林火烈度的量化指标构建

doi:10.13466/j.cnki.lyzygl.2014.06.029

林业资源管理 ›› 2014›› Issue (6): 140-145.doi: 10.13466/j.cnki.lyzygl.2014.06.029

林火烈度的量化指标构建

杨达^1,2, 吴志伟¹, 梁宇¹, 贺红士¹

1.中国科学院沈阳应用生态研究所森林与土壤生态国家重点实验室,沈阳110016;
2.中国科学院大学,北京100049

收稿日期:2014-08-22 修回日期:2014-10-31 出版日期:2014-12-28 发布日期:2020-11-23
通讯作者: 贺红士(1962-),男,研究员,博导,主要从事景观生态学研究。Email:HeH@missouri.edu
作者简介:杨达(1986-),男,安徽临泉人,在读硕士,主要从事森林景观生态学和干扰生态学研究。Email:yangda12@mails.ucas.ac.cn
基金资助:
国家自然科学基金面上项目(41371199);国家自然科学基金面上项目(31370483);国家自然科学青年基金项目(31200362)

Establishment of Quantitative Indexes of Forest Fire Severity in Forest Region

YANG Da^1,2, WU Zhiwei¹, LIANG Yu¹, HE Hongshi¹

1. State Key Laboratory of Forest and Soil Ecology,Institute of Applied Ecology,Chinese Academy of Sciences,Shenyang 110016,China;
2. University of Chinese Academy of Sciences,Beijing 100049,China

Received:2014-08-22 Revised:2014-10-31 Online:2014-12-28 Published:2020-11-23

摘要/Abstract

摘要： 基于野外样点实测数据,根据火烧迹地各组分生物量,构建了火烧烈度的量化指标:火烧烈度指数(Fire Severity Index,FSI)。依据构建的FSI,对过火林分的火烧烈度进行了量化分级,并通过野外记录的综合火烧指数(Composite Burn Index,CBI),对FSI进行验证分析。结果表明:FSI能够直接量化火烧烈度严重性,可准确地揭示不同火烧烈度对林分生物量和碳储量的影响程度。

关键词: 火烧烈度指数, 综合火烧指数, 生物量, 大兴安岭

Abstract: Based on the field inventory data,the quantitative index of fire severity(Fire Severity Index,FSI)was established.The grading of fire severity was conducted by means of FSI.According to CBI (composite burn index)from fieldwork,verification of FSI was put in effect.The results showed that FSI could directly quantify fire severity and accurately reveal effect of different fire severities on forest biomass and carbon storage.

Key words: fire severity index, composite burn index, biomass, Daxin′anling

中图分类号:

S762

杨达, 吴志伟, 梁宇, 贺红士. 林火烈度的量化指标构建[J]. 林业资源管理, 2014,(6): 140-145.

YANG Da, WU Zhiwei, LIANG Yu, HE Hongshi. Establishment of Quantitative Indexes of Forest Fire Severity in Forest Region[J]. FOREST RESOURCES WANAGEMENT, 2014,(6): 140-145.

参考文献

[1] 王晓莉,王文娟,常禹,等.基于NBR指数分析大兴安岭呼中森林过火区的林火烈度[J].应用生态学报,2013,24(4):967-974.
[2] 常禹,陈宏伟,胡远满,等.林火烈度评价及其空间异质性研究进展[J].自然灾害学报,2012,21(2):28-34.
[3] Lentile L B,Smith F W,Shepperd W D.Influence of topography and forest structure on patterns of mixed severity fire in ponderosa pine forests of the South Dakota Black Hills,USA[J].International Journal of Wildland Fire,2006,15(4):557-566.
[4] Barrett K,Kasischke E S,McGuire A D,et al.Modeling fire severity in black spruce stands in the Alaskan boreal forest using spectral and non-spectral geospatialdata[J].Remote Sensing of Environment,2010,114(7):1494-1503.
[5] Soverel N O,Perrakis D D B,Coops N C.Estimating burn severity from Landsat dNBR and RdNBR indices across western Canada[J].Remote Sensing of Environment,2010,114(9):1896-1909.
[6] Escuin S,Navarro R,Fernandez P.Fire severity assessment by using NBR (Normalized Burn Ratio)and NDVI (Normalized Difference Vegetation Index)derived from LANDSAT TM/ETM images[J].International Journal of Remote Sensing,2008,29(4):1053-1073.
[7] Allen J L,Sorbel B.Assessing the differenced Normalized Burn Ratio’s ability to map burn severity in the boreal forest and tundra ecosystems of Alaska’s national parks[J].International Journal of Wildland Fire,2008,17(4):463-475.
[8] Miller J D,Thode A E.Quantifying burn severity in a heterogeneous landscape with a relative version of the delta Normalized Burn Ratio (dNBR)[J].Remote Sensing of Environment,2007,109(1):66-80.
[9] Miller J D,Knapp E E,Key C H,et al.Calibration and validation of the relative differenced Normalized Burn Ratio (RdNBR)to three measures of fire severity in the Sierra Nevada and Klamath Mountains,California,USA[J].Remote Sensing of Environment,2009,113(3):645-656.
[10] Wu Z,He H S,Liang Y,et al.Determining relative contributions of vegetation and topography to burn severity from LANDSAT imagery[J].Environ Manage,2013,52(4):821-836.
[11] Epting J,Verbyla D,Sorbel B.Evaluation of remotely sensed indices for assessing burn severity in interior Alaska using Landsat TM and ETM+[J].Remote Sensing of Environment,2005,96(3):328-339.
[12] Hoy E E,French N H F,Turetsky M R,et al.Evaluating the potential of Landsat TM/ETM+imagery for assessing fire severity in Alaskan black spruce forests[J].International Journal of Wildland Fire,2008,17(4):500-514.
[13] 刘志华,常禹,胡远满,等.呼中林区与呼中自然保护区森林粗木质残体储量的比较[J].植物生态学报,2009,33(6):1075-1083.
[14] Waddell K L.Sampling coarse woody debris for multiple attributes in extensive resource inventories[J].Ecological indicators,2002,1(3):139-153.
[15] 王晓莉,常禹,陈宏伟,等.黑龙江省大兴安岭森林生物量空间格局及其影响因素[J].应用生态学报,2014,25(4):974-982.
[16] 闫平,高述超,刘德晶.兴安落叶松林3个类型生物及土壤碳储量比较研究[J].林业资源管理,2008(3):77-81.

