文章信息
- 张佳佳, 傅伟军, 杜群, 张国江, 姜培坤
- Zhang Jiajia, Fu Weijun, Du Qun, Zhang Guojiang, Jiang Peikun
- 浙江省森林凋落物碳密度空间变异特征
- Spatial Variability Characteristics of Carbon Densities in the Forest Litter in Zhejiang Province
- 林业科学, 2014, 50(2): 8-13
- Scientia Silvae Sinicae, 2014, 50(2): 8-13.
- DOI: 10.11707/j.1001-7488.20140202
-
文章历史
- 收稿日期:2012-12-09
- 修回日期:2013-12-01
-
作者相关文章
2. 浙江省森林资源监测中心 杭州 311300;
3. 温州市农业站 温州 325000
2. Forest Resources Monitoring Center of Zhejiang Province Hangzhou 311300;
3. Wenzhou Agricultural Station Wenzhou 325000
虽然森林凋落物碳储量相对较小,但是森林凋落物对于森林生态系统的能量流动和物质循环、土壤理化性质、森林生态系统生产力、水土保持等方面均具有重要作用;同时,凋落物还是森林土壤动物和微生物的能量和物质来源,对促进和维持整个森林生态系统平衡也起着重要作用(杨万勤等,2007:刘刚等,2010)。因此,准确计量森林凋落物碳储量对于提高森林资源经济效益具有十分重要的意义。
近年来,一些学者通过传统的森林资源清查方法来估算不同植被类型的凋落物碳储量(Powers et al.,2011;常宗强等,2007;杨玉盛等,2004),然而有关森林凋落物碳密度空间分布的研究很少。随着空间分析技术的不断更新和发展,地统计学从最初的采矿学和地质学逐渐渗透到土壤、水文、气象和生态海洋等领域(Li et al.,2006;Krause et al.,2009;王贵政,2010),与GIS技术结合应用于环境变量的空间变异性研究具有高效的空间信息处理能力和强大的决策支持能力(Saura-Mas et al.,2012;李梅等,2011)。本研究基于浙江省森林资源监测中心2010年6—9月的森林凋落物碳密度数据和浙江省森林资源连续清查(CFI)数据,结合地统计学方法和克里格插值法研究浙江省森林凋落物碳密度空间变异特征,一方面弥补浙江省森林凋落物碳密度空间分布研究的空白;另一方面将地统计学和空间分析方法结合,为更好地了解浙江省森林碳储量空间分布情况提供数据支持。
1 研究区概况浙江省(118°01'—123°10'E,27°06'—31°11'N)属于东南沿海低山与丘陵地貌、华中华东低山与丘陵及江浙冲积平原的一部分,以分割破碎的低山和丘陵为主,地势呈自西向东北倾斜趋势。西南部为平均海拔800 m的地区,1 500 m以上的山峰大多集中在此;中部为丘陵、盆地相间,海拔多在100~500m;东北部为海拔10 m以下的太湖、杭州湾水网平原。浙江省自西南向东北有大致平行的3支山脉:西北支从浙赣交界的怀玉山伸展成天目山、千里岗山等;中支从浙闽交界的仙霞岭延伸成四明山、会稽山、天台山,入海成舟山群岛;东南支从浙闽交界的洞宫山延伸成大洋山、括苍山、雁荡山。浙江省地处亚热带季风湿润气候区,冬夏季风交替显著,热量较优,日照充足,雨量丰富,空气湿润,雨热同季,干湿分明,气候具有南北过渡性和多宜性。浙江省属江南红壤、黄壤、水稻土大区。丘陵山地的红壤、黄壤等地带性土壤及海岛的饱和红壤等是林业的主要土壤,局部分布的非地带性土壤还有石灰土、紫色土和粗骨土等(浙江省林业局,2006)。浙江省境内的森林群落丰富、种类繁多,地带性植被为常绿阔叶林、常绿阔叶和落叶混交林,除此之外还有落叶阔叶林、针叶林、竹林等多种植被类型(袁位高等,2009)。
2 研究方法 2.1 森林凋落物样地选取浙江省森林资源清查每5年进行1次,森林资源调查采用GIS网格布点,2010年以12 km×6 km网格获取森林样地930块,野外实际固定样地839块。在每块固定样地选取3个1 m×1 m样方,收集样方内的枯枝落叶装入编织袋中并称出其总量,混匀后获取一部分装入塑料袋带回实验室。浙江省森林凋落物碳密度调查采用直接收集法,不涉及年凋落物量和月凋落物量。
2.2 森林凋落物碳密度计算将野外采集回的枯落物放入烘箱105℃烘干后研磨粉碎,取0.5 g左右放入有机元素分析仪(VarioMAX CN)测定样品碳元素含量。通过计算公式将凋落物样品碳含量转换为固定样地凋落物碳密度。公式如下:
