立地指数—环境因子模型评价森林立地生产力的研究进展

中国林业网 http://www.forestry.gov.cn/2018-10-22来源:中国林业网
【字体: 打印本页

  摘要:立地质量评价和林分生产力预估对于树种选择、森林经营决策至关重要。学者们常利用优势高直接估测立地指数以评价同龄纯林立地生产力,而对于混交林、异龄林、无林地以及随时间不断变化的立地则很难用该方法进行立地质量评价,往往通过立地指数-环境因子模型模拟,应用环境因子预测立地指数。文中简述了环境因子与立地指数关系研究概况,从研究尺度、数据来源、关键环境因子选择、预测模型及其拟合评价等方面进行综述,并讨论和展望了立地指数-环境因子的未来研究重点,以期为我国人工林立地质量评价和科学经营提供参考。

  关键词:立地指数,环境因子,研究尺度,模型拟合,立地质量评价

  作者:唐诚 王春胜 曾杰 雷渊才


  评价立地质量和预测立地生产力是森林可持续经营的一个主要议题。在生产实践中,低成本且有效预测林分生产力,对于树种选择、森林经营决策以及木材产量预估均至关重要。对于同龄纯林而言,立地指数早已作为其林分生产力的一个间接指标得到全球公认。然而对于混交林、异龄林、无林地以及随时间不断变化的立地,很难应用林分优势高和年龄直接估测立地指数。过去几十年来,通过气候、地形和土壤等方面的环境因子预测立地指数已逐步开展,此类研究对于更好地理解立地-生长关系具有重要意义。本文将从发展概况、研究尺度、数据基础、关键因子选择、模型类型及其拟合评价等方面综述国内外立地指数-环境因子模型研究进展,并展望其未来研究重点,以期为我国立地质量评价和营林决策提供借鉴。

  1  研究概况

  自上世纪30年代以来,国外有关立地指数-环境因子方面的研究主要在气候条件相对一致的地域内针对优势树种展开,关注于局部地区的土壤或地形因子与立地指数的关系。随着对全球气候变化的日益关注,立地指数-气候的研究也逐渐开展,这方面研究尺度相对较大,常涉及某个树种的整个分布区。当然,气候、地形和土壤等因子相互之间联系紧密,往往对立地指数产生综合影响。

  我国立地指数-环境因子方面的研究开展较晚,始于上世纪80年代,针对我国一些主要造林树种,如刺槐(Robinia pseucdoacacia)、油松(Pinus tabulaefrmis)、杉木 (Cunninghamia lanceolata)、马尾松(P. massoniana)等,应用多元回归以及数量化理论方法进行立地指数与环境因子间关系的研究。90年代以后,我国学者亦展开了环境因子影响树木及林分生长方面的研究,尤其是气候因子。

  2  研究尺度

  从研究尺度上来看,立地指数-环境因子关系的研究经历了中尺度(局域尺度或景观尺度)到大尺度(省或国家尺度)的发展。研究尺度的扩展顺应社会经济发展需要,也符合科学技术发展趋势。在研究的最初阶段,由于科学技术及科研经费等限制,研究者多从数十或数百公里的局域尺度上调查土壤和地形因子并取样分析。随着社会经济发展,国家投入相关研究经费增加,对森林资源的调查常态化和系统化,以及遥感技术和统计方法的发展和应用,大尺度(数百或数千公里)的研究相继展开。另外,随着全球气候变化研究的升温,气候因子作为影响立地指数的重要驱动因子亦大量在研究中体现,在大尺度上构建了气候-生产力、气候-立地指数模型。上述研究为各级政府或机构决策层制定合理森林经营措施、完善森林经营方案提供支持,这亦是各项研究开展的动力之一。

  3  数据基础

  该领域研究一般通过临时样地、固定样地、解析木数据3种途径获取优势高-年龄数据 。在局域尺度上,常利用临时样地数据,并利用解析木数据作为补充。临时样地的数量常在数十个,部分大于100个。在较大尺度上研究气候变化对立地指数的影响时,常利用国家森林资源调查中的长期固定样地数据,样地数量往往达数百或数千个。

