全 文 ：广义 Rothermel模型预测平地无风条件下红松鄄
蒙古栎林地表混合可燃物的火行为*
张吉利摇 刘礴霏摇 褚腾飞摇 邸雪颖摇 金摇 森**
(东北林业大学林学院, 哈尔滨 150040)
摘摇 要摇 以帽儿山地区红松鄄蒙古栎林下地表混合可燃物为材料,进行不同含水率、载量和混
合比例的室内点烧试验,观测得到蔓延速率、驻留时间、反应强度、火线强度和火焰长度,并与
采用表面积加权法和载量加权法的广义 Rothermel模型预测值进行比较.结果表明: 广义 Ro鄄
thermel模型对红松鄄蒙古栎林下地表混合可燃物的林火蔓延速率、反应强度的预测平均绝对
误差分别为 0. 04 m·min-1、77 kW·m-2,预测平均相对误差分别为 16% 、22% ;对驻留时间、
火线强度和火焰长度的预测偏低,预测平均绝对误差分别为 15. 5 s、17郾 3 kW·m-1和 9. 7 cm,
预测平均相对误差分别为 55. 5% 、48. 7%和 24% .这些误差可以看成是用该模型预测同类可
燃物相应火行为的误差下限.两种加权算法对模型预测精度影响差异不大,当红松可燃物所
占比重较小时,表面积加权法得到的蔓延速率和反应强度预测值精度较高,载量加权法得到
的火线强度和火焰长度预测值精度较高;当红松可燃物所占比重较大时,结果则相反.
关键词摇 火行为摇 混合可燃物摇 蔓延速率摇 驻留时间摇 火强度摇 火焰长度摇 加权算法
*林业公益性行业科研专项 (200804002)、教育部新世纪优秀人才支持计划项目 ( NCET鄄10鄄0278)和中央高校基本科研业务费专项
(DL09CA15)资助.
**通讯作者. E鄄mail: jinsen2005@ 126. com
2011鄄10鄄07 收稿,2012鄄03鄄27 接受.
文章编号摇 1001-9332(2012)06-1495-08摇 中图分类号摇 S762摇 文献标识码摇 A
Fire behavior of ground surface fuels in Pinus koraiensis and Quercus mongolica mixed forest
under no wind and zero slope condition: A prediction with extended Rothermel model.
ZHANG Ji鄄li, LIU Bo鄄fei, CHU Teng鄄fei, DI Xue鄄ying, JIN Sen (College of Forestry, Northeast
Forestry University, Harbin 150040, China) . 鄄Chin. J. Appl. Ecol. ,2012,23(6): 1495-1502.
Abstract: A laboratory burning experiment was conducted to measure the fire spread speed, residu鄄
al time, reaction intensity, fireline intensity, and flame length of the ground surface fuels collected
from a Korean pine (Pinus koraiensis) and Mongolian oak (Quercus mongolica) mixed stand in
Maoer Mountains of Northeast China under the conditions of no wind, zero slope, and different
moisture content, load, and mixture ratio of the fuels. The results measured were compared with
those predicted by the extended Rothermel model to test the performance of the model, especially
for the effects of two different weighting methods on the fire behavior modeling of the mixed fuels.
With the prediction of the model, the mean absolute errors of the fire spread speed and reaction
intensity of the fuels were 0. 04 m·min-1 and 77 kW·m-2, their mean relative errors were 16%
and 22% , while the mean absolute errors of residual time, fireline intensity and flame length were
15郾 5 s, 17郾 3 kW·m-1, and 9. 7 cm, and their mean relative errors were 55. 5% , 48郾 7% , and
24% , respectively, indicating that the predicted values of residual time, fireline intensity, and
flame length were lower than the observed ones. These errors could be regarded as the lower limits
for the application of the extended Rothermel model in predicting the fire behavior of similar fuel
types, and provide valuable information for using the model to predict the fire behavior under the
similar field conditions. As a whole, the two different weighting methods did not show significant
difference in predicting the fire behavior of the mixed fuels by extended Rothermel model. When the
proportion of Korean pine fuels was lower, the predicted values of spread speed and reaction intensi鄄
ty obtained by surface area weighting method and those of fireline intensity and flame length
应 用 生 态 学 报摇 2012 年 6 月摇 第 23 卷摇 第 6 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Jun. 2012,23(6): 1495-1502
obtained by load weighting method were higher; when the proportion of Korean pine needles was
higher, the contrary results were obtained.
Key words: fire behavior; mixed fuel; spread speed; residual time; fire鄄intensity; flame length;
weighting method.
