联合星载ICESat-GLAS波形与多光谱Landsat-TM影像的森林郁闭度估测

森林郁闭度的空间分布是评价森林生产力和分解率的一个重要指标.本研究以吉林汪清林区为研究区,分别利用星载激光雷达ICESat-GLAS波形数据和多光谱遥感Landsat-TM影像对该区的森林郁闭度进行估测,然后采用多元线性回归和BP神经网络两种方法对GLAS数据和TM数据进行联合,共同估测了森林郁闭度.结果表明:单一遥感数据估测森林郁闭度时,GLAS数据的模型决定系数为0.762,TM数据的模型决定系数为0.598.将GLAS数据和TM数据联合后估测森林郁闭度时,多元线性回归模型的复决定系数为0.841,BP神经网络模型的仿真精度为0.851.表明ICESat-GLAS数据与Landsat-TM影像联合能够发挥多源遥感数据的优势,提高森林郁闭度的估测精度,并为后续的空间区域内森林郁闭度的连续制图提供可靠的方法.     

三种森林生物量估测模型的比较分析

森林生物量的定量估算为全球碳储量、碳循环研究提供了重要的参考依据。该研究采用黑龙江长白山地区的TM影像和133块森林资源一类清查样地的数据, 选取地学参数、遥感反演参数等71个自变量分别构建多元逐步回归模型、传统BP (back propagation)神经网络模型和基于高斯误差函数的BP神经网络改进模型(Gaussian error function, Erf-BP), 进而估算该地区的森林生物量, 并进行比较分析。结果表明, 多元逐步回归模型估测的森林生物量预测精度为75%, 均方根误差为26.87 t·m^-2; 传统BP神经网络模型估测森林生物量的预测精度为80.92%, 均方根误差为21.44 t·m^-2; Erf-BP估测森林生物量的预测精度为82.22%, 均方根误差为20.83 t·m^-2。可见, 改进后的Erf-BP能更好地模拟生物量与各个因子之间的关系, 估算精度更高。     

无人机高光谱联合LiDAR估测林分与单木尺度叶绿素含量

叶绿素是表征植被健康状况的重要指标,它的准确估计对森林碳汇评价研究至关重要。本研究通过无人机高光谱数据联合激光雷达点云估计针叶林、阔叶林和针阔混交林林分与单木水平的叶绿素含量,提升叶绿素无损估测精度,全面分析不同尺度叶绿素含量空间分布规律。在无人机高光谱数据与激光雷达点云融合的基础上,结合地面样地实测数据,通过相关性分析筛选与叶绿素含量相关的36个光谱特征变量,采用统计模型多元逐步回归、BP神经网络、萤火虫算法优化的BP神经网络、随机森林和混合数据驱动的机理模型PROSPECT模型构建多个叶绿素估算模型,选取最优模型估算森林叶绿素含量,分析其在林分和单木尺度上水平方向与垂直方向的空间分布规律。结果表明：在统计模型中,随机森林(R²=0.59～0.64,RMSE=3.79～5.83μg·cm^-2)优于多元逐步回归、BP神经网络和萤火虫算法优化的BP神经网络构建的模型;机理模型验证精度最高(R²=0.97,RMSE=3.40μg·cm^-2)。不同林分类型叶绿素的含量存在较大差异,阔叶林叶绿素含量为25....     

基于BP神经网络的流域生态恢复度计算——以福建长汀朱溪小流域为例

以福建省长汀县朱溪小流域为研究对象,通过野外调查、室内分析以及遥感影像提取相结合的方法获取数据。利用Matlab7.0软件建立BP神经网络生态恢复模型,定量评价退化生态系统的恢复程度。选择土壤理化性质(有机质、全N、全P、全K、容重和p H)、植被结构(植被盖度)、物种多样性指数(Shannon-Wiener指数)和热环境(地表温度)等4个方面的9个指标建立退化生态系统评价体系,并作为生态恢复模型的输入层数据,生态恢复度作为输出层数据。使用Matlab7.0进行数据预处理、样本训练、样本检验并建立生态恢复模型。利用建立的生态恢复模型对整个朱溪小流域生态恢复度进行定量评价。结果表明,生态恢复模型预测结果与流域生态恢复的实际情况基本吻合,利用BP神经网络模型定量评价退化生态系统的恢复程度具有可行性。朱溪小流域内生态恢复程度极低的区域面积仅占0.94%,95.48%区域为中等恢复程度,说明生态保护措施已初见成效;生态恢复程度高的区域面积仅占3.62%,意味着未来仍需加强治理和保护工作。     

