文章信息
- 李文娟, 赵传燕, 彭守璋, 王清涛, 马文瑛, 袁亚鹏, 高婵婵
- LI Wenjuan, ZHAO Chuanyan, PENG Shouzhang, WANG Qingtao, MA Wenying, YUAN Yapeng, GAO Chanchan
- 黑河上游天涝池流域灌丛地上生物量空间分布
- The spatial distribution of the aboveground biomass shrub in Tianlaochi catchment in the upper reaches of Heihe River
- 生态学报, 2015, 35(4): 1134-1141
- Acta Ecologica Sinica, 2015, 35(4): 1134-1141
- http://dx.doi.org/10.5846/stxb201309242347
-
文章历史
- 收稿日期:2013-09-24
- 修订日期:2014-07-15
灌丛分布面积占我国国土面积20%[1],具有重要的生态服务功能,如其碳汇占我国陆地生态系统碳汇的30%左右,是仅次于森林的重要碳汇[2],在西北干旱区,除碳汇功能外,灌丛又具有水源涵养功能,因此灌丛对西北地区的生态服务功能不可忽视[3, 4, 5]。
生物量是整个生态系统运行的能量基础,是群落结构和功能的主要指标之一,对生物量的估测是深入研究许多林业和生态问题的重要基础[6, 7, 8, 9]。目前估算生物量的方法有多种:如直接收获法、数学模型方法、遥感方法。直接收获法获得的生物量精度高,是数学模型方法和遥感方法的基础,刘江华等[10]采用直接收获法对黄土丘陵区小流域次生灌丛群落的生物量进行了研究,但对该区植被破坏大,数学模型方法通常是基于大量的样本统计获取生物量与易测因子(冠幅、高度、盖度)的关系来估测生物量,Hierro等[11]基于建立了生物量与冠幅、丛高的数学模型对阿根廷中部的半干旱生态系统的入侵灌木进行生物量估测,其估测精度达到0.80,但该方法只限于样点尺度上的估算;遥感方法对区域生物量的分布格局研究最具有优势,Corona等[12]认为与传统估测方法相比遥感估测生物量省时省力且区域估测精度较高,Nelson等[13]利用LiDAR数据估测挪威海德马克地区森林生物量分布格局,估测精度达到0.78,Dubayah等[14]利用中等分辨率的LiDAR数据估测了哥斯达黎加地区森林生物量空间分布格局。目前遥感技术多应用于森林生物量的估算研究,但应用灌丛地上生物量的研究较少,Loudermilk 等[15]认为主要由于灌丛的高度通过遥感技术获得的精度不高,由此限制了遥感技术在区域灌丛地上生物量估算中的应用,高精度的LiDAR数据可以获取高精度的灌丛高度[16],能显著提高灌丛地上生物量估算的精度[17],由此被众多学者认可[18, 19, 20]。Estornell等[19, 20]利用机载LiDAR数据估测了西班牙巴伦西亚地区灌丛的地上生物量分布格局,其精度可达0.78。因此利用机载LiDAR数据估测灌丛地上生物量成为热点。
祁连山灌丛面积约有6.5×105 hm2,占祁连山区林业用地面积的71.5%左右,是祁连山水源涵养林的重要组成部分,然而对该地区高山灌丛的研究主要集中在土壤理化性质、降水截留方面[21, 22, 23],对灌丛地上生物量的研究甚少[24],灌丛生物量的空间分布格局如何?是灌丛生态水文过程(如降水截留差异和碳汇总量)研究中必须回答的基本问题,而对该问题的研究鲜见。本文通过野外采样建立样方生物量与易测因子最优关系式,利用Geoeye-1影像数据对研究区植被进行分类,提取出灌丛分布区,利用机载雷达数据反演灌丛分布区内的丛高和盖度,基于ArcGIS空间分析功能获取研究区灌丛地上生物量的空间分布,为该地区灌丛的水文过程以及碳汇估算研究奠定基础。
1 数据收集与研究方法 1.1 研究区概况研究区(图 1)位于黑河上游天涝池流域(38°23′56—38°26′ 47″N;99° 53′ 57—99° 57′ 10″E),海拔2655—4400 m,面积12.8 km2,年平均气温0.4—2.4 ℃,无霜期140 d以下,年降水量400—600 mm,年降水分布很不均匀,主要集中在夏季,5—9月降水占全年降水的80%—90%,年均蒸发量1005.5 mm,年日照时数2600 h,相对湿度47%—58%,干燥度0.6—1.9。属典型的高寒半干旱、半湿润山地森林草地气候。森林类型有青海云杉(Picea crassifolia)林,主要分布在2655—3400 m的阴坡,祁连圆柏(Sabina przewalskii)林分布在2655—3400 m的阳坡,在2655—3400 m高度带内,灌丛呈斑块状镶嵌在青海云杉林和祁连圆柏林分布区中,主要分布在半阴坡,在3400—3750 m高度带,高山灌丛占优势,呈条带状分布,主要有金露梅(Dasiphora fruticosa)、鬼箭锦鸡儿(Caragana jubata)、吉拉柳(Salix atrata)和高山绣线菊(Spiraea alpina Pall.)等组成。
