在巨型红杉林中抑制野火是问题、解决方案，还是两者都不是？

《Ecology and Evolution》：Is Wildfire Suppression in Giant Sequoia Groves a Problem, a Solution, or Neither?

　　摘要

1910年，美国联邦政府开始实施正式的野火抑制政策。几十年后，人们逐渐认识到世界上最大的树木——巨杉（giant sequoia）是一种“延迟性燃烧”的植物，其有效繁殖依赖于火灾。一个世纪以来，巨杉林几乎完全被排除在火灾之外，直到过去十年发生了一系列由闪电引发的火灾。这些火灾之后，美国土地管理者假设，由于一个世纪的火灾抑制和燃料积累，导致了前所未有的高强度火灾。基于这一假设，美国现在提出立法，以野火预防的名义，允许在所有联邦公共土地上的巨杉林中进行伐木，包括荒野地区和国家公园。此外，为了预防和抑制混合强度的野火，人们开始实施低强度的预定燃烧（prescribed fires），基于这样的假设：预定燃烧后初期的高密度巨杉幼苗会在后续几年内转化为相对较高的再生密度。我利用自1910年以来的野火边界GIS数据、2012年至今的火灾强度数据以及政府规定的燃烧和巨杉再生数据集，研究了野火抑制对巨杉林的影响。我发现，自1910年以来的所有强度的火灾频率都低于火灾抑制之前的水平。我没有发现火灾发生时间与巨杉林中高强度火灾所占面积百分比之间的相关性。此外，我也未发现预定燃烧后初期（燃烧后1年）的巨杉幼苗密度与预定燃烧后10年的密度之间存在相关性。随着时间的推移，没有任何巨杉再生的地块比例显著增加。在预定燃烧后1年，只有23%的地块没有巨杉再生；而在20年后，这一比例上升到了82%。

1 引言

1910年夏天，美国西部异常炎热、干燥且多风，不出所料，那是一个野火频发的季节。1910年最大的野火在短短两天内蔓延到了北落基山脉约120万公顷的森林中（Odion等人，2014年）。在那次火灾之后，美国联邦土地管理机构启动了野火抑制政策（Odion等人，2014年）。20世纪初，人们认为这一政策是拯救巨杉（Sequoia giganteum）的关键。直到几十年后，一些科学家才意识到巨杉是“延迟性燃烧”的植物，并且依赖火灾才能有效繁殖（Harvey等人，1980年；Weatherspoon，1990年；Harvey和Shellhammer，1991年）。历史上，巨杉林中的火灾通常以低/中等强度为主，偶尔会有小规模的高强度火灾（Stephenson、Soderberg等人，2024年；Stephenson、Caprio等人，2024年），根据火灾疤痕数据估计，火灾间隔时间从16年到22年不等（Swetnam等人，2009年）或11年到39年不等（Kilgore和Taylor，1979年）。偶尔也会出现长达数十年甚至一个世纪以上的无火灾期（Swetnam等人，2009年）。在多世纪的时间尺度上，巨杉林中的火灾还包括更大规模的高强度火灾（Stephenson等人，1991年）。尽管人们对巨杉和火灾有了新的认识，但野火抑制政策仍然持续实施，尽管在Sequoia和Kings Canyon国家公园（SEKI）的巨杉林中进行了一些有限的预定燃烧（Hartesveldt等人，1975年；Harvey等人，1980年；Harvey和Shellhammer，1991年），SEKI地区也偶尔会发生较小的野火。然而，从2015年开始，在炎热、干燥和多风的条件下发生了一系列大规模的野火——这些火灾无法被抑制。这些火灾主要是由自然引发的闪电火灾，其中大部分发生在2020-2021年的野火季节。2020-2021年火灾季节结束后，土地管理者发布报告，认为最近的野火是由于火灾抑制政策和一个世纪的燃料积累，导致巨杉林中出现了前所未有的高强度火灾（Shive等人，2022年；Meyer等人，2024年；Soderberg等人，2024年；Stephenson、Soderberg等人，2024年；Keeley和Pausas，2025年）。基于这一未经验证的假设，美国国会提出了立法，旨在推翻关键的环境法律，允许在所有联邦公共土地上的巨杉林中进行伐木，包括荒野地区和国家公园，据称这是为了控制野火。此外，土地管理者现在提议广泛实施低强度的预定燃烧，以预防和抑制进一步的混合强度野火（USDA，2022年；Stephenson、Caprio等人，2024年），基于这样的假设：如果通过低强度的预定燃烧能够在大多数地区初期实现高密度的巨杉幼苗（Soderberg等人，2024年；Stephenson、Caprio等人，2024年），这将导致后续年份的相对较高的再生密度，从而保持或增加巨杉的数量（York等人，2013年；Soderberg等人，2024年；Stephenson、Soderberg等人，2024年；Keeley和Pausas，2025年）。我研究了野火抑制对所有现存巨杉林的影响（图2）。具体来说，我调查了以下内容：（1）土地管理者提出的假设，即火灾抑制导致了巨杉林中前所未有的高强度火灾；（2）零假设，即火灾抑制（自上次火灾以来的时间增加）与高强度火灾的百分比之间没有相关性；（3）土地管理者提出的假设，即低强度预定燃烧后的初期巨杉幼苗密度将与后续年份的较高再生密度相关；（4）零假设，即低强度预定燃烧后，缺乏巨杉再生的巨杉林比例不会随时间变化。

