氣候變化對中國森林火險的影響*

田曉瑞 舒立福 趙鳳君 王明玉

(中國林業(yè)科學(xué)研究院森林生態(tài)環(huán)境與保護研究所 國家林業(yè)局森林保護學(xué)重點開放性實驗室 北京 100091)

氣候變化對中國森林火險的影響*

田曉瑞 舒立福 趙鳳君 王明玉

(中國林業(yè)科學(xué)研究院森林生態(tài)環(huán)境與保護研究所 國家林業(yè)局森林保護學(xué)重點開放性實驗室 北京 100091)

【目的】 在全國尺度上研究氣候變化對森林火險的影響，為我國宏觀林火管理提供科學(xué)參考依據(jù)?！痉椒ā?研究區(qū)包括中國的主要森林分布區(qū)，并根據(jù)中國生態(tài)地理系統(tǒng)分成6個區(qū)域，研究過去50年和未來2021—2050年的主要氣候特征及火險變化。地面氣候資料包括824個國家級基準(zhǔn)、基本站的日值觀測資料(1961—2010年)數(shù)據(jù)集，利用距離方向加權(quán)平均法把各氣象因子差值到空間分辨率為0.25°×0.25°的網(wǎng)格點。氣候情景數(shù)據(jù)包括4個情景(RCP2.6、RCP4.5、RCP6.0和RCP8.5)下5個全球氣候模式(GFDL-ESM2M、HadGEM2-ES、IPSL-CM5A-LR、 MIROC-ESM-CHEM和NorESM1-M)的日值數(shù)據(jù)(1951—2050年)，水平分辨率為0.5°×0.5°。分別根據(jù)觀測數(shù)據(jù)和訂正后的氣候模式預(yù)測數(shù)據(jù)計算每個格點每日的森林火險天氣指數(shù)。因子突變檢驗采用Mann-Kendall法?！窘Y(jié)果】 歷史觀測數(shù)據(jù)表明，基準(zhǔn)時段(1971—2010年)研究區(qū)平均氣溫呈上升趨勢，但降水量無明顯變化。1961—2010年各森林分布區(qū)的火險期平均氣溫增加趨勢顯著，而降水量只有中溫帶干旱地區(qū)荒漠針葉林區(qū)顯著增加，其他區(qū)域的變化不顯著。1976—2010年各生態(tài)地理區(qū)內(nèi)森林分布區(qū)的火險期指數(shù)平均值大部分表現(xiàn)出增加趨勢。區(qū)域氣候情景模型預(yù)測2021—2050年森林分布區(qū)的平均氣溫將增加1.6～2.1 ℃，降水將增加2.3%～4.8%。2021—2050年各生態(tài)區(qū)防火期的平均氣溫在都比基準(zhǔn)時段顯著增加，但降水量只有寒溫帶濕潤地區(qū)針葉林區(qū)和中北亞熱帶濕潤地區(qū)闊葉林、人工植被區(qū)顯著增加。RCP2.6、RCP4.5、RCP6.0和RCP8.5情景下火險天氣指數(shù)95th百分位數(shù)比基準(zhǔn)時段分別增加13.5%，18.9%，14.9%和22.33%； 不同氣候情景下的火險天氣指數(shù)的未來增量存在空間差異，其中南方和西南林區(qū)的高火險天氣日數(shù)將明顯增加。【結(jié)論】 1976—2010年我國的森林火險指數(shù)表現(xiàn)出增加趨勢。氣候模式對氣溫與降水的模擬基本和觀測值一致，其預(yù)測的2021—2050年我國森林分布區(qū)的平均氣溫和降水量都將有所增加，導(dǎo)致火險期氣候呈現(xiàn)暖干化變化趨勢，大部分區(qū)域的火險指數(shù)將升高，尤其南方比北方林區(qū)的增幅更加顯著，華北和西南地區(qū)將是未來森林火災(zāi)預(yù)防的重點區(qū)域。目前氣候模型還不能很好地模擬極端氣候事件，這對森林火險的分析會有一定的影響，但研究結(jié)果可以反映森林火險天氣的變化趨勢。未來需要更加注重極端氣候事件對森林火險和潛在火行為影響的研究。

氣候變化； 森林火險； 氣候影響

林火動態(tài)受氣候、植被和人類直接影響，但在全球尺度上氣候是影響林火格局的主要因素(Marlonetal., 2008)。近幾十年來，北半球氣候變得干燥與溫暖，預(yù)計未來氣候變化情景下這種趨勢將更加明顯，這將對林火產(chǎn)生顯著影響(Schelhaasetal., 2010; San-Miguel-Ayanzetal., 2013)。氣候變化可能已影響全球各地的野火(Westerlingetal., 2006; Flanniganetal., 2009; Wottonetal., 2010)，隨溫度升高，大部分區(qū)域的火活動將增加(Pechonyetal., 2010)。在西伯利亞、阿拉斯加和加拿大等地的北方林中，平均每年過火5×106～15×106hm2，火災(zāi)極端嚴(yán)重的年份越來越頻繁出現(xiàn)(Flanniganetal.， 2009)。歐洲每年有50多萬hm2森林受到火災(zāi)影響(Khabarovetal.， 2016)。美國過去幾十年的森林大火數(shù)量明顯增加(Dennisonetal., 2014)，但目前還不能確定撲火導(dǎo)致的可燃物載量增加或更有利的天氣對頻繁發(fā)生的森林大火的貢獻(Marlonetal., 2012； Barberoetal., 2014)。20世紀(jì)嚴(yán)格的林火管理政策導(dǎo)致美國西部森林火災(zāi)次數(shù)急劇減少(Marlonetal.， 2012)，火發(fā)生頻率降低，使該地區(qū)許多森林類型的結(jié)構(gòu)發(fā)生改變，可燃物載量增加，同時由于氣候變化引起的森林大火發(fā)生頻度也顯著增加(Westerlingetal., 2006)。

