基于补丁的方法评估2003年西伯利亚森林大火后的恢复情况

《International Journal of Applied Earth Observation and Geoinformation》：Patch-based assessment of post-fire recovery after the 2003 Siberian wildfire

　　刘太昌|陈芳|于波|王磊|高梦杰
中国科学院航空航天信息研究所数字地球科学重点实验室，北京100094，中国

**摘要**
北方森林火灾后的植被恢复受到燃烧严重程度、生态条件和气候因素之间复杂相互作用的影响。传统的基于像素的评估方法往往忽略了燃烧区域的空间配置和形状，可能会低估植被恢复的异质性并错误地表示恢复动态。在这里，我们开发了一个斑块级框架来量化2003年西伯利亚野火的恢复时间，研究了斑块形态、燃烧严重程度、气候因素和地形的综合影响。到2023年，72.7%的燃烧斑块已经恢复，平均恢复时间为12.2年。较小且更紧凑的斑块恢复得更快，而较大且细长的斑块恢复得更慢。在斑块内部，从边缘向中心，恢复时间逐渐增加，表明存在一致的从边缘到中心的梯度。气候因素，特别是较高的温度和辐射，会减缓恢复过程，而较大的降水量和土壤湿度则会加速恢复。燃烧严重程度也会延迟再生，而在这种低起伏的地形中，地形的影响较小。这些结果表明，斑块形态和气候共同塑造了火灾后的恢复过程，并强调了将空间配置纳入森林恢复力评估和规划中的重要性。这种基于斑块的框架提供了一种可扩展的、生态上现实的方法，适用于全球易发生火灾的生态系统。

**1. 引言**
北方森林是火灾相关大气碳的最大来源之一，2021年贡献了全球火灾相关二氧化碳排放量的23%，估计为4.8亿吨碳（Lin等人，2019年；Zheng等人，2023年）。近几十年来，西伯利亚经历了越来越严重的野火，大面积的森林被烧毁（Kharuk等人，2022年）。仅2003年的西伯利亚野火就烧毁了超过20万平方公里的土地，并释放了约400-640太克的碳（Huang等人，2009年）。这种大规模的干扰不仅加剧了碳-气候反馈，还引发了关于这些生态系统长期恢复力的关键问题（Lin等人，2019年）。随着气候变化导致野火频率和强度的增加，人们对它们对生态系统稳定性和碳动态的长期影响的担忧也在加剧（Harrison等人，2024年；Ribeiro-Kumara等人，2020年）。在这种情况下，对火灾后植被恢复的定量评估对于理解北方森林恢复其碳封存功能的能力（Gon?alves等人，2025年）、减轻大气碳增加（Chen等人，2024a；Shen等人，2025年）以及在变化的气候中维持生态系统完整性（Chen和Liu，2024年）至关重要。

传统上，火灾后的恢复是通过基于实地的监测来评估的，例如树木密度跟踪、物种组成和幼苗建立（Johnstone等人，2004年；Tepley等人，2014年）。虽然这些方法提供了宝贵的生态见解，但它们在空间和时间覆盖范围上存在局限性（Méndez-Toribio等人，2021年；Turner和Gardner，2015年）。遥感技术的发展使得能够大规模、一致地监测火灾后的动态（Camarretta等人，2020年；Chen等人，2025年；Chen等人，2024b；Yu等人，2025年；Yu等人，2023年；Zhang等人，2026年）。光谱指数，如归一化植被指数（NDVI），被广泛用于跟踪火灾后的绿色恢复情况（Veraverbeke等人，2012年）。然而，NDVI的敏感性受到早期演替阶段的饱和效应的限制（Buma，2012年）。为了解决这个问题，归一化燃烧比率（NBR）已成为评估燃烧严重程度和恢复情况的标准工具（Chirici等人，2020年；Lin等人，2018年；Lin等人，2017年；Pickell等人，2016年）。最近，还开发了累积相对恢复指数（CRRI）和恢复力-稳定性指数等恢复指标，用于时间序列分析，提供了更动态的恢复视角（Gibson等人，2022年；Jo?o等人，2018年）。除了光谱指数外，还采用了植被结构指标（如树木覆盖度（Mandl等人，2024年）和冠层高度（Viana-Soto等人，2022年），以及生态系统功能指标（如总初级生产力（GPP）（Xu等人，2024年），以提供关于生态系统恢复的补充信息。尽管有这些进展，大多数研究仍然采用基于像素的方法（Seydi和Sadegh，2023年；Seydi等人，2024年），忽略了火灾事件的空间特征对恢复轨迹的影响（Laurent等人，2018年）。燃烧区域的配置，包括斑块大小、形状和空间排列，可以显著影响生态过程。这些过程包括种子传播、微气候变化和次生干扰的暴露，所有这些都决定了火灾后植被再生的速度和路径（Nogueira等人，2016年）。忽略这些空间特征可能导致低估火灾影响的异质性，错误地表示恢复模式，并忽略生态系统恢复力和栖息地多样性的重要驱动因素。

