删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于MODIS影像估算中国大陆区域草地火污染物时空格局

本站小编 Free考研考试/2021-12-31

靳全锋1, 沈培福1, 黄海松1, 陈兵红1, 付春伶1, 郭福涛2
1. 丽水职业技术学院, 丽水 323000;
2. 福建农林大学林学院, 福州 350002
收稿日期: 2018-08-17; 修回日期: 2018-12-01; 录用日期: 2018-12-01
基金项目: 国家自然科学基金(No.31770697);浙江省教育厅一般项目(No.Y201840513);丽水职业技术学院青年基金(No.LZYC201703)
作者简介: 靳全锋(1988-), 男, E-mail:jinquanfeng2006@126.com
通讯作者(责任作者): 郭福涛, E-mail:guofutao@126.com

摘要: 草地火是草地生态系统重要干扰因子,对草地生态系统结构和功能有重要影响.草地火释放的大量烟气和颗粒物对大气环境、生态系统和人类健康有重要影响.本研究基于2001—2017年中国大陆区域MODIS-MCD64A1数据,结合生物质密度,估算各区域草地火燃烧生物量.并运用排放因子法,估算17年间中国大陆区域草地火排放污染物总量.研究结果表明,中国大陆地区草地生物质密度存在差异,由东向西逐渐递减.草地火时空分布不均衡且存在明显季节性差异,主要集中在3月和9月.中国大陆地区2001—2017年草地火次数、火面积和燃烧总量分别是1.63×105次、6.12×106 hm2和23.86 Mt,排放CO2、CO、CH4、SO2、NMVOC、NOx、PM2.5、BC、OC和TC总量分别为37.27 Mt、1.31 Mt、43.30 kt、11.05 kt、287.74 kt、79.60 kt、155.82 kt、9.25 kt、64.95 kt和75.54 kt.此外,各污染物在时间和空间上不均衡,在东北、华北、华中和西南区域呈增加趋势,华东和西北区域呈降低趋势,华南区域呈显著降低趋势.本研究揭示了中国大陆地区草地火释放污染物的时空变化,为深入揭示草地火对区域环境影响提供数据支持.
关键词:中国大陆草地火污染物时空格局
Temporal and spatial patterns of pollutants emitted from grassland fires based on MODIS images in Mainland China
JIN Quanfeng1, SHEN Peifu1, HUANG Haisong1, CHEN Binghong1, FU Chunling1, GUO Futao2
1. Lishui Vocational and Technical College, Lishui 323000;
2. Forestry College, Fujian Agriculture and Forestry University, Fuzhou 350002
Received 17 August 2018; received in revised from 1 December 2018; accepted 1 December 2018
Abstract: Fire is an important disturbance factor in the grassland ecosystem and significantly impacts the structure and function of this ecosystem. The smoke and particulate matters released from grassland fires significantly influence the atmospheric air quality, ecosystem services and human health. Based on MODIS-MCD64A1 and data of grass biomass, the biomass consumption of grassland fire and an estimate of the total emission of pollutants released from grassland fire in mainland China from 2001 to 2017 were calculated using emission factor method. The results showed that there was a significant variation in spatial distribution of grass biomass, gradually decreasing from East to West of China. The ignitions of grass fire were unbalanced in space and time, mainly concentrating in March and September. The total ignition, burnt area and biomass consumption of grass fire in mainland China during 2001-2017 were 1.63×105, 6.12×106 hm2 and 23.86 Mt. The total emission of CO2, CO, CH4, SO2, NMVOC, NOx, PM2.5, BC, OC and TC was 37.27 Mt, 1.31 Mt, 43.30 kt, 11.05 kt, 287.74 kt, 79.60 kt, 155.82 kt, 9.25 kt, 64.95 kt and 75.54 kt, respectively. The spatial distribution of pollutants was unbalanced, showing an increasing trend in Northeast, North, Central and Southwest of China and a decreasing trend in East and Northeast of China, and significantly decreased in Southern China. The study reveals temporal and spatial variation in concentrations of pollutants released from grassland fires in mainland China and provides scientific evidence to support an understanding of the influence of grassland fire on the local environment.
Keywords: Mainland Chinagrassland firepollutantstemporal and spatial patterns
1 引言(Introduction)草地火是草地生态系统重要干扰因子, 对草地结构和功能有重要影响(Bowman et al., 2009Finch et al., 2011Mouillot et al., 2014).草地火灾排放的大量气体污染物和颗粒物主要包括CO2、CO、NOx、SO2、NH3、VOCS、PM、OC、EC、烃类和卤代烃等污染物(Schultz et al., 2008Van et al., 2010)对大气环境及人类健康有重要影响(Wang et al., 2018Konovalov et al., 2018). Torlaket等(2011)研究显示全球有3.49×109 hm2的草业资源, 每年有7.36×108 hm2草地遭到火灾威胁(Hantson et al., 2013), 有2143 Tg草地生物量燃烧, 其中52%来源于非洲, 30%来源美洲, 14%来源亚洲, 其它区域占4%(Van et al., 2006Wiedinmyer et al., 2011);可以释放约3626 Tg的CO2, 126.4 Tg的CO, 3.21 Tg的CH4, 6.0 Tg的NOx, 11.6 Tg的PM2.5、5.6 Tg的OC和1.1 Tg的SO2(Wiedinmyer et al., 2011).排放物中NO2、CO2、SO2、HF、O3、颗粒物和有机物等物质导致植被叶片受害和部分组织坏死, 降低气孔导度, 抑制光合放氧和电子运输,使卡尔文循环中的酶失去活性, 甚至扰乱植被生理活动, 进而抑制植物的整体生长(Lai et al., 2018靳全锋等, 2016).卤代烃大量排放物可以破坏O3层, 影响地球太阳辐射, 促进光化学反应和阴霾形成, 降低大气能见度(Schiferl et al., 2018), 直接和间接影响全球气候变化(Kok et al., 2018靳全锋等, 2019).草地火排放污染物对人类和动植物有显著影响.细小颗粒物可以直接进入人类呼吸系统, 增加肺病发病率(靳全锋等, 2017a).目前关于草地火灾研究已展开, 随着科学技术发展, 利用卫星遥感数据对草地火研究已成为主流, 卫星遥感影像最适用于大尺度草地火时空格局研究.遥感影像具有空间尺度大、时间周期长和成本低等优良特性, 对大尺度草地火灾研究具有其他方法不可替代的优势(Li et al., 2018).
中国是居世界第二的草地资源大国, 约有4.0×109 hm2草地资源, 占国土面积的2/5, 我国也是草地火灾频发的国度, 每年有1/3的草地遭受火灾的破坏(Liu et al., 2017).由于人类活动导致草地火频发, 95%草地火由人类活动引起(靳全锋等, 2017b).目前我国已开展草地火灾研究, 并取得一定进展(Zhi et al., 2009Liu et al., 2010宫大鹏等, 2018), 但以往研究主要存在以下问题:①研究以草地火险等级划分为主(Li et al., 2018傅泽强等, 2001). ②研究区域主要集中在我国北方区域(靳全锋等, 2017c宫大鹏等, 2018b). ③主要是草地火灾影响因素分析(周怀林等, 2016张正祥等, 2013曲炤鹏等, 2010). ④关于烟气的研究较少(Mehmood et al., 2018).因此研究中国区域草地火排放具有重要意义.
鉴于此, 本研究以2001—2017年MODIS影像数据为研究对象, 对中国大陆区域草地火运用排放因子法, 估算中国大陆草地火排放污染物时空格局.主要研究目标为:①估测2001—2017年中国大陆地区草地火灾面积;②估测2001—2017年中国大陆区域草地生物质燃烧总量;③估算中国大陆区域草火排放污染物物总量;④分析中国大陆区域草火排放污染物时空格局.以为相关大气模型研究和大气环境污染评价提供基础科学依据.
2 资料来源与方法(Data and methods)本研究以中国大陆31个省、市、自治区和直辖市为研究区域, 运用MODIS影像结合排放因子及区域草地生物量, 估测中国大陆区域2001—2017年草地火灾释放CO2、CO、CH4、SO2、NMVOC、NOx、PM2.5、BC、OC和TC等污染物的总量及时空变化.
2.1 研究区概况中国大陆区域(图 1)位于北半球、东半球, 大部分位于北回归线以北, 北温带, 少部分属于热带, 没有寒带, 地理范围是北纬6°06′~53°30′, 东经73°20′~135°30′.土地面积9.60×106 km2, 仅次于俄罗斯、加拿大, 居世界第三, 中国草地面积居世界第二, 占国土面积的41.7%, 其面积是耕地面积的3.2倍, 森林面积的2.5倍(Shen et al., 2016).
图 1(Fig. 1)
图 1 中国大陆草地空间分布 Fig. 1The spatial distribution of grassland in China

