蒙古栎凋落叶床层火烧效率模型

蒙古栎凋落叶床层火烧效率模型

林火强度（肝火强度）是衡量林火救援困难和影响生态系统的重要能量指标。燃料消耗和燃烧效率（燃料消耗与原生动物重量之比）是计算林火强度和估算林火碳释放量的重要参数。建立可靠的燃料消耗量和林火预测模型是森林火险预测和森林火火二氧化碳释放量的先决条件。目前，国外关于林火强度计算方法和燃料消耗量模型的研究很多，但通常通过计算燃料消耗、火灾高度或火灾长度来计算。例如，建立了美国火险系统（nfdrs）和加拿大火险系统（cffdrs）。hollings等人分析了澳大利亚南部桉树林可燃物消费的主要影响因素，并建立了直径为0.6m的线性预测模型。澳大利亚南部桉树林可燃物消费的主要影响因素得以建立。在cosume中，基于可燃物的含水量和床层厚度的可燃物消费是一个普遍线性预测模型。这是计算machi循环能耗的软件cos模型的主要公式。在中国，油耗的研究主要与燃烧释放和燃烧效率的分析有关。然而，关于森林火灾的估计有必要使用上述两种现有模型，但这些模型的适用性目前尚不清楚。燃料消耗与特定燃料类型和环境之间有很大关系。因此，我们必须研究现有的林火强度和消耗量模型的适用性，并建立适合中国不同布局环境的模型。蒙古栎(Quercusmongolica)是我国东北地区针阔混交林的重要建群种和伴生种,其凋落叶极易燃,发生森林火灾的可能性和危害性都较大.笔者前期曾对蒙古栎凋落叶平地无风条件下的火行为进行了室内点烧试验,本文主要分析平地无风条件下蒙古栎阔叶床层火线强度、消耗量和燃烧效率的基本特征,以及含水率、载量、床层厚度等因素对其的影响;现有模型(如Byram火线强度预测模型、Consume预测模型及Albini提出的燃烧效率模型)在本地区的适用性,并且建立了多元线性模型,以期提高预测的准确性.1材料和方法1.1乔木树种调查试验材料为蒙古栎凋落叶,采自东北林业大学帽儿山试验林场.该地区属温带季风气候类型,年均气温2.6℃,年均降水量723.8mm.林场现有林分为采伐后形成的天然次生林,主要乔木树种有:蒙古栎、水曲柳(Fraxinusmandshurica)、白桦(Betulaplatyphylla)、胡桃楸(Juglansmandshurica)、黄波罗(Phellodendronamurense)、山杨(Populusdavidiana)、红松(Pinuskoraiensis)和樟子松(Pinussylvestrisvar.mongolica)等.样品采集在春季防火期至少连续一周无降水后进行,同时对采样地区周围20cm×30cm的凋落叶层小样方进行调查(表1).1.2凋落叶覆盖床层厚度的测定点烧试验在东北林业大学帽儿山森林防火实验室进行.在室内模拟蒙古栎凋落叶的野外状态,均匀铺设不同含水率、载量和厚度组合的蒙古栎凋落叶床层.可燃物含水率设5个水平(5%、10%、15%、20%、25%),载量设5个水平(3、4、5、6和7t·hm-2),可燃物床层厚度设4个水平(4、6、8和10cm),共构建100个阔叶床层,进行100次点烧试验.燃烧床尺寸为2m×2m.通过燃烧床酒精槽的线状火带引燃,蔓延达到“似稳态”后开始记录观测数据,点烧时的室内温度控制在23~28℃,空气相对湿度控制在59%~78%.蔓延速率、火焰长度等指标待蔓延达到“似稳态”后用标杆法测得,测定方法详见文献[22-23].在点烧前用AND-ML50快速水分测定仪重复测定可燃物即时含水率,确定此时的实际载量.火头经过后用铁网将可燃物的余火熄灭,剩余未完全燃烧的可燃物称量后,用于消耗量和燃烧效率的计算.