从土壤到冠层：原位土壤与树木水分传感预测活体燃料含水率并指导地中海沿海林地森林管理

《Ecohydrology》：From Soil to Canopy: Using Moisture Data From Soil and Tree Sensors to Predict Live Fuel Moisture and Guide Forest Management in a Mediterranean Coastal Woodland

　　

生态系统对森林管理和干扰的响应受多种因素及其相互作用控制。这在历史上使实践者难以就理想管理处方和恢复活动达成共识。为降低野火易发性和改善供水而进行的森林管理，通常依据活体燃料含水率（live fuel moisture, LFM）估计来制定。然而，生态系统对环境条件和管理处理的响应在很大程度上取决于土壤水分（soil moisture）。土壤水分已被用作估计LFM的替代指标，但基于树木的传感器尚未以同样方式应用。在这项配对流域研究（paired watershed study）中，研究人员安装耦合的土壤和树木水分探头，以研究土壤与树木水分之间的关系，并考察美国加利福尼亚州索诺玛县的土壤水分—树木—生态系统关系。研究人员发现：（1）与未处理流域相比，机械间伐和计划烧除对土壤水分和蒸散（evapotranspiration, ET）具有统计学显著影响；（2）相对于未处理流域，处理后表层土壤水分降低而根区土壤水分增加；（3）处理流域在处理后年份ET减少90 mm。为考察这些结果的区域可推广性，研究人员将土壤水分替代指标应用于Pepperwood Preserve内附近站点，以考察大型历史火灾的野火危险性，并发现其与周边地区相关。这些结果表明，原位土壤和树木水分传感器可作为离散且耗时LFM测量的替代指标，且土壤水分阈值可用于帮助识别野火易发性和干旱条件。关于不同地点森林处理的水文响应信息对土地和资源管理者有价值，而利用现有或低成本原位传感器改善实时野火危险和干旱条件可提高态势感知和规划。

研究背景与问题：森林管理旨在降低野火易发性、改善供水并维护生态多样性，但生态系统对管理和干扰的响应受多因素交互影响，实践者难以达成一致。为降低野火易发性，管理常依据活体燃料含水率（live fuel moisture, LFM；活体植物中水质量与干质量之比）估计。然而，生态响应很大程度上取决于土壤水分（soil moisture）。土壤水分已被用作LFM替代指标，但基于树木的传感器尚未以相同方式应用。加州北部沿海山地和西部美国野火过火面积与严重度增加，当前美国国家野火危险评级系统（National Fire Danger Rating System, NFDRS）未纳入土壤水分，原因是缺乏一致、实时、高分辨率土壤水分数据。低土壤水分与更高野火危险、更大生长季野火相关。因此，研究人员在配对流域（paired watershed study）中安装耦合土壤和树木水分探头，研究土壤—树木—生态系统关系，并检验树木和土壤水分传感器能否替代费力的LFM测量并帮助判断野火危险。

研究设计与主要结论及意义：研究人员在美国加州索诺玛县Pepperwood Preserve开展配对流域研究，比较处理流域（机械间伐和计划烧除）与未处理流域，历时2年（2022水年4月至2023年10月）。结果发现：机械间伐和计划烧除对土壤水分和蒸散（evapotranspiration, ET；地表蒸发与植物蒸腾之和）有统计显著影响；处理后表层土壤水分降低、根区土壤水分增加；处理后年份处理流域ET减少约90 mm。土壤和树木水分与LFM夏季高度相关，土壤水分阈值可帮助识别野火易发性和干旱。该研究为土地和水资源管理者提供水文响应信息，并表明利用现有或低成本原位传感器可改善实时野火危险与干旱态势感知和规划。

关键技术方法概述：研究采用配对流域设计，在Pepperwood Preserve内处理流域Weimar Creek和未处理流域Redwood Creek布置三个监测点。土壤水分用时间域反射法（time domain reflectometry, TDR）CS655探头，于5、10、20、50和100 cm深度连续监测；树木水分用TEROS11电容传感器安装于六棵Oak或Douglas-fir的基部和分枝处，并按物种校准。离散LFM样本自2020年8月至2023年10月约每两周采集，来自chamise、toyon和leather oak三种灌木；遥感ET来自OpenET集合产品；区域推广使用CalFire Lake Napa Unit内附近站点LFM数据及MTBS数据库中2014—2023年大于4000 ha野火边界。分析包括回归、土壤水分异常（soil moisture anomaly, SMA）和阈值应用。

研究结果
4.1 土壤水分含量与变异性：近2年覆盖两个水文极端：2022水年降水824 mm，2023水年1291 mm，相差467 mm。2022年以大气河事件开始，48小时282 mm，超过年降水三分之一；2023年降水主要来自12月和3月前后风暴。2022年快速径流和下游洪水，2023年虽总量更高但无此现象，导致2022土壤更干、2023土壤水分更可变。土壤水分空间和季节变化明显，10–20 cm变异性最高。冬季土壤水分最高、ET低；5–6月ET增加并消耗土壤水分。处理前，处理流域5 cm表层在夏季显著更湿，根区显著更干。处理后，处理流域表层变干，5 cm相对变化+0.03 m³/m³，与未处理差异不再显著；10–100 cm根区相对未处理更湿，根区差异平均0.04 m³/m³，100 cm为0.05 m³/m³。因此处理后表层下降、根区增加。

