基于gis的佛坪自然保護區(qū)林下竹密度預(yù)測模型研究

基于gis的佛坪自然保護區(qū)林下竹密度預(yù)測模型研究

竹子是自然界中受威脅的唯一食物，也是構(gòu)成山羊棲息地的重要因素。大量的研究表明,竹種的構(gòu)成、竹林的分布范圍、以及竹林的生長狀況,包括其密度、年齡結(jié)構(gòu)、出筍率等均可對大熊貓的分布、移動和取食造成影響。探知大熊貓主食竹的分布和豐富程度,不僅有助于了解當(dāng)今大熊貓的空間分布格局和棲息地特征,而且也便于正確劃分其實際棲息地和潛在棲息地,同時也可為進一步估算主食竹的總體生物量水平從而準(zhǔn)確評估大熊貓棲息地的生態(tài)承載力提供科學(xué)依據(jù),對加強大熊貓這一“旗艦物種”及其棲息地的保護意義重大。長期以來,對大熊貓分布區(qū)竹類的研究多以微觀和野外實地樣方調(diào)查為主。研究領(lǐng)域主要集中在大熊貓主食竹的分類與分布、生態(tài)生物學(xué)特性、生理生化特征、以及更新復(fù)壯等方面。由于大熊貓棲息地山大溝深,且地形復(fù)雜,傳統(tǒng)的基于點上的地面調(diào)查方法不僅耗時、耗力、而且耗費資金,這些均給大熊貓主食竹的資源分布和生物量調(diào)查帶來了極大困難。不同景觀尺度詳細(xì)竹類信息的缺乏,同時也給大熊貓棲息地的評價帶來了巨大挑戰(zhàn)。傳統(tǒng)上,在大熊貓的主要分布區(qū)內(nèi),科學(xué)家們多簡單地采用海拔和植被覆蓋(有森林和無森林)作為判斷竹類資源分布狀況的主要標(biāo)準(zhǔn)[10,11,12,13,10,13]。有研究報道,由此而導(dǎo)致的過高或過低評價大熊貓適宜棲息地在所難免。近年來,隨著衛(wèi)星遙感技術(shù)作為一種新的大范圍資源監(jiān)測手段的興起和發(fā)展,許多研究者也希望能夠通過遙感來實現(xiàn)對竹林分布的大面積探測。然而,大熊貓的主食竹多生長于森林的下層,由于林冠層的遮蔽作用,直接利用傳統(tǒng)遙感技術(shù)來探測竹子的分布和生長狀況比較困難。有研究利用先進的神經(jīng)網(wǎng)絡(luò)分類技術(shù)來判別有竹區(qū)和無竹區(qū),取得了相對滿意的分類效果。但該方法缺乏對竹類詳細(xì)信息的探究,且對技術(shù)和調(diào)查設(shè)備要求較高,大范圍推廣難度較大。鑒于此,本研究提出了一種間接利用遙感技術(shù)來探測林下層竹林分布和密度的方法。這一方法主要是基于對不同竹種及其生長小生境的關(guān)系的分析探討,在找出影響不同竹類分布的主要環(huán)境因子后,確定各因子的權(quán)重,然后利用遙感和地理信息系統(tǒng)(GIS)技術(shù)手段探測并繪制出這些主要的環(huán)境因子;在此基礎(chǔ)上,根據(jù)竹林生長和這些重要因子之間的關(guān)系模型,就可以較為準(zhǔn)確地預(yù)測林下竹林的分布和相對密度。針對竹子主要生長在林下的這一特點,在本研究中,除了對傳統(tǒng)的地形因素如海拔、坡度和坡向等進行了較為細(xì)致的探究以外,還創(chuàng)新地引入林上以及林下的光照條件作為一種潛在的、可能影響竹子生長和分布的環(huán)境因子,并對其在竹類資源評價中所起的作用進行了分析和探討。1陰山山地保護區(qū)54084k研究地區(qū)選擇在位于陜西秦嶺中段南坡的佛坪國家級自然保護區(qū)境內(nèi)。該保護區(qū)成立于1978年,是我國為數(shù)不多的幾個未經(jīng)大規(guī)模森林采伐,且森林生態(tài)系統(tǒng)保存相對完整的大熊貓棲息地之一。