  环境因子数据常包括气候、地形、土壤等,部分数据在野外调查时可直接获取,如样地的位置、海拔、坡向、坡度、坡位等地形指标。土壤样品通常采取分层取样,分层方法尚未统一,如等间距每隔5 cm、10 cm 或20 cm取样以及不等间隔取样。另外,在有关土壤类型与立地指数关系的研究中,通常取代表该土壤类型的混合样。取样的深度亦未统一,从表层土壤、根系层、土壤母岩层取样均有相关报道。土壤取样耗时耗力,成本高。因此,根据研究目的、所研究对象的根系垂直分布特点进行针对性取样对于获取恰当的土壤数据极为重要。气候数据方面,由于气象台站数量少,常利用空间插值技术获取系统的空间气候信息用于大尺度研究。

  4  模型选择

  在应用环境因子预测立地指数时,模型选择尤为重要。其难点在于模型是否能够反映生态过程的时空变化,而环境因子、立地指数的变化则往往表现出尺度依赖性。因此,尺度在立地生产力模型构建中起到至关重要的作用。Aertsen等研究指出,立地指数模型的有效性受到尺度的限制,小尺度上立地指数模型需要高分辨率的信息,以捕捉短距离内变量的变异性,而大尺度上则较低分辨率的信息即足以表征其变异性。Anyomi等认为,气候或非气候因子影响森林生产力,这些生产力驱动因子及其驱动效应因树种而异,且尺度依赖性潜在地使这些关系复杂化;他们从不同尺度进行立地生产力及其驱动因子的关系研究,发现大尺度模型并不能完全揭示生产力与驱动因子之间的关系,而大尺度-小尺度综合模型能够很好地解释立地指数与驱动因子间的关系,但关于不同尺度立地指数-环境因子模型的融合尚有待深入研究。从理论上来看,过程模型比较适于处理尺度效应。然而过程模型过于复杂,需要过多的变量及参数值,实际应用时仍面临尺度关联问题。

  在立地指数-环境因子模拟研究中,目前多应用相关分析、线性回归、非线性回归、混合效应模型、广义线性模型、判别分析等方法。

  相关分析和回归分析主要探究环境因子与立地指数之间的关系。逐步回归技术常用来判断关键因子。例如,Curt 等利用逐步回归技术研究法国中部地区花旗松(Pseudotsuga menziesii)人工林立地指数与环境因子间关系,从众多环境因子中筛选出土壤养分状况、渗透指数、土壤持水能力和受光指数4个关键因子;Sharma等依据地理位置、地形、土壤、林下植被、气候因子预测挪威云杉 (Picea abies) 和欧洲赤松 (P. sylvestris) 的立地指数,应用逐步回归技术筛选出土壤深度、坡向、坡位等7个关键因子,可以解释挪威云杉立地指数86%的变异和欧洲赤松立地指数72%的变异。

  环境因子-立地指数间的关系在很多情况下是非线性的,相较线性关系更为复杂。对于两者之间存在“拟线性”关系的情况下,可以先对环境因子进行转化再线性回归。例如,关于欧洲赤松立地指数与土壤物理、化学、生物学特性间关系的研究中,即对诸多环境变量进行对数或平方根转换后再与立地指数进行线性回归。而对于典型的非线性关系,常利用非参数及机器学习等方法进行模拟。例如,Aertsen等在研究地中海山区3个主要树种立地指数与环境因子之间的关系时,应用了多元线性回归、分类回归树、增强回归树、广义加性模型和人工神经网络5种方法,通过模型拟合评价发现,广义加性模型与其他4个模型相比拟合效果最好。

  5  模型拟合评价

  模型拟合评价主要考虑拟合的精度、模型的生物学解释以及模型使用的简易程度等方面。模型拟合的精度取决于模型假设的精确性、构建方法以及数据质量。模型的决定系数低仅能说明模型的拟合度一般,但仅凭决定系数并不能说明模型拟合的好坏以及模型假设是否有生物学意义。Kim等应用多元回归模型研究韩国京畿道赤松 (P. densiflora) 立地指数与土壤因子间关系时发现,其决定系数仅为0.34,却能很好地估测该树种的立地生产力。

  如前所述,学者们多应用多元线性回归方法研究立地指数与环境因子间的关系,但实际上其关系并不一定满足线性回归的假定(线性、正态、独立同分布),数据常存在异方差,或者解释变量间存在多重共线性,应用线性回归可能不恰当或导致一些变异无法解释。例如,Aertsen等应用多元线性回归、分类回归树、增强回归树、广义加性模型、人工神经网络模拟土耳其松 (P. brutia)、欧洲黑松 (P. nigra) 和黎巴嫩雪松 (Cedrus libani) 的立地指数与环境因子关系时发现,若考虑拟合精度,人工神经网络优于其他模型,若考虑模型的可操作性,则人工神经网络模型劣于其他模型,综合考虑模型的拟合效果、生物学解释性以及可操作性,则广义加性模型最优。

