我国历年造林面积与林业投入的协整分析

对1991～2008年样本区间内我国历年造林面积与林业投入进行了协整分析,用格兰杰因果检验对两个变量之间的因果关系进行了检验。结果表明,1991~2008年样本区间内历年造林面积与林业投入存在长期的均衡关系,同时样本区间内,历年造林面积(AREA)和林业投入(INPUT)存在单向的因果关系。     

试谈森林病虫害成因及防治

森林病虫害防治是对森林植物病虫害的预防和除治。我县森林病虫害种类多,发生面积大,损失严重。因此,有人把森林病虫害叫做"不冒烟的森林火灾",是林业发展的大敌。森林病虫害己成为制约林业可持续发展的重要因素之一。因此,必须抓好森林病虫害的防治工作。一、林业有害生物发生现状随着造林绿化步伐的加快,森林面积不断增加,为林业有害生物的发生提供了大量寄主植物,加上许多地区生态环境脆弱,是林业有害生物的常发区和高发区。     

试谈森林病虫害成因及防治

<正>森林病虫害防治是对森林植物病虫害的预防和除治。我县森林病虫害种类多,发生面积大,损失严重。因此,有人把森林病虫害叫做"不冒烟的森林火灾",是林业发展的大敌。森林病虫害已成为制约林业可持续发展的重要因素之一。抓好森林病虫害的防治是当前一项刻不容缓的工作。一、森林病虫害发生的现状随着造林绿化步伐的加快,森林面积不断增加,为林业有害生物的发生提供了大量寄主植物,加上许多地区生态环境脆弱,     

环境库兹涅茨曲线模型假设下的森林资源与林业产业关系

为更好发展林业产业,同时合理利用森林资源,对森林资源与林业产业的关系进行了研究。基于环境库兹涅茨曲线(environmental Kuznets curve,EKC)模型假设,使用2001-2015年浙江省相关时间序列数据,以林地面积、森林蓄积测度森林资源,林业总产值测度林业产业,在EKC基础计量模型的基础上,对数据进行平稳性检验和协整检验,检验发现变量存在协整关系。在此基础上,分别对林地面积、森林蓄积与林业总产值进行拟合和回归分析,拟合效果良好。结果显示:林地面积与林业总产值、森林蓄积与林业总产值的曲线均呈"N"型,趋势上略有不同,林地面积与林业总产值呈"增-减-增"的发展态势,而森林蓄积与林业总产值呈"增-缓-增"的发展态势。总体上来看,目前森林资源与林业产业趋于良性互动,即将进入"共赢"阶段。     

广州市森林生物量及碳储量评估

基于广州市森林资源二类调查数据和广东主要树种的木材密度和碳密度数据,采用 IPCC 方法对广州市森林生物量和碳储量进行评估,结果表明：广州市林业用地中森林生物量为1610．53×104 t,单位面积生物量为54．82 t／hm2,乔木林生物量为60．94 t／hm2,乔木林生物量占总生物量的84．28％;广州市林业用地中森林碳储量为792．60×104 t,乔木林碳储量占85．63％;单位面积森林碳储量为26．98 t／hm2,乔木林生物量为30．47 t／hm2。森林生物量和碳储量主要依赖于森林蓄积量,因此,选择蓄积量大的树种造林,加强森林经营管理是提高森林生物量和碳储量以及城市森林功能的重要途径。     

我国森林灾害的空间分布分析

目的森林火灾及病虫鼠害是森林生态系统的重要影响因子,对森林生态系统的稳定和平衡有重要影响。开展对森林灾害的研究,对提高森林资源风险的管控能力和应对措施等有重要的意义。方法 本研究收集了我国2003—2016年主要森林灾害的相关数据,采用主成分聚类分析的方法,对森林灾害的空间分布进行了分析。结果 2003—2016年,在森林火灾总次数上,湖南和贵州两省位居前列。在火场总面积上,黑龙江省远高于其他省份,北京和天津的火场总面积最少。在受害森林总面积上,黑龙江省和内蒙古自治区比较严重,是其他省市区的几十倍甚至上百倍。在成林蓄积量损失上,黑龙江省也是最严重的省份,平均每年火灾损失成林蓄积68.61万m3。按受灾程度将火灾发生区分为轻度森林火灾区（I类）、中度森林火灾区（II类）和重度森林火灾区（III类）3类,黑龙江省为重度火灾区,受灾程度最严重。在病虫鼠害的空间分布上,按照受灾面积的大小分为4类,其中新疆和内蒙属于IV类地区,为病虫鼠害发生面积很大区;其他省市区分别属于I ~ III类,为病虫鼠害发生面积较小（北京市、上海市等）、中度（海南省）和较大区（黑龙江省等）。结论 2003—2016年,我国森林火灾次数、受害面积等总体呈下降趋势,但近年来全国森林病虫鼠害的发生面积总体呈现上升趋势,且面积居高不下,中度和重度森林灾害面积占比增加,这应该引起高度重视。本研究对相关问题进行了讨论,为我国森林灾害的风险管控提供参考。      