火灾后的恢复还受到生物物理、生态和气候因素的复杂相互作用的影响（Shen等人，2025年）。燃烧严重程度是一个关键驱动因素，因为高严重程度的燃烧通常通过增加种子损失和土壤退化来减缓恢复（Rifai等人，2024年）。火灾前植被的结构和组成，包括冠层覆盖度和物种特征，也影响恢复轨迹（Spatola等人，2023年）。例如，以阔叶树种为主的林分或从针叶树向阔叶树过渡的林分，由于具有更高的重新发芽能力和更快的冠层闭合速度，往往恢复得更快（White等人，2023年）。地形因素，如海拔、坡度和朝向，影响微气候和土壤水分保持，从而影响植被再生模式（Chen等人，2022年；Liu等人，2020年）。气候变量，特别是温度和降水量异常，通过影响植被生长率、再生能力和生物量积累来进一步影响恢复，特别是在高纬度地区影响尤为明显（Meng等人，2015年；Rifai等人，2024年；Wilson等人，2015年）。火灾后的早期条件，如裸地范围或竞争植被的存在，可以进一步限制或促进幼苗建立和随后的再生（Crockett和Hurteau，2022年）。人类干预，如抢救性伐木，也可能加速或阻碍恢复（Leverkus等人，2018年）。虽然这些因素已被广泛认识，但火灾形态对火灾后恢复的贡献仍研究不足。将空间配置和其他形态特征纳入恢复评估可以为森林管理和恢复规划提供新的见解，捕捉影响恢复力和再生的景观级过程。

为了填补这些空白，我们使用完全基于斑块的框架研究了2003年西伯利亚野火后中央西伯利亚地区的火灾后植被恢复及其形态驱动因素。我们的目标是：（a）在斑块级别量化植被恢复时间；（b）评估基于斑块的边缘邻近性与恢复时间之间的关系；（c）检查多个基于斑块的驱动因素（包括形态、燃烧严重程度、气候和地形）的相对重要性。这种方法有助于更全面地理解控制北方森林火灾后再生和生态系统恢复力的景观级过程。

**2. 研究区域**
2003年的西伯利亚野火是近几十年来最广泛和最严重的火灾事件之一，烧毁了超过20万平方公里的土地（Huang等人，2009年；Talucci等人，2022年）（图1）。这一事件极大地降低了该地区的碳汇能力，并对生态系统结构和气候反馈产生了长期影响。为了研究这种高严重程度干扰后的长期恢复动态，我们选择了中央西伯利亚的一个代表性燃烧区域，该区域是2003年特大火灾事件中受灾最严重的地区之一。研究地点位于萨哈共和国（雅库特），跨越中央雅库特低地和东部勒纳高原（60°–66°N，118°–132°E）。该地区位于连续的永久冻土带内，具有亚北极大陆性气候（Dfc/Dfd/Dwd，K?ppen–Geiger分类），其特点是漫长的严冬、短暂的生长季节和夏季集中的降水（Mu?oz-Sabater等人，2021年；Peel等人，2007年）。这些环境限制了火灾后的再生，并放大了恢复过程的生态重要性。该地区的植被主要由Larix gmelinii主导，这是一种适应极端气候的针叶树种（Schulte等人，2022年），而由闪电引发的野火是主要的自然干扰。近几十年来，由于温度上升和永久冻土的广泛退化，中央西伯利亚的野火频率不断增加（Beermann等人，2017年；Kirdyanov等人，2020年）。该地区为评估在加速环境变化下的火灾后森林恢复的空间异质性、生态驱动因素和长期恢复力提供了关键的环境。

**下载：** 下载高分辨率图像（381KB）
**下载：** 下载全尺寸图像

**图1.** 研究区域位于中央西伯利亚。右侧面板显示了使用SWIR1、NIR和红色波段组合从2003年年度中值Landsat数据生成的假彩色合成图像。在这张合成图像中，2003年西伯利亚野火的燃烧区域以红色阴影显示。（有关此图例中颜色参考的解释，请参阅本文的网络版本。）

**3. 方法**
我们的研究包括四个主要部分（图2）：（1）火灾斑块生成；（2）在斑块级别评估火灾后植被的恢复时间；（3）量化基于斑块的边缘邻近性与恢复时间之间的关系；（4）分析影响火灾后植被恢复的驱动因素，包括形态特征、燃烧严重程度、气候条件和地形因素。

**3.1. 火灾斑块生成**
我们使用基于洪水填充的区域生长方法生成火灾斑块，该方法基于全球森林因火灾损失数据集（Tyukavina等人，2022年）中的燃烧区域产品。首先，从燃烧区域产品中识别出所有燃烧的像素。然后，使用广度优先搜索（BFS）算法将空间上连续的燃烧像素分组为单独的火灾斑块（Bundy和Wallen，1984年）。如图3所示，该过程包括五个步骤：（1）扫描燃烧区域产品以定位所有燃烧的像素；（2）从尚未分配到任何斑块的连续燃烧像素的轮廓中识别种子点；（3）执行BFS以探索空间上相邻的燃烧像素；（4）使用8连接邻域规则将所有连接的像素分组为单个斑块，该规则考虑水平、垂直和对角线邻接；（5）重复此过程，直到所有燃烧像素都被分组为不同的斑块。为了确保后续分析的稳健性，包含少于100个像素的斑块被排除为噪声。

