不同施肥种类毛竹叶片色素含量及反射光谱相关性研究

采用UniSpec-SC光谱分析仪对毛竹叶片反射光谱进行测定,并对叶片色素含量与反射光谱参数的相关性进行分析,研究缓释肥(Tr1)、毛竹专用肥(Tr2)、混合配方肥(Tr3)对毛竹叶片色素含量的影响。结果表明:3种施肥处理对毛竹叶片色素含量均有明显的影响,其中Tr1处理叶绿素a、叶绿素b含量呈极显著增加(P<0.01),分别比对照增加15.7%、13.8%。3种施肥处理的毛竹叶片可见光区525～605 nm波长的反射光谱都明显降低,在550 nm波长处Tr1、Tr2、Tr3处理的光谱反射率分别比对照降低11.4%(P<0.01)、8.1%、7.8%,并使红边位置向长波方向移动;与对照相比3种施肥处理均使毛竹叶片PSSRb、PSSRc、PSNDb、PSNDc、CRI1、CRI2、SIPI和PRI等反射光谱参数升高;相关分析表明,毛竹叶片叶绿素a、叶绿素b、叶绿素总量、类胡萝卜素含量与光谱参数PSSRc、PSNDc、NPCI、CRI1、CRI2、SIPI和PRI之间存在显著的相关性(P<0.05),其中PSSRc、PSNDb、PSNDc、NPCI、CRI、SIPI和mSR705等反射光谱参数值与施肥种类相关。说明毛竹对缓释肥的利用率更高,毛竹叶片反射光谱对毛竹叶片色素含量和营养状况有良好的估测效果。     

基于RBF组合模型的山地红壤有机质含量光谱估测

【目的】探讨组合模型在山地红壤有机质含量高光谱估算中应用的可行性,以期为土壤有机质含量估测提供基础数据和科学依据。【方法】基于山地红壤光谱的全波段(400~2 450 nm)研究范围,选择偏最小二乘回归(PLSR)、BP神经网络(BP)和支持向量机回归分析(SVMR)3种单一高光谱估测模型,分别获得预测结果,并重构预测结果数据,以绝对误差和最小为目标,计算固定权重与不固定权重两种组合模型的权重值,并基于径向基函数(RBF)神经网络法建立组合模型,探讨不同赋权方法与是否重构数据条件下的最优组合模型。通过均方根误差(RMSE)、预测偏差比(RPD)和决定系数(R2)评价山地红壤有机质含量的预测精度。【结果】单一预测模型中的SVMR估测精度最高,验证决定系数(R2)为0.64,均方根误差为9.76 g·kg-1,测定值标准差与标准预测误差的比值为1.67;在组合模型数据不重构的条件下,不定权组合模型要优于定权组合模型;在组合模型数据重构的条件下,定权组合模型要略优于不定权组合模型,估测精度相差不大;最优模型是数据重构定权组合模型,模型验证决定系数(R2)为0.87,均方根误差为7.91 g·kg-1,测定值标准差与标准预测误差的比值为2.06;组合模型验证精度优于单一模型,说明利用RBF组合模型估算山地红壤有机质含量是可行的。【结论】对山地红壤有机质含量的快速估测而言,单一模型具有操作简单、运算速度快等特点,因而具有较大应用价值,但组合模型能较大限度地利用各种预测样本信息,从而能有效减少应用单一模型时所受随机因素的影响,从而提高山地红壤有机质含量的估测精度。     

