基于地理加权回归模型的大兴安岭中部天然次生林更新分布

【目的】研究大兴安岭地区天然次生林不同位置间森林更新的空间相关性和空间分布模式,探索尺度效应对空间自相关性的影响,对森林更新的影响因子进行分析,从更深层次了解更新动态中潜在的规律性,为该地区天然次生林的经营决策提供理论依据和技术支持。【方法】以黑龙江省大兴安岭新林林业局翠岗林场为研究区,基于2018年7—8月在研究区建立的45块固定样地数据,以林分因子、地形因子、林分空间结构、土壤厚度和物种多样性5方面的9个因子为自变量,建立全局泊松模型和以地理加权回归模型为基础的4种尺度(5、10、15和20 km)地理加权泊松模型(GWPR)对该地区天然次生林更新状况进行模拟,利用全局MoranI和局域MoranI分别对模型残差的全局空间自相关性和空间分布状况进行描述,评价全局模型和各尺度局域模型的拟合效果,对尺度效应下各局域模型之间的差异进行说明,采用5 km尺度局域模型绘制研究区森林更新的空间分布,对研究区森林更新状况进行评价和分析。【结果】5 km尺度局域模型具有最好的模型残差局域化空间分布效果,可形成不同模型残差聚集分布的理想状态,模型变量的参数估计值产生跨度最大的变化范围,模型稳定性最好,随着空间尺度逐渐增大模型稳定性不断下降,但总体上要好于全局模型;同时,处于该尺度下的局域模型,模型残差的空间自相关性最低。局域模型的拟合效果好于全局模型,其中5 km尺度局域模型的MSE和AIC在所有模型中最小。研究区内更新株数呈南高北低、东西差异不明显的分布趋势。【结论】在构建局域模型时,应考虑空间尺度的影响,5 km尺度局域模型可以很好模拟研究区天然次生林更新的空间分布状况,有效降低甚至去除空间自相关性。研究区的林分更新株数主要集中在1 000～2 000株·hm~(-2)之间,更新等级处于不良水平,森林天然更新能力整体较弱,可采用人工促进天然更新等措施进行森林经营。     

基于地理加权回归模型与林火遥感数据估算森林年龄

【目的】通过地理加权回归(GWR)模型估算非干扰林龄,利用遥感数据和林火发生历史数据,获取过火区域信息,进而对林火烈度分级,讨论林火烈度与森林类型的交互作用,估算干扰林龄,最终获得黑龙江省森林年龄的空间分布。【方法】以黑龙江森林为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,通过逐步回归方法提取了包括遥感因子绿度指数(Greeness)、湿度指数(Wetness)、林分平均胸径(ADBH)、林分平均树高(ASH)及海拔(Altitude)在内的5个显著因子作为自变量,采用GWR模型建立非干扰林龄估算模型。采用全局Moran I来描述模型残差的空间自相关性。绘制研究区非干扰林龄空间分布图并探究林龄的空间分布状态。[JP+1]结合林火位置与面积记录对多光谱数据目视解译提取过火区域,根据dNBR将过火区域火烈度分级。将火烈度图与植被类型图叠加分析,讨论不同森林类型在不同火烈度下的演替情况。定义干扰林龄时,未发生树种更替的森林林龄不变,树种发生更替的森林在林火发生年将其林龄归为0,并在新的优势树种萌发时从1开始累加,以此类推干扰后森林的林龄。【结果】黑龙江省非干扰森林平均林龄为48年,标准差为16年。GWR模型的 Radj^2 为0.68,RMSE为16.171 7。使用Moran I来检验模型的残差,发现GWR模型可很好地消除残差的空间自相关性。研究区林龄整体空间分布状态不均匀,大兴安岭地区林龄普遍高于黑龙江林区。黑龙江省2000―2010年林火主要发生在大兴安岭及小兴安岭地区,根据dNBR将已提取的过火区域林火烈度分为:未过火、轻度过火、中度过火和重度过火4类,总过火面积为527 932 hm^2,其中重度29 157 hm^2、中度180 268 hm^2、轻度318 507 hm^2。兴安落叶松林和蒙古栎林在整个研究区中过火面积最大,分别占总过火面积的28.63%和47.23%。根据不同森林类型在不同火烈度下的演替情况,估算干扰森林的林龄并绘制干扰林龄空间分布图。【结论】 GWR模型能较有效地估算黑龙江省非干扰林龄,成功地降低了残差的空间自相关性。在估算林龄的过程中加入林火干扰因素,以获取更真实的林龄空间分布数据,可为黑龙江地区森林NPP、NEP以及森林碳储量、森林生物量等相关研究提供数据支持。     

