打开文本图片集
摘 要：掌握森林地表可燃物的载量及分布状况是现代林火管理关键性的工作。本文依据地表可燃物载量测定数据，采用聚类方法对大兴安岭新林区地表可燃物载量进行分类分析，并将系统聚类法中的Ward法引入到载量特性分类研究中，对10个实测林型的地表可燃物载量进行分析研究。结果表明：Ward聚类法可以凝练可燃物类型信息和给出载量变化的形式，即有林地、疏林地、灌丛、其他林地、草地等可燃物类型，反映了大兴安岭新林区地表可燃物载量的特点，说明聚类分析可以估计所有的分类载量。同时，模型的平均绝对误差、预测的标准误差和模型预测的稳定性指数均在允许值内。因此，采用该方法进行分类对森林火灾的预防、林火发生预报、灭火指挥等具有十分重要的现实意义。
关键词：地表可燃物；载量；聚类分析
中图分类号：S 762 文献标识码：A 文章编号：1001-005X（2017）06-0001-05
Cluster Analysis of Forest Surface Fuel
Li Guijun1，2，Du Jialin2，Feng Zhongke1
（1.Beijing Forestry University，Beijing 100083；2.Heilongjiang Academy of Forestry，Harbin 150081）
Abstract：It is the basic work of modern forest fire management to master the load and distribution of forest surface fuel.Based on the test data of surface fuel load，the clustering method was used to classify the surface fuel load of Xinlin District in Daxing"anling，and the Ward method was introduced for the classification of the load characteristics.The surface fuel loading of 10 measured forest types were analyzed.The results showed that：the Ward can concise fuel types and the load change form，namely the woodland，open woodland，shrub land，other woodland and grassland，which reflected the characteristics of the surface fuel load of Xinlin District in Daxing"anling.It showed that the cluster analysis can estimate all the load classification.And the mean absolute error，the predicted standard error and the stability index of model were in the allowable value.Therefore，this method is of great practical significance for forest fire prevention，forest fire forecast and fire-fighting command.
Keywords：Surface fuels；load；cluster analysis
0 引言
在20世紀50年代Sparhawk、Hamby等就开始对可燃物载量进行研究，但仅是对森林某个类型进行了探索性的可燃物载量研究，处于比较粗放性状态[1-2]；60年代后，依据林分因子进行分析，利用数学模型进行推测森林可燃物载量的研究[3-5]；Rothermel等依据森林可燃物载量的时间变化规律性提出了可燃物载量的动态模型，让人为估计趋近客观实际情况，也为研究森林可燃物载量奠定了基础[6]；Brende等建立了火炬松人工林中地被物载量估计公式[7]；Brown分别用来估计对林分中小直径木、灌木和草本的载量[8]；美国学者Raison等研究了6种类型的可燃物，并建立了一个细小可燃物载量动态模型[9]；Wiliam等研究了加利福尼亚州森林纯林火灾后的载量情况，美国常绿灌木果茶，火烧后总活载量随火灾后时间的增加而逐渐增加[10]；加拿大Allan讨论了植物活负荷量的模式和火灾后的变化的规律，和其他研究人员也有类似的结论[11-13]；Nicholas通过量化森林结构和估测森林可燃物梯度，估算林下可燃物载量[14-15]。