植被叶片生化组分光谱响应分析与估测

【目的】传统植被生化组分化学分析法具有破坏性且耗费较多人力物力等缺点,高光谱技术可以为快速无损地估测植被生化组分含量提供有效手段。【方法】利用LOPEX’93数据集,对原始光谱进行了4种光谱变换(一阶微分DR、取倒数1/R、取对数log R、倒数的对数log(1/R)),提取了“三边”参数、光谱指数、全波段光谱指数,并分析它们与叶绿素含量(C＿ab)、干物质含量(LMA)、等效水厚度(EWT)的相关性,将提取的相关性高的光谱特征作为输入变量,分别采用偏最小二乘回归(PLSR)、支持向量机(SVM)、随机森林(RF)建立模型并进行预测,以模型的决定系数R²和均方根误差RMSE作为判定模型优劣的指标。【结果】4种光谱变换中最有效的方式是一阶微分,其中,一阶微分波段D₇₄₂、D₅₃₅对C＿ab有较强的光谱响应;D₁₇₀₀、D₁₂₂₉、D₂₁₉₂对LMA具有较高的响应;D₁₁₄₅、D₁₃₀₂、D₉₅₅     

基于多距离度量kNN模型的森林蓄积量反演

【目的】森林蓄积量是衡量森林质量和生长状况的重要指标。利用遥感技术进行森林蓄积量反演相比传统的森林调查能显著提高森林资源调查效率,对快速获取区域范围森林生长状况,进行高效的资源利用和森林经营管理具有重要意义。【方法】以陕西韩城市为研究区,利用森林资源二类调查数据库提取森林蓄积量实测数据,结合Sentinel-2遥感影像进行森林蓄积量反演。通过线性逐步回归法和重要性评价法分别进行变量筛选,构建多元线性回归模型、支持向量机模型、随机森林模型和基于欧式距离、曼哈顿距离和马氏距离构建的kNN模型进行森林蓄积量估测,通过精度评价比较最终选择估测精度最高的模型进行研究区森林蓄积量反演。【结果】1）马氏距离是最适合构建kNN模型的距离度量。基于马氏距离构建的kNN模型在所有模型中实现了最高的估测精度,决定系数R2为0.66,均方根误差RMSE为10.02 m3/hm2,均方根误差相比随机森林模型、支持向量机模型和多元线性回归分别下降了3.9%、7.8%和29.9%;2）非参数模型在森林蓄积量估测中的精度显著优于参数模型。基于马氏距离构建的kNN模型、随机森林模型、支持向量机模型均方根误差相比多元线性...     

基于叶片形态的毛竹单叶叶面积模型

【目的】毛竹叶片小、易卷曲的特点增加了叶面积测量的难度和测量误差,本研究旨在建立快速、便捷、准确测量毛竹叶片面积的模型。【方法】采集7个省份的毛竹叶片,对毛竹叶片形态进行分类,利用叶长、叶宽数据和扫描所得实际叶面积进行建模,并采用均方根误差、卡方、赤池信息量准则和预测精度检验模型的精度,同时与叶面积仪测定结果进行精度比较。【结果】1)根据长宽比,毛竹叶片可以分为3类,分别是类三角形叶片(长宽比≤7.2)、长椭圆叶片(7.2长宽比≤8.3)和细长条叶片(长宽比8.3); 2)对毛竹叶面积和叶形态学指标的相关分析显示,叶片长度与宽度的积对叶面积影响最大,相关系数为0.993; 3)建立以叶片长宽积为自变量的叶形分类拟合模型,其决定系数为0.990 1、均方根误差为0.159 6、卡方值为10.368 1、赤池信息量准则为-6 317.10、预测精度为97.73%,其预测结果最佳,优于叶形不分类的整体拟合和叶面积仪测量结果。【结论】基于叶片形态分类的毛竹叶面积拟合模型仅需测定叶片的长和宽,便可准确预测叶片面积,其精度不但优于叶面积仪与整体拟合结果,而且测量过程快速、便捷。该模型可解决长期困扰的毛竹叶片面积测量难题。     