计算凋落叶的表面积体积比(surface-area-tovolumeratio)时,通过扫描仪获得凋落叶的平均值,用游标卡尺测得凋落叶的平均厚度.试验床层压缩比(β)计算公式为:式中:ρb为床层密度(kg·m-3);ρp为颗粒密度(kg·m-3).1.3处理数据1.3.1燃烧效率和强度对100次点烧试验的火线强度、消耗量和燃烧效率进行了均值、标准差、最小值、最大值和百分位数等基本数据的统计分析.火线强度(Ib,kW·m-1)、消耗量(有效可燃物载量W,kg·m-2)和燃烧效率(CE)的计算公为:式中:H为可燃物低热值(kJ·kg-1),根据文献取21416kJ·kg-1;R为蔓延速率(m·min-1);Wo为可燃物载量(kg·m-2);Wr为火头过后的剩余载量(kg·m-2).1.3.2利用方差分析方法分别计算火线强度、消耗量、燃烧效率与含水率、载量、床层厚度等指标的线性相关系数.利用方差分析法分析含水率、载量和床层厚度及其两两交互作用对火线强度、消耗量和燃烧效率的影响.分别以含水率、载量和床层厚度为自变量,火线强度、消耗量和燃烧效率为因变量绘图,分析3个火行为指标的变化趋势.1.3.3可燃物燃烧效率模型的验证1)Byram火线强度模型的验证:将本研究获得的火焰长度观测数据代入Byram模型或与其相同形式的参数待定模型(式5)中,计算其预测平均相对误差和均方根误差,用于讨论不同条件下所建立模型预测值的波动性.根据本研究的火焰长度和火线强度数据拟合Byram模型(式5)中的参数α、β,并计算修正模型的预测值.式中:L为火焰长度(m);α、β为待定参数.2)Consume模型的验证:根据Consume3.0系统软件中的可燃物消耗量预测模型进行预测,并与本研究中的消耗量观测值对比分析,计算其误差.计算公式:式中:W为消耗量(kg·m-2);BD为床层密度(kg·m-3);D为床层厚度(m);M为可燃物含水率(%).3)Albini燃烧效率模型的验证:根据本研究中的含水率数据拟合燃烧效率模型中参数a、b,并计算修正模型的预测值.计算公式:δi=min[1,aσi/ρi(1+bMi)](8)式中:δi为可燃物个体(如一片树叶或一根树枝)的燃烧效率;σi为表面积体积比(m-1);ρi为烘干颗粒密度(kg·m-3);Mi为可燃物含水率;min为取最小值函数.1.3.4多元线性回归分析将100次点烧试验数据按4∶1的比例随机分为两组,较多的一组用于多元线性回归分析,较少的一组用于回归模型的验证.多元线性回归模型如下:本文中采用的预测因子有含水率、载量、床层厚度及3个因素的两两交互作用项.2结果与分析2.1蒙古栎凋落叶火笔者前期研究结果表明,蒙古栎凋落叶床层的蔓延速率在0~0.48m·min-1,平均值为0.20m·min-1;火焰长度在0~82.50cm,平均值为31.09cm.由表2可以看出,蒙古栎凋落叶的火线强度在0~110.04kW·m-1,平均值为21.60kW·m-1,属低强度火;消耗量在0~0.67kg·m-2,平均值为0.34kg·m-2;燃烧效率在0~95.8%,平均值为64.7%.3个指标均服从正态分布(P>0.05).火线强度和消耗量受含水率、载量和床层厚度的影响波动较明显,而燃烧效率的波动并不明显.2.2含水率的调节作用由表3可知,含水率、载量和床层厚度与火线强度、消耗量和燃烧效率均呈极显著的线性相关;压缩比仅与消耗量呈显著正相关,与火线强度和燃烧效率的相关性均不显著.此外,含水率与火线强度具有强负相关性,蔓延速率与燃烧效率、火焰长度与火线强度均具有强正相关性.