$ Y = 10000 \times a \times X/3; $ | (1) |
$Z = b \times Y$。 | (2) |
式中: a为带入实验室的部分凋落物干质量百分比;X为3个1 m×1 m样方内凋落物鲜质量,kg;Y为每公顷凋落物干质量,kg·hm-2;Z为每公顷凋落物碳质量,kg·hm-2;b为元素分析仪测定的凋落物碳元素百分比。
2.3 数据处理研究变量空间分布的结构性和随机性,或空间相关性和依赖性,或空间格局和变异,并对变量数据进行无偏、最优估计,或模拟离散性、波动性时,均可应用地统计学的理论及相应的方法(侯景儒等,1993)。地统计学的理论基础是区域化变量理论,变异函数是地统计学最基本的函数,是以区域化变量理论为基础建立起来的。半变异函数是描述变量空间变异结构的一个函数,计算公式(徐建华,2006)如下:
$r\left( h \right) = \frac{1}{{2N\left( h \right)}}\sum\limits_{i = 1}^{N\left( h \right)} {{{\left[ {Z\left( {{x_i} + h} \right) - Z\left( {{x_i}} \right)} \right]}^2}} $。 | (3) |
式中: h为样本间距;Z(xi)为样本在位置xi处变量值;Z(xi+h)表示样本在距离为xi+h处变量数值;N(h)为分隔距离为h时的样本点对总数。r(h)为随着样本间距离增大,其从非零值达到一个相对稳定常数值。
克里格插值是根据变异函数模型发展起来的空间插值方法,能得到内插计算产生的独立误差的估值,且由已知点内插估计变量空间相关性,具有较好的内在关联属性和精确性(雷能忠等,2008)。克里格插值是区域化变量的线性估计,前提是假设数据变化成正态分布(汤国安等,2006)。运用SPSS软件非参数检验单样本(Kolmogorov-Smirnov,K-S)方法检验数据正态性,若P>0.05,表示数据服从正态分布;若P<0.05,表示数据不服从正态分布(薛薇,2011)。
利用Microsoft Office Excel 2003对调查数据进行整理和计算;利用SPSS18.0对调查数据中的异常值进行处理,并对数据进行一般的描述性统计;利用ArcGIS9.2对数据进行地统计分析。
3 结果与讨论 3.1 浙江省森林凋落物碳密度特征浙江省森林凋落物碳密度均值为1 627.1 kg ·hm-2,明显低于周玉荣等(2000)估算的我国主要森林生态系统凋落物层平均碳密度8 210 kg·hm-2,方精云等(2001)和李海奎等(2011)分别估算全国森林凋落物碳密度为6 470和6 170 kg ·hm-2。浙江省森林凋落物碳密度极小值和极大值分别为10.2和4 589.8 kg ·hm-2,最高值是最低值的450倍。Zhang等(2007)的研究显示,当变异系数≤0.1时为弱变异性,0.1<变异系数<1时为中等变异性,变异系数≥1时为强变异性。浙江省森林凋落物碳密度变异系数值为0.54,属于中等变异性。
结果表明,浙江省森林凋落物平均碳密度在全国范围内处于较低水平,这可能和浙江省经济区位及森林植被主要以中幼年林为主(张峰等,2012)有关。浙江全省森林凋落物碳密度存在中等空间变异,且森林凋落物碳密度空间分布极不平衡,高值区和低值区相差显著。
3.2 浙江省森林凋落物碳密度正态性数据的非正态分布会使变异函数产生比例效应,比例效应的存在会使试验变异函数产生畸变,抬高基台值和块金值,增大估计误差,变异函数值点的波动大,甚至会掩盖其固有的结构(张朝生等,1995),因此应该消除比例效应。本研究采用域法识别异常值(徐建华,2006),即在此区间[a+3s]以外的数据定为异常值(a为样本平均值,s为样本标准差)。通过均值替代异常值,获得稳健的变异函数(Zhang et al.,2008)。森林凋落物碳密度数据非参数检验的单样本K-S检验值P=0.062(>0.05),数据服从正态分布,可进行插值分析。图 1为浙江省森林凋落物固定样地异常值处理前后的直方图和Q—Q图。经过异常值处理之后,可以直观地看出,图 1上部分处理后的直方图显示森林凋落物碳密度数据趋于正态分布;图 1下部分的Q—Q图显示森林凋落物碳密度数据分布逐渐拉直,和期望正态线基本一致。
浙江省森林凋落物碳密度数据经过异常值处理后服从正态分布,选择ArcGIS 9.2地统计模块常见模型进行对比分析,并选取标准平均值和标准均方根预测误差作为最优插值模型判断标准(Franklin et al.,2003)。评价依据为:标准平均值越接近于0,标准均方根预测误差越接近于1,模型的拟合情况越好(汤国安等,2006),即标准平均值与标准均方根预测误差比值(MS/RMSS)越小,模型拟合越好。表 2的数据显示,6个模型的标准平均值与标准均方根预测误差的比值均差很小,表明这些数学模型拟合度均很好,都适合用于森林凋落物碳密度空间变异特征分析,本研究采用拟合度更高的指数模型(Exponential)来研究浙江省森林凋落物碳密度空间变异特征。