**下载：** 下载高分辨率图像（310KB）
**下载：** 下载全尺寸图像

**图3.** 使用广度优先搜索（BFS）算法生成火灾斑块的示意图。

**3.2. 在斑块级别评估火灾后植被的恢复时间**
为了监测火灾后植被的恢复情况，我们采用了相对归一化植被指数（rNDVI），该指标表示燃烧区域相对于稳定、未受干扰森林的植被绿色程度。通过将燃烧斑块的NDVI值与同年附近稳定森林的NDVI值进行比较，该指标有助于控制可能影响植被绿色的年度气候波动和环境变化。因此，rNDVI能够在不同年份和环境条件下提供更一致和可靠的恢复评估。稳定森林被定义为2000年树木覆盖度超过30%且在2001年至2023年间没有记录到森林损失的区域，这些信息基于全球2000年树木覆盖产品（Hansen等人，2013年）和全球森林变化产品（Hansen等人，2013年）。为了最小化边缘效应并确保空间一致性，对稳定森林掩膜应用了40像素的形态侵蚀。

我们首先使用Landsat分析准备数据（Potapov等人，2020年）中的年度合成中值表面反射率，计算了2001年至2023年的年度NDVI值。对于每个年份，通过计算斑块内所有像素的NDVI平均值来计算每个火灾斑块的平均NDVI，而稳定森林的平均NDVI则是在整个研究区域内计算的。rNDVI是斑块级NDVI与相应年份稳定森林NDVI的比率（公式（1）。恢复时间是根据2002年（火灾前一年）的rNDVI值作为参考基线来估计的。如果一个斑块的rNDVI在2003年至2023年的研究期间任何时候恢复到或超过了这个火灾前的基线，则认为该斑块已经恢复。恢复时间对应于从火灾年份到首次恢复年份的年数。对于已经恢复的斑块，还计算了平均年恢复率（公式（2）。到2023年仍未达到基线的斑块被归类为未恢复的斑块。为了提供比较参考，我们还通过计算每个像素的rNDVI和恢复时间来评估火灾后的植被恢复情况，从而在斑块尺度和像素尺度上直接比较恢复评估结果。(1)rNDVI = (NDVI_火灾斑块) / (NDVI_稳定森林)(2)恢复率 = (rNDVI_恢复年份) - (NDVI_火灾年份) / 恢复时间为了研究不同植被类型的火灾特征和火灾后恢复情况，我们根据2002年的GLC-FCS30D数据集（Zhang等人，2024年）为每个烧毁的斑块分配了一个主要的土地覆盖类别，并对不同植被类型的烧毁严重程度（RdNBR）、斑块大小和恢复时间进行了分层分析。3.3. 斑块边缘接近性与恢复时间关系的量化为了评估恢复时间是否随距离斑块边界的距离而变化，我们分析了三个具有不同大小（大约从100到10,000公顷）且烧毁严重程度适中的代表性斑块。我们关注那些恢复时间超过15年的斑块，以便更好地捕捉植被再生的空间梯度，因为较长的恢复期预计会显示出边缘区域和内部区域之间的更明显差异。在每个斑块内，我们计算了每个像素的相对NDVI（rNDVI），并使用得到的rNDVI时间序列来估计像素级别的恢复时间和年恢复率。为了确定每个烧毁像素到斑块边缘的最短距离，我们首先将边缘像素识别为在其4连通邻域中至少有一个未烧毁像素的像素（图4，步骤1）。所有火灾和边缘像素的地理坐标是使用栅格地理转换参数获得的。对于每个火灾像素，我们使用k维树（KDTree）算法（Foley和Sugerman，2005年）来高效地在大空间数据集中执行最近邻搜索（图4，步骤2）。然后使用哈弗辛公式（见方程（3）计算火灾像素和边缘像素之间的测地距离，其中φ1和φ2表示火灾像素和边缘像素的纬度（以弧度为单位），λ1和λ2表示经度（以弧度为单位），r是地球半径，为6,378,137米。最后，我们应用线性回归来研究每个像素的恢复时间与其到最近斑块边缘的距离之间的关系。(3)d = 2 * r * arcsin((φ2 - φ1) / (2 * sin(λ2 - λ1))下载：下载高分辨率图像（206KB）下载：下载全尺寸图像图4. 目标烧毁像素的最近边缘像素匹配过程示意图。在步骤1中，边缘像素（绿色）被识别为火灾斑块（黄色）内与非火灾像素相邻的像素。在步骤2中，使用KDTree方法为给定的目标烧毁像素（红色）找到最近的边缘像素，从而可以计算出到火灾斑块边缘的距离。（关于此图例中颜色的解释，请参阅本文的网络版本。）3.4. 斑块形态、严重程度、气候和地形对火灾后植被恢复的影响为了研究斑块形态如何影响火灾后的植被恢复，我们为每个火灾斑块计算了五个形态指标，包括面积、周长、紧凑度、长宽比和面积与周长比。烧毁严重程度使用相对归一化烧毁比率（RdNBR）来量化。此外，我们还纳入了一系列气候变量，如温度、降水量、蒸散量、地表压力、净太阳辐射、径流和土壤湿度，以捕捉环境条件对火灾后再生的影响。最后，还包括了三个地形因素，即海拔、坡度和朝向，以解释局部地点的差异。这些变量共同提供了评估研究区域内形态特征、烧毁严重程度、气候条件和地形因素如何共同塑造植被恢复模式的全面基础。斑块形态使用五个指标来量化：面积、周长、紧凑度、长宽比和面积与周长比。面积和周长描述了每个斑块的大小和边界复杂性。紧凑度（见方程（4）衡量几何规则性，值越接近1表示形状越接近圆形。长宽比（见方程（5）是计算最小边界矩形的长与宽的比率，用于捕捉伸长程度。面积与周长比（见方程（6）进一步描述了形状的复杂性，较高的比率表示更平滑、更紧凑的斑块。RdNBR是一个改进的烧毁严重程度指数。它标准化了火灾前后的归一化烧毁比率（NBR）的差异，同时考虑了火灾前的植被状态（见方程（7）。这里，NBR_火灾前是火灾前一年的NBR值，NBR_火灾后是野火发生年的NBR值。使用火灾前一年的NBR作为参考，而火灾年的NBR则反映了干扰的影响。较高的RdNBR值对应于烧毁严重程度较高的区域。NBR是根据近红外（NIR）和短波红外（SWIR2）反射率计算得出的（见方程（8），较高的值表示健康的植被，较低的值表示烧毁或退化的区域。气候变量，包括温度、降水量、蒸散量、地表压力、净太阳辐射、径流和土壤湿度，用于描述影响火灾后植被恢复的环境条件。所有变量均来自欧洲中期天气预报中心（ECMWF）提供的ERA5-Land再分析数据集（https://cds.climate.copernicus.eu/），空间分辨率为0.1°。对于每个火灾斑块，计算了这些变量的年平均值，以代表植被再生期间的主导气候条件。为了最小化极端值或缺失值的影响，在平均之前识别并移除了异常值。地形变量，包括海拔、坡度和朝向，来自OpenTopography提供的Copernicus全球数字高程模型（GLO-30）（https://doi.org/10.5069/G9028PQB）。对于每个斑块，识别并排除了统计异常值，并计算了平均值。所有连续变量在分析前都使用z分数标准化（均值=0，标准差=1）进行了标准化，以确保具有不同单位和范围的预测因子之间的可比性，并提高模型系数的可解释性。使用方差膨胀因子（VIF）分析评估了十六个因素之间的多重共线性。由于VIF值较高，周长、ATP比率、蒸散量、地表压力和径流被排除在进一步分析之外。所有剩余变量的VIF值均低于2.5，表明没有共线性问题（Senaviratna和Cooray，2019）。为了研究恢复时间与其潜在驱动因素之间的关系，我们使用了准泊松回归模型（见方程（9），该模型可以在保持可解释性的同时适应基于计数的响应变量的过度分散。