湖南省杉木林可燃物载量影响因子及预测模型OA

【目的】系统阐明草本层、枯落物层与腐殖质层3类可燃物载量的分布格局、主要影响因子,并构建高精度可燃物载量预测模型,以期精准识别杉木Cunninghamia lanceolata林高火险区域并制定差异化的林火管理对策。【方法】本研究以2020—2022年获取的湖南省702个杉木林标准地为研究对象,选取坡向、坡位、坡度、郁闭度等15个因子,使用单因素方差分析3种类型可燃物载量分布特征,运用Pearson相关性分析探究15个因子和3类可燃物载量相关性,采用Python 3.8语言建立线性回归、随机森林、梯度提升和XGBoost共4种可燃物载量预测模型。【结果】1)湖南省杉木林枯落物层(0.615~21.110 t/hm^(2))和腐殖质层(0~44.210 t/hm^(2))可燃物载量变幅极大,可燃物载量均值由大到小依次为腐殖质层(11.647 t/hm^(2))、枯落物层(6.407 t/hm^(2))、草本层(0.638 t/hm^(2)),三者之间存在显著性差异(P<0.01)。2)草本层可燃物载量主要由草本盖度(r=0.673)正向驱动,受郁闭度(r=-0.290)、林分密度(r=-0.240)显著抑制;枯落物层可燃物载量以枯落物厚度为核心影响因子(r=0.657),海拔(r=0.098)与坡位(r=-0.119)通过影响分解速率间接调控其积累;腐殖质层可燃物载量与腐殖质厚度(r=0.780)、海拔(r=0.167)及总蓄积量(r=0.180)显著正相关。3)梯度提升模型在草本层(R^(2)=0.6826)和枯落物层(R^(2)=0.7518)表现最优,XGBoost模型在腐殖质层预测中效果最好(R^(2)=0.6655)。机器学习模型(随机森林、梯度提升和XGBoost)显著优于传统线性回归模型,且具有良好的泛化能力。【结论】1)湖南省杉木林部分林分枯落物层和腐殖质层可燃物载量极大,森林火灾发生和急速蔓延的风险不容忽视。2)郁闭度对草本层(极显著负相关)与枯落物层(极显著正相关)具有相反效应,林分间伐经营时需权衡二者风险,并在间伐后及时清理采伐剩余物,避免枯落物输入量激增;枯落物层在高海拔上坡位分解慢、累积多,需在冬、春干旱季节前对厚层枯落物实施计划烧除或机械清理;部分林分形成了深厚的腐殖质层,应将深厚腐殖质聚集区作为地下火防控重点,定期进行排查。3)梯度提升和XGBoost预测模型精度高、稳定性强,可为杉木林区可燃物动态监测、火险精准区划及科学防火决策提供技术支撑。