森林干扰因素文献综述（论文推荐森林健康评价及其多尺度转换方法）

原创 董灵波等 南京林业大学学报

论文推荐

森林健康评价及其多尺度转换方法

董灵波，刘兆刚*

东北林业大学林学院，森林生态系统可持续经营教育部重点实验室。

随着森林经营理念的提升，森林健康也由早期的有无病虫害、火灾等评价指标，逐渐发展到如何维持森林生态系统的持续发展能力和良好恢复力的层面。因此，定量诊断和评价森林健康，既是深入理解森林衰退、演替和健康调控机制的关键，也是有针对性地开展森林健康经营的基础。

森林健康状况是森林生态系统中各种林分结构、地形特征以及干扰过程的外在体现。目前， 国内外学者已经从多个尺度上对森林健康进行了大量研究，涉及的数据源、评价方法、评价指标等各不相同。区域尺度主要关注自然环 境、森林结构、社会因素和经济因素等，景观尺度主要关注景观结构、功能、格局和过程等信息，通常采用景观格局指数来度量，林分尺度则关注林分（或小班）完整性、稳定性和可持续性等方面，而单木尺度则更多关注林木根部、干形、树冠等特征要素，但此类研究现阶段还多集中于某个单一尺度。而森林是一个具有明显层级结构的复杂系统，因此单一尺度的评价结果难以全面 揭示森林生态系统整体的健康水平，多尺度耦合评价是解决这一问题的重要途径。

现阶段，国内外学者已经开展了森林生态系统 的多尺度耦合评价研究，如张国帧等、陈望雄采用多层综合模糊评价法实现从林分、景观到区域的多尺度耦合评价；朱宇、姜孟竹等采用综合指数法实现了大兴安岭天然兴安落叶松林单木和林分尺度的耦合评价。这些研究虽然在一定程度上促进了人们对森林生态系统多尺度健康状况的综合认识，但由于所采用的评价方法均较为主观，因此评价结果会存在一定偏差。

树冠特征不仅直接影响林木光合、呼吸等一系列生理活动，同时也会间接影响林木的健康状况，因此开展基于单木树冠特征的健康评价正成为当前国内外森林健康研究的热点和难点。目前，有关专家已先后将美国国家森林健康监测(forest health monitoring，FHM)计划中的树冠调查指标拓展到不同区域的单木健康评价中,均取得了较好效果,但这类指标普遍存在定义抽象且野外调查难度高、工作量大等问题,同时调查结果也仅局限于样本点或样本区域,难以推广到区域尺度上。因此,如何将样本点或样本区域的单木健康调查结果推广到林分或区域尺度上是一个亟待解决的关键问题。

大兴安岭林区不仅是我国重要的木材生产基地,也是我国重要的生态屏障区。但由于受长期过度采伐以及重造林、轻抚育等经营理念的影响,该地区森林资源的数量和质量已经发生了严重退化，形成大面积的过伐林和次生林。为此,本期论文推荐的作者研究以大兴安岭盘古林场51块固定样地和森林资源二类调查数据为基础,尝试采用统计学方法建立林分尺度健康综合评价模型,进而实现森林生态系统健康评价从单木、林分到区域的尺度转换,为该地区森林健康经营提供理论依据和技术支撑。

下面跟学报君一探究竟！

作者简介

通讯作者

刘兆刚，东北林业大学农学博士，教授（三级），博士生导师，森林资源管理系主任，中国系统工程学会林业系统工程委员会副主任委员，中国林学会森林经理分会理事。主要研究方向：森林经理、森林经营规划、林分生长与可视化模拟。主持或参加省部级科研项目16项，专著1部，参编著作4部。获教育部科技进步二等奖2项， 梁希林业科学技术奖二等奖1项,黑龙江省科技进步三等奖1项,黑龙江省高校教学成果二等奖1项。申请计算机软件著作权6项，在国内外核心期刊发表论文50余篇。

第一作者

董灵波，东北林业大学，林学院、副教授。主要研究森林多目标经营规划理论与技术，主持“十三五”重点研发计划专项任务、国家自然科学基金、中央高校基本科研业务专项、东北林业大学“双一流”人才引进项目等8项，参与省部级课题10项；以第一作者发表学术论文31篇，其中SCI收录12篇、A 收录15篇；先后获得“领跑者5000”中国精品科技期刊顶尖学术论文（2017）、梁希优秀青年论文（2014、2016）。