舒城县森林火灾发生规律及预防对策

为使森林火灾的发生次数、受害森林面积、森林受害率有明显下降,笔者根据多年的林业工作经验和对舒城县1988-2011年以来的林火发生情况进行了统计与综合分析发现,森林火灾的发生受气象、自然、社会因素的影响很大;提出要做好森林防火工作,应加强对火灾发生规律、扑火技术、火源管理等方面的研究,以及具体的预防对策。     

基于森林资源二类调查数据的森林碳储量和固碳潜力评估——以西藏自治区扎囊县为例

基于森林资源二类调查数据,运用生物量转换因子法和单位面积平均生物量法,估算西藏自治区扎囊县森林生物量,再乘以含碳系数估算森林碳储量。根据生物群落演替的顶级理论和空间代替时间法,以成熟林碳储量作为森林生物量碳容量参照,应用森林生物量碳容量与当前( 或某一年) 森林碳储量的差值估算森林固碳潜力。结果表明,扎囊县森林植被碳储量为768 751.91 t。灌木林是青藏高原的原生植被,碳储量占森林碳储量的84%,发挥着重要的固碳作用。扎囊县森林资源以发挥生态防护功能为主要目的,有利于森林自然生长积累碳储量,防护林面积和碳储量占森林面积和碳储量比例均高达99%。乔木林碳储量按起源以人工林为主,占91%;按树种以柳树和杨树为主,占90%;在龄组方面,中龄林、近熟林和成熟林碳储量较大,占88%。随着龄组增大,从幼龄林、中龄林、近熟林、成熟林到过熟林,碳密度依次增大,从1.17 t/hm²到55.67 t/hm²。乔木幼龄林、中龄林和近熟林在乔木林面积中占88%,但是碳密度远低于乔木成熟林的平均碳密度40.28 t/hm²。随着乔木林从幼龄林逐步成长为成熟林,碳储量将显著增大。乔木林固碳潜力为251 782.90 t,是乔木林碳储量的2.21倍。宜林地、无立木林地、未成林造林地和苗圃地固碳潜力与面积大小正相关,固碳潜力为365 947.81 t。相应的措施可以进一步提高森林碳汇:封山（沙）育林等措施促进灌木林资源发展,稳定并提高灌木林面积和覆盖度;全面提升森林经营管理水平,提高森林资源质量;继续推进重点林业工程建设,因地制宜开展人工造林和封山育林,提升森林资源培育水平,确保人工造林成效。     