目前野火問題已成為全球森林管理者面臨的挑戰(zhàn)(Northetal., 2012)?；痣U嚴(yán)重程度對全球氣溫升高敏感(Flanniganetal.， 2013)，氣候變暖會增加潛在的災(zāi)害風(fēng)險，火險期延長，可燃物干燥(蒸散量增加和枯落物干燥)，導(dǎo)致更多野火發(fā)生。由于人為干擾，火險期長度與火燒強度、可燃物可消耗量和火管理水平等都發(fā)生了變化，景觀水平上的火動態(tài)將隨氣候變化而進一步改變(Klosteretal., 2012)。預(yù)計到2030年和21世紀(jì)末北方林火災(zāi)次數(shù)將分別增加30%和75%(Wottonetal., 2010)。2070—2099年歐洲南部區(qū)域的夏季降水將大幅減少(高達70%)，從而導(dǎo)致林火發(fā)生頻度和嚴(yán)重程度增加(Alcamoetal., 2007)。Spracklen等(2009)認(rèn)為21世紀(jì)50年代美國西部的年均火燒面積將增加54%，太平洋西北森林和落基山脈森林的火災(zāi)面積將分別增加78%和175%。澳大利亞東南部的很高和極端火險等級日數(shù)在2020和2035年將分別增加4%～25%和15%～70%(Hennessyetal., 2005)。預(yù)計2071—2100年中國東北地區(qū)的潛在火災(zāi)將增加10%～18%，火險期延長21～26天(Tianetal., 2011)。Liu等(2012)認(rèn)為中國東北的寒帶森林在2081—2100年時段火發(fā)生密度將增加30%(CGCM3 B1情景)～230%(HadCM3 A2情景)。

當(dāng)前我國對氣候變化影響林火的研究主要是在一些區(qū)域尺度上開展的(Tianetal., 2011; Liuetal., 2012)，特別是東北地區(qū)的林火動態(tài)變化研究更多一些。在全國尺度上的氣候變化影響森林火險的研究還沒有報道，因此有必要開展相關(guān)研究，了解氣候變化對我國森林火險的影響，以期為我國宏觀林火管理提供科學(xué)參考依據(jù)。

1 研究區(qū)概況

研究區(qū)包括中國陸地區(qū)域，由于研究區(qū)存在多種氣候類型和植被類型，可燃物類型和火動態(tài)特征存在顯著性差異，因而根據(jù)中國生態(tài)地理系統(tǒng)分類(鄭度, 2007)和植被與林火分布特征(Tianetal., 2013)把中國分成9個區(qū)域(圖1)，分別是中溫帶干旱地區(qū)荒漠區(qū)(R0)、寒溫帶濕潤地區(qū)針葉林區(qū)(R1)、中溫帶濕潤地區(qū)森林區(qū)(R2)、中溫帶干旱地區(qū)荒漠針葉林區(qū)(R3)、中溫帶半干旱地區(qū)草原區(qū)(R4)、暖溫帶濕潤/半濕潤地區(qū)落葉闊葉林、人工植被區(qū)(R5)、中溫帶半干旱/干旱地區(qū)草原區(qū)(R6)、中北亞熱帶濕潤地區(qū)闊葉林、人工植被區(qū)(R7)和熱帶南亞熱帶濕潤地區(qū)闊葉林、人工植被區(qū)(R8)(田曉瑞等, 2015)。因為在R0、R4和R6很少有森林分布，所以本文主要研究森林分布的其他6個區(qū)域在過去35年和未來2021—2050年的主要氣候特征及火險變化。

圖1 中國生態(tài)地理區(qū)與森林分布Fig.1 Eco-geographic regions and forests distribution in China

在1950—2011年間，中國平均每年發(fā)生森林火災(zāi)12 810次，其中一般、較大、重大和特大森林火災(zāi)分別為4 630、3 614、28和4次，年均受害森林面積613 645 hm2。1987年“5·6”大火以后，我國森林防火工作得到全面加強，森林火災(zāi)次數(shù)和損失顯著減少。1989—2011年均發(fā)生森林火災(zāi)7 415次，年均過火面積260 580 hm2，其中受害森林面積85 674 hm2(包括天然林41 135 hm2、人工林29 477 hm2和其他林地15 062 hm2)。95%的森林火災(zāi)原因是燒荒煉山、上墳燒紙、野外吸煙等人為因素。根據(jù)林火發(fā)生時間，確定了各生態(tài)地理區(qū)的火險期(表1)(Tianetal.， 2013)。

