基于地理加权回归克里格模型的帽儿山地区森林碳储量空间分布

森林碳储量对于全球气候变化具有重要影响,以往的模型估算未考虑到模型残差的空间相关性和碳储量数据的非平稳性,影响模型的预测精度.本研究基于东北林业大学帽儿山实验林场的ETM+遥感影像数据和193块固定样地,利用地理加权克里格回归(GWRK)建立森林碳储量与遥感和地形因子的回归模型,同时对比最小二乘模型(OLS)、地理加权回归模型(GWR)的预测精度.结果表明: 对于帽儿山地区的森林碳储量估算,GWRK的平均绝对误差(MAE)、均方根误差(RMSE)低于OLS模型和GWR模型,GWRK模型的平均误差(ME)低于GWR模型,与OLS模型相近.GWRK模型的预测精度为83.2%,较OLS模型(73.7%)和GWR模型(77.3%)分别提高6%和10%,拟合精度明显提高,说明GWRK模型是森林碳储量估算的有效方法.利用GWRK模型预测的研究区森林碳储量平均值为70.31 t·hm^-2,在海拔较高的地区,森林碳储量值相对较高,说明海拔对其有较大影响.     

基于不同空间模型的马尾松林生态系统碳密度研究

以江西省马尾松林生态系统为研究对象,基于样地调查及样品碳含量测定结果计算其碳密度,并选取立地、植被及气象等方面的15个因子,采用多元线性逐步回归方法筛选出对生态系统碳密度影响显著的因子,然后分别利用最小二乘模型(OLS)、空间误差模型(SEM)、空间滞后模型(SLM)和地理加权回归模型(GWR)构建生态系统碳密度与其影响因子之间的关系模型,筛选出最优的拟合模型。结果表明:对马尾松林生态系统碳密度影响显著的因子分别为海拔、坡度、土层厚度、胸径、年均温度和年均降水量。4种模型拟合结果均显示碳密度与坡度呈负相关,与海拔、土层厚度、胸径呈正相关。模型的决定系数(R~2)由大到小分别为GWR(0.8043)SEM(0.6371)SLM(0.6364)OLS(0.6321),模型均方误差(MSE)与赤池信息准则(AIC)最大的均为OLS模型,最小的均为GWR模型;残差检验表明GWR模型能有效降低模型残差的空间自相关性。综合分析得出GWR模型的拟合效果最优,更适用于江西省马尾松林生态系统碳密度的估测。     

基于带宽优选地理加权回归模型的深圳市植被碳储量反演

植被碳储量估测是自然资源监测的重要内容,遥感技术结合地面样地进行反演可以获得区域范围内植被碳储量的空间连续分布,弥补了传统人工抽样调查估测的不足。然而,现有的参数和非参数遥感估测模型大多忽略了样地数据的变异与空间自相关关系。研究以Landsat 8 OLI影像为数据源提取遥感变量,结合植被碳储量实测调查数据,利用最小信息准则(AICc)、最大空间自相关距离(MSAD)和交叉验证(CV)分别确定最优带宽,组合Gaussian、Bi-square和Exponential核函数构建地理加权回归(GWR)模型估算深圳市植被碳储量,并与多元线性回归(MLR)进行比较,选择最优模型绘制深圳市植被碳储量空间分布图。研究结果表明,GWR模型整体精度优于MLR模型,GWR模型的决定系数(R~2)均高于MLR模型,且均方根误差(RMSE)和平均绝对误差(MAE)显著降低。带宽和核函数的选择对GWR模型估测结果产生了显著影响。以CV确定带宽、Exponential为核函数组合构建的GWR模型效果最佳,其R~2为0.697,RMSE为10.437 Mg C/hm~2,相比其它模型精度上升了13.87%—32....     

