不同气象驱动因素主导未来美南大平原极端火灾天气频率与过火概率

《Agricultural and Forest Meteorology》：Different meteorological drivers govern future extreme fire weather frequency and burn probability in the Southern Great Plains

　　

摘要

气象变量可能通过不同机制影响极端火险天气的形成以及随后的火灾蔓延。本研究评估了美国南部大平原（SGP）阿马里洛、俄克拉荷马城、达拉斯和圣安东尼奥附近四个区域的未来气候驱动野火风险。我们使用燃烧指数（BI）来识别极端火险天气条件。我们将六个地球系统模型（ESMs）在SSP2–4.5和SSP5–8.5情景下的气象预测与FARSITE模拟相结合，评估了历史时期（2000–2019年）、世纪中叶（2040–2059年）和世纪末（2080–2099年）极端火险天气频率和燃烧概率的变化，以及各自的气象驱动因素。多模型预测显示，在SSP2–4.5情景下所有研究区域的极端火险天气天数均有所增加，且在高端SSP5–8.5情景下增幅更为显著，尤其是到世纪末。气温上升和相对湿度下降是这些增加的主要原因。集合平均模拟的燃烧概率在四个研究区域中也随时间呈上升趋势，但宽泛的置信区间表明模型间存在相当大的不确定性。在极端火险天气条件下，风速与燃烧概率变化表现出最强的偏关联（偏相关系数r = 0.70；偏R2 = 48.5%），而气温和相对湿度与燃烧概率变化的关联则相对较弱。这些发现表明，变暖与变干主要增加极端火险天气的频率，而一旦极端条件形成，风速则对潜在火灾蔓延和燃烧概率起强烈的调控作用。因此，综合热力学和空气动力学气象因素对于评估和管理未来野火风险至关重要。

引言

气象条件是野火发生、蔓延和强度的根本决定因素（Di Virgilio等，2019）。在全球气候变化的背景下，气象因素的变化共同影响燃料条件、点燃概率和火行为，从而深刻影响野火风险（Dupuy等，2020；Jain等，2022；Westerling和Bryant，2008）。众多野火危险指数和火行为模型利用气象变量之间的这些相互作用来生成量化野火风险的指标。随着气候变化加速，大量研究使用极端火险天气指标、火险指数和经验火模型表明，未来气候情景下野火风险正在加剧（Brown等，2021；Fang等，2025；Quilcaille等，2023）。

野火爆发同时受大气热力学和动力学因素影响。持续的气候变暖通常会增加气温和大气水汽压差（Seager等，2015）。这些变化加速燃料水分流失并降低燃料含水率（Chen等，2021；Resco de Dios等，2021）。因此，燃料变得更易燃烧，条件越来越有利于野火点燃和蔓延。相比之下，大气动力学因素在塑造野火发生和传播中起关键作用。在这些因素中，风是火行为最重要的气象控制因素之一（Linn等，2007；Linn和Cunningham，2005；Nelson，2002）。强风不仅增强近地表蒸发、促进燃料干燥，还会改变火焰倾斜角度、增加氧气供应，并通过飞火促进远距离余烬传输（Koo等，2010；Mendez和Farazmand，2022）。这些过程强烈影响火灾蔓延的方向、速率和强度，从而加速大型火灾事件的发展（Cruz等，2020；Cruz和Alexander，2019；Eftekharian等，2019）。来自众多极端火灾事件的证据表明，强风往往驱动火灾快速蔓延和大规模野火扩展（Abatzoglou等，2018，2013；Coen等，2018；Williams等，2013）。然而，热力学和动力学因素对野火风险未来变化的贡献可能不同。气温升高、湿度下降和VPD上升通常展现出更为一致的气候变化信号，因此更可能主导极端火险天气条件频率的长期变化（Gamelin等，2022；Jain等，2022；Shiogama等，2016）。相比之下，风受多尺度动力学过程控制，包括大规模大气环流、边界层湍流、地形和地表粗糙度，导致其未来预测存在较大的模型间不确定性（Fernández-González等，2017；Shen等，2022；Wu等，2020；Zhang和Wang，2024）。尽管如此，一旦极端火险天气条件形成，风速可以强烈调控火灾蔓延的方向、速率和强度，从而影响燃烧概率和火灾扩展的空间格局。因此，有必要区分那些增加极端火险天气条件频率的气象驱动因素和那些在极端条件下控制燃烧概率的气象驱动因素。

大多数野火风险评估采用极端火险天气（Ellis等，2022；Wang等，2015）、基于气象衍生火险指数（Dowdy等，2010；Sanabria等，2013）、火行为模型（Coen等，2013；Price和Germino，2022）或火灾与环境驱动因素之间的经验关系。这些方法被广泛采用，因为它们提供了大尺度的视角。然而，许多依赖气象变量的方法侧重于描述潜在的易燃性增强——如极端火险天气、危险指数升高和燃料加速干燥——而非提供动态火行为模拟。相反，基于物理的火行为模型显式模拟火灾传播和能量释放，更好地捕捉天气条件、地形和燃料特性之间的非线性相互作用，从而为未来气候情景下提供更机制性的预测。这些模型包括景观尺度的经验或半经验火行为模型，如FARSITE（Finney，1998）和Prometheus（Tymstra等，2010），以及耦合大气-火灾系统，如WRF-Fire（Coen等，2013）和HIGRAD/FIRETEC（Koo等，2012）。然而，由于时空尺度和计算需求方面的考量，它们在野火风险未来预测中的应用仍十分有限。

