基于元胞自动机和BP神经网络算法的Landsat-TM遥感影像森林类型分类比较

【目的】针对森林资源遥感监测效果往往受森林类型识别分类方法的影响,提出一种基于元胞自动机的遥感影像森林类型分类方法,以提高Landsat-TM遥感影像的分类精度,为森林资源遥感监测提供技术支持。【方法】以小兴安岭带岭林业经营管理局为研究区,基于2010年Landsat5-TM影像数据和2012年森林资源二类调查数据,采用窗口法获取TM第5波段各待分类别的像元均值作为聚类中心,以元胞自动机的Moore模型为框架,以元胞为基本单位,以像元均值为对象,利用最小距离法求取进化规则(判断准则是中心元胞周围的8个元胞距每类聚类中心的距离最近且像元数量最多,则中心元胞属于该类别),充分考虑影像及地物之间的空间特征,采用元胞自动机分类方法进行森林类型的识别分类。同时,以相同的样本数,采用3层BP神经网络模型对TM遥感影像进行分类试验,并比较2种方法的分类效果。【结果】基于元胞自动机的分类方法总体分类精度为88.712 1%,Kappa系数为0.829 1,针叶林、阔叶林和针阔混交林的用户精度分别为73.60%,92.94%和94.13%,达到了区分针叶林、阔叶林和针阔混交林的分类目的。BP神经网络算法的总体分类精度为86.671 3%,Kappa系数为0.798 4,针叶林、阔叶林和针阔混交林的用户精度分别为69.22%,93.37%和90.76%。2种分类方法均可有效识别森林类型信息。【结论】元胞自动机模型应用于遥感影像森林类型识别分类可弥补因TM影像空间分辨率较低造成的遥感影像分类精度过低的问题,提高分类精度。在森林分布破碎、种类类型多样且结构复杂的带岭林区,该研究结果有助于森林资源监测与管理,可为大区域尺度的森林动态信息监测提供更好的数据及技术支持。     

凉水自然保护区3种森林类型的植物组成和林分结构特征

【目的】探讨凉水自然保护区3类森林的植物组成和林分结构特征,以期为小兴安岭保护区科学管理及经营天然次生林提供基础支撑。【方法】以存在小兴安岭核心区的凉水国家自然保护区及周边的典型针阔混交林、阔叶林和针叶林3类森林为对象,详细调查乔木层(80块30 m×30 m样地)、灌木层(160块5 m×5 m样地)和草本层(160块1 m×1 m样地)的林分结构特征(树高、胸径、枝下高、冠幅、灌高、灌木直径、灌木盖度、草本株高、乔灌草密度等),分析种类组成并计算物种丰富度指数、多样性指数(Shannon-wiener及Simpson指数)和均匀度指数(Pielou和Alatalo指数),并采用方差分析、冗余分析(RDA)探究林分间的差异。【结果】3类森林有乔木28～30种、灌木22～25种、草本78～90种,其乔、灌、草植物种类差异明显,阔叶树种以白桦最多,针叶树种以兴安落叶松最多,灌木最多的是毛榛子,草本以蚊子草和小叶芹最多;针阔混交林的丰富度指数、多样性指数总体上高于针叶林和阔叶林,而阔叶林的均匀度高于其他2个森林类型;同一森林类型的多样性指数和丰富度指数均表现为草本层乔木层灌木层; 3种森林类型中灌木层的均匀度高于其他层;从结构特征来看,树高和胸径平均为14和18 cm,树高和枝下高表现为针叶林针阔混交林阔叶林,灌木层冠幅表现为针阔混交林阔叶林针叶林,草本层每个种的平均多度与盖度表现为针叶林显著(P0.05)高于针阔混交林;冗余排序分析表明,阔叶林和针叶林的多样性特征差异主要由草本层特征解释,而针阔叶混交林则主要受乔木层结构特征影响,其中阔叶林草本植物的多度、密度和株高等可解释48.4%～62.1%的多样性差异,针叶林可解释30.5%～44.3%;针阔混交林中显著影响多样性的林分特征表现为灌木地径乔木枝下高草本株高乔木胸径,合计分析乔木层、灌木层的特征能解释多样性差异的38.8%～40.1%和27.4%～50.7%。【结论】凉水自然保护区乔木优势种以先锋树种白桦和兴安落叶松等为主,个体较小,尚需更长时间保护才能恢复为高质量森林资源;草本层的植物多样性最高,在多样性保护中需关注;植物多样性能在林分结构恢复中得以协同提升,但不同森林类型差异明显,如针阔叶混交林调控乔木枝下高和灌木密度等更有效,而针叶林和阔叶则是调控草本密度或改善草本生长环境才能更有效改善植物多样性。     