基于地理加权回归模型与林火遥感数据估算森林年龄

【目的】通过地理加权回归(GWR)模型估算非干扰林龄,利用遥感数据和林火发生历史数据,获取过火区域信息,进而对林火烈度分级,讨论林火烈度与森林类型的交互作用,估算干扰林龄,最终获得黑龙江省森林年龄的空间分布。【方法】以黑龙江森林为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,通过逐步回归方法提取了包括遥感因子绿度指数(Greeness)、湿度指数(Wetness)、林分平均胸径(ADBH)、林分平均树高(ASH)及海拔(Altitude)在内的5个显著因子作为自变量,采用GWR模型建立非干扰林龄估算模型。采用全局Moran I来描述模型残差的空间自相关性。绘制研究区非干扰林龄空间分布图并探究林龄的空间分布状态。[JP+1]结合林火位置与面积记录对多光谱数据目视解译提取过火区域,根据dNBR将过火区域火烈度分级。将火烈度图与植被类型图叠加分析,讨论不同森林类型在不同火烈度下的演替情况。定义干扰林龄时,未发生树种更替的森林林龄不变,树种发生更替的森林在林火发生年将其林龄归为0,并在新的优势树种萌发时从1开始累加,以此类推干扰后森林的林龄。【结果】黑龙江省非干扰森林平均林龄为48年,标准差为16年。GWR模型的 Radj^2 为0.68,RMSE为16.171 7。使用Moran I来检验模型的残差,发现GWR模型可很好地消除残差的空间自相关性。研究区林龄整体空间分布状态不均匀,大兴安岭地区林龄普遍高于黑龙江林区。黑龙江省2000―2010年林火主要发生在大兴安岭及小兴安岭地区,根据dNBR将已提取的过火区域林火烈度分为:未过火、轻度过火、中度过火和重度过火4类,总过火面积为527 932 hm^2,其中重度29 157 hm^2、中度180 268 hm^2、轻度318 507 hm^2。兴安落叶松林和蒙古栎林在整个研究区中过火面积最大,分别占总过火面积的28.63%和47.23%。根据不同森林类型在不同火烈度下的演替情况,估算干扰森林的林龄并绘制干扰林龄空间分布图。【结论】 GWR模型能较有效地估算黑龙江省非干扰林龄,成功地降低了残差的空间自相关性。在估算林龄的过程中加入林火干扰因素,以获取更真实的林龄空间分布数据,可为黑龙江地区森林NPP、NEP以及森林碳储量、森林生物量等相关研究提供数据支持。     

河北省北部华北落叶松人工林立地指数空间分布预测

【目的】探究河北省北部华北落叶松人工林立地生产力空间分布格局及其与环境因子的关系,为高效森林经营提供依据。【方法】基于研究区1 179块森林资源二类调查小班数据,建立以地形、气候和土壤因子为辅助变量的多元线性回归(MLR)、随机森林(RF)、回归克里格(RK)和地理加权回归克里格(GWRK)模型。通过模型评价,选择最优模型预测研究区华北落叶松人工林立地指数(SI)空间分布,采用相关和偏相关分析方法分析SI分布格局与主要环境因子的关系。【结果】海拔、最干月降水、土壤全氮和全磷是影响研究区华北落叶松人工林立地生产力的主要因子;地统计学的2种模型(RK和GWRK)拟合优度相近且均显著高于MLR和RF模型,与全局回归的RK模型相比,局部回归的GWRK模型具有较高的R~2(0.780)及较低的AIC (160.533)、RMSE(1.593 m)和MAE(1.113 m),为最优预测模型;不同立地生产力等级地区内SI对地形和土壤因子的变化表现更为敏感,对气候因子的变化反应较弱。【结论】海拔、最干月降水较高以及土壤氮磷含量适中的研究区西北部,是华北落叶松人工林适生区,而海拔、最干月降水较低以及土壤氮磷含量不平衡的东、南部,华北落叶松人工林的适应性较差,可通过造林活动或适当添加氮磷肥削弱环境因子对树木的不利影响。     