表1 各生態(tài)地理區(qū)的森林火險期

2 研究方法

2.1 氣象觀測數(shù)據(jù) 根據(jù)中國地面氣候資料日值數(shù)據(jù)集(V3.0)(http://cdc.cma.gov.cn/)824個國家級基準(zhǔn)、基本站的觀測資料(1961—2010年)，利用距離方向加權(quán)平均法(Newetal., 1999)，把1976—2010年氣溫和降水2個氣象要素插值到空間分辨率0.25°×0.25°的網(wǎng)格點，根據(jù)各生態(tài)地理區(qū)的植被分布情況，分別統(tǒng)計研究時段內(nèi)有植被分布區(qū)域的火險期的氣溫和降水量變化。

2.2 氣候情景數(shù)據(jù) 未來氣候變化情景應(yīng)用了5套全球氣候模式的插值、訂正結(jié)果，這是由“跨部門的影響模式比較計劃”(The Inter-Sectoral Impact Model Intercomparison Project)提供的(http://www.isi-mip.org)，中國農(nóng)業(yè)科學(xué)研究院農(nóng)業(yè)環(huán)境與可持續(xù)發(fā)展研究所提取并轉(zhuǎn)換為ASCII碼。氣候情景數(shù)據(jù)包含4個情景(RCP2.6、RCP4.5、RCP6.0和RCP8.5)下5個全球氣候模式(GFDL-ESM2M、HadGEM2-ES、IPSL-CM5A-LR、MIROC-ESM-CHEM和NorESM1-M)的8個氣象要素(平均氣溫、最高氣溫、最低氣溫、降水量、太陽總輻射、平均相對濕度、地面氣壓和近地面平均風(fēng)速)的日值數(shù)據(jù)。數(shù)據(jù)時間范圍是1951—2050年，地理范圍包括70.25°—140.25°E，15.25°—55.25°N，水平分辨率0.5°×0.5°。采用雙線性插值方法對數(shù)據(jù)進行差值處理，并基于概率分布的統(tǒng)計偏差進行訂正(Hagemannetal.， 2011； ISI-MIP， 2013)。

2.3 森林火險指數(shù)計算 利用基準(zhǔn)時段(1971—2000年)的地面氣象觀測數(shù)據(jù)對氣候模式數(shù)據(jù)中的氣溫和降水量進行進一步訂正(氣溫采用差值訂正，降水量采用百分比訂正)。分別根據(jù)觀測數(shù)據(jù)和訂正后的氣候模式預(yù)測數(shù)據(jù)計算每個格點每日的森林火險天氣指數(shù)(fire weather index,FWI)。由于觀測數(shù)據(jù)缺失1967—1975年的相對濕度數(shù)據(jù)，所以，沒有計算這幾年的森林火險指數(shù)；本文根據(jù)歷史觀測數(shù)據(jù)計算了1976—2010年的森林火險天氣指數(shù)。FWI系統(tǒng)是目前世界上應(yīng)用范圍最廣的火險天氣指數(shù)系統(tǒng)(Tianetal., 2005)，在我國東北和西南等重點林區(qū)也得到應(yīng)用(田曉瑞等， 2010; Tianetal., 2011)，對于森林火險有很好的指示作用。利用氣候模式的模擬數(shù)據(jù)，分別計算4種氣候情景在2001—2050年的森林火險天氣指數(shù)。該指數(shù)基于每日各格點最高溫度、最小相對濕度、平均風(fēng)速和每日降水量計算得到，包括6個組分指數(shù)，3個可燃物濕度碼和3個火行為指數(shù)?？扇嘉餄穸却a包括細(xì)小可燃物濕度碼(fine fuel moisture codes,FFMC)、腐殖質(zhì)濕度碼(duff moisture code,DMC)和干旱碼(drought code,DC)。火行為指標(biāo)包括初始蔓延速度(initial spread,ISI)、累積指數(shù)(build up,BUI)和火險天氣指數(shù)(FWI)。根據(jù)FWI計算日火險嚴(yán)重程度(daily severity rating,DSR)和火險期嚴(yán)重程度(seasonal severity rating,SSR)(Van Wagner， 1970)，用來描述研究區(qū)火險期的平均森林火險。

2.4 變化趨勢分析 因子突變檢驗采用Mann-Kendall法，分析觀測時段(1976—2010年)的主要氣候特征和火險的變化趨勢。該趨勢檢驗方法是一種突變和趨勢非參數(shù)統(tǒng)計檢驗方法，適合于氣象數(shù)據(jù)的非線性突變和趨勢檢驗(Salmietal.， 2002),廣泛用于氣候、水文和植被等方面研究(江振藍等， 2011； 占車生等， 2012； 于延勝等， 2013)。

基于秩的Mann-Kendall趨勢檢驗法不需要樣本遵從一定的分布，也不受少數(shù)異常值的干擾。對于具有n個樣本的時間序列Xt=x1,x2,…，xn，先確定所有對偶值xi,xj(j>i)中xi與xj的大小關(guān)系(設(shè)為τ)。趨勢檢驗的統(tǒng)計量為：

(1)

式中：

(2)

(3)

(4)

