天山雪嶺云杉林生物量估測及空間格局分析

2024年3月14日發(作者：邪惡飯粒網)

第４０卷第１５期

２０２０年８月

ＡＣＴＡＥＣＯＬＯＧＩＣＡＳＩＮＩＣＡ

生態學報

Ｖｏｌ．４０，Ｎｏ．１５

Ａｕｇ．，２０２０

ＤＯＩ：１０．５８４６／ｓｔｘｂ２０１９０４２４０８４１

羅慶輝，徐澤源，許仲林．天山雪嶺云杉林生物量估測及空間格局分析．生態學報，２０２０，４０（１５）：５２８８?５２９７．

ＬｕｏＱＨ，ＸｕＺＹ，ＸｕＺＬ．ＥｓｔｉｍａｔｉｏｎａｎｄｓｐａｔｉａｌｐａｔｔｅｒｎａｎａｌｙｓｉｓｏｆｂｉｏｍａｓｓｏｆＰｉｃｅａｓｃｈｒｅｎｋｉａｎａｆｏｒｅｓｔｓ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０２０，４０（１５）：５２８８?５２９７．

天山雪嶺云杉林生物量估測及空間格局分析

羅慶輝

１，２

，徐澤源

１，２

，許仲林

１，２，?

１新疆大學資源與環境科學學院，烏魯木齊　８３００４６

２新疆大學資源與環境科學學院綠洲生態教育部重點實驗室，烏魯木齊　８３００４６

摘要：雪嶺云杉林是新疆天山山脈重要的水源涵養林，精確估算雪嶺云杉林生物量及準確表征空間格局特征對其生態系統的生

物生產力和生態服務功能的評估具有重要作用。結合Ｌａｎｄｓａｔ８ＯＬＩ遙感數據和６６塊天山雪嶺云杉林樣地調查數據，選擇包括

各波段灰度值、不同波段灰度值之間的線性和非線性組合（包括５種植被指數）以及環境因子在內的４２個自變量，分別采用多

元逐步回歸分析法、偏最小二乘法和主成分分析法建立天山雪嶺云杉林生物量估測模型。結果表明：多元逐步回歸法采用３個

自變量所建模型平均擬合精度為６９．０７％，絕對誤差為６４．５０ｔ／ｈｍ

２

，平均相對誤差為１０．８９％，樣地生物量實測值與預測值相關

系數為０．４６５；偏最小二乘回歸法采用１１個自變量所建模型平均擬合精度為７４．３６％，絕對誤差為１４４．９４ｔ／ｈｍ

２

，平均相對誤差

為２８．７８％，相關系數為０．７１７；主成分分析方法提取３個主成分，所建模型平均擬合精度為７１．２２％，相關系數為０．７３０；因此偏最

小二乘法要優于主成分分析法和多元逐步回歸法。天山雪嶺云杉林生物量隨經緯度的增加而降低，整體呈現西部高，中東部低

的趨勢；隨海拔的升高呈“單峰”型變化；樣地生物量主要分布在山脊位置，隨坡度的增加呈先降低后升高，然后再下降的趨勢；

隨著陰坡

－

陽坡的坡向變化，樣地生物量逐漸降低。

關鍵詞：雪嶺云杉林；生物量；空間格局；多元逐步回歸；偏最小二乘回歸；主成分回歸

ＥｓｔｉｍａｔｉｏｎａｎｄｓｐａｔｉａｌｐａｔｔｅｒｎａｎａｌｙｓｉｓｏｆｂｉｏｍａｓｓｏｆＰｉｃｅａｓｃｈｒｅｎｋｉａｎａｆｏｒｅｓｔｓ

１ＣｏｌｌｅｇｅｏｆＲｅｓｏｕｒｃｅｓａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓ，ＸｉｎｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｕｒｕｍｑｉ８３００４６，Ｃｈｉｎａ

ＬＵＯＱｉｎｇｈｕｉ

１，２

，ＸＵＺｅｙｕａｎ

１，２

，ＸＵＺｈｏｎｇｌｉｎ

１，２，?

２ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＯａｓｉｓＥｃｏｌｏｇｙ，ＣｏｌｌｅｇｅｏｆＲｅｓｏｕｒｃｅａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅ，ＸｉｎｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｕｒｕｍｑｉ８３００４６，Ｃｈｉｎａ

Ａｂｓｔｒａｃｔ：Ｐｉｃｅａｓｃｈｒｅｎｋｉａｎａ（Ｓｃｈｒｅｎｋ′ｓｓｐｒｕｃｅ）ｆｏｒｅｓｔｉｓａｍａｊｏｒｗａｔｅｒｃｏｎｓｅｒｖａｔｉｏｎｆｏｒｅｓｔｌｏｃａｔｅｄｉｎｔｈｅＴｉａｎｓｈａｎ

ＭｏｕｎｔａｉｎｓｏｆＸｉｎｊｉａｎｇＰｒｏｖｉｎｃｅ．Ｔｈｅｒｅｆｏｒｅ，ｅｓｔｉｍａｔｉｎｇｔｈｅｂｉｏｍａｓｓｏｆＰｉｃｅａｓｃｈｒｅｎｋｉａｎａｆｏｒｅｓｔａｃｃｕｒａｔｅｌｙａｎｄｃｈａｒａｃｔｅｒｉｚｉｎｇ

ｅｃｏｓｙｓｔｅｍ．ＢａｓｅｄｏｎｔｈｅｄａｔａａｃｑｕｉｒｅｄｂｙＬａｎｄｓａｔ８ＯＬＩｉｎｒｅｍｏｔｅｓｅｎｓｉｎｇａｓｗｅｌｌａｓａｓｕｒｖｅｙｏｆ６６ｓａｍｐｌｅｐｌｏｔｓｏｆＰｉｃｅａ

ｓｃｈｒｅｎｋｉａｎａｆｏｒｅｓｔｉｎｔｈｅＴｉａｎｓｈａｎＭｏｕｎｔａｉｎｓ，ｔｈｉｓｓｔｕｄｙｓｅｌｅｃｔｓ４２ｉｎｄｅｐｅｎｄｅｎｔｖａｒｉａｂｌｅｓｉｎｃｌｕｄｉｎｇｔｈｅｇｒａｙｖａｌｕｅｏｆｅａｃｈ

ｔｈｅｍｕｌｔｉｐｌｅｓｔｅｐｗｉｓｅｒｅｇｒｅｓｓｉｏｎａｎａｌｙｓｉｓｍｅｔｈｏｄ，ｔｈｅｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅｓｍｅｔｈｏｄ，ａｎｄｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓｍｅｔｈｏｄ

ｉｔｓｓｐａｔｉａｌｐａｔｔｅｒｎｅｘａｃｔｌｙａｒｅｓｉｇｎｉｆｉｃａｎｔｆｏｒａｓｓｅｓｓｉｎｇｔｈｅｂｉｏｌｏｇｉｃａｌｐｒｏｄｕｃｔｉｖｉｔｙａｎｄｅｃｏｌｏｇｉｃａｌｓｅｒｖｉｃｅｆｕｎｃｔｉｏｎｏｆｉｔｓ

ｂａｎｄ，ｔｈｅｌｉｎｅａｒａｎｄｎｏｎ

－

ｌｉｎｅａｒｃｏｍｂｉｎａｔｉｏｎｓｏｆｇｒａｙｖａｌｕｅｓｉｎｄｉｆｆｅｒｅｎｔｂａｎｄｓ（ｉｎｃｌｕｄｉｎｇ５ｖｅｇｅｔａｔｉｏｎｉｎｄｅｘｅｓ），ａｎｄａｄｏｐｔｓ