地理坐標(biāo):107°40′～107°55′E,33°32′～33°45′N。保護區(qū)總面積294km2,最低點海拔980m,最高點海拔2904m,相對高差1924m。本區(qū)地處北亞熱帶與暖溫帶的過渡地帶,區(qū)內(nèi)植被以森林為主,表現(xiàn)出顯著的垂直分布格局,自下而上依次為落葉闊葉林、針闊葉混交林、針葉林,海拔2600m以上分布著斑塊狀亞高山灌叢和草甸。林下廣布的巴山木竹(Bashaniafargesii)和秦嶺箭竹(Fargesiaqinlingensis)是該區(qū)大熊貓的主要食物來源,海拔2000m左右為其大致的地理分界線,但兩種竹類的分布在局部地區(qū)有一定程度的重疊。2材料和方法的研究2.1關(guān)于研究2.1.1tm和tm系統(tǒng)經(jīng)過幾何和大氣校正后的研究地區(qū)美國陸地資源衛(wèi)星Landsat5TM(ThematicMapper)全波段影像兩幅,坐標(biāo)和投影系統(tǒng)采用WGS84UTM48N。影像空間分辨率30m×30m,分別獲取于2000年7月30日(夏季)和2002年1月20日(冬季)。2.1.2地形因素圖層的建立分辨率為30m×30m的佛坪保護區(qū)DEM一幅。主要用于:(1)生成保護區(qū)的海拔、坡度、坡向等地形因素圖層;(2)與太陽輻射模型(SolarRadiationModel)結(jié)合獲取整個研究區(qū)的林上層太陽輻射強度圖;(3)結(jié)合經(jīng)驗公式獲取研究地區(qū)的溫度垂直分布圖。2.1.3竹林預(yù)測系統(tǒng)驗算采用全國第3次大熊貓調(diào)查中佛坪保護區(qū)范圍內(nèi)的297個與竹子信息有關(guān)的樣方數(shù)據(jù)作為校驗數(shù)據(jù),其中巴山木竹樣方120個,秦嶺箭竹樣方177個,用以對預(yù)測出的竹林分布圖進行精度檢驗和評價。2.2學(xué)習(xí)方法2.2.1調(diào)查內(nèi)容和方法2005年7月,采用成層隨機采樣和隨機線性交叉采樣法,對研究區(qū)內(nèi)的兩大竹種進行了兩次獨立采樣,共調(diào)查了150個樣方(86個巴山木竹,28個秦嶺箭竹,36個無竹樣方)。植被樣方設(shè)計面積為20m×20m,鄰近樣方之間至少保持50～100m的海拔變化。植被樣方中所調(diào)查的內(nèi)容包括GPS定位點、海拔、坡度、坡向、坡位、林冠層樹種組成、植被類型、林冠郁閉度和竹子的總體蓋度。此外,在大的植被樣方中固定設(shè)計5個竹子小樣方,分別位于樣方的四角和中心位置。竹子小樣方面積分別為2m×2m(巴山木竹)和1m×1m(秦嶺箭竹),調(diào)查內(nèi)容包括竹種、株數(shù)、高度、基徑,以及大熊貓的活動等信息。與此同時,為了獲得較為準(zhǔn)確的林下光強,使用帶有魚眼鏡頭的照相機對每個植被樣方的林上層覆蓋狀況進行了拍攝。魚眼鏡頭是一種接近180°的超廣角鏡頭,可以用于由下方向上方的拍攝以獲取半球面林冠影像,這種影像可記錄當(dāng)時整個林上層的疏密度和孔隙分布。拍攝的照片經(jīng)過相應(yīng)的影像處理軟件GapLightAnalyzer(GLA)的分析計算后,便可以獲知林上連續(xù)的郁閉度及其消光能力。2.2.2林上光照輻射林上層的光照條件由太陽輻射模型計算得出。太陽輻射模型可以根據(jù)地形的起伏變化(不同緯度、海拔以及坡向等)得到地球上任一點在一段時間內(nèi)的太陽輻射總和。利用這一模型,以研究區(qū)的DEM為基礎(chǔ),可以計算出在竹子生長期內(nèi),整個研究區(qū)內(nèi)林上光照輻射總和或日平均輻射量。