當(dāng)n大于10時，Uk收斂于標(biāo)準(zhǔn)正態(tài)分布(魏風(fēng)英 2009)。

3 結(jié)果與分析

3.1 森林分布區(qū)的氣溫與降水變化 在基準(zhǔn)時段(1971—2000年)，研究區(qū)年均氣溫呈上升趨勢，但年均降水量沒明顯變化。1961—2010年森林分布區(qū)的平均氣溫與年降水量觀測值分別為9.9 ℃和1 070 mm，氣候模式模擬值分別為10.2 ℃和1 020 mm(圖2)，誤差分別為2.5%和-4.7%。這說明，本文應(yīng)用的氣候模式對中國森林分布區(qū)的平均氣溫與降水的模擬值和觀測值基本一致，對氣溫模擬更準(zhǔn)確一些。本文中的未來氣候及火險天氣指數(shù)分析，將基于氣候模擬值進行。

氣候模型預(yù)測的2021—2050年森林分布區(qū)的平均氣溫將增加1.6～2.1 ℃，其中RCP2.6、RCP4.5、RCP6.0和RCP8.5情景下分別增加1.7，1.7，1.6和2.1 ℃； 森林分布區(qū)的降水將分別增加2.3%～4.8%，其中RCP2.6、RCP4.5、RCP6.0和RCP8.5情景下將分別增加4.8%，4.4%，2.3%和3.5%。

圖2 1961—2010年觀測(Obs)和1951—2050年模擬(His)森林分布區(qū)年均氣溫與降水量變化Fig.2 The observed annual temperature and precipitation (Obs )of the forest distribution areas in 1951—2050 and simulated temperature and precipitation (His) in 1951-2050

中國氣候多樣，各個生態(tài)區(qū)的氣候變化也有差異。研究氣候變化對森林火險的影響，需重點關(guān)注火險期的氣候變化。歷史觀測時段(1961—2010年)各生態(tài)地理區(qū)內(nèi)森林分布區(qū)火險期平均氣溫和累積降水量的統(tǒng)計描述分別見表2和表3。各生態(tài)地理區(qū)的森林火險期平均氣溫在4.4～12.7 ℃?；痣U期的累積降水量在R8最高(605.7 mm)，在R3和R5較低(117.4～191.2 mm)。

表2 各生態(tài)地理區(qū)內(nèi)森林分布區(qū)火險期平均氣溫

表3 各生態(tài)地理區(qū)內(nèi)森林分布區(qū)火險期累計降水量

Mann-Kendall檢驗表明(表4)，1961—2010年，所有生態(tài)地理區(qū)的火險期平均氣溫變化均達到極顯著水平(α=0.001 水平)，平均氣溫都呈增加趨勢； 而火險期降水量只有R3顯著增加(α=0.01水平)，其他區(qū)域變化不顯著。這表明大部分森林分布區(qū)火險期的氣候呈暖干化變化趨勢。

表4 1976—2010年火險期平均氣溫與降水量Mann-Kendall檢驗①

①*:在α=0.05水平上顯著Signicant difference atα=0.05 level； **:在α=0.01水平上顯著Significant difference atα=0.01 level； ***:表示在α=0.001 水平上顯著Significant difference atα=0.001 level.下同The same below.

根據(jù)氣候模式預(yù)測結(jié)果，對2021—2050年各生態(tài)地理區(qū)的火險期平均氣溫與降水量分別與基準(zhǔn)時段進行了多重比較。結(jié)果表明，各生態(tài)區(qū)防火期的平均氣溫在都比基準(zhǔn)時段顯著增加(P=0.000)(表5)，但火險期降水量只有部分區(qū)域的變化顯著(表6)。R1和R7火險期降水量顯著增加； R8在所有情景下都沒有顯著變化； R2在RCP6.0情景下變化不顯著； R3在RCP4.5情景下變化不顯著； R5在RCP4.5和RCP6.0情景下變化不顯著，其他情景下都顯著增加。

表5 各生態(tài)區(qū)2021—2050年火險期平均氣溫變化(與基準(zhǔn)時段比較)

表6 各生態(tài)區(qū)2021—2050年火險期降水量變化(與基準(zhǔn)時段比較)

3.2 森林火險天氣變化 根據(jù)氣象觀測值計算的森林火險天氣指數(shù)表明， 1976—2010年各生態(tài)地理區(qū)內(nèi)森林分布區(qū)的火險期指數(shù)平均值大部分表現(xiàn)出增加趨勢(表7)。R1的所有火險指數(shù)都顯著增加，R2只有DMC顯著增加，但R3區(qū)域的DC下降趨勢顯著(α=0.001)，其他火險指數(shù)變化不顯著。R5只有FWI顯著增加，其他火險指數(shù)增加未達到顯著水平。R7和R8區(qū)域中所有火險指數(shù)均呈現(xiàn)顯著上升趨勢。R1、R5、R7和R8的FWI平均值增加極顯著(α=0.001)。R1、R7和R8所有的火險指數(shù)都顯著增加(在α=0.01或α=0.001 水平上顯著)。而R3的火險指數(shù)變化不明顯，DC值甚至顯著降低。

表7 1976—2010年各火險因子平均值MK檢驗

1951—2050年各生態(tài)地理區(qū)的FWI變化基本呈現(xiàn)緩慢上升趨勢(圖3)。與觀測值相比，根據(jù)氣候模擬值計算的森林火險天氣指數(shù)的變動幅度小，說明模擬值僅可能比較準(zhǔn)確地表示一個時段(30年)的平均狀態(tài)，但不能模擬極端年份的火險變化。