ｔｏｅｓｔａｂｌｉｓｈａｂｉｏｍａｓｓｅｓｔｉｍａｔｉｏｎｍｏｄｅｌｆｏｒｔｈｅＰｉｃｅａｓｃｈｒｅｎｋｉａｎａｆｏｒｅｓｔｉｎｔｈｅＴｉａｎｓｈａｎＭｏｕｎｔａｉｎｓ．Ｔｈｅｒｅｓｕｌｔｓｒｅｖｅａｌａｓ

ｆｏｌｌｏｗｓ：ｔｈｅｍｕｌｔｉｐｌｅｓｔｅｐｗｉｓｅｒｅｇｒｅｓｓｉｏｎｍｅｔｈｏｄａｄｏｐｔｓｔｈｒｅｅｉｎｄｅｐｅｎｄｅｎｔｖａｒｉａｂｌｅｓｔｏｅｓｔａｂｌｉｓｈａｍｏｄｅｌ．Ｉｎｔｈｉｓｍｏｄｅｌ，ｔｈｅ

ａｖｅｒａｇｅｆｉｔｔｉｎｇａｃｃｕｒａｃｙｉｓ６９．０７％，ｔｈｅａｂｓｏｌｕｔｅｅｒｒｏｒｉｓ６４．５０ｔ／ｈｍ

２

，ｔｈｅａｖｅｒａｇｅｒｅｌａｔｉｖｅｅｒｒｏｒｉｓ１０．８９％，ａｎｄｔｈｅ

ｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｂｅｔｗｅｅｎｔｈｅｍｅａｓｕｒｅｄｖａｌｕｅａｎｄｐｒｅｄｉｃｔｅｄｖａｌｕｅｓｏｆｔｈｅｂｉｏｍａｓｓｉｎｔｈｅｓａｍｐｌｅｐｌｏｔｓｉｓ０．４６５；ｔｈｅ

ｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅｓｒｅｇｒｅｓｓｉｏｎｍｅｔｈｏｄａｐｐｌｉｅｓ１１ｉｎｄｅｐｅｎｄｅｎｔｖａｒｉａｂｌｅｓｔｏｅｓｔａｂｌｉｓｈａｍｏｄｅｌ．Ｉｎｔｈｉｓｍｏｄｅｌ，ｔｈｅａｖｅｒａｇｅ

ｆｉｔｔｉｎｇａｃｃｕｒａｃｙｉｓ７４．３６％，ｔｈｅａｂｓｏｌｕｔｅｅｒｒｏｒｉｓ１４４．９４ｔ／ｈｍ

２

，ｔｈｅａｖｅｒａｇｅｒｅｌａｔｉｖｅｅｒｒｏｒｉｓ２８．７８％，ａｎｄｔｈｅｃｏｒｒｅｌａｔｉｏｎ

基金項目：國家自然科學基金項目（４１３６１０９８，３１５００３９８）

收稿日期：２０１９?０４?２４；　　網絡出版日期：２０２０?０５?２１

?通訊作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ?ｍａｉｌ：ｇａｌｉｎｗａ＠ｇｍａｉｌ．ｃｏｍ

ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ

　１５期　　　羅慶輝　等：天山雪嶺云杉林生物量估測及空間格局分析　

５２８９

ｃｏｅｆｆｉｃｉｅｎｔｉｓ０．７１７；ｔｈｅｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓｍｅｔｈｏｄｅｘｔｒａｃｔｓ３ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔｓｔｏｅｓｔａｂｌｉｓｈａｍｏｄｅｌ．Ｉｎｔｈｉｓ

ｍｏｄｅｌ，ｔｈｅａｖｅｒａｇｅｆｉｔｔｉｎｇａｃｃｕｒａｃｙｉｓ７１．２２％，ａｎｄｔｈｅｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｉｓ０．７３０．Ｈｅｎｃｅ，ｔｈｅｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅ

ｍｅｔｈｏｄｉｓｂｅｔｔｅｒｔｈａｎｔｈｅｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓｍｅｔｈｏｄａｎｄｔｈｅｍｕｌｔｉｐｌｅｓｔｅｐｗｉｓｅｒｅｇｒｅｓｓｉｏｎｍｅｔｈｏｄ．Ｔｈｅｂｉｏｍａｓｓｏｆ

ｔｈｅＰｉｃｅａｓｃｈｒｅｎｋｉａｎａｆｏｒｅｓｔｉｎｔｈｅＴｉａｎｓｈａｎＭｏｕｎｔａｉｎｓｄｅｃｒｅａｓｅｓｗｉｔｈｔｈｅｉｎｃｒｅａｓｅｏｆｌａｔｉｔｕｄｅａｎｄｌｏｎｇｉｔｕｄｅ．Ｔｈｅｏｖｅｒａｌｌ

ｔｒｅｎｄｉｓｈｉｇｈｉｎｔｈｅｗｅｓｔａｎｄｌｏｗｉｎｔｈｅｍｉｄｄｌｅａｎｄｔｈｅｅａｓｔ；ｉｔｃｈａｎｇｅｓｉｎａ″ｓｉｎｇｌｅｐｅａｋ″ｓｈａｐｅｗｉｔｈｉｎｃｒｅａｓｉｎｇａｌｔｉｔｕｄｅ；

ｔｈｅｂｉｏｍａｓｓｏｆｔｈｅｓａｍｐｌｅｐｌｏｔｓｉｓｍａｉｎｌｙｄｉｓｔｒｉｂｕｔｅｄｉｎｔｈｅｒｉｄｇｅｐｏｓｉｔｉｏｎ，ｗｈｉｃｈｔｅｎｄｓｔｏｄｅｃｒｅａｓｅｆｉｒｓｔ，ｔｈｅｎｉｎｃｒｅａｓｅｓｗｉｔｈ

ｓｌｏｐｅ），ｔｈｅｂｉｏｍａｓｓｏｆｔｈｅｓａｍｐｌｅｐｌｏｔｄｅｃｒｅａｓｅｓｇｒａｄｕａｌｌｙ．

ｔｈｅｉｎｃｒｅａｓｅｏｆｓｌｏｐｅ，ａｎｄｄｅｃｒｅａｓｅｓｕｌｔｉｍａｔｅｌｙ；ｗｉｔｈｔｈｅｃｈａｎｇｅｏｆｓｌｏｐｅｄｉｒｅｃｔｉｏｎ（ｆｒｏｍｔｈｅｓｈａｄｅｄｓｌｏｐｅｔｏｔｈｅｓｕｎｎｙ

ＫｅｙＷｏｒｄｓ：Ｐｉｃｅａｓｃｈｒｅｎｋｉａｎａｆｏｒｅｓｔ；ｂｉｏｍａｓｓ；ｓｐａｔｉａｌｐａｔｔｅｒｎ；ｍｕｌｔｉｐｌｅｓｔｅｐｗｉｓｅｒｅｇｒｅｓｓｉｏｎ；ｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅｓｒｅｇｒｅｓｓｉｏｎ；

ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔｒｅｇｒｅｓｓｉｏｎ

森林生態系統作為陸地生態系統的主體，在全球碳循環過程中起著決定性作用。同時，森林生態系統植

被所固定的碳量約占陸地植被總固碳量的８２．５％

［１］

，森林生物量約占陸地生態系統生物量的９０％

［２］

，在研究

全球碳循環、全球氣候變化和減緩大氣溫室氣體濃度上升等方面具有重要意義。近年來，森林生物量估算已

成為現代林業研究的熱點問題，很多學者對其進行了研究

［３?５］

。

傳統的森林生物量樣地調查方法，準確度高，但耗時耗力，而且難以精確了解森林分布狀態。遙感技術雖

然準確度較低，但能夠監測森林大面積覆蓋范圍，已成功應用到森林生物量估算中

［６?９］

。天山雪嶺云杉林是

新疆天山山地森林的優勢種，同時也是亞洲中部山地的特有種，在新疆水源涵養、水土保持和氣候調控等方面

發揮著重要的作用

［１０］

。鄭拴麗

［１１］

和劉貴峰等

［１２］

通過野外實測樣地數據測定和研究了天山不同林場雪嶺云

杉林生物量，此外，李虎等

［１３］

建立了雪嶺云杉林生物量模型，估算了西天山雪嶺云杉林生物量；然而采用遙感

方法應用多元逐步回歸法、偏最小二乘法和主成分分析法估算整個天山雪嶺云杉林生物量的對比研究鮮見報

道。本文以天山雪嶺云杉林作為研究對象，將Ｌａｎｄｓａｔ８ＯＬＩ影像和實測數據相結合，采用多元逐步回歸法、

偏最小二乘回歸法和主成分分析法建立雪嶺云杉林生物量估算模型，并對三種模型的估算能力進行對比分

析。對森林生物量進行估測時，各生物量自變量因子間可能存在嚴重的多重共線性，多元回歸法解決不了該

問題，因此本研究不考慮多元回歸法建模，盡可能多地選取植被指數、氣候因子、地學信息及影像信息等可能

與雪嶺云杉林生物量有關的自變量，利用多元逐步回歸法、偏最小二乘回歸法和主成分分析法建立雪嶺云杉

林生物量遙感估測模型，擇優對天山雪嶺云杉林生物量進行估測和評價。本研究方法將為天山雪嶺云杉林生

物量模型的構建提供新的途徑，研究結果對于了解天山雪嶺云杉林生物量空間分布和保護雪嶺云杉林生態系

統可持續管理具有重要意義。

１　研究區概況

天山位于塔克拉瑪干沙漠的北部和西部地區，塔里木盆地以北

［１４］

，在我國新疆境內長達１７６０ｋｍ，分布在

天山北坡中山帶海拔１５００—２８００ｍ處的雪嶺云杉林是新疆山地森林分布最廣的樹種，而且雪嶺云杉是天山

最主要的地帶性森林植被

［１５?１６］

。天山的植被分布具有明顯的垂直帶性，從低海拔到高海拔，依次為山地荒漠

草原、山地草原、山前灌木、山地針葉林、亞高山灌叢草甸、高山草甸、高山墊狀植被

［１７］

。研究區為海拔１５００—

２８００ｍ的山地針葉林（建群種為雪嶺云杉林）分布區域，屬于溫帶大陸性氣候，土壤是山地灰褐色森林土。主

要地被植物有黑果小檗（Ｂｅｒｂｅｒｉｓｈｅｔｅｒｏｐｏｄａ）、紅果小檗（Ｂｅｒｂｅｒｉｓｎｕｍｍｕｌａｒｉａ）、忍冬（Ｌｏｎｉｃｅｒａｓｐ．）、天山花楸

（Ｓｏｒｂｕｓｔｉａｎｓｃｈａｎｉｃａ）、黑果荀子（Ｃｏｔｏｎｅａｓｔｅｒｍｅｌａｎｏｃａｒｐｕｓ）、薔薇（Ｒｏｓａｓｐ．）、繡線菊（Ｓｐｉｒａｅａｈｙｐｅｒｉｃｉｆｏｌｉａ）、老鸛

草（Ｇｅｒａｎｉｕｍｄａｈｕｒｉｃｕｍ）、天山雨衣草（Ａｌｃｈｅｍｉｌｌａｔｉａｎｓｃｈａｎｉｃａ）、羊角芹（Ａｅｇｏｐｏｄｉｕｍｐｏｄａｇｒａｒｉａ）等

［１８］

。

ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ

５２９０

　生　態　學　報　　　４０卷　

圖１　研究區雪嶺云杉林采樣點的空間分布

Ｆｉｇ．１　Ｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓａｍｐｌｉｎｇｐｏｉｎｔｓｉｎｔｈｅｓｔｕｄｙａｒｅａ

２　研究方法

２．１　遙感影像及樣地數據處理

　　本研究采用２０１７年６月至９月Ｌａｎｄｓａｔ?８ＯＬＩ遙感數據。天山雪嶺云杉林分布范圍涉及８景Ｌａｎｄｓａｔ?８

ＯＬＩ影像，其行列號分別是：１４３條帶的３０行；１４４條帶的３０行；１４５條帶的２９和３０行；１４６條帶的２９和３０

行；１４７條帶的２９和３０行。對８景Ｌａｎｄｓａｔ?８ＯＬＩ影像分別進行幾何校正、輻射定標和ＦＬＡＡＳＨ大氣校正，然

后進行拼接和裁剪，得到研究區地表反射率圖像。本研究所用Ｌａｎｄｓａｔ?８ＯＬＩ影像所用波段為波段２，波段３，

波段４，波段５，波段６，波段７，投影方式為ＵＴＭ?ＷＧＳ８４，空間分辨率為３０．０ｍ。

本研究采樣點位于分布于成片雪嶺云杉天然林的地段，林地沒有明顯的人類干擾和自然破壞情況。首先

在樣地中確定一棵中心樹，用激光測距儀測出半徑為１０ｍ的樣圓，在樣圓內的每株樹底部插上寫有標號的小

旗，將樣圓內的所有樹木每木檢尺（胸徑大于５ｃｍ），用激光測高儀測量樹高，使用手持ＧＰＳ記錄樣地的經度、

緯度、海拔等數據。通過對研究區進行野外采樣調查，共計６６塊樣地，每塊樣地面積為０．０３１４ｈｍ

２

。根據樣

地每木檢尺數據及已建立的天山云杉林器官生物量估算方程

［１９］

計算每株樹木生物量（表１），最終求出樣地

總生物量。在Ｌａｎｄｓａｔ?８ＯＬＩ影像上提取樣地中心點所在像元及相鄰４個像元的灰度值，求出平均值。將６６

塊樣地隨機分為２部分，其中４６塊樣地用于建模，２０塊樣地用于檢驗。

表１　生物量模型

Ｔａｂｌｅ１　Ｂｉｏｍａｓｓｍｏｄｅｌｓ

模型Ｍｏｄｅｌ

Ｗ

＝

ａ（Ｄ

２

Ｈ）

ｂ

Ｗ

＝

ａ（Ｄ

２

Ｈ）

ｂ

Ｗ

＝

ａ（Ｄ

２

Ｈ）

ｂ

樹干生物量

樹皮生物量

樹枝生物量

模型參數Ｍｏｄｅｌｐａｒａｍｅｔｅｒ

ａ

０．０３３７５９

０．００５４９８

０．０１９８１４

ｂ

０．９０７８８２

０．８３０３６２

２．６０２１７１

模型Ｍｏｄｅｌ

Ｗ

＝

ａ（Ｄ

２

Ｈ）

ｂ

Ｗ

＝

ａ（Ｄ

２

Ｈ）

ｂ

樹葉生物量

樹根生物量

模型參數Ｍｏｄｅｌｐａｒａｍｅｔｅｒ

ａ

０．０２７６４８

０．０４２７３１

ｂ

２．２５２９４０

２．１８７１４４

ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ

　１５期　　　羅慶輝　等：天山雪嶺云杉林生物量估測及空間格局分析　

５２９１

２．２　自變量選擇

本研究盡可能多地選出與生物量有關的各種自變量因子來估測天山雪嶺云杉林生物量，包括遙感影像各

波段灰度值、不同波段灰度值之間的線性和非線性組合（常用的植被指數）（表２）、氣候因子及地形因子如海

拔、坡度、坡向和坡位等，共計４２個自變量因子。將各自變量因子與對應樣地生物量作相關系數顯著性檢驗，

結果如表３所示，與樣地生物量相關性較高且關系顯著的自變量因子包括：容重，經度，緯度，高程，ｂ

２

，ｂ

３

，ｂ

４

，

ｂ

１２

，ｂ

１３

，ｂ

１６

，ｂ

１８

等。

表２　植被指數計算公式

Ｔａｂｌｅ２　Ｃａｌｃｕｌａｔｉｏｎｆｏｒｍｕｌａｏｆｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ

植被指數Ｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ

差值植被指數Ｄｉｆｆｅｒｅｎｔｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ

比值植被指數Ｒａｔｉｏｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ

土壤調整植被指數Ｓｏｉｌａｄｊｕｓｔｅｄｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ

歸一化植被指數Ｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ

修正的土壤調整植被指數Ｍｏｄｉｆｉｅｄｓｏｉｌ

－

ａｄｊｕｓｔｅｄｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ

計算公式Ｃａｌｃｕｌａｔｉｏｎｆｏｒｍｕｌａ

ＤＶＩ

＝

Ｂ

４

－

Ｂ

３

ＲＶＩ

＝

Ｂ

４

／Ｂ

３

ＳＡＶＩ

＝

（１

＋

Ｌ）

×

（Ｂ

４

－

Ｂ

３

）／（Ｂ

４

＋

Ｂ

３

）

ＮＤＶＩ

＝

（Ｂ

４

－

Ｂ

３

）／（Ｂ

４

＋

Ｂ

３

）

ＭＳＡＶＩ

＝

（２Ｂ

４

＋

１

－

（２Ｂ

４

＋

１）

２

－

８（Ｂ

４

－

Ｂ

３

））／２

　　式中：Ｂ

４

為近紅外波段；Ｂ

３

為紅光波段；Ｌ為土壤調節因子，通常取０．５

［２０］

表３　自變量因子與樣地生物量相關系數

Ｔａｂｌｅ３　Ｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｏｆｖａｒｉａｂｌｅｆａｃｔｏｒａｎｄｐｌｏｔｂｉｏｍａｓｓ

變量

Ｖａｒｉａｂｌｅ

原始波段

Ｏｒｉｇｉｎａｌｂａｎｄ

Ｂａｎｄ２

Ｂａｎｄ３

Ｂａｎｄ４

Ｂａｎｄ５

Ｂａｎｄ６

植被指數

Ｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ

Ｂａｎｄ７

ＤＶＩ

ＲＶＩ

相關系數

Ｃｏｒｒｅｌａｔｉｏｎ

ｃｏｅｆｆｉｃｉｅｎｔ

０．０１６

－

０．０５９

－

０．０６０

－

０．０１０

－

０．００７

－

０．２０３

－

０．１３９

－

０．１３９

－

０．０９８

－

０．０１４

０．２３５

－

０．０６４

０．０９４

０．０１８

土壤因子

Ｓｏｉｌｆａｃｔｏｒ

氣候因子

變量

Ｖａｒｉａｂｌｅ

容重

有效含水量

ｂ

１

ｂ

２

ｂ

３

ｂ

４

ｂ

５

ｂ

６

ｂ

７

ｂ

８

ｂ

１０

ｂ

１１

ｂ

１２

ｂ

９

相關系數

Ｃｏｒｒｅｌａｔｉｏｎ

ｃｏｅｆｆｉｃｉｅｎｔ

０．３４９

?

氣候因子

Ｃｌｉｍａｔｅｆａｃｔｏｒ

－

０．１０６

０．３３９

?

０．３３６

?

－

０．１２２

變量

Ｖａｒｉａｂｌｅ

ｂ

１３

ｂ

１４

ｂ

１５

ｂ

１６

ｂ

１７

ｂ

１８

地學信息經度

緯度

高程

坡度

坡向

林分密度

Ｓｔａｎｄｄｅｎｓｉｔｙ

坡位

ｂ

１９

相關系數

Ｃｏｒｒｅｌａｔｉｏｎ

ｃｏｅｆｆｉｃｉｅｎｔ

０．２９１

?

０．２４２

Ｃｌｉｍａｔｉｃｆａｃｔｏｒ

０．３０４

?

０．３２４

?

０．２７４

０．２７４

－

０．２６４

－

０．３３６

?

－

０．１６９

－

０．１８０

－

０．０３０

－

０．３１３

－

０．０１０

－

０．２６３

０．０２７

０．３１８

?

土壤因子

Ｓｏｉｌｆａｃｔｏｒ

有機碳含量

沙含量

ｐＨ

ＭＳＡＶＩ

ＮＤＶＩ

ＳＡＶＩＧｅｏｇｒａｐｈｉｃ

ｉｎｆｏｒｍａｔｉｏｎ

?

－

０．５０５

?

?

－

０．４３２

?

０．３７４

?