我国研究起步较晚，在不同地区，针对不同研究对象，专家采用分类和回归的方法，建立了可燃物载量动态模型，并与森林资源连续因子来提高模型的预测精度[16-17]。郑焕能用易燃的载量系数等因子，对森林燃烧性分类研究[18]；何忠秋在研究大兴安岭北部不同时期可燃物类型载量变化基础上，利用灰色系统仿真技术，建立了3种森林可燃物含水量的动态载量模型[19-20]；陈存久等对37种针叶和阔叶树抗火性能进行综合研究[21]；袁春明、文定元以南方马尾松人工林建立可燃物载量的动态预测模型[22]，胡海清等利用林分因子预测森林地被可燃物载量[23-26]。
可燃物的载量决定了森林火灾的大小，掌握森林地表可燃物的载量及分布，对森林可燃物进行定量分析，是现代林火管理的一种较为关键性的基础工作。本研究以当地具有代表性的优势树种兴安落叶松地表可燃物作为研究对象，通过实地调查取样，采用DPS数据处理系统进行数据分析，建立适合当地的森林可燃物载量模型，它对森林火灾的预防、林火发生预测和灭火指挥等具有十分重要的现实意义。
1 研究地概况与调查方法
1.1 研究地概况
本研究选择黑龙江省大兴安岭新林林业局为研究地。黑龙江省大兴安岭新林林业局（123°41′-125°32′ E，50°16′-52°20′ N）地处寒温带北端，属中温带大陆性季风气候，树木休眠期长达6个月以上，年平均气温-3 ℃，最低气温-47 ℃，最高温度36 ℃，无霜期80～100 d，总面积879 046 hm2，森林覆盖率84.5%。主要树木有兴安落叶松（Larix gmelinii）、樟子松（Pinus sylvestris）、红皮云杉（Picea koraiensis）、白桦（Betula platyphylla）、蒙古栎（Xylosma racemosum）、山杨（Populus davidiana）等。
1.2 研究方法
草地可燃物载量：草本层在标准地内均匀设置3个1 m×1 m小样方，把所有草本植物从根处割取地上部分，称其鲜重并取样。80 ℃全部烘干至恒重，换算成单位面积的生物量。
灌木林可燃物载量：灌木层在标准地中随机设置三个5 m×5 m样方，统计灌木层的种类和数量后，采用全体收获法，分别对不同种类地上部分不同器官称鲜重；并取样烘干，把不同种类灌木生物量求和，推算出单位面积灌木的生物量。
有林地可燃物载量：地被物层在乔木层调查的样方中，随机均匀选设3个1 m×1 m小样方。凋落物按未分解、半分解两层，测定其鲜重，取样烘干至恒重，计算其生物量，并换算成单位面积的生物量。
应用DPS数据处理系统对数据进行聚类分析和相关关系检验。
2 可燃物载量估算方法
2.1 基于聚类分析的可燃物载量估算方法
以黑龙江省大兴安岭新林区为研究对象，选定森林可燃物载量为研究的基本单位，以各林班、小班载量指标为依据进行区划。
在这个系统中，每个类型的可燃物载量有一个更密切的关系，有一个明显的类和类之间的差异。由于森林地带分布是模糊的，所以引入模糊数学进行聚类分析可以使分类更加实用。通过直接模糊聚类分析可以实现森林防火区划。
2.2 可燃物载量和因子的选择
选取大兴安岭林区新林区植被类型作为样品，组成论域X={X1，X2，……，X10}，40个载量作为因子，这样每个样品被视为10维空间上的点，即X1={Xij}，i=1，2，……10；j=1，2，……6。它们组成了可燃物载量为10，因子数为40的可燃物载量集。
2.3 数据进行标准化处理
对原始数据进行标准化处理，利用的公式为
式中：Xik为第i个样品第k个因子的值；Xk为第k个因子序列的平均值；Ok为第k个因子序列的均方差；X′ik为经标准化处理后的新序列，其平均值为0，方差为1。
原始数据进行标准化处理结果见表1。
3 结果与分析
聚类分析的目的是建立森林资源图形数据库，依据森林资源信息测算地表可燃物载量，将森林地表可燃物信息叠加到森林资源图形上，小于15 t为绿色，15～25 t为黄色，25 t以上为红色，同色相溶形成可燃物分布图。聚类分析（cluster analysis）是一组将研究对象分为相对同质的群组（clusters）的统计分析技术。聚类分析也叫分类分析（classification analysis）或数值分类（numerical taxonomy）。变量类型为定类变量、定量（离散和连续）变量。从实际应用的角度来看，聚类分析是数据挖掘的主要任务之一。此外，聚类分析可以作为一个独立的工具来获得数据的分布，观察每一个簇的数据的特点，并将重点放在具体的簇集，并进一步分析[27-28]。聚类分析也可以作为其他算法的预处理步骤（如分类和定性归纳算法）。聚类分析结果见表2至表8。