星载大光斑LiDAR与HJ-1A高光谱数据联合估测区域森林地上生物量

以吉林省汪清林业局经营区为研究区,利用HJ-1A/HSI高光谱数据和ICESat-GLAS波形数据,估测区域森林地上生物量。从平滑后的GLAS波形数据中提取波形长度W和地形坡度参数TS,建立GLAS森林最大树高估测模型;从GLAS波形数据中提取能量参数I(植被回波能量Ev和回波总能量E之比),建立GLAS森林郁闭度估测模型;利用GLAS估测的森林最大树高和森林郁闭度联合建立森林地上生物量模型。由于GLAS呈离散条带状分布,无法实现区域估测,因此研究将GLAS波形数据与HJ-1A/HSI高光谱数据联合,基于支持向量回归机算法实现森林地上生物量区域估测,得到研究区森林地上生物量分布图。研究结果显示,基于W和TS建立的GLAS森林最大树高估测模型的adj.R~2=0.78,RMSE=2.51m,模型验证的adj.R~2=0.85,RMSE=1.67m。地形坡度参数TS能够有效的降低地形坡度的影响;当林下植被高度为2m时,得到的基于参数I建立的GLAS森林郁闭度估测模型效果最好,模型的adj.R~2=0.64,RMSE=0.13,模型验证的adj.R~2=0.65,RMSE=0.12。利用森林最大树高和森林郁闭度建立的森林地上生物量模型的adj.R~2=0.62,RMSE=10.88 t/hm~2,模型验证的adj.R~2=0.60,RMSE=11.52 t/hm~2。基于支持向量回归机算法,利用HJ-1A/HSI和GLAS数据建立的森林地上生物量SVR模型,生成了森林地上生物量分布图,利用野外数据对得到的分布图进行验证,验证结果显示森林地上生物量估测值与实测值存在很强的线性关系(adj.R~2=0.62,RMSE=11.11 t/hm~2),能够满足林业应用的需要。因此联合ICESat-GLAS波形数据与HJ-1A高光谱数据,能够提高区域森林地上生物量的估测精度。     

西藏自治区草地地上生物量遥感反演研究

草地地上生物量（Aboveground Biomass,AGB）是反映草地生态系统功能和质量的关键指标,大尺度地准确估算草地AGB对草地生态系统经营管理至关重要。研究以MODIS影像为数据源,提取反射率、植被指数和植被产品三种不同类型的特征变量,结合野外实测样地草地AGB数据,构建以多元线性逐步回归为代表的参数模型以及随机森林、支持向量机和kNN等非参数模型进行西藏自治区草地AGB估测及空间分布制图。结果表明：（1）多元线性逐步回归、随机森林、支持向量机和kNN模型在加入植被产品特征变量后,RMSE分别降低了15.8%、13.5%、4.1%和17.3%,表明植被产品作为建模变量用于草地AGB估测可有效提高模型精度;（2）三种组合变量构建的草地AGB估测模型中,反射率、植被指数、植被产品组合构建的模型效果最佳,其中kNN模型估测精度最高,R²达到0.60,RMSE和MAE分别为0.43、0.34 t/hm²;（3）草地AGB空间分布呈现出西北地区较低、中部地区较高且分布形态较破碎和东部地区较高的变化特征;（4）利用MODIS植被产品结合kNN模型的预测值与草地实测的AGB空间分布趋势基本一致。综上,MODIS植被产品结合kNN模型可作为大尺度区域草地AGB遥感估测的有效参考。     

联合GF-6和Sentinel-2红边波段的森林地上生物量反演

光谱反射率能反映地物差异,是森林地上生物量（Aboveground Biomass,AGB）遥感反演的理论基础。红边波段处于近红外与红光波段交界处快速变化的区域,能对植被冠层结构和叶绿素含量的微小变化做出快速反应,对植被生长状况较敏感。研究以GF-6和Sentinel-2多光谱影像作为数据源,结合野外调查AGB数据,构建落叶松和樟子松AGB线性和非线性估测模型,通过比较模型精度选择最优模型进行森林AGB反演和空间分布制图。结果表明：GF-6和Sentinel-2影像红边波段反射率与落叶松、樟子松AGB均呈显著相关（P<0.05）,红边波段对AGB估测较敏感。多变量估测模型整体估测效果优于单变量模型,所有模型中多元线性回归模型取得了最优的决定系数（落叶松R²=0.66,樟子松R²=0.65）和最低的均方根误差（落叶松RMSE=31.45 t/hm²,樟子松RMSE=54.77 t/hm²）。相比单个数据源,联合GF-6和Sentinel-2影像构建的多元线性回归模型估测效果得到了显著提升,模型RMSE对于落叶松和樟子松AGB估测分别最大降低了22.9%和11.2%。增加红边波段进行AGB估测能显著提高模型估测精度,三组数据源分别加入红边波段信息后进行建模,模型RMSE得到了显著降低。GF-6拥有800 km观测幅宽和高效的重访周期,可以快速地提供大尺度时间序列数据,在森林地上生物量反演和动态监测方面有着很大潜力。     

