攀枝花市云南松生物量空間分布格局研究-森林經(jīng)理-研究生開題報(bào)告(三)

隨著GIS和空間統(tǒng)計(jì)技術(shù)的發(fā)展，地統(tǒng)計(jì)學(xué)方法在研究森林土壤更新過程、養(yǎng)分和水分空間變異以及物種空間分布格局、森林干擾、林分因子、地表死可燃物載荷量和種子資源的空間格局、生物量等方面取得了成功的應(yīng)用。地統(tǒng)計(jì)學(xué)主要是以區(qū)域化變量理論為基礎(chǔ)，可以定量描述和解釋空間異質(zhì)性或者空間相關(guān)性；也可以建立各種空間預(yù)測(cè)模型，并進(jìn)行空間數(shù)據(jù)插值和估計(jì)；同時(shí)能夠?qū)�空間格局的尺度、幾何形狀、變異方向進(jìn)行定量分析和有效估計(jì)；有利于深刻了解生命有機(jī)體(個(gè)體、種群和群落)的空間分布情況和空間異質(zhì)的機(jī)制[63]。

由于生物量受各種生物因素和非生物因素的影響，生物量不是純隨機(jī)變量，而是區(qū)域化變量，具有隨機(jī)性和結(jié)構(gòu)性雙重屬性，因而目前國(guó)內(nèi)外學(xué)者越來越感興趣于利用區(qū)域內(nèi)樣地調(diào)查的數(shù)據(jù)，應(yīng)用地統(tǒng)計(jì)學(xué)方法在大尺度下分析生物量的空間格局和進(jìn)行空間插值。Malhi等[64]采用胸高斷面積和平均木材密度2個(gè)變量作為生物量的預(yù)測(cè)變量，得到每個(gè)樣地的生物量值，然后利用反距離加權(quán)法對(duì)整個(gè)南美低地?zé)釒в炅值纳�物量進(jìn)行了估計(jì)，得到了生物量空間分布格局圖。Sales等[65]將海拔、植被類型和土壤質(zhì)地作為預(yù)測(cè)變量，然后利用漂移克里格法對(duì)巴西Rondnia地區(qū)蓄積進(jìn)行了估計(jì)，并生成了空間分布格局圖，分析了蓄積的空間格局以及隨解釋變量變化的關(guān)系，這種方法不僅考慮了海拔、植被類型和土壤質(zhì)地等解釋變量對(duì)蓄積的影響，同時(shí)也考慮了蓄積之間的空間自相關(guān)性；再將蓄積轉(zhuǎn)換成生物量，得到該地區(qū)的生物量分布圖。Du等[66]基于野外調(diào)查數(shù)據(jù)，利用點(diǎn)狀普通克里格方法對(duì)浙江省安吉縣毛竹(Phyllostachys edulis)生物量的空間格局進(jìn)行了分析，并對(duì)生物量總量進(jìn)行了估計(jì)，生成了毛竹生物量空間分布格局圖。劉曉梅等[67]利用保護(hù)區(qū)樣地調(diào)查數(shù)據(jù)，根據(jù)一元生物量模型計(jì)算樣地生物量，在此基礎(chǔ)上采用普通克里格方法進(jìn)行插值，對(duì)整個(gè)保護(hù)區(qū)的生物量總量進(jìn)行估計(jì)，并從林分結(jié)構(gòu)和地形因子的角度分析了生物量的空間格局。但是，很少對(duì)不同克里格插值方法的精度進(jìn)行比較，同時(shí)也缺少采用協(xié)同克里格法估測(cè)森林生物量的實(shí)證分析和案例研究。

2.4 面臨的機(jī)遇

云南松作為川西南山地一個(gè)十分重要的樹種，對(duì)云南松生物量的空間分布格局研究不僅有利于該區(qū)域森林資源管理，同時(shí)對(duì)促進(jìn)生態(tài)效益和經(jīng)濟(jì)效益的發(fā)揮也有十分重要的意義。目前對(duì)生物量的研究中對(duì)杉木、楠木、巨按、刺槐等樹種都有研究，但對(duì)云南松生物量的研究卻鮮有報(bào)道。而對(duì)云南松的研究主要為低磷脅迫下云南松幼苗生物量的研究[68]，云南松林分生長(zhǎng)模型研究[69]等，對(duì)大面積云南松生物量的空間格局方面的研究卻鮮有報(bào)道。