2 材料与方法

2.1 火灾抑制前后的高强度火灾发生率

我分析了所有现存巨杉林中的高强度火灾发生率。我确定了火灾抑制后的高强度火灾复发间隔（1910-2024年），定义为使与研究区域相等（所有现存巨杉林的总面积）的区域至少发生一次高强度火灾所需的时间间隔（Baker，2014年）。我使用了国家公园服务局提供的当前巨杉林边界地图（https://nps.maps.arcgis.com/apps/instant/basic/index.html?appid=5e47ca7784734b91b4c5b004618ca87b），并利用快速植被状况评估（RAVG）火灾强度数据库（https://data.fs.usda.gov/geodata/rastergateway/ravg/index.php）来确定2012年以来巨杉林中的高强度火灾面积（76%-100%基部面积死亡）。土地管理者在考虑潜在的火灾后管理措施时经常使用RAVG火灾强度数据，因此该数据集适用于此分析。然后，我使用了加利福尼亚州的火灾和资源评估计划（FRAP）数据库中的历史火灾边界数据（https://www.fire.ca.gov/what-we-do/fire-resource-assessment-program/fire-perimeters），以确定1910-2011年巨杉林中的总火灾面积。FRAP数据库从1910年开始，合理地代表了火灾抑制后的时期，因为火灾疤痕研究表明，大约在1900年，巨杉林中的火灾频率已经低于历史变化范围（Swetnam等人，2009年，图8B）。我将Williams等人（2023年）对巨杉林历史高强度火灾百分比的估计（8%）应用于1910-2011年燃烧的面积，并将其加到2012-2024年的高强度火灾面积上，从而得出1910-2024年巨杉林中的高强度火灾总面积。我通过将观察期（115年）除以该期间内被高强度火灾烧毁的研究区域比例来计算高强度火灾复发间隔（Baker，2014年）。我使用上述相同的方法确定了火灾抑制后的低强度火灾（未改变、低强度和中等强度合计）的复发间隔。我通过多个来源估算了火灾抑制前的高强度火灾复发间隔。我使用了四项研究中的现有数据，这些研究包含了适用于混合针叶树/巨杉亚型的历史火灾制度估计（Stephens等人，2007年；Baker，2014年；Hanson和Odion，2016a，2016b；Williams等人，2023年）。其中两项研究不仅报告了火灾前的复发间隔，还包含了每次火灾期间的高强度火灾平均百分比估计（Stephens等人，2007年；Williams等人，2023年），这允许简单计算高强度火灾复发间隔。Hanson和Odion（2016a，2016b）直接报告了火灾抑制前的高强度火灾复发间隔。对于Baker（2014年），我使用了该研究中110年火灾抑制前的高强度火灾多边形，并将这些多边形叠加在巨杉林上，以确定该期间内被高强度火灾烧毁的林地区域比例。我使用这些数据计算了巨杉林中的火灾抑制前高强度火灾复发间隔。对于火灾抑制前的低强度火灾复发间隔，我使用了三个来源的估计数据：Stephens等人（2007年）、Swetnam等人（2009年）和Williams等人（2023年）。这些研究提供了火灾抑制前的低强度火灾复发间隔的直接估计。