與基準(zhǔn)時段相比， 2021—2050年不同情景下各區(qū)火險期平均火險指數(shù)的增量變化表明，所有區(qū)域在2021—2050年FWI都有所增加，除R1和R2在RCP2.6情景下變化不顯著外，其他情景與時段都變化顯著(表8)。R1、R2、R3、R5、R7和R8的火險天氣指數(shù)將分別增加3.4%～12.5%、6.8%～16.8%、10.7%～19.9%、18.4%～29.8%、22.5%～33.1%和26.4%～40%。4種情景下所有區(qū)域的FFMC、BUI和DMC都增加顯著。DC在4種氣候情景下，R2和R3變化不顯著，R1只有在RCP4.5情景下變化顯著，R5、R7和R8 4種情景下都顯著。ISI為R1和R2在RCP2.6變化不顯著，R3在RCP4.5和RCP6.0情景下不顯著，其他都顯著(表8)。

圖3 1976—2010年觀測和1951—2050年預(yù)測的各生態(tài)地理區(qū)的火險指數(shù)變化Fig.3 FWI of fire season for each eco-geographical region from 1951-2050

表8 4種氣候情景下2021—2050年的森林火險天氣指數(shù)變化(與基準(zhǔn)時段比較)

3.3 FWI95th百分位數(shù) 由于不同生態(tài)地理區(qū)的火險期不同，森林火險天氣指數(shù)存在明顯差異。對于同一區(qū)域，F(xiàn)WI95th百分位與平均值有比較一致的變化趨勢。所以，采用FWI的高百分位數(shù)來描述整個研究區(qū)的空間變化。

在2021—2050年，RCP2.6、RCP4.5、RCP6.0和RCP8.5情景下FWI 95th百分位數(shù)比基準(zhǔn)時段分別增加13.5%，18.9%，14.9%和22.33%(圖4)。RCP2.6情景下95th百分位數(shù)增加最顯著的區(qū)域主要分布在西南部分區(qū)域， RCP4.5情景下增幅最顯著的區(qū)域是華北地區(qū)， RCP6.0情景下顯著增加的區(qū)域主要分布在西南地區(qū)， RCP8.5情景下增加最顯著的區(qū)域包括西南和華中、華北部分區(qū)域。

2021—2050年R1、R2和R3的FWI 95th百分位數(shù)增量都在10%以下(表9)，R1在RCP2.6情景下還下降了1%。但R5、R7和R8區(qū)域增加明顯(9%～34%)，在RCP4.5和RCP8.5情景下增幅達到22%～34%。這表明未來南方和西南林區(qū)的高火險天氣日數(shù)將大幅度增加。

表9 4種氣候情景下2021—2050年各生態(tài)地理區(qū)FWI 95th百分位數(shù)變化比率

4 討論

中國森林分布區(qū)在1961—2010年的平均氣溫呈現(xiàn)出上升趨勢，年均降水量變化趨勢不顯著。所有生態(tài)地理區(qū)的火險期平均氣溫都呈增加趨勢，而火險期降水量只有R3顯著增加。鄔宏等(2013)也認(rèn)為1961—2010年中國東部林區(qū)年均最高氣溫呈上升趨勢，年增幅為0.017 1 ℃。張艷平等(2008)發(fā)現(xiàn)大興安嶺地區(qū)1972—2005年的年均氣溫呈顯著升高趨勢, 夏季干旱化趨勢較為嚴(yán)重。這與本文研究結(jié)果基本一致。

各生態(tài)地理區(qū)內(nèi)森林分布區(qū)的火險期指數(shù)平均值大部分表現(xiàn)出增加趨勢，只有R3的火險指數(shù)變化不明顯，DC值甚至顯著降低。國內(nèi)有關(guān)氣候變化對森林火災(zāi)的影響研究主要集中在重點火險區(qū)——大興安嶺林區(qū)(R1)。楊光等(2012)認(rèn)為大興安嶺漠河縣1971—2010年的初始蔓延、有效可燃物、林火天氣和火災(zāi)難控程度等指數(shù)都呈增加趨勢，進入21 世紀(jì)后這些火險指數(shù)增幅更為顯著。頻繁出現(xiàn)的夏季干旱, 已使我國大興安嶺林區(qū)森林火險期發(fā)生了顯著變化，夏季林火數(shù)量和過火面積均增加，氣候變化引起的暖干化趨勢導(dǎo)致了火險期提前和延長、林火頻率和過火面積增加及林火強度增大(趙鳳君等，2009)。

雖然氣候預(yù)測模型可以比較好地模擬一個時段的氣溫和降水平均狀態(tài)，但目前還不能很好地模擬極端氣候事件；而森林火災(zāi)特別是森林大火一般是發(fā)生在森林火險天氣高的條件下，一個時段或者火險期的平均火險天氣指數(shù)不能完全反應(yīng)實際的森林火險情況。受獲取數(shù)據(jù)的限制，文中計算森林火險天氣指數(shù)采用的是日最高氣溫、平均風(fēng)速和最低相對濕度，不是中午的定時值，這對森林火險天氣指數(shù)的準(zhǔn)確性有一定的影響，但這樣計算的森林火險天氣指數(shù)也能比較好地反映森林火險的變化趨勢。根據(jù)多個氣候情景模式的模擬值分析未來的森林火險天氣變化區(qū)域，也在一定程度上提高了預(yù)測的可靠性。隨著氣候模擬技術(shù)的發(fā)展，今后需要研究極端氣候事件對于森林火險天氣和潛在林火行為的影響。