3.1 最佳聚类数的确定
通过聚类中心、距离、方差分析等去确定最佳聚类数。V1～V10代表类型。见表2至表5。
F检验应仅用于描述性的目的，因为所选择的聚类将被用来最大化的情况下，在不同的集群之间的差异。所观察到的显著性水平没有被相应地校正，所以无法将其解释为是对聚类均值相等这一假设的检验。
3.2 聚类分析结果
通过无缺失类型展示近似矩阵的结果见表6。
3.3 Ward 联结
采用Ward联结方法产生阶梯聚类树见表8。
Ward方法、最小方差法（离差平方和法、Ward法），由Ward提出。它是基于方差分析的思想。如果类被适当地分配，相同可燃物载量之间的平方和应该是更小的，并且不同类可燃物载量之间的偏差和的平方应该更大。当谱系聚集时，类之间的距离可以直接计算，也可以得到从以前的簇级的距离。观测值之间的距离可用欧氏距离[29-30]。
当观测间距离为
时，递推公式为：
Ward方法并類时总是使得并类导致的类内离差平方和增量最小。
谱系聚类最终得到一个聚类树，可以把所有观测聚为一类。到底应该把观测分为几类是一个比较困难的问题，到现在没有一个统一的确定性的方法。因为分类问题本身就是没有一定标准的，没有绝对正确的原则。通常要结合以下几种方法或原则来综合考虑：
（1）根据问题的实际情况。这是一个前提性的原则。
（2）从谱系聚类图直观的看出来或通过分界值（阈值）给出分类
选定聚类方法，经过聚类最后得到一张谱系图。谱系图只能反映可燃物载量之间的关系，本身并没有给出分类。在本文中谱系图只表示可燃物载量之间的关系，可以根据图看出可燃物载量之间的聚类趋势来判断聚类的结果，也可以确定一个阈值，作为尺度来分割谱系图得出分类的结果。根据可燃物载量的分布和划分特点，采用模糊数学中的聚类分析方法进行分区。它的基本原理是根据可燃物载量的属性或特征，用数学方法定量地确定可燃物载量种类之间的关系，根据每个可燃物载量分类的近似度，最终得到一个分类系统能够反映个体之间的关系。
從图1可以看出大兴安岭新林区可分为6个不同类型，{1、6、7}、8、10、{4、9}、{2、5}、3，即有林地、疏林地、灌丛、其他林地、天然草地、其他草地。选定6个类型，与实际工作中的可燃物载量划分基本相同，反映大兴安岭新林区地表可燃物类型的特点。
4 结论与讨论
4.1 结论
本研究采用Ward聚类法以凝练可燃物类型信息和给出载量变化的形式，有效地划分出有林地、疏林地、灌丛、其他林地、草地等可燃物类型，基本能反映大兴安岭新林区地表可燃物载量的特点。同时，模型的平均绝对误差、预测的标准误差和模型预测的稳定性指数均在允许值内。聚类分析的结果合理、准确、客观，表明该方法具有较好的应用前景。
4.2 讨论
采用经验方法预测森林可燃物载量，得出区域森林可燃物载量估计值，使人们对区域森林可燃物载量有了整体了解，但可信度不确定；通过聚类分析，得出可燃物载量类型划分的结果与结论，数量化了森林可燃物载量，具有可靠性和确定性。可燃物载量聚类分析有助于从整体上推进量化指标，有助于了解林火蔓延过程中可燃物的存在量。通过聚类分析和经验分析的比较，可以看出结果相似，所以林火预防扑救布控，应充分考虑聚类分析划分的可燃物载量类型，适当增加布控人员数量，控制林火发生发展的关键位置。
本研究所建立的森林可燃物载量模型对林火发生、发展预测模型提供可靠数据，可为林火的预防扑救及森林生态恢复提供参数；但是可燃物载量状态以及分布的影响需要进一步研究，也将是未来要开展的工作。因此，建议采用该方法进行分类，对森林火灾的预防扑救等具有十分重要的现实意义。
【参 考 文 献】
[1] Sparhawk W N.The use of liability ratings in planning forest fire protection[J].Agriculture Resources，1925，30（8）：693-762.
[2] Hornby L G.Fuel type mapping in region one[J].Journal of Forestry，1935，33（1）：67-72.
[3] Wendel G W.Fuel weights of pond pine crowns[J].USDA Forest Service，Southeastern Forest Experiment Station Research Note.1960：149.
