基于地统计分析的马尾松立地指数预估

doi:10.13466/j.cnki.lyzygl.2023.03.017

林业资源管理 ›› 2023›› Issue (3): 128-133.doi: 10.13466/j.cnki.lyzygl.2023.03.017

基于地统计分析的马尾松立地指数预估

李成¹(), 唐代生²(), 贾剑波³

1.中南林业科技大学林学院,长沙 410004
2.水土保持与荒漠化防治湖南省高等学校重点实验室,长沙 410004
3.南方林业生态应用技术国家工程实验室,长沙 410004

收稿日期:2023-04-17 修回日期:2023-05-19 出版日期:2023-06-28 发布日期:2023-08-09
通讯作者: 唐代生(1963-),男,湖南衡南人,副教授,博士,主要研究方向:森林经理学和水土保持与荒漠化防治。Email: tdaisheng@163.com
作者简介:李成(1998-),男,安徽池州人,硕士研究生,主要研究方向:水土保持与荒漠化防治。Email: 513852494@qq.com
基金资助:
国家自然科学基金项目(41807162);湖南省自然科学基金项目(2019JJ50994)

Estimation of Pinus massoniana Index Based on Geostatistical Spatial Analysis

LI Cheng¹(), TANG Daisheng²(), JIA Jianbo³

1. College of Forestry,Central South University of Forestry & Technology,Changsha 410004,China
2. Key Laboratory of Soil and Water Conservation and Desertification Combating,Ministry of Education,Changsha 410004,China
3. National Engineering Laboratory for Applied Forest Ecological Technology,Central South University of Forestry & Technology,Changsha 410004,China

Received:2023-04-17 Revised:2023-05-19 Online:2023-06-28 Published:2023-08-09

摘要/Abstract

摘要：

基于重庆市森林专项调查中81块100 m²样圆中优势木的解析数据,利用非线性回归方法计算马尾松立地指数,基于地统计分析方法,选择优选半变异函数模型对立地指数进行空间插值预估,分析马尾松立地指数空间分布并找出适宜种植马尾松的区域。研究结果表明:优选树木生长模型为Richards模型,选定的导向曲线数学模型为H=141.898× $[1 - e x p - 0.0006 × t] 0.6661$ 。拟合结果表明:高斯模型为优选变异函数模型,研究区马尾松变异函数块金值与基台值的比值为20.9%,小于25%,研究区马尾松立地指数具有较强的空间自相关性,可以使用空间插值预测立地指数;研究区中部地区以及东北部地区都具有较高的立地指数,立地指数大于9.5的地区占70%以上,这与研究区的平均海拔、土壤类型、平均降水量有密切关系。

关键词: 马尾松, 变异函数, 非线性回归, 普通克里金插值, 立地指数, 块金值, 基台值

Abstract:

Based on the analytical data of 81 blocks of 100m² sample circles in the special forest survey of Chongqing,the nonlinear regression method was used to calculate the Pinus massoniana standing index,and based on the geostatistical analysis method,the optimal variogram model was selected for spatial interpolation estimation of the ground index,and the spatial distribution of the Pinus massoniana Standing Index was analyzed and the areas suitable for planting Pinus massoniana were identified.The preferred tree growth model is the Richards model,and the final mathematical model of the guide curve is H=141.898×[1-exp(-0.0006×t)]⁰^.⁶⁶⁶¹.The fitting results show that the Gaussian model is a preferred variogram model,and the ratio of gold value to the base value of Pinus massoniana variogram in the study area is 20.9%,which is less than 25%,indicating that the Pinus massoniana standing index in the study area has a strong degree of spatial correlation Spatial autocorrelation and spatial interpolation can be used to predict the ground index.The central region of the study area and the northeastern region had high site indexes.The area with a site index greater than 10.43 accounted for a large part,which was closely related to the average altitude,soil type and average precipitation in the study area.

Key words: Pinus massoniana, variogram, nonlinear regression, ordinary kriging interpolation, site index, nugget value, abutment value

中图分类号:

李成, 唐代生, 贾剑波. 基于地统计分析的马尾松立地指数预估[J]. 林业资源管理, 2023,(3): 128-133.