5 結(jié)論

本文應(yīng)用的氣候模式對研究區(qū)的年氣溫與降水的模擬值基本和觀測值一致，因而可基于其預(yù)測結(jié)果預(yù)測未來森林火險變化。在2021—2050年，預(yù)測我國森林分布區(qū)的平均氣溫和降水量都有所增加； 火險期的平均氣溫增加顯著，但降水量變化不明顯，這使火險期的氣候呈現(xiàn)暖干化變化趨勢。

在1976—2010年觀測的各生態(tài)地理區(qū)內(nèi)森林分布區(qū)的火險期指數(shù)均表現(xiàn)出增加趨勢，與模型預(yù)測的增加趨勢一致，但年際變幅遠(yuǎn)大于模型預(yù)測值，因而模型預(yù)測的火險只能比較準(zhǔn)確地表示一個時段(30年)的平均狀態(tài)，但不能模擬極端年份火險變化。

根據(jù)預(yù)測，2021—2050年大部分區(qū)域的火險指數(shù)將升高，南方比北方林區(qū)的增幅更顯著， 華北和西南地區(qū)的森林火險明顯升高；這些區(qū)域?qū)⑹巧只馂?zāi)預(yù)防的重點區(qū)域，需開展針對性的林火管理措施，以降低森林火災(zāi)危害。

江振藍, 荊長偉, 李 丹, 等. 2011. 運用Mann-Kendall方法探究地表植被變化趨勢.浙江大學(xué)學(xué)報：農(nóng)業(yè)與生命科學(xué)版, 37(6): 684- 692.

(Jiang Z L, Jing C W, Li D,etal. 2011. Dynamics of vegetation and its responses to terrain factors with Mann-Kendall approach: a case study in Tiaoxi watershed, Taihu Lake. Journal of Zhejiang University:Agriculture & Life Science, 37(6): 684- 692. [in Chinese])

田曉瑞,舒立福,趙鳳君,等. 2015.中國主要生態(tài)地理區(qū)的林火動態(tài)特征分析.林業(yè)科學(xué)，51(9)： 71-77.

(Tian X R, Shu L F, Zhao F J,etal. 2015. Dynamic characteristics of forest fires in the main ecological geographic districts of China. Scientia Silvae Sinicae, 51(9):71-77. [in Chinese])

田曉瑞，趙鳳君，舒立福，等. 2010. 西南林區(qū)衛(wèi)星監(jiān)測熱點及森林火險天氣指數(shù)分析. 林業(yè)科學(xué)研究, 23(4):523-529.

(Tian X R, Zhao F J, Shu L F,etal. 2010. Hotspots from satellite monitoring and forest fire danger index analysis for southwest China. Forest Research, 23(4):523-529. [in Chinese])

魏風(fēng)英. 2009. 現(xiàn)代氣象統(tǒng)計檢驗與預(yù)測.北京： 中國氣象出版社，57-69.

(Wei F Y. 2009. Modern climate statistics diagnosis and prediction. Beijing: China Meteorological Press, 57-69. [in Chinese])

鄔 宏，張稱意，王立新，等. 2013.近35年中國東部林區(qū)最高氣溫序列. 林業(yè)科學(xué)，49(8)： 1-9.

(Wu H, Zhang C Y, Wang L X,etal. 2013. Maximum temperature series in eastern forest region of China in recent 50 years. Scientia Silvae Sinicae，49(8):1-9. [in Chinese]).

楊 光，邸雪穎，舒立福. 2012. 近40a大興安嶺漠河縣林火行為指標(biāo)變化特征. 東北林業(yè)大學(xué)學(xué)報,40(12): 76-80.

(Yang G，Di X Y，Shu L F. 2012. Variation characteristics of forest fire behavior indexes in Mohe County of Great Xing’an Mountains in recent 40 years. Journal of Northeast Forestry University, 40(12):76-80. [in Chinese])

于延勝, 陳興偉. 2013. 基于Mann-Kendall法的徑流豐枯變化過程劃分. 水資源與水工程學(xué)報， 24(1): 60-63.

(Yu Y S, Chen X W. 2013. Division of variation process of high and low runoff based on Mann - Kendall method. Journal of Water Resources & Water Engineering, 24(1): 60-63.[in Chinese])

占車生, 喬 晨, 徐宗學(xué), 等. 2012. 渭河流域近50年來氣候變化趨勢及突變分析. 北京師范大學(xué)學(xué)報：自然科學(xué)版, 48(4): 399-405.

(Zhan C S，Qiao C，Xu Z X，etal. 2012. Climate change and mutation analysis in Weihe river basin in the last 50 years. Journal of Beijing Normal University:Natural Science, 48(4): 399-405.[in Chinese])

張艷平,胡海清. 2008. 大興安嶺氣候變化及其對林火發(fā)生的影響. 東北林業(yè)大學(xué)學(xué)報, 36(7): 29-31.