关键词：健康评价；尺度转换；森林冠层；度量误差模型；空间分布

基金项目：国家自然科学基金项目(31700562)。

引文格式：董灵波,刘兆刚.森林健康评价及其多尺度转换方法[J].南京林业大学学报(自然科学版),2021,45(3):206-216.DONG LB,LIU ZG.Forest health assessments and muli-scale conversion methods[J]. Journal of Nanjing Forestry University (Natural Sciences Edition ),2021,45(3):206-216.DOI:10.12302/j.issn.1000-2006.201911007.

1目的

森林生态系统具有明显的层级结构,如何将样本点或样本区健康评价结果推广到区域尺度上是一个亟待解决的关键问题。为此,本研究尝试采用统计学方法实现森林健康评价结果在单木、林分和区域尺度间的转换,为森林健康经营提供理论依据和技术支撑。

2方法

以大兴安岭地区盘古林场51块样地和森林资源二类调查数据为基础,采用嫡值-AHP法构造单木尺度健康评模型,并汇总得到林分尺度健康评价结果,即平均值(Hₘ)、标准差(Hₛₜd)、变异系数(Hcv）、偏度(Hₚd)和峰度(Hfd),进而采用度量误差模型建立林分尺度健康综合评价模型。最后,借助所建模型和森林资源二类调查数据以及DEM数据进行区域尺度森林健康得分空间分布制图,并分析其空间分布规律。

2.1 试验材料

大兴安岭塔河林业局盘古林场(123°51'57"E，52°41'57"N)经营面积15.2 万hm²,森林覆盖率达

88.9%;全区地势较为平缓,平均海拔700 m,坡度多在10°以下;年平均气温-5 ℃,年均降水量520mm,积雪期长达5个月,植被生长季相对较短;土壤以棕色针叶林土为主,此外还有少量沼泽土、泥炭土等。兴安落叶松为该区森林群落的优势种和建群种，其伴生树种主要包括白桦、山杨、红皮云杉和樟子松等。

研究数据包括固定样地调查数据和森林资源二类调查数据两部分。固定样地数据为2011—2013年在该地区不同立地、不同林龄、不同密度的典型林分中设置的51块样地(图1)。样地面积一般为0.06 hm²,但依据不同生境特征和试验目的(如密度控制、结构优化等)有所差别,其中最小为0.05 hm²,最大为1.00 hm²。记录各样地基本地形(坐标、坡度、坡向、坡位和海拔等)和林分(起源、郁闭度等)因子;对样地中所有胸径≥5 cm的乔木进行检尺，记录其树种、胸径、树高、冠幅、活枝高、坐标、状态（是否存活、是否遭受火灾、病虫害）等传统指标。各样地调查因子基本统计特征见表1。

▲图 1 研究区域森林类型及固定样地分布图

▼表 1 样地调查因子统计特征

除此之外,根据美国国家森林健康监测( forest health monitoring，FHM)计划中关于单木健康调查的技术标准,目视判断各样地中每株树木的根部状态、树冠落叶程度、树冠透视度、树冠重叠程度和树冠枯梢度5项指标。

森林资源二类调查数据采用该地区2008年的调查成果,具体包括6 421个小班的属性和矢量数据,其中有林地小班6141个。根据研究区域DEM数据和各小班质心坐标,在ArcMap 10.2中分别提取对应小班的海拔、坡度、坡位和坡向信息,其中对坡位和坡向以等级制表示(图2)。

▲图 2 坡向等级划分示意图

▲兴安落叶松林调查样地

▲白桦林调查样地

2.2 研究方法

森林健康评价包括3个过程,即单木尺度、林分尺度和区域尺度(图3)。首先,基于各林分单木健康和常规调查指标,采用嫡值-AHP综合赋权法构造单木尺度健康评模型,并进行单木尺度健康评价;其次,各样地由单木健康评价结果汇总得到林分尺度健康得分各项统计指标,即平均值(Hₘ）、标准差(Hₛₜd)、变异系数(Hcv)、偏度(Hₚd）和峰度(Hfd）,以此作为林分尺度的健康评价结果;然后，采用相关性分析和逐步回归提取影响林分尺度健康得分的关键林分变量,进而采用度量误差模型建立林分尺度健康评价模型;最后,借助所建模型和区域森林资源二类调查数据以及DEM数据,在ArcMap 10.2中进行区域尺度森林健康得分空间分布制图,分析其空间分布规律。