－

０．０１０

－

０．２２５

０．００８

－

０．０１６

　　ｂ

１

為年平均溫度，ｂ

２

為日平均范圍，ｂ

３

為等溫性，ｂ

４

為季節性溫度，ｂ

５

為最熱月份最高溫度，ｂ

６

為最冷月份最低溫度，ｂ

７

為年平均溫度范圍，ｂ

８

份降水量，ｂ

１５

為季節性降水量，ｂ

１６

為最濕季降水量，ｂ

１７

為最干季降水量，ｂ

１８

為最暖季降水量，ｂ

１９

為最冷季降水量；?：α

＝

０．０５；??：α

＝

０．０１

為最濕季平均溫度，ｂ

９

為最干季平均溫度，ｂ

１０

為最熱季平均溫度，ｂ

１１

為最冷季平均溫度，ｂ

１２

為年平均降水量，ｂ

１３

為最濕月份降水量，ｂ

１４

為最干月

３　結果與分析

３．１　多元逐步回歸模型

多元逐步回歸法可以避免多元線性回歸模型中存在的共線性和個別自變量解釋因變量的貢獻率較小的

問題，同時可以剔除對因變量不顯著的自變量，篩選出顯著性因子強的變量。對樣本數據進行標準化處理，利

用ＳＰＳＳ２２．０軟件采用逐步回歸法建立多元逐步回歸模型。通過檢驗的變量為經度、容重和ｂ

１３

。由表４可

知，模型３的決定系數最大（Ｒ

２

＝

０．４５６），并且呈極顯著性關系（Ｐ＜０．０１），因此，模型３為最優生物量估算模

ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ

５２９２

　生　態　學　報　　　４０卷　

型；模型形式如下：

式中：Ｙ為樣地生物量；Ｌｏ為經度；Ｒ

１

為容重；ｂ

１３

為最濕月份降水量。

Ｙ

＝

１３８９９．５００

－

２０１．１３２Ｌｏ

＋

２．８３６Ｒ

１

－

１４．３０１ｂ

１３

表４　多元逐步回歸模型系數及顯著性

Ｔａｂｌｅ４　Ｃｏｅｆｆｉｃｉｅｎｔｓａｎｄｓｉｇｎｉｆｉｃａｎｃｅｏｆｓｔｅｐｗｉｓｅｒｅｇｒｅｓｓｉｏｎｍｏｄｅｌ

模型Ｍｏｄｅｌｓ

Ｂ

＝

８４８０．４６２

－

９６．８０３Ｌｏ

Ｂ

＝

３６９１．１２７

－

９６．２２３Ｌｏ

＋

３．２０３Ｒ

１

Ｂ

＝

１３８９９．５００

－

２０１．１３２Ｌｏ

＋

２．８３６Ｒ

１

－

１４．３０１ｂ

１３

相關系數（Ｒ）

Ｃｏｒｒｅｌａｔｉｏｎ

ｃｏｅｆｆｉｃｉｅｎｔ

０．５０５

０．６１１

０．６７５

決定系數（Ｒ

２

）

Ｃｏｅｆｆｉｃｉｅｎｔｏｆ

ｄｅｔｅｒｍｉｎａｔｉｏｎ

０．２５５

０．３７４

０．４５６

Ｆ

１５．０７８

１２．８２８

１１．７４５

顯著性

Ｓｉｇｎｉｆｉｃａｎｃｅ

０．０００

０．０００

０．０００

３．２　偏最小二乘法模型

３．２．１　生物量自變量因子的多重共線性診斷

偏最小二乘回歸是一種將多元線性回歸分析、主成分分析和相關分析相結合，在算法中實現回歸建模、數

據結構簡化的分析方法，由Ｗｏｌｄ等

［２１］

于１９８３年提出，在處理自變量多、變量間有多重相關性等問題時具有

極大的優勢

［２１?２２］

，算法實現均在Ｍａｔｌａｂ２０１６ａ軟件中進行。偏最小二乘回歸的具體步驟可以參考《偏最小二

乘回歸的線性與非線性方法》

［２３］

。

回歸分析和模型建立的一個重要內容是多重共線性診斷。通常診斷的方法主要有：（１）特征根條件指數

和分解比例：若條件指數值在１０與３０間為弱相關，在３０與１００間為中等相關，大于１００表示有強相關；若最

大條件指數≥１０，且２個或多個的估計回歸系數有較大的方差分解比，一般大于０．５時，可認為自變量間存在

共線性；（２）自變量間的相關系數法：當相關系數值趨近于１時，表示相應的自變量之間有較強的線性相關關

系，若變量間的相關系數的絕對值大于０．７，表明自變量之間的線性相關性較強；（３）根據方差膨脹因子（ＶＩＦ）

判斷：ＶＩＦ值越大，相關系數越接近于１，說明對應自變量間的共線性越強；當ＶＩＦ≥１０時，可認為自變量間存

在嚴重共線性

［２４］

。本研究以天山雪嶺云杉林生物量各環境因子和遙感信息為自變量，分別計算了生物量各

自變量因子的特征值、條件數、方差分解比例，得知各因子間的條件數為１３３８６．５５６，根據特征根條件指數和方

差分解比例綜合分析可知，生物量各自變量因子間存在很強的多重共線性，需要用偏回歸分析方法進行生物

量估測研究。

３．２．２　偏最小二乘回歸模型的建立

本文采用４６個樣地生物量數據及與生物量相關性較高的１１個自變量進行偏最小二乘回歸，當提取３個

有效成分時，偏最小二乘回歸的模型表達式為：

Ｙ

＝

１３７０５．３７６

－

１１４．２５６Ｌａ

－

１４４．０９４Ｌｏ

＋

０．１１４Ｈ

＋

３．１５８Ｒ

－

０．４７２ｂ

２

－

９．９６４ｂ

３

－

２．８５５ｂ

４

＋

０．０４５ｂ

１２

－

４．４８９ｂ

１３

式中，Ｌａ為緯度；Ｈ為高程；ｂ

２

為平均月較差；ｂ

３

為等溫性；ｂ

４

為季節性溫度；ｂ

１２

為年平均降水量；ｂ

１６

為最濕季降

３．３　基于主成分分析的生物量模型

多元線性回歸法或逐步回歸法多被用于建立森林生物量與遙感和地學因子的模型，但回歸模型中的各變

量可能存在共線性問題，進而影響模型的精度，最終出現病態模型

［２５］

。采用主成分分析的方法，提取各自變

量因子的主成分，再建立主成分與生物量之間的回歸模型，既可以保留多個自變量因子的主要信息，達到降維

的目的，又可以避免變量之間多重相關問題。

３．３．１　主成分提取及因子載荷分析

利用ＳＰＳＳ２２．０軟件中的因子分析功能對４６個樣本相關性較高的１２個變量因子進行主成分提取。對自

ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ

水量；ｂ

１８

為最暖季降水量。

－

１．１０１ｂ

１６

－

０．６８９ｂ

１８

　１５期　　　羅慶輝　等：天山雪嶺云杉林生物量估測及空間格局分析　

５２９３

變量因子進行ＫＭＯ和Ｂａｒｔｌｅｔｔ的球狀檢驗，ＫＭＯ值：０．７２２＞０．６，Ｂａｒｔｌｅｔｔ的球狀檢驗呈顯著情況（Ｐ＜０．０５），表

明可以進行主成分提取。

表５　主成分因子載荷、特征值及貢獻率

Ｔａｂｌｅ５　Ｆａｃｔｏｒｓｌｏａｄｉｎｇｖａｌｕｅ，ｅｉｇｅｎｖａｌｕｅａｎｄｃｏｎｔｒｉｂｕｔｉｏｎ

主成分

Ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔｓ

緯度Ｌａｔｉｔｕｄｅ

經度Ｌｏｎｇｉｔｕｄｅ

海拔Ａｌｔｉｔｕｄｅ

容重Ｂｕｌｋｄｅｎｓｉｔｙ

平均日較差Ｍｅａｎｄｉｕｒｎａｌｒａｎｇｅ

等溫性Ｉｓｏｔｈｅｒｍａｌｉｔｙ

季節性溫度Ｔｅｍｐｅｒａｔｕｒｅｓｅａｓｏｎａｌｉｔｙ

年平均降水量Ａｎｎｕａｌｐｒｅｃｉｐｉｔａｔｉｏｎ

最濕月份降水量Ｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｗｅｔｔｅｓｔｍｏｎｔｈ

最濕季降水量Ｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｗｅｔｔｅｓｔｑｕａｒｔｅｒ

最暖季降水量Ｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｗａｒｍｅｓｔｑｕａｒｔｅｒ

差值植被指數Ｄｉｆｆｅｒｅｎｔｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ

特征值Ｅｉｇｅｎｖａｌｕｅ

貢獻率Ｃｏｎｔｒｉｂｕｔｉｏｎ／％

