《Fire Ecology》：Landscape can play a role in the moisture content of temperate fuels
编辑推荐：
随着气候变化和土地管理方式改变，野火频率和规模日益增加，特别是在温带地区，对准确预测燃料湿度含量（Fuel Moisture Content, FMC）以评估野火风险的需求日益迫切。然而，现有的预测模型主要基于天气变量，对景观变量（如土壤类型、土地覆盖、海拔）的影响认知有限。为此，研究人员开展了迄今为止英国规模最大的燃料采样研究，系统地探究了天气、物候和景观变量对18种不同燃料类型FMC的影响。研究发现，景观变量显著影响11种燃料的湿度，尤其是有机质层、活荆豆茎和活蕨叶，而对大部分死燃料影响甚微。该研究强调，在开发燃料湿度预测模型时，尤其针对活体燃料和有机质燃料，需要将景观变量纳入考量，并建议为不同燃料类型开发定制化模型，以提升野火风险评估的准确性。相关成果发表在《Fire Ecology》期刊。
野火，这头在全球气候变化和人类活动影响下日渐苏醒的“猛兽”，正以更高的频率和更大的规模吞噬着森林、荒野，乃至城市边缘。它不仅威胁生命安全，造成巨大的经济损失，也深刻改变着生态环境。在人们通常认为不易发生严重野火的温带地区，例如英国，近年来野火的发生也呈现上升趋势。要预测和防范野火，一个核心的、可测量的指标是燃料湿度含量（Fuel Moisture Content, FMC）。你可以把它想象为森林、荒原中一切可燃烧物的“干湿程度”——无论是活的灌木、凋落的枯叶，还是地表的苔藓和富含有机质的土壤层。FMC的高低直接决定了火是否容易点燃，以及点燃后火势会如何蔓延。
然而，准确掌握FMC的时空变化规律并预测其趋势，却是一个巨大的科学挑战。长期以来，科学界和林业部门主要依赖基于天气数据的模型来预测FMC，比如加拿大的森林火险天气指数系统（Canadian Forest Fire Weather Index System, FWI），其中的细燃料湿度码（Fine Fuel Moisture Code, FFMC）就是一个典型例子。这些模型主要考虑了温度、湿度、降水和风速等气象因素。但现实真的如此简单吗？一片位于山谷阴坡的泥炭地，和一片位于山脊阳坡的沙质荒地，即使经历相同的天气，其地表和植被的干湿状态会一样吗？显然，地形、土壤性质、海拔等“景观”因素，很可能通过影响水分保留和排水，从而“静默”地调控着燃料的湿度。特别是对于依然具有生命活动、能够从土壤中吸收水分的活体燃料，以及紧贴地面的有机质层，这种景观效应可能更为显著。遗憾的是，此前的大规模研究对此关注不足，导致现有模型在预测英国等地关键燃料（如帚石楠、荆豆、蕨类、沼泽草）的湿度时，表现不尽如人意。
为了填补这一知识空白，一个研究团队开展了一项雄心勃勃的研究。他们自2021年至2023年，在英国六个不同气候区的43个地点，对包括活体、死体和地表层在内的18种燃料类型，进行了大规模、系统的燃料采样。他们想知道：天气和物候（如植物生长季变化）对FMC的影响有多大？景观变量（土壤类型、土地覆盖、海拔、坡度和坡向）又在多大程度上、如何影响不同燃料的FMC？其中哪些景观因素扮演了关键角色？他们的研究成果最终发表于生态学专业期刊《Fire Ecology》上。