中国森林碳汇与林业经济发展耦合及长期变化特征分析

  目的  分析森林碳汇与林业经济发展变化的趋势,为相关管理决策、生态治理和资源环境管理等提供参考,推动我国绿色低碳经济的发展。  方法  利用1989—2018年间6次森林资源清查数据,在相关研究的基础上,采用森林碳汇与林业经济发展综合评价模型、森林碳汇与林业经济发展耦合度模型和森林碳汇与林业经济发展耦合协调度模型,进行1992—2018年森林碳汇与林业经济发展变化的耦合度分析。采用逐步回归和ARIMA模型分析森林碳汇影响因素和滞后性,并采用自回归和ADF检验等预测我国2019—2030年森林碳汇与林业经济发展耦合度,研究也对中国森林碳汇与林业经济发展耦合及长期变化特征等问题进行了讨论。  结果  （1）生态建设与保护投资、林业重点生态工程实际完成投资额、GDP和林产品进口额对森林碳储量有显著影响,林业产业总产值、林业重点生态工程实际完成投资额、林产品出口额对森林碳汇量有显著影响,其中林业重点生态工程实际完成投资额对二者的影响都最大。（2）林业重点生态工程实际完成投资额等因素对森林碳储量的影响作用滞后性为2年,对森林碳汇量的影响滞后性为1年。在森林碳汇投资时,应提前做好部署,并做好森林资源经营管理和时间优化。（3）1992—2018年,我国森林碳储量、森林碳汇量与林业经济长期发展的耦合度协调度是逐步上升的,中间虽有所波动,但森林碳储量与林业经济长期发展的耦合度协调度年均增长9.24%,耦合协调程度由1992年的“严重失调”,上升到2018年的“优质协调”;1993—2018年,森林碳汇量与林业经济长期发展的耦合度协调度年均增长9.63%,稍快于森林碳储量与林业经济长期发展的耦合协调度的增长速度。协调等级也由1993年的2级上升到2018年的10级。（4）预测表明:2019—2030年,森林碳储量、森林碳汇量与林业经济长期发展的耦合协调度都是增加的,二者的耦合协调度D值均接近于1,协调等级也长期为10,耦合协调程度也长期保持在“优质协调”水平上。  结论  森林具有社会、经济和生态多重效益,森林碳汇仅仅是一种效益产出,开展森林碳汇与林业经济发展变化的长期耦合分析是多重效益分析的一个关键。研究分析认为我国森林碳汇的溢出效应、协同进化效应明显,1992—2018年森林碳汇与林业经济发展变化的耦合协调度是逐步上升的。预测分析也表明,2019—2030年,森林碳汇量与林业经济长期发展的耦合协调度将长期保持在“优质协调”水平上。因此,提高森林经营管理水平,并维持目前的森林资源增加态势,是我国实现“双碳”目标的关键。      

基于PCA-RBF神经网络的森林碳储量遥感反演模型研究

针对碳储量回归预测模型存在共线性和精度较低的问题,利用森林资源二类调查数据和SPOT5影像数据对北京市延庆县的杨树林进行碳储量反演研究。先对选取的10个指标进行主成分分析,在此基础上采用径向基函数(RBF)神经网络方法构建碳储量反演模型,用预留测试样本验证,并与实测值进行比较。研究结果表明:SPOT5数据和二类数据可以很好地结合起来用于森林地上碳储量反演研究;PCA-RBF神经网络森林碳储量遥感反演模型拟合精度为99.90%,平均预测精度达到96.71%,预估效果较理想;模型训练完成后,可以应用于延庆县森林地上碳储量反演。     

基于地理加权回归的区域森林碳储量估计

森林碳储量与其调查因子之间的关系及其空间相关性特征是区域森林碳储量及其分布估计模型建立的基础,然而某一调查因子在不同空间位置对森林碳储量估计的影响程度存在差异。地理加权回归方法考虑了调查因子作用的空间异质性,进行局部回归估计。以浙江省台州市仙居县森林资源二类调查样地实测数据为数据源,利用地理加权回归方法结合陆地探测卫星系统Landsat TM影像数据进行森林碳储量及其密度的分布估计,并检验地理和海拔加权回归在地势平缓的区域是否可用。结果表明:1仙居县森林地上部分总碳储量3.132×106Mg,与样地实测统计得到的全县碳储量3.192×106Mg相差1.880%;地理加权回归模型估计结果与实际碳密度分布情况相一致,研究区内碳密度的取值范围为0~89.964 Mg·hm-2,保留了70%以上的空间异质性特征;基于地理加权回归的森林地上部分碳储量估计方法是有效的,地理加权回归在区域碳储量方面估计结果合理且精度较高。2在地势较为平缓的地区,海拔对植被的影响不显著,地理和海拔加权回归并不适用;若将海拔作为解释变量加入建模,能够提高估计精度,但存在多重共线性问题。     

大兴安岭林区重特大森林火灾扑救时限预测模型构建研究

针对内蒙古大兴安岭林区重特大森林火灾发生频、损失大、危害重、扑救难等特点,在分析影响其发生、蔓延与扑救的主要因子基础上,运用多元线性回归方法,构建重特大森林火灾扑救多元线性回归、预测灭火时限的经验统计模型,经回归拟合和预测检验,其平均相对误差小于8.60%.该模型可为内蒙古大兴安岭林区重特大森林火灾扑救时限预测与决策提供科学的参考依据.     

