基于GWR模型的帽兒山實(shí)驗(yàn)林場(chǎng)天然次生林枯損分布.pdf

1、學(xué)校代碼：10225學(xué)號(hào)：S17722學(xué)位論文基于GWR模型的帽兒山實(shí)驗(yàn)林場(chǎng)天然次生林枯損分布張凌宇指導(dǎo)教師姓名：劉兆剛教授東北林業(yè)大學(xué)申請(qǐng)學(xué)位級(jí)別：碩士學(xué)科專(zhuān)業(yè)：森林經(jīng)理學(xué)論文提交日期：2017年4月論文答辯日期：2017年6月授予學(xué)位單位：東北林業(yè)大學(xué)授予學(xué)位日期：2017年6月答辯委員會(huì)主席：論文評(píng)閱人：摘要I摘要摘要我國(guó)天然次生林面積在森林總面積中占據(jù)相當(dāng)大的比重，但是由于不同因素的干擾，整體上天然次生林動(dòng)態(tài)演替的穩(wěn)定性較低，同

2、時(shí)林分枯損株數(shù)影響著森林演替的進(jìn)程，并且在森林動(dòng)態(tài)變化過(guò)程中起著至關(guān)重要的作用，因此對(duì)天然次生林枯損株數(shù)空間分布的研究有著重要的理論和現(xiàn)實(shí)意義。本研究目基于2004年至2016年收集的帽兒山實(shí)驗(yàn)林場(chǎng)2期共101塊天然次生林固定樣地?cái)?shù)據(jù)，建立全局Poisson模型和4種空間尺度下（2.5km5km10km15km）的地理加權(quán)泊松模型（GeographicallyWeightedPoissonRegressionGWPR）對(duì)帽兒山實(shí)驗(yàn)林場(chǎng)天

3、然次生林枯損株數(shù)的空間分布情況進(jìn)行探索，并分析了全局模型和不同空間尺度下的局域模型在解決空間問(wèn)題上的優(yōu)劣性。利用混合逐步選擇法建立全局Poisson模型來(lái)擬合天然次生林枯損株數(shù)與各影響因子之間的關(guān)系，最終得到海拔、坡度、林分平均胸徑、每公頃株數(shù)以及蓄積量共5個(gè)影響因子。結(jié)果顯示，對(duì)于全局Poisson模型，所有變量參數(shù)均表現(xiàn)為統(tǒng)計(jì)顯著，這表明所選的林分以及地形因子都是影響天然次生林枯損株數(shù)的重要因子，林分平均胸徑與次生林枯損株數(shù)呈負(fù)相關(guān)

4、關(guān)系，其余4個(gè)因子與次生林枯損株數(shù)呈正相關(guān)關(guān)系，其中，林分平均胸徑對(duì)天然次生林枯損株數(shù)的影響最大，海拔和坡度等地形因子對(duì)天然次生林枯損株數(shù)的影響最小。建立了4種空間尺度下的局域GWPR模型，利用ArcGIS軟件繪制了4種空間尺度下局域GWPR模型各參數(shù)的空間分布圖。結(jié)果顯示，各個(gè)尺度下的GWPR模型在對(duì)天然次生林枯損株數(shù)影響的方向上與全局Poisson模型存在一致性，但是GWPR模型的估計(jì)系數(shù)不是唯一的，是連續(xù)變化的；在2.5km空間尺

5、度下GWPR模型系數(shù)可以產(chǎn)生較好范圍內(nèi)的局域化空間分布，并且產(chǎn)生最大的變化范圍，在模型系數(shù)分級(jí)的細(xì)化程度上要好于其他尺度下的GWPR模型；在模型擬合方面，GWPR模型擁有很好的擬合效果，明顯好于全局Poisson模型，尤其在小空間尺度（GWPR_2.5km）下的AIC值明顯減小，同時(shí)產(chǎn)生了較大范圍內(nèi)的模型系數(shù)，得到了較好的模型參數(shù)的局域化空間分布效果；在小尺度下的GWPR模型產(chǎn)生了較小范圍內(nèi)的模型殘差，產(chǎn)生不同觀(guān)測(cè)值少量聚類(lèi)這一理想的空

6、間分布模式。利用ManI指數(shù)對(duì)全局模型和4種尺度下的局域模型的空間自相關(guān)性進(jìn)行了分析。結(jié)果表明，在小尺度（GWPR_2.5km）下產(chǎn)生的模型可以有效地去除模型殘差的全局空間自相關(guān)性，產(chǎn)生數(shù)量最少的顯著性局域ManI值，隨著尺度增加，顯著性局域ManI值的數(shù)量逐漸增加。在降低模型殘差的局域空間自相關(guān)性效果上，較小尺度（2.5km和5km）下的GWPR模型要明顯好于較大尺度下的GWPR模型，但是所有局域模型總體上仍要好于全局模型，說(shuō)明局域模