在这个模型中，λi表示观测i的预期恢复时间；X1i、X2i……、Xni是选定的变量；β0是截距项，β1、β2……、βn是估计的回归系数。应用了对数链接函数以确保所有预测值保持非负。（4）紧凑度 = 4 * π * (面积 / 周长)^2（5）长宽比 = 长度 / 宽度（6）面积与周长比 = 面积 / 周长（7）RdNBR = (NBR_火灾前 - NBR_火灾后) / sqrt(|NBR_火灾前|) * 1000（8）NBR = Nir - Swir2 / Nir + Swir2（9）ln(λi) = β0 + β1 * X1i + β2 * X2i + …… + βn * Xni)4. 结果4.1. 火灾后斑块级别的恢复模式在2003年西伯利亚野火之后，我们在研究区域内识别出17,725个烧毁的斑块。根据Miller和Thode（2007年）提出的RdNBR阈值，烧毁严重程度被分为四个类别，包括未改变、低、中和高，详见表2。大多数斑块的烧毁严重程度为中等或高，分别占71.6%和17.2%，而低严重程度和未改变的斑块分别占9.9%和1.3%，这突显了火灾的广泛影响（图5a）。除了烧毁严重程度外，景观主要由小而分散的烧毁区域组成。具体来说，91.3%的烧毁斑块面积小于100公顷，而中等（100-1,000公顷）和大型（>1,000公顷）斑块分别只占8.1%和0.6%。到2023年，72.7%的烧毁斑块已经恢复，平均恢复时间为12.20年。表2. RdNBR严重程度类别定义（Miller和Thode，2007年）。严重程度类别RdNBR定义未改变<69与火灾前条件无法区分。这并不总是意味着该区域没有发生火灾。低69–315覆盖变化小且结构主导植被的死亡率低。中等316–640从未改变到高不同程度的混合效应。高>=641植被有高到完全的死亡率。下载：下载高分辨率图像（142KB）下载：下载全尺寸图像图5. 不同烧毁严重程度级别的火灾后恢复模式。a，不同严重程度级别的火灾斑块比例分布。b，不同严重程度级别的恢复斑块比例和平均恢复时间（误差条表示95%置信区间）。随着烧毁严重程度的增加，恢复斑块的比例也增加（图5b）。到2023年，60.4%的未改变斑块、63.5%的低严重程度斑块、73.6%的中等严重程度斑块和74.5%的高严重程度斑块已经恢复。在更严重烧毁的斑块中观察到的较高恢复比例表明了显著的生态恢复力。然而，平均恢复时间也随着烧毁严重程度的增加而增加，从未改变斑块的6.25年增加到低严重程度斑块的10.38年、中等严重程度斑块的12.34年和高严重程度斑块的12.92年。结果表明，虽然高烧毁严重程度与较长的恢复时间相关，但它并不一定抑制植被的最终恢复。大多数斑块在一到二十年内重新生长，这突显了强烈火灾的持久影响以及北方森林随时间恢复植被覆盖的能力。斑块大小对火灾后的森林恢复有显著影响（表1）。面积小于10公顷的斑块显示出最高的恢复比例，达到74.0%，平均恢复时间为11.19年。对于面积在10到100公顷之间的斑块，恢复比例略有下降至71.8%，平均恢复时间为12.10年。对于面积在100到1,000公顷之间的斑块，恢复比例进一步下降至69.2%，平均恢复时间增加到13.57年。面积大于1,000公顷的斑块恢复比例为69.6%，平均恢复时间最长，为15.82年。这些结果表明，较小的烧毁区域往往恢复得更快，可能是由于周围未烧毁植被的种子传播改善和微气候压力的减少。相比之下，较大的斑块恢复较慢，可能是由于种子可用性有限和内部条件更为恶劣。尽管如此，即使在面积超过1,000公顷的斑块中也观察到了显著的恢复，这突显了北方森林对大规模野火干扰的固有恢复力。表1. 2003年西伯利亚野火后不同斑块大小类别的总斑块数量、恢复斑块数量、恢复比例（%）和平均恢复时间（年）。大小类别斑块数量恢复斑块数量恢复比例（%）平均时间（年）< 10公顷8898658774.0%11.1910–100公顷7285523371.8%12.66100–1,000公顷142798769.2%14.42> 1,000公顷1158069.6%15.82总计17,72512,88772.7%12.20基于观察到的斑块大小和火灾严重程度的模式，我们研究了不同植被类型的恢复轨迹如何变化，因为组成和斑块大小都可以影响火灾行为和火灾后的再生。烧毁的斑块主要由森林类型组成，特别是封闭的落叶针叶林（封闭DNF），占超过12,000个斑块，而灌木丛和湿地类型（沼泽和湿地）相对较少（图6）。不同植被类型的平均烧毁严重程度（RdNBR）、斑块面积和恢复时间有所不同。森林通常表现出中等RdNBR值（380–500）和平均恢复时间约为12年。灌木丛显示出更高的烧毁严重程度，其中落叶灌木丛的平均RdNBR值第二高，但恢复时间最短。湿地显示出中等烧毁严重程度，但恢复时间较长，特别是在沼泽地区。斑块大小也有显著差异。封闭DNF和沼泽斑块的平均面积最大（>50公顷），而其他所有类型通常小于20公顷。这些结果突显了不同植被类型在火灾严重程度、斑块特征和恢复轨迹方面的明显差异。下载：下载高分辨率图像（149KB）下载：下载全尺寸图像图6. 不同植被类型的火灾特征和恢复时间。颜色表示植被类型，其中封闭DBF（落叶阔叶林）、封闭ENF（常绿针叶林）、封闭DNF（落叶针叶林）、灌木丛、落叶灌木丛、沼泽和湿地。气泡大小代表平均斑块面积，气泡旁边的数字表示斑块数量。4.2. 恢复时间与斑块边缘接近性的关系为了研究斑块内的恢复模式，我们选择了三个具有中等烧毁严重程度但大小和形状不同的代表性火灾斑块（图7），包括一个细长的矩形状斑块（约100公顷，斑块a）、一个大的不规则斑块（约2,000公顷，斑块b）和一个更紧凑的近似正方形斑块（约10,000公顷，斑块c）。这些斑块的烧毁严重程度相对较高（平均RdNBR = 472–571）和恢复时间较长（16–19年），从而可以在最小化严重程度混淆效应的同时比较内部恢复梯度。下载：下载高分辨率图像（1011KB）下载：下载全尺寸图像图7. 火灾后植被恢复时间的斑块内模式。a-c，随着与火灾斑块边缘的距离增加，恢复时间（左）和平均恢复时间（右）的空间分布及95%置信区间。我们首先研究了所有三个斑块的恢复时间与距离斑块边缘的距离之间的相关性。分析显示了显著的正相关关系（p < 0.001），表明恢复时间随距离边缘的增加而增加，边缘附近的再生速度更快，而内部区域的恢复速度较慢。为了更详细地探讨这种关系，我们计算了每个斑块内等距离间隔的恢复时间，并根据斑块大小调整了间隔大小，以更好地捕捉斑块内的空间异质性（图7）。在斑块a中，平均恢复时间从0-30米范围内的12.18 ± 0.24年增加到180米以外的17.15 ± 1.08年。在斑块b中，恢复时间通常从0-50米范围内的12.73 ± 0.07年增加到300米以外的15.56 ± 2.21年，尽管在250-300米区间观察到了轻微的下降。在斑块c中，恢复时间从0-100米范围内的15.88 ± 0.02年增加到600米以外的17.37 ± 0.16年，在400-500米范围内有轻微的下降。斑块B和C中的这些异常区间可能是由于恢复时间不仅受到与边缘距离的影响，还受到这些区域内单个像素的燃烧严重程度的影响。这些结果进一步证实了不同大小斑块之间存在一致的从边缘到内部的恢复梯度，这表明边缘环境促进了更快的再生，可能是由于种子传播增强、光照增加或火灾后的竞争减少。