3 研究目的及意義

生物量數(shù)據(jù)是研究許多林業(yè)問題和生態(tài)問題的基礎(chǔ)，是現(xiàn)代森林生態(tài)系統(tǒng)研究中的重要組成部分，對(duì)研究生態(tài)系統(tǒng)物質(zhì)和能量的固定、消耗、分配、積累和轉(zhuǎn)化有著重要意義。森林生物量是森林生態(tài)系統(tǒng)最基本的數(shù)量特征，它既表明森林的經(jīng)營(yíng)水平和開發(fā)利用的價(jià)值，同時(shí)又反映森林與環(huán)境在物質(zhì)循環(huán)和能量流動(dòng)上的復(fù)雜關(guān)系。尋找一種更加簡(jiǎn)介有效的生物量的獲取方法從而提高數(shù)據(jù)統(tǒng)計(jì)工作效率是十分有必要的。在大范圍的森林生物量調(diào)查中，通常利用模型計(jì)算單點(diǎn)生物量，然后通過其它統(tǒng)計(jì)方法估算整體生物量的方法能大大減小調(diào)查工作量，并減小誤差。而云南松作為攀枝花市最常見的樹種，在對(duì)該地區(qū)防風(fēng)固沙、水土保持和木材采伐等方面發(fā)揮著十分重要的作用。

本文從生物量的概念入手，通過研究森林生物量的發(fā)展進(jìn)程和國(guó)內(nèi)外的研究現(xiàn)狀，得出當(dāng)前森林生物量研究中存在的不足之處。生物量模型是研究森林生物量中比較流行且有效的方法，而其中非線性模型應(yīng)用最為廣泛，也最具有代表性。本文的樣地?cái)?shù)據(jù)來源于攀枝花市2012年森林資源二類調(diào)查，根據(jù)二調(diào)規(guī)范，設(shè)置標(biāo)準(zhǔn)為每1000m2進(jìn)行機(jī)械布點(diǎn)，總共設(shè)置約500個(gè)樣地，除去宜林地、灌木林地和無云南松的有林地，最后剩余約200個(gè)樣地。在所設(shè)置的標(biāo)準(zhǔn)地里選取約五十株生長(zhǎng)狀況良好的云南松作為樣木，建立非線性模型。通過建立的模型對(duì)所有樣地的云南松生物量進(jìn)行估算得出單點(diǎn)生物量數(shù)據(jù)，然后通過多元線性回歸、最小二乘法和地統(tǒng)計(jì)分析法分別對(duì)攀枝花市的云南松生物量進(jìn)行擬合估算，最后通過剩余殘差平方和（RSS）、剩余均方差（MRS）、剩余標(biāo)準(zhǔn)差（S）等對(duì)三種方法進(jìn)行選優(yōu)，并最終估算出攀枝花市云南松生物量并獲得空間格局分布圖。

4 研究?jī)?nèi)容

（1）采集具有代表性的標(biāo)準(zhǔn)木約50株，包括胸徑6cm-50cm各個(gè)徑階1-2株，用全樹調(diào)查法計(jì)算單株生物量，編制生物量模型曲線，確定最優(yōu)模型。

（2）通過多元線性回歸、最小二乘法、地統(tǒng)計(jì)法估算整體生物量，并對(duì)三種方法進(jìn)行檢驗(yàn)，用最優(yōu)方法估算出攀枝花市云南松生物量。

（3）用ARCGIS10.0軟件制作攀枝花市云南松空間格局分布圖

5 研究區(qū)域和研究方法

5.1 研究區(qū)域概況

研究區(qū)為四川省攀枝花市，幅員面積7397.11km2。介于東經(jīng)101°08′~102°15′，北緯26°06′~27°20′之間。攀枝花是全國(guó)唯一以花命名的城市，位于中國(guó)西南川、滇交界部，北距成都749km，南至昆明351km，西連麗江，東接昭通。是四川通往華南、東南亞沿邊、沿海口岸的最近點(diǎn)，為“南方絲綢之路”上重要的交通樞紐和商貿(mào)物資集散地。

