《Agricultural and Forest Meteorology》：Distinct seasonality and trends of natural and anthropogenic wildfires in boreal forests
编辑推荐：
区分野火引燃原因并表征其各自火行为格局对于制定有针对性的预防和管理策略至关重要。然而，由于北方森林地处偏远且缺乏原位观测，野火引燃信息仍然稀少。基于2002–2022年的卫星观测，本研究采用一种新颖的机器学习归因框架（machine-learning attr
区分野火引燃原因并表征其各自火行为格局对于制定有针对性的预防和管理策略至关重要。然而，由于北方森林地处偏远且缺乏原位观测，野火引燃信息仍然稀少。基于2002–2022年的卫星观测，本研究采用一种新颖的机器学习归因框架（machine-learning attribution framework）来区分北方森林中的自然和人为野火，并表征其独特的季节性和时间变化。结果表明，人类活动驱动春季人为火灾显著增加，而自然火灾在夏季占主导地位。与自然火灾的相对稳定性相比，人为火灾在2002–2022年间显著减少，可能反映了传统焚烧实践减少和灭火力度加强的综合效应。所提出的框架提供了一种可扩展的、数据驱动的方法，用于量化人类对北方森林火行为格局的影响，支持在更大空间尺度上开展基于证据的野火管理。
**论文解读：北方森林自然与人为野火的季节性及趋势分化**
**研究背景与问题**
野火是地球系统动态的组成部分，塑造森林生态系统结构并调节生物地球化学循环，但极端野火对生态系统稳定性和人类聚居地构成威胁。北方森林（boreal forests）作为全球最大的森林生物群系，近几十年来遭受前所未有的野火损害，破纪录的过火面积和碳排放引发关注。然而，北方森林的野火引燃原因（ignition causes）信息极为匮乏，主要源于其偏远性及缺乏原位观测。自然火（natural fires）多由雷电引发，集中在夏季，过火面积大；人为火（anthropogenic fires）与农业扩张、伐林、基础设施开发等人类活动紧密相关，季节窗口更宽。准确区分两种引燃源，对于理解火行为格局（fire regime）、气候变化与人类干预的相互作用，并制定针对性预防和管理策略至关重要。现有卫星衍生的火灾数据集虽能实现大尺度监测，但缺乏引燃源信息；机器学习分类方法虽被尝试，但多依赖原位参考数据集或繁琐的田野调查。本研究旨在开发一种基于卫星观测的、可扩展的机器学习归因框架，以量化北方森林中自然与人为野火的贡献，并揭示其季节性和年际变化。该工作发表在《Agricultural and Forest Meteorology》。
**关键方法**
研究人员利用2002–2022年全球火灾图集（Global Fire Atlas, GFA）的卫星火灾事件数据，结合人类足迹指数（Human Footprint, HFP）将北方森林划分为荒野区（HFP≤1）和受人类影响区（HFP>1）。在荒野区假设火灾完全自然引发，基于12个环境变量（包括气温、降水、饱和水汽压差、土壤湿度、叶面积指数、归一化植被指数、云底高度等）和极端梯度提升（eXtreme Gradient Boosting, XGBoost）算法，通过重复随机欠采样（repeated random undersampling）和贝叶斯优化（Bayesian Optimization）构建并选择最优分类器。该分类器对每个火灾事件输出自然火概率，并利用北美原位火灾记录（美国FPA_FOD和加拿大NFDB）标定最佳分类概率阈值（0.65），低于该阈值者归为人为火。随后将模型外推至欧亚大陆北方森林，并采用Shapley加法解释（SHAP）量化环境变量的贡献。