摇 摇 Rothermel模型[1]是基于能量守恒定律的半物
理模型,具有较宽的适用范围[2],是美国国家火险
等级系统(NFDRS) [3]和 Behave 系统[4]的重要组成
部分.蔓延速率(rate of spread)、火强度( fire intensi鄄
ty)和火焰长度( flame length)是最常用的火行为指
标[5],火强度和火焰长度可通过蔓延速率推导得
出.可将 NFDRS中的驻留时间预测模型[3]、火强度
和火焰长度预测模型[6-7]看成 Rothermel 模型的扩
展,在此共同称为广义 Rothermel模型.
对 Rothermel模型的验证和预测误差分析研究
已开展很多,包括野外点烧试验[8-11]和室内点烧试
验[12-15] .野外点烧试验多缺乏对可燃物混合状况的
详细描述,且以误差最小为约束的方法来确定可燃
物模型(fuel model),结果往往与按野外实际植被情
况确定的可燃物模型不同,按该模型计算的火行为
误差比符合实际情况的可燃物模型所计算的火行为
误差小,主观地提高了预测精度,难以对模型进行全
面、可靠的评价.森林可燃物是多种成分的混合物,
其组分的理化性质差异(如形态结构、密度和矿质
元素含量等)及空间分布特征与火行为特征密切相
关[16],但现有的验证试验多注重对单一类型可燃物
的火行为研究,针对混合可燃物加权算法的研究和
验证很少[13,17] . Catchpole 等[13]用刨花和细木条组
成的混合可燃物进行室内点烧试验,为该模型混合
算法的验证提供了一些依据.对广义 Rothermel模型
混合算法的进一步验证仍然十分必要.
在广义 Rothermel模型中,主要采用两种加权算
法:表面积加权法和载量加权法. 其中,表面积加权
法以混合可燃物各组分的表面积为权重进行加权计
算,是 Rothermel模型预测混合可燃物火行为的一种
加权算法,主要被应用于 Behave 系统和 NFDRS 中
蔓延速率的计算;载量加权法以混合可燃物中各组
分的载量为权重进行加权计算,主要被应用于
NFDRS中能量释放指标的计算[3-4] . 目前对这两种
加权算法的适用性还缺乏系统的研究.
红松阔叶混交林是我国东北原生地带顶极群
落,红松(Pinus koraiensis)、蒙古栎(Quercus mongoli鄄
ca)林是其重要组成部分[18-22] . 红松和蒙古栎树种
的燃烧性较强,落叶分解周期较长[23-24],发生森林
火灾的危险性较大. 本文以该林分内地表可燃物为
试验材料进行室内控制点烧试验,并用广义 Rother鄄
mel模型模拟混合可燃物的火行为,以分析广义 Ro鄄
therml模型和两种加权算法的适用性. 由于 Rother鄄
mel模型中根据能量守恒定律推导的平地无风条件
下的蔓延速度是模型的核心,风因子和坡度因子通
过试验数据获取[1],因此,在平地无风下对 Rother鄄
mel模型混合算法进行验证可降低问题的复杂度,
并在最大程度上满足模型推导的两个重要假设,即
“似稳态冶(quasi鄄steady state)和可燃物连续性.故本
研究只在平地无风条件下展开,对于混合算法对风
因子和坡度因子的适用性另文再述.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
东北林业大学帽儿山实验林场(45毅20忆—45毅
25忆 N,127毅30忆—127毅34忆 E)位于黑龙江省尚志市境
内,属长白山支脉张广才岭西北部小岭的余脉,平均
海拔 300 m,受欧亚大陆季风气候影响,具有温带季
风气候特征,年均气温 2郾 6 益,年均降水量 723郾 8
mm[25] .该区现有林分为采伐后形成的天然次生林
区,除红松和蒙古栎外,主要乔木树种还有水曲柳
(Fraxinus mandshurica)、白桦(Betula platyphylla)、
胡桃楸 ( Juglans mandshurica)、黄波罗 ( Phelloden鄄
dron amurense)、山杨(Populus davidiana)和樟子松
(Pinus sylvestris var郾 mongolica)等.