(Zhang Y P, Hu H Q. 2008. Climatic change and its impact on forest fire in Daxinganling mountains. Journal of Northeast Forestry University, 36(7):29-31. [in Chinese])

趙鳳君, 舒立福, 田曉瑞, 等. 2009. 氣候變暖背景下內(nèi)蒙古大興安嶺林區(qū)森林可燃物干燥狀況的變化. 生態(tài)學(xué)報, 29(4):1914-1920.

(Zhao F J, Shu L F, Tian X R,etal. 2009. The changes of forest fuel dryness conditions under global warming in Inner Mongolia Daxing′anling forest region. Acta Ecologica Sinica,29(4):1914-1920.[in Chinese])

鄭 度, 楊勤業(yè), 吳紹洪. 2008. 中國生態(tài)地理區(qū)域系統(tǒng)研究. 北京: 商務(wù)印書館, 198-199.

(Zheng D, Yang Q Y, Wu S H. 2008. Research on Eco-geographical Region Systems of China. Beijing: The Commercial Press, 198-199.[in Chinese])

Alcamo J, Floerke M, Maerker M. 2007. Futurelong-term changes in global water resources driven by socio-economic and climatic changes. Hydrological Sciences Journal, 52(2): 247-275.

Barbero R, Abatzoglou J, Steel E A,etal. 2014. Modeling very large-fire occurrences over the continental United States from weather and climate forcing. Environment Research Letters, 9(12):124-133. doi:10.1088/1748-9326/9/12/124009.

Dennison P E, Brewer S C, Arnold J D,etal. 2014. Large wildfire trends in the western United States, 1984-2011. Geophysical Research Letters, 41(8): 2928-2933.

Flannigan M D, Cantin A S, de Groot W J,etal. 2013. Global wildland fire season severity in the 21st century. Forest Ecology and Management, 294(3): 54-61.

Flannigan M D, Krawchuk M A, de Groot W J,etal. 2009. Implications of changing climate for global wildland fire.International Journal of Wildland Fire,18(5): 483-507.

Hagemann S, Chen C, Haerter J O,etal. 2011. Impact of a statistical bias correction on the projected hydrological changes obtained from three GCMs and two hydrology models. Journal of Hydrometeorology, 12(4): 556-578.

Hennessy K, Lucas C, Nicholls N,etal. 2005. Climate change impacts on fire-weather in south-east Australia.Climate Impacts Group, CSIRO Atmospheric Research and the Australian Government Bureau of Meteorology, Aspendale. http://www.cmar.csiro.au/eprint/open/hennessykj_2005b.pdf.

ISI-MIP. 2013. The inter-sectoral impact model intercomparison project design and simulation protocol (V2.3). [2016-06-20]http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3948262/pdf/pnas.201312330.pdf.

Khabarov N, Krasovskii A, Obersteiner M,etal. 2016. Forest fires and adaptation options in Europe. Regional Environment Change, 16(1): 21-30.

Kloster S, Mahowald N M, Randerson J T,etal. 2012. The impacts of climate, land use, and demography on fires during the 21st century simulated by CLM-CN. Biogeosciences, 9(1): 509-525.

Liu Z, Yang J, Chang Y, Weisberg P J,etal. 2012. Spatial patterns and drivers of fire occurrence and its future trend under climate change in a boreal forest of Northeast China. Global Change Biology, 18(6): 2041-2056.

Marlon J R, Bartlein P J, Carcaillet C,etal. 2008.Climate and human influences on global biomass burning over the past two millennia.Nature Geoscience,1(10):697-702.

Marlon J R, Bartlein P J, Gavin D G,etal. 2012. Long-term perspective on wildfires in the western USA. Proceedings of the National Academy of Sciences, 109(9): E535-E543.

New M, Hulme M, Jones P.1999. Representing twentieth-century space-time climate variability (Part I): development of a 1961-90 mean monthly terrestrial climatology. Journal of Climate, 12(3): 829-856.

North M, Collins B M, Stephens S. 2012. Using fire to increase the scale, benefits, and future maintenance of fuels treatments. Journal of Forest, 110(7): 392-401.

Pechony O, Shindell D T. 2010. Driving forces of global wildfires over the past millennium and the forthcoming century. Proceedings of the National Academy of Sciences, 107(45): 19167-19170.

Salmi T, Maatta A, Anttila P,etal. 2002. Detecting trends of annual values of atmospheric pollutants by the Mann-Kendall test and Sen’s slope estimates—the Excel template application MAKESENS. Finnish Meteorological Institute,Helsinki.[2015-08-10]. http://www.fini.fi/julkaisu/pdf/MAKESENSE-Manual_2002.pdf.

San-Miguel-Ayanz J, Moreno J M, Camia A. 2013. Analysis of large fires in European Mediterranean landscapes: lessons learned and perspectives. Forest Ecology and Management, 294(3):11-22. doi:10.1016/j.foreco.2012.10.050.