LI Cheng, TANG Daisheng, JIA Jianbo. Estimation of Pinus massoniana Index Based on Geostatistical Spatial Analysis[J]. FOREST RESOURCES WANAGEMENT, 2023,(3): 128-133.

图/表 5

图1

表1

图2

表2

图3

参考文献 22

[1]	孟宪宇. 测树学[M]. 北京: 中国林业出版社, 2006.
[2]	Krumland B E, Wensel L C. A generalized height-diameter equation for coastal California species[J]. Western Journal of Applied Forestry, 1988, 3(4):113-115. doi: 10.1093/wjaf/3.4.113
[3]	Bull H. The use of polymorphic curves in determining site quality in young red pine plantations[J]. Journal of Agricultural Research, 1931, 43(1):1-28.
[4]	《中国森林立地分类》编写组. 中国森林立地分类[M].北京:中国林业出版社 1989:3-35.
[5]	唐诚. 西南桦人工林生长模拟及立地质量评价[D]. 北京: 中国林业科学研究院, 2017.
[6]	Günlü A, Başkent E Z, Kadloĝullarl A İ, et al. Forest site classification using Landsat7 ETM data:A case study of Maçka-Ormanüstü forest,Turkey[J]. Environmental Monitoring and Assessment, 2009, 151:93-104. doi: 10.1007/s10661-008-0252-3
[7]	轩俊伟, 朱静. 天山云杉立地指数地统计空间分析[J]. 林业资源管理, 2017(3):46-50.
[8]	庄尔奇, 凌远云, 叶要妹. 湖北省马尾松人工林多形曲线地位指数表的编制[J]. 华中农业大学学报, 1996, 15(3):289-294.
[9]	Lin G F, Chen L H. A spatial interpolation method based on radial basis function networks incorporating a semivariogram model[J]. Journal of Hydrology, 2004, 288(3):288-298. doi: 10.1016/j.jhydrol.2003.10.008
[10]	张晓文. 河北油松建筑材林立地分类及立地质量评价[D]. 北京: 北京林业大学, 2020.
[11]	Olea R A. A six-step practical approach to semivariogram modeling[J]. Stochastic Environmental Research and Risk Assessment, 2006, 20(5):307-318. doi: 10.1007/s00477-005-0026-1
[12]	李清顺, 王得军, 孙景梅, 等. 利用马尾松解析木对林地立地指数和立地形的研究[J]. 西北林学院学报, 2021, 36(4):159-166.
[13]	刘燕英, 郭文清, 刘崇艺. 溆浦县马尾松人工林立地指数简表编制[J]. 湖南林业科技, 2015, 42(1):44-48.
[14]	曾春阳, 唐代生, 唐嘉锴. 森林立地指数的地统计学空间分析[J]. 生态学报, 2010, 30(13):65-71.
[15]	李程. 基于空间统计分析的储备林树种立地指数预估研究[D]. 北京: 中国林业科学研究院, 2016.
[16]	张峰, 杜群, 葛宏立, 等. 基于地统计学和CFI样地的浙江省森林碳空间分布研究[J]. 生态学报, 2012, 32(16):275-286.
[17]	张玥. 基于GIS的黑河市森林碳储量空间分布特征研究[D]. 哈尔滨: 东北林业大学, 2013.
[18]	庞宏东, 李玲, 杨代贵, 等. 南方丘陵山地泡桐人工林立地类型划分与质量评价[J]. 中南林业科技大学学报, 2022, 42(8):48-59.
[19]	叶光志, 魏圣钊, 张国先, 等. 基于地统计学的米易县单位面积蓄积空间格局分析[J]. 四川林业科技, 2019, 40(6):71-74.
[20]	张京, 徐雁南. 基于web App Builder的县级森林资源管理系统构建[J]. 森林工程, 2020, 36(4):38-44.
[21]	杜雪, 王景弟, 白彦锋, 等. 基于克里金插值法的湖南省慈利县森林碳储量专题图研究[J]. 西北林学院学报, 2022, 37(1):198-204.
[22]	朱光玉, 康立, 何海梅, 等. 基于树高-年龄分级的杉木人工林多形立地指数曲线模型研究[J]. 中南林业科技大学学报, 2017, 37(7):18-29.