1郾 2摇 试验材料与试验设计
试验材料采自本地区同龄红松鄄蒙古栎混交林
下的红松针叶和蒙古栎阔叶. 本研究采用无重复的
不完全区组试验设计方法,以含水率、载量和混合比
例为控制变量(括号内数据为不同处理水平的点烧
试验次数):含水率分 4 个水平,5% (36)、10%
(12)、15% (36)、20% (8),误差控制在依0郾 5% ;载
量分 4 个水平,4 t·hm-2(23)、5 t·hm-2(23)、6
t·hm-2(23)、7 t· hm-2 (23),误差控制在 依 0郾 1
t·hm-2;混合比例分 9 个水平,1 颐 9(8)、2 颐 8(8)、
3 颐 7 (12)、4 颐 6 (8)、5 颐 5 (16)、6 颐 4 (8)、7 颐 3
(12)、8 颐 2(8)、9 颐 1(12),共点烧 92 次.其中,混合
比例为红松与蒙古栎可燃物的载量比例. Rothermel
6941 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷
模型对可燃物载量敏感,对床层厚度不敏感[26],故
本研究采用固定床层厚度(8 cm)下的不同载量作
为控制变量,以反映载量和密实度对火行为的影响.
实际情况下,红松鄄蒙古栎混交林内两种地表可燃物
的混合比例受林分组成和地形的影响很大,因此混
合比例选择 1 ~ 9,以涵盖野外可能出现的各种情
况.点烧前将试验材料中的小枝、果实等杂物挑出,
采用烘箱调制可燃物含水率,然后根据预先设计好
的混合比例称取两种可燃物并均匀混合,铺放在长
2 m、宽 1 m 的燃烧床上,用快速水分测量仪测定可
燃物含水率.燃烧床每隔 0郾 2 m 安放一个标杆(距
床层高 1 m),用来观测火焰长度和蔓延速率,每隔
0郾 4 m安放一个热电偶(距床层高 0郾 1 m),用来记
录燃烧过程中床层温度的变化,分别将两台摄像机
架设在燃烧床的正面和侧面,记录燃烧过程的动态
变化,便于数据的读取和较正.在试验区前设置引燃
区(2 m长),用 10 mL 乙醇在引燃区前点燃形成线
状火带,到达试验区后开始记录数据.可燃物熄灭后
收集剩余灰烬并用天平称量,用于计算消耗量.火头
在 2 m的引燃区内达到“似稳态冶. 试验时间一般在
每天 9:00—15:00,同一含水率水平的试验安排在
天气状况相近的 2 ~ 3 d内完成,床层厚度的随机误
差控制在依0郾 005 m,环境温度变化控制在依3 益,空
气相对湿度变化控制在依10% .
1郾 3摇 研究方法
1郾 3郾 1 基于点烧试验的火行为指标测算摇 采用标杆
法结合录像解析观测蔓延速率(Ro)、火焰宽度(Do)
和火焰长度(Lo,cm),取多次测量值的算数平均值.
驻留时间(子o,s)计算[1]:
子o =60Do / Ro (1)
式中:Do为观测火焰宽度(m);Ro为观测蔓延速率
(m·min-1).
反应强度( IRo,kW·m
-2)计算[1]:
IRo =h(wn-wr) / 子o (2)
式中:h为可燃物低热值(kJ·kg-1);wn为净初床层
载量(kg·m-2);wr为燃烧后剩余载量(kg·m-2).
火线强度( IBo,kW·m
-1)计算[6]:
IBo =子oRoIRo / 60 (3)
1郾 3郾 2 基于广义 Rothermel 模型的林火行为指标 摇
平地无风条件下使用 Rothermel 模型需 9 个输入参
数,除灭绝含水率和可燃物床层厚度外,其他 7 个参
数均需加权后代入. 本文使用的模型输入参数的常
量部分见表 1.
按两种加权方法计算混合可燃物.表面积加权
法计算公式[1]:
fi =Ai / At (4)
Ai =滓i(wo) i / (籽p) i (5)
At =移
i = m
i = 1
Ai (6)
式中: fi为表面积加权系数; Ai 为分量的表面积
(m2); At 为总表面积 ( m2 ); wo 为分量的载量
(kg·m-2);m为分量数.
摇 摇 载量加权法计算:
mi =Mi /Mt (7)
Mt =移
i = m
i = 1
Mi (8)
式中: mi 为载量加权系数; Mi 为分量的载量
(kg·m-2);Mt 为总载量(kg·m-2);m为分量数.
预测蔓延速率(Rp,m·min-1)计算[1]:
Rp =( IRp灼) / 籽p着Qig (9)
式中:IRp为预测反应强度(kW·m
-2);孜 为蔓延率;
籽p为烘干颗粒密度(kg·m-3);着 为有效热系数;Qig
为预引燃热(kJ·kg-1). 孜、籽p、着、Qig的计算过程详见
Rothermel模型[1] .
预测驻留时间(子p,s)计算[3]:
子p =75590郾 6 / 滓 (10)
式中:滓为表面积体积比(m-1).