这些关于火灾抑制前高强度火灾复发间隔的来源在定义和描述上非常相似，但并不完全相同。Baker（2014）将高强度火灾定义为75%-100%的木材体积死亡，基于一个历史来源，并估计75%的木材体积死亡会高于76%的基部面积死亡（Baker，2014年）。Williams等人（2023）将高强度火灾描述为95%-100%的树木死亡。Stephens等人（2007）将高强度火灾定义为约100%的死亡，而Hanson和Odion（2016a，2016b）使用了一个历史数据集，将高强度火灾区域描述为所有可销售木材被烧毁的区域，同样约为100%的树木死亡。虽然RAVG数据库中描述的高强度火灾为76%-100%的基部面积死亡，但研究发现，RAVG高强度火灾类别中有77%的样地的基部面积死亡率为100%，另有10%的样地的基部面积死亡率为90%-99%（Miller和Quayle，2015年）。因此，不同来源中的高强度火灾具有相当的可比性。为了进一步估算火灾抑制前的高强度火灾复发间隔，我使用了Stephenson（1994年）提供的三个巨杉林的年龄等级分布数据，估算了火灾抑制前的成熟巨杉死亡复发间隔。我认为历史上不频繁的高强度火灾是导致成熟巨杉死亡的主要因素，因此火灾抑制前的成熟巨杉死亡复发间隔估计可以合理地代表历史上的高强度火灾复发间隔。我分别使用了Stephenson（1994年）中的1900年前和1800年前的年龄等级数据进行了两次估算（1994年时最年轻的年龄等级为94-193岁，现在应为125-224岁）。对于这些估算，我使用了Weibull分布的负指数形式，该形式假设火灾死亡概率自上次火灾事件以来不会随时间变化（Johnson和Gutsell，1994年；Cyr等人，2009年）。这一假设在实证火灾历史研究中得到了验证（Cyr等人，2009年）。根据Weibull分布的负指数形式，通过确定在起始年份之前，年龄等级频率分布中有63.2%的年龄等级比结果年份年轻的年数来估算死亡复发间隔（Johnson和Gutsell，1994年）。年轻年龄等级中总年龄等级分布的比例较高与较短的复发间隔相关，而年轻年龄等级中总年龄等级分布的比例较低与较长的复发间隔相关。

2.2 火灾抑制与高强度火灾

最近的大规模闪电火灾中，2021年的KNP复合火灾（35,737公顷）尤为特殊，因为它烧毁了多个没有伐木历史的巨杉林，因为火灾发生在受保护的国家公园土地上。此外，这场火灾还蔓延到了一些在过去的几十年中偶尔发生过火灾的巨杉林。这种情况为研究上次火灾以来的时间与高强度火灾发生之间的关系提供了机会。我分析了零假设，即巨杉林中高烈度火灾的发生率与上次火灾发生后的时间（火灾排除期）之间没有相关性。在KNP复合体火灾范围内，我使用了以下火灾后时间分类进行这项分析：1-5年、6-10年、11-15年、16-20年、21-30年、31-50年、51-100年以及超过100年。在SEKI所有完全或部分位于KNP复合体火灾范围内的巨杉林区域，我使用了FRAP火灾边界数据库和RAVG火灾严重程度数据库来确定每个火灾后时间分类中的高烈度火灾百分比。我使用了Spearman等级相关系数检验（Glantz 2005）来分析火灾后时间分类与高烈度火灾百分比之间是否存在相关性。