2000—2019年中国南方竹林区水分利用效率时空特征及驱动机制

水分利用效率(Water Use Efficiency, WUE)是深入理解生态系统碳、水循环及两者耦合关系的重要指标，然而我国重要森林类型之一的竹林的WUE时空格局及其驱动机制研究不足。通过MODIS净初级生产力(NPP)和蒸散(ET)数据得到竹林区WUE,采用线性趋势法计算WUE年际变化率表征变化趋势，并应用地理加权回归(GWR)模型分析了WUE与气候和地形等10个驱动因子的关系，探究了中国南方竹林区近20年间(2000—2019)WUE驱动机制。结果表明：(1)2000—2019年中国南方竹林区WUE多年均值为0.89 gC m^-2 mm^-1,呈显著下降趋势，下降速率为0.0028 gC m^-2 mm^-1 a^-1,ET上升速度大于NPP上升速度是造成WUE下降的主要原因；WUE呈南高北低的空间分布格局，83.5%区域的WUE呈下降趋势。(2)基于GWR模型的WUE驱动力分析发现，WUE变化最强的驱动因子是CO₂浓度和年降水量，而海拔、坡度等地形因子的...     

基于局域模型的凉水国家自然保护区土壤全氮空间分布

以凉水国家自然保护区激光雷达数据为基础,建立数字高程模型,提取基本地形属性如坡度、坡向和复合地形属性湿度指数和相对径流强度指数等,在成土因素学说基础上,对全氮含量(TN)进行地理加权回归建模(GWR),同时运用反距离加权(IDW)、普通克里格(OK)和泛克里格(UK)对TN进行空间插值.结果表明： 对于研究区TN的预测,GWR模型预测精度(77.4%)高于其他3种空间插值方法,IDW预测精度(69.4%)高于OK(63.5%)和UK(60.6%)的预测精度.利用GWR模型预测研究区域土壤TN平均达到4.82 g·kg^-1;在高海拔、地形湿度大以及相对径流强的区域,土壤TN相对较高.对预测结果进行探讨发现,不同坡位、坡向的土壤TN也存在一定差异.因此,基于地形属性的局域模型是土壤属性空间分布预测的更为有效的方法.     

海南岛森林生态系统碳储量及其空间分布特征

利用最新的森林资源二类调查分布数据和野外样地调查资料,采用InVEST模型和空间统计分析等方法,研究了海南岛森林生态系统碳储量及其空间分布特征。结果表明：海南岛森林生态系统总碳储量为338.15 TgC,其中地上生物、地下生物、凋落物和土壤的碳储量分别为85.12、18.73、2.90 TgC和231.40 TgC,所占比重依次为25.17%、5.54%、0.86%和68.43%。海南岛森林生态系统平均碳密度为147.66 MgC/hm²,其中地上生物、地下生物、凋落物和土壤碳密度分别为37.17、8.18、1.27 MgC/hm²和101.04 MgC/hm²。不同市县森林生态系统碳储量分布在8.55—35.40 TgC的范围内,最高的是琼中县。不同植被类型中,橡胶林的碳储量最高,占全岛森林生态系统总碳储量的27.72%;热带山地雨林的碳密度最高,达到249.64 MgC/hm²。在海拔梯度上,森林生态系统碳密度呈现先增加后减少的变化特征,在海拔600—1300 m范围内的碳密度最高,碳密度为20...     

基于地理加权泊松模型的天然次生林进界株数空间分布与预测

基于帽儿山实验林场2004—2016年森林资源二类调查固定样地(共108块)数据,采用全局Poisson模型和4种空间尺度(2.5、5、10、15 km)下的地理加权泊松模型(geographically weighted Poisson regression, GWPR)对天然次生林进界株数的空间分布进行了研究,并对5种模型的拟合效果以及影响林分进界株数的因子进行了分析,利用莫兰指数描述了模型残差在全局和局域两种水平上的空间自相关性.结果表明: 本文所选的林分及地形因子都显著影响天然次生林进界株数的空间分布,林分平均胸径是最主要的影响因子;在小尺度(2.5 km)下GWPR模型拥有很高的拟合精度,产生了最大范围的模型参数估计值,得到了较好的模型参数局域化空间分布效果;在较小尺度(2.5和5 km)下GWPR模型产生了较小范围的模型残差,模型的稳定性得到提升;在小尺度(2.5 km)下GWPR模型残差的全局空间自相关性达到最低,局域空间自相关性显著减小,并形成了不同观测值少量聚类这一理想的空间分布模式;在对进界株数空间分布的模拟效果上,小尺度(2.5 km)下的局域模型明显好于全局模型.     