基于STWR模型的森林病虫影响因素研究

【目的】探究森林病虫害时空动态变化特征及关键因素驱动力的空间分布,为森林病虫害防控与治理提供参考。【方法】采用空间联系局部指标（LISA）和Mann-Kendall(M-K)趋势检验,分析2008-2018年福建省县域森林病虫害发生率时空变化特征,利用夏季均温、冬季均温、月均降水量、夜间灯光均值等变量构建时空加权回归（STWR）模型,分析各变量与森林病虫害发生率之间的时空异质性。【结果】①2008-2018年福建省有16个县域森林病虫害发生率呈下降趋势,空间分布以“低 低”聚集的空间聚集类型为主,空间分布范围先缩小后扩张。不同变量对森林病虫害发生率的影响程度从强到弱依次为夜间灯光均值、月均降水量、夏季均温、冬季均温。②4种不同变量的影响机制有明显的时空分异性,其中夜间灯光均值、夏季均温、冬季均温对森林病虫害发生有正向促进作用,月均降水量对森林病虫害发生有负向抑制作用。③在森林病虫害高发生率县域中,夜间灯光均值为最大的负向影响因素,月均降水量也通常为负向影响因素。【结论】STWR模型的拟合性能优于地理加权回归（GWR）模型与普通线性回归（OLS）模型,且STWR模型预测能力比GWR模型更佳,能更精细地分析4个变量对县域森林病虫害发生率影响的时空变化过程。     

运用森林蓄积量换算因子法及灰色预测模型对黑龙江省森林增汇潜力的估测

以全国第三次到第九次森林资源清查数据(共7期)为数据源，以森林碳库总碳储量为评价指标，以天然林、人工林、幼龄林、中龄林、近熟林、成熟林、过熟林、森林蓄积量、森林面积等9项林分因子为森林增汇影响因素，构建评价指标体系；运用灰色预测模型(GM(1,1)模型)对黑龙江省森林蓄积量增量进行预测，采用森林蓄积量换算因子法建立森林蓄积量与碳储量的转换关系，测算黑龙江省森林增汇潜力。结果表明：到2030年，黑龙江省森林新增碳汇369.05 Mt,可抵消同期黑龙江省排放的二氧化碳的11.71%。2030—2060年，黑龙江省新增碳汇197.61 Mt,可为我国实现“碳中和”目标贡献724.57 Mt的二氧化碳减排量。     

关于森林病虫害预防措施探讨

森林病虫害具有"不冒烟的森林火灾"之称,给森林带来的危害远远大于森林火灾。由于森林周期长,在漫长的生长发育过程中,随时可能遭到森林病虫害的侵袭,轻者造成林木生长缓慢、质量下降,重者整株枯死,甚至大面积死亡,造成森林面积减少。近年来,吉林省森林病虫害的发生面积逐年递增,危险性病虫害不断出现,已严重威胁到森林资源和生态的安全,因此森林病虫害防治是林业发展中一项刻不容缓的大事,是林业可持续发展的必要保证。     

基于贝叶斯模型平均法的森林火灾预测模型构建研究

  目的  本文基于贝叶斯模型平均法,结合二项逻辑斯蒂回归模型,构建云南省大理州森林火灾发生预测模型,以期提高林火预测精度,为研究地区林火管理提供技术支持。  方法  利用2000—2013年大理州林火数据及对应的气象数据,分别运用二项逻辑斯蒂回归模型和贝叶斯模型平均法,对该地区森林火灾对气象因子的响应进行实证分析。二项逻辑斯蒂回归模型为单一模型,建模前通过对各解释变量进行多重共线性检验,剔除有显著共线性的解释变量,然后通过逐步回归法,筛选最终变量并进行参数拟合。贝叶斯平均模型为组合模型,基于贝叶斯模型平均法建模时,采用奥卡姆窗的方法来适当调整模型空间,并以5个最优模型的后验概率作为权重进行加权建模。将全样本数据随机分成80%的训练样本和20%的测试样本,基于训练样本建立模型,对测试样本进行预测,通过对比观测值和预测值计算模型的准确率。  结果  通过二项逻辑斯蒂模型拟合,优度为0.783,预测精度为0.718。通过贝叶斯平均模型拟合,优度为0.868,预测精度为0.807。2个模型预测结果对比显示,在训练集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高9.3%;在测试集中,贝叶斯平均模型的预测准确率比二项逻辑斯蒂回归模型高8.9%。  结论  在基于气象因子的大理州林火发生预测模型构建研究中,贝叶斯平均模型的拟合优度和预测精度均高于二项逻辑斯蒂模型,表明贝叶斯模型平均法具有一定的现实应用意义,可用于提高研究地区林火预测精度,有利于森林火灾的决策管理。      