预测反应强度( IRp,kW·m-2)计算[1]:
IRp =祝忆wnh浊m浊s (11)
表 1摇 Rothermel模型输入参数
Table 1摇 Input parameters of Rothermel model
样品
Sample
可燃物低热值
Low heat
content
(kJ·kg-1)
灭绝含水率
Moisture content
of extinction
(% )
表面积体积比
Surface鄄
area鄄to鄄
volume ratio
(m-1)
烘干颗粒密度
Ovendry
particle
density
(kg·m-3)
总矿质含量
Total mineral
content
(g·g-1)
有效矿质含量
Effective
mineral
content
(g·g-1)
可燃物床
层厚度
Fuel depth
(cm)
红松松针
Needle of Pinus koraiensis
22478 30 6873 378郾 4 0郾 03 0郾 01 8
蒙古栎叶片
Leaves of Quercus mongolica
21416 30 6099 548郾 3 0郾 05 0郾 01 8
79416 期摇 摇 摇 摇 张吉利等: 广义 Rothermel模型预测平地无风条件下红松鄄蒙古栎林地表混合可燃物的火行为摇 摇
式中:丐忆为最适反应速率(min-1);浊m为水分阻滞系
数;浊s为矿质阻滞系数. 祝忆、浊m、浊s的计算过程详见
Rothermel模型[1] .
预测火线强度采用 Byram 火线强度公式( IBp,
kW·m-1) [19]计算:
IBP =(子pRpIRp) / 60 (12)
式中:子p 为预测驻留时间(s).
预测火焰长度采用 Byram 火焰长度预测公式
(Lp,cm) [7]计算:
Lp =7郾 75IBp
0郾 46 (13)
1郾 4摇 误差比较
计算观测与预测的各火行为指标的平均绝对误
差(MAE)和平均相对误差(MRE),分析两种混合算
法和不同混合比例对模型预测精度的影响.
MAE = (移
n
i = 1
| yi - y^ j | ) / n (14)
MRE = (移
n
i = 1
|
yi - y^ j
yi
| ) / n 伊 100% (15)
式中:yi、y^ j分别为相应火行为指标的观测值和预测
值;n为点烧试验次数.
本文分别对各火行为指标表面积加权法和载量
加权法预测值的 MAE(或 MRE)进行配对样本 t 检
验,以此判断用两种加权方法得到的 MAE (或
MRE)间是否存在差异,t 检验前进行 K鄄S 检验,以
判断各检验样本是否服从正态分布. 文中各火行为
指标表面积加权预测值 MAE(或 MRE)的 K鄄S 检验
P值用 PS表示,载量加权预测值 MAE(或 MRE)的
K鄄S 检验 P 值用 PF表示. 采用 SPSS 18 和 Office
2003 软件对试验数据进行统计分析.
2摇 结果与分析
2郾 1摇 红松鄄蒙古栎林地表混合可燃物火行为的蔓延
速率
研究区内红松鄄蒙古栎林地表混合可燃物火行
为的观测蔓延速率在 0郾 10 ~ 0郾 37 m·min-1,均值为
0郾 23 m·min-1(表 2).由图 1a 可知,蔓延速率观测
值与预测值的散点比较均匀的分布于 y = x 直线两
侧,表明 Rothermel 模型对蔓延速率的预测效果较
好.两种加权算法得到蔓延速率的平均绝对误差为
0郾 04 m·min-1、平均相对误差为 16% ,且两种加权
算法的预测平均绝对误差(PS = 0郾 201,PF = 0郾 090,
t= -0郾 122,P = 0郾 903)和预测平均相对误差(PS =
0郾 130,PF = 0郾 249, t = -0郾 459,P = 0郾 647)差异均不
显著.使用表面积加权法的预测精度略高(平均绝
表 2摇 研究区内红松鄄蒙古栎林地表混合可燃物火行为试验
的基本统计数据
Table 2摇 Basic statistics data of fire behavior experiment of
mixed fuel in Pinus koraiensis and Quercus mongolica for鄄
ests in the study area (n=92)
指 标
Index
最小值
Minimum
最大值
Maximum
平均值
Mean
观测蔓延速率
Observed rate of spread (m·min-1)
0郾 10 0郾 37 0郾 23
观测驻留时间
Observed residence time (s)
14郾 37 45郾 38 27郾 11
观测反应强度
Observed reaction intensity (kW·m-2)
153郾 97 731郾 79 364郾 85
观测火线强度
Observed fireline intensity (kW·m-1)
11郾 63 70郾 10 35郾 80
观测火焰长度
Observed flame length (cm)
17郾 00 58郾 10 37郾 48
对误差为 0郾 037 m · min-1, 平均相对误差为
15郾 6% ).
