基于星载激光雷达数据的森林地上生物量估算方法比较

近年来,星载激光雷达数据已被广泛用于大尺度森林地上生物量估计,但由于其激光光斑采样点不连续,通常使其需要与辅助数据相结合来估算森林地上生物量的连续分布,且估算方法仍存在许多不确定性。研究以祁连山国家公园为样本,结合星载激光雷达ICESat/GLAS数据、Landsat OLI数据和样地调查数据建立了3种基于非参数化算法(普通克里金插值(Ordinary Kriging,OK),支持向量回归(Support Vector regression,SVR)和随机森林(Random forest,RF))的森林地上生物量估算模型,以森林资源清查数据独立验证各模型估计精度。结果发现:3种模型的均方根误差(RMSE)从低到高依次为SVR(19.053 t·hm^(-2))、RF(21.074 t·hm^(-2))和OK(26.362 t·hm^(-2)),平均相对误差(MRE)从低到高依次为SVR(31.890%)、RF(33.314%)和OK(55.398%),且除OK模型外,SVR与RF模型的总体相对误差(TRE)都在可接受的范围内。进一步对SVR与RF模型生成的森林地上生物量空间分布的准确性进行验证,发现相较RF模型,SVR模型生成的森林地上生物量空间分布与森林资源清查数据更为接近。SVR森林地上生物量估计模型在数量精度和分布精度上都表现更优。结果可为今后基于星载激光雷达数据的森林地上生物量估算提供借鉴。

结合修正后的全球生态系统动态调查冠层高度的森林地上生物量模型优化——以福建省为例

森林地上生物量(Above Ground Biomass,AGB)是衡量森林生态系统碳存储、能量流动和生物多样性的关键指标,对于气候变化研究和森林资源管理至关重要。福建省地处多云多雨的亚热带,地形和森林类型复杂,森林地上生物量估算难度大。为提升森林地上生物量估算效果,将最新星载激光雷达数据全球生态系统动态调查(GEDI)、Landsat以及Sentinel系列卫星等多源遥感数据进行集成和综合利用,通过Landsat影像计算的林龄对GEDI_V27冠层高度产品进行优化,结合优化后的MGEDI_V27冠层高度产品,建立传统遥感特征结合冠层高度的极端梯度提升模型(XGBoost)生物量反演模型,实现了福建省森林地上生物量的有效估算与制图。研究结果表明:(1)通过林龄优化后的GEDI冠层高度精度评价结果为R^(2)=0.67,RMSE=2.24m;(2)通过递归特征消除算法对三种森林类型进行特征优选,得到10个遥感特征,其中,三种森林类型最重要的遥感特征均为森林冠层高度,并且对比评价了在包含传统遥感特征因子的情况下有无冠层高度对于模型精度的影响,结果表明,在冠层高度因子参加特征构建时,森林AGB回归分析的精度明显提高,证实了冠层高度在生物量估算中具有显著的重要性;(3)研究得到的福建省森林AGB范围为0.001—363.331Mg/hm^(2),整体精度评价结果为R^(2)=0.75,RMSE=17.34Mg/hm^(2),2020年全省AGB总量为8.22亿Mg,平均值为101.24Mg/hm^(2)。通过优化GEDI中的森林冠层高度,并且结合传统遥感特征,可以实现对福建省森林地上生物量的精确估算和监测,研究成果有助于区域森林碳汇的评估。

基于无人机多维数据集的森林地上生物量估测模型研究

森林地上生物量(Aboveground biomass,AGB)是评价森林生长情况的重要指标。基于数字航空摄影(Digital aerial photography,DAP)生成的二维和三维数据,分别计算了41个点云高度变量和16个可见光植被指数,利用6种回归算法(随机森林(RF)、袋装树(BT)、支持向量回归(SVR)、Cubist、类别型特征提升(CatBoost)、极端梯度提升(XGBoost))分别构建了单一变量集和综合变量集AGB估测模型,探索了不同变量对于AGB估测模型的贡献。研究结果表明光谱数据集和点云数据集AGB预测模型精度最高分别为Cubist和XGBoost,R^(2)分别为0.5309和0.6395。组合数据集最高精度模型为XGBoost,R^(2)达到0.7601,XGBoost模型具有更高的AGB估测稳定性。研究还表明6种机器学习模型的贡献主要取决于所考虑的回归方法,所选择的特征个数和特征对模型的重要性在不同的模型中并不一致。DOM光谱特征在AGB的估测中具有更高的重要性。总体来说,二维和三维数据的结合能够有效提高森林AGB估测精度,基于无人机倾斜摄影获取的RGB影像能够实现森林AGB的快速无损估计。