基于气象因子的随机森林算法在湘中丘陵区林火预测中的应用

基于湘中丘陵区1988-2014气象观测数据和森林火灾历史数据,应用二项逻辑斯蒂回归模型和随机森林算法,将样本数据随机分成训练样本(60%)和测试样本(40%),重复5次拟合,将每次拟合中筛选出的显著特征变量组成全样本数据进行拟合及交叉验证,建立湖南水口山地区林火发生预测模型。结果表明,林火的发生与林分内日最小相对湿度、细小可燃物湿度码和干旱码显著相关;随机森林算法的预测精度在所有样本组合的模拟中均比二项逻辑斯蒂回归模型的预测精度高7%~10%,即使在交叉验证中,前者的预测精度也要高10%左右,表明随机森林算法具有一定的预测优势和现实应用价值,可用于湘中丘陵地区林火预测和决策管理。     

基于数学模型预测森林病虫害的研究进展

阐述了我国森林病虫害预测预报的发展历程,介绍了近年来非线性模型和线性非线性组合模型在森林病虫害预测中的应用现状,综述了组合模型的建模方法、支持向量机回归原理及应用现状,总结了目前森林病虫害预测预报中存在的问题,并展望了其今后的发展趋势。     

基于机载激光雷达的森林地上碳储量估测

以内蒙古大兴安岭生态站为研究对象,以2012、2013年的66块样地数据和2012年同步获取的机载Li DAR遥感数据为数据源,分别采用多元线性回归和随机森林回归算法,通过对比不同算法间的估测精度差异,选择更适于研究区的估测方法,实现研究区森林地上碳储量的遥感估测。结果表明:随机森林回归算法的估测精度最优,模型训练精度(R2为0.861,RMSE为11.133 t/hm2,rRMSE为0.279)和预测精度(RMSE为17.956 t/hm2,rRMSE为0.342,估测精度范围40.898%~95.129%,平均估测精度76.385%)均优于多元线性回归的模型训练结果 (R2为0.676,RMSE为11.846 t/ha,rRMSE为0.351)和模型预测结果(RMSE为22.703 t/hm2,rRMSE为0.636,估测精度范围45.824%~94.752%,平均估测精度69.859%)。机载Li DAR数据的高度变量和密度变量与森林地上碳储量均具有显著相关性,高度变量相关性更为显著。随机森林回归算法对区域森林地上碳储量的估测结果趋于真实分布情况,效果比较理想。     

黑龙江省主要林分类型林分碳储量预估模型

利用2期黑龙江省森林资源连续清查数据(2005—2010年),根据林分变量和林分碳储量间的关系构建了林分水平的全树碳储量预估模型,并对应不同起源选择不同的模型形式,用加权最小二乘法消除了异方差。由于地域的不同,相同林分类型碳储量可能存在差异,因此在构建的碳储量模型基础上,利用哑变量方法构建考虑不同地域的林分碳储量模型。结果表明:区分起源的林分碳储量模型对于天然林和人工林都具有良好的拟合精度,R~2均大于0.94,模型评价指标中平均相对误差均在±6.00%以内,平均相对误差绝对值基本小于10%,仅黑桦天然林为15.33%。大部分模型的预测精度在95%以上。利用哑变量方法构建的考虑不同地域的林分碳储量通用模型的R~2均大于0.94,平均相对误差均较小,平均相对误差绝对值均在小于8%,预测精度都在95%以上。对于包含区域哑变量的通用模型,在满足相同的林分平均断面积条件及其他变量、参数a、c不变时,不同区域对应的参数b值越大,相应区域碳储量越大;在满足相同的林分平均高(或者林分年龄条件)及其他变量、参数a、b不变时,不同区域对应的参数c值越大,相应区域碳储量越大。