广东西樵山国家森林公园森林碳储量空间分布研究.pdf
《广东西樵山国家森林公园森林碳储量空间分布研究.pdf》由会员分享,可在线阅读,更多相关《广东西樵山国家森林公园森林碳储量空间分布研究.pdf(9页珍藏版)》请在文库网上搜索。
1、第 39 卷 第 5 期2023 年 9 月森 林 工 程FOREST ENGINEERINGVol.39 No.5Sep.,2023doi:10.3969/j.issn.1006-8023.2023.05.006广东西樵山国家森林公园森林碳储量空间分布研究张凌宇,赵庆,吴晓君,许东先,罗皓,谢进金(广东省森林培育与保护利用重点实验室/广东省林业科学研究院,广州 510520)摘 要:为阐明不同模型对森林碳储量空间分布估测精度的影响,依据 2020 年广东西樵山国家森林公园森林资源管理“一张图”数据,采用地理加权回归模型(Geographic weighted regression model
2、,GWR)、空间误差模型(Spatial error model,SEM)和最小二乘模型(Ordinary least squares,OLS)对研究区森林碳储量的空间分布进行研究,并对 3 种模型的拟合效果和影响森林碳储量的因子进行分析,利用全局和局域 Morans I 分别对模型残差的全局空间自相关性和空间分布状况进行描述,对空间异质性作用下各模型之间的差异进行说明,采用 GWR 模型绘制研究区森林碳储量的空间分布。结果表明,处于不同位置下的 GWR 模型,各参数估计值对森林碳储量的影响大小不断变化;GWR 模型在数据拟合方面要明显优于 SEM 模型和 OLS 模型,OLS 模型的拟合效果
3、最差;GWR 模型产生了较大范围的参数估计值,且 GWR 模型各参数估计值的范围均包括了 OLS 模型和 SEM 模型的参数估计值,得到了较好的模型残差局域化空间分布效果,模型稳定性较高;研究区中部森林碳储量较多,GWR 模型的拟合偏差为 1.36 t/hm2,在所有模型中最小。关键词:地理加权回归模型;空间误差模型;最小二乘模型;森林碳储量;空间自相关性中图分类号:S757.2 文献标识码:A 文章编号:1006-8023(2023)05-0048-09Study on the Spatial Distribution of Forest Carbon Storage in Xiqiao M
4、ountain National Forest Park,Guangdong ProvinceZHANG Lingyu,ZHAO Qing,WU Xiaojun,XU Dongxian,LUO Hao,XIE Jinjin(Guangdong Provincial Key Laboratory of Silviculture,Protection and Utilization/Guangdong,Academy of Forestry,Guangzhou 510520,China)Abstract:To clarify the influence of different models on
5、 the accuracy of spatial distribution of forest carbon storage estimation,this study used geographically weighted regression model(GWR),spatial error model(SEM)and ordinary least squares model(OLS)to analyze the fitting effect of the three models and the factors affecting the forest carbon storage i
6、n the study area based on the forest re-source management one map in Guangdong Xiqiao Mountain National Forest Park in 2020.Global Morans I and local Morans I were used to respectively describe the global spatial auto-correlation and the spatial distribution of the model residuals,to illustrate the