应用全极化合成孔径雷达数据构建多变量估算森林地上生物量模型

以河北塞罕坝机械林场为研究对象,Alos-2全极化SAR数据以及实测样地数据为基础,采用多种方法进行目标分解,计算多极化通道的后向散射系数,通过皮尔逊相关性检验,筛选显著相关的参数,构建线性及非线性偏最小二乘(PLS)生物量估算模型,并对模型进行检验。结果表明:线性PLS模型均方根误差为21.75 t·hm^(-2),决定系数(R^(2))为0.6185,平均相对偏差绝对值为31.1%,平均偏差为-1.844 t·hm^(-2);非线性PLS模型均方根误差为18.218 t·hm^(-2),决定系数(R^(2))为0.6969,平均相对偏差绝对值为23.86%,平均偏差为0.0001 t·hm^(-2)。对模型贡献最大的参数为非负特征值分解的奇次散射参数、VH极化后向散射系数、HV极化后向散射系数、特征向量分解参数l1和主要散射机制平均参数。非线性方法在模型拟合和预测中都表现出更好的效果,全极化SAR目标分解参数以及交叉极化下的后向散射系数,在估算森林地上生物量时没有饱和点出现。

应用UAVSAR数据及改进极化水云模型对热带森林地上生物量反演

针对热带森林地上生物量遥感估测中容易饱和区域大尺度森林地上生物量估测精度低的问题,以非洲加蓬中部的洛佩达国家公园为研究区,以NASA提供的L波段全极化机载合成孔径雷达(SAR)数据和LiDAR网格化森林地上生物量产品为数据源开展森林生物量估测方法研究。采用极化分解方法提取森林的多种散射机制,从中选择反映森林结构差异的地面散射特征和森林体散射的特征构建体-地散射比,采用极化水云模型(PWCM)进行森林地上生物量反演和精度评价。为了提高PWCM模型的适应性,建模过程中根据体散射分量(V_(ol))分段进行模型的参数优化。结果表明:以Freeman三分量极化分解后得到的体散射(V_(ol))、表面散射(O_(dd))、地-干散射(D_(bl))为基础构建的6个体-地散射比在极化水云模型估算森林地上生物量中,以μ_(VG2)作为体-地散射比时估测效果最好,模型决定系数(R^(2))为0.60,均方根误差(R_(MSE))为127.78 Mg/hm^(2);在此基础上,进一步根据体散射分量分段优化极化水云模型,模型决定系数(R^(2))增加到0.74,均方根误差(R_(MSE))降低了约20%,预测精度从50.76%提升至60.28%,并改善了低值高估、高值低估问题,在地上生物量高达450 Mg/hm^(2)时未出现饱和现象。

森林地上生物量及其驱动因素研究进展

森林生态系统是陆地生态系统的主体,是全球碳循环的重要组成部分。森林地上生物量是森林生产力的重要衡量标准,探究森林地上生物量及其影响因素对理解陆地生态系统碳循环及应对气候变化具有重要意义。本文系统归纳了目前具有代表性的森林地上生物量研究,并对森林地上生物量估算方法及森林地上生物量影响因素的研究现状进行了梳理,总结如下:1) 目前关于森林地上生物量的研究较多,总体来说森林生物量静态储量方面研究较全面,关于生物量动态变化及其驱动因素的研究还有待补充;2) 生物量的估算方法主要包括样地调查、模型模拟和遥感,各有优缺点,后续可将多种方法结合使用,提高森林地上生物量估算的精确度和效率;3) 生物多样性与森林地上生物量的关系复杂,在研究过程中,应根据实际情况综合考虑生物和非生物因素对森林地上生物量的交互影响,以更准确理解各因素对森林地上生物量的影响机制。综上,深入探究森林地上生物量储量及动态变化,综合研究更多因素对森林地上生物量的影响机制对于在目前气候背景下制定合理的森林保护和恢复策略具有重要意义。

