澜沧江流域云南松群落分布与地形因子的关系研究

依据2020年在澜沧江流域分层抽样调查的120个云南松样地数据,提取云南松群落数据和地形因子数据,采用典型对应分析法研究澜沧江流域云南松群落的分布与海拔、坡向和坡度的相关关系。结果表明,地形因子中对澜沧江流域云南松群落分布影响较大的因子为海拔,其次为坡度,坡向对云南松林分布的影响较小。     

基于混合效应模型的迪庆云冷杉林地上生物量遥感估测

  目的  确定云冷杉林生物量光学遥感估测饱和值,探索提高生物量遥感估测精度。  方法  以云南省迪庆藏族自治州云冷杉林为研究对象,根据森林资源二类调查数据,结合同时期Landsat 8 OLI遥感影像,利用随机选取的小班样本数据提取遥感因子反射率统计值,并与生物量进行曲线拟合,求解云冷杉林生物量饱和值,建立云冷杉生物量回归估测模型、BP神经网络模型。同时基于回归模型构建考虑区域、龄组效应的单水平和嵌套两水平(区域+龄组)混合效应模型,反演研究区云冷杉林地上生物量。  结果  利用幂函数拟合得到迪庆藏族自治州云冷杉林生物量饱和值为233 t·hm?2;最优回归估测模型调整决定系数(R_a2)为0.606,高于BP神经网络模型的R_a2(0.542),各个效应水平混合模型的拟合精度与独立性检验指标均优于回归模型。考虑两水平的混合效应模型有最优的拟合精度,而考虑龄组效应水平的混合模型有最优的独立性检验指标。混合效应模型在低生物量段(＜100 t·hm?2)和高生物量段(＞233 t·hm?2)均显著降低了回归模型和BP神经网络模型的估测平均残差。  结论  混合效应模型有更宽的估测范围,在一定程度上减小低值高估与数据饱和造成的高值低估影响,提高了预估精度。图3表12参28     

香格里拉市高山松林碳储量空间分异研究

以香格里拉市高山松林为研究对象,构建高山松单木碳储量模型,结合森林资源二类调查数据推算香格里拉市高山松林的碳储量和碳密度,以DEM为数据源,对研究区高山松林碳储量和碳密度的空间分布特征进行分析。研究结果表明,高山松单木碳储量模型以幂函数模型精度最高,决定系数R²=0.989,均方误差MSE=259.43,可用来进行高山松林碳储量估测;在空间分布上,研究区高山松碳储量集中分布于海拔>2 500～4 000 m地段,在海拔>2 000～2 500 m地段碳储量密度最大,为40.80 t/hm²;高山松林碳储量从平坡到险坡的分布呈先增大后减小的趋势,其中,在陡坡上分布最多,在平坡上分布最少;高山松林碳密度随坡度的增大呈先增大后减小的趋势,其中高山松林在急坡上的碳密度最大,为35.94 t/hm²,在平坡上的碳密度最小,为30.85 t/hm²;高山松林碳储量在平地上分布极少,在阴坡、半阴坡、半阳坡、阳坡上的分布差异不大,呈先增大后减小的趋势,其中,在半阳坡上的分布最多,在阴坡上的分布最少,高山...     

香格里拉市高山松林碳密度与环境因子的关系研究

以香格里拉市高山松林为研究对象,依据前期构建的高山松单木碳储量模型,结合森林资源二类调查数据推算高山松林的碳密度,利用除趋势对应分析方法探讨高山松林碳密度与各环境因子之间的关系。结果表明,在林分因素中,平均树高对高山松林碳密度的影响最大;在地形因素中,坡度对高山松林碳密度的影响最大;在温度因素中,最热月均温和最冷月均温差对高山松林的碳密度影响最大;在降水因素中,最干季降水和最冷季降水对高山松林碳密度的影响最大。环境因子的综合作用对高山松林碳密度影响的综合分析表明,DCA的第一排序轴与高山松林的碳密度相关性最大,可以很好地解释环境因子的综合作用对高山松林碳密度产生的影响,在26个环境因子中,有20个环境因子与DCA第一排序轴有极显著的相关性,其中,林分因子的相关性系数较大,说明高山松林的碳密度主要受林分因子共同作用的影响。