2.2 数据来源与处理方法2.2.1 数据来源 MODIS-MCD64A1火产品在监测草地火灾方面具有良好的可靠性(Fornacca et al., 2017), 目前MODIS火点成功监测率为90%左右, 但通过滤除噪声、耀斑及云的干扰, 其草地火成功监测率高达100%(Zhou et al., 2006), 因此本研究是500 m空间分辨率的月尺度MCD64A1产品(https://e4ftl01.cr.usgs.gov/), 中国行政区划图(1:1000000)和中国植被覆盖图是空间分辨率为1 km的产品(http://www.resdc.cn/data.aspx?DATAID=184)进行叠加分析.
2.2.2 数据处理方法MODIS数据产品处理主要包括定义投影信息、投影转换、镶嵌、裁剪以及掩膜计算, 将2001—2017年MCD64A1火面积数据运用ENVI软件将数据由正弦曲线投影转换为兰伯特投影, 带号为48, 椭球体基准为WGS-84.将中国区域每月19景遥感影像运用ArcGIS10.2软件进行数据镶嵌、裁剪以及利用中国植被类型图进行掩膜计算, 分析发生草地区域过火像元和火日期信息.
2.3 草地燃烧生物量和污染物量计算草本燃烧量用式(1)进行计算(Zhou et al., 2017).
(1)
式中, M为草本燃烧量(t);A为燃烧面积(hm2);B为地上生物质密度(t·hm-2).
草地燃烧排放污染物利用公式(2)计算(Jin et al., 2018).
(2)
式中, Ei为污染物排放量(t);M为草本燃烧量(t);EFii种污染物排放因子(g·kg-1);η为燃烧效率.
2.4 草地火排放污染物趋势和不确定分析2.4.1 烟气排放量变化趋势及显著性分析Mann-Kandell趋势检验法(Bodas et al., 2018)是一种非参数统计检验方法.该方法优点不需要遵循一定分布, 不受少量异常值的干扰, 更适用于时间序列变化的数据趋势检验, 被广泛运用于时间序列上水文、温度和气候等趋势变化, 且计算也比较简单.
2.4.2 不确定分析本研究使用IPCC(1997)提供排放清单不确定性评估方法, 总体不确定性采用公式(3)计算.
(3)
式中, Utotal为总体不确定性, Un是每个量相关的百分比不确定性.
2.5 排放因子确定本研究综合国内外****研究结果, 目前关于国内草地燃烧的排放因子实测数据较少, 导致排放因子等级相对较低, 本研究根据Akagi等(20102011)、Andreae等(2001)Goode等(1999)Urbanski等(2014)研究成果平均值作为本研究排放因子, 其CO2、CO、CH4、SO2、NMVOC、NOx、PM2.5、BC、OC和TC排放因子分别为(1652.6±59.81)、(58±9.22)、(1.92±0.33)、(0.49±0.11)、(12.76±3.85)、(3.53±0.64)、(6.91±1.14)、(0.41±0.06)、(2.88±0.45)和(3.35±0.49) g·kg-1.草地地上生物密度运用Piao等(2007)估算中国大陆区域草地生物量, 草地燃烧效率采用Kato等(2011)Akagi等(2010;2011)和Wu等(2018)研究成果平均95%.
3 结果与讨论(Results and discussion)3.1 中国大陆草地生物量时空分布格局中国大陆区域草地生物量基于Piao等(2007)研究成果, 运用生长季NDVI平均值与地上生物量关系模型, 绘制2001—2017年中国大陆区域地上生物量空间分布图(图 2).图 2显示中国大陆区域生物量时空分布不均衡, 时间上年与年之间存在差异, 空间上地上生物量密度总体呈东高西低的趋势, 该研究结果与Zhou等(2018)Gang等(2018)Mu等(2013)的研究结果一致.朴世龙等(2004)靳全锋等(2017c)辛晓平等(2009)研究显示草地生物质密度与经纬度、湿度和降水呈正相关, 与温度和干燥度呈负相关关系.
图 2(Fig. 2)
图 2 2001— 2017年中国大陆地区草地生物量空间分布(隔5年) Fig. 2The spatial distribution of biomass density in China during 2000—2017(fiv-year interval)

