基于地理加权回归模型的珠三角森林碳储量空间分布
收稿日期: 2023-08-24
修回日期: 2023-11-09
网络出版日期: 2024-02-21
基金资助
广东省林业科技创新重点项目“珠三角森林城市群质量提升关键技术研究”(2021KJCX009)
Spatial Distribution of Forest Carbon Storage in the Pearl River Delta Based on Geographically Weighted Regression Model
Received date: 2023-08-24
Revised date: 2023-11-09
Online published: 2024-02-21
森林碳储量是研究森林生态系统功能的重要指标,同时也是人们经营森林的参考。珠三角为国内重要的发达地区,研究其森林碳储量分布格局,可以为珠三角森林城市群建设提供重要的理论依据。为精准估测大尺度森林碳储量空间分布格局,以2017年珠三角区域419块森林资源连续清查样地数据为研究对象,采用普通最小二乘法(OLS)模型和4种地理加权回归(GWR)模型对珠三角森林碳储量进行空间分布预测。结果表明:4种GWR模型均比OLS模型有更好的拟合效果和独立性样本检验结果,其中MGWR(Gaussian)的模型拟合效果最佳,GWR(Gaussian)的独立性样本检验结果最佳;运用GWR(Gaussian)模型估测的珠三角森林单位面积碳储量为6.15~81.52 t/hm2,平均值为33.46 t/hm2,且估测误差优于OLS模型,整体上呈现中心高、边缘低的空间分布格局。地理加权回归方法能较有效地估测森林碳储量,并且通过调整模型形式和空间核函数可进一步提高估测精度,为珠三角森林碳储量估测提供了新的方法和思路。
曹聪 , 郭泽鑫 , 郭彦青 , 莫燕卿 , 刘萍 . 基于地理加权回归模型的珠三角森林碳储量空间分布[J]. 林草资源研究, 2023 , 0(6) : 98 -104 . DOI: 10.13466/j.cnki.lczyyj.2023.06.012
Based on the data of 419 consecutive forest resource inventory plots in the Pearl River Delta region in 2017,the spatial distribution of forest carbon storage in the Pearl River Delta region was predicted using the Ordinary Least Squares (OLS)model and four Geographically Weighted Regression (GWR)models.The results showed that all four GWR models had better model fitting performance and independent sample test results than OLS models,with MGWR (Gaussian)model having the best fitting performance and GWR (Gaussian)model having the best independent sample test results;Using the GWR (Gaussian)model to draw a spatial distribution map of forest carbon storage,the estimated carbon storage per unit area of the Pearl River Delta forest is 6.15-81.52 t/hm2,with an average value of 33.46 t/hm2.The estimation error is better than the OLS model,and the overall spatial distribution pattern shows a high center and low edge.It also provides a new method and idea for the estimation of forest carbon stocks in the Pearl River Delta.
| [1] | 叶金盛, 佘光辉. 广东省森林植被碳储量动态研究[J]. 南京林业大学学报(自然科学版), 2010, 34(4):7-12. |
| [2] | 刘畅, 李凤日, 甄贞. 空间误差模型在黑龙江省森林碳储量空间分布的应用[J]. 应用生态学报, 2014, 25(10):2779-2786. |
| [3] | 杜一尘, 李明泽, 范文义, 等. 基于地理加权回归模型与林火遥感数据估算森林年龄[J]. 林业科学, 2019, 55(6):184-194. |
| [4] | 陈科屹, 张会儒, 张博, 等. 基于地理加权回归的天然次生林进界木空间分布模拟[J]. 北京林业大学学报, 2021, 43(2):1-9. |
| [5] | 刘畅. 黑龙江省森林碳储量空间分布研究[D]. 哈尔滨: 东北林业大学, 2014. |
| [6] | 李康杰, 胡中岳, 刘萍, 等. 广东省珠三角乔木林生物量碳储量评估[J]. 林业资源管理, 2022(4):54-60. |
| [7] | 邵怡若, 钟斌, 杨振意, 等. 广东省森林资源及碳储量分布[J]. 湖南林业科技, 2013, 40(3):34-38. |
| [8] | 谭一凡, 彭友贵, 史正军, 等. 深圳市森林碳储量及其动态变化[J]. 西南林业大学学报, 2013, 33(4):17-24. |
| [9] | 全国森林资源标准化技术委员会. 立木生物量模型及碳计量参数——栎树:LY/T 2658-2016[S]. 北京: 国家林业局, 2016. |
| [10] | 全国森林资源标准化技术委员会. 立木生物量模型及碳计量参数——杉木:LY/T 2264-2014[S]. 北京: 国家林业局, 2014. |
| [11] | 全国森林资源标准化技术委员会. 立木生物量模型及碳计量参数——木荷:LY/T 2660-2016[S]. 北京: 国家林业局, 2016. |
| [12] | 全国森林资源标准化技术委员会. 立木生物量模型及碳计量参数——湿地松:LY/T 2261-2014[S]. 北京: 国家林业局, 2014. |
| [13] | 全国森林资源标准化技术委员会. 立木生物量模型及碳计量参数——马尾松:LY/T 2263-2014[S]. 北京: 国家林业局, 2014. |
| [14] | 曾伟生. 基于木材密度的34个树种组一元立木生物量模型建立[J]. 林业资源管理, 2017(6):41-46. |
| [15] | 曾伟生, 唐守正. 一个新的通用性相对生长生物量模型[J]. 林业科学, 2012, 48(1):48-52. |
| [16] | 陈宣强, 赵明松, 卢宏亮, 等. 基于3种地理加权回归方法的安徽省土壤pH空间预测制图对比研究[J]. 地理科学, 2023, 43(1):173-183. |
| [17] | 赵明松, 陈宣强, 徐少杰, 等. 基于MGWR的土壤pH值空间建模及其影响因素分析[J]. 环境科学, 2023, 44(12):6909-6920. |
| [18] | 龙依, 蒋馥根, 孙华, 等. 基于带宽优选地理加权回归模型的深圳市植被碳储量反演[J]. 生态学报, 2022, 42(12):4933-4945. |
| [19] | 闾妍宇, 李超, 欧光龙, 等. 基于地理加权回归模型的思茅松生物量遥感估测[J]. 林业资源管理, 2017(1):82-90. |
| [20] | 孙钰森. 基于GWRK模型的帽儿山地区森林碳储量空间分布[D]. 哈尔滨: 东北林业大学, 2019. |
| [21] | 李康杰, 胡中岳, 刘萍, 等. 基于Landsat-8 Oli影像的珠三角森林生物量估测[J]. 中南林业科技大学学报, 2023, 43(3):73-81. |
| [22] | 冯益明, 唐守正, 李增元. 空间统计分析在林业中的应用[J]. 林业科学, 2004, 40(3):149-155. |
| [23] | 张博, 欧光龙, 孙雪莲, 等. 空间效应及其回归模型在林业中的应用[J]. 西南林业大学学报, 2016, 36(03):144-152. |
| [24] | 陈科屹, 张会儒, 张博, 等. 基于地理加权回归拓展模型的天然次生林碳储量空间分布[J]. 应用生态学报, 2021, 32(4):1175-1183. |
/
| 〈 |
|
〉 |