7、differences between the models in the action of spatial heterogeneity.GWR was used to map the spatial distribution of forest carbon storage in the study area.The results showed that the influence size of various parameter estimates on forest carbon storage was con-stantly changing for GWR at differe
8、nt positions.GWR significantly outperformed SEM and OLS in terms of the data fitting,while OLS had the worst fit.GWR yielded a wide range of parameter estimates.Moreover,the range of all parameter estimates of GWR included the parameter estimates of OLS and SEM,which obtained a good localized spatia
9、l distribution effect of model residues and high model stability.The central forest of the study area had more forest carbon storage,and the fitting deviation of GWR was 1.36 t/hm2,which was minimal in all models.Keywords:Geographically weighted regression model(GWR);spatial error model(SEM);ordinar
10、y least squares(OLS);forest carbon storage;spatial auto-correlation收稿日期:2023-02-07基金项目:广东省林业科技创新项目(2022KJCX009)。第一作者简介:张凌宇,博士,工程师。研究方向为森林可持续经营。E-mail:zly2020 通信作者:赵庆,博士,正高级工程师。研究方向为城市林业和风景园林。E-mail:zhaoqing 引文格式:张凌宇,赵庆,吴晓君,等.广东西樵山国家森林公园森林碳储量空间分布研究J.森林工程,2023,39(5):48-56.ZHANG L Y,ZHAO Q,WU X J,et al
11、.Study on the spatial distribution of forest carbon storage in Xiqiao Mountain National For-est Park,Guangdong ProvinceJ.Forest Engineering,2023,39(5):48-56.第 5 期张凌宇,等:广东西樵山国家森林公园森林碳储量空间分布研究0 引言全球气候变化已经成为 21 世纪人类社会面临的最大挑战,由于社会经济发展、人口增加以及能源消耗等,二氧化碳排放量逐年增加是当代气候变化的根本原因,并对碳循环造成重大影响1。基于此,2020 年 9 月,中国政府向
12、国际社会宣布,将提高国家自主贡献力度,采取更有力的政策和措施,努力争取 2030 年前二氧化碳排放达到峰值,2060 年前实现碳中和。这是中国首次向全球明确实现碳中和的时间点,也是迄今为止世界各国中做出的最大减少全球变暖预期的气候承诺2。森林在全球碳循环过程占据着重要位置,特别是在增加碳汇、维持碳平衡以及气候调节等方面发挥着重要作用3。作为发展碳汇林业、减排增汇的基础,精准获取区域尺度森林碳储量已成为现如今全球气候变化与碳循环研究的重要内容,森林碳储量空间分布格局的研究也可以从布局和决策上指导森林经营方案的制定4-5。目前,有关森林碳汇估算方法主要分为 3 种,分别为样地清查法、利用变分原理建