图 2为浙江省森林凋落物碳密度指数模型半变异函数。X轴为变程(km),表示半变异函数变量之间的间隔距离,能够反映森林凋落物碳密度的空间变化趋势;Y轴为基台值(Sill),表示森林凋落物碳密度半变异函数随着样点间距离的增大,从非零值达到一个相对稳定常数值。基于ArcGIS 9.2的地统计模块分析得到: Sill(基台值)为0.71、Range(变程)为42.69 km、 Nugget(块金值)为0.44。
当变量之间的距离大于变程时,变量之间相互独立;当变量之间的距离小于变程时,说明二者之间存在空间相关性(凌华等,2009)。本研究采用12 km×6 km网格获取森林样地,从图 2可以看出,森林凋落物碳密度变程为42.69 km,明显大于网格布点距离,森林凋落物碳密度之间存在空间相关性。块金值是变异函数位于原点的值,一般表示系统内随机因素引起的变异,其值越大就表示某一随机因素在系统内的影响不可忽略(刘湘南等,2005)。从图 2可以看出,森林凋落物碳密度半变异函数的初始值位于Y轴近上端,为0.44,表示随机因素的影响明显。块金值和基台值的比值(Nugget/Sill)表示随机部分引起的空间异质性占系统总变异的比例,称为基台效应(Hofmann et al.,2010)。从地统计学结构性因素角度来看,Nugget/Sill值可以表明变量的空间相关性程度,如果Nugget/Sill<25%,说明变量具有强烈的空间相关性;如果25%<Nugget/Sill<75%,说明变量具有中等的空间相关性;如果Nugget/Sill>75%,说明变量空间相关性很弱(Zhao et al.,2010)。数据显示,浙江省森林凋落物碳密度半变异函数的基台值为0.71、块金值为0.44,其半变异函数的基台效应值为62.75%,属于中等空间自相关性。结果表明,浙江省森林凋落物碳密度受随机因素的影响,不同固定样地之间具有较强的空间关系,现有的12 km×6 km网格布点能较好地揭示浙江省森林凋落物碳密度空间分布规律。
3.4 浙江省森林凋落物碳密度空间变异森林凋落物碳密度空间变异主要取决于植被类型(刘刚等,2010)和年龄,同时也与气候(袁位高等,2009)、地形(王绍强等,1999)及人类活动等因素有关。
浙江省森林凋落物碳密度空间分布总体表现为高低值成片相间,块状或破碎状分布。西北地区的森林凋落物碳密度空间分布完整度高,大多呈高值块状分布,但在杭州地区的钱塘江流域出现零星碎斑,该地区森林凋落物碳密度为2 500~3 900 kg ·hm-2。浙江内陆森林凋落物碳密度较高的主要原因是森林植被保存较好。但该地区末端的钱塘江流域,是全省经济发达地区之一,地势低洼、水网密布,以平原地貌为主,具有典型的江南水乡风貌,森林资源分布较少,因此森林凋落物碳密度最低。据2005年浙江省森林资源清查报告显示,平原地区林地面积仅占全省林地面积的9.18%,故森林凋落物碳密度在该区域极小或基本为零,森林凋落物碳密度插值表现为碎斑型。
中部地区的森林凋落物碳密度空间分布完整度较高,但森林凋落物碳密度空间分布不均,在丽水和金华交界区域出现断裂,并呈低值块状分布,该地区森林凋落物碳密度为470~2 500 kg ·hm-2。舟山岛屿森林凋落物碳密度为1 700~2 000 kg ·hm-2。该地区森林凋落物碳密度空间变异的断裂带处于金衢盆地,是全省主要商品粮基地和多种经营方式的农业经济综合区,植被以经济作物为主,人类活动频繁,很难有凋落物的累积,森林凋落物碳密度插值表现为低值块状型。舟山岛屿地区森林凋落物碳密度较高的原因可能是内插过程中,某固定样地的森林凋落物碳密度比较高而使插值区域整体水平提高。
东南方向的森林凋落物碳密度空间分布多处断裂,完整度较低,原本森林覆盖率极高的丽水地区,其森林凋落物碳密度为470~2 000 kg ·hm-2。该地区的森林凋落物碳密度空间分布高值区在丽水、温州、台州交界处,位于雁荡山山脉附近,多成破碎状,森林凋落物碳密度为2 000~3 000 kg ·hm-2。该地区的沿海地区森林凋落物碳密度呈低值块状分布,其森林凋落物碳密度为470~1 200 kg ·hm-2。南部地貌以中低山为主,是全省森林资源最多和商品材生产量最大的林区,丰厚的经济利益驱使人们选择经济优势明显的林种代替原始林种,森林凋落物累积较少,从而影响森林凋落物碳密度空间分布。该地区森林凋落物碳密度高值出现在雁荡山山脉附近,这可能是雁荡山作为著名的旅游风景区,人为保护和管理使植被维护较好,有利于凋落物的累积。另外,温州、台州部分出现森林凋落物碳密度低值区,原因可能是沿海及浙东沿海区,由于台风、气温及人为扰动等环境因子影响,使森林生物量及群落生物量普遍较低,以至其凋落量较小(黄承才等,2005)。