摇 摇 当混合可燃物中红松或蒙古栎可燃物所占比重
较大时,采用两种加权算法预测蔓延速率的精度差
异较大,平均绝对误差的差值可达 0郾 01 m·min-1,
平均相对误差的差值可达 10% .当蒙古栎可燃物在
混合可燃物中所占比重较大时,使用表面积加权法
得到的预测误差较小;当红松可燃物所占比重较大
时,使用载量加权法得到的预测误差较小;其他混合
比例时,加权算法的影响不明显(图 2a).
2郾 2摇 红松鄄蒙古栎林地表混合可燃物火行为的驻留
时间
研究区内红松鄄蒙古栎林地表混合可燃物火行
为的观测驻留时间在 14 ~ 46 s,均值为 27郾 15 (表
2).由图 1b 可以看出,驻留时间预测值偏低,基本
在 11 ~ 12 s,且变化幅度很小,说明广义 Rothermel
模型对驻留时间的预测效果很差. 两种加权算法得
到驻留时间预测值的平均绝对误差为 15郾 5 s,平均
相对误差为 55郾 5% ,且两种加权算法的预测平均绝
对误差(PS =0郾 804,PF = 0郾 796,t = 28郾 339,P = 0)和
预测平均相对误差 ( PS = 0郾 108, PF = 0郾 133, t =
28郾 326,P=0)差异均显著,使用载量加权法得到的
预测值误差(平均绝对误差为 15郾 48 s,平均相对误
差为 54郾 2% )略低于表面积加权法. 两种加权算法
的预测差异随混合比例没有明显的变化趋势,不同
混合比例下驻留时间的差异也很小(图 2b).
2郾 3摇 红松鄄蒙古栎林地表混合可燃物火行为的反应
强度
研究区红松鄄蒙古栎林地表混合可燃物火行为
的观测反应强度在154 ~ 732 kW·m-2,均值为365
8941 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷
图 1摇 蔓延速率、驻留时间、反应强度、火线强度和火焰长度
预测值与观测值的比较
Fig. 1摇 Comparison of predicted and observed values of spread
rate, residence time, reaction intensity, fireline intensity, flame
length郾
玉:载量加权法 Weighted by fuel loading; 域:表面积加权法 Weighted
by surface area郾 下同 The same below郾
kW·m-2(表 2). 反应强度观测值与预测值的散点
在 y= x直线附近的分布较均匀,表明广义 Rothermel
模型对反应强度的预测效果较好(图 1c).两种加权
算法得到反应强度预测值的平均绝对误差为 77
kW·m-2,平均相对误差为 22% ,且两种加权算法
的预测平均绝对误差(PS = 0郾 259,PF = 0郾 294, t =
-0郾 114,P = 0郾 91 ) 和预测平均相对误差 ( PS =
0郾 179,PF = 0郾 504, t = -0郾 213,P = 0郾 832)差异均不
显著,使用载量加权法的预测精度略高(平均绝对
误差为 76郾 89 kW·m-2,平均相对误差为 21郾 9% ).
反应强度的平均绝对误差和平均相对误差随混
合比例呈先减后增的趋势. 当红松可燃物所占比例
较小时,表面积加权法的预测精度较高;当红松可燃
物所占比例较大时,载量加权法的预测精度较高;二
者所占比例相近时,反应强度的预测效果最好
(图 2c).
2郾 4摇 红松鄄蒙古栎林地表混合可燃物火行为的火线
强度
研究区红松鄄蒙古栎林地表混合可燃物火行为
的观测火线强度在 12 ~ 72 kW·m-1,均值为 35郾 8
kW·m-1(表 2). 绝大部分火线强度的预测值偏低
(图 1d),说明广义 Rothermel 模型对火线强度的预
测效果较差.两种加权算法得到的火线强度预测值
平均绝对误差为 17郾 3 kW·m-1,平均相对误差为
48郾 7% ,且两种加权算法的预测平均绝对误差(PS =
0郾 405,PF = 0郾 565, t = -0郾 514,P = 0郾 608)和预测平
均相对误差(PS = 0郾 296,PF = 0郾 565,t = -0郾 535,P =
0郾 594)的差异均不显著,使用载量加权法预测的误
差略低(平均绝对误差为 17郾 21 kW·m-1,平均相对
误差为 48郾 6% ).
火线强度的预测误差随混合比例呈先增后减的
趋势.当两种可燃物所占比例接近时,误差最大;当
红松可燃物所占比例小于 50%时,载量加权法得到
的误差较小;当红松可燃物所占比例大于 50%时,
表面积加权法得误差较小(图 2d).
