基于地统计方法的山西省森林木本层生物量及碳密度空间分布格局研究

2019-08-16崔素萍

山西林业科技 2019年2期

崔素萍

(山西省林业调查规划院，山西太原 030012)

森林植被生物量估算是准确评估森林植被碳储量及其空间分布的前提。我国林业碳汇监测与计量工作以区域样点数据为基础，统一采用生物量扩展因子法和收获法得出样地生物量，然后估算区域尺度森林植被生物量和碳储量，再自下而上计算出国家尺度森林碳储量。基于地统计分析的克里格插值法是常用的将点数据转换为面数据，分析变量空间分布格局的空间插值方法之一，在地学、生态学、地质学等很多领域被广泛运用，在研究不同尺度森林生物量、NPP以及碳密度空间分布格局等方面也有应用。

1 材料与方法

1.1 数据收集与测定

笔者以山西省碳汇计量与监测试点工作取得的结果为基础，选取了229个样地的乔木层、灌木层生物量数据，进行木本层生物量与碳储量分析。木本层地上总生物量为乔木层与灌木层之和，采用《全国林业碳汇计量和监测技术指南(附件)》中各树种(组)及不同树种(组)枯落物的含碳率(含碳系数)，乘以测算出的木本层地上生物量，计算出样地的地上与枯落物碳储量。

1.2 分析方法

利用SPSS 16.0软件进行经典统计分析，采用ArcGIS 10.2软件的地统计模块进行地统计分析。克里格插值法是地统计分析中常用的插值方法，要求数据符合正态分布，且半变异函数具有空间自相关性。为了对空间插值模型及参数的有效性进行验证，笔者采用地统计分析模块的创建子集工具随机选取了85%的点作为训练数据，其余15%的数据用于半变异函数模型优选和空间插值模型有效性的评价，模型有效性评价指标选择国际上通用的归一化均方根误差(NRMSE)。

2 结果与分析

2.1 描述统计特征

木本层生物量与碳密度的描述统计特征见表1.

表1 木本层生物量与碳密度的描述统计特征

从表1中可以看出，山西省森林乔木层生物量和灌木层生物量平均值分别为60.26 t/hm2和3.22 t/hm2，灌木层生物量占木本层地上生物量的比重平均为5.34%，木本层的碳密度平均值为31.42 t/hm2.根据Nielson变异性判别标准，0%～25%属于弱变异程度，25%～75%属于中等变异程度，>75%属于强变异程度。山西省森林灌木层生物量的变异系数最大，达到了130.74%，为强变异。乔木层生物量、木本层地上生物量和木本层碳密度均为中等变异水平，变异系数分别为71.15%，67.13%和67.40%.灌木层生物量的平均值与中值差距较大，偏度系数和峰度系数均比1大得多。其余数据均值和中值都很接近，且偏度系数和峰度系数接近1.因此，灌木层生物量与正态分布的差距较大，需要通过数据转换使其接近正态分布后再进行空间自相关性分析和空间插值，其余数据均可直接使用。由于灌木层生物量具有0值，不能直接进行转换，笔者将原数据加上平均值后再进行对数转换，转换后结果的平均值与中值十分接近，偏度系数和峰度系数均比转换前更加接近1.

2.2 半变异函数模型优选与空间自相关性分析

为了提高克里格插值法的精度，通过交叉检验的方法，拟从5个常见变异函数模型中选出精度最好的模型。不同模型的交叉检验结果见表2.

表2 不同模型的交叉检验

优选的标准为交叉检验结果中预测误差均值(ME)越接近0，标准均方根误差(RMSS)越接近1，模型最优。从表2可以看出，对于乔木层生物量、灌木层生物量(转换后)、地上生物量的最优模型为指数模型，碳密度最优模型为圆形模型。结构比或块金系数常用来反映变量的空间自相关性。其中，结构比=C/(C0+C)，该值越大表明结构因素在空间异质性上的作用越大，变量的空间自相关性越强。反之则说明随机部分引起的空间变异程度较大，变量的空间自相关性越弱。当半变异函数曲线为近似平行于横坐标的直线时，半变异函数表现出纯块金效应，区域内样点的平均值就是最佳估计值。从最优模型的空间自相关性分析结果来看，乔木层生物量、灌木层生物量(转换后)、地上生物量和碳密度的变程分别为28 834.47 m，30 745.96 m，49 231.70 m和22 751.27 m，结构比分别为51%，55%，72%和75%，表现出较强的空间自相关性。

2.3 空间预测模型的有效性验证

在生成最终的克里格插值表之前，需要对模型的有效性进行评价，结果见表3.

表3 空间插值预测模型的有效性检验

若NRMSE<10表示模型的拟合效果“非常好”，在10～20之间表示拟合效果“好”，在20～30之间表示拟合效果“可以接受”，>30则表示拟合效果“不好”。从表3来看，木本层生物量和碳密度的归一化均方根误差(NRMSE)在10～20之间，拟合效果为好；地上生物量在20～30之间，拟合效果为可以接受。因此，可以通过该模型得到山西省森林木本层生物量和碳密度的区域分布。