空间误差模型在黑龙江省森林碳储量空间分布的应用

基于黑龙江省2010年一类调查数据和重点公益林检测样地（5075块）数据以及同期黑龙江省、吉林省和内蒙古自治区59个气象站的气象数据,以森林碳储量为因变量,以胸径、每公顷株数、海拔、坡度及降雨与温度的乘积因子作为自变量,利用GeoDA软件构建空间误差模型,用全局Moran I 来描述不同空间尺度下模型残差的空间自相关性,计算最佳带宽（25 km）下的局域Moran I来表现模型残差的空间分布,计算组内方差来解释模型残差的空间异质性,最后将模型的预估结果生成黑龙江省森林碳储量的空间分布图.结果表明： 黑龙江省森林碳储量的分布具有空间效应;本文所选林分因子、地形因子及气象因子都显著影响森林碳储量的空间分布,胸径是最主要的因子.空间误差模型可以很好地解决模型残差的空间自相关性及空间异质性.由模型的预估结果可以看出,森林碳储量的空间分布存在很大差异,张广才岭、小兴安岭及大兴安岭地区是森林分布较密集的区域,松嫩平原地区的森林碳储量分布较少,完达山地区处于中等水平.
     

基于GWR模型的土地覆盖与地表温度的关系——以京津唐城市群为例

基于Landsat TM土地覆盖分类数据和MODIS地表温度数据,探讨京津唐城市群不同土地覆盖的地表温度(7日),并采用常用的普通线性回归(OLS)和地理加权回归(GWR)方法分别拟合土地覆盖比例与地表温度的关系.结果表明: 研究区不同土地覆盖类型的地表温度差异明显,人工表面(40.92±3.49 ℃)和耕地(39.74±3.74 ℃)的平均温度较高,林地(34.43±4.16 ℃)和湿地(35.42±4.33 ℃)的平均温度较低;土地覆盖比例与地表温度显著相关,且两者之间的定量关系存在空间非稳定性,地理位置以及周围环境影响的差异是空间非稳定性产生的主要原因;GWR模型的拟合结果优于OLS模型(R_GWR²>R_OLS²),并且GWR模型可以量化土地覆盖比例与地表温度两者关系的空间非稳定性特征.     

深圳市森林植被碳储量特征及其空间分布

基于2005年深圳市森林资源二类调查资料数据,采用材积源生物量法,计测深圳市森林植被碳储量和碳密度,分析了深圳市森林植被碳储量空间分布格局.结果表明,2005年深圳市森林植被总碳储量为225.04×10⁴Mg,平均碳密度为25.63MgC·hm^-2.深圳市各区的森林植被碳储量空间分布上有显著差异.表现为龙岗区(123.13×10⁴Mg)>宝安区(46.70×10⁴Mg)>盐田区(20.49×10⁴Mg)>罗湖区(14.75×10⁴Mg)>南山区(12.79×10⁴Mg)>福田区(5.63×10⁴Mg)>保护区(1.57×10⁴Mg).各区碳密度分布为盐田区(46.18MgC·hm^-2)>福田区(37.63 MgC·hm^-2)>罗湖区(36.78MgC·hm^-2)>龙岗区(26.60MgC·hm^-2)>保护区>(24.19 MgC·hm^-2)>宝安区(19.53MgC·hm^-2),与碳储量大小分布无明显相关.深圳市乔木林碳储量为146.11×10⁴Mg,以中幼龄林为主,占73.2%,平均碳密度为30.76MgC·hm^-2.根据森林植被碳储量与碳密度的空间差异性对深圳市森林进行了区划,并分区提出了提高深圳市森林碳吸存能力的有效措施.     

