足球比赛结果 了解野火干扰、景观水文学和 北方针叶林生态系统的火灾后恢复：以泥炭地为重点

项目概览

我们在 NASA ABoVE 第一阶段和第二阶段项目中的研究重点是集成 利用遥感、空间分析、现场数据和建模来了解脆弱性 西北地区南部的泥炭地和高地引发野火 艾伯塔省北部研究区，泥炭地丰富（图中深棕色）。  野火对泥炭地生态系统的影响尚未得到充分研究，泥炭地生态系统的脆弱性 人们对这些系统相对于高地的了解知之甚少。生态系统脆弱性是 用三个要素进行描述（Weiβhuhn et al 2018）：

曝光--山火扰动的概率
灵敏度-- 对野火危害的敏感性（即生态型燃烧的严重程度）
适应能力– 与恢复力相关（即针叶树是否自我替换）

了解高地、低地地区烧伤严重程度的变化 特别是在沼泽和沼泽泥炭地火前土地覆盖类型（包括泥炭地 和高地生态类型）和有机土壤（泥炭）层的燃烧严重程度 并链接到现场数据。这些地图的交集允许进行地理空间分析 2014-15 年期间发生的 142 场野火，烧毁面积超过 330 万公顷 地区。

现场数据用于校准/验证燃烧前生态型的分类 基于多日期 L 波段 PALSAR-1 和 Landsat-5 数据（Bourgeau-Chavez 等人，2017 年） 以及来自 Landsat-8 的燃烧严重程度图（French 等人，2020 年）。

现场数据用于校准/验证燃烧前生态型的分类 基于多日期 L 波段 PALSAR-1 和 Landsat-5 数据（Bourgeau-Chavez 等人，2017 年）

现场数据用于校准/验证燃烧前生态型的分类 基于 Landsat-8 的多日期烧伤严重程度测绘（French 等人，2020 年）。

此外，由于烧伤严重程度和火后恢复受到土壤湿度的影响 条件下，我们研究的一个组成部分是开发土壤水分恢复方法 以及来自主动微波 (SAR) 图像的算法（L 波段 UAVSAR 和 PALSAR-2、P 波段 AirMOSS、C 波段 Radarsat-2 和 Sentinel-1）。 

现场数据

现场数据是在 2015 年至 2019 年夏季在燃烧和未燃烧地点收集的 大奴湖周围有丰富的泥炭地。共有152个现场 MTU 采样了 85 个燃烧地点和 67 个未燃烧地点。  此外， co-I Whitman 从艾伯塔省北部和南部另外 30 个地点获取的现场数据 主要高地的西北地区已添加到我们的数据集中。

烧伤严重程度和火灾后演替的模式

野火的暴露和易感性

问题：a) 泥炭地比高地地区更容易还是更不易燃烧 在 2014-15 年西北地区荒地火灾的极端干旱期间？ b) 这有何不同 季节、永久冻土区、生态区、地形、年份？

研究参数按由针叶林平原和针叶林盾构组成的生态区进行解析， 2014 年和 2015 年野火范围，永久冻土区不连续 以及仅在平原地区的零星永久冻土类型，季节分早、中、晚 季节火灾（基于火灾进展图）和地形（以下方法 Weiss 2001）。

北方泥炭地类型的示例。

野火烧伤严重程度示例。

曝光

一系列卡方拟合优度检验的结果表明泥炭地 考虑到盾牌上地形的面积，高地正在像预期的那样燃烧 （未显示地块），但优先在平原上。简单的结果（下图） 表明对于整个地区，生态类型确实对平原烧毁面积有影响。 它还对零星和不连续的永久冻土带以及个别地区产生影响。 平原的火年。

所有平原、高地针叶林和沼泽森林都在燃烧 考虑到其在景观上的可用性，面积比预期更大，尤其是更多 2015年平原、零星永久冻土和早季。 开放的沼泽正在燃烧 比预想的要少得多，甚至比沼泽还要少。 落叶林如预期般燃烧 对于大多数解析，在早期季节和在平原中有更大的区域零星永久冻土，并且低于季末的预期。 树木丛生的沼泽和沼泽正在燃烧 正如所有解析所预期的那样，除了 2015 年的平原和早期季节，他们 两者的燃烧量均超过预期 (p< 0.05)。  这与早期的结果一致 加拿大艾伯塔省的季节性火灾（Bourgeau-Chavez 等人，2020 年）。