2郾 5摇 红松鄄蒙古栎林地表混合可燃物火行为的火焰
长度
研究区红松鄄蒙古栎林地表混合可燃物火行为
的观测火焰长度在 17 ~ 59 cm,均值为 38 cm(表
2).大部分的火焰长度预测值偏低(图 1e),说明广
义 Rothermel模型对火焰长度的预测效果较差.两种
加权算法得到火焰长度预测值的平均绝对误差为
9郾 7 cm,平均相对误差为 23郾 7% ,两种加权算法
的预测平均绝对误差(PS = 0郾 298,PF = 0郾 188,t =
99416 期摇 摇 摇 摇 张吉利等: 广义 Rothermel模型预测平地无风条件下红松鄄蒙古栎林地表混合可燃物的火行为摇 摇
图 2摇 混合比例对蔓延速率(m·min-1, a)、驻留时间(s, b)、反应强度(kW·m-2, c)、火线强度(kW·m-1, d)和火焰长度
(cm, e)预测误差的影响
Fig. 2摇 Impact of mixing ratio to prediction accuracy of predicted values of spread rate (m·min-1, a), residence time (s, b), reac鄄
tion intensity (kW·m-2, c), fireline intensity (kW·m-1, d), flame length (cm, e)郾
0051 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷
0郾 904,P=0郾 368)和预测平均相对误差(PS = 0郾 702,
PF =0郾 329,t= -0郾 786,P = 0郾 434)的差异均不显著,
表面积加权法的预测精度较高(平均绝对误差为
9郾 6 cm,平均相对误差为 23郾 6% ).
火焰长度的预测误差随混合比例的变化趋势不
明显.受火线强度预测值的影响,当红松所占比例<
50%时,载量加权法得到火焰长度的误差较小;当
红松所占比例>50%时,表面积加权法所得火焰长
度的误差较小(图 2e).
3摇 讨摇 摇 论
广义 Rothermel模型对红松鄄蒙古栎林下地表混
合可燃物林火蔓延速率、反应强度的预测平均绝对
误差分别为 0郾 04 m·min-1和 77 kW·m-2,预测平
均相对误差分别为 16%和 22% . 对驻留时间、火线
强度和火焰长度的预测效果较差,预测值均偏低,预
测平均绝对误差分别为 15郾 5 s、17郾 3 kW·m-1和
9郾 7 cm,预测平均相对误差分别为 55郾 5% 、48郾 5%
和 24% .说明 Rothermel模型的预测效果较好,其扩
展模型的预测效果较差.
本研究与 Rothermel 模型进行参数估计时均为
室内试验,且本试验采用了与野外情况比较接近的
可燃物,可以认为,本试验所得预测误差比广义 Ro鄄
thermel模型预测野外复杂可燃物火行为时所得误
差低,为该模型预测同类可燃物相应火行为的误差
下限,可为模型使用者在野外相似条件下使用该模
型进行火行为预测时提供重要参考.
从不同混合比例对预测精度的影响来看,对反
应强度的预测精度随红松可燃物比重的增加呈先高
后低的趋势,而对火线强度的预测精度则呈先低后
高的趋势,其他指标的变化趋势不明显. 总体上,两
种加权算法应用于模型后对预测精度的影响并不明
显,其原因可能是两种可燃物的表面积体积比差异
较小,而形状、密度、化学组成等因素都是划分可燃
物模型的重要特征[27-28] . 对本试验中的红松鄄蒙古
栎混合可燃物而言,在混合比例不同时有可能更趋
向被划分为不同的可燃物类型,这可能会影响加权
方法的适用性.美国系统对蔓延速率采用表面积加
权法,对能量释放指标则采用载量加权法.本研究结
果表明,对于不同混合比例而言,当红松可燃物所占
比重较小时,使用表面积加权法得到的蔓延速度和
反应强度预测值精度较高,而使用载量加权法得到
的火线强度和火焰长度预测值精度较高,当红松可
燃物所占比重较大时,结果则相反. 由此可以推断,
阔叶可燃物可使用表面积加权算法预测其蔓延速率
和反应强度,使用载量加权法预测火线强度和火焰
长度;而针叶可燃物则相反. 对于红松鄄蒙古栎混合
可燃物,两种加权方法计算的能量释放指标差异
不大.