基于不同特征选择方法的森林地上生物量估测研究——以平江县芦头林场为例

森林地上生物量(forest aboveground biomass,AGB)是森林生物量的主要组成部分,是森林资源监测的重要指标之一。以湖南省平江县的中南林业科技大学芦头实验林场为研究区(以下简称芦头林场),结合2021年采集的50个样地调查数据,基于Sentinel-1 SAR数据与DEM数据,提取后向散射系数、纹理与地形因子作为自变量,结合前向特征筛选,使用随机森林(random forest,RF)算法和极致梯度提升树(XGBoost,XGB)算法建立研究区森林AGB估测模型。结果表明:整体上XGB模型优于RF模型。使用全部特征的RF和XGB模型的R^(2)分别为0.17和0.25,RMSE分别为49.50 t/hm^(2)和51.91 t/hm^(2)。在特征筛选后,模型的估测精度均有提升:使用RF特征重要性的特征筛选的模型R^(2)为0.26~0.31,RMSE为47.37~49.10 t/hm^(2);使用XGB特征重要性的方法更优,R^(2)为0.34~0.42,RMSE为43.48~46.19 t/hm^(2)。研究区的最优模型为基于XGB特征重要性的XGB模型,R^(2)为0.42,RMSE为43.48 t/hm^(2),研究区的森林AGB总量为8.51×10~5 t。特征筛选后的森林AGB估测模型精度有所提升,可为林业部门在监测森林资源等方面提供重要支持。

国内森林地下火研究进展

森林地下火多发生于高温干燥且生物量充足的枯落物底层,枯落物与泥炭混合后在缺氧环境下持续阴燃。森林地下火燃烧不明显,但其破坏森林根系与土壤、产生大量有害气体,对森林生态系统和生态安全产生重大影响。长时间的地底燃烧形成的大量灰烬可随风传送至其他森林区域,导致更大的火灾。从理论与应用2个研究方向总结阐述森林地下火的研究进展,包括森林地下火燃烧特性、森林地下火影响因子、森林地下火预防扑救技术和识别森林地下火的技术装备。对上述研究进展进行梳理与综述,对未来地下火的防控手段、扑救应对及灾后管理恢复工作给予有价值的参考,为森林地下火研究提供新的思路与方向。

云南顶瓶梗霉对森林地表凋落物的降解效果

【目的】探究云南顶瓶梗霉GZUIFR 22.409对不同类型森林地表凋落物的降解效果,以期利用该真菌促进森林地表凋落物的降解,减少森林地表凋落物的载量,从而降低森林火险等级,并为利用微生物降解法降低贵州林区森林可燃物载量提供理论依据和基础数据。【方法】采集林地的针叶和阔叶地表凋落物,利用云南顶瓶梗霉活菌和粗酶分别处理凋落物,并按照野外调查地表凋落物床层参数设置床层后,于25 ℃温度和80%相对湿度条件下测定两类地表凋落物的失重动态,分析云南顶瓶梗霉活菌和粗酶对两类地表凋落物的降解效果。【结果】云南顶瓶梗霉活菌和粗酶对两类地表凋落物均具有降解作用且都在第16天降解率最大。对于针叶凋落物,粗酶的降解率为9.74%,菌的降解率为13.14%;经降解模型拟合,粗酶的降解系数k为0.004,降解t_(0.5)为165 d、t_(0.95)为740 d,菌的降解系数k为0.005,降解t_(0.5)为131 d、t_(0.95)为588 d;对于阔叶凋落物,粗酶的降解率为15.76%,菌的降解率为15.37%;经降解模型拟合,粗酶的降解系数k为0.007,降解t_(0.5)为93 d、t_(0.95)为422 d,菌的降解系数k为0.006,降解t_(0.5)为103 d、t_(0.95)为487 d。【结论】云南顶瓶梗霉活菌及其粗酶对针阔叶地表凋落物都有降解效果,对阔叶凋落物的降解效果优于针叶凋落物,应用该菌可在一定程度上能够达到减少森林地表可燃物载量的效果。因此云南顶瓶梗霉在调控森林地表凋落物载量方面具有较好的应用前景。

