气象驱动因素对光谱火灾严重程度影响的模拟:西班牙西北部案例研究

《Agricultural and Forest Meteorology》:Modelling the influence of meteorological drivers on spectral fire severity: a case study in NW Spain

【字体: 大 中 小 】 时间:2026年08月07日 来源:Agricultural and Forest Meteorology 6.6

编辑推荐:

  火灾严重性是评估火灾后生态影响的关键指标。虽然已有研究表明,火灾天气条件能够强烈影响火灾严重性,但气象变量对严重性的直接影响尚未得到充分探索。本研究旨在量化气象变量对通过光谱燃烧指数(spectral burn indices)测量的植被和土壤火灾严重性的影响

  
火灾严重性是评估火灾后生态影响的关键指标。虽然已有研究表明,火灾天气条件能够强烈影响火灾严重性,但气象变量对严重性的直接影响尚未得到充分探索。本研究旨在量化气象变量对通过光谱燃烧指数(spectral burn indices)测量的植被和土壤火灾严重性的影响。首先,研究人员评估了实地测量的植被和土壤火灾严重性(VBS, SBS)与几种光谱指数之间的对应关系:差分归一化燃烧比(dNBR)、相对化dNBR(RdNBR)、增强植被指数增强的dNBR(dNBR-EVI)以及蓝色归一化差异植被指数(BNDVI)。BNDVI在灌木林和森林立地中均显示出与VBS和SBS最强且最一致的对应关系,而dNBR仅在森林区域的VBS评估中表现最佳。随后,为了量化气象变量对严重性的影响,研究人员基于通过相关性和方差膨胀因子(VIF)分析筛选出的气象预测变量,拟合了广义加性模型(GAM)和随机森林(RF)模型。结果表明,RF模型在火灾严重性描述指标上通常提供较低的预测误差。最强的RF模型预测性能体现在dNBR标准差(R2 = 0.67),而BNDVI的第75百分位数也表现出相对较高的预测性能(R2 = 0.62)。变量重要性和偏依赖分析确定了大气湿度条件(d2m)、初始蔓延指数(ISI)、蒸汽压亏缺(VPD)、地表土壤水分(Swvl1)和入射太阳辐射(ssrd)是最具影响力的气象预测变量。这些结果推进了将大气变量和燃料干燥度整合到严重性预测中,并展示了光谱指数在改善火灾后影响评估方面的潜力。然而,本研究仅聚焦于火灾严重性的气象驱动因素,这些发现应被解释为气象控制相关性的证据,而非对所有火灾严重性驱动因素的全面评估。
**论文解读:气象驱动因素对光谱火灾严重性的影响——以西班牙西北部为例**

**研究背景与问题**

在环地中海盆地,野火是重要的生态和社会环境扰动因子。极端火灾季节(如2017、2022、2025年)暴露了以扑救为主的传统管理策略在热浪和异常天气条件下的局限性。火灾严重性(fire severity)指火灾引起的生态变化程度,包括地上和地下有机质的损失及生态系统结构与功能的改变。已有研究表明,气象条件在高强度火灾行为中可能成为主导驱动因素,但直接量化气象变量对火灾严重性空间变异影响的研究仍相对不足,尤其缺乏基于实地观测的验证。此外,大多数研究未区分植被火灾严重性(vegetation burn severity, VBS)和土壤火灾严重性(soil burn severity, SBS),而这两种组分的生态响应和管理需求截然不同。因此,本研究旨在专门量化气象条件对火灾严重性的影响,通过整合实地测量和卫星衍生光谱指数,并独立评估植被和土壤的严重性。