东北地区落叶松人工林生物量转换与扩展因子空间自回归模型

【目的】基于东北地区落叶松人工林森林资源连续清查固定样地数据,探讨生物量转换与扩展因子(BCEF)的最优模型形式,建立落叶松人工林BCEF空间自回归模型,为生物量精准估算提供模型支撑和依据。【方法】选择多种模型形式建立BCEF普通回归模型,从中选择拟合效果最好的模型,运用空间误差模型(SEM)和空间滞后模型(SLM) 2种空间自回归方法重新拟合模型,采用决定系数(R~2)、均方根误差(RMSE)和相对均方根误差(rRMSE)对模型进行评价,使用莫兰指数(MI)检验各变量和BCEF模型残差的空间自相关性。【结果】1) BCEF存在明显的空间自相关性,空间距离较小时,同一省内的落叶松人工林BCEF属性相似,随着空间距离增大,各省之间的BCEF属性差异逐渐体现出来,最终趋向随机分布; 2)在普通回归模型中,异速生长模型、对数模型和双曲线模型拟合效果较好,不同自变量对应的最优模型形式不同;林分平方平均直径(Dg)是解释能力最高的变量,以Dg为自变量的有效模型的R~2在0.945～0.958之间;其次是林分平均高和蓄积量,其有效模型的R~2在0.60以上;林分平均年龄的解释能力略低,其有效模型的R~2仅0.50左右;林分断面积(BA)和密度(N)对BCEF的解释能力较差,R~2均不超过0.50;以Dg为自变量的普通回归模型的残差存在明显空间自相关性; 3)以Dg为自变量的双曲线空间自回归模型最优,且SEM优于SLM,与对应普通回归模型相比,SEM的R~2提高3%,RMSE和rRMSE分别降低33%和35%,模型残差的MI不超过0.02,可较好消除空间自相关性。【结论】双曲线是BCEF最稳定的模型形式,Dg是解释BCEF的最优变量,建议采用以Dg为预测变量的双曲线函数空间误差模型估算BCEF。     