累計貢獻率Ｃｕｍｕｌａｔｉｖｅｃｏｎｔｒｉｂｕｔｉｏｎ／％

第一主成分

Ｆｉｒｓｔｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔ

－

０．５４１

－

０．９２２

０．６１４

－

０．０５１

０．７９８

０．８３２

－

０．８７３

０．９５１

０．９３２

０．９３７

０．９４１

－

０．１６０

７．１７６

４１．３３７

４１．３３７

第二主成分

Ｓｅｃｏｎｄｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔ

０．３４２

－

０．１１７

０．４０９

－

０．０６４

－

０．５３２

－

０．４９６

０．３６８

０．２０１

０．３１５

０．３０６

０．３０３

０．４７５

１．５１７

３０．８４７

７２．１８４

第三主成分

Ｔｈｉｒｄｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔ

－

０．０８４

－

０．１７１

０．１９９

０．８０３

－

０．１５７

－

０．１５９

０．１９３

－

０．００４

０．０１１

０．０１３

０．０３３

－

０．５７２

１．１３７

９．７３６

８１．９２０

從表５可知，前３個主成分的累計貢獻率達到了８１．９２％，反映了自變量因子樣本的主要信息，變量的數

量降為３個，在保留了樣本的主要信息的同時，又起到了降維和簡化模型的作用。根據載荷分析可知，第一主

成分ＰＣ

１

主要反映了經度，ｂ

１２

，ｂ

１３

，ｂ

１６

和ｂ

１８

的主要信息；第二主成分ＰＣ

２

主要反映ｂ

２

，ｂ

３

，ｂ

４

，海拔，緯度和ＤＶＩ；

３．３．２　模型的建立及方差分析

第三主成分ＰＣ

３

反映的信息已經很少，主要反映了容重的信息。

利用已建立的３個主成分方程，計算４６個樣地的３個主成分值。將主成分值作為自變量，樣地生物量作

為因變量，建立森林生物量的估測模型；由表６可知，森林生物量各自變量因子的主成分和生物量具有顯著性

相關關系，相關系數Ｒ

＝

０．６１９；模型形式如下所示：

式中：Ｙ：森林生物量（ｔ／ｈｍ

２

）；ＰＣ

１

－

ＰＣ

３

：分別為３個主成分值

表６　方差分析

Ｔａｂｌｅ６　Ｔｈｅｔａｂｌｅｏｆｖａｒｉａｎｃｅａｎａｌｙｓｉｓ

方差來源

Ｓｏｕｒｃｅｏｆｖａｒｉａｎｃｅ

回歸Ｒｅｇｒｅｓｓｉｏｎ

殘差Ｒｅｓｉｄｕａｌ

總和Ｓｕｍ

平方和

Ｓｕｍｏｆｓｑｕａｒｅ

ＳＳＲ

＝

２３７１７７５

ＳＳＥ

＝

３８２２０３８

ＳＳＴ

＝

６１９３８１３

ｄｆ

３

４２

４５

均方

Ｍｅａｎｓｑｕａｒｅ

ＭＳＲ

＝

７９０５９２

ＭＳＥ

＝

９１００１

Ｆ

８．６８８

Ｙ

＝

４１５．９０３

＋

１１３．４０３ＰＣ

１

＋

１００．１６１ＰＣ

２

－

１７２．６６６ＰＣ

３

４　討論

４．１　天山雪嶺云杉林生物量估測模型的比較

　　為檢驗多元逐步回歸法、偏最小二乘回歸法和主成分分析法構建天山雪嶺云杉林生物量模型的精度，本

文利用未參與模型構建的２０個樣地實測生物量數據對各模型進行預測精度檢驗（圖２）。由計算可知，多元

ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ

５２９４

　生　態　學　報　　　４０卷　

逐步回歸模型的平均擬合精度為６９．０７％，絕對誤差為６４．５０ｔ／ｈｍ

２

，平均相對誤差為１０．８９％；偏最小二乘模型

的平均擬合精度為７４．３６％，絕對誤差為１４４．９４ｔ／ｈｍ

２

，平均相對誤差為２８．７８％，該模型可以用來估測天山雪

嶺云杉林的生物量；主成分回歸模型生物量實測值和預測值呈極顯著正相關關系（Ｒ

２

＝

０．７３０，Ｐ＜０．０１），且平

均估算精度達到７１．２２％；說明由主成分分析得到的該模型也可以用來估測天山雪嶺云杉林的生物量。

通過對比三種生物量估測方法所建立的生物量估算模型，表明偏最小二乘回歸法在解釋變量較多、樣本數

量較少且各變量間存在嚴重的多重共線性時要優于多元逐步回歸法和主成分分析法；利用偏最小二乘回歸法建

立的樣地生物量模型基本滿足生物量估算精度的要求，更適合估算天山雪嶺云杉林分布區域的森林生物量。

３Ｓ法

［２９］

等，如何提高估測精度是當前森林生態學研究的關鍵。本研究中偏最小二乘法對天山雪嶺云杉林生

物量有較好的擬合和估測效果，但對于各自變量因子估算生物量的精度仍有很大的提升空間。隨著“３Ｓ”技

術的進一步發展，氣象網絡的加密和野外調查數據準確度的提高等

［３０］

，氣象數據、算法和遙感信息相結合對

于森林生態學的發展會有更大的促進作用。

近年來森林生物量估測方法有很多，包括樹木年輪法

［２６］

、相對生長關系法

［２７］

、生物量估算參數法

［２８］

和

圖２　２０個樣地實測值和預測值比較

Ｆｉｇ．２　Ｃｏｍｐａｒｉｓｏｎｓｂｅｔｗｅｅｎｍｅａｓｕｒｅｄａｎｄｐｒｅｄｉｃｔｅｄｂｉｏｍａｓｓｉｎ２０ｓａｍｐｌｅｓ

４．２　天山雪嶺云杉林生物量的空間分布特征

４．２．１　天山雪嶺云杉林生物量與經緯度的關系

　　天山雪嶺云杉林生物量隨緯度的增加而降低，回歸表明樣地生物量的３８．６３％可以用緯度來解釋（Ｐ＜

地生物量的２５．３８％可以用經度來解釋（Ｐ＜０．０１），生物量最高值分布在８０°—８２°Ｅ區域（圖３）。綜上所述，研

究區雪嶺云杉林生物量在空間上具有明顯的分布規律，整體上呈現出天山西部生物量水平較高，中部和東部

生物量水平較低的趨勢（圖３），這與劉貴峰等

［１２］

和許文強等

［３１］

的研究結論一致，產生這種現象的主要原因

是因為天山中部和東部的土壤養分含量低于天山西部，且降水量較少，蒸騰作用較強，影響了雪嶺云杉林的正

ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ

０．０１），生物量最高值分布在４２°—４３°Ｎ區域（圖３）；生物量隨經度的增加呈現降低的變化趨勢，回歸表明樣

　１５期　　　羅慶輝　等：天山雪嶺云杉林生物量估測及空間格局分析　

５２９５

常生長，體現了雪嶺云杉林生物量在空間上對生境條件適應的差異性。

圖３　天山雪嶺云杉生物量隨經緯度的變化

Ｆｉｇ．３　ＢｉｏｍａｓｓｏｆＰｉｃｅａｓｃｈｒｅｎｋｉａｎａｆｏｒｅｓｔｗｉｔｈｌａｔｉｔｕｄｅａｎｄｌｏｎｇｉｔｕｄｅ

４．２．２　天山雪嶺云杉林生物量與地形因子的關系

地形因子作為生境條件的一種綜合指示，一般包括海拔、坡度、坡向和坡位等等，不僅決定光、熱、水、土壤

等植被生境要素的空間分布，還影響著植被群落分布和種群格局

［３２?３３］

。

海拔的變化綜合了光照、溫度等各種環境要素，導致水熱因子產生差異進一步影響植物群落的結構組成

和生產力

［３４?３５］

。本研究表明，隨著海拔的升高，研究區樣地生物量呈“單峰”變化趨勢，這與李凱輝等

［３５］

和張

雷等

［３６］

的研究結果一致。雪嶺云杉林生物量在海拔２１００—２４００ｍ處生物量最大，說明該海拔區段最適宜天

山雪嶺云杉林的生長；自該海拔段向下，溫度升高，降水減少，土壤蒸發增強導致土壤水分減少，抑制了雪嶺云

杉林的生長，使得雪嶺云杉林生物量減小；自該海拔向上，溫度降低，同時天山高海拔凍土層阻礙了雪嶺云杉

林根系對水分的獲取，因此生物量減小。從圖４可以得知，天山雪嶺云杉林主要分布于天山北坡的上坡和山