**研究结果**
**3.1 北美北方森林的火灾模式**
研究人员利用原位火灾记录验证HFP阈值，确定HFP≤1的区域中91.3%的火灾为自然火，以此划分荒野区与受人类影响区。最优分类器在100次测试中平均准确率85.4%，将北美北方森林归因出10,692场人为火和37,831场自然火。空间上，人为火高比例聚集在南部和东北部的人类影响区域。季节上，人为火在春季（占29.0%）和秋季（34.5%）占主导，自然火在夏季集中（85.3%）。年际趋势上，人为火数量在2002–2022年间显著下降，自然火则无显著增加；两者过火面积均保持相对稳定。
**3.2 欧亚大陆北方森林的火灾模式**
在欧亚大陆，最优分类器平均准确率82.9%，归因出57,421场人为火和144,199场自然火。人为火主要聚集在西部和东部零散区域，大部分自然火发生在西伯利亚。人为火春季峰值显著（占58.0%），自然火呈双峰分布（春季和夏季）。年际尺度上，人为火和自然火数量均下降，但仅人为火下降具统计显著性（p<0.05）。过火面积的季节模式与火灾数量一致，人为火过火面积在春季占63.0%，自然火过火面积在夏季占66.0%；人为火过火面积年际下降，自然火过火面积无显著增加。
**3.3 自然与人为火对北方森林火灾的贡献**
SHAP分析显示，北美北方森林自然火的首要驱动因子为气温，其次为饱和水汽压差（VPD）、归一化植被指数（NDVI）和土壤湿度；欧亚大陆则以VPD为首。雷电相关大气指标（云底高度、对流有效位能、云冻结水通量）重要性较低。人为火发生时的环境条件显著不利于自然引燃：在北美，人为火对应更低的气温（8.0°C vs. 15.9°C）、更低的VPD、更低的NDVI以及更高的土壤湿度；欧亚大陆呈一致模式。人类活动强度（HFP）显著改变火灾密度和规模：随HFP增加，人为火密度和比例显著上升，自然火密度保持稳定；自然火平均规模（6.6±32.7 km2）大于人为火（3.8±31.3 km2），但在低HFP和高HFP极端下自然火规模不成比例地更大。
**讨论与结论**
讨论部分强调，该方法与现有归因方法（如空间缓冲法）相比，能够基于卫星数据对单个火灾事件进行概率归因，减少对预先归因记录的依赖，尤其在数据稀缺的高纬度地区更具优势。与Janssen等（2023）的结果对比显示，在东西伯利亚部分地区本研究估计的人为贡献率（25–50%）显著低于其报告值（75–100%），这种差异源于输入数据集（GFA捕捉更多偏远自然火）和归因方法（概率分类保守处理模糊火灾）的双重差异。人类活动通过解耦引燃与自然气候约束、延长火灾季节、在历史非火灾期引燃等方式改变火行为格局。人为火在春季占优，反映了南部地区融雪和植被返青较早，促进人为焚烧；大量春季火灾消耗燃料，部分抑制夏季自然火活动。近二十年人为火减少的原因包括：传统焚烧实践减少、森林破碎化程度降低、消防策略改进和主动森林管理（如调控采伐和燃料处理）等。然而，长期灭火可能导致燃料积累，增加火灾强度，净效应尚需区域特异性评估。自然火受气候变暖、干旱、雷电活动增强等驱动，气温、VPD、NDVI和土壤湿度是主要环境控制因子，且区域排名存在差异。
**研究结论**
本研究引入一种可扩展的机器学习框架，用于归因北方森林中卫星衍生的野火为自然与人为原因。2002–2022年间，该框架识别出68,113场人为火和182,030场自然火，两者呈现不同的时空格局。人类活动增加火灾密度并改变火灾季节性，人为火在春季达到峰值，自然火在夏季占主导。人为火在研究期间显著减少，可能反映传统焚烧实践减少、森林破碎化降低以及灭火力度加强。相比之下，自然火行为格局保持稳定，但日益受气候胁迫驱动。通过实现无需依赖地面引燃记录的单个火灾归因，该框架提供了一个稳健的、观测驱动的工具，用于量化人类对高纬度火灾动态的影响。其可扩展架构支持跨生物群系的应用，为加速全球变化背景下的适应性火灾管理、保护规划和气候韧性生态系统治理提供关键见解。