[4] Olson J S.Energy storage and the balance of producers and decomposers in ecological systems ecology[J].1963，44（2），322-331.
[5] 胡海清.大兴安岭主要森林可燃物理化性质测定与分析[J].森林防火，1995（1）：27-31.
[6] Rothermel RC.A mathematical model for predicting fire spread in wild land fuels[J].USDA：Forest Service General Technical Report，1972，115.
[7] Brender E V，McNab W H.Precommercial thinning of loblolly pine by fertilization[J].GA：Georgia Forestry Research Council，1978：8.
[8] Brown J K.Weight sand density of downed woody fuel[J].USDA Forest Service Resources Note Rep，1978：24.
[9] Raison R J，Khana P K，Woods PV.Mechanisms of element transfer to the atmosphere during vegetation fires[J].International Journal of Middle East Studies，1985，18（12）：254-258.
[10] Fransson J E S.Estimation of stem volume in boreal forests using ERS-1 C- and JERS-1 L-band SAR data[J].International Journal of Remote Sensing，1999，20（l）：123-137.
[11] Bilgili E，Methven I R，Bilgili E，et al.A dynamic fuel model for use in managed even- aged stand[J].International Journal of Wildland Fire，1994，4（3）：177-185.
[12] Brick E M，Bridges R G.Recurrent fires and fuel accumulation in even- aged blackbute forests[J].Forest Ecology and Management，1989，29（1）：59-79.
[13] Gruell G E.Fire and vegetation trends in the northern rockies：interpretations from 1871-1982 photographs[J].General Technical Report，1983：158.
[14] Skowronski N，Clark K L.Remotely sensed measurements of Forest structure fuel loads in the Pinelands of New Jersey[J].Remote Sensing of Environment，2007，108：123-129.
[15] Skowronski N S，Clark K L，Duveneck M，et al.Three-dimensional canopy fuel loading predicted using upward and downward sensing LIDAR systems[J].Remote Sensing of Environment，2011，115（2）：703-714.
[16] 邸雪颖，王宏良，姚树人，等.大兴安岭森林地表可燃物生物量与林分因子关系的研究[J].森林防火，1994（2）：16-18.
[17] 刘晓东，王军，张东升，等.大兴安岭地区兴安落叶松林可燃物模型的研究[J].森林防火，1995（3）：8-9.
[18] 郑焕能.林火管理[M].哈尔滨：东北林业大学出版社，1988：31-42.
[19] 何忠秋，张成钢，牛永杰.森林可燃物湿度研究综述[J].世界林业研究，1996（5）：27-31.
[20] 何忠秋，李长胜，张成钢，等.森林可燃物含水量模型的研究[J].森林防火，1995（2）：15-16.
[21] 陈存久，何宗明，陈东华，等.37种针阔树种抗火性能及其综合评价的研究[J].林业科学，1995，31（2）：135-143.
[22] 袁春明，文定元.马尾松人工林可燃物负荷量和烧损量的动态预测[J].东北林业大学学报，2000，28（6）：24-27.
[23] 胡海清，王强.利用林分因子估测森林地表可燃物负荷量[J].东北林业大学学报，2005，33（6）：17-18.
[24] 胡海清.利用林分特征因子预测森林地被可燃物载量的研究[J].林业科学，2005，41（5）：96-100.
[25] 李时舫，羿宏雷.森林地表可燃物含水率监测与林火等级预报系统的设计[J].林业机械与木工设备，2016，44（4）：26-28.
[26] 李时舫，羿宏雷，张明远.基于可燃物湿度的森林防火预警系统设计与实现[J].林业机械与木工设备，2015，43（2）：16-17.
[27] 周晓宇，李慎之，戚晓芳，等.数据挖掘技术初探[J].小型微型计算系统，2002（3）：342-345.
[28] 范明，孟小峰.数据挖掘：概念与技术聚类分析[M].北京：机械工业出版社，2001：223-258.
[29] 边肇祺，张学工.模式识别[M].北京：清华大学出版社，2002：273-283.
[30] 钱锋，徐麟文.知识发现中的聚类分析及其应用[J].杭州師范学院学报，2001（2）：34-37.