不同林木類型碳儲(chǔ)量空間分布模式及穩(wěn)定性分析*

吳恒，胥輝

(1.西南林業(yè)大學(xué) 林學(xué)院，云南 昆明 650224；2.國家林業(yè)和草原局西南調(diào)查規(guī)劃院，云南 昆明 650031)

森林碳儲(chǔ)量信息是研究森林生態(tài)系統(tǒng)能量循環(huán)的重要指標(biāo)，也是生態(tài)系統(tǒng)科學(xué)管理的前提和基礎(chǔ)[1]。隨著地統(tǒng)計(jì)學(xué)和生態(tài)學(xué)的交叉研究表明，由于受海拔、坡度、坡向等地理因子和土壤、降雨、光照等環(huán)境因子的影響，森林資源的分布一般呈現(xiàn)出非隨機(jī)分布的特征[2-3]。在較小區(qū)域尺度范圍內(nèi)，規(guī)?；斯ぴ炝侄唐趦?nèi)可能呈現(xiàn)一定程度的均勻分布，但天然林分的形成和演替都源于環(huán)境因素的綜合影響，從而呈現(xiàn)成群團(tuán)狀、簇群狀或條塊狀地密集分布[4]。森林生態(tài)系統(tǒng)在自然演替和人為干擾的影響下，碳儲(chǔ)量的空間分布模式是隨時(shí)間變化的[5-6]，有必要對(duì)森林資源碳儲(chǔ)量分布模式的穩(wěn)定性進(jìn)行分析，用于森林資源碳儲(chǔ)量調(diào)查、監(jiān)測和管理，服務(wù)于新時(shí)期的生態(tài)文明建設(shè)[7-8]。

空間自相關(guān)概念提出以來，被廣泛用于社會(huì)科學(xué)、資源環(huán)境、林業(yè)和農(nóng)業(yè)等專業(yè)技術(shù)領(lǐng)域[9]，主要包括全局空間自相關(guān)性Moran’sI、增量空間自相關(guān)性分析、局部空間自相關(guān)性分析等方法。主要的代表學(xué)者包括Haining[10]、Anselin[11]、Cliff[12]、Fisher[13]、Goodchild[14]等。在森林資源的調(diào)查監(jiān)測中，可以根據(jù)調(diào)查的樣地資料或者小班矢量資料對(duì)蓄積量、生物量[15]、碳儲(chǔ)量[16-17]和其他林分因子進(jìn)行空間自相關(guān)分析，描述森林資源的分布格局信息[18-19]。以往的研究[20]更多是證明存在空間自相關(guān)性，但缺少針對(duì)不同林木類型碳儲(chǔ)量空間分布模式的分析，從而缺乏對(duì)森林、散生木和四旁樹的碳匯潛力差異化管理模式[21]。

因此，本研究以四川省4期森林資源連續(xù)清查數(shù)據(jù)，采用Kolmogorov-Smirnova檢驗(yàn)和Shapiro-Wilk檢驗(yàn)對(duì)未轉(zhuǎn)換數(shù)據(jù)進(jìn)行正態(tài)性檢驗(yàn)，并對(duì)數(shù)據(jù)進(jìn)行正態(tài)性轉(zhuǎn)換；計(jì)算碳儲(chǔ)量的全局Moran’sI，分析增量空間自相關(guān)特征，再進(jìn)行局部空間自相關(guān)計(jì)算，以此探討不同林木類型碳儲(chǔ)量空間分布模式，以期為森林、散生木和四旁樹的碳匯管理提供理論依據(jù)。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況與數(shù)據(jù)來源

第九次全國森林資源清查結(jié)果顯示[22]，四川省森林面積1 839.77×104hm2，森林覆蓋率38.03%；活立木蓄積197 201.77×104m3，森林蓄積186 099.00×104m3。本文數(shù)據(jù)來源包括四川省第六次(2002年)、第七次(2007年)、第八次(2012年)和第九次(2017年)森林資源連續(xù)清查數(shù)據(jù)，樣地總數(shù)10 098個(gè)，全為固定樣地，8 km×8 km與4 km×8 km兩種樣地間距相間排列，樣地形狀為正方形、邊長25.82 m、面積0.066 7 hm2。按照《森林資源連續(xù)清查技術(shù)規(guī)程》[23]對(duì)起源、樹種(組)、齡組的劃分方式，將優(yōu)勢樹種進(jìn)行歸并處理，得到森林植被分起源、樹種(組)、齡組的蓄積量、碳儲(chǔ)量等數(shù)據(jù)。

