基于立地条件的森林生产力估算模型与适宜性研究

凌子燕，岑巨延，韦金丽，海 敏

(1.广西壮族自治区基础地理信息中心，南宁 530023； 2.广西壮族自治区林业勘测设计院，南宁 530011； 3.广西地球空间信息应用联合实验室，南宁 530023； 4.广西航空遥感测绘院，南宁 530023)

基于立地条件的森林生产力估算模型与适宜性研究

凌子燕1,3，岑巨延2，韦金丽1,3，海 敏3,4

(1.广西壮族自治区基础地理信息中心，南宁 530023； 2.广西壮族自治区林业勘测设计院，南宁 530011； 3.广西地球空间信息应用联合实验室，南宁 530023； 4.广西航空遥感测绘院，南宁 530023)

以广西省宁明县马尾松和桉树为例，利用高分辨率DEM提取研究区地形因子，综合考虑包括地形因子和土壤因子在内的立地条件和树龄，建立森林生产力估算模型，并生成区域潜在森林生产力分布图。研究结果显示： 用基于DEM提取的地形因子数据进行森林生产力估算建模，能降低成本，有效提高建模效率；确定树木生长最优树龄后，仅利用立地条件因子就可以建立森林的潜在生产力模型，而两树种建模所需的立地条件因子各有不同；从生成的潜在生产力分布图可得看出宁明县的北部与东部均适宜林木生长，在中部发展林业的条件则相对较差，南部比较适宜种植马尾松，西部适宜桉树地种植。

森林生产力；立地条件；适宜性；GIS

引言

森林是生态系统中原材料的重要来源和碳循环的关键组成部分，对于森林生产力的估算研究，是全球碳循环研究的基础[1]，森林生产力是评估森林生态效益与经济效益的重要指标。

传统的森林生产力评价研究主要考虑植物的生物学因子，所以大都基于生物学因子建立生产力评价模型[2-3]；有的则考虑植物生长环境的影响作用，如温度、湿度等[4-7]；即使提到立地条件也是选取了其中某些因子[8-9]，没有系统地研究立地条件对森林生产力的影响。此外，植被光合作用综合效率在不同海拔高度、坡位和坡向等立地因素上存在很大的差异[10-11]。因此，研究不同立地条件下的森林生产力具有重要意义。

数字高程模型(DEM)由于能快速客观地分析获取地形三维数据，已被广泛应用于与地形地貌相关的各研究领域。国内已有学者探讨了DEM在森林资源调查与林分信息提取[12-15]、森林资源空间分布格局[16-18]等方面的应用，但利用DEM进行林地生产力估算建模的研究鲜见报道。林业资源调查一般属大尺度范围研究，以往所利用的地形资料空间分辨率较低，研究结果精确度偏低，难以较好地满足林业应用。目前已有研究探讨了林业应用所需DEM数据的最低精度要求，并得出1∶10000比例尺DEM是划分山区森林生态类型的较佳数据源[19]，可见高分辨率DEM是未来林业应用的发展趋势。

本文以广西宁明县马尾松(PinusmassonianaLamb.)和桉树(Lucalyptus)为例，利用1∶10000比例尺DEM全面地提取了坡度、坡位、坡向、海拔和地貌类型等地形因子，综合土层厚度、成土母岩、土壤种类等土壤因子和树龄，建立不同立地条件因子组合的森林评价分析模型，生成区域森林潜在生产力分布图，为相关营林造林部门提供决策依据。

1 研究区域及数据源

1.1 研究区域概况

宁明县地处广西西南边陲，106°38′—107°36′E，21°51′—22°58′N， 总面积3 698 km2。属北热带季风气候区，光、热、水充足。有丰富的森林资源，是广西的林业大县，全县有林地面积约18.08万hm2，森林覆盖率高达53.5%，森林总蓄积量为993万m3。

1.2 林分样地调查数据

采用的样地调查数据包括883组马尾松样本和566组桉树样本，样本分布见图1。调查内容: 测树因子如树种、树龄、胸径、树高、径阶株数和郁闭度等，土壤因子如土层厚度、成土母岩和土壤种类等。

图1 宁明县林分样地调查样本分布

1.2.1 样本平均净生产力求算

1) 将样地各径阶平均树高和平均胸径代入二元材积模型中，求算获得各径阶平均样木的蓄积量，再根据径阶株数，计算各径阶样木蓄积量，汇总径阶样木蓄积量得到样地蓄积量。

2) 采用生物量连续函数法算得林地生物量[20]：

B马尾松=0.52×V马尾松

(1)

B桉树=0.7893×V桉树+6.9306

(2)

式中：B为生物量，V为蓄积量。

3) 由生物量计算林地平均净生产力[21]：

P=B/a

(3)

式中：P为林地平均净生产力，B为生物量，a为树龄。

1.2.2 土壤因子

地统计学认为所有样本值都不是独立的，而是遵循一定的内在规律，通过分析样本值，探索其分布规律，可进行预测。根据区域化变量存在空间相关性的原理[22]，研究应用克里格法对采样所得土壤因子进行插值创建预测表明，从而获得宁明县各土壤因子类型的分布图(见图2)。