1.2 数据收集 1.2.1 野外数据获取2 011年和2012年8月在天涝池流域对灌丛进行调查。根据灌丛分布区的分布沿着不同坡向设计样带,在样带上根据海拔带以及同一海拔带不同坡度选择人为干扰较少,设置2 m × 2m样方,共235个(图 1)。首先将2m × 2 m样方划分成4个1m × 1m的样方,调查1m × 1m样方中灌丛物种组成,并测量其对应的灌丛高度和冠幅周长用来统计样方中灌丛地上生物量,最后对1m × 1m样方进行垂直拍照,利用ArcMap中的栅格计算器工具获取灌丛样方盖度。
1.2.2 影像数据的获取机载LiDAR数据获取时间为2012年8月25日,飞行高度约5500 m,共6条航带,地面覆盖面积约100 km2。飞机上搭载的LiDAR系统为ALS70,地表点的定位精度(水平/垂直)为0.3 m/0.1 m。数据的地理坐标系统为WGS84,投影采用UTM六度分度第47带,激光雷达点云数据的平均点密度为1/m2。并通过插值生成数字表面模型(DSM)和数字高程模型(DEM),将DSM和DEM做差值生成冠层高度模型(CHM,0.5 m空间分辨率)。
影像数据为美国Geoeye-1影像,Geoeye-l是太阳同步轨道卫星,轨道高度684 km,运行周期98 min。该卫星携带高分辨率的CCD相机,获取的全色波段空间分辨率高达0.41 m,多光谱波段空间分辨率为1.65 m。本研究影像获取时间是2012年8月4日,获取时间为当地时间10:30。对影像进行了处理,生成研究区0.5 m分辨率的正射影像。
1.3 研究方法 1.3.1 灌丛地上生物量模型的建立在此研究区内,梁倍等[24]构建了4种典型灌丛(金露梅、鬼箭锦鸡儿、吉拉柳和高山绣线菊)地上生物量与各自易测因子(丛高和冠幅周长)的最优关系式,利用梁倍等建立的每种类型灌丛最优关系式,计算出235个样方内灌丛地上生物量(W),然后依据野外获得样方内灌丛平均高度、盖度建立样方内灌丛地上生物量模型。
构建样方灌丛地上生物量与灌丛平均高度和盖度的一般关系式如下:
X变量
X variables | 回归方程
Regression equations | R2 | 均方根误差/g
Root mean square error | P |
C:样方内盖度(100%);H:样方内平均丛高(cm) | ||||
C | y=1315x | 0.605 | 289.845 | <0.05 |
y=1356x0.926 | 0.500 | 296.102 | <0.05 | |
H | y=15.99x | 0.604 | 319.861 | <0.05 |
y=9.805x1.159 | 0.392 | 309.423 | <0.05 | |
H×C | y=31.27x | 0.551 | 258.691 | <0.05 |
y=93.74x0.6828 | 0.610 | 248.034 | <0.05 | |
H×C×C | y=41.32x | 0.237 | 357.177 | <0.05 |
y=268.7x0.427 | 0.590 | 263.801 | <0.05 |
利用面向对象方法对Geoeye-1影像进行分类,提取出该流域灌丛的分布区。利用实测植被高度数据对CHM数据进行验证,结果(图 2);在ArcMap软件中,利用其叠置分析、空间分析功能,获得研究区灌丛盖度图层,通过野外拍照获得样方盖度对其进行验证(图 3,从图 2、图 3可知机载LiDAR数据分别能够较准确的反演灌丛的实际高度以及能较好的估算灌丛在分布区盖度大小,因此可以利用机载LiDAR数据获取灌丛高度数据及盖度数据用于建立地上生物量模型的参数。
1.3.3 灌丛地上生物量空间分布利用获得的灌丛平均高度以及盖度图层数据,根据建立的式(1)在ArcMap中可以计算出灌丛分布区每个网格(2m × 2m)内的灌丛生物量,再除以4 m2获得单位面积灌丛的地上生物量。并且通过叠置分析可以获得不同海拔带上灌丛的分布特征。
2 结果与分析 2.1 灌丛地上生物量数学模型验证利用80个样方数据,对建立的样方灌丛地上生物量模型进行检验(图 4),结果表明模拟结果和实测结果之间拟合度(R2)为0.52、P < 0.05,模拟结果基本接近1 : 1线,模拟效果较好,因此本文选用数学模型W=93.74X0.6828( X为平均丛高×盖度)来进行灌丛地上生物量的空间估算。