攀枝花為干熱河谷地帶，屬南亞熱帶半干旱氣候，冬暖，春溫高，夏秋涼，四季不明顯。年平均降雨量762~950mm，年平均氣溫18.4℃；海拔高度937m~4195.5m之間，一般相對(duì)高差1500m~2000m；土壤主要有燥紅土、赤紅壤、紅壤、山地黃棕壤、山地棕壤、山地暗棕壤、亞高山草甸土等；境內(nèi)河流多，共有大小河流95條，分屬金沙江水系、雅礱江水系，兩水系在雅江橋匯合。攀枝花的森林覆蓋率為60.03%，由于攀枝花干熱少雨的氣候特征，該區(qū)域內(nèi)樹種相對(duì)較單一，主要林分樹種為云南松（Pinus yunnanensis），其次則為云南油杉（Keteleeria evelyniana）、榿木（Alnus cremastogyne Burk）等，灌木樹種主要為青岡（Cyclobalanopsis glauca(Thunb.) Oerst）、車桑子（Dodonaea viscosa (L.) Jacq），人工栽植的經(jīng)濟(jì)類樹種主要為芒果（Mangifera indica L）。

5.2 單點(diǎn)生物量研究

5.2.1 樣地設(shè)置

本文的樣地?cái)?shù)據(jù)來源于攀枝花市2012年森林資源二類調(diào)查，根據(jù)二調(diào)規(guī)范，設(shè)置標(biāo)準(zhǔn)為25.83m*25.83m，面積667m2的正方形，位置為公里網(wǎng)格1000m交叉處。樣地總數(shù)共計(jì)約500個(gè)，除去宜林地、灌木林地和無云南松的有林地，最后剩余約200個(gè)樣地。數(shù)據(jù)中記錄了樣地的地理位置、海拔、坡向、坡度、坡位和土壤類型等基本因子，同時(shí)記錄了每木檢尺的樹種、胸徑、樹高等林分因子。

本文采用的地形圖為1:1萬西安80坐標(biāo)系標(biāo)準(zhǔn)地形圖，衛(wèi)片圖為1:1萬美國(guó)快鳥高清衛(wèi)片圖（2.5m分辨率）。

5.2.2 生物量模型的研究

5.2.2.1 生物量的測(cè)定

在樣地中，按各徑階選擇1~2株樣木，總共選擇約50株，選取樣木時(shí)須按各徑階中最接近平均胸徑樹高且長(zhǎng)勢(shì)干形良好，能較好代表該徑階平均生長(zhǎng)狀態(tài)的林木作為樣木，對(duì)于有病蟲害、受人為或自然因素干擾或破壞的林木，都不能作為樣木。生物量測(cè)定的具體方法是：采用Monsic分層切割法，每2m為一區(qū)分段，分樹干、枝和葉進(jìn)行鮮重測(cè)定。地下部分（根系）采用全根挖掘法，按根兜和根進(jìn)行鮮重測(cè)定。同時(shí)采集各組分樣品200~300g，帶回實(shí)驗(yàn)室。在85℃恒溫下將各組分樣品烘至恒重，并稱重，測(cè)定各樣品的含水率及干重，通過測(cè)定樣品的含水率而推算出各組分的干重。

5.2.2.2 建模樣本和檢驗(yàn)樣本

將所收集樣本分成兩組獨(dú)立樣本，即建模樣本和獨(dú)立檢驗(yàn)樣本，分別用于模型建立和模型檢驗(yàn)。檢驗(yàn)樣本數(shù)量約為總樣本數(shù)的10%。