南部大平原（SGP）是北美受风影响最大的草原火生态区之一，也是野火发生的热区（Guyette等，2012；Short，2014）。现有研究表明，在气候变化背景下，干热与大风天气的交汇（Lindley等，2014）、突发性干旱事件（Zong等，2024）、极端降水模式的快速变化（Puxley等，2024）以及人类活动的增加（Radeloff等，2018）共同推动该区域野火风险的加剧。Donovan等人（2017）利用MTBS观测数据集识别了1985–2014年大平原地区野火模式的变化，确认了南部大平原火灾频率和过火面积均显著增加。然而，很少有研究评估在气候变化条件下气象变量对野火风险未来预测的相对重要性。

本研究评估了南部大平原阿马里洛、俄克拉荷马城、达拉斯和圣安东尼奥附近四个区域的未来气候驱动野火风险。我们使用燃烧指数（BI）来识别极端火险天气条件。然后，我们使用六个CMIP6地球系统模型（ESMs）在SSP2–4.5和SSP5–8.5情景下的预测来评估未来极端火险天气的变化，并驱动FARSITE燃烧概率模拟，涵盖历史时期、世纪中叶和世纪末三个时间段。我们进一步量化了单个气象变量对预测的极端火险天气发生变化的贡献，并使用偏相关分析检验它们与燃烧概率变化的独立关联。具体而言，本研究回答两个问题：（1）21世纪期间，南部大平原的极端火险天气频率和燃烧概率将如何变化？（2）不同的气象变量是否分别主导极端火险天气频率的变化和在该条件下的燃烧概率变化？

章节摘要

研究区域

我们选择了南部大平原中靠近主要城市的四个研究区域：阿马里洛、俄克拉荷马城、达拉斯和圣安东尼奥（图1）。这些区域形成了一个由南至北的梯度，以确保广泛的气候代表性，并涵盖多种土地利用类型。它们靠近主要城市，且存在大量的野外-城市交界带（WUI）覆盖，使其在预测的气候变化情景下被指定为潜在的野火人类暴露高风险区（表1）。每个研究区域面积约为35,000

基于燃烧指数定义的极端火险天气验证

BI作为南部大平原与大型野火相关的极端火险天气指标，表现令人满意。对于≥1000英亩的FPA-FOD火灾，ROC分析表明，BI能够区分与火灾相关的条件与区域背景条件，AUC值为0.74（图2a）。使用100、250和500英亩的最小火灾面积阈值进行的敏感性分析分别产生了0.68、0.70和0.72的AUC值（图S2），表明对于更小的火灾面积

极端野火天气天数和燃烧概率的上升趋势

野火风险预测方法可大致分为气象驱动的野火危险指数方法（De Jong等，2016；Jolly等，2024）、物理/半物理建模方法（Jahdi等，2015；Shamsaei等，2023）以及基于环境特征和野火发生数据的统计/机器学习建模方法（Liu等，2019；Zhang和Wang，2024）。这些方法为野火风险评估提供了不同的视角。

结论

本研究将基于BI的极端火险天气分析与FARSITE模拟相结合，评估了南部大平原四个区域未来气候驱动的野火风险。多模型预测表明，从历史基线到21世纪中叶和世纪末，极端火险天气天数的频率和集合平均燃烧概率总体呈增加趋势。这些变化在SSP2–4.5情景下即已出现，但在高端SSP5–8.5情景下增幅更为显著，尤其是在

关于写作过程中生成式人工智能和AI辅助技术的声明

在本文撰写过程中，作者使用了Gemini来提高稿件的语言清晰度和语法准确性。在使用该工具/服务后，作者根据需要对内容进行了审阅和编辑，并对已发表文章的内容承担全部责任。

CRediT作者贡献声明

Quan Zhang：论文撰写 – 原稿，可视化，形式分析，数据整理，概念构思。Jia Yang：论文撰写 – 审阅与编辑，监督指导，项目管理，调查研究，资金获取，概念构思。Shanmin Fang：论文撰写 – 审阅与编辑，数据整理。Alex Desjardins：论文撰写 – 审阅与编辑。Haoxuan Yang：论文撰写 – 审阅与编辑。Xiaohao Jiao：论文撰写 – 审阅与编辑。Chris Zou：论文撰写 – 审阅与编辑，概念构思。

Quan Zhang | Jia Yang | Shanmin Fang | Alex Desjardins | Haoxuan Yang | Xiaohao Jiao | Chris Zou

美国俄克拉荷马州立大学自然资源生态与管理系，俄克拉荷马州斯蒂尔沃特