由于巴山木竹和秦嶺箭竹具有不同的生長期,巴山木竹的主要生長時段為4月到8月份,而秦嶺箭竹約從5月份開始出筍,到10月初才基本停止生長,所以需要分別計算出兩種目標(biāo)竹種在各自生長期內(nèi)相應(yīng)的林上光照輻射。本研究中采用由澳大利亞新英格蘭大學(xué)環(huán)境科學(xué)與自然資源管理系開發(fā)的ArcGIS插件——太陽輻射模型(SolarRadiationModel),來計算太陽輻射量。以計算巴山木竹生長期內(nèi)的林上光照輻射為例,模型的主要參數(shù)設(shè)置為北緯33°,計算起止日為4～8月,迭代時間間隔為30min。經(jīng)過該模型計算出的全區(qū)巴山木竹生長期內(nèi)林上日平均光照輻射見圖1。同樣的方法也可用于計算秦嶺箭竹的林上光強。2.2.3林冠密度預(yù)測模型林上層植被的遮蓋作用,使得林下層得到的太陽輻射有所削弱。野外采樣時使用帶有魚眼鏡頭拍攝得到的上層林冠照片,見圖2。這些照片經(jīng)GLA軟件處理后可計算出上層林冠郁閉度及不同林冠郁閉度相應(yīng)的消光系數(shù),同時得出兩者之間關(guān)系的經(jīng)驗公式。林冠消光系數(shù)(ExtinctionCoefficient)反映了林冠阻止林上光入射到林冠下層的能力。林冠郁閉度越大,消光能力越強,消光系數(shù)也就越大。根據(jù)該公式,基于研究區(qū)林上太陽輻射總量和林上植被郁閉度,可以計算出地面上每一點的林下光強。由于佛坪保護區(qū)森林覆蓋茂密,僅僅依靠傳統(tǒng)的植被指數(shù)如NDVI等很難分辯出林冠層郁閉度的大小,故引入了森林林冠密度預(yù)測模型(ForestCanopyDensityModel)來分析處理遙感影像,用以探測研究區(qū)內(nèi)的林上層郁閉度,與消光系數(shù)結(jié)合便可進一步得到林下光照條件圖。森林林冠密度模型由增強性植被指數(shù)AVI(AdvancedVegetationIndex)、土壤指數(shù)BI(SoilIndex)、溫度指數(shù)TI(ThermalIndex)、陰影指數(shù)(ForestShadowIndex)4個指數(shù)構(gòu)成,可以從多個因素綜合分析森林郁閉度的大小。這4個參照指數(shù)的整合由林冠密度模型派生的處理軟件FCDMapper(ForestCanopyDensityMapper)來實現(xiàn)。2.2.4年平均溫度和海拔高度研究區(qū)地處秦嶺深處,地形復(fù)雜,要想獲得覆蓋全區(qū)且連續(xù)的實地氣象觀測記錄困難較大?？紤]到山區(qū)的氣溫變化主要受海拔變化的影響,本研究采用唐志堯等人于2004年在研究秦嶺植物群落的環(huán)境梯度格局時,通過在太白山南北坡設(shè)置連續(xù)小型氣象觀測儀,所得出的秦嶺南坡年平均溫度和海拔高度關(guān)系的模型(R2=0.92,p<0.001)為基礎(chǔ),見公式1,在DEM的支持下,模擬并繪制了佛坪保護區(qū)全區(qū)各點年均溫度圖:MAT=-0.0037×ALT+14.5(1)式中,MAT為年平均氣溫,ALT為海拔高度。2.2.5林分密度與環(huán)境因子的關(guān)系在建立竹林密度模型之前,需要分析哪些環(huán)境因子與竹林密度分布顯著相關(guān)。在本研究中,由于巴山木竹和秦嶺箭竹在生物學(xué)特性和分布高度上的不同,其統(tǒng)計分析和密度模型也分別建立?；趯嵉夭杉暮０?