1.2 研究方法

1.2.1 正態(tài)分布檢驗(yàn)及轉(zhuǎn)換

森林資源儲(chǔ)量空間自相關(guān)分析的前提是儲(chǔ)量密度數(shù)據(jù)服從正態(tài)分布，否則可能會(huì)產(chǎn)生比例效應(yīng)。采用樣地蓄積量、生物量和碳儲(chǔ)量密度數(shù)據(jù)進(jìn)行柯爾莫洛夫-斯米洛夫(Kolmogorov-Smirnova)檢驗(yàn)和夏皮羅-威爾克(Shapiro-Wilk)檢驗(yàn)。若P<0.05，表示數(shù)據(jù)不服從正態(tài)分布；若P>0.05，表示數(shù)據(jù)服從正態(tài)分布。采用正態(tài)轉(zhuǎn)換對(duì)原始數(shù)據(jù)進(jìn)行正態(tài)性轉(zhuǎn)換，對(duì)于比例估計(jì)和正態(tài)得分，選擇比例估計(jì)公式包括Blom①、Tukey②、Rankit③或Van der Waerden④，公式為：

①

②

③

④

式中:R為得分，r為等級(jí)，w為個(gè)案權(quán)重的總和。

1.2.2 空間自相關(guān)性計(jì)算

(1)全局空間自相關(guān)計(jì)算 全局空間自相關(guān)分析的公式為：

⑤

z-score值計(jì)算公式為：

⑥

式中:E(I)為期望，Var(I)為方差。

(2)增量空間自相關(guān)計(jì)算 運(yùn)用增量空間自相關(guān)工具計(jì)算空間聚類模式最顯著距離，該距離作為局部空間自相關(guān)分析的尺度參數(shù)[24]。

(3)局部空間自相關(guān)計(jì)算 局部莫蘭指數(shù)(Local Moran’sI)公式為：

⑦

式中:變量、自變量同公式⑤。

1.2.3 空間自相關(guān)性差異分析

分析森林資源蓄積量、生物量和碳儲(chǔ)量空間自相關(guān)性間的差異，將高值聚集、低值聚集、相異聚集和隨機(jī)分布的分析結(jié)果運(yùn)用于抽樣。采用增量空間自相關(guān)工具計(jì)算得出的空間聚類模式(類別變量)，進(jìn)行斯皮爾曼(Spearman)等級(jí)相關(guān)系數(shù)計(jì)算和卡方檢驗(yàn)(交叉分析)。

2 結(jié)果與分析

2.1 正態(tài)分布檢驗(yàn)及轉(zhuǎn)換

活立木、林木、散生木和四旁樹碳儲(chǔ)量密度未進(jìn)行轉(zhuǎn)換前Kolmogorov-Smirnova檢驗(yàn)和Shapiro-Wilk檢驗(yàn)顯著性值均小于0.01(表1)，為非正態(tài)分布。各年度的活立木、林木、散生木和四旁樹碳儲(chǔ)量密度分布偏度值均大于0，偏度值為其標(biāo)準(zhǔn)誤差的3倍以上，呈正偏態(tài)分布，其中偏度最大的為散生木。轉(zhuǎn)換后的碳儲(chǔ)量密度均具有較好的正態(tài)分布性，能夠用于森林資源碳儲(chǔ)量的空間自相關(guān)性分析。

2.2 全局空間自相關(guān)性分析

活立木和林木碳儲(chǔ)量密度全局Moran’sI指數(shù)均大于0.10，z-score值均大于40.00，P-值均小于0.0000，表明活立木和林木碳儲(chǔ)量密度分布存在極顯著的空間正相關(guān)性；2002年至2017年全局Moran’sI指數(shù)均呈下降趨勢，表明活立木和林木碳儲(chǔ)量密度相似聚集程度呈下降趨勢。散生木和四旁樹碳儲(chǔ)量密度空間正相關(guān)性顯著低于活立木和林木，全局Moran’sI指數(shù)均小于0.10，散生木碳儲(chǔ)量密度相似聚集程度具有波動(dòng)特征，四旁樹碳儲(chǔ)量密度相似聚集程度則呈上升趨勢，見表2。

表1 碳儲(chǔ)量密度正態(tài)分布檢驗(yàn)Tab.1 Results of normality test for carbon storage densities