基于2001—2017年MODIS-MCD64A1中国大陆区域草地火面积数据, 运用ArcGIS10.2软件叠加分析方法, 提取2001—2017年燃烧区域草地生物质密度, 统计年草地燃烧生物量如图 3所示.图 3显示2001—2017年中国大陆区域燃烧生物量为23.86 Mt(1.40 Mt·a-1), 其中东北、华北、华东、华南、华中、西北和西南分别占燃烧总量的29.24%、31.17%、6.98%、9.99%、5.05%、2.62%和14.97%. 2001—2017年中国大陆区域草地燃烧生物量年变化总体呈波动变化, 年季变化差异不同, 全国区域2003、2008和2014年达到极大值, 分别为3.05、2.37和2.05 Mt;2006、2011和2016年为极小值, 分别为1.02、0.99和1.07 Mt.各区域年均燃烧生物量由大到小的顺序为:华北>东北>西南>华南>华东>华中>西北.
图 3(Fig. 3)
图 3 2000—2017年中国大陆地区草地火消耗生物量时间变化 Fig. 3The temporal change of biomass consumption by grass fires of mainland China during 2000—2017

3.2 MODIS数据提取结果验证为了确保研究成果精度, 本研究以内蒙古区域-新巴尔虎区2010—2016历史统计数据、MCD45A1(宫大鹏等, 2018a)与MCD64A1数据进行过火面积精度验证, 表 1显示林业部门统计2010—2016年新巴尔虎区域共有125864.16 hm2草地火面积, 运用MODIS-MCD45A1和MCD64A1遥感影像提取结果分别为150925 hm2和155223 hm2, 其统计数据总体低于MODIS影像数据.从精度上看MCD64A1平均精度达到81.09%, 与历史统计火面积数据差异不大, 因此该结果可用于宏观数据分析.而MCD64A1与MCD45A1数据相比, 其平均差异不超过5%, 具有较高的一致性.
表 1(Table 1)
表 1 不同数据源草地火过火面积对比 Table 1 The comparison of burnt area of grass fire from different data sources
表 1 不同数据源草地火过火面积对比 Table 1 The comparison of burnt area of grass fire from different data sources
年份 历史火面积/hm2 MCD45A1火面积/ hm2 MCD64A1火面积/ hm2 MCD64A1精度验证 MCD45与MCD64验证
2010 4819.83 6575 6918 69.67% 95.04%
2011 11534.40 11975 19000 60.71% 63.03%
2012 23738.00 26075 25461 93.23% 97.59%
2013 28302.67 35175 31019 91.24% 86.60%
2014 19883.16 26800 29840 66.63% 89.81%
2015 27614.40 30525 30075 91.82% 98.50%
2016 9971.70 13800 12910 77.24% 93.11%
2010—2016 125864.20 150925 155223 81.09% 97.23%