2.2 灌丛地上生物量空间分布依据表 1中选出的最优关系式,利用机载LiDAR数据反演的盖度图层和灌丛平均高度图层,获得研究区灌丛地上生物量的空间分布(图 5);结合研究区DEM,分析灌丛地上生物量在海拔梯度的特征(图 6)。从图 5可知,在研究区域除了部分灌丛呈斑块分布外,其余灌丛均为带状分布,且灌丛地上生物量空间异质性较大。灌丛最大地上生物量为691.8 g / m2。从图 6可以看出该流域内灌丛地上生物量在不同海拔梯度上的分布有较大差异,由于不同海拔带水分和温度的不同造成的。研究区内灌丛地上生物总量是1.41 × 102 t,在3300—3400 m最大,达到40.4 t,在2655—3300 m随着海拔梯度的升高灌丛地上总生物量增加;而在3400—3750 m梯度带随着海拔的升高而逐渐递减。
3 讨论目前对生物量的研究主要通过建立其与易测因子的关系,本文采用样方调查法建立样方生物量与易测因子的关系,减少了对灌丛的破坏。在生物量估测中,Popescu等[25]认为预测模型的精度,显著影响着生物量估算的准确性。杨昆等[26]指出灌木高度和盖度与灌木生物量的相关性最好。赵成义等[27]在对几种荒漠植物地上生物量估算的初步研究中也显示出灌丛地上生物量与其高度和盖度关系比较明显,成幂函数关系式,且相关系数都在0.9以上。这些与本研究所选的最优灌丛地上生物量模型参数一致。
灌丛在研究区一般成连续斑块状分布在流域的不同海拔带上,且灌丛地上生物量在流域空间异质性较大。王启基等[28]对青藏高原金露梅灌丛的结构特征及其生物量研究结果显示灌丛生物量最大值258.78 g/m2,李东等[29]青藏高原高寒灌丛草甸生态系统碳平衡研究表明,灌丛地上生物量为308.26 g/m2,以上研究结果比本研究结果高,Santos等[30]利用遥感方法估测热带雨林生物量指出植被密度大也将使得估测结果偏低。Meng等[31]指出由于灌丛比较低导致忽略了部分灌丛,因此造成生物量估测偏低。李英年等[32]对高寒金露梅灌丛生物量及年周转量的研究中指出,金露梅灌丛在海拔3400—3500 m保持在154.2—154.9 g/m2。本研究结果与前人的研究成果有所差别,首先由于不同区域环境条件(温度、降水)的差异,从而导致植被生长状况不同,其次研究方法不同也是造成差别的原因,通常的研究方法是根据样方的调查而得出平均值,调查的数据局限在观测站点或样方尺度上,缺乏整体区域的调查,而本文优势在于整体反映区域尺度的生物量分异现象,弥补以点代面的不足。
4 结论(1)本文初步探索利用0.5m × 0.5m分辨率的机载 LiDAR数据结合Geoeye-1影像,估算区域灌丛地上生物量空间分布格局,机载LiDAR数据能够较准确的反演构建灌丛地上生物量模型的参数,为灌丛地上生物量的估测提供基础数据,使得利用遥感技术估测区域灌丛地上生物量的空间分布格局成为可能。
(2)在研究区域海拔梯度带上灌丛地上生物量差异明显,主要限制因素为温度和降水,在低海拔区域降水量成为灌丛生长的主要限制条件,在高海拔区域地带,温度的降低不利于灌丛的生长,使得不同海拔梯度带上灌丛地上生物量分布先增加后减小。
(3)本研究区域较小,影像覆盖面积仅为12.8 km2,如何将小区域尺度的灌丛地上生物量估测推移到较大区域尺度还有一定难度。由于环境因子的限制,使得灌丛的种类及生长状况在不同区域的空间异质性较大,因此,对于较大尺度上利用遥感技术估测灌丛地上生物量空间分布格局还有待于研究。
[1] | 郑绍伟, 唐敏, 邹俊辉, 慕长龙. 灌木群落及生物量研究综述. 成都大学学报: 自然科学版, 2007, 26(3): 189-190. |
[2] | 赵林, 殷鸣放, 陈晓非, 王大奇. 森林碳汇研究的计量方法及研究现状综述. 西北林学院学报, 2008, 23(1): 59-63. |
[3] | 张贞明, 韩天虎. 几种高寒灌丛地上植物量的估测模型. 草业科学, 2008, 25(1): 10-12. |
[4] | 贺金生, 王其兵, 胡东. 长江三峡地区典型灌丛的生物量及其再生能力. 植物生态学报, 1997, 21(6): 512-520. |
[5] | 付刚, 周宇庭, 沈振西, 张宪洲, 武建双. 藏北高原高寒草甸地上生物量与气候因子的关系. 中国草地学报, 2011, 33(4): 31-36. |
[6] | Zolkos S G, Goetz S J, Dubayah R. A meta-analysis of terrestrial aboveground biomass estimation using LiDAR remote sensing. Remote Sensing of Environment, 2013, 128(23): 289-298. |
[7] | Naesset E, Gobakken T, Solberg S, Gregoire T G, Nelson R, Ståhl G, Weydahl D. Model-assisted regional forest biomass estimation using LiDAR and InSAR as auxiliary data: A case study from a boreal forest area. Remote Sensing of Environment, 2011, 115(12): 3599-3614. |