2.3 低烈度计划性火灾与巨杉再生

我调查了土地管理者提出的假设，即在低烈度计划性火灾后，初始的巨杉幼苗密度将与随后几年更高的巨杉再生密度相关。我使用了SEKI的野外样地数据集（1969-2016年），该数据集记录了计划性火灾后1年至20年内的巨杉再生情况。关于计划性火灾后5年内的巨杉再生调查数据，参见Stephenson, Caprio等人（2024年）的研究，他们描述这些计划性火灾主要是低/中等烈度的火灾，其中包含一些非常小的高烈度火灾斑块，通常面积只有几公顷（Stephenson, Soderberg等人2024年；Stephenson, Caprio等人2024年）。在本研究中，我将这些计划性火灾称为具有“低烈度火灾”效应。Stephenson, Caprio等人（2024年）没有包括计划性火灾后5年以上的SEKI数据和巨杉再生数据。SEKI提供了火灾后5年以上的计划性火灾和巨杉再生数据，这些数据见本研究的附录S1。此外，一个显示每个计划性火灾样地位置的交互式地图及其坐标可以在以下链接找到：https://ginfo.maps.arcgis.com/apps/mapviewer/index.html?webmap=9c2278f3c59c4813bd4c5b77207bcbff。对于分析计划性火灾后1年和5年的巨杉再生密度之间的相关性，以及1年和10年之间的相关性，我使用了与Stephenson, Caprio等人（2024年）相同的SEKI数据集，但排除了该数据集中被野火烧毁的4个样地。我使用了Spearman等级相关系数检验（Glantz 2005）来确定火灾后1年和5年的巨杉再生密度之间是否存在相关性。

3 结果

3.1 火灾抑制前后的高烈度火灾发生率

我发现，在1910年至2024年的115年期间，火灾影响了10,360公顷巨杉林总面积的82.0%，其中16.9%的林区经历了高烈度火灾，高烈度火灾的复发间隔为680年（表1，附录S2）。火灾抑制前的高烈度火灾复发间隔估计更短，即火灾抑制之前的高烈度火灾更为频繁，估计的复发间隔从232年到473年不等（表1，附录S2和S3）。Baker（2014）报告的火灾抑制前的高烈度火灾复发间隔为300年（附录S3），Hanson和Odion（2016a, 2016b）报告的复发间隔为273年。Williams等人（2023）报告平均每31年发生8%的高烈度火灾，火灾抑制前的复发间隔为387年。Stephens等人（2007）报告平均每20年发生5%的高烈度火灾，火灾抑制前的复发间隔为400年。对于1900年之前的巨杉，火灾抑制前的死亡复发间隔为232年；对于1800年之前的巨杉，复发间隔为473年。表1显示了火灾抑制后和火灾抑制前的高烈度火灾（HS）复发间隔及每个世纪的高烈度火灾百分比的估计值。

3.2 火灾抑制与高烈度火灾

火灾发生后与高烈度火灾百分比之间没有显著相关性，零假设未被拒绝（rs = 0.238，p = 0.570，表2，附录S4）。

3.3 低烈度计划性火灾与巨杉再生

我发现，在计划性火灾后1年，巨杉的再生密度与5年后的再生密度之间存在显著相关性（rs = 0.590，p = 0.002）（附录S5）。然而，在计划性火灾后1年与10年之间的巨杉再生密度之间没有相关性（rs = 0.218，p = 0.306，图3，附录S5）。图3显示，在同一样地中，计划性火灾后1年和10年的巨杉再生密度（每公顷的幼苗数量）。从计划性火灾后第1年（n = 31）到第5年（n = 32），再到第10年（n = 34），以及第20年（n = 11），巨杉再生未发生的样地比例显著且逐渐增加（χ2 = 8.16，df = 1，p = 0.004，图4，附录S6）。没有巨杉再生的样地比例从火灾后1年的22.6%增加到20年的81.8%。在计划性火灾后20年，平均巨杉再生密度为每公顷10.9株，中位密度为每公顷0株（附录S6）。