、坡度、坡向、坡位等地形因子數(shù)據(jù),加上模擬出的溫度和計算出來的各樣方的林上、林下光強,利用SYSTAT數(shù)理統(tǒng)計軟件,首先對竹林密度和這些因素之間的關(guān)系逐一進行統(tǒng)計分析,對非正態(tài)分布的數(shù)據(jù)使用非參數(shù)秩和檢驗(Kruskal-WallisTest)。根據(jù)統(tǒng)計分析的結(jié)果,將與竹林密度顯著相關(guān)的環(huán)境因子作為自變量,竹子密度作為因變量,建立回歸方程。由于自變量并不都是連續(xù)變量,故選擇廣義線性模型(GeneralLinearModel)作為竹林密度的預(yù)測模型。利用這一關(guān)系模型,在繪制出各個重要影響因子的基礎(chǔ)上,就可以在GIS的空間分析環(huán)境下繪制出大尺度上的林下竹子密度分布圖。3結(jié)果與分析3.1廣義線性模型數(shù)據(jù)的統(tǒng)計分析結(jié)果顯示,巴山木竹林的密度分布與坡度、坡向、以及林上光照強度均呈現(xiàn)一定的顯著相關(guān)關(guān)系(p<0.05)。采用逐步回歸法(StepwiseRegression),經(jīng)過模型的優(yōu)化選擇后,得到能夠最佳解釋巴山木竹分布的廣義線性模型(GeneralLinearModel)。該模型可以解釋約60%的木竹分布狀況(R2=0.591,p<0.05),具體見公式2:Y=-0.181+0.00126×SR-0.043×Slope+ASP(2)式中,Y為巴山木竹密度(株/m2),SR為太陽輻射量(MJ/m2);Slope為坡度,ASP為各個坡向的對應(yīng)系數(shù)(見表1)。根據(jù)巴山木竹主要分布在海拔2000m以下的生長習(xí)性,首先以海拔為尺度選擇了巴山木竹的潛在生長區(qū)。然后應(yīng)用上面的關(guān)系模型,最終得到巴山木竹的密度分布圖,見圖3。3.2林分密度分布的預(yù)測采用同樣的方法,可以得到解釋秦嶺箭竹分布的最佳關(guān)系模型。這一模型可以通過3個與秦嶺箭竹分布顯著相關(guān)的環(huán)境因子——海拔、坡度和林下光強,解釋約80%的林下秦嶺箭竹林的密度分布(R2=0.815,p<0.05),具體見公式3,預(yù)測的秦嶺箭竹密度分布見圖3:Y=-137.04+0.033×ELE+12.872×Ln(Solartrans)+Slope(3)式中,Y為秦嶺箭竹密度(株/m2),ELE為海拔高度,Solartrans為林下光強(MJ/m2),Slope為分類坡度系數(shù)(見表2)。3.3不同立地條件下竹林密度和蓋度的預(yù)測研究采用全國第3次大熊貓調(diào)查獨立數(shù)據(jù)組作為繪制出的竹林密度圖的檢驗數(shù)據(jù)。該調(diào)查的佛坪保護區(qū)部分完成于2000～2001年之間。297檢驗數(shù)據(jù)是在研究區(qū)域的范圍內(nèi)隨機抽取的,其中巴山木竹檢驗樣方120個,秦嶺箭竹檢驗樣方177個。由于檢驗數(shù)據(jù)中將竹林分布人為劃分為0～24%,25%～49%,50%～74%,75%～100%4個蓋度等級,所以應(yīng)先將研究中預(yù)測出的竹林密度轉(zhuǎn)換成相應(yīng)的竹林蓋度后方可進行比較。根據(jù)本研究中的野外采樣數(shù)據(jù),發(fā)現(xiàn)巴山木竹和秦嶺箭竹兩種竹種的竹林密度和蓋度之間均存在非常顯著的相關(guān)性,相關(guān)系數(shù)都在0.9以上,竹林密度和蓋度可以相互轉(zhuǎn)化。