卿東升,張 江,李建軍,彭進香,劉 帥

(1.中南林業(yè)科技大學,長沙 410000;2.湖南應(yīng)用技術(shù)學院,湖南 常德 415000;3.南方林業(yè)生態(tài)應(yīng)用技術(shù)國家工程實驗室,長沙 410000)

森林生態(tài)系統(tǒng)具有改善人類居住環(huán)境、提供資源、提供棲息地、防風固沙、涵養(yǎng)水源、保持水土、制造氧氣及碳匯等功能,被譽為“地球之肺”。森林是人類及其它動物、微生物賴以生存、不可或缺的環(huán)境基礎(chǔ)[1-4]。有研究表明,林分空間結(jié)構(gòu)不僅僅會影響林木自身的生長,同時也會對林分中其它生物的生存環(huán)境造成影響,林分空間結(jié)構(gòu)在很大程度上影響著林分生長、發(fā)育和穩(wěn)定性[5-7]。從研究進展來看,國內(nèi)外關(guān)于森林空間結(jié)構(gòu)的研究并不多[8]。近百年以來,全球氣候總體呈持續(xù)變暖的趨勢明顯[9]。工業(yè)時代之后,人類對森林的干預(yù)頻率更高、程度更深,因而,有必要科學地研究林木在空間關(guān)系上的問題。

根據(jù)研究進展,混交度最早是由Von等[10]提出。2008年,湯孟平、胡艷波、惠剛盈等[11-15]學者對混交度的表述、量化等問題的解決方案做了改進,認為混交度表示對象木的最近鄰木中與對象木不屬同種的個體所占的比例,用來描述林分樹種相互隔離程度的指數(shù)。一般來說,混交度包括簡單混交度、樹種多樣性混交度和物種空間狀態(tài),是林分空間結(jié)構(gòu)的重要評價指標之一?；旖欢仍谝欢ǔ潭壬峡梢苑从硺浞N的多樣性,相關(guān)文獻表明,林分內(nèi)樹種數(shù)量越多,生物多樣性就越高,林分抵御病蟲害的韌性越強,林分越穩(wěn)定[16-19]。此外,還有研究者提出了物種多樣性和混交度之間關(guān)系的量化方法[13,18,30],表明基于空間關(guān)系上的樹種多樣性指標正在逐漸被研究人員所認可和重視。

從林分空間關(guān)系的角度上看,無論使用哪一種混交度的量化方法,如何選取相鄰木是混交度量化中所面臨的關(guān)鍵問題[20]。根據(jù)研究進展可知,目前關(guān)于林分空間關(guān)系中相鄰木選取的方法主要有以下3種方法:基于“1+4”最鄰近相鄰木[14,20],基于半徑R圓的方法[21-22]及基于Voronoi圖確定相鄰木的方法[24-26]。但不同的選取策略是否會導(dǎo)致對象木相鄰木的數(shù)量、位置及類別均存在差異,進而影響混交度的量化結(jié)果。到目前為止,盡管有研究者應(yīng)用這幾種相鄰木選擇方案求解了相關(guān)林木空間關(guān)系的問題,但這3種相鄰木的選擇方案在不同林分類型中相鄰木的差異性如何尚不完全清楚。為了研究林分混交度在不同相鄰木選擇方案下的異同點,文中從聚集分布林分、隨機分布林分、均勻分布林分及稀疏分布林分的角度上設(shè)置了31塊樣地,研究這3種方案在求解不同林分類型混交度的差異性及相關(guān)性,為林分空間關(guān)系量化問題提供參考。

1 研究區(qū)域和數(shù)據(jù)來源

研究區(qū)設(shè)定在南洞庭湖區(qū)(北緯27°39′～28°41′,東經(jīng)112°18′～113°14′),南洞庭湖區(qū)的植被區(qū)劃屬中亞熱帶北部常綠闊葉林地帶,湖區(qū)地理環(huán)境優(yōu)越,地貌類型多樣,氣候溫和濕潤,土壤種類繁多,境內(nèi)動、植物資源豐富,具有多重利用價值,是支持國民經(jīng)濟建設(shè)的重要自然資源,該地區(qū)混交林較多。根據(jù)標準調(diào)查方法,對樣地中胸徑大于2cm的林木進行了統(tǒng)計,紀錄其分布位置及樹種類型。

2 研究方法

2.1 樣地設(shè)置

文中共設(shè)置了31塊樣地,其中調(diào)研樣地22塊,模擬樣地9塊,分為聚集分布、隨機分布、稀疏分布及均勻分布林分類型,主要的樹種為紅楓(Acerpalmatum′Atropurpureum′)、羅漢松(Podocarpusmacr-ophyllus(Thunb.) D.Don)、馬尾松(PinusmassonianaLamb.)、梧桐(Firmianasimplex(Linnaeus) W.Wight)及香椿(Toonasinensis(A.Juss.) Roem.)組成的混交林,各樣地樹種狀況如表1所示。