浙江省森林凋落物碳密度空间分布还可能和浙江经济发展有关系,沿海地区城市扩张导致森林面积急剧减少,大规模的土地开发和经济作物的种植也影响凋落物量的累积,使森林凋落物碳密度分布存在空间异质性。
4 结论与讨论浙江省森林凋落物碳密度约为10.2~4 589.8kg·hm-2,均值约为1 627.1 kg·hm-2。森林凋落物碳密度变异系数值为0.54,具有中等变异性。
森林凋落物碳密度空间变异受制于植被类型、气候、地形及人类活动等因素的影响。浙江省森林凋落物碳密度空间分布呈现出由内陆至东南沿海下降的规律,其空间分布与山脉走势十分一致。凋落物碳密度的高值区出现在丽水、温州、台州交界处的雁荡山山脉(2 000~3 000 kg·hm-2)和杭州地区的钱塘江流域的零星碎斑(2 500~3 900 kg ·hm-2),而低值出现在钱塘江流的末端。
本研究得到的浙江省森林凋落物碳密度均值为1 627.1 kg·hm-2,显著高于2009年浙江省森林植被凋落物碳密度估算值(706.2 kg ·hm-2),主要原因可能是地貌差异引起。因此建议下一步应当通过网格和浙江省地形图相结合的方法,通过更加精确的布点方式来估算浙江省森林凋落物碳储量。
[1] | 常宗强, 冯 起,司建华,等. 2007. 祁连山不同植被类型残体碳库贮量研究.山地学报,25(6): 714-720.(1) |
[2] | 方精云,陈安平. 2001.中国森林植被碳库的动态变化及其意义.植物学报,43(9): 967-973.(1) |
[3] | 侯景儒,郭光裕. 1993.矿床统计预测及地质统计学的理论与应用. 北京: 冶金工业出版社, 45-49.(1) |
[4] | 黄承才,葛 滢,朱锦茹,等. 2005. 浙江省马尾松生态公益林凋落物与群落特征关系. 生态学报,25 (10): 2507-2513.(1) |
[5] | 雷能忠,王心源,蒋锦刚,等. 2008. 不同地形与取样数的Kriging插值精度对比研究——以舒城县土壤全氮空间分异为例. 水文地质工程地质,35(5): 86-91.(1) |
[6] | 李海奎,雷渊才,曾伟生.2011.基于森林清查资料的中国森林植被碳储量.林业科学,47(7): 7-12.(1) |
[7] | 李 梅,张学雷. 2011. 基于GIS的农田土壤肥力评价及其与土体构型的关系. 应用生态学报,22(1): 129-136.(1) |
[8] | 凌 华,陈光水, 陈志勤. 2009. 中国森林凋落物量的影响因素. 亚热带资源与环境学报, 4(4): 66-71.(1) |
[9] | 刘 刚,朱剑云,叶永昌,等. 2010. 东莞主要森林群落凋落物碳储量及其空间分布. 山地学报,28(1): 69-75.(2) |
[10] | 刘湘南,黄 方,王 平,等. 2005. GIS空间分析原理与方法. 北京: 科学出版社,205.(1) |
[11] | 汤国安,杨 昕. 2006. ArcGIS地理信息系统空间分析实验教程. 北京: 科学出版社,356.(2) |
[12] | 王贵政. 2010. 基于GIS技术的土壤养分空间分布分析及应用.中国农学通报,26(10): 187-191.(1) |
[13] | 王绍强,周成虎,罗承文. 1999. 中国陆地自然植被碳量空间分布特征探讨. 地理科学进展,18(3): 238-244.(1) |
[14] | 徐建华. 2006.计量地理学. 北京: 高等教育出版社,38-139.(2) |
[15] | 薛 薇. 2011.基于SPSS的数据分析.北京: 中国人民大学出版社,106-109.(1) |
[16] | 杨万勤,邓仁菊,张 健. 2007.森林凋落物分解及其对全球气候变化的响应.应用生态学报,18(12): 2889-2895.(1) |
[17] | 杨玉盛,郭剑芬,林 鹏,等. 2004. 格氏栲天然林与人工林枯枝落叶层碳库及养分库.生态学报,24(2): 357-361.(1) |
[18] | 袁位高,沈爱华,江 波,等. 2009. 浙江省常绿阔叶林凋落物特征研究. 浙江林业科技,29(3): 1-4..(2) |
[19] | 浙江省林业局. 2006.浙江省林业自然资源——森林卷. 北京: 中国农业科学技术出版社,5-9.(1) |