结合群落结构的城市森林地上碳储量遥感估算——以长沙市为例

以传统遥感植被指数模型法为基础,加入群落结构指标以提升城市森林碳储量估算精度。以长沙市为例,根据90个样地调查数据和Sentinel-2A遥感影像,建立城市森林地上碳储量与归一化植被指数(N DVI)间的指数模型,分析模型残差与城市森林结构间的定量关系,提出结合群落结构的城市森林地上碳储量遥感估算优化模型。结果表明:归一化植被指数模型估算城市森林地上碳储量的精度,即决定系数(R^(2))较低,为0.35。归一化植被指数模型残差与城市森林结构,如平均胸径、最大胸径、平均树高、最大树高均呈极显著正相关关系。结合群落结构指标的归一化植被指数模型能显著提高城市森林地上碳储量估算精度,平均胸径、最大胸径、平均树高、最大树高的R^(2)分别提升至0.70、0.57、0.56、0.57。根据Sentinel-2A遥感影像和全球森林冠层高度数据估算出长沙市三环内建成区城市森林地上碳储量为599.1 Gg,碳密度为32.03 Mg·hm^(-2)。

基于遥感的北京市森林地上碳储量监测

城市是CO_(2)排放的主要区域,推动城市碳减排与低碳发展对于早日实现“双碳”战略具有重要帮助。城市森林碳储量是反映城市CO_(2)吸收能力和评估生态系统质量的重要指标。以北京市森林为对象,以Landsat8OLI遥感影像、数字高程和森林资源二类调查数据为数据源,采用逐步回归分析、递归消除算法和Boruta算法进行特征选择,然后采用多元线性回归模型、BP神经网络、随机森林算法以及极端梯度提升算法模型(XGBoost)进行北京市森林AGC模型构建,最后选择效果最好的模型对北京市整体森林AGC进行反演估测。结果表明:1)基于Boruta算法选择特征集进行4种AGC模型构建时,其R 2是最好的,优于SRA与RFE选择方法;2)XGBoost算法构建的森林AGC模型的精度最高,其根据Boruta算法选择特征集得到的训练集、测试集R^(2)、RMSE、RRMSE分别为0.95、0.69、3.16、5.18、17.70%、21.49%;3)2014年北京市总体森林AGC为8931820.34 t,与实际值差距较小;在空间分布上均呈西北部高、中部及东南部低的现象;密云区、怀柔区及延庆区森林AGC较多,而朝阳区、丰台区及石景山区较少。总体上说,基于Boruta的特征选择与现代集成的XGBoost森林AGC模型有着较好的估测效果。该研究为超大城市森林AGC精准监测提供了技术支撑。

基于序贯高斯条件模拟的GEDI数据联合Landsat8反演森林地上生物量

[目的]单一遥感技术估测森林生物量存在较大局限性,本研究旨在利用多源遥感协同技术互补激光雷达和光学遥感的优势,提高生物量估测精度。[方法]以星载激光雷达GEDI和光学遥感Landsat8数据为主要信息源,采用序贯高斯条件模拟方法实现GEDI光斑数据由“点”到“面”的空间扩展,结合地面138块生物量调查样地,利用随机森林回归方法估测云南省香格里拉云冷杉林的地上生物量。[结果](1)采用序贯高斯条件模拟方法对GEDI光斑点进行空间插值,模拟的12个生物物理指标在空间分布上呈现出随机性、破碎化的特征,这与森林的空间分布聚集性非常相似,参与建模的9个指标OEC均大于0.90;(2)利用单一Landsat8光学遥感数据和地形因子构建的随机森林模型精度为:R2=0.82,RMSE=35.51 t·hm^(-2),P=0.77;Landsat8数据协同星载激光雷达GEDI数据构建的随机森林模型精度为:R2=0.86,RMSE=32.11 t·hm^(-2),P=0.80,模型精度明显提升;(3)利用多源遥感技术估测的香格里拉2019年云冷杉林地上的生物量总量为37 042 605.68 t,平均生物量为123.28 t·hm^(-2)。[结论]基于地统计学的序贯高斯条件模拟方法考虑到研究对象的空间异质性、能克服一定的平滑效应,用于实现激光点由“点”到“面”的空间扩展是可行的。星载激光雷达GEDI与光学遥感Landsat8协同的多源遥感数据可有效填补单一遥感数据源的缺陷,提高森林生物量的估测精度,能为激光雷达联合光学遥感估测大范围、全覆盖的森林生物量提供参考。