表1 樣地大小及林木株數(shù)

2.2 研究方法

1)混交度量化方法。文中選用的混交度計算公式[14]為：

(1)

式中:Mi表示林分空間結(jié)構(gòu)中對象林木i的混交度,vij是混交度的取值變量,當對象林木i與相鄰木j為同種林木時,vij=0,而當對象林木i與相鄰木j為不同種林木時,vij=1,n是對象木i的相鄰木株數(shù)。

Mi的取值在[0,1]之間,一般可以使用單株林木混交度的均值來表示林分混交度

(2)

式中:N為研究區(qū)域內(nèi)的總林木株數(shù),Mi為第i株林木的混交度。

林分的混交度值也在[0,1]的范圍之內(nèi),若取值為0,則為0混交,說明為純林；若取值為1,表示極強度混交。林分混交度是林分空間結(jié)構(gòu)中反映多樹種多樣性的重要指標,一般認為,林分混交度值越大,林分越穩(wěn)定。

2)邊緣校正。由于靠近邊界的林木無法獲取其完整的相鄰林木分布狀況,需對樣地的邊緣進行校正。文中采用緩沖區(qū)法[25],只有核心區(qū)的林木才是目標樹,而緩沖區(qū)域的林木僅作為核心區(qū)目標樹的相鄰木,文中設(shè)定距離各邊界為0.5m的區(qū)域為樣地的緩沖區(qū)。

3)半徑R值及基于Voronoi 圖相鄰木。文中半徑R的值按Daniels[22]的要求取值為R=3.05m,基于Voronoi圖相鄰木的由樹木點位置構(gòu)建Voronoi 圖和Delaunay三角網(wǎng)確定對象木的最近鄰木數(shù)[27],例如,隨機分布樣地BM1半徑R的設(shè)定及構(gòu)建的Voronoi 圖和Delaunay三角網(wǎng)如圖1及圖2所示。

圖1 半徑R的設(shè)定

圖2 Voronoi圖及Delaunay三角網(wǎng)

3 結(jié)果與分析

3.1 聚集分布林分

為了方便分析,文中將每個樣地中的林木映射至二維平面中,聚集分布林分(AM1—AM9)情況如圖3所示。

圖3 聚集分布樣地林分基本分布圖

表2 樣地AM1—AM9在不同選擇方案下相鄰木數(shù)量及平均混交度

實驗表明,在聚集分布的林分中,不同方案選取相鄰木的數(shù)量及林分混交度值存在差異,但差異性較小。在9個樣地中,對象木在基于半徑R圓的方案下求得的最大相鄰木數(shù)量為20株,平均相鄰木數(shù)為7株,林分平均混交度值為0.58；在基于Voronoi圖的方案下求得的最大相鄰木數(shù)量為10株,平均相鄰木數(shù)為6株,林分平均混交度值為0.57；在基于“1+4”最鄰近的方案下求得的相鄰木數(shù)量均為4株,其林分平均混交度值為0.56。從總體上看,在聚集分布林分中,相鄰木的數(shù)量從范圍、平均值及林分平均混交度值上均有基于半徑R圓>基于Voronoi圖>基于“1+4”最鄰近相鄰木。

3.2 隨機分布林分

隨機分布樣地林分(BM1—BM9)基本分布情況如圖4所示。

圖4 隨機分布樣地林分基本分布圖

表3 樣地BM1—BM9在不同選擇方案下相鄰木數(shù)量及平均混交度

在隨機分布BM1—BM9的樣地林分中,對象木在基于半徑R圓的方案下求得的最大相鄰木數(shù)量為13株,平均相鄰木的株數(shù)為4株,林分平均混交度值為0.68；在基于Voronoi圖的方案下求得的相鄰木最大數(shù)量為9株,平均相鄰木的株數(shù)為6株,林分平均混交度值為0.71；在基于“1+4”最鄰近的相鄰木選擇方案中,相鄰木的數(shù)量均為4株,林分平均混交度值也為0.71。從總體上看,在隨機分布的林分中,從相鄰木數(shù)量范圍的角度上看,有基于半徑R圓>基于Voronoi圖>基于“1+4”最鄰近相鄰木。從林分平均相鄰木數(shù)量的角度上看,有基于Voronoi圖>基于半徑R圓=基于“1+4”最鄰近相鄰木；而在林分平均混交度上有基于“1+4”最鄰近相鄰木=基于Voronoi圖>基于半徑R圓。