敏感性

接下来进行一组卡方拟合优度检验以确定严重性是否 考虑到分布，有机层表面的燃烧正如预期的那样发生 在观察生态区（平原、 屏蔽）和整个生态区的年份、永久冻土、季节和影响 地貌。 请注意，研究的盾构区域只有一个永久冻土带， 因此没有测试永久冻土的影响。所有卡方检验图片 除了赛季后期护盾之外，以下内容都很重要。

生态区：盾牌上的烧伤严重程度与平原上有很大不同，烧伤严重程度要高得多 护罩上的烧伤程度比预期的要轻，未烧伤的面积要少得多，烧伤严重 区。  相比之下，平原的烧伤和未烧伤面积比预期要严重得多。

生态系统类型：不同生态系统类型的燃烧严重程度优先，高地针叶树燃烧较多 更严重（中度和严重类别），而低地类型（沼泽、沼泽） 在中度至重度烧伤类别中，燃烧程度低于预期。

年份 (1/2) 盾牌：与两个火灾年份相比，盾牌上的面积要大得多 2015 年严重烧毁面积比预期少 2014 年。

年份 (2/2) 普通：与此同时，平原上发生了相反的情况，严重烧毁的面积要少得多 2015 年的烧毁面积超出预期，2014 年严重烧毁的面积也超出预期。

赛季 (1/2) 护盾：护盾的烧伤严重程度符合赛季末的预期（不显着） 卡方检验），但在季节早期和中期显着不同。  在 季节初发生了更严重的烧伤。 

季节 (1/2) 普通：相比之下，在季节初期，平原上未燃烧或烧焦的面积比 预计中度至重度烧毁的面积要少得多。

永久冻土：对于平原来说，永久冻土似乎确实会影响烧伤的严重程度，其中 与火灾相比，零星的永久冻土未燃烧的面积比预期要多得多 不连续的永久冻土，并且在轻度和中度严重程度下面积也小于预期， 但严重烧伤是相似的。

地形：在观察地形对烧伤严重程度的影响时，景观位置 区域高、平坦和低，然后是这些区域内的凹陷、平坦区域或山脊 比较了区域位置（即 9 个地貌）。  仅低于显着性 (p<0.05) 显示了屏蔽和普通的差异。  两个关键结果是区域低 防护罩和凹坑上未燃烧的区域比预期的要多得多 平原，但在地盾上，这些地貌在严酷的条件下也显示出更多的面积 烧伤等级超出预期。  平原地区高脊和平地地区较多 被烧毁的区域的严重程度高于预期，而这些区域的显示程度低于预期 护盾的预期区域被严重烧毁。 

适应能力 - 弹性

问题：a) 火灾前条件和火灾严重程度如何影响植被模式 火灾后的继承？  b) 在什么条件下我们会看到植被恢复到 火灾前的成分与转变到新的状态？

我们重点关注了第 4 年为 53 个项目收集的火灾后再生现场数据 公顷的研究地点。  审查我们的树木招募数据和燃烧前的树木密度 （如下图所示）显示，对于我们主要是低地的田地，针叶树的补充 在所有地点都很强，盾牌显示出较高的火灾前树木密度 以及最高的树木招募。

我们将 53 个主要泥炭地数据站点与 30 个主要高地站点数据合并起来 来自合作者惠特曼，他使用了类似的抽样技术。 前期和后期分析 在没有参考的情况下，所有 83 个网站的烧后主导地位显示 33% 的转化率 火前的针叶树优势到火后的落叶树、混合树或灌木在高地和 低地生态型。

优势种覆盖类型由燃烧前最大断面积和茎决定 烧伤后的密度至少为总断面积或茎密度的 50%。 根据综合数据，火灾后 33 个高地地点中的 20 个正在转变为阔叶林， 1 是火前落叶树和针叶树的混合。另外两个沼泽正在转变 到落叶火后。  另外 3 个低地（沼泽、沼泽、低地）正在转变为混合低地 针叶树/落叶树。其余的是剩下的针叶树。