表2 碳儲(chǔ)量密度全局空間的自相關(guān)指數(shù)Tab.2 Results of global spatial autocorrelation for carbon storage densities

2.3 增量空間自相關(guān)性分析

活立木碳儲(chǔ)量密度全局Moran’sI指數(shù)隨距離的增加逐漸降低(圖1)，但始終大于0，z-score值先增加后降低，且始終大于2.58，表明活立木碳儲(chǔ)量密度的空間聚類模式隨距離的變化始終表現(xiàn)為極顯著的空間正相關(guān)關(guān)系。活立木碳儲(chǔ)量密度2002年、2007年、2012年和2017年的z-score峰值距離分別為2.986 4、2.998 5、2.998 5和3.137 1均呈現(xiàn)動(dòng)態(tài)上升趨勢。

圖1 活立木碳儲(chǔ)量增量空間自相關(guān)曲線Fig.1 Incremental spatial autocorrelation of standing carbon storage by distance

林木碳儲(chǔ)量密度全局Moran’sI指數(shù)隨距離的增加逐漸降低(圖2)，但始終大于0；z-score值先增加后降低，且始終大于 2.58。這表明林木碳儲(chǔ)量密度的空間聚類模式隨距離的變化始終表現(xiàn)為極顯著的空間正相關(guān)關(guān)系。林木碳儲(chǔ)量密度2002年、2007年、2012年和2017年的z-score峰值距離分別為2.986 4、2.986 4、2.986 4和3.137 1，較活立木更穩(wěn)定。

圖2 林木碳儲(chǔ)量增量空間自相關(guān)曲線Fig.2 Incremental spatial autocorrelation of forest carbon storage by distance

散生木碳儲(chǔ)量密度全局Moran’sI指數(shù)隨距離的增加呈波動(dòng)變化，大于一定距離后全局Moran’sI指數(shù)為負(fù)值(圖3)。z-score則出現(xiàn)2個(gè)峰值，表明散生木碳儲(chǔ)量密度的空間聚類模式隨距離的變化空間自相關(guān)性不穩(wěn)定，即散生木碳儲(chǔ)量不具有穩(wěn)定的空間自相關(guān)性。

圖3 散生木碳儲(chǔ)量增量空間自相關(guān)曲線Fig.3 Incremental spatial autocorrelation of scatter carbon storage by distance

四旁樹碳儲(chǔ)量密度全局Moran’sI指數(shù)隨距離的增加呈波動(dòng)變化，大于一定距離后全局Moran’sI指數(shù)為負(fù)值，且空間自相關(guān)性Moran’sI指數(shù)顯著小于活立木、林木和散生木(圖4)。z-score呈不規(guī)律的波動(dòng)變化，表明四旁樹碳儲(chǔ)量密度的空間聚類模式隨距離的變化空間自相關(guān)性不穩(wěn)定，即四旁樹碳儲(chǔ)量不具有穩(wěn)定的空間自相關(guān)性，且不穩(wěn)定性顯著大于散生木。

圖4 四旁樹碳儲(chǔ)量增量空間自相關(guān)曲線Fig.4 Incremental spatial autocorrelation of side carbon storage by distance

圖5 活立木碳儲(chǔ)量密度聚類分布模式Fig.5 Spatial clustering pattern of standing carbon storage density

圖6 林木碳儲(chǔ)量密度聚類分布模式Fig.6 Spatial clustering pattern of forest carbon storage density

2.4 局部空間自相關(guān)性分析

在α=0.01的顯著性水平下，活立木碳儲(chǔ)量密度的空間分布存在規(guī)律性，高值聚集區(qū)主要集中在三州地區(qū)(阿壩州、甘孜州和涼山州)，而低值聚集區(qū)主要集中在盆地區(qū)域，相異聚集交錯(cuò)分布于高值聚集區(qū)與低值聚集區(qū)之間，而三州地區(qū)與盆地區(qū)域的過渡地帶則呈現(xiàn)隨機(jī)分布(圖5)。林木碳儲(chǔ)量密度空間分布規(guī)律與活立木的空間分布規(guī)律相似(圖6)。由于散生木和四旁樹的碳儲(chǔ)量不具有穩(wěn)定的空間自相關(guān)性，散生木和四旁樹的碳儲(chǔ)量密度局部空間自相關(guān)性無明顯規(guī)律。