基于空间自相关的天然蒙古栎阔叶混交林林木胸径-树高模型

【目的】考虑林木间的空间自相关,构建基于空间自相关的林木胸径-树高模型,为可持续经营天然混交林提供理论依据。【方法】以天然蒙古栎阔叶混交林为研究对象,选择适宜的线性化林木胸径-树高模型为基础模型(BM),应用3个同步自回归(SAR)模型即空间滞后模型(SLM)、空间误差模型(SEM)和空间Durbin模型(SDM)研究该混交林的林木胸径-树高模型。同时,将Delaunay三角网(DT)矩阵、逆距离一次幂(ID1)、逆距离二次幂(ID2)、逆距离五次幂(ID5)、球状变异函数(SV)矩阵、高斯变异函数(GV)矩阵和指数变异函数(EV)矩阵共7个空间加权矩阵应用于SAR模型中。利用普通最小二乘法(OLS)估计BM参数,极大似然法估计3个SAR模型参数,并对4个模型的回归参数进行T检验,对3个SAR模型的自回归参数进行似然比检验。选择Moran’s I(MI)指数比较分析BM、SLM、SDM和SEM 4个模型的残差空间自相关,选择决定系数(R2)、均方根误差(RMSE)和Akaike信息准则(AIC)3个拟合指标比较分析4个模型的拟合效果。【结果】空间加权矩阵SV的BM残差MI值大于1,因此以下结果分析中将不再考虑SV。其他6个空间加权矩阵的BM和SLM残差MI值均显著大于期望值I0,但SLM残差MI值较相同空间加权矩阵的BM残差MI值小。除了GV和ID1外,其他4个空间加权矩阵的SDM残差MI值均与I0差异不显著。除了ID1外,其他5个空间加权矩阵的SEM残差MI值均与I0差异不显著。3个SAR模型的3个拟合指标均优于BM。在相同的空间加权矩阵中,SDM和SEM的3个拟合指标非常接近,但均优于SLM。在SDM和SEM中,不同空间加权矩阵(除GV外)根据3个拟合指标从优至劣的排序为ID2DTIDID5EV。无论采用哪个空间加权矩阵,3个SAR模型的回归参数β1均与BM中的β1相似,且均显著不为零。相比β1,SEM和BM中的β0相似,但SDM和SLM中的β0与BM中的β0不相似,并且随着空间加权矩阵的变化而变化。应用于SAR模型的所有空间加权矩阵中,利用ID1得出的自回归参数ρ、γ和λ均明显高于利用其他空间加权矩阵计算的值。GV只有在SEM中才能使自回归参数λ显著。除了GV外,利用其他5个空间加权矩阵得出的ρ、γ和λ均显著。【结论】应用于SAR模型的7个空间加权矩阵中,SV和ID1为不合理的空间加权矩阵。SLM只能降低模型残差的空间自相关,改善模型拟合效果较SDM和SEM差。只要选择合适的空间加权矩阵,SDM和SEM就可以消除模型残差的空间自相关,提高模型拟合效果,其中ID2是最好的空间加权矩阵。利用ID2和SEM构建以树种为哑变量的胸径-树高模型,从而得出基于空间自相关的蒙古栎、杨桦(山杨和白桦)、红松的胸径-树高模型。     

华北落叶松人工林林分枯损株数随机效应预测模型

【目的】构建能够准确预测华北落叶松林分枯死木的计数模型,探究影响华北落叶松林中林木枯死数量的主要原因,为冬奥会核心区的华北落叶松人工林科学经营与管理提供决策依据。【方法】以张家口市崇礼冬奥核心区45块华北落叶松人工林样地为研究对象,构建华北落叶松林分枯死数量Poisson回归模型、负二项回归模型、零膨胀Poisson回归模型和零膨胀负二项回归模型、Hurdle-Poisson回归模型、Hurdle负二项回归模型,根据AIC值选出最优计数模型。基于最优计数模型,考虑不同随机效应水平和作用在截距和协变量上的随机参数,根据模型收敛情况和AIC值确定最优的随机效应水平和随机参数组合,构建最优林分枯死数量混合效应模型。【结果】林分平均直径、林分优势木平均高、林龄、林分断面积和林分胸径Gini系数为影响林分枯死的林分因子,立地因子对林分枯死的影响并不大。未考虑零膨胀现象时,负二项回归模型拟合效果优于Poisson回归模型;考虑零膨胀现象后,Hurdle-Poisson回归模型拟合效果优于零膨胀Poisson回归模型。最终几种考虑零值过多的计数模型的拟合精度表现为：Hurdle负二项回归模型(HNB...     