基于支持向量机的Landsat-8影像森林类型识别研究

以吉林省汪清林业局天然林区为研究区,利用Landsat-8 OLI_TIRS多光谱遥感影像,结合森林资源野外调查数据,提取森林类型纹理、光谱特征参数,作为支持向量机的输入量,利用K-折交叉验证法确定最优核函数,识别森林类型,确定最优分类结果,评价分类精度,并与仅利用波段光谱特征的SVM分类结果进行精度对比。结果表明:利用纹理和光谱特征进行分类,构造SVM进行森林识别是可行的。惩罚系数C=100.0、核函数半径σ=1.000时的径向基核函数构造的支持向量机分类精度最好,总体分类精度可达89.58%,Kappa系数为0.87,单一分类精度中,阔叶林针叶林针阔混交林。只利用光谱特征的分类结果精度为81.26%,结合光谱和纹理特征的规律,能够提高分类精度。     

基于MODIS影像大尺度森林资源信息提取方法研究

森林类型的识别对于掌握森林生态系统和自然环境变化具有重要意义。针对单一时相遥感数据提取森林植被类型信息方法的局限性,以中国东北三省为研究区,探讨了基于多时相MODIS遥感数据,实现主要森林类型识别的方法。将东三省的森林植被划分为非林地、针叶林、阔叶林、针阔混交林、灌木林5种类型,通过分析不同森林类型一年内生长差异,选取多时相NDVI第10期、NDIV第23期、EVI第10期、LAI第20期特征数据,建立了非林地、针叶林、阔叶林、针阔混交林、灌木林的决策树模型,实现了森林类型信息的识别,得出了东三省的森林覆盖率42.39%,植被类型分类总体精度为86.7%,与第八次全国森林资源清查的东三省结果对比,森林覆盖率提取精度高达95.6%。说明应用多时相的MODIS遥感影像可以实现大尺度森林资源信息的快速提取,在大范围的植被类型调查与监测方法具有较大的应用价值。     

基于多种分类器组合的森林类型信息提取技术研究

遥感图像分类是遥感应用系统中的关键技术,提高遥感图像的分类精度是发展遥感技术重点,采用多分类器组合的算法对黑龙江塔河县森林类型进行分类。根据黑龙江省森林资源调查技术规定及研究区二类调查数据制定分类系统,最终的分类级别为针叶林、阔叶林和针阔混交林。通过分析TM数据的原始波段和NDVI、BI等植被指数提取各分类类型的光谱特征。选择最小距离法、最大似然法、马氏距离法对研究区进行分类,计算出各分类器的精度。在分类器组合的过程中采用信息熵方法确定组合分类器中各分类器的权重系数,利用组合后新的分类器对研究区进行分类。结果表明:多分类器组合的分类精度达75.59%,比单分类器精度提高了3.85%,对阔叶林、针阔混交林、针叶林3种分类类型的分类精度分别达82.32%、66.45%、75.49%,比单分类器进度分别提高了2.87%、4.82%。4.10%。     

基于TM遥感影像的森林类型分类方法比较

以吉林省汪清林业局为例,基于Landsat5-TM影像,充分利用遥感影像光谱信息,分别采用动态聚类法和组合监督分类法对该林区的森林类型进行分类,并对分类结果的精度进行比较分析.研究结果表明,利用组合监督分类的精度比动态聚类法分类的精度要高,总体分类精度高11％,其中针叶林、阔叶林、混交林和其他用地的分类精度分别高8％、11％、17％和10％.     

