论文部分内容阅读
我国天然次生林面积在森林总面积中占据相当大的比重,但是由于不同因素的干扰,整体上天然次生林动态演替的稳定性较低,同时林分枯损株数影响着森林演替的进程,并且在森林动态变化过程中起着至关重要的作用,因此对天然次生林枯损株数空间分布的研究有着重要的理论和现实意义。本研究目基于2004年至2016年收集的帽儿山实验林场2期共101块天然次生林固定样地数据,建立全局Poisson模型和4种空间尺度下(2.5km,5km,10km,15km)的地理加权泊松模型(Geographically Weighted Poisson Regression,GWPR)对帽儿山实验林场天然次生林枯损株数的空间分布情况进行探索,并分析了全局模型和不同空间尺度下的局域模型在解决空间问题上的优劣性。利用混合逐步选择法建立全局Poisson模型来拟合天然次生林枯损株数与各影响因子之间的关系,最终得到海拔、坡度、林分平均胸径、每公顷株数以及蓄积量共5个影响因子。结果显示,对于全局Poisson模型,所有变量参数均表现为统计显著,这表明所选的林分以及地形因子都是影响天然次生林枯损株数的重要因子,林分平均胸径与次生林枯损株数呈负相关关系,其余4个因子与次生林枯损株数呈正相关关系,其中,林分平均胸径对天然次生林枯损株数的影响最大,海拔和坡度等地形因子对天然次生林枯损株数的影响最小。建立了4种空间尺度下的局域GWPR模型,利用ArcGIS软件绘制了4种空间尺度下局域GWPR模型各参数的空间分布图。结果显示,各个尺度下的GWPR模型在对天然次生林枯损株数影响的方向上与全局Poisson模型存在一致性,但是GWPR模型的估计系数不是唯一的,是连续变化的;在2.5km空间尺度下GWPR模型系数可以产生较好范围内的局域化空间分布,并且产生最大的变化范围,在模型系数分级的细化程度上要好于其他尺度下的GWPR模型;在模型拟合方面,GWPR模型拥有很好的拟合效果,明显好于全局Poisson模型,尤其在小空间尺度(GWPR2.5km)下的AIC值明显减小,同时产生了较大范围内的模型系数,得到了较好的模型参数的局域化空间分布效果;在小尺度下的GWPR模型产生了较小范围内的模型残差,产生不同观测值少量聚类这一理想的空间分布模式。利用Moran I指数对全局模型和4种尺度下的局域模型的空间自相关性进行了分析。结果表明,在小尺度(GWPR2.5km)下产生的模型可以有效地去除模型残差的全局空间自相关性,产生数量最少的显著性局域Moran I值,随着尺度增加,显著性局域Moran I值的数量逐渐增加。在降低模型残差的局域空间自相关性效果上,较小尺度(2.5km和5km)下的GWPR模型要明显好于较大尺度下的GWPR模型,但是所有局域模型总体上仍要好于全局模型,说明局域模型在降低甚至消除空间自相关性上起到了很好的效果。利用ArcGIS软件绘制了全局Poisson模型和4种空间尺度下局域模型的天然次生林枯损株数空间分布图。结果表明,全局模型和4种尺度下的局域模型对于次生林枯损株数在总体范围上的预测趋势基本相同,即在研究区的东北部和西南部枯损株数较多,各模型在拟合偏差上存在差异,全局Poisson模型的拟合偏差在6株左右,2.5km下的GWPR模型拟合偏差在34株,5km下的GWPR模型拟合偏差在5株左右,10km下的GWPR模型拟合偏差在56株,15km下的GWPR模型拟合偏差在6株左右。