1.3 DEM求算地形因子

利用高分辨率的1：10000比例尺DEM(像元大小5 m × 5 m)，直接求算研究区域的坡向、坡度和海拔。坡位采用地形位置指数(Topographic Position Index，TPI)求得，TPI的基本原理如式(4)所示，是研究目标点与其邻域高程平均值的差值，然后根据差值的正负和大小来确定目标点所处的地形位置[23]，本文将坡位分为山谷、平地、下坡、中坡、上坡、山脊。最后，根据高程、坡度相结合进行分级的方式，参考地形地貌分类标准[24]，将地貌分为平原、丘陵、低山、中山四种类型。地形因子的分类见图3。

(4)

图2 宁明县土壤因子类型分布图

图3 宁明县地形地貌因子类型分布图

续图3 宁明县地形地貌因子类型分布图

2 森林生产力模型

2.1 建模

以森林平均净生产力Y为因变量，X树龄、地形因子(X坡向、X坡位、X坡度、X海拔、X地貌类型)和土壤因子(X土层厚度、X成土母岩、X土壤类型)为自变量，采用线性回归方法，将T值检验不显著的因子剔除，从而建立森林生产力估算模型。各建模因子的取值由数量化方法求得。

2.1.1 马尾松生产力建模结果

建模因子中，坡度和成土母岩未通过T检验，被剔除，所得模型如式(5)。

Y松=-0.0499+0.0895X树龄+0.9745X坡位+

1.0278X坡向+0.8579X地貌类型+

1.0765X土层厚度+1.0022X土壤类型+0.9461X海拔

(5)

2.1.2 桉树生产力建模结果

坡度、坡向和土壤类型等因子未通过T检验，被剔除，所得模型如式(6)。

Y桉= -11.7125+0.8336X树龄+1.0071X坡位+

1.0340X地貌类型+0.9823X成土母岩+

1.0008X土层厚度+0.9602X海拔

(6)

2.2 检验

生产力模型精度检验采用如下算式：

(7)

式中：P为精度，Y为模拟生产力，S为测量生产力，i为样本。

将马尾松林、桉树林生产力模型建模样本数据分别代入马尾松模型、桉树模型中模拟其生产力，进行模型自检，检验精度分别为88.56%，86.79%；另外组织了马尾松林、桉树林检验样本各50个，对模型进行适用性检验，检验精度分别85.60%，84.35%。

3 潜在森林生产力

森林生产力随树龄的变化而变化。为确定林地的潜在生产力，研究假设存在森林生产力最高值，并且树高连年生长量最大时为生产力最旺盛期，即生产力最高期，此时的树龄为最优生长树龄，并采用最优生长树龄来求取林地的最大潜在生产力。不同树种的最优生长树龄各异，本文根据林木的生长周期和树高连年生长量的变化，将马尾松和桉树的最优生长树龄分别定为15 a和3 a，并分别将其结合图2和图3的立地条件代入模型(5)和(6)中，得到宁明县马尾松和桉树潜在生产力分布图，见图4。

图4 宁明县潜在森林生产力分布图

4 结论

1) 利用高分辨率的DEM数据生成地形因子，能有效地减少野外调查的劳动量，降低人工成本，提高建模效率，为高效进行森林生产力研究提供有力支撑。

2) 建立的马尾松、桉树生产力估算模型均通过了显著性检验，模型自检精度分别为88.56%，86.79%；适用性检验精度分别为85.60%，84.35%；确定树木生长最优树龄后，利用立地条件因子建立了森林的潜在生产力模型。模型简单准确、可操作性强、应用方便，解决了以往模型复杂、难以用于实际生产的难题。两树种建模所需的立地条件因子各不相同，其中两个模型都含有坡位、地貌类型、土层厚度和海拔因子，可见这4个因子对森林生产力具有较重要的影响作用；马尾松估算模型比桉树估算模型多了坡向因子，说明坡向对马尾松生长的影响大于对桉树的影响；坡度因子均被剔除，可见马尾松与桉树的生长受坡度影响较其他立地条件小。

3) 研究生成了宁明县两个树种的潜在森林生产力分布图，发现不同树种的潜在生产力大小存在差异，桉树生产力大于马尾松。马尾松与桉树在北部与东部均有较高生产力，该区域颜色趋于蓝绿色；且两树种都不适合生长在中南部，颜色趋于黄色。马尾松在南部有较高的生产力潜力，西部的生产力却较低，而桉树则刚好相反。可见，宁明县的北部与东部均较适合林木生长，而在中部发展林业的条件则相对较差，在最南部比较适合种植马尾松，西部则适宜种植桉树。该成果可为林业部门根据不同树种的生长习性，因地制宜，适地适树，合理进行营造林树种布局提供参考。

[1] Schlesinger, Biogeochemistry W H. an analysis of global change [M]. New York: Academic Press, 1997.