基于ICESat-GLAS数据的波形去噪算法优选与森林冠顶高反演模型建立

【目的】比较基于不同窗函数的GLAS数据去噪算法和多种森林冠顶高反演模型的精度,优选波形去噪算法并确立对森林冠顶高估算精度较高的反演模型,为森林生物量估测等研究奠定数据基础。【方法】首先基于布莱克曼窗函数和高斯窗函数对GLAS数据进行去噪处理,采用RMSE和SNR定量比较2种波形去噪方法的去噪效果;然后对去噪效果最好的窗函数去噪后的波形提取波形参数,并分针叶林、阔叶林、针阔混交林和不分林型4种情况,采用线性回归方法,以波形长度为参数建立波形参数模型,以波形长度、地形指数为参数建立地形因子模型,在地形因子模型基础上,逐步引入波形半能量高、波形前缘长度和波形后缘长度等参数建立全模型,比较3类模型的模拟效果。【结果】高斯窗函数去噪后的RMSE较低、SNR较高,去噪效果较优;冠顶高反演模型中,分林型和不分林型情况下,全模型模拟效果均优于其他2类模型。其中地形因子模型中针叶林效果较好:R~2=0.853,RMSE=2.519 7 m;全模型中针阔混交林效果最好:R~2=0.972,RMSE=1.001 4 m。【结论】高斯窗函数对GLAS波形去噪能力较强,且在复杂地形情况下,当引入多种波形参数结合地形因子建立多元线性回归模型时,模型对各林型最大冠顶高的解释能力显著提高,可在一定程度上克服地形因子模型在坡度较大地区对冠顶高解释困难的问题,实现复杂地形情况下森林冠顶高的精确估算。     

基于多特征优选的无人机可见光遥感林分类型分类

【目的】以无人机可见光遥感影像为数据源实现竹林、针叶林和阔叶林的分类识别,扩展无人机可见光遥感数据在森林资源调查中的应用范围。【方法】利用无人机获取仅包含红、绿、蓝3个波段光谱信息的航拍影像,经预处理生成空间分辨率为0.1 m的数字正射影像图(DOM)和数字表面模型(DSM),从DSM和DOM中提取包括高度特征、光谱特征、常见的可见光植被指数、HSV颜色分量、HSV颜色分量基础上提取的纹理特征以及扩展的形态学多属性剖面(EMAPs) 6类特征;采用递归特征消除随机森林算法(RF_RFE)优选特征子集,根据不同类型特征和优选特征子集设置8组试验,使用随机森林分类器(RFC)进行林分类型分类,运用目视解译获得的地面真实影像建立混淆矩阵评价分类结果。【结果】1)单独利用光谱特征进行林分类型分类效果不理想,总体精度为65.68%,Kappa系数为0.53;以光谱特征为基础单独引入其他特征进行林分类型分类,除植被指数外,其他特征均可提高总体分类精度; 2)采用递归特征消除随机森林算法优选出11个特征,包括5个EMAPs特征、3个HSV纹理特征、1个高度特征、1个植被指数和1个HSV颜色分量,11个特征组合获得8组试验中最高分类精度,总体精度为81.05%,Kappa系数为0.73; 3)将多特征优选方法应用于不同分辨率的可见光无人机影像上均取得较好分类结果,其中分辨率为0.3 m时分类精度最高,总体精度为82.46%,Kappa系数为0.75。【结论】递归特征消除随机森林算法综合多类型特征中最有利于林分类型分类的特征,从而提高分类精度,研究结果可为无人机可见光遥感数据在森林资源调查中林分类型信息的提取提供参考。     

基于MODIS影像的森林类型决策树分类方法研究

以4种MODIS时序数据为基础,以湖北省为研究区,开展区域森林类型快速提取的分类方法研究。将湖北省的森林植被划分为针叶林、阔叶林、混交林、竹林、灌木林和非林地6种地类,通过分析不同森林类型一年内的生长差异,根据各植被指数的均值建立了研究区各森林类型的分类参数,选取2010年MODIS数据产品NDVI第10期、NDVI第12期、NDVI第15期、EVI第10期、LAI第16期、LAI第17期数据,建立了针叶林、阔叶林、混交林、竹林、灌木林、非林地的决策树分类模型,并对研究区进行了分类。结果表明:植被指数均值曲线具有一定的区域地类代表性,分类参数对不同森林类型具有较强的分异性;将分类结果与第八次全国森林资源清查结果相比较,森林类型分类总体精度为85.45%,KAPPA系数为0.770 1,效果较好,说明通过MODIS数据进行区域的森林类型提取是可行的。     