Schelhaas M J, Hengeveld G, Moriondo M,etal. 2010. Assessing risk and adaptation options to fires and windstorms in European forestry. Mitigation and Adaptation Strategies for Global Change,15(7): 681-701. doi:10.1007/s11027-010-9243-0.Spracklen D V, Mickley L J, Logan J A,etal. 2009. Impacts of climate change from 2000 to 2050 on wildfire activity and carbonaceous aerosol concentrations in the western United States. Journal of Geophysical Research, 114(D20):301-311.Tian X R, McRae D J, Boychuk D,etal. 2005. Comparisons and assessment of Forest Fire Danger systems. Chinese Forestry Research, 7(1):53-61.

Tian X R, McRae D J, Jin J,etal. 2011. Wildfires and the Canadian Forest Fire Weather Index system for the Daxing’anling region of China. International Journal of Wildland Fire, 20(4): 963-973.

Tian X R, Shu L F, Zhao F J,etal. 2011. Future impacts of climate change on forest fire danger in northeastern China. Journal of Forestry Research, 22(3): 437-446.

Tian X R, Zhao F J, Shu L F,etal. 2013.Distribution characteristics and the influence factors of forest fires in China. Forest Ecology and Management, 310(1): 460-467.

Van Wagner C E. 1970. New development in forest fire danger rating. Canada Department of Fisheries and Forestry. Canadian Forest Service Information Report PS-X-19.

Westerling A L, Hidalgo H G, Cayan D R,etal. 2006. Warming and earlier spring increase western U.S. forest wildfire activity. Science, 313(5789), 940-943.

Wotton B M, Nock C A, Flannigan M D. 2010. Forest fire occurrence and climate change in Canada. International Journal of Wildland Fire, 19(3): 253-271.

(責(zé)任編輯 朱乾坤)

Impacts of Climate Change on Forest Fire Danger in China

Tian Xiaorui Shu Lifu Zhao Fengjun Wang Mingyu

(StateForestryAdministrationKeyOpenLaboratoryofForestProtectionResearchInstituteofForestEcology,EnvironmentandProtection,CAFBeijing100091)

【Objective】 Up to now, researches on forest fire and climate change in China were mainly carried out on regional scale. Thus, it is necessary to study the influences of climate change on forest fire danger on the national scale, which would provide a scientific reference for macro forest fire management in China.【Method】 The study area includes main forest distribution regions in China, and it was divided into six regions according to the eco-geographic system in China. The main climatic characteristics and fire danger changes were analyzed over the past 50 years and future period from 2021 to 2050. Surface climate observation data (1961—2010) were collected from 824 basic weather stations, and the data for every meteorological factor were interpolated to grid points (spatial resolution with 0.25°×0.25°) by using distance average weighted method . Simulated climate data (1951—2050) include four climate scenarios (RCP2.6, RCP4.5, RCP6.0, and RCP8.5) and five global climate models (GFDL-ESM2M, HadGEM2-ES, IPSL-CM5A-LR, MIROC-ESM-CHEM, and NorESM1-M), and their horizontal resolution was 0.5°×0.5°. Daily fire weather indexes (FWI) were calculated for each grid by FWI system according to the observed data and the calibrated data with the climate models. Mann-Kendall method was used for mutation test.【Result】 The average temperature from observed data for the study area in baseline period (1971—2010) showed an upward trend, but there was no significant change in the precipitation. The average temperature in fire season increased significantly from 1961—2010. But the precipitation increased significantly only for the coniferous forest region in temperate arid and desert areas, and no significant changes were found in other forest regions. from 1976—2010, the average FWI for fire season in each eco-geographical region showed an increasing trend. The average temperature in the forest distribution areas would increase by 1.6-2.1 ℃ from 2021—2050 based on theresult of regional climate models, and the precipitation could increase by 2.3%-4.8%. The average temperature of fire season for each ecological region would increased significantly in 2021-2050, compared with the baseline period. But precipitation would increased significantly just for the coniferous forest region in cold temperate humid zone and broad-leaved forest and artificial vegetation region in north subtropical humid zone. The 95thpercentile FWI from 2021—2050 would increase by 13.5%, 18.9%, 14.9%, and 22.3% for scenarios RCP2.6, RCP4.5, RCP6.0, and RCP8.5, respectively. There are differences in spatial distribution for the FWI increments with different climate scenarios. The days with high fire danger rating would increase significantly for southern and southwestern regions.【Conclusion】 The simulated temperature and precipitation data are almost consistent with the observed data in history. From 2021—2050, the average temperature would increase in forest regions, and the climate in fire season would show a warming and drying trend. The fire weather indexes showed an increasing trend from 1976—2010, and they would continue rise from 2021—2050. The fire weather indexes would increase more significant in the south than in the north China. North and southwest China would be the key areas for forest fire prevention in the future. At present, the climate model cannot simulate extreme climate events well, which must affect the accuracy of the fire danger analysis. But the result can reflect the tendency of fire weather change. In the future, more attention should be paid to the study on the influences of extreme climate events on forest fire risk and potential fire behavior.

climate change； forest fire danger； climate impacts

10.11707/j.1001-7488.20170716

2016-06-29；

2017-01-06。

國家自然科學(xué)基金項目(31270695)；國家科技支撐計劃(2012BAC19B02)和國家自然科學(xué)基金項目(31470658)。

S762.2

A

1001-7488(2017)07-0159-11

*舒立福為通訊作者。