宁夏中宁枸杞林地粉壤土阳离子交换量空间分布预测方法对比

土壤阳离子交换量(CEC)是土壤施肥、改良的主要依据和土壤质量的评价指标,研究土壤CEC的空间分布及模型预测可为土壤养分监测、管理及精准农业实施提供科学依据。本研究以中宁枸杞林地粉壤土为对象,在自相关、交互相关等分析基础上,采用协同克里格(CoKriging)、普通最小二乘法(OLS)、地理加权回归(GWR)和随机森林(RF)模型对土壤CEC进行回归分析,比较了制图效果及模型预测精度。结果表明:中宁枸杞林地粉壤土CEC平均值为13.12 cmol·kg^-1,属中等肥力;土壤CEC的空间分布具有自相关性,并与土壤pH、有机质、黏粒和电导率在不同滞后距离上存在不同的空间相互关系;RF模型预测图避免了CoKriging、OLS和GWR模型预测图中土壤CEC图斑边界两侧破碎程度大、突变明显的缺陷,使土壤CEC在空间变化上表现为自然、平缓的过渡;RF模型RMSE值分别比CoKriging、OLS和GWR模型减少33.82%、20.55%和19.81%,R^2分别提高8.84%、51.92%和7.69%。RF模型考虑了样点空间位置,明显提高了插值精度且制图效果更加平缓。     

Application of a geographically-weighted regression analysis to estimate net primary production of Chinese forest ecosystems

Aim The objective of this paper is to obtain a net primary production (NPP) regression model based on the geographically weighted regression (GWR) method, which includes spatial non‐stationarity in the parameters estimated for forest ecosystems in China. Location We used data across China. Methods We examine the relationships between NPP of Chinese forest ecosystems and environmental variables, specifically altitude, temperature, precipitation and time‐integrated normalized difference vegetation index (TINDVI) based on the ordinary least squares (OLS) regression, the spatial lag model and GWR methods. Results The GWR method made significantly better predictions of NPP in simulations than did OLS, as indicated both by corrected Akaike Information Criterion (AIC_c) and R². GWR provided a value of 4891 for AIC_c and 0.66 for R², compared with 5036 and 0.58, respectively, by OLS. GWR has the potential to reveal local patterns in the spatial distribution of a parameter, which would be ignored by the OLS approach. Furthermore, OLS may provide a false general relationship between spatially non‐stationary variables. Spatial autocorrelation violates a basic assumption of the OLS method. The spatial lag model with the consideration of spatial autocorrelation had improved performance in the NPP simulation as compared with OLS (5001 for AIC_c and 0.60 for R²), but it was still not as good as that via the GWR method. Moreover, statistically significant positive spatial autocorrelation remained in the NPP residuals with the spatial lag model at small spatial scales, while no positive spatial autocorrelation across spatial scales can be found in the GWR residuals. Conclusions We conclude that the regression analysis for Chinese forest NPP with respect to environmental factors and based alternatively on OLS, the spatial lag model, and GWR methods indicated that there was a significant improvement in model performance of GWR over OLS and the spatial lag model.     

基于GWR模型的于田绿洲土壤表层盐分空间分异及其影响因子

以于田绿洲为研究靶区,利用24个采样点的土壤表层盐分数据,选取9个与土壤表层盐分密切相关的影响因子,结合空间自相关、传统回归分析和地理加权回归模型,分析表土盐分的空间分布特征及其影响因子的空间分异.结果表明:于田绿洲表土盐分在空间上并非随机分布,而是存在较强的空间依赖关系,空间自相关指数为0.479.地下水矿化度、地下水埋深、高程和温度是影响干旱区平原绿洲表土积盐的主要因子,这些因子具有空间异质性,选取的9个环境变量中除土壤pH值外,其他变量对表土盐分的影响强度均存在显著的空间分异.GWR模型对存在空间非平稳性数据的解释能力和估计精度都优于OLS模型,而且在模型估计参数的可视化上具有明显优势.     