基于遥感技术的森林可燃物类型划分

应用监督分类法中的最大似然法(Maximum Likelihood Classification)以及遥感图像对塔河林业局森林可燃物类型划分的结果为:针叶林、阔叶林、针阔混交林、空地等几种类型,并绘制了可燃物类型分布图,经分类精度检验,总体分类精度为83.00%,KAPPA系数为0.769。同时,对不同可燃物类型的特点进行了分析。     

四川盆周山地5种典型林分的空间结构对比分析

【目的】研究四川盆周山地5种典型林分空间结构的特征,为该地区森林结构化经营提供理论依据。【方法】以四川盆周山地同龄的杉木纯林、柳杉纯林、杉木-柳杉混交林及同一时期形成的人天混交林和天然次生林为研究对象,采用角尺度、混交度、大小比数和林分空间结构指数对其空间结构进行分析。【结果】1)杉木纯林、杉木-柳杉混交林、人工天然混交林和天然次生林的水平分布格局为随机分布,平均角尺度分别为0.485、0.478、0.478、0.481,柳杉纯林为均匀分布,平均角尺度为0.455。2)5种林分的大小比数频率分布比较均匀,平均大小比数分别为0.465、0.529、0.446、0.810和0.534,林分整体为中庸生长状态。3)在混交度研究中,杉木纯林和柳杉纯林以零度混交为主,平均混交度分别为0.227和0.020;杉木-柳杉混交林的平均混交度为0.460,林分整体为中度混交;人工天然混交林和天然次生林平均混交度为0.610和0.674,为强度混交。4)引入林分空间结构指数FSSI,综合分析3种林分空间结构参数,FSSI大小排序为:天然次生林>人工天然混交林>杉木-柳杉混交林>杉木纯林>柳杉纯林,其排序与林分混交度排序结果一致。【结论】该地区5种典型林分空间结构的大小比数和角尺度相差不大,林分空间结构主要受混交度的影响。     

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。     

湘西不同植被类型土壤重金属分布及相关性研究

【目的】探讨湘西地区不同植被下土壤环境的状况,揭示土壤富集重金属元素的规律。【方法】以湖南湘西地区针叶林、针阔混交林、阔叶林和灌木林4种森林土壤不同层次(0~15 cm和15~30 cm)的Cd、Cu、Ni、Pb、Zn为研究对象,采用单因素分析法和主成分分析法分析重金属分布及相关性。【结果】不同植被下土壤中5种重金属含量的变异系数为0.18%~0.69%,由大到小的排列顺序为Cu>Zn>Ni>Pb>Cd。主成分分析表明Cu和Cd在PC1中有较大的荷载值,在PC2中有中等的荷载值。各因素相关性分析结果显示,灌木林土壤容重与Zn之间存在显著的负相关性,针叶林土壤容重与Cu之间存在显著的正相关性;灌木林土壤有机质与Cd之间有显著的正相关性,针叶林土壤pH值与Ni和Zn之间有显著的正相关性;针阔混交林土壤pH值与Pb、Cu和Ni之间存在显著的正相关性,灌木林土壤重金属含量之间的相关性较显著。【结论】湘西地区不同植被类型土壤重金属含量的垂直分布规律存在差异,表现为针阔混交林的上层土壤中重金属含量均低于下层土壤,常绿阔叶林的上层土壤中重金属含量均高于下层土壤,而针叶林和灌木林土壤中重金属含量无差异性变化;湘西地区土壤容重、有机质、坡度、pH值、土层厚度对Cd含量的影响较大,海拔对Pb、Ni和Cu的影响较大,坡度对Ni的影响较大;湘西地区灌木林中重金属来源相同的可能性相较于其他3种植被类型更大。     

安徽省中南部几种主要森林类型水文特性研究

通过对安徽省中南部主要森林类型林下枯落物蓄积量、持水量、吸水速率等的研究,结果表明：①针叶林中杉木（CK）枯落物的厚度最大,达到95mm,针阔混交林的蓄积量最大,为21．94t／hm2,马尾松枯落物的厚度较低,苦槠蓄积量最低。②马尾松×枫香的最大持水量为12．62t／hm2,其他林分的最大持水量均在10t／hm2以下,其中苦槠最低,为2．04t／hm2。③针阔混交林的有效拦蓄能力明显高于阔叶林和针叶林,有效拦蓄量最高的是马尾松×枫香,为17．69t／hm2．苦槠的有效拦蓄量最低,仅为2．47t／hmz。两种不同杉木林分有效拦蓄量均达到10t／hm2左右。可见针阔混交林的水文生态效益优于阔叶纯林和针叶纯林。     