▲图 3 森林健康评价流程图

3结果

所建林分尺度健康综合评价模型的预估精度相对较高,Hₘ、Hₛₜd、Hcv、Hₚd和Hfd预测模型的确定系数R²分别达到0.464 3、0.305 6、0.909 6、0.2981和0.448 5,能够基本满足森林健康评价的需求;单木、林分和区域尺度评价结果均表明该地区森林整体处于亚健康水平,其中林分因子(树高、优势高、树种数量、株树密度、断面积和单位蓄积)和地形因子(海拔、坡度、坡位)共同影响林分健康得分及其分布情况;林场森林健康得分平均值(Hₘ)为0.6234,整体处于亚健康水平;各评价指标均具有明显的空间分布趋势,其中Hₘ、Hcv、Hₚd和Hfd较大的区域主要集中在林场北部且靠近居民点和交通便利的地区,而在南部偏远地区则普遍较低,但Hₛₜd的空间分布格局则完全相反,表明适当的森林经营有助于提升森林的健康水平。

3.1 单木尺度健康评价

51块样地中单木健康得分的平均值为0.663 8,标准差为0.0912,变异系数为13.74%,表明该地区单木整体处于亚健康水平(图4);但不同树种健康得分平均值间均存在显著差异(P<0.05),其中云杉健康水平最高(0.703 3土0.093 9),其次为白桦(0.672 0±0.0838),而樟子松最低(0.560 8±0.123 9);此外,各树种间不同健康等级树木的分配格局也显著不同,其中白桦健康和亚健康林木占总样木比例最高（96.74%)，其次为云杉(96.02%),而樟子松最低(71.08%)。各林分间不同健康等级林木的分配格局也不一致,其中健康林木株数比例大于50%的林分仅有4个(7.84%),而健康和亚健康林木合计株数比例大于80%的林分则高达44个(96.08%),表明多数林分中健康和亚健康林木占优势。

▲图 4 各树种健康得分平均值及健康等级分配格局

注：不同小写字母表示不同树种间健康得分差异显著（P＜0.05）。

3.2 林分尺度健康评价

林分尺度健康评价结果如表2 所示。

▼表 2 林分尺度健康评估结果及其各等级分配格局（部分）

可以看出,各林分健康得分Hₘ的平均值为0.6633土0.0510,其中样地P1、P2和P5均达到健康水平,而其余均为亚健康水平(94.12%);林分健康得分Hₛₜd的平均值为0.084 1±0.0141,其中样地P4、P16、P24、P26和P35中树木健康得分的变异程度相对较大(即Hₛₜd>0.10);林分健康得分Hcv值均为[6.93，22.93],其平均值为12.8375±2.868 3;林分健康得分Hₚd均为负值,其平均值为-0.5971土0.308 9,表明所有林分中树木健康得分均呈明显的左偏分布,即林分中健康和亚健康林木占优势;林分健康得分Hfd的平均值为0.8465 0.912 1,其中40个林分为正值(78.43%)、11个林分为负值( 21.57%);综合Hₚd和峰度Hfd来看,约78.43%的样地中树木健康得分呈明显的左偏尖削状正态分布,即林分中以健康和亚健康树木占优势,但健康树木株数比例低于亚健康水平的树木株数。

3.3 区域尺度健康评价

相关性分析结果表明,在153对因子间仅有43组达到显著水平,约占总体的28.10%(图5);在林分健康评价标准中,Hₘ与Hₛₜd的确定R²=-0.41,与Hcv的确定系数R²=-0.74,与Hₚd的确定系数R²=-0.28,以及Hₚd与Hfd的确定系数R²=-0.64,均显著负相关,而Hₛₜd与Hcv的确定系数R²=-0.86,呈显著正相关,表明不能将各变量单独进行建模。