基于机载L波段全极化无人机合成孔径雷达的森林地上生物量估测

为探索L波段全极化合成孔径雷达(Synthetic Aperture Radar,SAR)数据估算森林地上生物量(Aboveground bio⁃mass,AGB)的潜力,基于非洲合成孔径雷达(AfricaSAR)项目无人机合成孔径雷达(Unmanned Aero Vehicle Synthetic Aperture Radar,UAVSAR)数据的冠层-地面散射分量构建5种极化散射比参数(R1、R2、R3、R4、R5),计算雷达植被指数(Radar Vegetation Index,RVI),采用六分量和七分量分解等4种基于模型的分解提取21个极化分解参数,最后合并所有特征并采用随机森林特征重要性筛选出最优特征组合,采用随机森林(Random forest,RF)、支持向量机回归(Support vector machine regression,SVR)、K最近邻回归(K-nearest neighbor regression,KNN)对不同特征组合估测非洲加蓬洛佩(Lope)区的森林地上生物量。结果表明,极化散射比参数、体散射(Vol)和雷达植物指数(Radar Vagetation Index,RVI)对森林AGB具有较高的敏感性,R2与AGB的相关性为0.823,最优特征组合为Vol、极化散射比参数和RVI。不同特征组合的机器学习模型均表现出较好的效果,基于极化分解参数机器学习模型的决定系数(R2)大于0.800,均方根误差(RMSE)小于88.000 Mg/hm^(2),效果最好的是基于最优特征组合的RF模型,对比单独使用极化分解参数,R2提高0.144,RMSE降低30.327 Mg/hm^(2)。极化散射比参数在森林AGB估计中具有一定的潜力,引入RVI提高模型精度,基于模型的分解适用于森林AGB估测,特征筛选的机器学习模型能较好地反演森林AGB,并在AGB达到400.000 Mg/hm^(2)未出现明显饱和点。

应用XGBoost算法对森林地上生物量的机载LiDAR反演

为了探究机载LiDAR数据结合极端梯度提升(XGBoost)算法估算森林地上生物量的可行性和适用性,寻求更优的森林地上生物量的监测和估算模型的建模方法。根据125块地面样地调查数据和机载激光雷达提取的点云特征变量,结合根据皮尔森相关系数和递归特征消除筛选变量,采用多元线性回归(MLR)、随机森林(RF)、支持向量机(SVM)和极端梯度提升(XGBoost)算法,建立4种不同算法的地上生物量估测模型并进行对比分析。结果表明:在训练集中,RF模型表现最好(R_(MSE)=9.98 t·hm^(-2),R^(2)=0.93,M_(AE)=5.69 t·hm^(-2)),其次是XGBoost模型(R_(MSE)=10.80 t·hm^(-2),R^(2)=0.89,M_(AE)=7.24 t·hm^(-2));在测试集中,采用XGBoost算法建立的模型表现(R_(MSE)=12.20 t·hm^(-2),R^(2)=0.83,M_(AE)=8.30 t·hm^(-2))明显优于其他3种模型,XGBoost模型估测表现稳定且差异很小,MLR、RF和SVM模型在训练集和测试集的表现上都存在较大差异。

森林地上生物量遥感反演研究进展

森林地上生物量是反映森林生态系统状况的关键性指标之一,对全球气候变化、以及我国实现碳达峰和碳中和目标具有重要意义。遥感技术快速发展并日益成熟,已成为大区域尺度森林地上生物量反演的主要技术手段。通过系统梳理国内外相关文献资料,从数据源和反演模型两方面对森林地上生物量遥感反演研究进展进行讨论:从数据源角度,阐述分析光学遥感数据、合成孔径雷达数据、激光雷达数据等3种数据源提供的有效信息、优势及局限;从反演模型角度,结合实际应用案例讨论分析多元回归模型、机器学习算法、机理模型等3种模型的特点及适用范围。在总结现阶段利用遥感手段反演森林地上生物量存在问题的基础上,分析探讨未来森林地上生物量遥感反演的方向和热点。

森林地表可燃物燃烧性评价概述

森林火灾是一种突然性和破坏性极强的灾害,造成森林资源损失、人员伤亡和财产损失,处置扑救极为困难,严重威胁社会安全。森林地表可燃物是森林火灾发生的必要条件,也是火灾传播蔓延的物质基础。森林地表可燃物燃烧性是判断火灾发生的可能性、火险大小和危害性大小的主要依据,由于森林地表可燃物的燃烧性与可燃物自身的理化性质密切相关,同时也会受到气候环境特点的影响。通过查阅国内外有关森林地表可燃物燃烧性评价的文献,文章从森林地表可燃物燃烧性、研究现状、评价原理、存在的问题与展望方面和角度综述森林地表可燃物燃烧性评价,介绍了基于理化性质、热分析和锥形量热仪的燃烧性评价,并对今后的进一步研究工作提出展望。