3.3 中国大陆草地火空间分布格局基于2001—2017年卫星火点数据, 运用ArcGIS10.2(坐标系为GWS-84投影)进行空间核密度分析, 绘制17年火点密度图.图 4显示17年中国大陆区域共发生162990次草地火灾, 年均9588次, 火点空间分布不均匀, 火点密度分布规律为东北和华北、华南和西南及华南与华东交汇域火密度较高, 华北-东北区域、东北-西北区域、西南-东南及南部区域、华南中部区域及华东和华中有少量火点密度较高区域分布.内蒙古、黑龙江、云南、广东、贵州、广西、江西、湖南、新疆和吉林等10个省分别占火点总数的29.61%、26.27%、10.43%、5.42%、4.65%、4.59%、2.52%、2.13%、1.87%和1.75%, 其余21个区域占比不足11%.
图 4(Fig. 4)
图 4 2001—2017年中国大陆区域草地火点密度空间分布 Fig. 4The temporal change of grass fire density of mainland China during 2001—2017

3.4 中国大陆草地火点和火面积时间变化图 5a显示2001—2017年中国大陆区域草地火灾次数为1.63×105次, 年均9588次, 火灾年变化不均衡.东北、华北、华东、华南、华中、西北和西南分别占区域总次数的28.17%、31.61%、6.16%、10.46%、4.22%、2.94%和16.42%. 2001—2017年中国大陆区域草地火灾年变化总体呈波动变化, 年季变化差异不同, 全国区域2003、2008和2014年达到极大值, 分别为17721次、15500次和13668次;2006、2011和2016年为极小值, 分别为7283次、6690次和7361次.各区域年均草地火灾次数由大到小的顺序为:华北>东北>西南>华南>华东>华中>西北.
图 5(Fig. 5)
图 5 2001—2017年中国大陆区域草地火点(a)和火面积(b)年变化 Fig. 5The annual change of number (a) and burnt area (b) of grass fire of mainland China during 2001—2017

图 5b显示2001—2017年中国大陆区域草地火面积为6.12×106 hm2, 年均3.60×105 hm2, 火面积区域分布不均匀.东北、华北、华东、华南、华中、西北和西南分别占区域面积27.85%、33.01%、6.26%、9.02%、4.25%、3.50%和16.11%. 2001—2017年中国大陆区域草地火面积年变化总体呈波动变化, 年季变化差异不同, 全国区域2003、2008和2014年达到极大值, 分别为7.44×105、5.70×105和5.18×105 hm2;2006、2011和2016年为极小值, 分别为2.71×105、2.48×105和2.87×105 hm2.各区域年均草地火面积由大到小的顺序为:华北>东北>西南>华南>华东>华中>西北.
图 6显示2001—2017年中国大陆区域草地火存在明显季节性差异, 火点月变化呈双峰分布, 峰值(3月)高于峰值(9月).时间上中国大陆火点1—3月呈增加趋势, 9—12月呈降低趋势, 火点呈先降低后增加趋势(3—9月).不同区域火点峰值存在差异, 东北、华北、西北和华东等区域呈双峰分布, 其主峰分别是3—4月、3月、10月和2月, 次峰分别为9—11月、9月、6月、6月.华南、华中和西南区域呈单峰分布.北方区域草地火多集中在3—4月和8—11月, 该研究与靳全锋等(2017)周怀林等(2016)研究一致, 北方区域草地火集中在春、秋两季主要受自然因素(降水、空气湿度、温度和风速等)、植被属性等因素影响.张正祥等(2013)研究表明北方区域春季降水较少、相对湿度低、气温回暖快、风速较大导致植被含水量低和前一年死亡生物质较多, 极易促进草地火灾形成;秋季生物质大量死亡、降水较少、空气湿度降低和风速较强有利于草地火灾形成和扩散, 但由于气温下降较快降低火频率, 导致春季火灾频率显著高于秋季;其它月份由于降水、温度和草地属性等因子阻碍草地火发生.南方华中区域草地火多集中在8—10月, 华南集中在1—3月.
图 6(Fig. 6)
图 6 2001—2017年中国大陆区域草地火点月尺度空间分布 Fig. 6The spatial distribution of monthly grass fire ignitions of mainland China during 2001—2017