▲图 5 林分健康得分统计特征与林分、地形因子间的关系

此外,Hₘ与NUM、SBA、VOL、PLG、ELE的确定系数R²分别为-0.35、-0.35、-0.35、-0.30和-0.34,均存在显著负相关关系,而Hₛₜd与NTS的(R²=0.39 ),Hₘ与SBA、VOL、NTS，Hₚd与DBH、HT、HDT、VOL、ELE的确定系数R²分别为0.26、0.28、0.31、0.32、0.26、0.28、0.32和0.34,均存在显著的正相关关系,表明用统计学方法建立林分尺度健康评价模型是可行的。

逐步归回结果表明,林分健康得分各变量预测模型均能通过α=0.05的F检验,且模型中各变量VIF值均显著小于5,表明所建模型具有一定的统计学意义(表3)。其中,Hₘ模型入选变量包括3个林分变量(SBA、HT和HDT)和3个地形变量(ELE、SLO和POS),模型的R²值为0.4652,RMSE和Bias值均相对较小,仅为其平均值的5.68%和4.34%;Hₛₜd模型入选变量较少,仅包括Hₘ、NUM、和ELE，其确定系数R值也可达到0.361 1,且RMSE和Bias分别为其平均值的8.80%和6.42%;Hcv模型的拟合效果明显较好(R²= 0.909 8),其不受任何林分和地形变量的影响;H模型拟合效果较其他模型略低,但其R²也可达到0.308 4,且.RMSE和Bias也仅相当于其平均值的30.88%和21.97%;森林健康得分Hₚd值除受Hₛₜd影响外,还受NUM、VOL、ELE和SLO的共同作用;Hfd模型主要受Hₚd和Hₘ以及林分(SBA和VOL)和地形(POS)变量的共同影响。上述结果进一步表明,林分尺度健康得分各项统计指标是一个相互关联的耦合系统,适宜采用度量误差模型求解。

▼表 3 林分尺度健康得分逐步回归模型及其拟合统计量

在上述模型基础上,进一步采用ForStat2.2软件中的度量误差联立方程组模块构造林分尺度健康得分综合评价模型(式6)。可以看出,度量误差模型的参数估计及拟合统计量均与传统逐步回归模型较为接近(表4),但其能够消除观测变量中误差对拟合结果的影响,同时也能实现各变量的联合估计。“刀切法”检验结果表明,模型的预测效果也较好,能够满足森林健康监测和评价的需要。

▼表 4 基于度量误差模型的林分尺度健康得分综合评价模型拟合优度和检验结果

利用式(6)和区域2008年森林资源二类调查数据,在ArcMap10.2软件平台中对盘古林场森林健康状况的各项指标进行预测,并生成森林健康状况等级分布图(图6)。可以看出,盘古林场森林健康得分Hₘ的平均值为0.623 4士0.0544,表明该地区森林整体处于亚健康水平,其中亚健康林分数量最多,约占总体的89.30%，而健康林分仅占0.83%;健康得分Hₛₜd值均相对较小,平均值仅为0.0374土0.0138,其分布近似于正态分布,多集中在[0.02，0.06]范围内(84.65%);健康得分Hcv完全取决于Hₘ和Hₛₜd的值,且不受任何因素影响,其平均值为5.8623土2.316 2,最大值为15.362 1,多集中在[3.00，9.00]范围内( 79.10%);健康得分Hₚd平均值为–0.070 3±0.394 8,多数集中在[-0.5，0.5]区间内( 80.66%),其中正值和负值分别占总体的43.67%和55.70%;健康得分Hfd的平均值为-0.050 3±1.066 7,主要集中在[-1.00,1.00],约占总体的67.31%。从空间上来看,健康得分Hₘ较高的林分主要集中在林场北部且靠近居民点和交通便利的地区,而在南部偏远地区则普遍较低;Hₛₜd和Hcv值的空间分布格局基本相同,即林场北部地区大于南部地区。在北部地区,林分健康得分Hₚd以负值为主,而在南方地区Hₚd则以正值为主,表明在北部地区的林分中健康和亚健康林木比例相对高于南部地区。健康得分Hfd的空间分布则与Hₚd完全相反,即北部地区林分健康得分分布的峰态较陡峭,而南部地区则较为平缓。整体来看,可认为北部地区林分健康水平整体高于南部地区。

▲图 6 盘古林场森林健康空间分布

4结论

统计学方法能够实现森林健康评价结果从单木、林分到区域尺度的有效转换。

关注我们，更多精彩

,