蔓延速率和反应强度的预测效果较好,误差主
要来源很可能是试验误差. 本文使用的驻留时间预
测模型的预测精度较低,是火线强度和火焰长度误
差的主要来源.如果使用 Anderson[29]提出的驻留时
间预测模型 子=18900d[d为可燃物直径(m)],将阔
叶的厚度当做 d值来计算,则 Anderson 模型得到的
预测结果平均相对误差为 42% ,误差虽然也很大,
但比本文驻留时间预测误差小很多. 与文中的驻留
时间预测公式相同,Anderson 模型预测误差主要由
模型本身造成,不能通过简单的参数调整大幅提高
预测精度.驻留时间除与可燃物表面积体积比和直
径(厚度)有关外,还与载量、密实度、含水率、风速
等多个因子存在复杂的关系[30] .不同形态结构的可
燃物(如针叶、阔叶)的驻留时间计算方法的差异还
需进一步研究.
本文中,蔓延速率预测效果较好,反应强度预测
值偏高,对驻留时间和火线强度的预测效果较差,预
测值均偏低,与 Catchpole 等[13]的结果相似;火焰长
度预测值偏低,与 Catchpole 等[13]的结果相反.这表
明广义 Rothermel模型对不同混合可燃物和不同火
行为的适用性不同,应谨慎使用.
本文只是在平地无风条件下进行了以上研究,
而风和坡度也是影响可燃物火行为的重要因子. 关
于风和坡度条件下混合可燃物的广义 Rothermel 火
行为的验证工作应进一步加强.
参考文献
[1]摇 Rothermel RC. A Mathematical Model for Predicting
Fire Spread in Wildland Fuels. Washington DC: USDA
Forest Service Research Paper, INT-115, 1972
[2]摇 Tang X鄄Y (唐晓燕), Meng X鄄Y (孟宪宇), Yi H鄄R
(易浩若). Review and prospect of researches on forest
fire spreading. Journal of Beijing Forestry University (北
京林业大学学报), 2002, 24(1): 87 -91 ( in Chi鄄
nese)
[3]摇 Cohen JD, Deeming JE. The National Fire Danger Rat鄄
ing System: Basic Equations. Washington DC: USDA
Forest Service General Technical Report, PSW鄄82,
1985
[4]摇 Burgan RE, Rothermel RC. Behave: Fire Behavior Pre鄄
diction and Fuel Modeling System鄄Fuel Subsystem.
Washington DC: USDA Forest Service General Techni鄄
10516 期摇 摇 摇 摇 张吉利等: 广义 Rothermel模型预测平地无风条件下红松鄄蒙古栎林地表混合可燃物的火行为摇 摇
cal Report, INT鄄167, 1984
[5]摇 Shu L鄄F (舒立福), Wang M鄄Y (王明玉), Tian X鄄R
(田晓瑞), et al. Calculation and description of forest
fire behavior characters. Scientia Silvae Sinicae (林业
科学), 2004, 40(3): 179-183 (in Chinese)
[6]摇 Daskalakou EN, Thanos CA. Aleppo pine ( Pinus
halepensis) postfire regeneration: The role of canopy and
soil seed banks. International Journal of Wildland Fire,
1996, 6: 59-66
[7]摇 Wilson R. Reformulation of Forest Fire Spread Equa鄄
tions in SI Units. Washington DC: USDA Forest Serv鄄
ice, INT鄄292, 1980
[8]摇 Andrews PL. Testing the Fire Behavior Model. Wash鄄
ington DC: USDA Forest Service, 1985
[9]摇 Rothermel RC, Rinehart GC. Field Procedures for Veri鄄
fication and Adjustment of Fire Behavior Predictions.
Washington DC: USDA Forest Service General Techni鄄
cal Report, INT鄄142, 1983
[10]摇 Van Wilgen BW, Matire DC, Kruger FJ. Fire behavior
in South African fynbos (macchia) vegetation and pre鄄
dictions from Rothermel爷s fire model. Journal of Applied
Ecology, 1985, 22: 207-216
[11]摇 Silvani X, Morandini F. Fire spread experiments in the
field: Temperature and heat fluxes measurements. Fire
Safety Journal, 2009, 44: 279-285
[12]摇 Wilson RA. Reexamination of Rothermel爷 s Fire Spread
Equations in No鄄wind and No鄄slope Conditions. Wash鄄
ington DC: USDA Forest Service, INT鄄434, 1990
[13]摇 Catchpole EA, Catchpole WR, Rothermel RC. Fire be鄄
havior experiments in mixed fuel complexes. Internation鄄
al Journal of Wildland Fire, 1993, 3: 45-57
[14]摇 Sandberg DV, Riccardi CL, Schaaf MD. Reformulation
of Rothermel爷s wildland fire behaviour model for hetero鄄
geneous fuelbeds. Canadian Journal of Forest Research,
2007, 37: 2438-2455
[15]摇 Finney MA, Cohen JD, Grenfell IC, et al. An examina鄄
tion of fire spread thresholds in discontinuous fuel beds.