3.5 中国大陆草地火排放污染物的空间分布草地火排放受内、外因素共同作用不断发生变化, 运用大量静态数据, 并不能反映草地火排放动态变化, 估算污染物排放通过改变方法逐渐逼近真实值, 不可能成为真实值, 以往研究表明运用平均值是减少误差的常用估算方法.估算草地污染物排放总量分别运用草地火灾每次火面积、区域生物质密度和平均排放因子等共同估算, 如图 7显示各区域污染物排放总量不同, 各污染物分布有所差异, 2001—2017年中国大陆各区域草地火灾排放污染物CO2、CO、CH4、SO2、NMVOC、NOx、PM2.5、BC、OC和TC总量分别为37.27 Mt、1.31 Mt、43.30 kt、11.05 kt、287.74 kt、79.60 kt、155.82 kt、9.25 kt、64.95 kt和75.54 kt, 年均排放量分别为:2.19 Mt、76.94 kt、2.55 kt、0.65 kt、16.93 kt、4.68 kt、9.17 kt、0.54 kt、3.82 kt和4.44 kt, 各区域污染物详见表 2.图 7显示, 各污染物排放在空间上不均匀, 呈东多西少分布特征.东北区域由草地火排放污染物总量为11.49 Mt, 主要污染物CO2、CO、CH4、SO2、NMVOC、NOx、PM2.5、BC、OC和TC分别为10.90 Mt、0.38 Mt、12.66 kt、3.23 kt、84.13 kt、23.27 kt、45.56 kt、2.70 kt、18.99 kt和22.09 kt;其它区域华北、华东、华南、华中、西北和西南区域草地火释放污染物总量分别为:12.25 Mt、2.74 Mt、3.93 Mt、1.98 Mt、1.03 Mt和5.88 Mt;CO2、CO、CH4、SO2、NMVOC、NOx、PM2.5、BC、OC和TC等占各区域污染物总量比率分别为94.82%、3.33%、0.11%、0.03%、0.73%、0.20%、0.40%、0.02%、0.17%和0.19%. Yan等(2006)研究中国大陆草地火排放显示CO2、CO、NOx、SO2、PM2.5、TC、OC、BC、CH4和NMVOC排放范围是0.30~8.80 Mt、12.3~354.6 kt、1.1~32.6 kt、0.1 ~1.9 kt、1.0 ~29.5 kt、0.7 ~20.2 kt、0.6~18.5 kt、0.1~2.6 kt、0.4 ~12.5 kt和1.8~53.1 kt, 该研究与本研究结果较为接近;田贺忠等(2011)研究显示全国每年有12.12 kt的SO2排放, 该研究结果高于本研究, 因为其SO2源为森林和草原火排放.
图 7(Fig. 7)
图 7 2001—2017年中国大陆区域草地火排放污染物总量区域分布图 Fig. 7The spatial distribution of the total emissions of pollutants released from grass fire in mainand China during 2001—2017


表 2(Table 2)
表 2 2001—2017年中国大陆区域草地火污染物排放总量 Table 2 The total emissions of pollutants released from grass fire in mainand China during 2001—2017
表 2 2001—2017年中国大陆区域草地火污染物排放总量 Table 2 The total emissions of pollutants released from grass fire in mainand China during 2001—2017
区域 排放量/kt
CO2 CO CH4 SO2 NMVOC NOx PM2.5 BC OC TC
安徽 409.04 14.36 0.48 0.12 3.16 0.87 1.71 0.1015 0.71 0.83
北京 5.13 0.18 0.01 0.00 0.04 0.01 0.02 0.0013 0.01 0.01
福建 303.60 10.66 0.35 0.09 2.34 0.65 1.27 0.0753 0.53 0.62
甘肃 60.27 2.12 0.07 0.02 0.47 0.13 0.25 0.0150 0.11 0.12
广东 1872.80 65.73 2.18 0.56 14.46 4.00 7.83 0.4646 3.26 3.80
广西 1714.88 60.19 1.99 0.51 13.24 3.66 7.17 0.4255 2.99 3.48
贵州 1699.58 59.65 1.97 0.50 13.12 3.63 7.11 0.4217 2.96 3.45
海南 128.61 4.51 0.15 0.04 0.99 0.27 0.54 0.0319 0.22 0.26
河北 360.30 12.65 0.42 0.11 2.78 0.77 1.51 0.0894 0.63 0.73
河南 330.47 11.60 0.38 0.10 2.55 0.71 1.38 0.0820 0.58 0.67
黑龙江 10347.27 363.15 12.02 3.07 79.89 22.10 43.26 2.5671 18.03 20.98
湖北 789.33 27.70 0.92 0.23 6.09 1.69 3.30 0.1958 1.38 1.60
湖南 776.83 27.26 0.90 0.23 6.00 1.66 3.25 0.1927 1.35 1.57
吉林 498.11 17.48 0.58 0.15 3.85 1.06 2.08 0.1236 0.87 1.01
江苏 346.28 12.15 0.40 0.10 2.67 0.74 1.45 0.0859 0.60 0.70
江西 1093.68 38.38 1.27 0.32 8.44 2.34 4.57 0.2713 1.91 2.22
辽宁 68.91 2.42 0.08 0.02 0.53 0.15 0.29 0.0171 0.12 0.14
内蒙古 10811.49 379.44 12.56 3.21 83.48 23.09 45.21 2.6823 18.84 21.92
宁夏 28.21 0.99 0.03 0.01 0.22 0.06 0.12 0.0070 0.05 0.06
青海 20.25 0.71 0.02 0.01 0.16 0.04 0.08 0.0050 0.04 0.04
山东 382.06 13.41 0.44 0.11 2.95 0.82 1.60 0.0948 0.67 0.77
山西 414.97 14.56 0.48 0.12 3.20 0.89 1.74 0.1030 0.72 0.84
陕西 295.55 10.37 0.34 0.09 2.28 0.63 1.24 0.0733 0.52 0.60
四川 330.80 11.61 0.38 0.10 2.55 0.71 1.38 0.0821 0.58 0.67
天津 3.68 0.13 0.00 0.00 0.03 0.01 0.02 0.0009 0.01 0.01
西藏 94.20 3.31 0.11 0.03 0.73 0.20 0.39 0.0234 0.16 0.19
新疆 569.19 19.98 0.66 0.17 4.39 1.22 2.38 0.1412 0.99 1.15
云南 3445.68 120.93 4.00 1.02 26.60 7.36 14.41 0.8549 6.00 6.98
浙江 47.62 1.67 0.06 0.01 0.37 0.10 0.20 0.0118 0.08 0.10
重庆 17.91 0.63 0.02 0.01 0.14 0.04 0.07 0.0044 0.03 0.04
总量 37266.73 1307.92 43.30 11.05 287.74 79.60 155.82 9.2456 64.95 75.54