林分和地形因子对崇礼冬奥核心区森林地表可燃物载量的影响

【目的】建立林分因子和地形因子与森林地表可燃物载量之间的回归关系,对崇礼冬奥核心区华北落叶松林和白桦林森林地表可燃物载量进行估计,为研究区森林防火和可燃物管理提供科学依据。【方法】2021年在研究区设置63块华北落叶松林和白桦林实测样地,调查森林地表可燃物载量(灌木、草本、枯枝落叶和腐殖质的鲜质量和干质量)、林分因子(胸径、树高、冠幅等)和地形因子(坡度、海拔、土层厚度)。对森林地表可燃物数据进行处理、分析,以林分因子和地形因子为自变量、以森林地表可燃物总载量为因变量进行相关性分析,利用逐步筛选法,选择合适的模型形式。对因子进行逐步回归,筛选相关性强的因子,最终选用年龄、林分密度、植被盖度和海拔估算华北落叶松林森林地表可燃物总载量,选用林分密度、坡度和海拔估算白桦林森林地表可燃物总载量。并对崇礼冬奥核心区林地小班的森林地表可燃物载量进行预测。【结果】华北落叶松林森林地表可燃物总载量高于白桦林且差异显著(P<0.05)。相关性分析表明,林分因子的平均树高、平均胸径和郁闭度与森林地表可燃物总载量显著相关(P<0.05);地形因子的坡度和土层厚度与森林地表可燃物总载量显著相关(P...     

基于空间回归模型的思茅松林生物量遥感估测及光饱和点确定

【目的】确定思茅松林生物量遥感估测的光饱和点,构建空间全局和局域遥感信息模型反演思茅松林生物量,为思茅松林生物量遥感估测提供参考。【方法】以云南省普洱市思茅松林为研究对象,基于Landsat8 OLI遥感影像数据和森林资源二类调查数据,运用二次项函数和幂函数求解思茅松林生物量光饱和点,采用普通最小二乘模型(OLS)、空间滞后模型(SLM)、空间误差模型(SEM)和地理加权回归模型(GWR)构建遥感信息模型,估测思茅松林地上生物量。【结果】1)普洱市思茅松林Landsat8 OLI遥感估测地上生物量的光饱和点为106.3 t·hm~(-2);2)空间回归模型拟合精度较高,尤其是GWR模型具有最高的R2(0.373)和最小的AIC(4 577.8),其拟合精度显著高于OLS、SLM和SEM模型;3)独立性样本检验结果表明,GWR模型的预估精度最高,且通过刀切法检验可知GWR模型在高值阶段(≥100 t·hm~(-2))和低值阶段(0～50 t·hm~(-2))的生物量估测能力强于OLS、SLM和SEM模型;4) GWR模型反演计算结果表明,思茅松林单位面积地上生物量为66.496 t·hm~(-2),与实测值偏差23.511%,估测误差低于OLS、SLM和SEM模型。【结论】对普洱市思茅松林生物量进行遥感估测时,GWR模型优于OLS模型和其他空间全局回归模型,且GWR模型可在一定程度上解决高值低估和低值高估问题,减小光饱和点对遥感估测精度的影响。     

大兴安岭东部天然落叶松林可加性林分生物量估算模型

【目的】探讨林分乔木层生物量的估算方法,为大区域、大尺度森林生物量的估算提供理论依据。【方法】利用1990—2010年5期大兴安岭东部天然落叶松林固定样地数据,选择基于林分变量的林分生物量模型和基于林分蓄积量的林分生物量模型作为林分乔木层生物量估算的方法,利用似然分析法去判断2种模型的误差结构(相加型和相乘型),并采用聚合型可加性生物量模型建立其林分生物量模型,模型参数估计采用非线性似乎不相关回归模型方法。采用"刀切法"评价所建立的林分生物量模型。【结果】经似然分析法判断,2种模型的误差结构是相乘型的,对数转换的线性回归更适合用来拟合林分生物量数据;2种模型的调整后确定系数R2a0.94,平均相对误差ME为0%~5%,平均相对误差绝对值MAE15%;所建立的2种可加性林分生物量模型的预测精度在98%以上。【结论】虽然基于林分蓄积量的林分生物量和基于林分变量的林分生物量模型形式不同,但二者都具有较好的预测精度;就本研究而言,2种估算林分生物量的方法都能对大兴安岭东部天然落叶松林林分生物量进行很好地估算。     