Non-stationarity and local approaches to modelling the distributions of wildlife

Despite a growing interest in species distribution modelling, relatively little attention has been paid to spatial autocorrelation and non-stationarity. Both spatial autocorrelation (the tendency for adjacent locations to be more similar than distant ones) and non-stationarity (the variation in modelled relationships over space) are likely to be common properties of ecological systems. This paper focuses on non-stationarity and uses two local techniques, geographically weighted regression (GWR) and varying coefficient modelling (VCM), to assess its impact on model predictions. We extend two published studies, one on the presence–absence of calandra larks in Spain and the other on bird species richness in Britain, to compare GWR and VCM with the more usual global generalized linear modelling (GLM) and generalized additive modelling (GAM). For the calandra lark data, GWR and VCM produced better-fitting models than GLM or GAM. VCM in particular gave significantly reduced spatial autocorrelation in the model residuals. GWR showed that individual predictors became stationary at different spatial scales, indicating that distributions are influenced by ecological processes operating over multiple scales. VCM was able to predict occurrence accurately on independent data from the same geographical area as the training data but not beyond, whereas the GAM produced good results on all areas. Individual predictions from the local methods often differed substantially from the global models. For the species richness data, VCM and GWR produced far better predictions than ordinary regression. Our analyses suggest that modellers interpolating data to produce maps for practical actions (e.g. conservation) should consider local methods, whereas they should not be used for extrapolation to new areas. We argue that local methods are complementary to global methods, revealing details of habitat associations and data properties which global methods average out and miss.     

江西省马尾松林生态系统碳密度空间变异特征

森林碳密度是反映森林生态系统固碳能力的重要指标之一,分析其碳密度的空间变异可为碳汇林业的经营与管理提供科学依据.以江西省马尾松林生态系统为对象,基于样地调查及样品碳含量测定数据,利用全局和局域Moran I,分析其碳密度的空间自相关性,并采用地统计学方法,探讨其空间分布规律.全局Moran I表明,马尾松林生态系统碳密度的空间自相关性呈正相关,且其自相关性随着距离的增大而逐渐减弱,当距离超过400 km后不存在空间自相关性,其空间分布随距离的增大逐渐由聚类分布趋向于随机分布;局部Moran I值表明,马尾松林生态系统碳密度的局部空间分布不均匀,且随距离的增大,其局部空间分布的差异逐渐增大.半方差函数模型的拟合结果表明,球状模型对马尾松林生态系统碳密度的拟合效果最优,其块金值与基台值的比值为0.36,其在空间上存在中等程度的相关性.通过克里格空间插值,马尾松林生态系统碳密度主要集中在85.14～153.52 t·hm^-2,空间分布规律总体上均呈中间低、周边高的趋势,与研究区的周边高中间低的地势特征较为吻合.     

广西主要森林土壤有机碳空间分布及其影响因素

为阐明广西森林土壤有机碳密度分布格局及其主要影响因素, 基于森林资源清查资料和345个调查样地的土壤数据, 估算了广西主要森林土壤有机碳储量, 采用地统计学方法描绘了土壤有机碳密度的空间分布, 并利用主成分分析和逐步回归分析方法分析了影响土壤有机碳密度的主要因子。结果表明: 广西主要森林土壤有机碳储量(0-100 cm)达到1686.88 Tg, 土壤有机碳密度为124.70 Mg·hm^-2, 低于全国森林土壤平均水平。广西主要森林土壤有机碳密度最佳拟合模型为指数模型, 呈中等强度空间相关, Kriging插值显示土壤碳密度高值区在东北区域, 低值区在西北区域, 表现为喀斯特区域低、非喀斯特区域高的特点。广西主要森林土壤碳密度在不同植被类型和土壤类型下表现出一定差异, 其中竹林>落叶阔叶林>暖性针叶林>常绿落叶阔叶林>常绿阔叶林, 黄壤>红壤>赤红壤>石灰土。主成分分析和逐步回归分析结果发现土层深度、经纬度、海拔是影响广西森林土壤有机碳的主要因子, 其中以土层深度影响最大, 主要受岩溶地貌的影响。