理论方程	a	b	c	R²	RMSE	AIC
米切利希	17.806 9	40.000 0	0.027 8	0.761 4	0.874 9	207.617 7
科尔夫	2 284.600 0	8.138 8	0.119 0	0.771 6	0.855 9	204.110 4
理查德	141.898 0	0.666 1	0.000 6	0.775 7	0.848 3	202.677 6

理论模型	块金值C₀	基台值C₀+C	C₀/C₀+C	决定系数R²
高斯模型	7.180	34.350	0.209	0.965
指数模型	4.600	29.190	0.157	0.867
线性模型	4.992	19.119	0.261	0.919
球状模型	4.960	29.910	0.165	0.909

基于地统计分析的马尾松立地指数预估

Estimation of Pinus massoniana Index Based on Geostatistical Spatial Analysis

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 22

相关文章 15

编辑推荐

Metrics

本文评价

[1]	唐佳俊, 汪刚, 柴宗政. 基于机载激光雷达点云数据的马尾松单木材积估测[J]. 林草资源研究, 2023, 0(6): 105-112.
[2]	刘鸿升, 欧阳文欣, 魏英杰, 谢亦秋, 李建军. 基于Sentinel-2B的油松冠层可燃物含水率反演研究[J]. 林业资源管理, 2023, 0(4): 141-149.
[3]	杨深钧, 谭伟, 陈歆宇, 唐佳俊, 杨泽钧, 吴宇洁. 贵州黎平典型马尾松混交林的林分空间结构研究[J]. 林业资源管理, 2023, 0(3): 105-114.
[4]	章敏, 王健, 韩天一, 欧阳勋志, 潘萍, 刘冬冬. 基于CBM-CFS3模型的马尾松林碳密度特征及其影响因素[J]. 林业资源管理, 2022, 0(6): 44-53.
[5]	黄孝发, 张伟, 岑巨延, 吴国欣, 黄淑莹. 广西杉木立木材积模型优化筛选研究[J]. 林业资源管理, 2022, 0(6): 61-67.
[6]	贺鹏, 陈振雄, 刘宪钊. 湖南省马尾松和杉木林分断面积生长模型构建[J]. 林业资源管理, 2021, 0(5): 56-61.
[7]	王益和. 套种阔叶树对水土流失区马尾松林分质量提升效果分析——以福建长汀为例[J]. 林业资源管理, 2020, 0(6): 116-122.
[8]	孙忠秋, 吴发云, 胡杨, 高显连, 高金萍. 基于Landsat-8 OLI数据的马尾松林蓄积量饱和点确定及估测[J]. 林业资源管理, 2020, 0(6): 135-142.
[9]	魏安超, 张大为. 云南松单木材积生长率模型研究[J]. 林业资源管理, 2020, 0(6): 40-46.
[10]	陈敏, 叶金盛, 刘萍. 基于森林连续清查数据的马尾松立地质量评价[J]. 林业资源管理, 2020, 0(6): 85-89.
[11]	彭其龙, 陈哲夫, 陈端吕. 湖南栎类-马尾松天然混交林单木生长模型研究[J]. 林业资源管理, 2020, 0(2): 94-102.
[12]	彭检贵. 不同发育阶段马尾松人工林经营效果动态分析[J]. 林业资源管理, 2020, 0(1): 62-69.
[13]	王金池, 黄如楚, 黄清麟, 马志波, 郑群瑞, 严铭海. 马尾松人工林皆伐1年后新增天然阔叶幼树初报[J]. 林业资源管理, 2019, 0(6): 115-120.
[14]	陈绍栓, 陈彬, 陈淑容. 马尾松林冠下套种不同阔叶树后林分防火效能比较研究[J]. 林业资源管理, 2019, 0(4): 137-142.
[15]	杨传强, 李士美, 孔雨光, 巩延苹, 杨志军, 路洪春, 孙天旭. 山东省松类人工林立地指数表的编制与应用[J]. 林业资源管理, 2018, 0(2): 43-47.