基于ALS数据和哑变量技术森林蓄积量估测

基于机载LiDAR数据,分析哑变量对林分蓄积量估测精度的影响。以广西高峰林场为研究对象,借助机载激光雷达点云数据和96个样地数据,将样地数据按7∶3的比例随机划分为建模样本和测试样本,采用随机森林模型(RFR)和支持向量机模型(SVR)对建模样本与对应的点云特征回归建模,将树种组(针叶林和阔叶林)和龄组分别作为哑变量引入到回归模型。利用测试样本的估测精度评价模型的估测精度,引入树种组哑变量,随机森林模型决定系数R2从0.59提高到0.64,支持向量机模型决定系数R2从0.49提高到0.50。引入龄组哑变量,随机森林模型决定系数R2从0.59提高到0.65,支持向量机模型决定系数R2从0.45提高到0.55。根据模型的建模精度和验证精度结果得出,引入哑变量对蓄积量估测模型的精度提升是相对有效的。龄组哑变量对模型精度提升效果优于树种组哑变量。     

闽中毛竹立地质量评价及分级研究

【目的】毛竹立地质量评价是揭示毛竹生长与其立地因子间的关系的重要方法，对其进行研究是科学培育毛竹林的基础。【方法】对福建省永安市毛竹林的胸径、竹高进行了大样本调查分析，采用引入哑变量分级的方法，建立了毛竹的竹高-胸径曲线模型；探讨了毛竹胸径与其立地的气候因子、地形地貌因子及土壤因子间的关系，构建了回归模型。【结果】1）拟合毛竹竹高-胸径曲线的最优模型为逻辑斯蒂模型，引入哑变量分级的方法可以显著提高模型精度。引入哑变量分级的方法与未分级的方法相比，分级后模型的决定系数由0.548提高到0.901。依据模型实验区毛竹林可以分为5个立地等级。2）主成分分析表明，实验区影响毛竹生长的最重要气候因子为1月均温和出笋期降水量。3）对福建省毛竹胸径起影响的地形地貌因子重要性排序为：土层厚度坡位。可以用线性模型拟合胸径-地形地貌因子线性模型：D=0.119×(Pos)+0.803×(Thc)+8.136(R~2=0.554)。4）在土壤因子中，重要性排序为：全氮有机质碱解氮。【结论】采用引入哑变量分级的方法可显著提高毛竹立地质量评价的精度，1月均温、出笋期降水、土层厚度、坡位、坡度、全氮、有机质、碱解氮是与毛竹生长相关的主要气候和立地因子。研究结果为毛竹立地质量评价及生产潜力预估模型的构建提供了新的方法。     

基于人工蜂群算法优化SVM的NIR杉木弹性模量预测

【目的】利用近红外光谱分析技术,提出一种基于人工蜂群算法优化支持向量机(ABC-SVM)的木材弹性模量预测模型,为木材弹性模量无损预测提供科学参考。【方法】以294个杉木样本为试验材料,采用常规力学方法测量样本弹性模量,采集样本近红外漫反射光谱,选择350～2 500 nm光谱段,对原始数据进行15步指数平滑和一阶导数预处理,并利用主成分分析降维处理后的数据,建立偏最小二乘回归(PLS)模型、支持向量机回归(SVR)模型和人工蜂群算法优化支持向量机(ABC-SVM)模型预测杉木弹性模量,采用决定系数(R2)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)和平均绝对误差(MAE)对所建模型进行对比分析。【结果】PLS模型的R2为0.726 700、RMSE为6.744 9、MAPE为0.063 5、MAE为5.065 6; SVR模型的R2为0.935 305、RMSE为3.528 1、MAPE为0.023 7、MAE为1.840 9;将人工蜂群算法用于SVM参数寻优,获得的最优参数c=5.670 51、g=0.031 25,ABC-SVM模型的R2为0.935 371、RMSE为3.526 0、MAPE为0.023 7、MAE为1.840 0。3种模型均可对杉木弹性模量进行有效预测。【结论】1)根据决定系数(R2),SVR和ABC-SVM模型的预测性能优于PLS模型,ABC-SVM模型的预测性能最佳; 2)根据均方根误差(RMSE)、平均绝对百分比误差(MAPE)和平均绝对误差(MAE),3种模型的MAPE均在可接受范围内,ABC-SVM模型关于误差的各项指标均最小,基于ABC-SVM模型预测杉木弹性模量高效、科学。     