林地叶面积指数遥感估算方法适用分析

叶面积指数是与森林冠层能量和CO2交换密切相关的一个重要植被结构参数,为了探讨估算林地叶面积指数LAI的遥感适用方法和提高精度的途径,利用TRAC仪器测定北京城区森林样地的LAI,从Landsat TM遥感图像计算NDVI、SR、RSR、SAVI植被指数,分别建立估算LAI的单植被指数统计模型、多植被指数组合的改进BP神经网络,获取最有效描述LAI与植被指数非线性关系的方法并应用到TM图像估算北京城区LAI。结果表明,单植被指数非线性统计模型估算LAI的精度高于线性统计模型;多植被指数组合神经网络中,以NDVI、RSR、SAVI组合估算LAI的精度最高,估算值与观测值线性回归方程的R2最高,为0.827,而RMSE最低,为0.189,神经网络解决了多植被指数组合统计模型非线性回归方程的系数较多、较难确定的问题,可较为有效的应用于遥感图像林地LAI的估算。     

基于路网的土壤采样布局优化——模拟退火神经网络算法

以湖北省钟祥市东部的土壤有机质为研究对象,通过地形分析提取坡度、沿平面曲率、沿剖面曲率、地形湿度指数、汇流动力指数、沉积物运移指数等地形因子,在道路周边设置13种采样尺度,运用模拟退火算法对各样点的空间布局分别进行优化,以获取基于路网的土壤采样优化布局.在此基础上,对地形因子和优化后样点的有机质建立多元线性回归模型,同时建立基于神经网络的多层感知机模型,并用此模型精度与多元线性回归模型精度进行对比.结果表明:利用道路网制定土壤采样方案是可行的,优化后的采样点布局能够准确获取土壤景观知识,并且优于原始样点的精度.本研究利用道路空间分布格局、历史样点、数字高程数据等可利用资源设计采样方案,为降低采样成本、提高采样效率、展现有机质空间分布格局提供了有效手段与理论依据.     

基于多源遥感数据协同的滇西北森林郁闭度估测

森林郁闭度(FCC)是评价森林资源和生物多样性的重要参数,利用多源遥感协同手段以较小成本高精度实现区域FCC反演是当前研究热点。本研究以星载激光雷达ICESat-2/ATLAS为主要信息源,结合54块实测样地数据,采用贝叶斯优化(BO)算法改进后的随机森林(RF)、K-最近邻值法(KNN)、梯度回归(GBRT)模型获取光斑尺度ATLAS光斑内FCC,协同多源遥感影像Sentinel-1/2及地形因子基于BO算法优化后的全连接深度神经网络模型(DNN)进行区域尺度的滇西北香格里拉市FCC遥感估测。结果表明：在提取的50个ATLAS激光雷达光斑参数指标中,经RF特征变量优选后,6个特征参数(乔木冠层百分比、冠层顶光子相对高度的标准差、冠层高度最小值、区段内98%冠层高度值与冠层高度中位数的差值、冠层顶部光子数、表观反射率)贡献率较大,可作为光斑尺度遥感估测模型变量。在BO-RF、BO-KNN、BO-GBRT模型中,以BO-GBRT模型估测的FCC结果最优,留一交叉验证的决定系数(R²)为0.65、均方根误差(RMSE)为0.10、绝对残差均值(RS)为0.079,预测...     