4.3. 影响西伯利亚野火后恢复时间的因素
如表3所总结的，所有恢复的火斑块的平均恢复时间为12.20年（标准差SD = 5.79），中位数为13.00年，表明火灾后的恢复期相对较长。斑块面积分布极不均匀，平均面积为57.94公顷，中位数为9.82公顷，标准差为466.44公顷，这突显了小斑块的主导地位。燃烧严重程度通过RdNBR测量，变化很大（平均值为501.61，标准差为158.49），最大值超过2200，反映了火灾强度的广泛范围。大多数斑块的形状不规则，如紧凑度指数所示（平均值为0.14，标准差为0.10）。虽然长宽比为2.54（标准差为1.07），表明斑块形状主要是细长的线性，这可能会影响从边缘到内部的动态和火灾后的恢复过程。火灾主要发生在低海拔地形中，平均海拔为267.75米（标准差为86.74米），坡度平均为2.11°（标准差为1.55°）。坡向通常朝南（平均值为140.04°，标准差为5.93°）。气候条件变化中等，平均温度为-7.44°C（标准差为1.17），降水量为346.18毫米（标准差为37.01），土壤湿度为0.53立方米/米3（标准差为0.09），辐射量为810.60千瓦时（标准差为25.58）。这些因素共同塑造了火灾后恢复的空间模式和变异性。