星载LiDAR与HJ-1A/HSI高光谱数据联合估测区域森林冠层高度

【目的】将ICESat-GLAS波形数据与HJ-1A/HSI高光谱数据联合,借助HSI高光谱数据提供的连续高分辨率光谱信息,实现区域森林冠层高度的估测,降低由于GLAS光斑呈离散条带状分布无法覆盖整个研究区造成的估测误差。【方法】首先,从平滑后的ICESat-GLAS波形数据中提取波形参数(波形长度W和地形坡度参数TS),基于W和TS建立GLAS森林冠层高度估测模型,并利用此模型计算研究区所有GLAS光斑内的森林冠层高度;然后,采用最小噪声分离法(MNF)对HJ-1A/HSI高光谱数据进行降维,提取前3个MNF分量(MNF1,MNF2,MNF3);最后,基于支持向量回归机(SVR)算法,利用GLAS估测的森林冠层高度和3个MNF分量建立区域森林冠层高度SVR估测模型,并估测研究区内无GLAS光斑覆盖区域的森林冠层高度,生成森林冠层高度分布图。【结果】从ICESat-GLAS波形数据中提取的地形坡度参数TS与野外实测地形坡度具有显著线性关系(R2=0.78);基于W和TS建立的GLAS森林冠层高度估测模型的R~2=0.78,RMSE=2.51 m,模型验证的R~2=0.85,RMSE=1.67 m;基于支持向量回归机算法建立的SVR模型建模的R2=0.70,RMSE=3.62 m,模型验证的R2=0.67,RMSE=4.42 m。采用野外数据对最终得到的森林冠层高度分布图的估测误差进行分析,结果估测误差最大值为7.10 m,最小值为0.07 m,平均值为1.78 m,估测误差的标准差为1.49 m,Q1为0.75 m,Q3为2.31 m。【结论】从ICESat-GLAS波形数据中提取的地形坡度参数TS能够很好地反映地形坡度的变化,本研究建立的线性关系模型可克服对数关系模型在平坦地区解释困难的问题。基于支持向量回归机算法,将ICESat-GLAS波形数据与HJ-1A/HSI高光谱数据联合,可克服ICESat-GLAS由于光斑呈离散条带状分布无法实现区域森林冠层高度估测的不足,实现对区域森林冠层高度的高精度估测。     

截形叶螨危害下枣叶片含水率高光谱估测模型

【目的】叶片含水率是反映植物生长发育状况的重要指标,对其进行实时、快速、准确的动态监测是实施枣园精准灌溉和水分合理利用的重要技术措施,对枣树水肥一体化管理有一定的实用参考价值。【方法】以截形叶螨危害下枣叶片的光谱反射率和叶片含水率数据为基础,分析枣叶片原始光谱反射率和不同微分变换光谱反射率与叶片含水率间的相关关系,分别运用一元线性回归(MLR)、多元线性逐步回归(SMLR)法构建了截形叶螨危害下枣叶片含水率的高光谱估测模型,并以模型拟合度(R~2)为主要依据,结合均方根差(RMSE)和相对均方根差(RE)对模型的稳定性和预测能力进行了检验。【结果】微分数据变换可以有效增强枣叶片光谱与水分含量之间的相关性,其中以一阶微分变换的反射光谱与叶片水分含量间具有最密切的相关性。而在截形叶螨危害下枣叶片含水率的高光谱估测模型中,SMLR模型整体建模效果优于MLR模型,其中以655 nm等7个波段组合的一阶微分光谱敏感波段所构建的SMLR模型的拟合度最好,R~2达到了0.836。【结论】截形叶螨危害下枣叶片光谱反射率对其叶片含水率存在光谱指示波段。因此,利用高光谱技术对其叶片水分状况进行适时监测是可行的,这对该虫害危害后枣叶片水分含量信息的探测和虫害的早期监测及预警均有一定的应用潜力。     