在火行为的3个指标中,火线强度的相关性大小为:含水率>床层厚度>压缩比;消耗量为载量>含水率>床层厚度>压缩比;燃烧效率为含水率>床层厚度>载量.从线性关系上看,含水率对3个指标的影响最大.方差分析结果表明,含水率、载量和床层厚度对火线强度、消耗量和燃烧效率的影响均极显著.除载量和床层厚度对燃烧效率和消耗量的交互作用不显著外,其他可燃物特征参数间的两两交互作用对3个火行为指标的影响均达到极显著水平(表4).将载量和床层厚度固定,观察含水率对3个火行为指标的影响,结果表明,含水率对火线强度的影响比较明显,而对消耗量和燃烧效率变化的影响并不明显(图1).载量和床层厚度固定后床层密度即为定值,这说明含水率对火线强度的抑制作用与床层密度的关系很小,而对消耗量和燃烧效率的作用与床层密度的关系较大.将含水率和载量固定,观察床层厚度对3个火行为指标的影响(图3).床层厚度对消耗量、燃烧效率和火线强度变化的影响均不明显.含水率、载量一定时,床层厚度的增加使得床层密度变小,有利于燃烧的进行.但3个火行为指标的变化趋势并不明显,说明良好的床层结构并不足以主导火行为,而是需要含水率和载量的共同作用.由图1~3可知,未燃情况存在于载量为3~7t·hm-2、厚度为4~10cm、含水率为20%和25%时,并且在14次未燃情况中,有9次出现在含水率25%的条件下,表明含水率对燃烧能否蔓延的作用明显强于另外两个因素,也验证了长期以来一直使用灭绝含水率作为燃烧限定值的合理性和必要性.2.3模型验证的结果2.3.1对未固结石地层的激发作用机理的运用于低强度地表火由图4可以看出,火焰长度较低时,各模型预测误差之间的差异并不大;随着火焰长度的增加,各模型的预测误差逐渐增大.这与所比较的模型多数是在有风与无风两种条件下建立的有关.Byram火线强度预测模型在不同火环境中的拟合参数(α、β)波动范围很大.本研究中,使用原始参数值的Byram模型与本研究中数据拟合模型的预测结果最接近,说明其对低强度地表火的适用性较强.经拟合误差最大的模型(α=367.7,β=1.43)是与本研究中使用材料和试验环境最相近的模型,这在一定程度上说明早期研究者使用的细刨花由于卷曲度高,床层结构更有利于燃烧,而人工可燃物和野外可燃物存在很大的差异.对Byram火线强度预测模型的参数重新估计后,得到的α、β值分别为98.009和1.099.预测均方根误差为8.676kW·m-1,平均相对误差为21.0%,R2为0.745.可见,β值已非常接近1,与用于比较的两个室内实验模型接近,更趋向于正比例关系.这可能是由于室内试验只能模拟表层可燃物,而在野外条件下,火强度达到一定值后就会引起下层可燃物的燃烧,使火强度继续升高,但火焰长度的增幅很小.这在室内模拟中很难见到.2.3.2模型预测效果分析由式(6)可知,如果不考虑灭绝含水率等变量极限值对燃烧的影响,Consume模型均能产生>0的预测值.排除未能燃烧的情况,该模型对本试验数据的拟合系数为0.9759(R2=0.82),均方根误差为0.041kg·m-2,表明Consume模型的预测效果较好(图5).图中散点呈现的分层现象是由载量的不同处理水平间接影响床层密度引起的,而不同处理可燃物含水率和床层厚度对模型预测值的影响能力有限.2.3.3模型1:含水率及燃烧效率数据的预测值对Albini提出的燃烧效率模型的参数a、b重新估计后,分别得到0.069和0.169.本研究应用该模型时只有含水率(Mi)1个变量,有5个处理水平,最终得到5个预测值,含水率由低到高分别为94.3%、94.0%、93.7%、93.4%和93.1%.