思茅松天然林林分直径大小多样性及环境解释

以云南省普洱市45块思茅松天然林样地为研究对象,选用Shannon指数(H)、Simpson指数(D)和断面积Gini系数(G)对思茅松林分总体、思茅松和其他树种的林分直径大小多样性进行量化,并采用CCA直接梯度排序法分析林分直径大小多样性随气候因子、地形因子、土壤因子和林分因子的变化规律。研究表明:(1)样地总体和思茅松的Shannon指数(H)和Simpson指数(D)的变化比较一致,其他树种的Shannon指数(Ho)、Simpson指数(Do)和断面积Gini系数(Go)变动幅度均比其他6个指数大。(2)气候、地形、土壤和林分因子直接排序的第一排序轴分别解释58.6%、92.0%、64.4%和76.4%的信息量,较好地反映了林分直径大小多样性随环境因子的变化规律。(3)从环境因子与排序轴的相关性上看,气候因子中除年降水外的8个降水因子相关性在0.15以上,而温度因子与林分直径大小多样性的相关性不高;地形因子中海拔(Alt)与第一排序轴的相关性最高(-0.467 5);土壤因子中全磷(TP)、全钾(TK)与第一轴排序相关性均高于0.30;林分因子中林分优势高(Ht)与第一排序轴呈现-0.418 0的负相关。(4)当较高气温和中等降水,海拔和坡度中等,全磷(TP)、全氮(TN)、有机质(OM)质量分数和p H值中等时,林分优势高和林分平均高最小;林分密度指数中等时,思茅松天然林具有最大的Ht、Hs、Dt、Ds值,而其他树种的林分直径多样性指数以及3个断面积Gini系数的规律性不强。

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。

高山松天然林单木生物量因子模型构建

以云南省香格里拉市高山松天然林为研究对象,实测116株高山松单木生物量数据,并计算各维量生物量因子,以幂函数形式为基本模型,构建各维量生物量因子估算模型。结果表明:各维量生物量扩展因子的决定系数(R2)>0.78,平均残差平方和(MSE)<0.03,预估精度(P)>84.00%;各维量生物量转扩因子的决定系数(R2)>0.72,平均残差平方和(MSE)<0.003,预估精度(P)>83.00%。这些模型均具有较高的拟合精度和预估精度,可为高山松碳汇计量提供数据支撑。

思茅松天然林林分直径大小多样性研究

【目的】研究思茅松天然林林分直径大小多样性,分析林分直径大小多样性与环境之间相关关系和变化趋势。【方法】调查了云南省普洱市45块思茅松天然林样地,选用Shannon指数(H)、Simpson指数(D)和断面积Gini指数(G)对思茅松样地总体、思茅松和其他树种的林分直径大小多样性进行量化,并分别分析林分直径大小多样性随气候、地形、土壤、林分因子的变化规律,并采用除趋势对应分析方法 (DCA)分析了林分直径大小多样性随环境因子的综合变化规律。【结果】(1)样地内其他树种的直径多样性指数变动幅度比样地总体和思茅松大,样地总体和思茅松的指数变动范围比较一致,样地内直径大小多样性为样地总体≥思茅松>其他树种;(2)H_t、H_s、D_t和D_s随气候(年均温和年降水)、地形(海拔和坡向)、土壤(全氮和速效钾)和林分(地位指数和林分密度指数)因子的变化趋势在各因子上基本一致,H_o和D_o随各环境因子变化趋势一致,断面积Gini指数的变化趋势规律性不强;(3)DCA排序第一轴解释了32.5%的环境信息,H_t、H_s、H_o、D_t、D_s和D_o与DCA排序第一轴呈现显著相关,且均随DCA第一轴呈现逐渐增大的趋势;所有气候因子与DCA排序第一轴相关性均不显著,而地形因子中海拔、林分因子中的林分优势高和林分平均高、土壤因子全钾、水解氮和速效钾与DCA排序第一轴具有显著相关性,且相关系数大于0.5。【结论】思茅松天然林林分直径大小多样性受到地形、土壤和林分因子综合影响。

思茅松天然林单木木材碳密度变化规律及预估模型研究

在普洱市调查测定了8株思茅松标准样株单木的木材碳密度,分析不同林木间、不同高度及径向不同部位的差异;并采用混合效应模型技术,构建单木木材碳密度预测模型。结果表明:思茅松木材碳密度在不同林木间存在显著差异,且随树木高度增加而显著不同,由髓心向外存在极显著差异且呈现出先增加后持平或略有减小的规律性变化;相较于传统回归模型,混合效应模型均具有更低的AIC和BIC值;考虑林木和高度效应的二水平混合模型具有最小的AIC、BIC值和最大的log Lik值;R2最大、RMSE最小的模型是三水平混合模型。各混合效应模型的预估精度均在95%以上,且综合考虑林木和径向部位随机效应的两水平混合效应模型的拟合精度达到96.1%,相较传统回归模型混合效应模型能够更好的描述并预估思茅松单木木材碳密度。

