《Fire Ecology》：Combining ecophysiology and combustion traits to predict conifer live fuel moisture content: a pyro-ecophysiological approach
编辑推荐：
为解决活燃料含水量（LFMC）季节性和物种间变化难以建模的问题，研究人员开展了结合植物生态生理学和燃烧科学的研究。他们建立了 LFMC 机制模型，结果显示该模型能有效捕捉季节和物种差异。这为相关研究和应用奠定了基础。
森林火灾，是大自然中既常见又极具影响力的生态现象，每年在全球范围内，有数以百万公顷的土地被其席卷。有些火灾能维持生态系统的健康平衡，而有些却会给人类的生命财产和基础设施带来沉重打击。要想与火灾和谐共处、有效管理易发生火灾的区域，以及在火灾发生时做出正确的应对，关键就在于深入了解火灾的发生和蔓延机制。
在众多影响火灾的因素中，燃料湿度含量（Fuel Moisture Content，FMC）起着至关重要的作用，它是衡量燃料燃烧潜力的关键指标。其中，活燃料含水量（Live Fuel Moisture Content，LFMC）更是影响森林火灾潜在风险的核心因素。然而，由于活燃料含水量受到季节碳循环和水循环动态的共同影响，其变化机制复杂，导致以往试图对其季节性变化和物种间差异进行建模的研究，大多没有取得理想的结果。
在这样的背景下，美国林业局蒙大拿州米苏拉火灾科学实验室（Missoula Fire Sciences Laboratory, US Forest Service）的研究人员开展了一项旨在解决这一难题的研究。他们通过结合植物生态生理学和燃烧科学，建立了一种全新的 LFMC 机制模型。该模型利用易于测量的活燃料生理和形态特征，成功地将 LFMC 分解为叶面积质量（Leaf Mass Area，LMA）、相对含水量（Relative Water Content，RWC）、表面积与体积比（Surface-Area-to-Volume Ratio，SAV）和体积饱和持水量（κ）等多个关键参数。
研究人员对 10 种不同简化和变体的模型进行了测试，最终发现一个简化版本的模型表现最为出色。这个模型使用随时间变化的 RWC 和 LMA，以及特定叶龄类别的 SAV 和 κ 中位数，能够很好地解释道格拉斯冷杉（Douglas fir）在两个生长季节中 LFMC 的大部分季节性变化（r 2 = 0.91 r 2 = 0.89
这一研究成果意义重大。它为 LFMC 的研究提供了一种更强大的方法，能够更准确地描述燃料可用性和水分胁迫的季节性变化。该模型可以更恰当地在基于过程的模型中表示活燃料，更好地参数化多维火灾行为模型，以体现生物量和湿度变化对活燃料可燃性的综合影响。同时，它还有助于提高利用遥感监测活燃料变化的准确性，为全球范围内更深入地探索活燃料动态奠定了坚实的基础。这一成果发表在《Fire Ecology》杂志上。
研究人员在研究过程中主要运用了以下关键技术方法：
样本采集 ：在 2021 - 2022 年，从美国蒙大拿州洛洛国家森林的蓝山国家休闲区采集道格拉斯冷杉当年新叶和前一年的老叶样本；2022 年还从蒙大拿州西部和爱达荷州的五个地点采集了另外 10 种针叶树的样本。测定相关指标 ：在实验室中，对采集的样本进行一系列测量，包括鲜重、干重、饱和质量等，进而计算出 RWC 和 LFMC；还通过特定方法测定 LMA、SAV 和 κ 等指标。数据分析与模型测试 ：计算各变量的每日中位数，进行探索性数据分析；用普通最小二乘法回归比较模型预测值和实测值，评估 10 种模型变体的性能。
研究结果
投影到全表面面积转换 ：研究得到了 11 种树新叶和老叶从投影到全表面面积的转换因子，除西部落叶松外，转换因子在 2.0 - 2.7 之间，与之前研究报道的类似。固定模型参数 ：给出了道格拉斯冷杉和其他 10 种测试物种的模型参数中位数，这些值用于后续模型评估。道格拉斯冷杉探索性数据分析 ：发现道格拉斯冷杉老叶部分样本 RWC 存在 “过度水化” 现象，过滤数据后分析发现，新叶 LFMC 峰值约为 160% 且右偏，老叶 LFMC 一般在 100% 左右。RWC、LMA、SAV 和 κ 等变量在新老叶之间存在差异且呈现不同的季节性变化。道格拉斯冷杉机制模型性能 ：模型评估结果显示，前 3 个最佳模型都包含随时间变化的 LMA。模型 5 使用随时间变化的 LMA 和 RWC，固定 SAV 和 κ，能较好地再现新老叶的季节性趋势，r 2 = 0.91 11 种美国山区树种探索性数据分析 ：11 种树种的 LFMC 分布与道格拉斯冷杉相似，老叶 LFMC 集中在 120% 左右，新叶峰值略高于 150% 且右偏。其他模型输入变量分布也与道格拉斯冷杉相似。11 种美国山区树种机制模型性能 ：与道格拉斯冷杉的测试结果一致，最佳的三个模型都包含 LMA。模型 5 能捕捉不同物种间新老叶 LFMC 的差异，r 2 = 0.89
研究结论与讨论
本研究提出的针叶树 LFMC 机制模型，突破了传统基于气象数据的相关研究方法。它将 LFMC 视为由生理化学参数直接推导出来的属性，整合了 LFMC 变化驱动因素的现有知识，为未来研究奠定了基础。
在模型的关键参数中，LMA 是预测 LFMC 变化的最佳单一指标，能解释物种内和物种间约 90% 的 LFMC 变化，它与植物的多种生态特征相关，也反映了燃料的可用性。RWC 是衡量植物生理水分胁迫的常用指标，但在测量时存在样本过度饱和的问题，未来需要改进测量方法。SAV 与植物生长环境和燃烧特性密切相关，是描述活燃料动态的理想变量。
从实际应用角度来看，该研究对改进野外 LFMC 采样、利用遥感缩放 LFMC、生态生理学过程建模以及火灾行为建模都具有重要意义。它有助于更全面地理解全球生态系统中驱动活燃料可燃性的因素，实现对燃料动态的更好监测，从而为野火风险的实时评估提供有力支持。
打赏
下载安捷伦电子书《通过细胞代谢揭示新的药物靶点》探索如何通过代谢分析促进您的药物发现研究
10x Genomics新品Visium HD 开启单细胞分辨率的全转录组空间分析！
欢迎下载Twist《不断变化的CRISPR筛选格局》电子书
单细胞测序入门大讲堂 - 深入了解从第一个单细胞实验设计到数据质控与可视化解析
下载《细胞内蛋白质互作分析方法电子书》