4.2 OpenET蒸散：处理前两流域ET几乎无差异。处理后一年，处理流域ET低于未处理流域。第一年处理流域ET比未处理高33.3 mm；处理后一年处理流域比未处理少60.1 mm，1年内总摆动93.4 mm。这表明ET在处理后下降，与处理流域根区土壤水分相对增加一致。

4.3 土壤与树木水分作为活体燃料含水率的替代指标：研究人员将原位土壤和树木水分与三种灌木的离散LFM比较。5—10月土壤水分、树木水分和ET均下降，树木和土壤干化时间与LFM下降一致。树木水分与LFM夏季强相关：toyon R²为0.89，chamise为0.87，leather oak为0.90。100 cm深度土壤水分与toyon、chamise和leather oak LFM相关性分别为0.87、0.86和0.89。土壤水分—LFM关系随深度和物种变化，所有土壤水分站中chamise可预测性最高，R²=0.8；toyon斜率变异性最低，标准差0.08，chamise和leather oak为0.14。平均相关性在100 cm最高（R²=0.78），加权平均次之（R²=0.77）。因此根区土壤和树木水分可作为LFM替代。

4.4 阈值在土壤水分时间序列中的应用：研究人员用SMA—LFM关系识别野火危险或干旱。将chamise LFM阈值0.79 m³/m³应用于未参与原分析的附近Oak站66 cm深度，对应SMA约0.0；据此推得leather oak LFM阈值约0.9 m³/m³，toyon约1.2 m³/m³。使用较低阈值0.62 m³/m³时，chamise对应SMA为?0.08，并产生leather oak LFM阈值0.72 m³/m³和toyon 0.95 m³/m³。区域上，Pepperwood外七个站点chamise LFM显示晚夏每年低于0.79 m³/m³阈值。SMA阈值0.0较保守，每年均会低于；SMA?0.08可指示最高危险和极干条件，长时间低于该线的年份在视觉上与Pepperwood和Sonoma County野火对应，但2016、2021、2022等干年无点火则无火灾。

讨论总结：研究人员认为，结果支持土壤水分和ET受处理影响，处理后表层降低、根区增加，ET显著下降，原位土壤和树木水分可替代离散LFM测量，土壤水分阈值可作为野火危险指标之一。该研究与其他土壤水分—LFM研究一致，并额外发现树木水分传感器也可作为LFM替代；树木水分与根区土壤水分高度相关，可在缺乏土壤水分数据时使用。其与LFM相关性高于NDVI和部分遥感LFM估计，根区50–100 cm或加权平均相关性最高，表层土壤水分不一定与树木和植物水分动态同相。处理后土壤水分和ET变化受蒸发、浅根植被再发、ET减少和径流变化等多因素影响；结果与间伐和计划烧除减少高耗水林下植被和幼树一致。SMA阈值0.0过于保守，地中海气候夏季干热使多数年份落入危险；SMA?0.08可更好区分最高危险期。土壤水分只是指标，不能预测点火，还需考虑气温、饱和水汽压差（vapour pressure deficit, VPD）和前一年降水。无火灾年份也可能干旱但无点火。为toyon和leather oak识别的阈值需更多验证。长期土壤水分数据、区域验证和将土壤水分纳入野火危险模型可减少对LFM测量依赖并提高准确性。未来需扩展火季、更长历史、更广气候和植被类型。

研究结论（翻译）：Pepperwood位于近期严重野火活动的中心，积极的燃料管理对于增强和保护橡树林地栖息地并减少因加州数千年火抑制导致的高强度野火至关重要。Pepperwood内的配对流域研究使未处理与已处理流域之间得以比较，以量化处理对植物—水分动态的影响。夏季期间，土壤水分、ET和LFM均以相似速率下降并高度相关。间伐和计划烧除导致次年更高的根区土壤水分和更低的ET。目前迫切需要改进现有土壤水分产品以纳入野火危险模型；当前可用的土壤水分产品对流域尺度应用而言分辨率过粗，或不能实时获得，或未覆盖美国西部。理解这些产品不确定性并改进它们的关键是延伸到根区的长期土壤水分测量。更高分辨率和更准确的近实时土壤水分产品可用于在区域或州级验证该方法。这些结果得到的土壤水分阈值可应用于不同植被类型，使纳入toyon或leather oak等物种数据成为可能。未来需要通过额外数据收集和水文建模进一步验证研究区外的这些土壤水分阈值并延长记录期。尽管遥感可用于确定LFM和土壤水分，但这些数据的准确性和尺度导致在准确预测野火蔓延和危险方面存在挑战。