[8] | Phanphanich M, Mani S. Impact of torrefaction on the grindability and fuel characteristics of forest biomass. Bioresource Technology, 2011, 102(2): 1246-1253. |
[9] | Keith H, Mackey B G, Lindenmayer D B. Re-evaluation of forest biomass carbon stocks and lessons from the world's most carbon-dense forests. Proceedings of the National Academy of Sciences of the United States of America, 2009, 106(28): 11635-11640. |
[10] | 刘江华, 徐学选, 杨光, 穆兴民, 王炜. 黄土丘陵区小流域次生灌丛群落生物量研究. 西北植物学报, 2003, 23(8): 1362-1366. |
[11] | Hierro J L, Branch L C, Villarreal D, Clark K L. Predictive equations for biomass and fuel characteristics of Argentine shrubs. Journal of Range Manage, 2000, 53(6): 617-621. |
[12] | Corona P, Fattorini L. Area-based LiDAR-assisted estimation of forest standing volume. Canadian Journal of Forest Science, 2008, 38(11): 2911-2916. |
[13] | Nelson R, Gobakken T, Naesset E, Gregoirec T G, Ståhld G, Holmd S. LiDAR sampling-Using an airborne profiler to estimate forest biomass in Hedmark County, Norway. Remote Sensing of Environment, 2012, 123: 563-578. |
[14] | Dubayah R O, Sheldon S L, Clark D B,, Hofton M A, Blair J B, Hurtt G C, Chazdon R L. Estimation of tropical forest height and biomass dynamics using LiDAR remote sensing at La Selva, Costa Rica. Journal of Geophysical Research, 2010, 115(G2): G00E09. |
[15] | Loudermilk E L, Hiers J K, O'Brien J J, Mitchell R J, Singhania A, Fernandez J C, Cropper W P, KClint Slatton K. Ground-based LiDAR: A novel approach to quantify fine-scale fuelbed characteristics. International Journal of Wildland Fire, 2008, 18(6): 676-685. |
[16] | Stretchers D R, Glenn N F. LiDAR measurement of sagebrush steppe vegetation heights. Remote Sensing of Environment, 2006, 102(1/2): 135-145. |
[17] | Verrelst J, Geerling G W, Sykora K V, Clevers Jan G P W. Mapping of aggregated floodplain plant communities using image fusion of CASI and LiDAR data. International Journal of Applied Earth Observation and Geoinformation, 2009, 11(1): 83-94. |