基于高分二号的旺业甸林场蓄积量估测模型研究

【目的】为了探究国产高分二号(GF-2)影像在林分蓄积量估测中的潜力,并找到最佳的蓄积量估测模型。【方法】本次实验以内蒙古旺业甸林场为研究区,以高分二号卫星影像为信息源,结合2017年10月份调查的75块样地以及同时期的GF-2影像数据,提取波段特征、植被指数和纹理特征等43个遥感因子作为候选变量,利用Pearson相关系数选择出与蓄积量显著相关的6个变量,采用多元线性回归模型(MLR)、BP-神经网络模型(BP-ANN)、随机森林模型(RF)、支持向量机模型(SVM)和K邻近模型(KNN)进行蓄积量的估测。以决定系数(R^2)、均方根误差(RMSE)、相对均方根误差(RRMSE%)作为5种模型的评价指标,选择出旺业甸林场的最佳蓄积量估测模型,并绘制了研究区的森林蓄积量分布图。【结果】4种机器学习模型的结果明显优于传统的线性模型,其中随机森林(RF)模型和K邻近模型(KNN)均得到了较高的精度,其中RF模型的R^2为0.66,均方根误差为55.2 m^3/hm^2,相对均方根误差为28.1%,KNN模型的R^2为0.64,均方根误差为57.6 m^3/hm^2相对均方根误差为29.3%。【结论】在利用高分二号数据进行旺业甸林场蓄积量估测时,RF和KNN模型在估测针叶林蓄积量时相比于其他模型可以取得更好的结果。     

基于混合效应的湖南马尾松次生林单木生长模型

[目的]建立湖南省马尾松次生林单木断面积与材积生长模型,为林木的生长预估提供理论依据.[方法]以湖南省2014年一类清查样地中的20块马尾松次生林为研究对象,选取5个具有生物学意义的生长方程,建立马尾松断面积和材积随年龄变化的基础模型,在此基础上,加入以样地为随机效应的随机参数,构建基于混合效应的湖南马尾松次生林单木断...     

基于哑变量的湿地松林分断面积生长模型

[目的]为更好地估测福州市湿地松人工林林分断面积生长情况,同时为湿地松人工林的经营提供参考依据.[方法]基于样地调查数据选用理查德方程、逻辑斯蒂、Mitscherlich和Schumacher等基础模型,引入优势木平均高和年龄因子为自变量并将林分密度指数作为密度指标加入到基础断面积模型中.在最优基础模型中引入哑变量,建...     

基于时序Landsat数据的浙江省竹林信息提取及时空演变

【目的】提取浙江省不同时期竹林分布信息,分析其时空演变规律,揭示竹林面积变化与土地利用格局之间的关系,为国家及至全球尺度长时间序列的竹林时空动态研究提供参考。【方法】以浙江省为研究区,基于2000、2004和2008年Landsat5 TM及2014年Landast8 OLI时间序列影像数据,首先,对不同时期的Landsat数据进行大气校正和几何校正,采用最大似然法提取土地利用和竹林时空分布信息;然后,利用变化幅度和动态度2个指标分析4个时期、3个时间段的竹林时空演变规律;最后,建立全省土地利用时空转移矩阵,揭示竹林时空动态与土地利用格局之间的关系。【结果】1)基于时序Landsat数据提取的浙江省竹林信息精度较高,分类精度达75%以上,使用者精度达91%以上,且分类统计面积与实际清查面积高度吻合,面积提取精度达96%以上; 2) 2000—2014年浙江省竹林面积变化幅度和年均变化率分别为16.55%和1.18%,在时空上呈逐渐增加趋势; 3)浙江省竹林面积由2000年占全省面积的7.33%增长到2014年的8.56%,其中针叶林、阔叶林和农田3种土地利用类型变化对竹林面积增加的贡献最大,贡献率分别为28.62%、37.23%和16.15%。【结论】基于Landsat时间序列数据能够高精度监测浙江省竹林资源动态变化,针叶林、阔叶林和农田等土地利用类型减少对竹林面积时空演变具有显著影响。     