森林生物量的空间自相关性研究

森林生物量是森林生态系统物质循环与能量流动的基础,可以很好的衡量森林生产力。研究森林生物量的空间分布及其变化规律,对揭示地表空间变化规律具有重要意义。本研究以帽儿山林区为主要研究区域,以2004年帽儿山林区固定样地调查数据为基础,对帽儿山地区生物量进行全局自相关性分析和局部自相关性分析,并在此基础上使用R软件建立生物量与各地理因子、生物因子的多元回归模型;使用GWR软件,以每公顷株数、平均胸径和高程为解释变量,建立GWR模型。结果表明:帽儿山地区的森林生物量具有空间正相关性,在本研究区域内地理加权回归模型较多元回归模型AIC值降低了90,决定系数R~2和调整型决定系数R~2均有提升,GWR模型具有更高的拟合精度。     

长株潭城市群新型城镇化对生态系统服务价值空间分异的影响

【目的】随着城镇化进程的加快,生态环境问题日渐凸显,推进新型城镇化和生态文明“一体化”建设显得尤为重要和紧迫。【方法】基于2010、2015和2018年三期的土地利用遥感监测和统计年鉴数据,测度长株潭城市群新型城镇化和E_SV的时空演变格局,运用双变量空间自相关分析二者的空间相关特征,进一步借助普通最小二乘法、空间回归和地理加权回归模型,从全局和局部视角出发,诊断不同新型城镇化水平对E_SV空间分异的影响。【结果】1)长株潭城市群平原区域的新型城镇化水平明显高于山地区域,研究期内E_SV显著下降,空间上总体呈“中心低、四周高”分布特征,二者呈现相反的空间分布格局;2)除社会城镇化以外,其他不同新型城镇化水平与A_ESV间存在显著的空间依赖效应,且产生了一定的负外部性;3)通过对比发现,空间误差模型被证明能更好的解释二者的空间关系,经济、空间、生态城镇化是引发E_SV空间分异的显著因子,且其作用方向均为负向,作用强度空间城镇化最强;4)地理加权回归揭示了各因子的效应均存在显著的空间非平稳性...     

基于地理加权回归模型的思茅松生物量遥感估测

通过调查云南省景谷县思茅松林120株单木数据,构建思茅松单木生物量模型。结合2005年景谷县TM影像数据及2006年森林资源二类调查小班数据,采用普通最小二乘模型(OLS)和地理加权回归模型(GWR)的方法构建思茅松生物量遥感估测模型。结果表明:地理加权回归模型比普通最小二乘模型具有更好的拟合效果,其决定系数(R2)显著高于OLS模型,Akaike信息指数(AIC)相比降低7.832;两种模型通过独立样本检验可以看出,模型预估精度从OLS模型的72.70%提高至GWR模型的75.06%;通过GWR模型反演计算,研究区内思茅松林单位面积生物量为49.02t/hm~2,比实测数据低1.229%,与实测数据基本吻合,且估算误差优于OLS模型;基于GWR模型估算的景谷县思茅松林总生物量为2.101×107t。可见基于地理加权回归方法估测森林地上生物量的方法是有效的,能提高森林生物量遥感估测模型的拟合和预估精度,可以用于思茅松林的生物量的遥感估算。     

基于加权三角网的林分空间结构综合指数模型

【目的】基于加权三角网提出的林分空间结构综合指数模型,为综合性评价林分空间结构及制定森林经营决策方案提供一种新的方法模型。【方法】选取林木的自身属性(胸径、树高和冠幅)为综合权重,建立了一种用于描述林分空间结构单元的加权三角网。引入微观经济学中C-D生产函数的相关理论,构建了以全混交度、角尺度和交角竞争指数3个参数作为"投入",以林分整体空间结构综合指数作为"产出"的林分空间结构生产函数模型,从而定义林分空间结构综合指数(FSSCI)。以实验样地为例,对基于加权三角网确定的3个参数和FSSCI进行适用性评价。【结果】1)天然林样地加权前后的3个空间结构参数均符合正态分布;加权前后的全混交度呈显著相关,但由于加权过程中改变了林木的坐标,导致角尺度和交角竞争指数不存在相关性。2)天然林样地加权前后的平均FSSCI存在相关性,相关系数为0.650,Sig.值为0.029;天然林样地的FSSCI与FSSI′之间存在相关性,且两者对天然林的评价结果基本一致,但FSSI′对人工林的评价结果为0,无法做出有效的评价;FSSCI对林分空间结构的评价比传统方法更为全面。【结论】基于加权三角网计算的3个空间结构参数和FSSCI仍然是合理可用的。FSSCI同FSSI′一样对天然林的空间结构评价具有合理性和适用性,但FSSCI的适用范围广于FSSI′,满足天然林和人工林的空间结构评价。FSSCI的提出丰富了林分空间结构综合性评价方法,为森林可持续经营提供了合理可靠的理论与技术支持。     