使用 Baltzer 等人的框架对火后演替进行分析。 (2020) 与 地点分为自我更替、竞争（共优势种）、不良设施 （低补充）和再生失败（没有燃烧前优势物种的幼苗） 所有 83 个地点表明，火灾前 71% 的地点以黑云杉 (picmar) 为主 能够自我替换，而只有 41% 的短叶松（pinban）能够自我替换， 火灾发生前，很少有以白云杉和落叶松为主的地点不能自我取代， 两个落叶位点是自我替换的（poptre）。

 卡方分析表明，弹性会受到场地是否为高地的影响 在这些极端干旱的年份中，与湿地、平原与盾地的比较。  这里的湿地和 盾牌比高地和平原有更多的自我替换地点。盾牌和 高地（p < 0.5）。平原和湿地 ( p < 0.1 ).

土壤湿度 – 土壤排水

有几个变量会影响地貌从野火中的恢复，从而奠定基础 该网站将采取什么样的连续轨迹。 土壤湿度和排水条件 对于确定场地是否有足够的水分或过多的水分很重要 或水分太少，从而影响树木补充的成功。 哨兵-1 C 波段 SAR 数据允许使用时间序列分析来评估土壤湿度 反向散射。 

西北地区平原 2014 年烧毁地区 SS-03 的时间序列示例 Kakiska 附近显示了 C 波段反向散射的动态变化，这可能与 土壤湿度状况 (注意 2016 年 4 月的图像来自冷冻状态，已从分析中删除)。 

SS-03 区域的 Sentinel-1 时间序列 (2016-2018)

SS-03的位置图（红色轮廓）

理论上，排水良好的地点在降雨后会产生较高的反向散射 但很快就会恢复到较低的反向散射，而更多排水不良的地点将保持 反向散射较高，对降雨的响应较弱。

主成分分析应用于 Sentinel-1 时间序列以产生 SS-03 野火的土壤“排水”图。先前的研究发现了第二个主要因素 与湿度相关的分量图像（Bourgeau-Chavez 等人，2007 年）。下面， PC-2 图像根据现场数据进行水平切片，以确定湿到干的土壤排水 条件。这些地图将有助于了解火灾后演替的模型。

PC-2 输出图像（左）和 Sentinel-1 排水图（右）的并排地图

PC-2 输出图像

Sentinel-1 排水地图

海河气象站的降雨量与平均反向散射的比较 对于具有正 PC 值的区域以及来自具有负 PC 值的区域的平均反向散射 电脑值。  这是对地图的验证，显示正 PC 值正在显示 湿度较高的反向散射区域，对降雨的响应更加稳定， 而负 PC 值受降雨影响更强烈，但随后又恢复到 反向散射较低，对降雨的响应更加稳定，而 PC 值为负 受降雨影响更强烈，但随后又恢复到较低值。 

模拟水文与野火之间的相互作用

校准和验证生态系统、水文学和火灾效应模型的工作正在进行中 （FATES、CLM-HH 和 CanFire）适用于低地（泥炭地）和高地。然后建模将 用于增进对野火与水文学之间相互作用的理解 碳排放、火灾后演替趋势，并根据 关于预期的未来气候情景。

正在利用现场和遥感校准泥炭地 CanFIRE 来自该项目的数据并将其应用于地理空间。  目前只有高地森林 对地上和地下燃料装载量进行了建模。  CanFIRE 是加拿大 火灾行为模型用于捕捉火灾对展台特性的直接物理影响 并模拟后期对林分组成的生态影响（de Groot，2009）。 

 FATES 是一个使用植物性状的开源动态陆地生态系统模型 预测资源竞争、树结构和分布以及干扰 动态。该项目已与 CLM-HH 子网格水文山坡集成 横向地下流模型和 SPITFIRE（火灾行为和影响模型）。 组合的 FATES-CLM-HH 模型模拟了植被和永久冻土对场地的响应， 气候和火灾。