具體見轉(zhuǎn)化公式4和公式5:巴山木竹(Bashaniafargesii)Y=0.1219X+0.065(4)秦嶺箭竹(Fargesiaqinlingensis)Y=0.0223X+0.0024(5)式中,Y為竹林蓋度(%),X為竹林密度(株/m2)。依照以上的竹子密度與蓋度之間的轉(zhuǎn)化公式,即可分別得到巴山木竹和秦嶺箭竹的預(yù)測竹林蓋度,然后與檢驗數(shù)據(jù)中的竹林蓋度進行分析比較,檢驗結(jié)果見表3和表4。巴山木竹密度預(yù)測的誤差矩陣顯示,在120個觀測值中,有94個樣點的預(yù)測值是準(zhǔn)確的,總體精度為78.3%,Kappa檢驗值為0.702;秦嶺箭竹預(yù)測的誤差矩陣顯示,在177個觀測值中,有139個樣點的預(yù)測值是準(zhǔn)確的,總體精度為78.5%,Kappa檢驗值為0.704。結(jié)果證明這樣的預(yù)測精度是可以接受的,也是比較滿意的。4與竹子密度預(yù)測模型的比較本研究嘗試了一種新的探測林下竹子分布及其豐富度的方法——間接遙感法,即在運用遙感和GIS方法獲取空間連續(xù)的環(huán)境因子基礎(chǔ)上,通過分析不同竹種與各環(huán)境要素之間的關(guān)系,建立竹子密度的預(yù)測模型,最后在GIS空間分析技術(shù)的支持下實現(xiàn)對林下竹子密度的繪制。研究結(jié)果顯示,應(yīng)用該方法對兩類目標(biāo)竹種密度的探測精度均達(dá)到了78%,表明利用間接遙感法探測大熊貓主食竹分布的可行性。與傳統(tǒng)的小范圍實地調(diào)查方法相比,間接遙感法不僅節(jié)省人力、物力和財力,還可以有效地實現(xiàn)大景觀、大尺度的竹林潛在生長區(qū)的探測。與其它的遙感影像分類方法相比,間接遙感法對影像的分析利用不再受季節(jié)的限制,不局限于冬季的遙感影像,也不僅限于對四季常綠竹種的探測,可以高效地利用遙感影像數(shù)據(jù)獲取豐富的林下竹林資源信息。同時,這一方法也可以用于對其它林冠下層植被信息的探測,尤其對于那些與上層林生長狀況關(guān)系密切的植被,光敏感性植被更為有效。在對地理環(huán)境因子的分析中,本研究詳細(xì)分析了海拔、坡度、坡向等對于竹子生長的影響,發(fā)現(xiàn)某些地形因素與竹子分布關(guān)系比較顯著。通過比較兩種竹子的密度預(yù)測模型,可以看出最優(yōu)預(yù)測巴山木竹密度的因素組合是坡度、坡向和林上光強。而最優(yōu)預(yù)測秦嶺箭竹密度的為海拔、坡度和林下光強。海拔沒有被納入巴山木竹的密度預(yù)測模型中,表明雖然兩種竹子的空間分布具有沿垂直高度變化和交疊的特點,但在巴山木竹的適生區(qū)內(nèi)(1100～1900m),海拔可能并不是影響巴山木竹密度變化的主要因素?？紤]到不同竹子生長對溫度變化的需求,本研究也試圖將大氣溫度分別結(jié)合到對兩種竹子密度的預(yù)測模型中,然而統(tǒng)計分析結(jié)果顯示,溫度并沒有如預(yù)期的那樣與竹子分布密度關(guān)系顯著。分析其原因可能是因為:本研究中所采用的溫度模型是一個概要性的、完全基于海拔梯度變化的溫度預(yù)測模型,原作者的目的是為了進一步優(yōu)化由于大的地形特點(如秦嶺南北坡)所導(dǎo)致的溫度沿高度變化的差異,而不是去簡單地引用一個統(tǒng)一的溫度模型,如海拔每升高100m,氣溫降低0.6度。加之溫度與海拔的顯著自相關(guān),直接引入該模型并不合適。然而這并不意味著局部小氣候的變化對竹子的密度分布沒有影響,以后的研究可以考慮運用遙感熱探測技術(shù)所生成的空間連續(xù)溫度產(chǎn)品,并將其結(jié)合到對不同竹種的