本文摘要：摘要： 以云南澜沧县思茅松天然林单木为研究对象，测定了解析木各个器官的含碳量，采用地理加权回归模型，以地形因子和测树学因子作为变量，对思茅松单木树枝、树叶、树干、树皮、树根和全树含碳量进行模型构建，同时构建最小二乘模型作为比较，分析模型优劣。结果表明
摘要： 以云南澜沧县思茅松天然林单木为研究对象，测定了解析木各个器官的含碳量，采用地理加权回归模型，以地形因子和测树学因子作为变量，对思茅松单木树枝、树叶、树干、树皮、树根和全树含碳量进行模型构建，同时构建最小二乘模型作为比较，分析模型优劣。结果表明：思茅松单木在 250m 区域范围内不同器官的含碳量存在空间自相关，因此在研究思茅松单木含碳量的问题时，不能忽略空间自相关的影响。半变异函数能够定量对思茅松各器官含碳量的空间异质性进行分析，200m 范围的空间异质性主要是由随机部分引起的，在研究类似的问题时要确定适当的研究尺度。地理加权回归模型具有较好的拟合效果，各维度含碳量模型的 R2 均在 0.8 以上，虽然部分器官含碳量模型的 AIC 比 OLS 的略大，但地理加权回归模型的均方根误差均小于最小二乘模型，地理加权回归模型的残差也小于最小二乘模型的残差，模型精度优于最小二乘模型，同时说明地理加权回归模型能够有效解释最小二乘模型无法解释的空间异质性。
关键词：思茅松;器官;含碳量;地理加权回归;空间效应
森林植被在陆地生态系统中占据主要地位，其对全球碳循环起着至关重要的作用，以二氧化碳为主的温室气体的排放大幅上升，从而导致生态平衡遭到破坏，因此对森林碳储量的研究已成为国内外学者的热点[1]。目前学者对森林碳储量的相关研究方法归纳起来主要有样地清查法、遥感估测法和模型估测法[2]。其中模型估测森林碳储量是目前较为流行且预估精度较高的方法之一[3−4]。有研究表明林木在生长期间会与周围林木、其他树种分布和森林干扰等多种因素相互作用相互影响，这种林木间的影响产生了空间效应[5]，即空间自相关性和空间异质性。而单木的生长同样会受到自身器官、邻近植物和土壤等环境因素的影响，存在空间效应。当前林木间的空间效应的研究较多主要集中在区域大尺度森林生物量上[6−8]，在单木不同器官含碳量上的研究较为少见。
传统的统计学假设林木数据相互独立与地理位置无关，因此采用传统统计学模型对森林碳储量的估测是有偏差的。为了解决空间效应对森林采样数据的影响，可以采用空间回归模型的方法，目前应用在森林碳储量估测的空间模型很多，比如空间误差模型、空间滞后模型、线性混合模型和地理加权回归模型等[9−12]。
森林论文范例：欧洲森林城市群规划管理经验及其对中国的启示
空间模型能够解决采样数据分布间存在的空间效应问题，但不同种类的空间模型适用条件各有不同。如空间滞后模型仅考虑了全局模型中没有考虑的空间自相关，而忽略了空间异质性的影响，该类模型虽然降低了自相关对模型的影响，提升了模型拟合效果和模型精度，但由于空间异质性存在，模型估测仍然存在一定偏差。Fotheringham等[12] 为了更好的利用回归模型中的空间特性分析数据，在空间变系数回归模型的基础上，提出地理加权回归模型，它能直观显示空间数据间非平稳性，该模型始终被认为是解决空间异质性问题时最有效的方法之一[13]，目前广泛应用于经济、生态和林业等领域。
思茅松(Pinus kesiya var. langbianensis)具有树干端直高大、生长速度快、木材用途广、生态效益好和经济效益高等特点，是云南省重要的造林树种。目前对思茅松生物量及碳储量的相关研究已获得不少成果，但是对于单木不同器官的固碳能力研究相对较少。单木不同器官的固碳量是否存在空间效应，又分别对全树及样地的贡献力达到多少，都会影响森林经营决策和措施。
综上所述，本研究以云南省澜沧县思茅松天然林为研究对象，对其空间效应进行分析的同时，采用测树学因子和环境因子构建单木树干、树枝、树叶、树根和全树含碳量的地理加权回归(GWR)和最小二乘回归模型(OLS)，并分析模型优劣，这对及时准确地获取区域森林碳储量的分布信息以及帮助管理者更好的对森林进行经营管理具有重要意义。
1 研究区概况