13、立多物理量模型的涡度相关法以及模型模拟法6-9,然而无论是以换算因子法为基础的样地调查法,还是以地统计学和遥感估算技术为基础的碳储量估测模型进行模拟,都存在一定的局限性,实际上都没有考虑森林碳储量数据收集过程中的空间异质性和空间自相关性10。由于林业数据收集过程中,处于不同位置上的林分存在差异,其森林碳储量数据普遍存在空间异质性,这类空间非平稳性数据,容易影响基于传统统计方法所得到结果的准确性11,而空间自相关性则随着空间距离的变化而变化,在大尺度研究森林碳储量的空间分布时,往往忽略这种相关性的影响,使研究结果的精度大幅度降低,一般采用 Mo-rans I 表示研究区整体和局域的空间自相关性1
14、2。近年来大量研究表明,地理加权回归模型(Geo-graphically weighted regression model,GWR)在解决空间异质性和空间自相关性问题上具有明显的优势。GWR 模型最早在国外应用在环境科学和社会科学等研究领域13-14。引入国内后,GWR 模型在林业领域做出诸多应用。例如王海宾等15以浙江省内一景 Landsat 8 影像覆盖范围内的乔木林为研究对象,采用 GWR 模型和协同克里格插值法分别构建了乔木林地上碳密度估算模型,结果显示 GWR模型构算的模型精度要明显高于协同克里格插值法的模型精度,同时 GWR 模型较好地保留了估算变量的空间异质性;李明泽等16通过
15、将遥感因子和林分因子相结合的方法建立了基于 GWR 模型的大兴安岭森林立地质量估算模型,结果显示加入空间样地信息的 GWR 模型有效地降低了空间自相关性。除了对比分析传统 GWR 模型和其他模型在估算精度上的差异以外,也有学者采用 GWR 模型和其他模型相结合的方法对研究目标进行模拟和预测,如 Zhen 等17以黑龙江凉水自然保护区各小班风倒木数据为研究对象,分别利用地理加权逻辑回归(Geographic weighted logistic regression,GWLR)、地理加权泊松模型(GWPR)和 GWR 模型对风倒木发生概率、数量和蓄积进行了研究,结果显示局域模型在模型拟合优良性上要
16、优于相应的全局模型,并形成了良好的模型残差分布;戚玉娇18采用最小二乘模型(Ordinary Least Squares,OLS)、空间误差模型(Spatial error model,SEM)、GWR 模型 3 种空间模型和普通最小二乘模型对森林的碳储量进行了估测,研究结果显示,GWR 模型的拟合效果要明显优于其他 3 种模型,相比于 OLS 模型和 SEM 模型,GWR 模型在最大程度上消除了模型残差的空间自相关性。林地“一张图”是以“互联网+”、云计算、大数据为战略背景,在一定程度上实现了森林资源管理的精细化与科学化,本研究以 2020 年广东西樵山国家森林公园森林资源管理“一张图”数据
17、为基础,运用OLS 模型、SEM 模型和 GWR 模型分别对该地区森林碳储量的空间分布进行模拟,分析全局模型和不同参数配置下的空间模型在解决空间自相关性上的优劣,为解决空间非平稳性问题提供了一种思路和方法,此外,通过分析研究区不同区域的空间异质性,也可以为该地区建立基于区域尺度的城郊森林公园景观健康评价指标体系以及森林景观异质性研究提供理论支持19-21。1 研究地区与研究方法1.1 研究地区概况研究区广东西樵山国家森林公园位于佛山市南海区的西南部,属南亚热带季风气候区,土壤主要为赤红壤,植物种类丰富,其中主要的乔灌草植物有 380 多种,代表性植物群落为南亚热带季风常绿阔叶林,主要乔木由壳斗
18、科(Fagaceae)、樟科94森 林 工 程第 39 卷(Lauraceae)、山茶科(Theaceae)、梧桐科(Sterculi-aceae)和大戟科(Euphorbiaceae)等种类的树种组成;灌木主要有青江藤(Celastrus hindsii)、五指毛桃(Ficus hirta)、鬼灯笼(Clerodendrum fortunatum)和车轮梅(Rhaphiolepis indica)等;草本植物主要有禾本科和蕨类植物火炭母(Polygonum chinense)、露籽草(Ottochloa nodosa)、芒萁(Dicranopteris pedata)和三叉蕨(Tectari
19、a subtriphylla)等。1.2 森林碳储量数据来源森林碳储量数据来源于 2020 年广东西樵山国家森林公园森林资源管理“一张图”数据,本研究中的森林碳储量指森林植被碳储量,包括乔木碳储量、林下植被碳储量、灌木碳储量和草本碳储量。单位面积森林的碳储量,即森林碳密度,是单位面积森林生物量与碳转换系数的乘积,国际常用的碳转换系数为 0.5,单位面积生物量的估算采用广东省森林资源监测中心提供的生物量扩展因子方程,利用连续清查数据中的测树因子,分树种推算出样地实测生物量,而对于一些没有对应生物量方程的树种,选择相近树种的生物量方程代替计算22-23。1.3 模型变量的选择本研究采用逐步选择法(