[2] 赵敏等. 基于森林资源清样调查资料的森林生产力估算模式——以中国油松林为例(英文)[J]. Journal of Forestry Research, 2004, 15(2): 93-100.

[3] 罗天祥. 中国主要森林类型生物生产力格局及其数学模型[D].北京：中国科学院研究生院，1996.

[4] 邢世和. 基于GIS技术的区域林地生产力估测与分区[J]. 山地学报，2006, 24 (4): 473-479.

[5] 郭志华, 彭少麟. 基于GIS和RS的广东陆地植被生产力及其时空格局[J]. 生态学报, 2001, 21 (9):1444-1449.

[6] 于相毅,等.结合GIS探析吉林省东部生态建设分区战略[J].干旱环境监测, 2004, 18 (3):137-140,162.

[7] 朱文泉,等.基于GIS和RS的区域陆地植被NPP估算——以中国内蒙古为例[J].遥感学报, 2005, 9(3):300-307.

[8] 赖日文. 基于RS与GIS技术闽江流域森林资源利用评价研究[D].北京：北京林业大学, 2007.

[9] 张丽颖. 基于GIS和RS技术的低山丘陵区土地生产力综合评价[D].北京：北京林业大学, 2007.

[10] 中国科学院空间科学技术中心．中国地球资源光谱信息及其应用论文集[C]．李岩．天然草场光谱时空分布及其在图像解译中的应用的探讨.北京：能源出版社，1986．

[11] 张经炜, 姚清尹, 李焕珊.华南坡地研究[M].北京：科学出版社，1994．

[12] 付晓, 冯仲科.数字高程模型及其在林业中的应用[J].林业科技，2002, 27(5):13-15.

[13] 付晓, 周维. 数字高程模型及其在森林资源调查中的应用[J].广西林业科学，2002, 31(1):12-15.

[14] 蔡学成, 岳胜.数字地形模型的建立方法及其在林业中的应用[J].林业调查规划, 2004, 9(1):1-4.

[15] 许延丽，刘兆刚.基于航片建立数字高程模型及林分信息提取[J].东北林业大学学报，2009,37(11):88-91.

[16] 唐雪海，黄庆丰，袁进军，等.基于DEM的紫蓬山地形及森林资源空间分布关联分析[J].林业调查规划，2009,34(4):12-18.

[17] 曾宏达. 基于DEM和地统计的森林资源空间格局分析——以武夷山山区为例[J].地球信息科学，2005,7(2):83-88.

[18] 曾宏达，陈光水，杨玉盛. 基于DEM的森林空间分布研究[J].国土与自然资源研究，2005,3:85-87.

[19] 唐立娜，黄聚聪，代力民.不同比例尺DEM数据对森林生态类型划分精度的影响[J].生态学报， 2011，31(12):3531—3536.

[20] 方精云，刘国华，徐嵩龄．我国森林植被的生物量和净生产量[J]．生态学报，1996，16(5)：497-508．

[21] 孟宪宇．测树学[M].北京：中国林业出版社，1996．

[22] 汤国安，杨昕．ArcGIS地理信息系统空间分析实验教程[M]．北京：科学出版社，2006．

[23] Weiss A. Topographic position and landforms analysis[R]. San Diego, CA: ERSI User Conference, 2001．

[24] 祝国瑞，张根寿．地图分析[M]．北京：测绘出版社，1994：162．

TheEstimationModelofForestProductivityandForestSuitabilityBasedonSiteCondition

LING Ziyan1,3, CEN Juyan2, WEI Jinli1,3, HAI Min3,4

(1.Geomatics Center of Guangxi, Nanning 530023, Guangxi,China; 2. Guangxi Forest inventory and planning institute, Nanning 530011, Guangxi,China; 3.Geospatial Information Application Joint Laboratory of Guangxi, Nanning 530023, Guangxi,China; 4.Guangxi Institute of Aero-photogrammetry and Remote Sensing, Nanning 530023,Guangxi,China)

Site condition calculated by DEM and tree age was applied to build estimation models of different forest species’ productivity and distribution of potential forest productivity in Ningming County was generated, in whichPinusmassonianaLamb. andEucalyptuswere taken as examples. The results showed that:Established model with site condition calculated by DEM will reduce labor cost and increase efficiency;It’s reasonable and feasible to establish forest productivity model with site condition factors while optimal growth age (OGA) was fixed, and different site condition factors were chose to establish model depending on the forest species;Potential forest productivity was produced, which finds that north and east of Ningming County are suitable for planting forest, while midland holds poor condition for developing forestry, moreover, south was suitable forPinusmassonianaLamb. planting while west forEucalyptus.

forest productivity；site condition；suitability；GIS

2012-04-17

2012-07-17

广西自然科学基金项目(桂科自 0832073)资助。

凌子燕(1985-)，女，硕士，从事遥感与地理信息系统应用研究相关工作。

TP 79； S 758.62

A

1003-6075(2012)03-0015-05