5.2.2.3 模型擬合

能夠表達(dá)林木易測(cè)因子與生物量之間相關(guān)關(guān)系的模型很多，如線性和非線性方程。而應(yīng)用最多的是非線性模型，尤其是相對(duì)生長(zhǎng)模型CAR模型和VAR模型代表性最明顯，是所有模型中應(yīng)用最為普遍的模型[54-55]。本研究以上述模型為基本結(jié)構(gòu)，以D2H或D、H作為自變量，各器官生物量（W）為因變量，構(gòu)造攀枝花市云南松林單木各器官生物量模型。本研究選擇的生物量回歸擬合方程的模型見表1。

5.2.2.4 備選模型選優(yōu)

為了獲得最佳模型，通過計(jì)算各統(tǒng)計(jì)指標(biāo)（殘差平方和、剩余均方差、剩余標(biāo)準(zhǔn)差、相關(guān)指數(shù)），對(duì)各備選模型進(jìn)行比較，選擇其中殘差平方和（RSS）最小、剩余均方差（MRS）最小、剩余標(biāo)準(zhǔn)差（S）最小和相關(guān)指數(shù)（R2）最大的模型作為最佳模型。指標(biāo)計(jì)算公式如下：

5.2.2.5 模型檢驗(yàn)

研究采用總相對(duì)誤差（RS）、平均相對(duì)誤差（E）和精度分析（P）三個(gè)指標(biāo)對(duì)生物量模型進(jìn)行檢驗(yàn)。其中，RS與E指標(biāo)可以反映出回歸模型系統(tǒng)偏差的情況，預(yù)估精度P能夠反映出回歸模型平均預(yù)估的能力。指標(biāo)計(jì)算公式如下：

5.2.3 模型法估算單點(diǎn)生物量

將采集的各個(gè)徑階的標(biāo)準(zhǔn)木的干、枝、葉、根的生物量數(shù)據(jù)和模型輸入計(jì)算機(jī)，運(yùn)用軟件SPSS 19.0對(duì)模型的參數(shù)進(jìn)行預(yù)估和計(jì)算，采用殘差平方和、剩余均方差、剩余標(biāo)準(zhǔn)差、相關(guān)指數(shù)對(duì)各備選模型進(jìn)行比較，選擇其中殘差平方和（RSS）最小、剩余均方差（MRS）最小、剩余標(biāo)準(zhǔn)差（S）最小和相關(guān)指數(shù)（R2）最大的模型作為最佳全樹生物量模型。

通過最佳生物量模型計(jì)算各個(gè)徑階的云南松生物量，得到以徑階為自變量的生物量曲線，然后估算出所有樣地的云南松生物量。

5.3總體生物量研究

5.3.1 多元線性回歸估算生物量

森林生物量是森林生態(tài)系統(tǒng)生產(chǎn)力的綜合反映，森林生物量的大小受自然和人為的影響，與森林的類型、樹種組成和立地條件緊密相關(guān)。多元回歸建模方法主要包括模型的參數(shù)估計(jì)、假設(shè)檢驗(yàn)、殘差分析以及最優(yōu)回歸方程的選取等。

逐步回歸法是目前使用較為廣泛的選擇最優(yōu)回歸方程的方法。逐步回歸模型是從眾多的自變量中，根據(jù)變量各自對(duì)回歸方程的影響大小，逐次的選入到回歸方程中。先被選入的自變量，如果由于其后新引入的自變量而失去了重要性，這時(shí)就應(yīng)該從回歸方程中淘汰。引入一個(gè)變量或剔除一個(gè)變量，都要進(jìn)行F檢驗(yàn)，以確保每次引入新的變量之前回歸方程中只包含顯著的變量。偏F統(tǒng)計(jì)量是逐步回歸法中增加和刪除自變量的基本決定統(tǒng)計(jì)量。這個(gè)過程反復(fù)進(jìn)行，直到回歸方程不再有可淘汰的變量，也沒有任何可引入的變量為止。

運(yùn)用軟件SPSS 19.0進(jìn)行生物量模型的建立，采用逐步回歸方法優(yōu)選自變量進(jìn)行回歸建模。逐步回歸中，變量選擇的顯著性水平設(shè)定為p≤0.05，變量剔除的水平設(shè)置為p≥0.1。采樣因子建立多元線性逐步回歸模型，Y=m0x0+m1x1+……+mnxn。

5.3.2 最小二乘法估算生物量