20、引入和剔除的显著性标准 =0.05)对模型变量进行选取,通过引入和剔除交替进行自变量检查,直到无统计学意义的新变量可以引入也无自变量可以剔除时为止。结合平均胸径、平均树高、林分蓄积量、林分密度、郁闭度、坡度、坡向、海拔、下木盖度、土壤厚度和枯枝落叶厚度 11 个初始变量进行选择,在对各参数进行相关性检验的基础上,得到林分平均胸径、林分平均高、海拔和坡度 4 个影响森林碳储量分布的变量,本研究中所有的独立变量都进行了标准化处理。1.4 最小二乘模型(OLS)最小二乘模型是利用多组观察值求得 p 个自变量 X 与因变量 Y 之间残差平方和最小的一种拟合方法,其表达式如下。Y=pi=1X+。(1)式
21、中:为估算的未知固定效应的模型系数向量;为模型残差,服从 N(0,2)。1.5 空间误差模型(SEM)空间误差模型表示在空间上邻域的 Y 对该点没有直接影响,空间相关性来自其他因素影响,其表达式如下。Y=X+W+。(2)式中:W为空间误差项;是真正的模型误差项,服从 N(0,2I);为空间自相关参数。1.6 地理加权回归模型(GWR)地理加权回归模型是将距离权重作为一种解决空间异质性的方法纳入到模型中,从而在很大程度上减少甚至消除由于空间异质性的作用导致回归模型参数估计不准确的影响,其表达式如下。Y=0(ui,vi)+pk=1Xikk(ui,vi)+。(3)式中:0(ui,vi)为回归模型的截
22、距;(ui,vi)为第 i取样点的地理坐标;k(ui,vi)为第 i 取样点上第 k个参数的估计值,属于一个地理函数坐标,为模型残差,服从 N(0,2)。1.7 模型残差的空间自相关性本研究分别采用全局和局域的 Moran I 来评价模型残差的空间分布,全局 Moran I 计算公式如下。I=nni=1nj=1wij(d)(xi-x-)(xj-x-)nni=1nj=1wij(d)ni(xi-x-)2。(4)式中:n 为取样点个数;xi和 xj分别为在取样点 i 和j 点的模型残差值;x-为模型残差的平均值;wij(d)为空间权重值。局域 MoranI 的计算公式如下。Ii=(xi-x-)nj=
23、1wij(d)(xj-x-)。(5)在本研究中,局域 MoranI 用来检测每一个独立样地点模型残差的局部聚集状况,当局域 MoranI0 时,表示在该样地点周围聚集着相似的模型残差24。1.8 模型拟合优度比较本研究采用 3 种统计量来评价模型的拟合效果,分别调整后的决定系数(R2adj)、均方误差(MSE)及赤池信息准则(AIC)。R2adj越接近 1 拟合效果越好,MSE越小时,说明模型拟合精度越高,AIC越小时,说明模型拟合效果越好。1.9 数据处理本研究分别采用 SAS9.3、GeoDa、GWR4.0 软件建立 OLS 模型、SEM 模型和 GWR 模型,采用 Excel下宏文件 R
24、OOKCASE 对全局和局域 Moran I 值进行计算,最后基于 ArcGIS 软件平台,采用反距离权重法(Inverse Distance Weight,IDW)对 GWR 模型下的05第 5 期张凌宇,等:广东西樵山国家森林公园森林碳储量空间分布研究空间分布图进行绘制。2 结果与分析2.1 模型拟合由表 1 可知,对于 OLS 模型而言,所有变量的方差膨胀因子(Variance Inflation Factor,VIF)均小于 5,表明模型各自变量间不存在多重共线性,并且在 =0.05 水平上所有变量的参数估计值均表现出统计显著性,可以对因变量进行很好的解释。在OLS 模型各变量中,林分
25、平均胸径、林分平均高和海拔的参数估计值为正,说明这 3 个变量与碳储量呈正相关,坡度的参数估计值为负,说明其与碳储量呈负相关,所有变量对森林碳储量影响由大到小顺序为:林分平均高、林分平均胸径、坡度、海拔。表 1 最小二乘模型各变量的参数估计值、标准误差和显著性检验Tab.1 Parameter estimates,standard error and significance test of variables in OLS model变量 Variable估计值 Estimate标准误差 Standard errorP方差膨胀因子VIF截距 Intercept30.653 50.893 60
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 东西 山国 森林公园 森林 储量 空间 分布 研究