4 讨论

尽管在过去十年中巨杉林发生了大规模的野火，但我发现所有烈度的火灾发生率仍然低于1910年实施火灾抑制政策之前的水平。我还发现，与海岸红杉（Sequoia sempervirens）森林的情况不同，低烈度计划性火灾并没有有效地促进巨杉的长期再生。在海岸红杉森林中，计划性火灾成功地促进了红杉幼苗和幼树的再生（Cowman和Russell 2021；Biblin等人2025）。此外，我发现火灾发生后的时间与高烈度火灾的百分比之间没有关系，这与普遍的假设相反，即由于火灾抑制，长时间未燃烧的森林会因为燃料积累和林分密度增加而出现更高水平的高烈度火灾。虽然一些模型分析报告称，随着距离上次火灾的时间增加，火灾烈度略有增加（Steel等人2015），但大多数研究要么发现火灾发生后时间与火灾烈度之间没有关系（Odion和Hanson 2008；van Wagtendonk等人2012），要么发现长时间未燃烧的森林中高烈度火灾的水平较低（Odion等人2004，2010；Miller等人2012）。这种看似违反直觉的发现可以如何解释呢？越来越多的科学研究表明，野火行为主要受气候和天气因素的影响，特别是在干旱年份的炎热、干燥和多风条件下（Lydersen等人2014；Bradley等人2016；Reilly等人2022），而且生物量更高、树冠覆盖更密集的森林具有更凉爽、更湿润、更阴凉、风更小的微气候，这通常与较低的野火烈度相关（Zald和Dunn 2018；Lesmeister等人2019，2021；Meigs等人2020）。两篇最近的综述文章，Stephenson, Soderberg等人（2024）和Keeley和Pausas（2025）提出，在火灾抑制之前，高烈度火灾可能主要局限于非常小的斑块，通常约为0.1公顷，最大几公顷（Stephenson, Soderberg等人2024），并认为较大的斑块可能较为罕见。Stephenson, Soderberg等人（2024）这一观点基于Huntington（1914）的年龄-直径数据。他们指出，胸高3.2米的巨杉平均年龄为1000年，并认为红木山林地中这种大小及以上的巨杉数量表明至少1000年来没有较大规模的高烈度火灾。然而，Stephenson, Soderberg等人（2024）错误引用了Huntington（1914）的数据，后者提供的是树桩高度处的直径数据，而这个高度高于胸高（Stephenson和Demetry 1995）。因此，Stephenson, Soderberg等人（2024）没有考虑到大型巨杉的厚树皮或树木基部明显的逐渐变细现象（Sillett等人2015，2019），导致他们低估了胸高直径并高估了树木的年龄。实际直径-年龄关系数据显示，巨杉通常在400到600年时达到约3.2米的胸高（Sillett等人2015，2019）。Keeley和Pausas（2025）关于历史高烈度火灾斑块的假设基于这样一个观点，即2020-2021年的野火中，大型高烈度火灾斑块中的巨杉几乎完全不存在，他们引用了Soderberg等人（2024）的研究。然而，Soderberg等人（2024）报告称，在火灾后一年，即使在高烈度火灾范围内，冠层火灾区域的巨杉幼苗密度也约为每公顷5000-15,000株（Soderberg等人2024，图4C）。在Soderberg等人（2024）提供的火灾后两年调查的补充电子表格数据中，冠层火灾区域的巨杉幼苗密度（RdNBR值>800）甚至更高，约为每公顷8000-16,000株。此外，其他研究在19世纪美国政府的森林调查基础上，记录了内华达山脉南部和中部混合针叶林中数十或数百公顷的大型高烈度火灾斑块（Baker 2014；Hanson和Odion 2016a，2016b）。Baker（2014）基于19世纪中后期美国土地办公室的森林调查绘制的地图，与19世纪末美国地质调查局现场工作人员直接绘制的地图相比，具有很高的准确性（Baker 2014）。