论文部分内容阅读
森林与水循环之间的关系是当前研究的热点问题,积雪是固态的水,降雪是森林水循环中重要的一环。同时,积雪对气候、自然环境和人类活动等的影响不容忽视,具有重要的生态意义。大兴安岭地区地处高纬度地区,是我国重要的国有林区之一具有重要的经济价值,也是我国东北和华北平原的天然屏障,对维护东北亚地区的生态平衡具有重要意义。本研究依托黑龙江漠河森林生态系统定位研究站,以大兴安岭北部漠河县漠河林场为研究区域,以落叶松林、樟子松林和杨桦林三种区域主要森林类型为研究对象,于2014年冬季积雪期分别对降雪、积雪物理特征、雪面蒸发等雪水文效应进行观测与分析,旨在研究大兴安岭地区三种主要森林类型对降雪和积雪的影响,深入认识和理解森林与积雪的关系,进一步的探索森林雪水文过程机理,从而为大兴安岭地区森林植被对水资源调控机制提供科学依据。同时,为探索利用光学遥感反演雪水当量的方法,估测大兴安岭北部地区冬季地面雪水当量,实现林区区域内雪水文过程的监测,研究采用传统多元线性回归、偏最小二乘回归与BP神经网络三种方法建立系统性雪水当量反演模型,并对三种模型进行评价,选择最优模型对研究区内雪水当量分布进行反演与分析。研究结果表明:(1)森林对降雪的截留作用主要受素是郁闭度与林分组成的影响。不同森林类型在相同降雪等级中的降雪截留率表现为:樟子松林>落叶松林>杨桦林,且随着降雪级别的增大,森林对降雪的截留效应呈现逐渐降低的趋势。其中樟子松林降雪截留率与截雪量最大,分别为22.54%和11.24 mm,大约是落叶松林的2倍,杨桦林的5倍。(2)森林对于雪水文过程具有调控作用,且森林的存在有利于保留地面积雪水资源。林外旷野中积雪在整个观测期因蒸发损失的量为22.49 mm,占降雪量的45%,远高于林内积雪。(3)不同森林类型林内积雪深度特征有明显差异,常绿树种组成的樟子松林林内积雪深度小于落叶树种组成的林型。其中落叶松林林内积雪深度最大,为27.92 cm,樟子松林最小,为23.56 cm。(4)森林类型、降雪、外界环境等因素直接影响着林内积雪密度的变化,其中,落叶松林与杨桦林林内积雪密度变化基本相同,而樟子松林林内积雪密度变化幅度较小。(5)不同林型林内雪水当量差异显著(P<0.05),与林内积雪蒸发损失有关,但林内降雪输入量差异是主导因素。总体表现为杨桦林>落叶松林>樟子松林,其中樟子松林最小,为26.49 mm,杨桦林最大,为39.18 mm。(6)对林区区域雪水当量分布估测时,偏最小二乘模型性能优于传统多元线性回归模型,但BP神经网络模型在拟合程度、模型稳定性与预测精度上均高于线性模型,其RMSE为2.83 mm,rRMSE为0.23,平均拟合精度79.9%,平均预测精度达到79.3%,最高预测精度可达81.9%。(7)选用最优模型对研究区雪水当量分布进行了反演输出,结果表明:研究区内平均地面雪水当量为11.8mm,而漠河林场内雪水当量空间分布差异与地形及土地利用类型有关。