[20] | 张 峰, 杜 群, 葛宏立,等. 2012. 基于地统计学和CFI样地的浙江省森林碳空间分布研究. 生态学报,32(16): 5275-5286.(1) |
[21] | 张朝生,章 申,张立成,等.1995.长江水系河流沉积物重金属元素含量的计算方法研究.环境科学学报,15(3):257-264.(1) |
[22] | 周玉荣, 于振良, 赵士洞. 2000. 我国主要森林生态系统碳贮量和碳平衡. 植物生态学报,24(5): 518-522.(1) |
[23] | Franklin R B,Mills A L. 2003.Multi-scale variation in spatial heterogeneity for microbial community structure in an eastern Virginia agricultural field.FEMS Microbiology Ecology,44(3): 335-346.(1) |
[24] | Hofmann T,Darsowa A,Schafmeister M T. 2010.Importance of the nugget effect in variography on modeling zinc leaching from a contaminated site using simulated annealing.Journal of Hydrology,389(2): 78-89.(1) |
[25] | Krause S,Lüke C,Frenzel P. 2009.Spatial heterogeneity of methanotrophs: a geostatistical analysis of pmoA-based T-RFLP patterns in a paddy soil. Environmental Microbiology Reports,1(5): 393-397.(1) |
[26] | Li B G,Cao J,Liu W X, et al. 2006.Geostatistical analysis and kriging of hexachlorocyclohexane residues in topsoil from Tianjin,China.Environmental Pollution,142(3): 567-575.(1) |
[27] | Powers M,Kolka R,Palik B,et al. 2011. Long-term management impacts on carbon storage in Lake States forests. Forest Ecology and Management,262(3): 424-431.(1) |
[28] | Saura-Mas S,Estiarte M,Peñuelas J,et al. 2012.Effects of climate change on leaf litter decomposition across post-fire plant regenerative groups. Environmental and Experimental Botany,77: 274-28.(1) |
[29] | Zhao K L,Liu X M,Xu J M,et al. 2010.Heavy metal contaminations in a soil-rice system: identification of spatial dependence in relation to soil properties of paddy fields.Journal of Hazardous Materials,181(1): 778-787.(1) |
[30] | Zhang C S,Luo L,Xu W L,et al. 2008.Use of local Moran's I and GIS to identify pollution hotspots of Pb in urban soils of Galway,Ireland.Science of the Total Environment,398(1/3): 212-221.(1) |
[31] | Zhang X Y,Sui Y Y,Zhang X D,et al. 2007.Spatial variability of nutrient properties in black soil of northeast,China.Pedosphere,17(1): 19-29.(1) |