  相同的模型构建方法,采取不同的数据集与立地指数建模,其拟合度亦不同。Farrelly等将所采集的环境因子数据组合为10个数据集,采用广义线性模型拟合爱尔兰地区阿拉斯加云杉 (P. sitchensis) 立地指数与不同数据集间的关系,发现土壤物理因子数据集与立地指数拟合时校正决定系数Radj2为0.33,土壤化学因子数据集与立地指数拟合时Radj2为0.32,土壤综合数据集(理化性质综合)与立地指数拟合时Radj2增至0.55,气候、土壤的综合数据集与立地指数建模,其Radj2可增至0.62,而仅气候数据与立地指数拟合时Radj2为0.28。因此,根据研究目的选择恰当的数据结构是必要的。

  数据质量影响模型模拟效果。在气候因子-立地指数模拟中,与气象站测定数据本身的不确定性相比,采取插值法获取的气象数据,其不确定性可能更大。如降雨往往受地形和海拔的影响,利用插值法获取的降雨数据,其精度亦受这些因素的限制。随着遥感技术的逐步发展,该技术将广泛应用于气候数据获取,空间信息的分辨率仍为数据精确性的限制性因素。

  6  讨论与研究展望

  纵观立地指数-环境因子关系的研究,我国起步较晚,仅对个别树种进行过研究。相比林业发达国家,我国在研究深度和广度方面均明显不足,需要向林业发达国家学习,加大研究力度。综合分析该领域国内外发展现状以及相关领域科技发展,无论国内还是国外,今后需加强以下几个方面的研究:

  1)在当前立地指数-环境因子的相关研究中,以松、云杉等针叶树种居多,而阔叶树种相对较少,尤其是珍贵阔叶树种则更少。随着社会经济的发展,人们对高质量木制品的需求逐步增大,珍贵用材林进入飞速发展阶段,立地指数-环境因子关系研究对于珍贵树种选择、营林决策等亦至关重要。因此,未来应加强对珍贵树种立地指数-环境因子关系模拟研究,以评价其立地生产力。

  2)由于立地因子众多,在研究中不可能测定所有立地因子,前期判断哪些因子作为候选因子是挑战之一。若预设某些因子影响立地指数,再进行立地指数预测,这有可能忽略关键影响因子,从而影响预测的精确性。而且因子之间关系复杂,寻找关键因子往往比较困难,在研究中还需从理论和方法上进行突破。

  3)在诸多立地因子中,土壤是树木生长的重要载体,土壤理化性质直接影响树木的生长,但其获取耗时且成本高。目前,一些快速测定土壤理化性质的仪器已应用于小尺度研究,而大尺度研究则难以通过这种方式获取数据。随着世界各国森林调查系统的逐渐完善,大量土壤数据的积累,以及GIS等技术的不断突破,建立大尺度的土壤数据网将成为可能。

  4)随着遥感技术的不断发展,无人机遥感的应用,将会推动环境因子-立地指数关系研究在更大尺度上的开展。无人机遥感具有成本低、灵活机动、实时性强等突出特点,这克服了常规大范围取样成本高、难以获取实时性数据等问题,亦为环境因子-立地指数关系动态变化研究提供了支撑。由于图像的空间分辨率取决于空间信息的复杂性,遥感技术正在向精准化方向发展,未来有望在环境因子以及树木生长测定中获取更精确的数据。

  5)大数据、数字林业、智慧林业等概念的提出与相关技术的推动,为环境因子-立地指数关系研究提供了新的技术和平台。数字林业、智慧林业使得森林资源数据整合共享,更便于大数据的挖掘与应用,从而便于分析不同树种的立地指数及其动态变化等,为森林经营者决策提供更为全面可靠的信息支撑。


  作者简介:唐诚 (1978-),甘肃靖远人,博士,讲师,主要从事森林培育与经营的教学、科研工作,E-mail:tangcheng1983@163.com。

  通信作者:曾杰(1969- ),博士,研究员,主要从事森林培育与生态遗传研究,E-mail: zengj69@caf.ac.cn。