基于ICESat-2/ATLAS和特征参数的森林地上生物量反演

大区域森林生物量估算是植被遥感应用研究的重要内容。利用ICESat-2/ATLAS数据中ATL08产品的高度信息,结合Sentinel-2影像提取的森林覆盖度构建新型特征参数(h_(cover)_#),对原始光子参数,以及加入h_(cover)_#后两种数据,分别利用随机森林方法分析索诺玛县森林区域白天和夜晚强弱光束反演生物量的能力。结果表明:(1)相对于仅利用原始光子数据,加入新型特征参数后,四种场景的生物量估算精度均有不同程度的提高,其中,R^(2)分别提升了0.08、0.16、0.07、0.09,RMSE分别降低了7.56 Mg/ha、13.02 Mg/ha、6.45 Mg/ha、8.25 Mg/ha,rRMSE分别降低了5.13%、10.16%、4.23%、5.76%;(2)在夜晚强光束场景下,联合原始光子参数与新型特征参数构建的生物量模型预测精度最优,R^(2)=0.64,RMSE=73.50 Mg/ha,rRMSE=48.16%。

地理加权回归模型结合卫星遥感的松阳县森林地上碳储量估算

森林地上碳储量(Aboveground Carbon,AGC)是反映森林生态系统基本特征的重要指标,也是评价森林功能结构和生产潜力的理论基础。松阳县作为浙江省九大林业重点县之一,生态地位十分重要,全县以中、低山丘陵地带为主,四面环山,如何解决复杂地形对AGC时空变异的影响,是实现山区森林AGC精准估算的关键。为此,基于Landsat TM卫星影像,并结合松阳县森林AGC调查数据,构建结合空间变异特征的地理加权回归模型(GWR)估算森林AGC,并与普通最小二乘法(OLS)的结果进行对比,最后选取最优模型预测松阳县森林AGC及其空间分布。研究表明:Landsat TM卫星影像的纹理信息对预测松阳县森林AGC有重要作用;GWR模型能够准确估算松阳县森林AGC及空间分布,并且比OLS模型精度提升了9%,R^(2)达到0.71;松阳县森林AGC总量为3.901×10^(6)Mg,平均AGC为23.70 Mg/hm^(2),占丽水市森林植被AGC总量的10%左右,在服务区域生态功能上具有较为重要的地位。研究将为松阳县森林AGC精准估算提供先进的技术手段,同时也为松阳县森林碳汇功能评价提供科学的数据。

我国北方森林地下火燃烧温度预测

森林地下火燃烧是一个隐蔽、漫长的阴燃过程,整个燃烧过程都靠自身释放的热量维持,所以开展地下火燃烧温度预测研究,对于地下火监测预警具有重要意义.以大兴安岭地区呼中国家级自然保护区典型植被兴安落叶松林为研究对象,通过室内模拟点烧试验,基于非线性混合效应模型预测不同含水率下地下火燃烧温度.结果表明:基于Logistic和Richards回归的非线性混合效应模型适合地下火燃烧温度预测;3参数的混合效应模型拟合效果最好;不同含水率下不同深度地下火燃烧温度预测模型的预测值和真实值间都不存在显著差异(P>0.05),模型预测精度较高,尤其是在3 cm深度处,平均相对误差(MRE)都小于15%,具有较高的应用价值.

亚高山森林地表苔藓的氮、磷利用效率——以四川省黑水县为例

苔藓是青藏高原东部亚高山森林的重要组成部分,在生态系统的净初级生产、养分循环和能量流动中发挥重要作用。本研究以亚高山冷杉林地表两种优势度最高的藓类为对象,通过标记并测量锦丝藓和塔藓的生长量和氮磷含量,初步探究了它们的氮磷利用效率。结果显示:锦丝藓的氮磷利用效率均略低于塔藓,但种间并无显著差异。锦丝藓和塔藓的氮利用效率分别为90.25 g g^(-1)和102.34 g g^(-1),磷利用效率分别为837.73 g g^(-1)和941.47 g g^(-1)。此外,两种苔藓表现出不同的养分利用策略,塔藓的氮磷生产力更高;而锦丝藓的氮磷滞留时间更长,具有较保守的养分利用策略。