研究区为云南省普洱市澜沧拉祜族自治县，该县位于普洱市西南部，介于东经 99°29′～100°35′，北纬 22°01′～23°16′，总面积为 8807 km2。澜沧县处于热带与亚热带交替区，因东临澜沧江而得名，其地形主要以山区为主，约占 98.8%。海拔在 600～1700 m;年平均气温 17～22 ℃，光照时间长，全年光照时数长达 2700 h;水资源年均总量为 12270 亿 m³，水资源以降水补给为主要来源，年降雨量 1052～3431 mm;土壤类型主要有砖红壤、赤红壤、红壤等。森林覆盖率约为74.7%，森林资源丰富，植物约为 5600 多种，主要树种类型为思茅松、水冬瓜(Alnus cremastogyne)、木荷( Schima superba)和各种栎类、西南桦(Betula alnoides)和竹类等[14]。
2 材料与方法
2.1 样木数据
本研究所使用的数据来源于 2013 年思茅松样地调查数据，在澜沧县内采用皆伐的方式共调查思茅松天然林标准木 36 株。每株样木分别记录样木位置(GPS 坐标)、地形因子(海拔、坡度、坡向、坡位等)，林分因子(树龄、胸径、冠长、冠幅等)。
2.2 样木生物量测定及含碳量计算单木生物量测定通过分器官分别测定得到，主干部分因无法全部称重因而采用材积密度法测定主干部分的生物量，伐倒木林所测定的因子为长度、直径等因子，用于套算材积，分段称取鲜重并取样;枝、叶使用分级标准枝法完成测定;主根生物量分段称重并取样，侧根全称重并取样，同时记录主根根长及基径。将称重后的树干、树枝、树叶、树皮、树根及枯枝等样品烘干后用打磨机磨碎，用 CN 分析仪测量对打磨后各样品的含碳率，乘以对应的生物量计算单木各维度的含碳量[15−16]。
2.3 空间效应分析
2.3.1 Moran's I定量描述空间自相关的方法主要有 Moran'sI、Geary's C 和 Getis'G 等[17−19]，本研究采用 Moran'sI 解释描述思茅松含碳量的空间相关性。
全局Moran's I 数值在(−1, 1) 之间，当Moran's I >0 时，其相关性为正相关，Moran's I 数值<0 时，其相关性为负相关，其值为 0 时则不相关，表明空间数据随机分布。本研究采用投影坐标，使用Rookcase 计算单木各器官的 Moran's I 指数[20]。
2.3.2 半变异函数
a半变异函数可以描述空间中数据点的半变异值与点之间空间距离的函数，对半变异函数的图形描述可得到一个数据点与其相邻数据点的空间相关关系图，它是描述区域化变量随机性和结构性特有的基本手段[21]。
块金值表示随机部分引起的空间变异，如实验误差，取样间距较小;基台值反映了总的空间变异程度，即随机部分和固定部分空间变异;块金值与基台值的比值称之为基底效应，它反映了空间自相关的程度，该值越小空间自相关越高;变程表示存在空间自相关的最大距离，当观测值之间的距离大于变程时，观测值的自相关程度消失。本研究采用 ArcGIS地统计模块计算各器官含碳量的半变异函数。常用的半变异函数模型主要有圆形、球状、高斯、指数模型，经实验，球状模型效果较好。
2.4 建模方法
2.4.1 最小二乘模型y yi最小二乘模型是一种全局模型，它以因变量的实测值 与估测值 之间最小残差平方和(residualsum of squares，RSS)的拟合方法，模型内的常数及变量系数与地理位置无关，即不同的研究区间，变量系数不变，它体现不出各区域间的空间差异性。
3 结果与分析
3.1 单木各器官含碳量的空间自相关30～300 m 范围内的单木树干、树皮、树枝、树叶、树根和全树含碳量的 Moran's I 。在滞后距离 30 m 范围内，树叶的全局 Moran's I 为 0.05，其余器官除树枝外的全局Moran's I 均大于 0.6，表现出较强的正自相关;在 250 m 范围内，树干、树皮、树根和全树含碳量表现为正相关，树枝含碳量的空间自相关变化较大，在 150 m 范围内表现出正相关，随距离增加表现出负相关。树叶含碳量的 Moran's I 始终随距离变化不显著，由于树叶部分含碳量相对其他器官含量较低引起的。综上所述，思茅松单木的树干、树皮、树枝、树根和全树含碳量均存在不同程度的空间自相关，且随距离增加，空间自相关性越小。