青海省森林土壤磷储量及其分布格局

磷(P)是地球生态系统中重要的生命元素。全球变化背景下, 科学地探究森林土壤磷储量现状及其影响因子, 对陆地生态系统的稳定以及磷的可持续利用具有重要意义。因此, 该研究利用青海省240个森林标准样地土壤实测数据, 并结合青海省森林资源清查资料估算出了青海省森林土壤磷储量, 揭示了其分布格局, 并讨论了土壤磷储量与环境因子的关系。结果表明: (1)青海省森林土壤磷储量为1.74 Tg, 全省1 m深土壤平均磷密度为4.65 Mg·hm ^-2, 土壤磷密度总体上呈地带性分布。(2)土壤磷密度在中低海拔(2 200-3 000 m)区域随海拔的升高显著减小, 在高海拔(3 300-3 900 m)区域随海拔高度的增加而显著变大。山地灰褐色森林土的磷密度最大且显著大于山地棕色暗针叶林土和山地暗褐土。(3)土壤磷含量随海拔升高显著减小, 山地棕色暗针叶林土各土层磷含量相对较大, 山地暗褐土的磷含量最小, 且土壤磷含量随着土层的加深而减小。(4)海拔、温度、土壤类型以及土壤含水量均对土壤磷含量有直接影响, 且影响较大, 其中海拔和温度是影响土壤磷含量变化的关键因子; 土壤磷密度对土壤容重、土壤磷含量、土壤含水量、海拔、土壤类型的变化响应较为明显, 而土壤容重可能是限制土壤磷密度变化的主导因素。     

黄土丘陵区林草景观界面雨后土壤水分空间变异规律

对黄土丘陵区刺槐林-草地景观界面上雨后土壤表层(0～10 cm)和亚表层(10～20 cm)水分的空间变异规律进行了研究.经典统计学分析表明,草地两层的土壤含水量分别高于林地;林草界面两层的土壤含水量均为弱变异程度,并具有明显的生态梯度.移动窗口法分析表明,林草界面对土壤表层和亚表层的水分影响范围为边界两侧4 m、3 m,影响域分别为8 m、6m.地统计学分析表明,草地两层土壤含水量空间分布均表现为纯块金效应,林地两层均可拟合成线性模型,而林草界面两层均可拟合成球状模型;林草界面土壤表层、亚表层水分空间依赖性和空间自相关较强,其空间结构异质性明显高于林地和草地.克立格制图描述的林草界面土壤水分的空间分布格局为从边界处向两侧的一定距离范围内,土壤含水量呈条带状分布,而在较远的距离,水分的空间分布呈现出几个明显的斑块状.     

喀斯特典型坡地旱季表层土壤水分时空变异性

基于网格(10 m×10 m)取样,用地统计学方法研究了桂西北喀斯特地区典型灌丛与草灌两种植被类型坡地(90 m×120 m)旱季(2011年10月至2012年3月)表层(0—16 cm)土壤水分含量的空间变异特征。结果表明:整个采样期灌丛坡地的土壤水分含量明显要高于草灌坡地,两种类型坡地的表层土壤水分含量均属于中等程度的变异(10%Cv100%),且灌丛坡地的变异系数大于草灌坡地。两种植被类型坡地的土壤水分含量与降雨量的波动变化趋势相同,而与土壤水分变异系数的变化趋势整体相反。土壤水分含量均具有明显的空间依赖性和空间结构。两种类型坡地土壤水分的变程与块基比的变化趋势都大致相反,灌丛坡地土壤水分的变程与土壤水分含量均值的变化趋势在采样前期和中期趋势相反,在采样后期趋势相同,而草灌坡地土壤水分的变程与土壤水分含量均值的变化趋势大致相同。两块样地土壤水分的变异系数、变程与块基比均随土壤水分含量的变化有一定的季节变化规律,说明平均土壤水分含量对土壤水分空间格局的主导作用是持续存在的,结合研究目标可以有效指导后续的土壤采样。虽然两块样地表层土壤水分含量整体沿坡面自上而下呈递增趋势,但土壤水分含量最大值均分布在样地下坡位右侧地段,这主要与该地段坡度较缓、土壤厚度较大且碎石含量较低有关。     