基于景观格局和地理加权回归模型的森林经营对策研究——以云南建水县为例

为给森林可持续经营提供参考,从景观生态学角度,利用景观格局指数具体分析研究区景观格局空间分布特征,得到林业景观和非林业景观的定性关系描述。在定性分析非林业景观对林业景观影响的基础上,量化选取能表征非林业景观的非林业影响因子。选取研究区10类乔木林优势树种林分,利用加入非林业影响因子空间分布特征的地理加权回归模型提取林分质量,并对加入前和加入后的林分质量进行对比分析。结果显示,乔木林林分质量与林分调查因子、地形因子和水域景观呈正相关,与人工建筑景观和农业景观呈负相关。基于研究区景观格局空间分布特征及非林业景观影响因素,总结出研究区乔木林林分质量受非林业景观影响而变化的规律性特征,从林业景观和林分质量方面提出多种森林经营对策。     

基于Landsat8影像的汝城县森林地上生物量遥感估算研究

精确估测森林生物量是分析森林碳动态和碳循环的基础。本研究采用汝城县森林资源连续清查数据,结合Landsat 8遥感影像,分析了森林地上生物量的空间自相关和空间异质性,并选取显著相关的植被指数因子,分别构建普通最小二乘模型、空间滞后模型以及地理加权回归模型,并绘制汝城县森林地上生物量的空间分布图。结果表明:通过对森林地上生物量的空间效应分析,发现样地生物量的空间自相关和空间异质性不容忽视。与普通最小二乘回归相比,空间滞后模型和地理加权回归模型可以减少空间效应对森林地上生物量估测的影响。地理加权回归模型可以最大程度地减少过高或过低估计,估测森林地上生物量的精度最高,决定系数达到0.756,均方根误差和平均相对误差最小,分别为17.288 t·hm~(-2)和-8.542%。因此使用Landsat 8遥感影像结合地理加权回归方法在改善森林地上生物量的估测中具有巨大潜力。     

基于SEM的五指山市森林碳储量空间分布特征

基于海南省五指山市2008年森林资源一类清查数据,利用空间误差模型(SEM)分析森林碳储量与林分因子、地形因子之间的关系和森林碳储量的空间分布,以期为五指山市森林管理规划提供相关信息。结果表明:五指山市森林碳储量的空间分布具有空间自相关性;文章所选的林分因子、地形因子都对森林碳储量的空间分布有显著影响,其中,郁闭度是最主要的因子。SEM可以很好地解决模型残差的空间自相关性。由模型的预估结果可以看出,森林碳储量的空间分布整体差异不大。     

湖南省楠木次生林收获表的研制

【目的】利用湖南省森林资源连续清查样地中楠木数据,编制楠木次生林主要收获表,为林分生长收获预估、鉴定经营效果及制定营林措施提供科学依据。【方法】采用主要生长方程对楠木次生林平均胸径、断面积生长规律进行拟合,以计算平均提升系数的方法将现实林分提升至标准林分状态,利用Reineke模型为基础,加入林分类型效应构建湖南楠木次生林自稀疏混合效应模型,对比Reineke模型和自稀疏混合效应模型拟合结果,筛选拟合效果较好的模型来反映林分自稀疏规律。根据林分各调查因子间相互关系,编制出湖南楠木次生林现实收获表、正常收获表。【结果】修正Weibull方程对各指数级林分平均胸径生长规律的拟合效果最好,12、15指数级林分断面生长规律拟合效果最好的分别是修正Weibull方程和Logistic方程,模型χ2检验显示各指数级林分平均胸径、断面积均有χ2χ02.05,加入林分类型效应的自稀疏混合效应模型AIC、BIC值均比基础模型小,残差分布范围较小且相对均匀,相关系数R2由基础模型的0.681提升为0.796,模型拟合效果较好。【结论】生长方程拟合理论值与林木实际生长情况相符,自稀疏混合效应模型可很好地反映林分自稀疏规律,所编制的楠木次生林收获表精度较高,可为科学制定楠木次生林经营方案提供技术支持。     