思茅松天然成熟林林分直径结构及环境解释

利用云南省普洱市45块思茅松天然成熟林样地调查数据,采用Weibull分布函数对林内总体、思茅松和其他树种的林分直径结构进行拟合,并选用典范对应分析(CCA)方法,对林内总体、思茅松和其他树种林分直径结构拟合函数参数随环境因子(林分、地形、土壤和气候因子)的变化规律进行分析。研究表明:(1)从林分直径结构分布拟合的结果来看,3个研究位点总体、思茅松和其他树种林分直径结构分布差异较不显著。(2)林分、地形、土壤和气候因子第一排序轴分别解释了55.0%、46.5%、43.0%和59.1%的信息量,较好的反映了思茅松天然成熟林林分直径结构随环境因子的变化规律。4类环境因子中,气候因子最好的解释了林分直径结构的变化,林分因子次之。(3)从4类环境因子与排序轴的相关性来看,林分因子中林分平均高(Hm)与第一排序轴呈现最强正相关(0.682),林分优势高(Ht)次之(0.577 2);地形因子中坡度(SLO)与第一排序轴具有最强相关性(0.386 1);土壤因子中全磷(TP)与第一排序轴的相关性最高(-0.576 5);气候因子中等温性(b3)、季节性温度(b4)、降水最小月降水(b14)、最干季降水(b17)、最冷季降水(b19)与排序轴的相关性均在0.42以上。(4)从二维排序图上来看,林内总体、思茅松林分直径结构拟合函数c参数相对较近,这表明林内总体、思茅松林分直径结构呈现较为一致的变化趋势,而其他树种与两者并没呈现出明显的规律性。

思茅松天然林林分胸径多样性的区域差异研究

以云南省普洱市思茅松天然林为研究对象,选取3个区域45块样地,使用Shannon指数(H)、Simpson指数(D)和断面积Gini系数(G)3个多样性指数分别计算样地总体、样地内思茅松、样地内其他树种的林分胸径多样性,使用单因素方差分析及Tukey检验分析区域差异,并采用典范对应分析(CCA)对林分胸径多样性随气候、地形、土壤、林分4类环境因子变化的规律进行分析。结果表明:3个区域(M、P、L)的林分胸径多样性在一定程度上存在差异;地形、土壤、林分因子是造成差异的主要原因。因此,区域间的林分胸径多样性存在差异,区域环境异质性对区域内样地的林分胸径结构存在影响。

基于树干解析的高山松天然林单木木材生物量生长模型

以云南省香格里拉市两块典型样地内的10株高山松样木为研究对象,基于树干解析测定和计算其单木木材生物量生长及木材生物量生长率,采用非线性混合效应模型技术,分别考虑了样地效应和样木效应,将所有不同随机参数组合的模型进行拟合并分析模型的方差和协方差结构,构建其生物量生长及生物量生长率混合效应模型。结果表明:考虑样地效应、样木效应作为随机效应的单水平混合效应模型和两水平混合效应模型均提高了模型的拟合精度,其中考虑两水平随机效应的混合效应模型具有最佳的拟合表现,具有最低的AIC和BIC值。考虑两水平混合效应在生物量生长量及生物量生长率模型构建中预估精度最高,分别达93.05%和89.83%;考虑样木效应的混合效应模型次之,分别为88.34%和88.74%;考虑样地效应的混合模型预估精度均最低,分别为83.99%和67.27%;而一般回归模型的预估精度仅87.00%和87.11%。

思茅松天然成熟林林分直径结构偏度和峰度变化及环境解释

以云南省普洱市45块思茅松天然成熟林样地为研究对象,选用偏度和峰度对林分总体、思茅松和其他树种的林分直径结构进行量化,并选用典范对应分析方法,对林分直径结构随林分、地形、土壤和气候因子的变化规律进行分析。结果表明,思茅松林分直径结构分布形态与标准正态分布呈现出较为一致的表现,而其他树种林分直径结构分布形态与标准正态分布的差异较为明显,说明思茅松天然成熟林林分直径结构受到其他树种的影响较大。林分、地形、土壤和气候因子第一排序轴分别解释了林分直径结构变化信息的71.7%、67.1%、60.4%和76.3%,较好的反映了林分直径结构随4种环境因子的变化规律。从4种环境因子与排序轴的相关性来看,林分因子中郁闭度与第一排序轴的相关性最高(0.2263),林分平均高、林分优势高和林分密度指数与排序轴的相关性达到0.23以上;地形因子中海拔与第一排序轴具有最大相关性(0.4602);土壤因子中土壤pH值、全磷与第一排序轴的相关性均超过0.40;气候因子中除最冷月最低温、最湿季均温、最热季均温外,其他8个温度因子与排序轴的相关性均在0.22以上,除降水最大月降水和最湿季降水外,其他6个降水因子与排序轴的相关性均在0.24以上,表明林分直径结构与14个气候因子密切相关。林内总体、思茅松林分直径结构受到环境因子的影响较为显著,与其呈现出较强的规律性,而其他树种与环境因子的规律性不强。