土壤湿度对中国南部热带森林土壤甲烷吸收的影响

森林土壤是一个重要的大气甲烷的汇。然而,相较于寒带和温带,在热带尤其是东南亚地区,森林土壤甲烷通量的观测较少,这限制了目前对热带森林土壤甲烷通量与环境因子之间关系的认识,也给热带森林土壤甲烷汇的估算带来了一定的不确定性。在中国海南省吊罗山国家森林公园的热带森林土壤,采用激光光谱法测量了2016年9月至2018年9月逐月的土壤甲烷通量,并分析了其与周围环境因子的关系。结果表明：研究区土壤是甲烷的汇,山顶样地的年平均吸收量为0.95 kg CH₄-C hm^-2 a^-1,山脚样地的年平均吸收量为1.93 kg CH₄-C hm^-2 a^-1。干季(11月—次年4月)的甲烷吸收通量明显高于湿季(5—10月),占到全年甲烷吸收的68%。山顶样地年平均土壤湿度为19.2%,年内的波动较小(2.8%)。而山脚样地的年平均湿度相对较低,为12.7%,且年内波动大(5.4%)。土壤湿度是控制甲烷吸收最主要的环境因子,可以解释月际甲烷吸收变化的76%,甲烷吸收通量与土壤温度的相...     

长白山阔叶红松林表层土壤水分空间异质性的地统计学分析

采用时域反射仪对长白山原始阔叶红松林3块50 m×50 m样地表层土壤（0～7.5 cm）水分进行测定,应用地统计学的理论与方法对表层土壤水分的空间异质性进行分析.结果表明：研究区3块样地表层土壤水分变异系数分别为24.32%（样地1）、24.11%（样地2）和23.60%（样地3）,均属于中等变异性;该区表层土壤水分的理论变异模型为球状模型,具有高度的空间异质性,其空间异质性以空间自相关部分为主;表层土壤水分的结构比分别为57.9%（样地1,属中等相关性）、83.3%和90.0%（样地2和3,属强烈的空间相关性）;研究区表层土壤水分的变程在5.5～13.1 m,与贝叶斯方法估计的变程相差不大;通过克立格插值估计,研究区表层土壤水分含量的平均值分别为49.3%（样地1）、52.8%（样地2）和42.6%（样地3）.     

滨海盐土土壤水分的高光谱参数及估测模型

基于滨海盐土5个试验点的土壤含水量和室内土壤表面高光谱反射率,综合分析了350～2500 nm波段范围内土壤含水量与土壤光谱之间的关系,并基于比值光谱指数(RSI)、归一化光谱指数(NDSI)和差值光谱指数(DI)确定了光谱参数,进而构建土壤含水量估测定量模型.结果表明： 滨海盐土原始光谱反射率与土壤含水量呈显著负相关关系,且最大负相关出现在1930 nm(r=0.86)附近.对RSI、NDSI和DI的直线回归方程、幂函数回归方程进行对比,以RSI(R₁₄₀₇,R₁₄₅₉)为自变量构建的土壤含水量指数函数线性回归方程决定系数最大(0.780),标准误较小(0.016),拟合方程为y=0.00001e^9.72053x.估测模型能够更好地监测滨海盐土土壤水分状况.基于RSI(R₁₄₀₇,R₁₄₅₉)构建的模型可实现对江苏省滨海盐土土壤水分的精确监测.     

冻融条件和土壤湿度对森林土壤渗漏液溶解性有机质含量与光谱结构特征的影响

土壤溶解性有机质(DOM)含量及其稳定性影响土壤碳氮循环关键过程,目前气候变化下森林土壤DOM含量及其光谱结构特征仍不明确.本研究利用长白山阔叶红松混交林和次生白桦林表层土壤进行室内冻融模拟试验,结合三维荧光光谱-平行因子分析方法,研究冻融强度和冻融循环次数及其交互作用对不同湿度温带森林土壤渗漏液DOM含量、组分和光谱结构特征的影响.结果表明: 森林土壤渗漏液DOM含量及其组分因林分类型、土壤湿度、冻融强度、冻融循环次数不同而存在差异.2种林分土壤渗漏液DOM含量均在中湿度下最低,并受高强度冻融影响显著,且随冻融循环次数增加呈现先增加后降低的趋势.可鉴别DOM的3个荧光组分:胡敏酸类DOM、富里酸类DOM和蛋白类DOM;阔叶红松混交林土壤渗漏液DOM组分以富里酸类物质为主,腐殖化程度较高;而次生白桦林土壤渗漏液DOM组分以胡敏酸类物质为主,3组分受冻融强度显著影响,稳定性较低.经冗余分析(RDA)发现,林分在很大程度上决定森林土壤DOM属性变化,次生白桦林土壤渗漏液DOM含量及其3组分荧光强度大于阔叶红松混交林;土壤湿度显著影响DOM芳香性,2种林分土壤渗漏液DOM芳香性均呈中湿度>高湿度>低湿度的趋势;随冻融强度增加,阔叶红松混交林土壤渗漏液DOM芳香性显著降低;多次冻融循环显著提高2种林分土壤渗漏液DOM腐殖化程度.因此,不同冻融作用下,低湿度温带森林土壤渗漏液DOM含量及其生物有效性呈现增加的趋势,尤其是次生白桦林土壤,可能会增加春季冻融期温带森林土壤溶解性有机质淋溶损失.这些结果可为深入研究野外冻融期温带森林土壤溶解性有机质周转机制提供参考.     