3.6 中国大陆污染物时间分布运用Mann-Kendall趋势检验法分析中国大陆区域CO2、CO、NOx、SO2、PM2.5、TC、OC、BC、CH4和NMVOC等污染物排放年变化趋势(图 8).研究结果表明2001—2017年各区域污染物时空分布不均衡. Mann-Kendall趋势显著性检验结果表明各污染物在东北、华北、华中和西南区域呈增加趋势, 华东和西北区域呈降低趋势, 华南区域呈显著降低趋势.
图 8(Fig. 8)
图 8 2001—2017年中国大陆区域草地火排放颗粒物趋势检验 Fig. 8The change trend of the pollutants released from grass fire in mainland China during 2001—2017

3.7 草地燃烧排放不确定分析草地火灾污染物排放不确定分析表明, 其不确定性受草本类型、燃烧面积、燃烧生物量、排放因子和燃烧效率等因素影响.研究表明草地火灾面积来源于MODIS-MCD64A1数据, 其平均精度超过80%(Fornacca et al., 2017), 燃烧生物量基于Piao等(2007)研究成果得到时空分布生物量, 其平均精度高于80%.排放因子基于前人研究结果平均值, 增强其可靠性, 其误差在10%~50%;本研究为了估算的准确性和精确性, 因此以多个草本燃烧效率实测数据平均值作为本研究的燃烧效率, 增强燃烧效率可靠性, 其误差控制在50%以内;本研究基于各因子不确定性运用公式(3)定量计算各污染物排放结果不确定性见表 3.
表 3(Table 3)
表 3 排放源估算误差分析 Table 3 The estimation errors from different emission sources
表 3 排放源估算误差分析 Table 3 The estimation errors from different emission sources
排放物 CO2 CO CH4 SO2 NMVOC NOx PM2.5 BC OC TC
不确定性 61.8% 63.7% 64.0% 65.6% 68.6% 64.3% 63.8% 63.4% 63.6% 63.4%


4 结论(Conclusions)1) 2001—2017年中国大陆地区草地生物质密度时空分布不均衡, 生物质密度呈东高西低趋势分布.区域总燃烧草地生物量为23.86 Mt, 其中东北、华北、华东、华南、华中、西北和西南分别占燃烧总量29.24%、31.17%、6.98%、9.99%、5.05%、2.62%和14.97%.
2) 2001—2017年中国大陆地区草地火灾时空分布不均衡, 空间上火点密度分布规律为东北和华北、华南和西南及华南与华东交汇域火密度较高, 华北-东北区域、东北-西北区域、西南-东南及南部区域、华南中部区域及华东和华中有少量火点密度较高区域分布.时间上草地火存在明显季节性差异, 火点月变化呈双峰分布, 峰值(3月)高于峰值(9月).
3) 2001—2017年全国共发生火灾次数和面积分别是1.63×105次和6.12×106 hm2各区域火灾次数和面积差异显著, 东北、华北、华东、华南、华中、西北和西南等区域火灾次数占总火灾比例分别是28.17%、31.61%、6.16%、10.46%、4.22%、2.94%和16.42%, 火面积比例分别是27.85%、33.01%、6.26%、9.02%、4.25%、3.50%和16.11%.
4) 2001—2017年中国大陆区域草地火灾排放污染物CO2、CO、CH4、SO2、NMVOC、NOx、PM2.5、BC、OC和TC总量分别为37.27 Mt、1.31 Mt、43.30 kt、11.05 kt、287.74 kt、79.60 kt、155.82 kt、9.25 kt、64.95 kt和75.54 kt, 年均排放量分别为2.19 Mt、76.94 kt、2.55 kt、0.65 kt、16.93 kt、4.68 kt、9.17 kt、0.54 kt、3.82 kt和4.44 kt.
5) 2001—2017年中国大陆区域草地火排放各污染物的动态变化, 显示草地燃烧释放各污染物在时间和空间上不均衡分布, 结果表明:各污染物在东北、华北、华中和西南区域呈增加趋势, 华东和西北区域呈降低趋势, 华南区域呈显著降低趋势.