林火烈度的量化指标构建

Establishment of Quantitative Indexes of Forest Fire Severity in Forest Region

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	郝君, 吕康婷, 胡天祺, 王云阁, 徐刚. 基于机器学习的红树林生物量遥感反演研究[J]. 林草资源研究, 2024, 0(1): 65-72.
[2]	任晓琦, 侯鹏, 陈妍. 森林地上生物量遥感反演研究进展[J]. 林草资源研究, 2023, 0(6): 146-158.
[3]	张绘芳, 朱雅丽, 张景路, 高健, 地力夏提·包尔汉. 基于高分遥感数据的阿尔泰山乔木林地上生物量预测[J]. 林业资源管理, 2023, 0(2): 104-110.
[4]	蓝肖, 郝海坤, 黄开勇, 陈琴, 戴俊, 程琳, 陈仕昌. 杉木人工林生物量分布特征及其碳计量参数[J]. 林业资源管理, 2023, 0(2): 50-56.
[5]	蔡会德, 卢峰, 徐占勇, 潘黄儒, 孟想, 曾伟生. 桉树相容性可加性立木生物量模型系统研建[J]. 林业资源管理, 2023, 0(1): 87-93.
[6]	蒋静俭, 李子睿, 牛明月, 胡卫江, 张勇. 浙江省国有林场森林植被固碳释氧服务功能价值评估[J]. 林业资源管理, 2022, 0(zk1): 66-71.
[7]	王瑜, 蔡年辉, 陈林, 唐军荣, 许玉兰, 陈诗. 云南松苗木生物量分配与个体大小关系研究[J]. 林业资源管理, 2022, 0(6): 101-108.
[8]	孙玉成, 张喜亭, 季倩如, 张建宇, 王文杰. 大兴安岭泰加林植物多样性特征调查与分析[J]. 林业资源管理, 2022, 0(6): 124-130.
[9]	聂靖, 陆驰, 欧光龙, 胥辉. 基于Landsat8 OLI遥感因子的思茅松地上生物量二阶抽样估测[J]. 林业资源管理, 2022, 0(6): 68-75.
[10]	朱雅丽, 张景路, 张绘芳, 地力夏提·包尔汉, 廉佳佳. 天山中部锦鸡儿生物量分析及模型构建[J]. 林业资源管理, 2022, 0(5): 129-135.
[11]	曾伟生, 杨学云, 孙乡楠, 刘樯漪, 张宇超. 森林资源调查监测中各级储量数据的一体化方法研究[J]. 林业资源管理, 2022, 0(4): 13-19.
[12]	李康杰, 胡中岳, 刘萍, 徐正春. 广东省珠三角乔木林生物量碳储量评估[J]. 林业资源管理, 2022, 0(4): 54-60.
[13]	萨如拉, 呼日查, 于晓雨, 王子瑞. 不同干扰下大兴安岭白桦次生林土壤理化性质特征[J]. 林业资源管理, 2022, 0(2): 135-140.
[14]	郝帅, 王星, 张秋良, 王冰, 田原. 大兴安岭火烧迹地遥感提取研究[J]. 林业资源管理, 2022, 0(2): 75-81.
[15]	曾伟生. 森林蓄积量和生物量多元混合模型研建[J]. 林业资源管理, 2021, 0(6): 23-28.