表3. 恢复时间和关键变量的描述性统计
变量 平均值 中位数 标准差（SD） 最大值 最小值 单位
恢复时间 12.20 13.00 5.79 20.00 1.00 年
面积 57.94 9.82 466.44 242 15.34 公顷
紧凑度 0.14 0.12 0.10 0.67 0.00 单位
长宽比 2.54 2.33 1.07 8.37 1.00 单位
RdNBR 501.61 498.00 158.49 222 1.00 单位
海拔 267.75 265.27 86.74 100 5.42 米
坡度 2.11 1.72 1.55 23.77 0.15° 单位
坡向 140.04 150.53 5.93 179.99 4.16° 单位
温度 -7.44 -7.19 1.17 -4.37 -14.41° 单位
降水量 346.18 338.41 37.01 654.43 266.00 毫米
土壤湿度 0.53 0.59 0.09 0.65 0.27 米3/米3
辐射量 810.60 809.11 25.58 871.38 631.52 千瓦时

为了量化斑块形态、燃烧严重程度、气候条件和地形对火灾后恢复时间的相对贡献，我们进行了准泊松回归分析（图8）。除了海拔之外，所有因素都具有统计学意义（p < 0.05）。气候因素对恢复时间的影响最大。较高的平均温度显著延长了恢复时间（RR = 1.279，95%置信区间：1.264–1.294），而较高的辐射量也略微增加了恢复时间（RR = 1.081，95%置信区间：1.069–1.093）。相比之下，较高的降水量（RR = 0.947，95%置信区间：0.936–0.958）和较高的土壤湿度（RR = 0.950，95%置信区间：0.942–0.959）缩短了恢复时间。在斑块形态变量中，较高的长宽比延长了恢复时间（RR = 1.030，95%置信区间：1.022–1.039），表明细长的斑块恢复得更慢，而较高的紧凑度加速了恢复（RR = 0.979，95%置信区间：0.971–0.988），表明形状更规则的斑块恢复得更快。斑块面积对恢复时间的延迟作用较小但显著（RR = 1.007，95%置信区间：1.001–1.014）。燃烧严重程度（RdNBR）适度增加了恢复时间（RR = 1.042，95%置信区间：1.033–1.051）。地形因素的影响相对较小：坡度略微缩短了恢复时间（RR = 0.985，95%置信区间：0.976–0.994），坡向略微延长了恢复时间（RR = 1.014，95%置信区间：1.006–1.022），平均海拔没有显著影响（RR = 0.996，p = 0.528）。总体而言，这些结果表明气候条件是火灾后恢复时间的主要驱动因素，其次是斑块形态和燃烧严重程度，而地形变化在该地区的作用相对较小。