而且燃烧效率观测数据的绝大多数预测值偏高(表2).2.3.4相关变量间的反复性差异经过逐步回归的变量筛选,进入火线强度线性预测模型的变量有含水率、载量和床层厚度的交互作用项及含水率和床层厚度的交互作用项,对线性预测模型的贡献大小为:载量和床层厚度的交互作用>含水率和床层厚度的交互作用>含水率,3个变量共同解释了火线强度82.0%的变差,均方根误差为8.266kW·m-1;进入消耗量线性预测模型的变量有含水率、载量、含水率与床层厚度的交互项,对模型的贡献大小为:载量>含水率>含水率与床层厚度的交互作用,3个变量共同解释了消耗量73.3%的变差,均方根误差为0.081kg·m-2;进入燃烧效率线性预测模型的变量有含水率、含水率与载量的交互作用及含水率与床层厚度的交互作用,对模型的贡献大小为:含水率>含水率与载量的交互作用>含水率与床层厚度的交互作用.3个变量共同解释了燃烧效率53.3%的变差,均方根误差为0.203(表6).3地表火对未固结反应的影响从火线强度、消耗量和燃烧效率3个指标的试验数据来看,本研究属于对低强度地表火的模拟.含水率、载量和床层厚度均与以上3个指标呈极显著的线性相关,影响因子间普遍存在交互作用.其中,含水率对火线强度的影响明显,并且对床层密度的依赖很小;载量对火线强度和消耗量的影响最大,但受床层密度的制约较大.含水率是决定引燃后是否能够蔓延的决定因素.Byram、Consume模型经验证后,均适用于本研究范围内的地表火,并能较好地预测火线强度和消耗量;而Albini的燃烧效率模型的预测结果普遍偏高.在自建的线性回归模型中,含水率是最重要的自变量,模型能够达到的预测效果较好.但除燃烧效率自建模型外,自建模型较Byram和Consume拟合模型并没有明显的优势.3.1试验结果的讨论式(3)中的有效可燃物载量(W)并不包括火头过后的阴燃部分.阴燃常见于表面积体积比较小的可燃物,而蒙古栎凋落叶并不属于此类可燃物.本试验中,火头过后即将火扑灭,并称量剩余的可燃物载量,其中因短暂的阴燃可能会造成一部分可燃物消耗,但由于时间很短,阴燃消耗的部分应很小,由此造成的误差也比较小.由于本试验在平地无风的条件下进行,不存在燃烧过程中由风引起的可燃物床层载量波动所造成的最终消耗量观测误差,能够比较精确地反映燃烧过程中影响因素的作用.对于半经验模型,可以将风速作为类似Rothermel模型中风速、坡度的独立系数考虑.3.2含水率对小孔结构的影响在考虑了上述因子后建立的线性模型提高了林火强度、燃烧效率和可燃物消耗量预测的准确性.从相关性分析和逐步回归变量筛选的结果来看,含水率对细小可燃物火线强度和燃烧效率的影响最大,这与以往的研究结果相一致.含水率是载量、床层结构(如密实度、压缩比)等可燃物床层特征参数表达的限制条件.对于细小可燃物而言,在载量和床层结构不利于可燃物燃烧的情况下,含水率较低时,床层表面的可燃物能够维持燃烧;但含水率较高的可燃物燃烧时,释放出的热能先要蒸发这部分水分,然后才进行热解,并且这个过程贯穿整个床层.3.3可燃物表面积体积表及床层结构模型预测结果分析一些研究认为,Byram模型中L-LB的关系并不适用于细小可燃物.本研究表明,对Byram模型参数(α、β)进行调整后可以得到比较准确的预测效果.L-LB的关系主要受可燃物表面积体积表及床层结构的影响,在实际应用中可根据不同的可燃物类型和床层结构特征来调整α、β的参数值.本研究中火线强度与火焰长度呈极显著正相关,相关系数达0.927(表3).在不同条件下二者间关系模型的形式可能并不局限于Byran模型,根据林火强度的不同阶段建立分段模型可能更合适.3.4以碳