3.2 单木含碳量的空间异质性30～300 m 距离内各器官含碳量全向的块金值与基台值，除树叶外，200 m内各器官含碳量均存在一定的空间异质性，其中树根含碳量的变异最大。说明树根的空间异质性受生长环境影响较大，如海拔、坡度和土壤成分。树叶的空间异质性不显著，是由于树叶含碳量相对其他器官来说碳含量较小，受地形和环境的影响不大。树干、树皮、树枝和全树含碳量在200 m 内具有相同的变化，均是随着距离的增加，空间变异先增加后稳定，说明 200 m 范围内单木的具有相似的生长环境，其含碳量的变异情况差别不大，200 m 是研究思茅松生态过程，空间变异的拐点。
3.3 最小二乘模型构建R2采用胸径、冠长、海拔、坡度 和胸径平方乘以树高 5 个变量构建各器官含碳量的最小二乘模型，以 和 AIC 评价模型，确定树干、树皮、树枝、树叶、树根和全树含碳量的模型形式。从拟合情况来看除树叶决定系数为 0.303，相对较差，其余维度模型拟合效果较好，树干、树皮、树根和全树含碳量的决定系数均在 0.8 以上。 除树叶和树枝含碳量的模型构建外，其余维度均未引入。
3.4 地理加权回归模型构建基于最小二乘模型(OLS)，构建各维度含碳量的地理加权回归模型(GWR)，OLS 的回归参数是固定的，地理加权回归模型会在每一个地理坐标上给出一个模型，所以每一个地理坐标都会有一套参数。为地理加权回归模型的局域系数的几种统计量，包括：最小值、第一四分为分位数值、中值、第三四分位数值及最大值。OLS 的回归参数基本上接近 GWR 回归参数的中值。以思茅松全树含碳量 OLS 和 GWR 回归系数统计结果，GWR 变量的回归系数皆在 OLS 各变量回归系数正负 1 个标准差的区间，进一步说明模型数据间存在非平稳性，即思茅松含碳量存在空间异质性[24]。
4 结论与讨论
4.1 讨论
用不同滞后距离绘制的全局 Moran's I 相关图表示思茅松各器官含碳量随距离的趋势变化。当距离为 30 m 时，思茅松各器官除树叶含碳量的Moran's I 均大于 0.24，树干、树皮、树根和全树含碳量的 Moran's I 均超过了 0.61，说明思茅松各器官含碳量存在不同程度的空间自相关;总的来看树叶含碳量的空间自相关不显著;其余器官含碳量的 Moran's I 在 250 m 处趋于平稳，300 m 处接近为 0，且不在变化。说明 300 m 后，思茅松单木各维度含碳量空间自相关消失。通过半变异函数对思茅松各维度含碳量空间异质性的定量分析和表达，确定思茅松不同尺度下的空间变异趋势，从而获得研究尺度的最优空间格局，也就是半变异函数的拐点。
在本研究中，思茅松各器官含碳量均存在空间异质性，200 m则是思茅松各器官含碳量空间变异的拐点;各器官含碳量在 200 m 之前的空间异质性是由自相关引起的，200 m 之后的则是由随机因素造成的。思茅松单木各器官含碳量均存在一定尺度内的空间效应，即空间自相关和空间异质性，这与思茅松各器官含碳量在生长过程中受其自身器官间相互作用和周围环境密切相关。其中树根的空间自相关性最大，树叶的最小，且随着距离的变化其他各器官的空间自相关性均呈现逐渐降低至平稳的变化趋势，但树叶的含碳量随距离变化发生改变的趋势并不明显;与此同时，从空间异质性的角度来看，所有器官的含碳量会随着距离的增加到拐点趋于平稳即表现为随机分布，但是树叶的空间异质性则没有这样的变化。
由此可知，树叶从空间相关性和空间异质性两方面来看其空间变异并不大，这说明对于树冠的固碳量来说与环境因子并无关系，但是树叶本身的固碳量是最低的，而其他器官均表现出明显的空间效应，因此在对思茅松含碳量构建模型时，采用全局模型，即在数据分析前就假定了数据间独立不相关，实际所得的结果是有偏的，对各器官含碳量进行估测必然导致一定偏差。地理加权回归模型是一种局域模型，它基于不同地理位置间思茅松采样点与其周围的影响，采用权函数加权观测值，从而实现对每一个局域参数和模型估计。
因此采用 GWR 能够获得不同地理位置上思茅松各器官含碳量与变量间的关系，降低了数据间空间关系的非平稳性，即消除了空间异质性，因此模型的估测精度和拟合效果得到了有效提升。本研究采用地理加权回归模型构建了各器官含碳量的空间回归模型，所得结果表明，思茅松含碳量空间分布的影响因素与测树学因子和地形因子相关。胸径、冠长、海拔和坡度数据容易获取，相关研究表明胸径大的树木，它的含碳量相对高;海拔和坡度对生物多样性分布有着重要影响，为了解释环境对空间效应的影响，变量引入海拔和坡度。