[18] | Nicholas R, Christain P, Giardina G P. Polar grid fraction as an estimator of montane tropical forest canopy structure using airborne LiDAR. International Journal of Remote Sensing, 2013, 34(21): 7463-7473. |
[19] | Estornell J, Ruiz LA, Velázquea-Marti B, Fernández-Sarría A. Estimation of shrub biomass by airborne LiDAR data in small forest stands. Forest Ecology and Management, 2011, 262(9): 1697-1703. |
[20] | Estornell J, Ruiz LA, Velázquea-Martí B, Hermosilla T. Estimation of biomass and volume of shrub vegetation using LiDAR and spectral data in a Mediterranean environment. Biomass and Bioenergy, 2012, 46: 710-721. |
[21] | 秦嘉海, 金自学, 王进, 刘金荣, 谢晓蓉. 祁连山不同林地类型对土壤理化性质和水源涵养功能的影响. 水土保持学报, 2007, 21(1): 92-96. |
[22] | 刘章文, 陈仁升, 宋耀选, 韩春坛. 祁连山典型灌丛降雨截留特征. 生态学报, 2012, 32(4): 1337-1346. |
[23] | 常学向, 赵爱芬, 王金叶, 常宗强, 金博文. 祁连山林区大气降水特征与森林对降水的截留作用. 高原气象, 2002, 21(3): 274-280. |
[24] | 梁倍, 邸利, 赵传燕, 彭守璋, 彭焕华, 王超, 王阳, 柳逸月. 祁连山天涝池流域典型灌丛地上生物量沿海拔梯度变化规律的研究. 草地学报, 2013, 21(4): 664-669. |
[25] | Popescu S C, Wynne R H, Scrivani J A. Fusion of small-footprint LiDAR and multispectral data to estimate plot-level volume and biomass in deciduous and pine forests in Virginia, USA. Forest Science, 2004, 50(4): 551-565. |
[26] | 杨昆, 管东生. 森林林下植被生物量收获的样方选择和模型. 生态学报, 2007, 27(2): 705-714. |
[27] | 赵成义, 宋郁东, 王玉潮, 蒋平安. 几种荒漠植物地上生物量估算的初步研究. 应用生态学报, 2004, 15(1): 49 -52. |
[28] | 王启基, 周兴民, 张堰青, 赵新全. 青藏高原金露梅灌丛的结构特征及其生物量. 西北植物学报, 1991, 11(4): 333-340. |
[29] | 李东, 曹广民, 黄耀, 靳代樱, 明珠. 青藏高原高寒灌丛草甸生态系统碳平衡研究. 草业科学, 2010, 27(1): 37-41. |
[30] | Santos J R, Freitas C C, Araujo L S, Dutra L V, Mura J C, Gama F F, Soler L S, Sant'Anna S J S. Airborne P-band SAR applied to the aboveground biomass studies in the Brazilian tropical rainforest. Remote Sensing of Environment, 2003, 87(4): 482-493. |
[31] | Meng X L, Currit N, Zhao G. Ground filtering algorithms for airborne LiDAR data: A review of critical issues. Remote Sensing, 2010, 2(3): 833-860. |
[32] | 李英年, 赵亮, 王勤学, 杜明远, 古松, 徐世晓, 张发伟, 赵新全. 高寒金露梅灌丛生物量及年周转量. 草地学报, 2006, 14(1): 72-76. |