**研究内容与结论**

研究人员选取了西班牙西北部2017年、2020年和2022年火灾季节发生的18场野火,收集了118个样地的植被和土壤火灾严重性实地数据,并获取了哨兵2号卫星影像。首先,评估了四种光谱指数(dNBR、RdNBR、dNBR-EVI、BNDVI)与实地严重性的对应关系;然后,使用随机森林(RF)和广义加性模型(GAM)基于气象预测变量建立预测模型;最后,比较两种模型的预测性能,并分析气象变量的相对重要性。研究得出以下主要结论:(1)BNDVI指数在灌木林和森林立地中均与VBS和SBS表现出最强且最一致的对应关系,尤其对SBS敏感;而dNBR在森林区域的VBS评估中表现最佳。(2)RF模型在多数火灾严重性描述指标上预测误差更低,对dNBR标准差(R2=0.67)和BNDVI第75百分位数(R2=0.62)的预测效果最好。(3)大气湿度条件(d2m)、初始蔓延指数(ISI)、蒸汽压亏缺(VPD)、地表土壤水分(Swvl1)和入射太阳辐射(ssrd)是影响火灾严重性最显著的气象预测变量。该研究的重要意义在于,它将气象变量和燃料干燥度整合到严重性预测中,为基于光谱指数的火灾后影响评估提供了新工具,并支持气候变化背景下更有效的火灾管理和适应策略。该论文发表在《Agricultural and Forest Meteorology》。

**技术方法概述**

研究主要采用以下关键技术方法:
1. **实地调查与光谱指数计算**:在18个野火区(西班牙西北部,包括加利西亚和卡斯蒂利亚-莱昂)设置118个样地,依据Fernández等人(2021a, 2021b)的视觉评估协议分类植被火灾严重性(VBS,三级)和土壤火灾严重性(SBS,七级)。基于哨兵2号卫星Level-2A影像(10 m分辨率)计算差分归一化燃烧比(dNBR)、相对化dNBR(RdNBR)、增强植被指数增强的dNBR(dNBR-EVI)和蓝色归一化差异植被指数(BNDVI),并提取每个样地40×40 m区域的统计量(均值、中位数、百分位数、标准差等)。
2. **气象数据获取与处理**:从Meteogalicia和AEMET获取野火发生时的日常气象观测(14:00当地时间),计算加拿大火险天气指数(FWI)系统组件(包括FFMC、DMC、DC、ISI、BUI、DSR)。从ERA5-Land再分析产品获取近地表温度(d2m)、风速(v10)、各层土壤水分(Swvl1、Swvl2、Swvl3)和地表太阳辐射(ssrd),并计算蒸汽压亏缺(VPD)。通过Pearson相关(|r|>0.7)和方差膨胀因子(VIF<4)筛选预测变量,最终保留FFMC、DMC、ISI、Swvl1、ssrd、d2m、VPD。
3. **模型构建与评估**:采用随机森林(RF)和广义加性模型(GAM)对14个火灾严重性响应变量(如dNQR标准差、BNDVI第75百分位数等)进行建模。RF设置2000棵决策树,通过内部交叉验证优化mtry参数;GAM使用惩罚三次样条(k=10),采用限制极大似然法(REML)估计。模型性能通过5×5嵌套交叉验证评估,指标包括决定系数(R2)、均方根误差(RMSE)和平均绝对误差(MAE)。变量重要性通过RF的排列重要性(%IncMSE)量化,并绘制偏依赖图(PDP)解释非线性效应。

**研究结果**

**3.1 火灾严重性**
通过斯皮尔曼秩相关(ρ)分析光谱指数与实地严重性的关系。对于VBS,dNBR在森林区域相关性最强(ρ=0.92),BNDVI在合并数据集中表现出强负相关(ρ=?0.75)。对于SBS,BNDVI在灌木林中相关性最强(ρ=0.83),而dNBR、dNBR-EVI和RdNBR相关性较弱。基于此,选择BNDVI和dNBR作为后续分析的光谱指数,并计算每个野火事件内这些指数分布统计量(均值、中位数、百分位数、标准差等)。

**3.2 气象变量**
描述了18场野火的气象变量分布(图5)。DC、BUI、ISI和FWI指数表现出中等变异,其中Montes野火呈现最极端天气(FWI=62.22,DSR=40.72),Boiro野火具有最低的FFMC和ISI值。土壤水分变量(Swvl1、Swvl2、Swvl3)总体变异较小,但Boiro野火地表土壤最干(0.07 m3 m?3),Valdeorras和Vilari?o de Conso相对较湿。这些差异突出了野火发育期间气象条件的异质性。