为了突显空间模型的应用优势，本研究同时构建了最小二乘模型作为对比，思茅松树干、树皮、树根和全树含碳量的OLS 模型决定系数 在 0.8 以上，这是由于研究所用采样数据分布较为均匀，对于全局模型来说，数据越均匀，拟合效果越好。但由于空间异质性的存在，OLS 模型的拟合效果和估测精度不及 GWR 高;GWR 在估测森林碳储量时，带宽和权函数的选取对于模型估测精度的影响非常重要，因此 GWR 在森林碳储量的相关研究中，提升模型的精度如何选择相应的方法和验证指标，是今后探索的方向。
本研究表明，在思茅松单木各器官含碳量的研究中，空间效应不可忽视，Moran's I 和半变异函数能够有效的解释思茅松单木各器官含碳量的空间自相关和空间异质性。相对全局模型，GWR模型对于思茅松单木含碳量的研究具有较好的预测能力，因此在今后单木含碳量问题的相关研究上可以选择 GWR 进行估测研究。
4.2 结论
本研究采用 Moran's I 描述了思茅松单木树干、皮、枝、叶、根和全树含碳 量 6 个 维 度30～300 m 间的空间自相关。从研究结果来看，思茅松单木各器官均存在空间自相关，说明单木各器官含碳量在一定距离内存在类似的变化，随着距离的增加，类似的变化减弱，空间自相关消失。地统计半变异函数是描述空间异质性一种很好的方法。通过设置不同的步长大小计算不同尺度下树干、树皮、树枝、树叶、树根和全树含碳量的块金值和基台值。可以看出，随着步长的增加，块金值和基台值区域稳定，用块金值和基台值之比描述各维度含碳量的相对空间异质性。从研究结果来看，思茅松树干、树皮、树枝、树叶、树根和全树含碳量一定距离内存在空间异质性，这与思茅松的生长环境、结构性因素(如气温、降水、地形地貌、土壤成分)和非结构性因素(如自然、人为干扰)有关。
本研究采用 GWR 和 GeoDa 构建了思茅松单木树干、树皮、树枝、树叶、树根和全树含碳量的地理加权回归模型和最小二乘模型，研究结果表明，地理加权回归模型的预测精度较最小二乘模型要好，是由于 OLS 模型假设不同地理位置间的观测数据不变，没有考虑到空间自相关和空间异质性的影响，一定程度上存在局限性;GWR 是一种局部模型，它不仅考虑了不同采样点的地理位置，同时也考虑了采样点受周围的影响。GWR可以得到不同空间位置上思茅松单木各器官含碳量与影响因子间的关系，解决了 OLS 模型无法解释的空间异质性，因而模型拟合效果、预估精度都得到了提升。本研究所用变量胸径、冠长、海拔和坡度获取方式比较简单，结合 GWR 模型可以为今后单木碳储量的估测提供更好的方法。
[ 参 考 文 献 ]
Liu C, Zhang L J, Li F R, et al. Spatial modeling of thecarbon stock of forest trees in Heilongjiang Province,China [J]. Journal of Forestry Research, 2014, 25(2):269−280.
[1]曹吉鑫, 田赟, 王小平, 等. 森林碳汇的估算方法及其发展趋势 [J]. 生态环境学报, 2009, 18(5): 2001−2005.
[2]李海奎, 雷渊才, 曾伟生. 基于森林清查资料的中国森林植被碳储量 [J]. 林业科学, 2011, 47(7): 7−12.
[3]孟宪宇. 测树学 [M]. 3 版. 北京: 中国林业出版社,2006.
[4]冯益明, 唐守正, 李增元. 空间统计分析在林业中的应用 [J]. 林业科学, 2004, 40(3): 149−155.
[5]农明川, 付磊, 李晟, 等. 昆明市云南松林地上生物量空间效应分析 [J]. 西南林业大学学报(自然科学),2020, 40(2): 117−124.
[6]周律, 欧光龙, 王俊峰, 等. 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 [J]. 林业科学,2020, 56(3): 38−47.
作者：刘胜刚1,2 余哲修3 欧光龙1 刘 畅1
转载请注明来自发表学术论文网：http://www.fbxslw.com/nylw/30104.html