脊處，其生物量隨坡度增加的變化趨勢較復雜，隨著坡向的增大呈現遞減的趨勢，表明地形中的坡度和坡位因

子不是影響雪嶺云杉林生物量變化的決定性因素，其主要原因是，坡度和坡位的變化影響著雪嶺云杉林生長

發育過程中對林下土壤水分的需求，而坡向的變化影響著雪嶺云杉林對光照的需求，在本研究區內坡度和坡

位因子變化幅度較小，因此對雪嶺云杉林生物量的影響居于海拔和坡向因子之下。

綜上所述，由于經緯度、海拔、坡度、坡向和坡位等的變化，導致了降水量、溫度、水分和光照等條件的不

同，進一步引起了研究區天山雪嶺云杉林生物量空間分布隨經緯度和地形因子的規律性變化趨勢。此外，實

際環境中影響森林生物量的因素還有很多，如濕度、土壤養分、ＣＯ

２

等等，這些因素在地里空間上具有明顯的

差異性。從生態位角度出發，這些因素會共同構成一個多維資源空間

［３７］

，在不同資源的配置下會使天山雪嶺

云杉林生物量在空間上呈現較大的差異性。因此從生態位角度來研究天山雪嶺云杉林生物量的空間分布特

征是將來研究的重點問題。

５　結論

本文以天山雪嶺云杉林為研究對象，基于Ｌａｎｄｓａｔ?８ＯＬＩ遙感影像數據和野外實測數據，構建了天山雪嶺

云杉林生物量估算模型并進行空間格局分析。主要結論如下：（１）分別采用逐步回歸分析法、偏最小二乘回

歸法和主成分分析法建立了天山雪嶺云杉林生物量估測模型，各模型平均擬合精度分別為６９．０７％、７４．３６％和

７１．２２％，表明偏最小二乘回歸法構建的模型擬合效果更好，預測精度最高；本研究利用遙感手段估測大面積

森林生物量空間分布的成果，對于提高區域尺度的森林健康評價具有重要意義。（２）本研究盡可能多地考慮

了與森林生物量有關的各種自變量因子，包括與遙感信息相關的各種植被指數、波段值之間的組合、土壤因子

ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ

５２９６

　生　態　學　報　　　４０卷　

圖４　天山雪嶺云杉生物量隨地形因子的變化

Ｆｉｇ．４　ＢｉｏｍａｓｓｏｆＰｉｃｅａｓｃｈｒｅｎｋｉａｎａｆｏｒｅｓｔｗｉｔｈｔｏｐｏｇｒａｐｈｉｃａｌｆａｃｔｏｒｓ

數據為平均值±標準誤差，ｎ

＝

６６；圖中各組間標不同字母者表示組間差異顯著（Ｐ＜０．０５）

和氣候因子以及地學因子。此外，本研究還需確定更合理的取樣方案，擴大取樣范圍，同時考慮研究區內雪嶺

云杉林的林分結構、土壤立地條件等生態環境因子，提高模型對研究區大面積生物量估算的精度和穩定性。

（３）天山雪嶺云杉林生物量在空間上呈西部高，中部和東部低的趨勢，主要是由于天山西部的水熱條件優于

中部和東部，這與王文棟等

［３８?３９］

的研究結果相符合。森林生物量的空間分布格局是多種因素綜合作用的結

果，不僅與經度、緯度和地形因子有關，同時還與研究區地貌特征、土壤類型和采樣地的小氣候密切相關，因此

下一步工作將結合其他環境因子數據深入分析，以揭示影響天山雪嶺云杉林生物量空間分布格局的主導

因素。

參考文獻（Ｒｅｆｅｒｅｎｃｅｓ）：

［１］　ＳａｂｉｎｅＣＬ，ＨｅｉｍａｎｎＭ，ＡｒｔａｘｏＰ，ＢａｋｋｅｒＤＣＥ，ＣｈｅｎＣＴＡ，ＦｉｅｌｄＣＢ，ＧｒｕｂｅｒＮ，ＱｕｅｒｅＬＣ，ＰｒｉｎｎＲＧ，ＲｉｃｈｅｙＪＥ，ＬａｎｋａｏＰＲ，ＳａｔｈａｙｅＪＡ，

ＶａｌｅｎｔｉｎｉＲ．ＣｕｒｒｅｎｔＳｔａｔｕｓａｎｄＰａｓｔＴｒｅｎｄｓｏｆｔｈｅＧｌｏｂａｌＣａｒｂｏｎＣｙｃｌｅ．Ｔｈｅｇｌｏｂａｌｃａｒｂｏｎｃｙｃｌｅ．Ｉｎｔｅｇｒａｔｉｎｇｈｕｍａｎｓ，ｃｌｉｍａｔｅａｎｄｔｈｅｎａｔｕｒａｌｗｏｒｌｄ．

ＩｓｌａｎｄＰｒｅｓｓ，２００４．

［２］　劉廣文．森林與碳循環．現代農業科技，２００７（１９）：２２０?２２１．

５７４２?５７５５．

３４５９?３４７０．

［３］　蘇華，李靜，陳修治，廖吉善，溫達志．基于森林群落和光譜曲線特征分異的福建省森林生物量遙感反演．生態學報，２０１７，３７（１７）：

［４］　秦立厚，張茂震，袁振花，楊海賓．基于人工神經網絡與空間仿真模擬的區域森林碳估算比較———以龍泉市為例．生態學報，２０１７，３７（１０）：

［５］　陸君，劉亞風，齊珂，樊正球．福州市森林碳儲量定量估算及其對土地利用變化的響應．生態學報，２０１６，３６（１７）：５４１１?５４２０．

［７］　龐勇，蒙詩櫟，李增元．機載高分辨率遙感影像的傅氏紋理因子估測溫帶森林地上生物量．林業科學，２０１７，５３（３）：９４?１０４．

［６］　王新云，郭藝歌，何杰．基于ＨＪ１Ｂ和ＡＬＯＳ／ＰＡＬＳＡＲ數據的森林地上生物量遙感估算．生態學報，２０１６，３６（１３）：４１０９?４１２１．

［８］　ＺｈａｏＫＧ，ＰｏｐｅｓｃｕＳ，ＮｅｌｓｏｎＲ．Ｌｉｄａｒｒｅｍｏｔｅｓｅｎｓｉｎｇｏｆｆｏｒｅｓｔｂｉｏｍａｓｓ：ａｓｃａｌｅ?ｉｎｖａｒｉａｎｔｅｓｔｉｍａｔｉｏｎａｐｐｒｏａｃｈｕｓｉｎｇａｉｒｂｏｒｎｅｌａｓｅｒｓ．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆ

ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ

　１５期　　　羅慶輝　等：天山雪嶺云杉林生物量估測及空間格局分析　

５２９７

［９］　ＷａｎｇＸ，ＷａｎｇＳ，ＤａｉＬ．ＥｓｔｉｍａｔｉｎｇａｎｄｍａｐｐｉｎｇｆｏｒｅｓｔｂｉｏｍａｓｓｉｎｎｏｒｔｈｅａｓｔＣｈｉｎａｕｓｉｎｇｊｏｉｎｔｆｏｒｅｓｔｒｅｓｏｕｒｃｅｓｉｎｖｅｎｔｏｒｙａｎｄｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａ．

［１０］　劉萍，張國林，黃濤．不同地域天山云杉林分結構及森林經營措施研究．林業資源管理，２０１３（１）：４５?４８．

ＪｏｕｒｎａｌｏｆＦｏｒｅｓｔｒｙＲｅｓｅａｒｃｈ，２０１８，２９（３）：１?１５．

Ｅｎｖｉｒｏｎｍｅｎｔ，２００９，１１３（１）：１８２?１９６．

［１１］　鄭拴麗．新疆天山雪嶺云杉和阿爾泰山西伯利亞落葉松生物量、碳儲量及空間分布格局研究．新疆大學，２０１６．

［１２］　劉貴峰，劉玉平，郭仲軍，白志強．天山云杉林生物量及其變化規律的研究．西北林學院學報，２０１３，２８（５）：１３?１７．

［１３］　李虎，慈龍駿，方建國，陳冬花，劉玉鋒．新疆西天山云杉林生物量的動態監測．林業科學，２００８，４４（１０）：１４?１９．

［１４］　常亞鵬，李路，許仲林．天山北坡雪嶺云杉林地開墾的土壤有機碳損失估算．生態學報，２０１７，３７（４）：１１６８?１１７３．

３００?３０７．

［１５］　王慧杰，常順利，張毓濤，李翔，韓燕梁．天山雪嶺云杉林土壤有機碳密度空間分異及其與森林發育的關系．山地學報，２０１７，３５（３）：

［１６］　張艷靜，于瑞德，鄭宏偉，甘淼，楊美琳，石冰冰．天山東西部雪嶺云杉徑向生長對氣候變暖的響應差異．生態學雜志，２０１７，３６（８）：

［１７］　謝錦，常順利，張毓濤，王慧杰，宋成程，何平，孫雪嬌．天山北坡植物土壤生態化學計量特征的垂直地帶性．生態學報，２０１６，３６（１４）：

［１８］　阿米娜木·艾力，常順利，張毓濤，仇瑤，何平．天山云杉森林土壤有機碳沿海拔的分布規律及其影響因素．生態學報，２０１４，３４（７）：

［１９］　劉廣路．天山云杉生長規律與天山植物群落生產力研究．河北農業大學，２００６．

［２０］　陶立超．白馬林場森林碳儲量遙感估測．北京林業大學，２０１４．

［２１］　ＷｏｌｄＳ，ＲｕｈｅＡ，ＷｏｌｄＨ，Ｗ．Ｊ．ＤＵＮＮ．ＴｈｅＣｏｌｌｉｎｅａｒｉｔｙＰｒｏｂｌｅｍｉｎＬｉｎｅａｒＲｅｇｒｅｓｓｉｏｎ．ＴｈｅＰａｒｔｉａｌＬｅａｓｔＳｑｕａｒｅｓ（ＰＬＳ）ＡｐｐｒｏａｃｈｔｏＧｅｎｅｒａｌｉｚｅｄ

