分析物理量随地形变化的特征

分析物理量随地形变化的特征

作者:翟畅 胡润田 范文义 单位:东北林业大学林学院 东北林业大学帽儿山实验林场

1研究区域及研究方法

1.1研究区概况研究区坐落于东北林业大学帽儿山实验林场老山实验站,隶属于黑龙江省尚志县,地理坐标为127°36'~127°39'E,45°23'~45°26'N,为长白山植物区系张广才岭西北部小岭的余脉,平均海拔300m,一般坡度在10°~15°。大陆性温带季风气候,年平均气温为2~3℃。年降水量为600~800mm,年蒸发量为1094mm,年平均湿度为70%,年日照时数为2471.3h,年平均风速为1.5m/s。该地区归属于长白植物区系,森林覆盖率为70.2%,阔叶红松林为原地带性顶级植被,遭受重大破坏经几个阶段演替后逐渐恢复为天然次生林相,较为典型,类型多样,主要的次生演替灌木林群落为胡枝子灌丛、棒子灌丛、珍珠梅灌丛以及绣线菊灌丛。土壤类型多为暗棕壤森林土,土壤肥沃且湿润[10]。

1.2数据获取及预处理

1.2.1样地森林水源涵养物理量估算在研究区内选取8种林分类型分别设置20m×20m的标准样地。在研究区附近建立气象观测站,根据文献[11-14]的野外数据收集方法分别得到了每次降水后各林分类型林冠层截留降水量、枯落物层持水量和土壤层含蓄降水量。以此作为模型建立的基础数据。

1.2.2遥感数据获取及预处理本研究选取北京卫星地面接收站接收的Land-sat-5TM影像作为研究区内森林水源涵养效益计量的数据源。数据来源为中国科学院对地观测与数字地球科学中心对地观测数据共享计划。遥感影像获取时,因太阳位置、大气条件、传感器成像、地形起伏、遥感平台姿态、地球自转等多种因素的作用[15],对遥感影像有一定程度的影响,因此有效的消除各种因素对遥感影像的影响能够达到增强信息量,提高光谱特征精确度,细化影像纹理特征的目的[16],遥感影像经过预处理后要能够全面准确的反应出研究区的地表信息。遥感数据的预处理包括多光谱数据组建、几何校正、辐射定标、大气校正等过程[16]。

1.2.3其他数据获取前人的研究中大多数方法和模型都没有真正充分利用遥感所提供的数据,特别是对结合地理信息数据库的定性因子的引用明显不足,基于以上原因,本研究提出将RS和GIS变量引入模型,故本文提取了各种与森林水源涵养效益相关的波段及各波段组合(包括植被指数)信息、地形因子信息(高程、坡度和坡向)和主成分因子信息参与模型的建立[16]。其中DEM数据来自中国科学院计算机网络信息中心国际科学数据服务平台。

1.2.4样地遥感信息提取对于固定样地中遥感信息的提取,采用空间定位的思想,将样地矢量数据和遥感栅格数据进行叠加,在固定样地的矢量点文件中读取样地相应的坐标,按照坐标提取栅格图像上对应像元中储存的信息[16]。为了给森林水源涵养模型的建立提供可靠数据,本研究利用IDL语言设计了按坐标提取遥感影像灰度值的程序,因样地大小为20m×20m,而TM影像的分辨率为30m×30m,忽略GPS精度的影响近似的认为每个样地点都能够落入到影像的一个像元中。

1.3常规统计模型建立从各波段灰度值、不同波段灰度值之间的线性和非线性组合所派生出的各种变量因子(包括各种植被指数)、以及非生物因子栅格化所形成的辅助波段如海拔、坡度、坡向等出发[17],尽可能多地选出各种自变量用于估算森林水源涵养生态效益的物理量。选取TM1、TM2、TM3、TM4、TM5、TM7、TM73、TM42、TM437、TM452、RVI、DVI、NDVI、SAVI、PVI、亮度、绿度、样地坐标X、样地坐标Y、高程、坡度、坡向、降水量、PC1、PC2、郁闭度和林龄27个自变量,根据提取影像灰度值程序提取出样地点的因子信息参与建模,对所有这些因子与对应样地总水源涵养物理量作相关性分析,相关系数见表1。由此可以看出:TM1、降水量(Precipitation)与样地水源涵养物理量相关系数在0.05水平上具有显著性,TM2、TM3、TM5、TM7、TM437、DVI、NDVI、PVI、Elevation和郁闭度与样地水源涵养物理量相关系数在0.01水平上具有显著性。利用SPSS统计分析软件,利用逐步回归的方法,样地物理量作为因变量,27个与之相关的因子作为自变量进行回归分析。

2结果分析

2.1物理量及价值量估算根据模型结果,选取所需变量,应用ENVI的波段运算功能计算出研究区的物理量分布如图1所示。式中:E为森林水源涵养效益的价值量;P为有效面积系数;R为市场逼近系数;C为货币转换系数;S为研究区面积。而在本区域内,R=1,C=0.8[17],研究区面积由ENVI软件中计算像元个数得到。结合GIS,生成研究区价值量分布图,如图2所示。将各个像元值相加,得到2008年全年水源涵养生态效益的物理量总量I=263.78万t,价值量总量E=131.89万元。由此可以看出,在研究区的西北及中东部地区涵养水源的能力较强。

2.2结果检验利用未参与建模的实测数据与模型估测数据进行比较,建立图3的关系图。根据下式计算模拟精度。2.3物理量空间分析因物理量与价值量存在线性相关关系,故只对物理量进行分析如图4所示。研究区高程区间为0~775m,划分为7个等级;坡度按国家等级划分为6个级别;坡向划分为9个方向。分别计算每个等级的物理量,图4可以看出物理量随高程的增大而逐渐升高,在第3个等级(200~300m)处达到峰值(44%),随后随高程增大而骤减。引起变化的主要原因是重力和地球引力;由于类似的原因,在坡度的第2个等级(6°~15°)处物理量达到峰值(45%),继而随坡度增大而降低;在坡向的第一(平坡)和第六等级(南坡)处,物理量分别为32%和25%,均高于其他等级。这是由于阳坡和半阳坡比阴坡和半阴坡的林木生长快,树木的郁闭度和生物量较高而引起的[18]。

3结束语

利用生态定位观测站数据与遥感和地理信息数据相结合,构建研究区的物理量统计模型和价值量计量模型,估算了2008年老山地区的水源涵养能力,为林区可持续发展提供了宝贵的数据基础。在本研究中,准确地利用遥感信息驱动生态学过程模型,将研究尺度成功地从林班或小班尺度转换到像元尺度上,为大区域的相关研究奠定了基础,并且结合地理信息技术,使研究结果更加直观。但在研究过程中由于数据有限,并没有对各个树种分别建模,故导致了结果的不精确性,另外,在提取样地遥感信息时也具有像元值误差。#p#分页标题#e#