参考文献
Akagi S K, Yokelson R J, Wiedinmyer C, et al. 2011. Emission factors for open and domestic biomass burning for use in atmospheric models[J]. Atmospheric Chemistry and Physics, 11(9): 4039–4072.
Andreae M O, Merlet P. 2001. Emission of trace gases and aerosols from biomass burning[J]. Global biogeochemical cycles, 15(4): 955–966.
Bodas M, Siman-Tov M, Kreitler S, et al. 2018. The role of victimization in shaping households' preparedness for armed conflicts in Israel[J]. Disaster medicine and public health preparedness, 12(1): 67–75.DOI:10.1017/dmp.2017.38
Bowman D M J S, Balch J K, Artaxo P, et al. 2009. Fire in the Earth System[J]. Science, 324(5926): 481–484.DOI:10.1126/science.1163886
Finch J, Marchant R. 2011. A palaeoecological investigation into the role of fire and human activity in the development of montane grasslands in East Africa[J]. Vegetation History and Archaeobotany, 20(2): 109–124.DOI:10.1007/s00334-010-0276-9
Fornacca D, Ren G, Xiao W. 2017. Performance of Three MODIS Fire Products (MCD45A1, MCD64A1, MCD14ML), and ESA Fire_CCI in a Mountainous Area of Northwest Yunnan, China, Characterized by Frequent Small Fires[J]. Remote Sensing, 9(11): 1131–1150.
傅泽强, 杨友孝, 戴尔阜. 2001. 内蒙古干草原火动态及火险气候区划研究[J]. 中国农业资源与区划, 2001(6): 21–25.
Gang C, Zhao W, Zhao T, et al. 2018. The impacts of land conversion and management measures on the grassland net primary productivity over the Loess Plateau, Northern China[J]. Science of the Total Environment, 645: 827–836.DOI:10.1016/j.scitotenv.2018.07.161
宫大鹏, 康峰峰, 刘晓东. 2018a. 新巴尔虎草原火时空分布特征及对气象因子响应[J]. 北京林业大学学报, 2018a, 40(2): 82–89.
宫大鹏, 李炳怡, 刘晓东. 2018b. 草原火烧严重度燃烧指数的适用性比较分析[J]. 生态学报, 2018b, 38(7): 2434–2441.
Goode J G, Yokelson R J, Susott R A, et al. 1999. Trace gas emissions from laboratory biomass fires measured by open-path Fourier transform infrared spectroscopy:Fires in grass and surface fuels[J]. Journal of Geophysical Research:Atmospheres, 104(D17): 21237–21245.DOI:10.1029/1999JD900360
Hantson S, Padilla M, Corti D, et al. 2013. Strengths and weaknesses of MODIS hotspots to characterize global fire occurrence[J]. Remote Sensing of Environment, 131: 152–159.
IPCC. 1997. Quantifying Uncertainties in Practice, Chapter 6.In: Good Practice Guidance and Uncertainty Management in National Greenhouse Gas Inventories[M].Bracknell: IES, IPCC, OECD
Jin Q, Ma X, Wang G, et al. 2018. Dynamics of major air pollutants from crop residue burning in mainland China, 2000-2014[J]. Journal of Environmental Sciences, 70: 195–206.
靳全锋, 陈磊, 黄娟, 等. 2016. 甲醛对富贵竹的生理生化响应[J]. 环境科学与技术, 2016, 39(8): 45–50.
靳全锋, 马祥庆, 王文辉, 等. 2017a. 中国亚热带地区2000-2014年林火排放颗粒物时空动态变化[J]. 环境科学学报, 2017a, 37(6): 2238–2247.
靳全锋, 王文辉, 马祥庆, 等. 2017b. 福建省2000-2010年林火排放污染物时空动态变化[J]. 中国环境科学, 2017b, 37(2): 476–485.
靳全锋, 鞠园华, 杨夏捷, 等. 2017c. 2005-2014年内蒙古草地火灾排放污染物的时空格局[J]. 草业学报, 2017c, 26(2): 21–29.
靳全锋, 叶文晶, 沈培福, 等. 2019. 浙江2001-2016年露天生物质燃烧排放污染物时空格局[J]. 环境科学学报, 2019, 39(1): 259–269.
Kato E, Michio K Y, Kinoshita T, et al. 2011. Development of spatially explicit emission scenario from land-use change and biomass burning for the input data of climate projection[J]. Procedia Environmental Sciences, 6(1): 146–152.
Kok J F, Ward D S, Mahowald N M, et al. 2018. Global and regional importance of the direct dust-climate feedback[J]. Nature Communications, 9(1): 241.DOI:10.1038/s41467-017-02620-y
Konovalov I B, Lvova D A, Beekmann M, et al. 2018. Estimation of black carbon emissions from Siberian fires using satellite observations of absorption and extinction optical depths[J]. Atmospheric Chemistry and Physics Discussions, 18(20): 14889–14924.DOI:10.5194/acp-18-14889-2018
Li N, Zhang J, Bao Y, et al. 2018. Himawari-8 satellite based dynamic monitoring of grassland fire in China-Mongolia Border Regions[J]. Sensors, 18(1): 276–290.
Lia O, Matsuura T, Munemasa S, et al. 2018. The mechanism of SO2-induced stomatal closure differs from O3 and CO2 responses and is mediated by non-apoptotic cell death in guard cells[J]. Plant, Cell & Environment.DOI:10.1111/pce.13406
Liu M, Zhao J, Guo X, et al. 2017. Study on Climate and Grassland Fire in HulunBuir, Inner Mongolia Autonomous Region, China[J]. Sensors, 17(3): 616–629.DOI:10.3390/s17030616
Liu X, Zhang J, Cai W, et al. 2010. Information diffusion-based spatio-temporal risk analysis of grassland fire disaster in northern China[J]. Knowledge-Based Systems, 23(1): 53–60.DOI:10.1016/j.knosys.2009.07.002
陆炳, 孔少飞, 韩斌, 等. 2011. 2007年中国大陆地区生物质燃烧排放污染物清单[J]. 中国环境科学, 2011, 31(2): 186–194.