缙云山常绿阔叶林粗木质残体储量及特征

【目的】实地调查缙云山常绿阔叶林粗木质残体(CWD)的储量和特征,分析其影响因素,为深入认识常绿阔叶林生态系统中与粗木质残体相关的物质循环等关键生态过程提供理论依据,并为全球碳汇及相关学科的研究提供基础数据。【方法】以缙云山常绿阔叶林内已建立的2块0.5 hm^2样地为对象,调查并分析样地CWD的储量、类型组成、分解等级、径级分布格局以及地形对CWD储量的影响。【结果】缙云山常绿阔叶林CWD储量为38.42 t·hm^-2,其中倒木、枯立木、大枯枝和木桩储量分别为27.70,4.91,2.91和2.90 t·hm^-2,倒木是CWD的主要组成部分; CWD的树种组成与群落优势树种的组成相似,栲占CWD总量的88.44%;从径级分布来看,直径>35 cm的倒木和枯立木是CWD的主体; CWD主要处于分解中后期,中级分解和高级分解CWD的比例分别为63.20%和23.01%;地形对CWD的分布具有显著影响,坡面和山脊CWD储量高于沟谷(P<0.01)。【结论】缙云山常绿阔叶林CWD储量较大,处于该类森林系统的前列; CWD主要以处于分解中后期的优势种大径级倒木和枯立木为主,并主要分布在坡面和沟谷。在森林管理中应降低对CWD的人为干扰和去除,维持森林中枯立木、倒木、大枯枝和树桩等组分的自然状态。     

基于GM(1,1)的天然次生林空间结构预测

【目的】系统地分析已有天然次生林林分空间结构数据,通过灰色模型预测天然次生林林分空间结构各指标未来的发展趋势,对天然林经营具有十分重要的意义。【方法】以湖南大围山自然保护区典型次生林为研究对象,依据结构化森林经营理论,选取了混交度、竞争指数、角尺度、空间密度指数、开阔比数、大小比数、林分综合均质性指数作为天然次生林林分空间结构合理性评价与预测的量化指标,构建了基于GM(1,1)的天然次生林林分空间结构灰色预测模型。模型将2008年林分空间结构各指标的平均值作为初始值,并在研究区设置了面积为20 m×20 m的5个研究样地(M1,M2,M3,M4,M5),利用保护区2008-2018年典型样地林分空间信息,预测了研究区调研样地2019年-2021年林分空间结构各指标未来的变化趋势。【结果】利用精度检验机制对该模型的精确度进行了有效性检验,检验结果表明,所有指标预测合格概率P合=71.43%,良好的概率P良好=22.86%,优的概率P优=5.71%,表明该预测模型符合精度检验要求。【结论】样地未来3 a各指标整体变化尺度不大,林分空间结构基本稳定。从各指标在2008-2018年时空上的变化规律来看,各样地林分平均竞争指数、平均大小比数及平均空间密度指数是影响林分均质性指数的关键指标。     