**3.3 随机森林和广义加性模型的火灾严重性预测性能**
通过相关性和VIF筛选后,最终预测变量为FFMC、DMC、ISI、Swvl1、ssrd、d2m、VPD。对14个响应变量分别建立RF和GAM模型,共28种组合。GAM预测BNDVI第25百分位数获得最高R2(0.73),但误差较大(RMSE=0.27);RF模型普遍提供更低的RMSE和MAE。RF模型中,dNBR标准差预测性能最强(R2=0.67,RMSE=0.02,MAE=0.02),其次为BNDVI第75百分位数(R2=0.62,RMSE=0.09,MAE=0.07)。模型性能因严重性描述指标而异,表明不同气象控制可能对应植被和土壤的火后光谱响应。

变量重要性分析(图7)显示,对于dNBR标准差,d2m(0.63)和ISI(4.82)最重要;对于BNDVI第75百分位数,ssrd(4.2)、VPD(8.3)、Swvl1(11.7)和d2m(17.8)最重要。偏依赖图(图8、图9)表明:ISI与dNBR变异性呈正相关;d2m呈非线性关系;BNDVI随d2m、VPD和ssrd增加而升高,随Swvl1增加而降低。

**讨论总结**

**4.1 光谱指数表征实地火灾严重性的性能**
BNDVI在SBS评估中表现最强,尤其适用于灌木林,因其对炭、灰烬和裸露矿质土壤的蓝波段反射率变化敏感。dNBR在森林区域VBS评估中表现优异(ρ=0.92),但在灌木林和SBS评估中效果下降,表明其在高异质性或低生物量环境中的局限性。因此,应根据生态系统结构和火后地表特征选择严重性指数,而非统一应用单一指标。

**4.2 气象条件对火灾严重性指标的影响**
VBS(由dNBR指标代表)主要与大气湿度和火蔓延指数(ISI)相关,而SBS(由BNDVI指标代表)更受燃料水分动态和太阳辐射影响。大气干燥条件(高VPD、低d2m)和低土壤水分(Swvl1)促进更完全的燃烧和更严重的土壤效应,高ISI驱动火蔓延空间异质性,太阳辐射则通过燃料干燥增强这些效应。

**4.3 模型预测精度**
RF模型普遍优于GAM,在多数严重性指标上提供更低预测误差和更高稳定性,尤其适合捕捉气象变量间的复杂非线性交互作用。dNBR标准差的高预测性能表明气象条件有助于解释严重性空间异质性,而非仅局部极端值。

**4.4 变量重要性与生态学解释**
大气湿度(d2m)、火蔓延(ISI)、地表土壤水分(Swvl1)、蒸汽压亏缺(VPD)和太阳辐射(ssrd)是相互作用的控制因素。高ISI促进不规则火蔓延和异质性燃烧;低大气湿度和土壤水分增加燃料干燥和燃烧完全度;太阳辐射加剧燃料干燥,尤其在暴露地形。这些结果与地中海、北方和干旱森林生态系统中的研究一致。

**结论翻译**

本研究显示,在该分析范围内,气象条件与植被和土壤火灾严重性密切相关,且这种关系可通过光谱指数捕捉。研究发现,BNDVI指数在结构异质的环境中可作为传统NBR衍生指数的有效替代,因为它能准确捕捉植被和土壤严重性,而在森林立地评估植被严重性时dNBR仍是最准确的指数。气象条件显著贡献于火后光谱变异,但其影响因严重性描述指标而异:大气湿度、火蔓延条件和太阳辐射是植被和土壤严重性模式的重要交互控制因素。虽然仅考虑气象预测变量,但最佳模型解释了火灾严重性指标中相当大比例的变异,突显了火灾天气条件对火后光谱响应的强烈影响。通过识别可靠的光谱指标、阐明气象控制机制以及展示可整合这些驱动因素的建模框架,本研究推进了严重性评估。随着气候预测表明地中海地区将出现更频繁的热浪和严重干旱,将大气变量和燃料干燥度指标纳入操作化严重性预测和长期生态系统恢复力评估将至关重要。由于未明确包含植被和地形变量,这些发现应被解释为气象控制相关性的证据,而非对所有火灾严重性驱动因素的全面评估。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号