研究者们采用了一项核心的技术方法：大规模的野外定点采样与两阶段建模分析。他们在全英43个代表性地点（涵盖泥炭地、石楠荒地、草地和针叶林等多种生态系统）设立了采样点，在2021-2023年间定期（主要为每两周一次）收集了18种燃料样本，总计超过5800份。样品包括活/死帚石楠、荆豆、蕨类、沼泽草的茎与叶/冠层，以及苔藓、凋落物、有机质层和小枯枝。通过烘干称重法精确计算了每种样品的重力燃料湿度含量。同时，他们结合现场测量和公开数据库，获取了采样时的气象数据（如蒸气压亏缺VPD、降雨量）、物候指标（如归一化差值植被指数NDVI）以及每个地点的静态景观变量（土壤类型、土地覆盖、海拔、坡度、坡向）。数据分析采用了独特的两阶段分层建模方法：首先用包含气象和物候变量的混合效应模型解释FMC随时间的变化，并提取出不同采样点之间的固有差异（随机效应）；随后，再用景观变量对这些“地点效应”进行建模，从而量化景观因素在多大程度上解释了不同地点之间FMC的系统性差异。
研究结果揭示了复杂而清晰的图景：
- •
天气、物候与景观的影响范围各异：研究发现，天气变量（尤其是VPD和近期降雨）对绝大多数（17/18）燃料类型的FMC都有显著影响。物候变量（如NDVI）则主要影响活体燃料和所有地表燃料（苔藓、凋落物、有机质层、小枯枝），而对死燃料基本无影响。这印证了活体燃料湿度会随植物生长节律变化的常识。
- •
景观变量是活体与地表燃料的关键调控者：在所有18种燃料中，有11种的FMC受到景观变量的显著影响。其中，有机质层受景观的影响最为强烈，景观变量解释了其FMC变异的34%。其次是活荆豆茎（14%）和活蕨叶（5%）。值得注意的是，所有四种地表燃料以及七种活体燃料中的六种，其FMC都受到景观的影响。相反，在七种死燃料中，仅有一种（死蕨叶）受到景观变量的微弱影响，其余死燃料的FMC差异几乎完全由天气驱动，与景观无关。这清晰地表明，景观效应主要通过影响土壤水分和植物吸水过程来调控那些与土壤有直接或间接水分交换的燃料。
- •
关键景观变量浮出水面：在考察的五类景观变量（土壤类型、土地覆盖、海拔、坡度、坡向）中，土壤类型是关联最频繁的因子，它与活蕨茎、活帚石楠冠层以及有机质层的FMC显著相关。例如，有机质层在“壤质自然湿润”和“沙质自然湿润”的土壤中湿度更高。土地覆盖类型影响了活蕨叶和活沼泽草的FMC，例如活蕨叶在针叶林下的湿度更高。海拔仅对有机质层的湿度有显著正影响，即海拔越高，有机质层倾向于更湿润。而令人略感意外的是，坡度和坡向在本研究涉及的所有燃料类型中，均未表现出显著影响。
结论与讨论强调了模型“定制化”的重要性。 这项研究首次在大尺度上系统揭示了景观变量对温带地区多种燃料湿度的影响模式。其核心结论在于：在构建燃料湿度预测模型时，不能对所有燃料“一刀切”。对于死燃料，传统上基于天气的模型（如FWI系统中的组分）已基本足够，引入景观变量可能不会带来显著改善。然而，对于活体燃料和地表有机燃料（尤其是关键的有机质层），景观变量（特别是土壤类型和土地覆盖）是不可忽视的重要因素。忽略这些因素，可能会导致模型预测出现偏差，尤其是在像英国这样景观异质性高的地区。
研究团队在讨论中指出，将景观变量纳入模型（特别是对活体燃料）会增加模型的复杂性，因为需要协调处理随时间变化的天气/物候数据和静态的景观数据。然而，他们的工作证实了这种复杂性对于提高部分关键燃料湿度预测精度的潜在价值。因此，未来的研究方向和野火风险管理实践应侧重于为不同类型的燃料开发定制化的预测模型。例如，针对泥炭地野火风险的评估，必须建立能够融合土壤类型、海拔等景观信息的有机质层湿度模型；而对于林地活体燃料的监测，则需综合考虑物候周期和立地条件。
总之，这项研究如同绘制了一幅更精细的“燃料干湿地图”，明确了不同“燃料居民”（活体、死体、地表层）对“天气气候”和“家园环境”（景观）的不同响应方式。它不仅深化了我们对野火核心驱动因子之一——燃料湿度——的理解，更重要的是为开发更精准、更具地域针对性的野火危险评估系统提供了关键的科学依据。在野火日益成为全球性挑战的今天，这样的工作对于提升特定区域（如正在经历野火威胁上升的温带地区）的防灾减灾能力，无疑具有重要的理论和实践意义。