基于距离相关系数和KNN回归模型的森林蓄积量估测研究

【目的】探究Landsat8 OLI数据和KNN算法在森林蓄积量估测中的潜力。【方法】以湖南省湘潭县为研究区,采用Landsat8 OLI数据和同时期的二类调查数据,通过距离相关系数筛选特征,分别采用线性回归模型(MLR)、K-近邻模型(KNN)、距离加权KNN模型(DW-KNN)和优化欧式KNN模型(FW-KNN)对森林蓄积量进行估测。使用十折交叉方法进行精度检验,对检验结果进行对比分析。【结果】3种KNN模型的估测结果均高于传统的线性模型,并且在3种KNN模型中,FW-KNN算法效果最好,决定系数达到0.69,为3种模型中最高;3种KNN模型中,本研究优化欧氏距离KNN模型的估测精度最高,其均方根误差为30.3%,相比于传统KNN模型的均方根误差降低了5.1%,相比于DW-KNN模型降低了3.3%。【结论】采用DW-KNN蓄积量估测结果明显优于其他两种模型,说明通过特征与蓄积量的相关性优化样本间的距离是一种可行的KNN优化方法。     

Differentiation among effects of nitrogen fertilization treatments on conifer seedlings by foliar reflectance: a comparison of methods

Analysis of reflectance can be used to estimate foliar concentrations of photosynthetic pigments, thus providing information on the physiological status of green plants. We compared several methods of reflectance analysis for the capacity to differentiate among effects of fertilization treatments across different irradiances on seedlings of Engelmann spruce (Picea engelmanii Parry ex Engelm.). Seedlings were grown in two light treatments (0 and 60% shade) and three nitrogen (N) treatments (10, 25 and 100 mg N l-1) for one growing season, after which foliar reflectance of the needles was measured. Five indices were tested: R550 (% reflectance at 550 nm); red edge position; the ratio R698:R760; the structure independent pigment index (SIPI); and the photochemical reflectance index (PRI). Both the light and nutrient treatments significantly affected foliar chlorophyll a and b and carotenoid concentrations. Among the indices tested, R550, red edge position and R698:R760 ratio were related to chlorophyll concentration, and were significantly affected by both light and N treatments. Both SIPI and PRI were related to chlorophyll and carotenoid concentrations. Among these relationships, PRI was affected by both treatments, whereas SIPI was sensitive to N treatment but not to light treatment. All five indices were weakly but significantly correlated with growth as measured by dry weight.     

银杏落叶期叶片NDVI值2种拟合方法比较

【目的】对银杏Ginkgo biloba L.落叶期(9—12月)的叶片进行连续定期定点的高光谱测量,计算出能代表其生长状况和营养信息的高光谱参量NDVI值,通过选用两种不同的曲线拟合方法对其NDVI值进行宏观上的以时间为自变量的曲线拟合,选出最优拟合方法,更好地了解银杏落叶期叶片光谱特征参量NDVI值的变化趋势,从而更有效地对其进行决策和控制,为植被的大尺度遥感动态监测提供方法参考。【方法】利用SVC HR-1024I全波段地物光谱仪,选取三株健康、生长环境相同、长势相近的中龄银杏为叶片采集对象,对其落叶期冠层叶片进行定期定点定方位的高光谱观测。对获取的高光谱原始数据进行数据筛选与预处理后,通过计算得出叶片的NDVI值,分别采用二次函数拟合法和ARIMA时间序列拟合法对落叶期叶片的NDVI值进行曲线拟合,并对两种拟合方法的拟合结果进行比较,选出最适合银杏叶片落叶期NDVI值的拟合方法。【结果】二次函数拟合结果为NDVI=-0.0221T2+0.0547T+0.711,决定系数R2为0.926,但因拟合结果t值不显著,样本结果随机性大,不具广泛性;ARIMA时间序列拟合中ARIMA(2,1,2)模型估测结果与实际情况接近,R2为0.811,拟合效果较好。【结论】ARIMA时间序列拟合方法比二次行数拟合方法更适用于对银杏落叶期叶片的NDVI值进行拟合。     

湖南楠木次生林生长与收获预估模型

[目的]建立湖南省楠木次生林林分断面积与蓄积相容性生长收获预估模型,为林分的生长预测和经营决策提供理论依据.[方法]以湖南省1989—2014年6期一类清查样地中的楠木次生林为研究对象,建立其林分断面积和蓄积生长的联立方程组,在此基础上,加入样地效应,构建基于混合效应的联立方程系统.[结果]基础模型包括3个含林分变量的...     