3.3 均勻分布林分

均勻分布樣林分(CM1—CM4)基本分布情況如圖5所示。

表4 樣地CM1—CM4在不同選擇方案下相鄰木數(shù)量及平均混交度

在均勻分布樣地CM1—CM4中,三種方案求得林分的平均混交度接近,為0.5左右。在相鄰木的數(shù)量上,基于Voronoi圖的平均相鄰木數(shù)量相比其它兩種方案多；在最少相鄰木數(shù)量上,基于半徑R圓和基于Voronoi圖的求解結(jié)果一致,而在最大相鄰木數(shù)量上,基于“1+4”最鄰近相鄰木與基于半徑R圓的求解結(jié)果一致。

3.4 稀疏分布林分

稀疏分布樣地林分(DM1—DM9)基本分布情況如圖6所示。

圖6 均勻分布樣地林分基本分布圖

在稀疏分布樣地DM1—DM9中,由于林木之間分布稀疏,方案基于半徑R圓求得的平均相鄰木數(shù)量為1株,林分平均混交度的值為0.44,比基于“1+4”最鄰近相鄰木和基于Voronoi圖所求解的結(jié)果都要小,可見,該方案在稀疏分布林分中的求解有一定的局限性。此外,根據(jù)實驗結(jié)果,基于Voronoi圖的求解方案在平均相鄰木的數(shù)量及林分平均混交度的求解結(jié)果上與方案基于“1+4”最鄰近的求解結(jié)果一致。

表5 樣地DM1—DM9在不同選擇方案下相鄰木數(shù)量及平均混交度

4 討論

4.1 不同方案下林分平均相鄰木數(shù)和平均混交度差異性

從總體林分平均混交度的角度上看,文中實驗樣地除了稀疏分布中基于半徑R圓(R=3.05m)的相鄰木的選擇方案平均林分混交度值偏低之外,其它幾種類(聚集分布林木、均勻分布林分及隨機林木林分)的林分所求的林分混交度值的差別均不大,說明相關(guān)文獻比如湯孟平等[24],惠剛盈等[15],Sannikova等[23],曹小玉等[28],李建軍等[29],趙中華等[30]在求林分平均混交度時使用基于“1+4”最鄰近相鄰木、基于半徑R圓(R=3.05m)及基于Voronoi圖的方案是合適的。

不同的相鄰木選取方案會導(dǎo)致相鄰木n的取值存在差異,為當對象木的相鄰木n取值過大時,可能把非最近鄰木也納入計算范圍,n取值過小時不能兼顧對象木周圍最近鄰木的所有可能情形,這2種狀況都將導(dǎo)致混交度的有偏估計[11,26,31]。對于此類情況,林分的平均相鄰木數(shù)量如何變化？根據(jù)實驗結(jié)果可知,在聚集分布林分中,使用基于“1+4”最鄰近相鄰木求得的林分平均相鄰木數(shù)量為4株,使用基于半徑R圓(R=3.05m)求得的平均相鄰木數(shù)量為7株、用基于Voronoi圖求得的平均相鄰木數(shù)量為6株；在隨機分布林分中各方案下平均相鄰木數(shù)量分別為4,4,6株,在均勻分布林分中各方案下平均相鄰木數(shù)量分別為4,3,5株,在稀疏林分中各方案下平均相鄰木數(shù)量分別4,1,4株,稀疏分布林分中基于半徑R圓求得的平均相鄰木數(shù)量與其它兩種方案差別較大。

4.2 不同方案單株林木混交度的差異性

單株林木的混交度值在不同的相鄰木選擇方案下可能會存在差異[25]。在求解單株林木混交度時,大部分的文獻直接使用了基于“1+4”最鄰近相鄰木、基于半徑R圓或者基于Voronoi圖方案中的一種,并未考慮相關(guān)的林分類型[32-34]。事實上,對于單株林木而言,不同的林分類型對不同的相鄰木選擇方案的響應(yīng)并不一致,不同相鄰木選擇方案適合哪種林分類型及不同相鄰木選擇方案之間是否具有相關(guān)性是值得探討的問題,本研究在不同的林分類型中對3種方案求解單株林木混交度的相關(guān)性進行了擬合,其平均相關(guān)性如表6所示。