火灾抑制及其导致的森林密度和活生物量增加导致巨杉林中前所未有的火灾烈度的假设（Shive等人2022；Meyer等人2024；Soderberg等人2024；Stephenson, Soderberg等人2024；Stephenson, Caprio等人2024；Keeley和Pausas 2025）促使土地管理机构在巨杉林中采取了一系列森林管理措施，包括机械疏伐、火灾后伐木和植树项目，这些措施以野火管理和重新造林的名义进行（USDA 2022；USDOI 2023）。这种管理方法的理由是，人类管理导致了有害且不自然的结果，因此认为人类管理可以解决这个问题（USDA 2022，USDOI 2023）。除了我在本研究中的发现之外，还有理由对这种方法表示担忧。大量科学研究表明，机械性疏伐和火灾后的伐木措施并不能有效控制火灾的严重程度（Chen等人1999年；Donato等人2006年；Thompson等人2007年；Hanson 2021年；Baker和Hanson 2022年），而且这些措施可能会杀死大部分火灾后自然再生的红杉和其他针叶树（Donato等人2006年；Hanson、Chi、Baker等人2024年）。研究发现，巨型红杉的繁殖活动在高强度火灾区域最为活跃（Meyer和Safford 2011年；York等人2013年；Hanson、Chi、Khosla等人2024年；Hanson、Chi、Baker等人2024年），而高强度火灾会导致巨型红杉的高死亡率，但这种死亡率并非完全致命（Shive等人2022年）。对于巨型红杉的保护来说，我们既不希望野火过于频繁，也不希望野火完全消失。在未来几年和几十年内，监测巨型红杉林中的火灾趋势对于制定野火政策非常重要。当火灾仍然处于较低水平时，正如目前的情况一样，土地管理者应优先考虑增加人工控制的野火、计划性燃烧以及原住民的传统燃烧方式（North等人2015年；Baker等人2023年）。这种燃烧方式能够带来更好的生态效果，并且每单位面积的成本远低于机械操作（North等人2015年）。研究还表明，在燃烧前无需移除树木，即使在火灾季节（天气较为温和的情况下），或者在最密集且长期未发生火灾的森林中也是如此（Stephens和Finney 2002年；Knapp等人2005年）。然而，我的研究结果并不支持土地管理者用低强度的计划性燃烧来替代混合强度的野火，或者将其作为预防和抑制野火的手段。我发现，在计划性燃烧区域，红杉幼苗的初始密度与燃烧后10年的红杉再生密度之间没有关联；在低强度计划性燃烧20年后，82%的样地中没有任何巨型红杉的再生现象，这与人们普遍认为计划性燃烧会促进大量且持久的红杉再生并使其达到成熟状态的假设相反（York等人2013年；Soderberg等人2024年；Stephenson、Soderberg等人2024年；Stephenson、Caprio等人2024年；Keeley和Pausas 2025年）。计划性燃烧在巨型红杉的保护中具有一定的作用，尤其是在低强度火灾较为普遍的情况下（Baker等人2023年）。尽管如此，现有的证据表明，我们应该将混合强度的野火视为对巨型红杉及其他迟熟针叶树来说具有生态重要性和进化历史意义的过程（He等人2016年；Lamont等人2019年、2020年；Schoennagel等人2003年；Briand等人2015年；Su等人2015年；Ladd等人2022年；Pelletier和de Lafontaine 2023年；Liu等人2025年）。作者贡献：

Chad T. Hanson：概念构思（负责人）、数据整理（负责人）、正式分析（负责人）、资金筹集（负责人）、调查（负责人）、方法论设计（负责人）、项目管理（负责人）、资源调配（负责人）、软件选择（负责人）、监督工作（负责人）、数据验证（负责人）、数据可视化（负责人）、初稿撰写（负责人）、审稿与编辑（负责人）。

致谢：
感谢Environment Now基金会为这项研究提供资金支持。同时感谢Bryant Baker在火灾后时间分析方面的GIS工作，以及GreenInfo Network在所有其他GIS方面的协助。

资金来源：
本研究由Environment Now基金会资助，项目编号为2025。

利益冲突声明：
作者声明没有利益冲突。

数据可用性声明：
本研究的原始数据（包括坐标信息）可在附录S1–S6中找到。