马尾松两种林型土壤养分特征及其与凋落物质量的关系

【目的】研究土壤养分和地被层凋落物养分含量的差异,为马尾松人工林营林措施及地力维持提供科学依据。【方法】以鼎湖山两种典型林型(马尾松纯林和马尾松-黧蒴混交林)为研究对象,对比分析0~60 cm土层的土壤养分含量及地被层凋落物养分含量的差异,探索凋落物质量如何影响土壤养分。【结果】1)林型对土壤有机质、全氮和硫酸根含量有显著影响(P<0.05),对土壤全磷、交换性K+、Ca2+和Mg2+有极显著影响(P<0.01),混交林土壤养分含量(除硝态氮含量和交换性H+含量以外)均高于纯林。2)相同林型不同土层间土壤养分含量差异极显著(P<0.01),其中,土壤有机质和全氮含量随土层的加深而递减,且主要聚集在0~10 cm土层,表聚效应十分明显。3)纯林凋落物有机碳、全氮、C/N和全磷等含量高于混交林;相同林型不同分解层凋落物有机碳、全钙和全镁含量有显著差异(P<0.05),均表现为未分解层>半分解层>腐殖质层。4)土壤养分与地被层凋落物质量的RDA分析表明,0~10 cm土层土壤养分与腐殖质层有机碳呈极显著负相关(P<0.01),与腐殖质层C/N呈显著负相关(P<0.05);在10~20 cm土层,土壤养分与腐殖质层有机碳呈极显著负相关(P<0.05)。【结论】纯林的土壤养分低于混交林的主要原因是纯林凋落物具有较高的C/N和有机碳含量。     

南方8种森林地表死可燃物在平地无风时的燃烧蔓延速率与预测模型

【目的】研究Rothermel林火蔓延速率预测模型及另外2种以Rothermel模型为核心的蔓延速率预测模型对南方8种典型森林地表死可燃物的适用性,为林火蔓延速率预测提供理论支撑和指导。【方法】以南方地区8种典型速率地表死可燃物为对象,根据研究对象的野外实际条件,在东北林业大学帽儿山实验林场风洞实验室内,构建不同可燃物床层含水率、载量及高度的可燃物床层,每种可燃物在平地无风条件下进行36次点烧试验,共288次点烧,记录每种可燃物类型不同配比条件下的蔓延速率。通过直接使用Rothermel模型、重新估计Rothermel模型参数、对Rothermel模型形式改进后自建模型的对比,得到最合适的预测模型。【结果】 1)平地无风条件下,南方8种典型森林地表死可燃物床层最大蔓延速率为0.55 m ·min -1 ,平均蔓延速率由大到小依次为:华山松、云南松、毛竹、柳杉、杉木、马尾松、麻栎及青冈栎。2)直接使用Rothermel模型预测的林火蔓延速率误差较大,平均绝对误差为0.18 m ·min -1 ,平均相对误差为70.0%。3)重新估计参数后的Rothermel模型及自建模型,预测的可燃物蔓延速率精度显著提高,平均绝对误差分别为0.04、0.037 m ·min -1 ,平均相对误差分别<18%、16.45%。4)重新估计参数的Rothermel模型与自建模型的预测误差的差异不显著,其中自建模型的预测值与实测值的 R 2 变化在0.71~0.90,平均为0.80。【结论】对南方8种典型森林的地表死可燃物类型,在平地无风条件下,重新估计参数的Rothermel模型及自建模型的预测精度相近,但自建模型可能更简单易用,可预测平地无风条件下可燃物地表火蔓延速率。