黄土丘陵沟壑区坡面尺度土壤水分空间变异及影响因子

土壤水分空间分布特征及其影响因子是土壤前期含水量模拟和小流域产流机制研究的重要内容,也是半干旱地区进行生态建设的重要参考。通过对黄土高原典型坡面雨季前后100 cm深度内土壤含水量进行观测,分析地形、植被和雨季对土壤水分空间分布的影响。基本统计分析显示,土壤水分的空间异质性在上层(<20 cm)较小,在下层(>40 cm)较大。坡面尺度上,土壤含水量的空间差异主要表现在不同植被类型之间,而不是坡位之间。各覆被类型的土壤含水量相对大小为荒草地>8年生刺槐林>20年生刺槐林>沙棘林。即使沙棘林和刺槐林位于更利于获取土壤水分的地形条件下,其土壤含水量仍然明显低于荒草地。地形对土壤水分的影响被植被类型的影响所掩盖。上述规律在雨季前后都有明显表现。因此,完全基于地形指数的土壤水分预测模型在黄土高原应该慎用,植被类型应该作为土壤水分空间预测的一个重要参数。雨季使土壤含水量整体提高,但是土壤水分空间分布格局并没有根本改变,高处仍高,低处仍低,各样点处的土壤含水量在雨季前后达到显著相关水平,说明土壤水分空间格局并不是瞬时状态,而具有明显的时间稳定性。     

The effect of soil water content,soil temperature,soil pH-value and the root mass on soil CO<Subscript><Emphasis Type="Bold">2</Emphasis></Subscript> efflux – A modified model

To quantify the effects of soil temperature (T_soil), and relative soil water content (RSWC) on soil respiration we measured CO₂ soil efflux with a closed dynamic chamber in situ in the field and from soil cores in a controlled climate chamber experiment. Additionally we analysed the effect of soil acidity and fine root mass in the field. The analysis was performed on three meadow, two bare fallow and one forest sites. The influence of soil temperature on CO₂ emissions was highly significant with all land-use types, except for one field campaign with continuous rain. Where soil temperature had a significant influence, the percentage of variance explained by soil temperature varied from site to site from 13–46% in the field and 35–66% in the climate chamber. Changes of soil moisture influenced only the CO₂ efflux on meadow soils in field and climate chamber (14–34% explained variance), whereas on the bare soil and the forest soil there was no visible effect. The spatial variation of soil CO₂ emission in the field correlated significantly with the soil pH and fine root mass, explaining up to 24% and 31% of the variability. A non-linear regression model was developed to describe soil CO₂ efflux as a function of soil temperature, soil moisture, pH-value and root mass. With the model we could explain 60% of the variability in soil CO₂ emission of all individual field chamber measurements. Through the model analysis we highlight the temporal influence of rain events. The model overestimated the observed fluxes during and within four hours of the last rain event. Conversely, after more than 72h without rain the model underestimated the fluxes. Between four and 72 h after rainfall, the regression model of soil CO₂ emission explained up to 91% of the variance.     

喀斯特木论自然保护区旱季土壤水分的空间异质性

采用经典统计学和地统计学方法,分段研究了喀斯特木论自然保护区典型峰丛坡地和洼地旱季表层土壤水分（0～5 cm和5～10 cm）的空间异质性.结果表明：研究区旱季表层土壤水分仍然较高,总体上具有良好的半方差结构;坡地和洼地0～5 cm和5～10 cm土层土壤水分的空间分布均符合指数模型,同一立地条件下两土层土壤含水量具有相似的空间结构和分布格局,相同土层不同立地条件下的差异明显;坡地土壤水分含量的空间相关性中等且连续性好,具有明显的斑块分布格局,其Moran I值的变化相对缓慢;洼地土壤水分含量具有强烈的空间自相关,但变程很短,其Moran I值的波动较大,斑块比较破碎.地形、微地貌、降雨、人为干扰特别是植被是保护区土壤含水量空间变异的重要影响因素,保存完好的原始森林对土壤水分空间异质性具有良好的调控作用.