昆嵛山林区赤松赤枯病病基指数模型

【目的】构建赤松赤枯病病基指数(Disease based index,DBI)评价体系,定量评价与林分因子共同作用后,立地因子对赤松纯林中赤枯病发生程度的作用等级。【方法】在林龄相对一致(34±2)年的赤松纯林生态系统中设立临时样地,筛选影响赤松赤枯病发生的关键林分因子,建立关键林分因子与赤枯病病情指数的函数关系,选取最优模型作为主曲线;将主曲线等比值拉伸得赤枯病病基指数曲线群,其自下而上依次表示不同的病基指数,即立地对赤枯病发生程度的作用等级。【结果】1)基于森林病害发生的基本原理,提出病基指数的概念。2)确定赤松赤枯病病基指数的定量方法,它包含样地的设立、病情指数的调查、林分因子的调查、关键林分因子的筛选、基准点的确定、备选主曲线模型的建立、主曲线模型的确定和评价、主曲线的绘制及曲线群的建立共9个步骤。3)逐步回归分析表明,林分密度是影响赤松赤枯病发生的关键林分因子,依据所提定量方法建立主曲线方程:Q=65. 61/(1+e-0. 001 5 x+2. 32),决定系数R2=0. 519 8,说明拟合方程较可靠,用该模型预估赤松赤枯病的病情指数时,平均预估误差是5. 35%。4)将赤枯病病基指数主曲线等比值拉伸得曲线群,即建立定量评价体系。体系中的5条曲线自下而上分别表示为:Ⅰ为极轻病害发生,Ⅱ为轻度病害发生,Ⅲ为中度病害发生,Ⅳ为重度病害发生,Ⅴ为特重度病害发生。【结论】赤松赤枯病病基指数主曲线模型和曲线群图可以定量评价赤松林的立地因子对赤枯病的潜在发生程度的作用等级,可为赤松纯林合理、有效的管理提供理论基础,将成为森林有害生物生态控制方法的重要组成部分。     

旺业甸林场人工林生物量遥感反演研究

森林生物量能直接反映森林质量,遥感技术结合地面样地能实现林分或区域范围森林生物量的反演,反演结果对制定森林资源合理利用、生态环境改善等方面的政策具有重要的指导意义。论文以旺业甸林场Landsat8 OLI影像为数据源,从影像中提取161个植被指数,对比Pearson相关系数法和随机森林法进行特征变量选择,分别筛选出合适的因子作为模型自变量,结合实地调查数据,建立多元线性逐步回归、地理加权回归、kNN回归和随机森林等4种生物量反演模型,并对模型结果进行精度验证。研究结果表明:1)利用Pearson相关系数法进行特征变量选择要优于随机森林法。2)短波红外光和近红外区间波段组合得到的植被指数与生物量的相关性显著,相关性系数最高的前五个因子为SR627、SR637、SR647、SR64、SR213,分别达到了0.776、0.761、0.730、0.702和0.657;3)4种生物量反演模型中,随机森林模型效果最好,决定系数R2为0.72,RMSE=8.12,EA=76.54%;线性逐步回归模型次之,R2为0.65,RMSE=9.01,EA=72.88%;其次是kNN回归模型,R2为0.59,RMSE=9.75,EA=74.89%;地理加权回归模型效果最差,R2为0.58,RMSE=13.75,EA=53.95%;4)利用随机森林模型对研究区进行生物量反演,反演结果生物量空间分布与实际情况基本一致,反演效果较好。