International Journal of Wildland Fire, 2010, 19: 163-
170
[16]摇 Wang M鄄Y (王明玉), Shu L鄄F (舒立福), Zhao F鄄J
(赵凤君), et al. Characteristics of forest fuel and po鄄
tential fire behavior in Xishan Mountain of Beijing. Sci鄄
entia Silvae Sinicae (林业科学), 2010, 46(1): 84-
90 (in Chinese)
[17]摇 Viegas DX, Almeida M, Miranda AL, et al. Linear
model for spread rate and mass loss rate for mixed鄄size
fuel beds. International Journal of Wildland Fire, 2010,
19: 531-540
[18]摇 Zhou D鄄Y (周冬跃), Shen G (沈 摇 光). Characters
and distribution regulations of Korean pine鄄broadleaf
mixed forest in the northeast of China. Territory and
Natural Resources Study (国土与自然资源研究),
2003(2): 91-92 (in Chinese)
[19]摇 Sang W鄄G (桑卫国), Chen L鄄Z (陈灵芝), Yu S鄄L
(于顺利), et al. Species composition and structure dy鄄
namics in Mongolian Oak鄄Korean pine forest. Acta Phy鄄
toecologica Sinica (植物生态学报), 2000, 24 (2):
231-237 (in Chinese)
[20]摇 Wang M (王摇 猛), Duan W鄄B (段文标), Chen L鄄X
(陈立新). Spatiotemporal distribution pattern of photo鄄
synthetic photon flux density in forest gaps of Korean
pine broadleaved mixed forest. Chinese Journal of Ap鄄
plied Ecology (应用生态学报), 2011, 22(4): 880-
884 (in Chinese)
[21]摇 Yu S鄄L (于顺利), Ma K鄄P (马克平), Chen L鄄Z (陈
灵芝). Analysis on phytogeographical elements of Quer鄄
cus mongolica community in northeast China. Chinese
Journal of Applied Ecology (应用生态学报), 1999, 10
(5): 539-541 (in Chinese)
[22]摇 Wu J鄄L (武静莲), Wang M (王摇 淼), Lin F (蔺摇
菲), et al. Effects of precipitation and interspecific
competition on Quercus mongolica and Pinus koraiensis
seedlings growth. Chinese Journal of Applied Ecology
(应用生态学报), 2009, 20(2): 235-240 ( in Chi鄄
nese)
[23]摇 Li Y鄄Q (李艳芹), Hu H鄄Q (胡海清). Sequence of
combustibility of principal tree species in Maoershan
Mountain area, Heilongjiang Province. Journal of North鄄
east Forestry University (东北林业大学学报), 2010,
38(5): 34-36 (in Chinese)
[24]摇 Zhang D鄄L (张东来), Mao Z鄄J (毛子军), Zhu S鄄Y
(朱胜英), et al. Litter falls of 6 major forest stands in
Maoershan Mountain of Heilongjiang Province. Bulletin
of Botanical Research (植物研究), 2008, 28 (1):
104-108 (in Chinese)
[25] 摇 Zhou X (周 摇 隽). Study on Regeneration Pattern in
Secondary Forest in Maoershan Region. PhD Thesis.
Harbin: Northeast Forestry University, 2007 ( in Chi鄄
nese)
[26]摇 Gould JS. Validation of the Rothermel fire spread model
and related fuel parameters in grassland fuels. Confer鄄
ence on Bushfire Modeling and Fire Danger Rating Sys鄄
tems, Canberra, 1991: 198
[27]摇 Anderson HE. Aids to Determining Fuel Models for Es鄄
timating Fire Behavior. Washington DC: USDA Forest
Service General Technical Report, INT鄄122, 1982
[28]摇 Scott JH, Burgan RE. Standard Fire Behavior Fuel
Models: A Comprehensive Set for Use with Rothermel爷s
Surface Fire Spread Model. Washington DC: USDA For鄄
est Service General Technical Report, RMRS鄄GTR鄄153,
2005
[29]摇 Anderson HE. Heat Transfer and Fire Spread. Washing鄄
ton DC: USDA Forest Service Research Paper, INT鄄69,
1969
[30]摇 Nelson RM. Reaction times and burning rates for wind
tunnel headfires. International Journal of Wildland Fire,
2003, 12: 195-211
作者简介摇 张吉利,男,1986 年生,硕士研究生. 主要从事林
火模型研究. E鄄mail: xtafktj@ 126. com
责任编辑摇 杨摇 弘
2051 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