2.5 聚類分布模式相關(guān)性和差異性分析

蓄積量與生物量的聚類分布模式Spearman相關(guān)性系數(shù)均值為0.859，蓄積量與碳儲(chǔ)量的聚類分布模式Spearman相關(guān)性系數(shù)均值為0.863，生物量與碳儲(chǔ)量的聚類分布模式Spearman相關(guān)性系數(shù)均值為0.977。由于生物量與碳儲(chǔ)量間較高的直接相關(guān)性，導(dǎo)致生物量與碳儲(chǔ)量的聚類分布模式Spearman相關(guān)性系數(shù)大于前面兩者。這表明蓄積量、生物量和碳儲(chǔ)量三者間聚類分布模式具有較高的相關(guān)性。蓄積量與生物量的聚類分布模式卡方檢驗(yàn)漸進(jìn)顯著性均大于0.05，表明蓄積量與生物量的聚類分布模式不存在顯著差異；蓄積量與碳儲(chǔ)量的聚類分布模式卡方檢驗(yàn)漸進(jìn)顯著性均大于0.05，表明蓄積量與碳儲(chǔ)量的聚類分布模式不存在顯著差異；生物量與碳儲(chǔ)量的聚類分布模式卡方檢驗(yàn)漸進(jìn)顯著性均大于0.05，表明生物量與碳儲(chǔ)量的聚類分布模式不存在顯著差異(表3)。

表3 蓄積量、生物量和碳儲(chǔ)量聚類分布模式卡方檢驗(yàn)Tab.3 Chi-square test results of spatial clustering pattern for volume,biomass and carbon storage

3 討論與結(jié)論

四川省活立木、林木、散生木和四旁樹碳儲(chǔ)量密度未進(jìn)行轉(zhuǎn)換前均呈正偏態(tài)分布，活立木和林木碳儲(chǔ)量密度分布存在極顯著的空間正相關(guān)性。2002年至2017年活立木和林木碳儲(chǔ)量密度相似聚集程度呈下降趨勢，散生木和四盤樹碳儲(chǔ)量密度的空間聚類模式隨距離的變化空間自相關(guān)性不穩(wěn)定。在α=0.01的顯著性水平下，碳儲(chǔ)量高值聚集區(qū)主要集中在阿壩州、甘孜州和涼山州，而低值聚集區(qū)主要集中在四川盆地區(qū)域，相異聚集交錯(cuò)分布于高值聚集區(qū)與低值聚集區(qū)之間，而三州地區(qū)與盆地區(qū)域的過渡地帶則呈現(xiàn)隨機(jī)分布。蓄積量、生物量和碳儲(chǔ)量三者間的聚類分布模式不存在顯著性差異。

在較大區(qū)域尺度上，土壤、海拔、光照和水分等生境因子極小概率會(huì)出現(xiàn)均勻一致的情況，生境因子的空間異質(zhì)性使森林生態(tài)系統(tǒng)碳儲(chǔ)量空間分布呈現(xiàn)區(qū)域化特征，具有一定的結(jié)構(gòu)性，如本研究中碳儲(chǔ)量高值主要集中在阿壩州、甘孜州和涼山州，而低值主要集中在四川盆地區(qū)域，三州地區(qū)與盆地區(qū)域的過渡地帶則呈現(xiàn)隨機(jī)分布的現(xiàn)象，表明森林碳儲(chǔ)量是隨機(jī)變量與位置相關(guān)的隨機(jī)函數(shù)[20,25-26]。生態(tài)系統(tǒng)是由生物群落及其生存環(huán)境共同組成的動(dòng)態(tài)平衡系統(tǒng)，隨時(shí)間不停地發(fā)生變化，碳儲(chǔ)量作為森林生態(tài)系統(tǒng)能量循環(huán)流動(dòng)的載體，也隨時(shí)間呈現(xiàn)連續(xù)動(dòng)態(tài)變化的特征。由于環(huán)境資源因子的非均勻分布特點(diǎn)和森林生態(tài)系統(tǒng)內(nèi)自身競爭因素，森林生態(tài)系統(tǒng)碳儲(chǔ)量一般不會(huì)產(chǎn)生均勻分布的格局。

從溫度、水分、土壤、地形等環(huán)境因子和起源、樹種和林層結(jié)構(gòu)等林分因子分析森林資源儲(chǔ)量空間分布格局差異，考慮不同環(huán)境因子間的交互作用對(duì)資源儲(chǔ)量時(shí)空分布格局的影響將是本研究后續(xù)需要改進(jìn)的方向[27-28]。