Mehmood K, Chang S, Yu S, et al. 2018. Spatial and temporal distributions of air pollutant emissions from open crop straw and biomass burnings in China from 2002 to 2016[J]. Environmental Chemistry Letters, 16(1): 301–309.
Mouillot F, Schultz M G, Yue C, et al. 2014. Ten years of global burned area products from spaceborne remote sensing-A review:Analysis of user needs and recommendations for future developments[J]. International Journal of Applied Earth Observation and Geoinformation, 26: 64–79.DOI:10.1016/j.jag.2013.05.014
Mu S J, Zhou S X, Chen Y Z, et al. 2013. Assessing the impact of restoration-induced land conversion and management alternatives on net primary productivity in Inner Mongolian grassland, China[J]. Global and Planetary Change, 108: 29–41.DOI:10.1016/j.gloplacha.2013.06.007
Piao S, Fang J, Zhou L, et al. 2007. Changes in biomass carbon stocks in China's grasslands between 1982 and 1999[J]. Global Biogeochemical Cycles, 21(2): 1–10.
朴世龙, 方精云, 贺金生, 等. 2001. 中国草地植被生物量及其空间分布格局[J]. 植物生态学报, 2001, 28(4): 491–498.
曲炤鹏, 郑淑霞, 白永飞. 2010. 蒙古高原草原火行为的时空格局与影响因子[J]. 应用生态学报, 2010, 21(4): 807–813.
Ruiz J A M, Lázaro J R G, Cano I D á, et al. 2014. Burned area mapping in the north american boreal forest using Terra-MODIS LTDR (2001-2011):A Comparison with the MCD45A1, MCD64A1 and BA GEOLAND-2 Products[J]. Remote Sensing, 6(1): 815–840.DOI:10.3390/rs6010815
Schiferl L D, Heald C L. 2018. Particulate matter air pollution may offset ozone damage to global crop production[J]. Atmospheric Chemistry and Physics, 18(8): 5953–5966.DOI:10.5194/acp-18-5953-2018
Schultz M G, Heil A, Hoelzemann J J, et al. 2008. Global wildland fire emissions from 1960 to 2000[J]. Global Biogeochemical Cycles, 22(2): 1–13.
Shen H H, Zhu Y K, Zhao X, et al. 2016. Analysis of current grassland resources in China[J]. Chinese Science Bulletin, 61(2): 139–154.
Torlak G, Sevkli M, Sanal M, et al. 2011. Analyzing business competition by using fuzzy TOPSIS method:An example of Turkish domestic airline industry[J]. Expert Systems with Applications An International Journal, 38(4): 3396–3406.DOI:10.1016/j.eswa.2010.08.125
Urbanski S. 2014. Wildland fire emissions, carbon, and climate:Emission factors[J]. Forest Ecology and Management, 317: 51–60.DOI:10.1016/j.foreco.2013.05.045
Van D W G R, Randerson J T, Giglio L, et al. 2006. Interannual variability of global biomass burning emissions from 1997 to 2004[J]. Atmospheric Chemistry & Physics Discussions, 6(2): 3175–3226.
Van G R, Randerson J T, Giglio L, et al. 2010. Global fire emissions and the contribution of deforestation, savanna, forest, agricultural, and peat fires (1997-2009)[J]. Atmospheric Chemistry and Physics, 10(23): 11707–11735.DOI:10.5194/acp-10-11707-2010
Wang J, Xi F, Liu Z, et al. 2018. The spatiotemporal features of greenhouse gases emissions from biomass burning in China from 2000 to 2012[J]. Journal of Cleaner Production, 181: 801–808.DOI:10.1016/j.jclepro.2018.01.206
Wu J, Kong S, Wu F, et al. 2018. Estimating the open biomass burning emissions in Central and Eastern China from 2003 to 2015 based on satellite observation[J]. Atmospheric Chemistry & Physics, 18(16): 11623–11646.
Wiedinmyer C, Akagi S K, Yokelson R J, et al. 2011. The Fire INventory from NCAR (FINN):A high resolution global model to estimate the emissions from open burning[J]. Geoscientific Model Development, 4(3): 625–641.DOI:10.5194/gmd-4-625-2011
Yan X, Ohara T, Akimoto H. 2006. Bottom-up estimate of biomass burning in mainland China[J]. Atmospheric Environment, 40(27): 5262–5273.DOI:10.1016/j.atmosenv.2006.04.040
张正祥, 张洪岩, 李冬雪, 等. 2013. 呼伦贝尔草原人为火空间分布格局[J]. 生态学报, 2013, 33(7): 2023–2031.
中国畜牧业年鉴编辑部. 2013. 中国畜牧业年鉴2013[M]. 北京: 中国农业出版社.
Tong Z, Zhang J, Liu X. 2009. GIS-based risk assessment of grassland fire disaster in western Jilin province, China[J]. Stochastic Environmental Research and Risk Assessment, 23(4): 463–471.DOI:10.1007/s00477-008-0233-7
周怀林, 王玉辉, 周广胜. 2016. 内蒙古草原火的时空动态特征研究[J]. 草业学报, 2016, 25(4): 16–25.
Zhou W, Yang H, Zhou L, et al. 2018. Dynamics of grassland carbon sequestration and its coupling relation with hydrothermal factor of Inner Mongolia[J]. Ecological Indicators, 95: 1–11.
Zhou X C, Wang X Q. 2006. Validate and improvement on arithmetic of identifying forest fire based on EOS-MODIS data[J]. Remote Sensing Technology & Application, 21(3): 206–211.
Zhou Y, Xing X, Lang J, et al. 2017. A comprehensive biomass burning emission inventory with high spatial and temporal resolution in China[J]. Atmospheric Chemistry and Physics.DOI:10.5194/acp-2016-560




相关话题/火灾 数据 空间 生物 计算