下载：下载高分辨率图像（131KB）
下载：下载全尺寸图像
图8. 火灾斑块指标（包括形态特征、燃烧严重程度、气候条件和地形因素）与火灾后恢复时间之间的关联。水平轴代表从准泊松回归得出的相对比率（RR）。RR大于1表示该变量与较长的恢复时间相关，而RR小于1表示恢复时间较短。误差条表示95%置信区间。垂直虚线（RR = 1）表示没有影响。显著性水平：ns = 不显著；*p < 0.05；**p < 0.01；***p < 0.001。

5. 讨论
5.1. 从斑块尺度评估的优势
为了展示在斑块尺度上评估恢复的生态相关性，我们比较了基于像素和基于斑块的火灾后植被恢复的解释。基于像素的分析表明恢复比例略高（74.51%）和平均恢复时间较短（10.8年），而基于斑块的结果为72.9%；12.6年。然而，这种在像素尺度上看似更快的恢复在很大程度上反映了其未能考虑燃烧区域的空间连续性和生态完整性。像素级别的评估将每个像素视为独立单元，忽略了支撑生态恢复过程的空间组织和连通性。如图9所示，尽管两个示例的像素级别恢复比率几乎相同（大约90%），但未恢复像素的空间配置有显著差异。在图a中，未恢复的像素（红色）在两个斑块（①和②）中分散且随机分布；因此，从斑块尺度来看，这两个斑块都可以被认为是大部分恢复的，因为它们的整体结构完整性保持完好。相比之下，在图b中，未恢复的像素在斑块②内空间聚集，表明只有斑块①恢复了。尽管像素级别的恢复比率相似，但这些对比的空间模式突显了基于像素的评估忽略了燃烧区域的空间连贯性和结构连通性，可能导致对恢复状态的误解。

从生态角度来看，植被恢复不仅涉及光谱绿度的增加，还包括在燃烧区域内重新建立连续的冠层结构、种子传播路径和微气候稳定性（Coop等人，2019年）。基于像素的评估忽略了这些空间依赖性，可能会将碎片化或部分再生的斑块误分类为完全恢复的。相比之下，基于斑块的评估明确纳入了空间连通性和形态一致性，从而提供了更真实和生态意义上的火灾后植被恢复的表示。这一框架捕捉了整个燃烧斑块的集体恢复动态，而不是孤立像素，更好地符合森林再生和生态系统恢复力的运作尺度。

5.2. 气候和结构对火灾后恢复的控制
气候和生物物理因素共同影响了2003年西伯利亚野火区域的火灾后植被恢复（图8）。在所有预测因子中，温度和太阳辐射对恢复时间的影响最大，分别为RR = 1.279（p < 0.001）和RR = 1.081（p < 0.001）。较高的温度和较强的辐射显著延长了恢复时间，可能是由于增强了蒸散作用和热诱导的水分胁迫，阻碍了火灾后的再生。相比之下，降水量和土壤湿度表现出显著的负面影响，分别为RR = 0.947（p < 0.001）和RR = 0.950（p < 0.001），表明更多的水分可用性促进了这些水分受限的北方生态系统的植被更快再生（Jorgensen等人，2023年；Kemppinen等人，2023年）。这些结果强调了在水温升高和气候日益变化的情况下，水热平衡在决定恢复轨迹中的关键作用。

斑块形态也产生了强烈影响。恢复时间随斑块大小的增加而显著增加（RR = 1.007，p = 0.026），证实了较大的燃烧区域由于种子传播受限、更恶劣的微气候和较少的未燃烧避难所作为繁殖源而面临更大的再生限制（Coop等人，2019年）。相比之下，更紧凑的斑块恢复得更快（RR = 0.979，p < 0.001），而长宽比较大的细长斑块恢复得更慢（RR = 1.030，p < 0.001）。这些形态效应突显了空间配置在调节火灾后再生中的作用，通过控制从边缘到内部的种子可用性、辐射和微气候的梯度（Busby和Holz，2022年；Hébert-Dufresne等人，2018年）。

燃烧严重程度（RdNBR）是另一个显著的预测因子（RR = 1.042，p < 0.001），表明燃烧更严重的斑块需要更长的恢复期，这与先前的研究一致，这些研究表明高火灾严重程度会延迟北方和温带森林的火灾后再生（Meng等人，2015年；Rifai等人，2024年）。然而，其相对效应小于温度或辐射的影响，表明气候限制在北方地区的恢复动态中占据主导地位。地形因素的影响相对较小。坡度对恢复有轻微但显著的负面影响（RR = 0.985，p = 0.001），而坡向表现出轻微的正相关（RR = 1.014，p < 0.001）。海拔没有显著影响（p = 0.528），这可能是由于该地区低海拔地形（平均坡度约为2°）和地形变化较小。

总体而言，这些发现表明西伯利亚北方森林的火灾后植被恢复主要受气候和形态因素的支配，水热压力和斑块配置的联合效应决定了再生的速度和范围。这突显了在火灾后恢复建模和森林恢复力评估中纳入斑块尺度空间结构和气候限制的必要性。