［２２］　陳長生，徐勇勇，趙東濤．醫學重復觀測數據裂區方差分析的假定條件的檢驗．醫學爭鳴，２００１，２２（７）：６４２?６４４．

［２３］　王惠文．偏最小二乘回歸的線性與非線性方法．國防工業出版社，２００６．

（２）：３６２?３６６．

［２４］　周貝貝，張強，孫健，李興亮，魏欽平．偏最小二乘回歸在蘋果土壤養分與果實品質關系的研究與應用．農業科學與技術：英文版，２０１６，１７

［２５］　徐文科，蔡體久，琚存勇．基于ＲＳ和ＧＩＳ的毛烏素沙地荒漠化程度定量估測．林業科學，２００７，４３（５）：４８?５３．

ｂａｓｅｄｏｎｔｒｅｅｒｉｎｇｄａｔａ．ＪｏｕｒｎａｌｏｆＧｅｏｇｒａｐｈｉｃａｌＳｃｉｅｎｃｅｓ，２００９，１９（６）：６９１?７０６．

Ｉｎｖｅｒｓｅｓ．ＳｉａｍＪｏｕｒｎａｌｏｎＳｃｉｅｎｔｉｆｉｃ＆ＳｔａｔｉｓｔｉｃａｌＣｏｍｐｕｔｉｎｇ，１９８４，５（３）：７３５?７４３．

１６２６?１６３４．

４３６３?４３７２．

２１４９?２１５９．

［２６］　ＳＨＡＯ，Ｑｕａｎｑｉｎ，ＨＵＡＮＧＬｉｎ，ＬＩＵＪｉｙｕａｎ，ＹＡＮＧＨａｉｊｕｎ，ＣＨＥＮＺｈｕｏｑｉ．ＤｙｎａｍｉｃａｎａｌｙｓｉｓｏｎｃａｒｂｏｎａｃｃｕｍｕｌａｔｉｏｎｏｆａｐｌａｎｔａｔｉｏｎｉｎＱｉａｎｙａｎｚｈｏｕ

［２７］　ＫｅｔｔｅｒｉｎｇｓＱＭ，ＣｏｅＲ，ＮｏｏｒｄｗｉｊｋＭＶ，ＡｍｂａｇａｕＹ，ＰａｌｍＣＡ．Ｒｅｄｕｃｉｎｇｕｎｃｅｒｔａｉｎｔｙｉｎｔｈｅｕｓｅｏｆａｌｌｏｍｅｔｒｉｃｂｉｏｍａｓｓｅｑｕａｔｉｏｎｓｆｏｒｐｒｅｄｉｃｔｉｎｇａｂｏｖｅ?

［２８］　ＧｕｏＺ，ＦａｎｇＪ，ＰａｎＹ，ＢｉｒｄｓｅｙＲ．Ｉｎｖｅｎｔｏｒｙ?ｂａｓｅｄｅｓｔｉｍａｔｅｓｏｆｆｏｒｅｓｔｂｉｏｍａｓｓｃａｒｂｏｎｓｔｏｃｋｓｉｎＣｈｉｎａ：Ａｃｏｍｐａｒｉｓｏｎｏｆｔｈｒｅｅｍｅｔｈｏｄｓ．ＦｏｒｅｓｔＥｃｏｌｏｇｙ

［２９］　ＬｕｏＹＪ，ＺｈａｎｇＸＱ，ＷａｎｇＸＫ，ＺｈｕＪＨ，ＨｏｕＺＨ，ＺｈａｎｇＺＪ．Ｆｏｒｅｓｔｂｉｏｍａｓｓｅｓｔｉｍａｔｉｏｎｍｅｔｈｏｄｓａｎｄｔｈｅｉｒｐｒｏｓｐｅｃｔｓ．ＳｃｉｅｎｔｉａＳｉｌｖａｅＳｉｎｉｃａｅ，２００９，

［３０］　張正健，劉志紅，郭艷芬，韓建寧，李揚．偏最小二乘在遙感監測西藏草地生物量上的應用．草地學報，２００９，１７（６）：７３５?７３９．

［３１］　許文強，楊遼，陳曦，高亞琪，王蕾．天山森林生態系統碳儲量格局及其影響因素．植物生態學報，２０１６，４０（４）：３６４?３７３．

［３２］　孔寧寧，曾輝，李書娟．四川臥龍自然保護區植被的地形分異格局研究．北京大學學報，２００２，３８（４）：５４３?５４９．

［３３］　沈澤昊，金義興，張新時．地形對亞熱帶山地景觀尺度植被格局影響的梯度分析．植物生態學報，２０００，２４（４）：４３０?４３５．

４５（８）：１２９?１３４．

＆Ｍａｎａｇｅｍｅｎｔ，２０１０，２５９（７）：１２２５?１２３１．

ｇｒｏｕｎｄｔｒｅｅｂｉｏｍａｓｓｉｎｍｉｘｅｄｓｅｃｏｎｄａｒｙｆｏｒｅｓｔｓ．ＦｏｒｅｓｔＥｃｏｌｏｇｙ＆Ｍａｎａｇｅｍｅｎｔ，２００１，１４６（１）：１９９?２０９．

［３４］　柳妍妍，王鑫，公延明．天山南坡中段高寒草地物種多樣性與生物量的垂直分異特征．生態學雜志，２０１３，３２（２）：３１１?３１８．

２０１９?２０２４．

［３５］　李凱輝，胡玉昆，王鑫，范永剛，吾買爾·吾守．不同海拔梯度高寒草地地上生物量與環境因子關系．應用生態學報，２００７，１８（９）：

［３６］　張雷，于澎濤，王彥輝，王順利，劉賢德．祁連山北坡青海云杉中齡林生物量隨海拔的變化．林業科學，２０１５，５１（８）：１?７．

［３７］　ＨｕｔｃｈｉｎｓｏｎＧＥ．Ｃｏｎｃｌｕｄｉｎｇｒｅｍａｒｋｓ．ＣｏｌｄＳｐｒｉｎｇＨａｒｂｏｒＳｙｍｐｏｓｉａｏｎＱｕａｎｔｉｔａｔｉｖｅＢｉｏｌｏｇｙ，１９５７，２２：４１５?４２７．

［３８］　王文棟，李建貴，張毓濤，李吉玫，李翔，蘆建江．天山林區不同地段６種灌木生物量組成．水土保持研究，２０１５，２２（５）：１２７?１３２．

［３９］　王文棟，白志強，阿里木·買買提，劉端，郭忠軍．天山林區６種優勢種灌木林生物量比較及估測模型．生態學報，２０１６，３６（９）：２６９５?２７０４．

ｈｔｔｐ：／／ｗｗｗ．ｅｃｏｌｏｇｉｃａ．ｃｎ