寒温带森林根际土壤微生物量碳氮含量生长季内动态变化

【目的】研究寒温带森林根际土壤微生物量碳氮含量的动态变化,为揭示森林土壤碳氮养分利用机制和碳氮循环提供参考,为研究区森林保护与合理经营提供科学依据。【方法】以我国寒温带针阔混交林为研究对象,选择主要组成树种樟子松、兴安落叶松、白桦和山杨,采用抖落法采集根际和非根际土壤样品,对土壤微生物量碳氮含量动态特征进行研究,探讨不同树种根际土壤微生物量碳氮的富集程度、差异性和生长季变化以及其对土壤营养库的贡献率。【结果】不同树种根际土壤微生物量碳氮含量月际变化差异显著,根际土壤微生物量碳含量波动范围为114.14~451.05 mg ·kg -1 ,氮含量波动范围为40.38~185.00 mg ·kg -1 。根际土壤微生物量碳富集率依次为樟子松(87.99%)>白桦(78.22%)>兴安落叶松(73.14%)>山杨(56.96%),微生物量氮富集率依次为山杨(81.50%)>白桦(77.63%)>樟子松(76.42%)>兴安落叶松(51.40%)。土壤微生物量碳氮比为1.42~5.24,樟子松、兴安落叶松、白桦、山杨根际和非根际土壤微生物量碳氮比生长季变幅分别为1.42~5.24、1.57~3.79、1.67~4.55、1.55~2.59和1.79~3.53,其均值分别为2.64、2.63、2.81、2.11和2.36。根际微生物量碳对土壤有机碳库的贡献率为0.83%~0.95%,微生物量氮对土壤有机氮库的贡献率为3.63%~5.08%。【结论】寒温带针阔混交林主要树种生长季根际土壤微生物量碳氮含量均显著高于非根际,根际效应显著;在生长季末期,针叶树种根际效应相比阔叶树种更为强烈;针叶树种根际土壤微生物量对土壤结构和功能的影响高于阔叶树种。     

金沟岭林场森林景观分类及景观变化研究

以吉林省汪清林业局金沟岭实验林场为例,介绍了一种基于森林资源二类调查数据的森林景观类型划分方法。划分景观要素类型的因子一级为土地覆盖类型,二级为优势树种组。在景观分类的基础上分析了1987-1997年10a问金沟岭实验林场森林景观空间格局变化。1987年和1997年主要的景观要素类型为针阔混交林、针叶混交林、落叶松林和阔叶混交林,1987年的斑块个数为592块,1997年为946块。斑块个数大幅度增加,反映出森林景观破碎化的趋势。10a问,景观多样性指数和相对丰富度指数降低,优势度指数有所增加。文章对营林活动对森林景观变化的影响进行了初步分析,发现景观类型变化较大的林班也是作业强度比较大的林班,景观斑块数量变化最大的林班也是作业强度比较大的林班。     

缙云山常绿阔叶林种子雨组成及其时空动态

【目的】分析缙云山常绿阔叶林种子雨组成及其时空动态,为常绿阔叶林种子生态学大尺度和长时序的研究提供数据支持,并为受损常绿阔叶林近自然恢复过程中的种源收集和种子撒播提供参考信息。【方法】 2014-01—2016-12,收集缙云山常绿阔叶林1 hm 2标准地中172个种子收集框内的种子,鉴定物种并计数,风干后称质量。根据果实类型及种子特征并结合野外实地观察,确定每个物种种子(果实)的散布方式。【结果】 3年间共收集到成熟种子36 298粒,种子雨密度为140.69粒·m -2 a -1;种子分属于19科21属27种,占群落木本植物物种总数的36.49%;种子雨具有明显的季节动态,在秋季出现高峰,其中有17个物种在干季(1—4和10—12月)成熟并散布,6个物种在湿季(5—9月)成熟并散布,4个物种在干、湿季均有散布;种子雨密度年际变异系数为0.36~1.73,空间变异系数为1.54~15.20。【结论】缙云山种子雨产量在常绿阔叶林中处于较低水平;优势种对群落种子雨产量贡献较大,种子雨物种组成与群落物种组成相似性较低;群落水平种子雨具有明显的季节动态,且存在很大的年际变异和空间变异,反映出亚热带常绿阔叶林种子雨时空动态的典型特征。在区域植被近自然恢复中的种子采集和撒播环节,应当充分参照不同物种的种子雨掉落的时空动态。     

川西亚高山针叶林与针阔混交林凋落量及养分归还动态

本文选择川西亚高山针叶纯林和针阔混交林作为研究对象,并于2007年7月～12月采用收集框法研究了森林凋落物量以及N、P、K养分归还量。结果表明,混交林凋落量(2 090.47 kg·hm-2)比针叶林凋落量(1 189.59kg.hm-2)高出43%,林分凋落动态和归还动态呈单峰型,其高峰都出现在10月份。混交林中阔叶对凋落量的贡献达69%。同时,阔叶的养分归还量大于针叶的养分归还量。混交林和针叶林养分归还量都表现为N﹥K﹥P,针阔混交林凋落物养分归还量大于针叶林。在川西亚高山地区针阔混交林比针叶纯林具有更强的自肥能力。