5.3. 限制和未来方向
本研究中的几个限制可能会给结果带来不确定性，应在未来的研究中加以解决。首先，燃烧面积数据来自Landsat图像，由于条带噪声和传感器限制，可能会低估火灾范围，如图7a所示。这可能导致遗漏小的或碎片化的燃烧像素，从而影响斑块的划分。其次，恢复评估基于年度合成观测数据，可能不足以捕捉火灾后更细尺度的恢复动态，因为火灾干扰后几个月内可能会发生大量的植被再生。第三，本研究没有明确考虑次生火灾事件。因此，一些被分类为未恢复的斑块实际上可能反映了后续的干扰，而不是有限的生态恢复力，可能导致恢复比例的低估。这些限制可以通过使用更高分辨率的数据集（如Sentinel-2图像和月度合成观测数据）来解决，并通过提取每年的燃烧区域来识别受多次火灾事件影响的斑块，从而捕捉更细尺度的植被变化和重复干扰。

此外，斑块内的恢复梯度是相对于斑块边缘而不是火灾点火位置进行分析的。这一选择主要受数据可用性的限制。虽然点火点可能更好地代表火灾蔓延的起源和强度核心，但目前可用的点火（活跃火灾）数据集来自分辨率较低的传感器（例如MODIS和VIIRS），这些传感器在空间上与本研究中采用的30米Landsat基础斑块框架不一致。这种空间不匹配在将点火位置与细尺度恢复模式联系起来时引入了很大的不确定性，特别是对于小或不规则的斑块。因此，我们专注于在Landsat尺度上可以稳健量化的从边缘到内部的恢复梯度。未来的研究可以通过开发标准化的斑块内恢复梯度分析框架，并整合改进的点火信息来推进这一研究方向，从而更明确地考察火灾点火模式和斑块几何形状如何共同影响内部恢复过程。

最后，本研究主要考察了斑块形态、燃烧严重程度、气候条件和地形对斑块级别火灾后恢复时间的独立影响。这些驱动因素之间的潜在相互作用以及它们对恢复持续时间的综合影响在未来的研究中需要进一步探讨。

5.4. 对森林恢复力和管理的启示
本研究强调了火灾后森林恢复的关键生态和管理意义。气候条件和斑块形态被确定为再生速度的主要决定因素，表明水热压力和空间配置共同塑造了火灾后的植被动态。从管理角度来看，保持或增强空间复杂性，如保护小而紧凑的斑块和边缘栖息地，可以促进更快的自然再生。在较大的燃烧斑块（>100公顷）中，如在斑块内部进行有针对性的播种或种植等干预措施可能有助于克服种子传播受限和更恶劣的微气候条件。除了西伯利亚的特定环境外，这些发现对全球其他易发生火灾的生态系统也具有广泛的意义，包括地中海灌木丛、澳大利亚的桉树林以及北美的针叶林。认识到火灾严重程度、斑块大小和形状之间的相互作用对于制定增强生态系统恢复力的管理策略至关重要。将斑块尺度的空间结构与气候因素结合起来，可以为当地的恢复工作以及在全球范围内应对日益增加的气候变率和火灾风险时维持森林功能提供依据。

**6. 结论**
本研究建立了一个基于斑块的框架，用于量化2003年西伯利亚野火后的植被恢复情况，解决了基于像素的评估方法所忽视的空间配置问题。研究界定了被烧毁的斑块，计算了与稳定森林相比的恢复时间，评估了从边缘到内部的梯度，并对斑块形态、火灾严重程度、气候条件和地形等因素的综合影响进行了建模。到2023年，大约73%的被烧毁斑块已经恢复，平均恢复时间为12.2年。气候因素对恢复过程有显著影响：较高的温度和太阳辐射会延长恢复时间，而较大的降水量和土壤湿度则会加速植被再生。斑块形态进一步调节了恢复动态：较小且紧凑的斑块恢复得更快，而较大且呈长条状的斑块恢复得更慢。斑块内部的分析显示，从边缘到内部的恢复时间逐渐增加。火灾严重程度也会导致恢复延迟，但其影响小于气候和斑块配置的影响。在该地形较为平坦的地区，地形变量对恢复过程的影响相对较小。

这些结果表明，西伯利亚北方森林的火灾后恢复不仅受火灾严重程度的影响，还受到被烧毁区域的空间配置和气候条件的影响。通过引入基于斑块的空间明确框架，本研究提供了比基于像素的方法更为符合生态实际的恢复动态评估。这些发现对森林管理具有实际意义，强调了保护小型、紧凑斑块的重要性，优先考虑对大面积严重烧毁区域的恢复工作，并将气候限制纳入火灾后恢复规划中。此外，这一基于斑块的框架适用于各种易发生火灾的生态系统，为区域到全球范围内的火灾后森林恢复力评估提供了一个可扩展的工具。

**作者贡献声明**
刘泰昌：撰写原始稿件、数据可视化、方法论设计、数据分析、概念构建。
陈芳：撰写修订稿件、监督工作、资金筹集、数据分析。
余波：撰写修订稿件、数据可视化、监督工作、数据分析。
王磊：撰写修订稿件、数据分析。
高梦杰：数据可视化、数据管理。