高山松单木木材碳密度变化及其混合效应模型构建

【目的】通过建模来研究高山松单木木材碳密度在纵向(从树干基部到树梢)和径向(从木材髓心向外)的变化规律。【方法】对云南省香格里拉市10株高山松样木进行树干解析,测定不同树高位置和部位的高山松木材碳密度,使用单因素方差分析法分析高山松单木木材碳密度变化规律;采用非线性混合效应模型技术,以纵向的树高效应和径向的部位效应作为随机效应,构建高山松单木木材碳密度混合效应模型。【结果】高山松单木木材碳密度在纵向和径向的变异均极显著,且高山松木材碳密度呈现从树干基部到树梢逐渐增加、从木材髓心向外逐渐减小的变化趋势;与基础模型相比,将树高效应、部位效应作为随机效应的单水平混合效应模型和两水平混合效应模型均提高了模型的拟合精度,且考虑部位随机效应的混合效应模型具有最佳的拟合表现;所有模型的预估精度均在97%以上,且考虑部位随机效应的混合效应模型和两水平混合效应模型的预估精度高于98%,尤其是两水平混合效应模型的预估精度达到98.04%。【结论】高山松单木木材碳密度随部位和树高变化差异显著,且考虑部位和树高随机效应的两水平混合效应模型在模拟高山松单木木材碳密度时具有更高的拟合精度和预估精度。

基于分位数回归模型的高山松生物量遥感估测研究

调查云南省香格里拉市98块样地高山松林生物量数据,结合2016年香格里拉市Landsat8-OLI遥感影像,采用普通最小二乘模型(OLS)和分位数回归模型(QR)的方法构建高山松生物量遥感估测模型。结果表明,分位数回归模型相对于OLS模型其决定系数(R^2)显著提高,均方根误差(RMSE)则降低了9.583。通过独立性检验得出,分位数回归模型的总体相对误差(RS)和绝对相对误差(RMA)都低于OLS模型,说明分位数回归模型拟合效果优于OLS模型。对模型预测结果进行分析发现,分位数回归模型能够较好地解决OLS模型在幼龄林和成熟林存在的低值高估和高值低估的问题。

基于环境与竞争因子的思茅松单木地上生物量生长模型构建

以云南省普洱市思茅松天然林128株单木数据为研究对象,采用理论方程Richards模型和幂函数经验方程为基础模型,通过统计计算,再引入环境和竞争因子建立思茅松单木地上部分生物量生长模型,并进行独立性验证。结果表明,未引入环境和竞争因子的木材、树皮、树枝、树叶、地上总生物量的决定系数分别为0.742 4、0.765 7、0.476 0、0.483 6、0.728 7,引入环境因子和竞争因子后决定系数有着较大的提升,木材、树皮、树枝、树叶、地上总生物量的决定系数分别达到0.850 8、0.832 3、0.709 8、0.539 9、0.852 5,并且引入环境因子和竞争因子后理论方程的决定系数都要强于经验方程。在预估精度方面,木材、树皮、树枝、树叶、地上总生物量的预估精度达到80.03%、79.91%、51.98%、44.06%、81.07%,除树枝和树叶外均有较高的预估精度。

思茅松单木生物量生长模型的构建

以云南省墨江县鱼塘镇思茅松天然林132株单木数据为研究对象,采用Richards方程、Logistics方程、Gompertz方程、Korf方程、Weibull方程进行各维量生物量生长模型的构建,并选出最优模型。通过对各维量生物量最优生长模型的拟合结果对比发现,并不是预估精度高的生长模型是最优生长模型;决定系数最高,均方残差最低的模型,其预估精度反而不是最高的。研究结果表明,各维量生物量生长模型的决定系数除树皮生物量生长模型的为0.166,树叶生物量生长模型的为0.374外,其余的均在0.500以上,且木材生物量生长模型的决定系数高达0.549。各维量生物量生长模型的均方残差均小于1.140,可以较好地反映其生长变化规律,生长模型拟合效果较好。各维量生物量生长模型也具有较高的预估效果,预估精度都在75%以上,其中,木材生物量、树皮生物量、树干生物量、树枝生物量、树冠生物量和地上部分生物量生长模型的预估精度均超过90%。因此,模型可用于思茅松单木生物量生长模型的预估。