表6 不同林分類型在不同相鄰木選擇方案的平均相關(guān)性

由表6可知,在聚集分布的林分中,基于“1+4”最鄰近相鄰木與基于Voronoi圖的平均相關(guān)系數(shù)R2的值最大,其值為0.71,基于半徑R圓與基于Voronoi圖的平均相關(guān)系數(shù)R2的值最小,其值為0.62；在隨機分布的林分中,基于“1+4”最鄰近相鄰木與基于Voronoi圖的平均相關(guān)系數(shù)R2的值最大,其值為0.62,基于半徑R圓與基于Voronoi圖的平均相關(guān)系數(shù)R2的值最小,其值為0.37；在均勻分布的林分中,基于“1+4”最鄰近相鄰木與基于Voronoi圖的平均相關(guān)系數(shù)R2的值最大,其值為0.81,基于半徑R圓與基于Voronoi圖的平均相關(guān)系數(shù)R2的值最小,其值為0.71；在稀疏分布的林分中,基于“1+4”最鄰近相鄰木與基于Voronoi圖的平均相關(guān)系數(shù)R2的值最大,其值為0.61,基于半徑R圓與基于Voronoi圖的平均相關(guān)系數(shù)R2的值最小,其值為0.16。以上表明,無論在聚集分布、均勻分布、隨機分布及稀疏分布的林分中,基于“1+4”最鄰近相鄰木與基于Voronoi圖這兩種相鄰選取方案求解林木混交度的結(jié)果都比較接近,而基于半徑R圓與基于Voronoi圖的相鄰選取方案差別相對較大。此外,對于不同類型的林分而言,在均勻分布的林分中3種相鄰木選擇方案求解林木混交度結(jié)果的一致性優(yōu)于其它幾種類型的林分。

4.3 不同相鄰木選取方案優(yōu)缺點分析

林木混交度值取決于其與相鄰木之間的關(guān)系,在不同或者相同的類型林分中,不同相鄰木選取方案可能會導(dǎo)致對象林木的相鄰木在數(shù)量和位置上均存在差異?；凇?+4”最鄰近相鄰木的相鄰木選擇方案設(shè)計簡單,能清晰反映對象木與其周圍4株最鄰近相鄰木之間的關(guān)系,但其取值僅僅局限在[0,0.25,0.5,0.75,1]這幾個值中。此外,在聚集或者稀疏林分中,對象木相鄰木的取值可能會有誤差?；赩oronoi圖的相鄰木選擇方案以泰森多變形的邊作為相鄰木,能比較全面地反映相鄰木的數(shù)量,但在稀疏林分中,對象木的相鄰木數(shù)量會偏大,如何合理地進行邊緣矯正也是難點問題。基于半徑R的圓從理論上來說能全面反映不同森林類型中相鄰木的數(shù)量,但如何確定R的值是難點,且相鄰木數(shù)量對半徑R的取值敏感。

5 結(jié)論

從總體林分平均混交度的角度上看,實驗樣地中除了稀疏分布林分中基于半徑R圓(R=3.05m)的相鄰木的選擇方案下林分平均混交度值偏低之外,其它幾種類(聚集分布林分、均勻分布林分及隨機分布林分)的林分在不同相鄰木選取方案下求得的林分平均混交度值的差別較小。若從單株林木上看,不同的相鄰木選擇方案在不同林分類型中存在差異,在聚集林分中,基于“1+4”最鄰近相鄰木選擇方案會導(dǎo)致對象木的相鄰木數(shù)量偏少,而在稀疏分布林分中,使用基于“1+4”最鄰近相鄰木及基于Voronoi圖相鄰木選擇方案會導(dǎo)致對象木的相鄰木數(shù)量偏大。基于半徑R圓的相鄰木選擇方案從理論上來說最能全面反映對象木與相鄰木之間在空間上的關(guān)系,但對象木的相鄰木對半徑R的值較為敏感,如何確定R的值是難點問題。從不同相鄰木選擇方案的相關(guān)性上看,無論在聚集分布、均勻分布、隨機分布及稀疏分布的林分中,基于“1+4”最鄰近相鄰木與基于Voronoi圖這兩種相鄰選取方案求解林木混交度的結(jié)果都比較接近,而基于半徑R圓與基于Voronoi圖的相鄰選取方案差別相對較大。此外,對于不同類型的林分而言,三種相鄰木選擇方案求解均勻分布林分結(jié)果的一致性優(yōu)于其它幾種類型的林分。

綜上所述,對于隨機分布林分而言,基于Voronoi圖與基于“1+4”最鄰近相鄰木可以優(yōu)先考慮作為求解單株林木的混交度問題的解決方案；對于聚集分布林分而言,基于Voronoi圖與基于半徑R圓可以優(yōu)先考慮作為求解單株林木混交度問題的解決方案；對于均分分布林分而言,可以根據(jù)實驗樣地林分分布的特點選擇一種合適的相鄰木選擇方案；對于稀疏林分而言,可以選用基于半徑R圓作為其求解方案。此外,如何對不完整的Voronoi圖進行合理糾正也是難點問題,為了降低相鄰木選取誤差,對于基于“1+4”最鄰近相鄰木及基于Voronoi圖的相鄰木選擇方案,還應(yīng)該根據(jù)樣地大小設(shè)定相應(yīng)的相鄰木與對象林木距離的最大閾值。