，超过90%的火点检测集中于此期。火灾后期（9月10日至10月31日）：GWL大幅回升，平均起始变化为+41.99 cm（+0.82 cm day^-1），SM增至51.5%，ST降至29.1 °C，火点检测显著减少。

四、讨论与结论

讨论部分指出，本研究的每小时IoT观测捕捉到了GWL、SM和ST在火灾前、中、后期的时序变化，提供了比低频观测更详细的水文条件描述。结果表明GWL、SM和ST在三个阶段间存在显著差异，这些条件在时间上与高置信度火点检测和SIPP记录的火灾发生相吻合。火灾后期水文条件逆转（GWL上升41.99 cm，SM升至51.5%，ST降至29.1 °C）与火点大幅减少同步，支持了高频水文观测对于表征火灾期泥炭地变化的重要性。研究还发现，Rukam 01和Rukam 02站点显示出相对较浅的GWL和较高的SM，这可能与恢复和植被管理有关，但研究未采用前后对照设计来量化特定恢复措施的效果。高时间分辨率观测有助于识别泥炭地水文条件的快速变化并支持适应性管理，但研究未建立操作性火灾预警阈值或量化火灾概率。研究局限性包括：三个月监测期和12个站点可能无法代表全年或更大尺度的水文动态；观测设计无法分离水文、降雨、灭火和植被等因素的影响；站点间差异不能单独归因于恢复或再植。

结论部分翻译：本研究证明，地下水水位动态与2024年Londerang泥炭保护林火灾事件期间的水文变化相关联。GWL范围从-144.30到9.00 cm，站点均值从Ri站的-106.74 ± 13.70 cm到R2站的-11.92 ± 12.85 cm，反映出显著的空间异质性。大多数站点的GWL低于-40 cm临界阈值。SM范围为14.52%至94.82%，而ST保持相对稳定（23.01至33.93 °C）。GWL在火灾前期下降了13.73 cm（-0.54 cm day^-1），在已验证的火灾期进一步下降6.34 cm（-0.47 cm day^-1），此时描述性平均GWL达到-89.43 cm，高置信度火点检测高度集中。火灾后期表现为水文恢复，GWL上升41.99 cm（0.82 cm day^-1），SM增至估计边际均值51.5%，同时火点检测减少。这些结果表明水文动态与已验证火灾期之间存在时间对应性，但并未确立因果关系或具体的火灾风险阈值。高分辨率IoT监测捕捉到了GWL、SM和ST的亚日变化，提供了火灾期水文条件的详细表征。未来需要更长期的监测、更广泛的空间覆盖和独立的火灾响应数据，以进一步评估泥炭地水文与火灾发生之间的关系。