蔣云姣，韓軼群，李明陽，王藝曉

（南京林業(yè)大學(xué)林學(xué)院，江蘇南京210037）

紫金山喬木多樣性遙感估測及空間分布

蔣云姣，韓軼群，李明陽，王藝曉

（南京林業(yè)大學(xué)林學(xué)院，江蘇南京210037）

生物多樣性的監(jiān)測是國際生物多樣性科學(xué)項目的一個核心研究內(nèi)容。景觀尺度上生物多樣性遙感估測可以克服傳統(tǒng)地面調(diào)查勞動強(qiáng)度大、效率低的缺點。以南京紫金山國家森林公園為研究對象，以 2011年90個野外樣地調(diào)查數(shù)據(jù)、2011年先進(jìn)對地觀測衛(wèi)星（ALOS）遙感數(shù)據(jù)為主要信息源，構(gòu)建了風(fēng)景林喬木樹種Gleason指數(shù)、Shannon-Wiener指數(shù)遙感估測模型，并在此基礎(chǔ)上了進(jìn)行了生物多樣性趨勢面分析和熱點探測。研究表明：①地形因子（坡度、海拔），人為干擾因子（距道路和居民點的距離），植被生長狀況（Gleason指數(shù)、Shannon-Wiener指數(shù)）等是影響紫金山喬木樹種多樣性的主要環(huán)境因子；②紫金山喬木樹種Gleason指數(shù)在空間分布上呈現(xiàn)由西南向東北依次遞減的帶狀分布格局，而Shannon-Wiener指數(shù)在空間分布上則呈現(xiàn)出一種圓心偏東的同心圓狀格局；③紫金山喬木樹種Gleason指數(shù)較高的林分主要分布在海拔較低、坡度較為平緩、距離道路和居民點較近的地段，而Shannon-Wiener指數(shù)較高的林分主要分布在海拔較高、坡度較陡、距離道路與居民點較遠(yuǎn)的地段。因此，可以通過增加綠化樹種以及劃分自然保護(hù)小區(qū)的方式來保護(hù)紫金山喬木樹種的生物多樣性。圖7表1參14

森林測計學(xué)；生物多樣性；風(fēng)景林；紫金山；遙感

隨著對人類活動引起的生物多樣性喪失的廣泛認(rèn)識，生物多樣性的保護(hù)已經(jīng)成為當(dāng)今世界關(guān)注的熱點問題［1］。生物多樣性的監(jiān)測可以為生物多樣性的管理提供基礎(chǔ)信息，為自然資源的持續(xù)管理提供科學(xué)依據(jù)， 因而成為國際生物多樣性科學(xué)項目的 5個核心內(nèi)容之一［2］。傳統(tǒng)的生物多樣性研究多集中于群落或生態(tài)系統(tǒng)層次，采用的方法多為野外地面調(diào)查，勞動強(qiáng)度大，工作效率低，難以適應(yīng)景觀尺度上生物多樣監(jiān)測及時、動態(tài)、多時相要求［3］。遙感具有視域廣，獲取信息速度快，周期短的特點，從而有可能為生物多樣性大尺度估測開辟出一條新的途徑。Woody等［4］指出：遙感技術(shù)的發(fā)展使得生態(tài)學(xué)家可以直接利用高分辨率的影像數(shù)據(jù)來研究生物多樣性的某些特定方面。Jeremy等［5］認(rèn)為遙感技術(shù)作為新的數(shù)據(jù)和強(qiáng)大的工具，將會為生態(tài)學(xué)家和保護(hù)生物學(xué)家提供全新的研究途徑與方法。與國外相比，國內(nèi)森林生物多樣性遙感估測的理論與實踐研究較少，估測模型的比較、多樣性指數(shù)的選擇、估測精度的大小測定，均缺乏深入的研究［6］。本研究以南京紫金山國家森林公園為研究對象，將遙感產(chǎn)品及其衍生的輔助數(shù)據(jù)與林學(xué)生物多樣性的理論及模型相結(jié)合，以 2011年90個野外樣地調(diào)查數(shù)據(jù)、2011年先進(jìn)對地觀測衛(wèi)星（ALOS）遙感數(shù)據(jù)為主要信息源，在構(gòu)建風(fēng)景林喬木樹種Gleason指數(shù)、Shannon-Wiener指數(shù)遙感估測模型基礎(chǔ)上，對生物多樣性進(jìn)行趨勢面分析和熱點探測，從而為遙感技術(shù)在大尺度生物多樣性監(jiān)測中的應(yīng)用提供科學(xué)依據(jù)。

1 研究區(qū)域概況

紫金山位于南京市東郊，地理坐標(biāo)為32°01′57″～32°06′15″N，118°48′00″～118°53′04″E,地處北亞熱帶北緣。紫金山東西長為7.1 km，南北寬6.2 km，狀似菱形，總面積為3 008.8 hm2。紫金山主峰頭陀嶺海拔448.9 m，是寧鎮(zhèn)丘陵山脈的最高峰。紫金山屬北亞熱帶季風(fēng)性氣候，全年降水量為900～1 000 mm，年平均氣溫為15.7℃。 區(qū)內(nèi)自然條件優(yōu)越，人文景觀豐富，有風(fēng)景名勝和古跡遺址200余處，7處國家級文物，19處省級和市級文物， 其中明孝陵為世界文化遺產(chǎn)。2004年3月3日南京紫金山正式被國家林業(yè)局批準(zhǔn)為國家級森林公園。

紫金山景區(qū)的喬木樹種主要有馬尾松 Pinus massoniana，黑松 Pinus thunbergii，麻櫟 Quercus acutissima，楓香Liquidambar formosana，黃連木Pistacia chinensis，刺槐Robinia pseudoacacia等，還有毛竹Phyllostachys edulis分布，景區(qū)森林覆蓋率為80.0%，占南京市森林面積的15.6%，是重要的城市森林綠地。隨著社會經(jīng)濟(jì)的發(fā)展，市民生活水平日漸提高，紫金山漸漸從一個城郊景區(qū)變成城市中的國家森林公園，景區(qū)的性質(zhì)發(fā)生了根本變化，原先比較單一的陵墓文化功能，已被拓展為古跡保護(hù)、旅游、城市綠肺和野生動植物保護(hù)等四大功能。

作為一個國家級城市森林公園，旅游開發(fā)蠶食林地、森林火災(zāi)、違章建筑以及登山熱引發(fā)的游人踐踏植被、不斷受到外來病蟲害入侵等自然因素和人為因素的干擾，對風(fēng)景林生物多樣性構(gòu)成了嚴(yán)重的威脅。1982年，南京紫金山爆發(fā)松材線蟲Bursaphelenchus xylophilus，大量黑松、馬尾松死亡。2002年以來，由于受到人為活動的影響，紫金山國家二級保護(hù)動物、珍稀蝶類中華虎鳳蝶Luehdorfia chinensis瀕臨絕跡。

2 材料和方法

2.1 數(shù)據(jù)來源與預(yù)處理

2.1.1 數(shù)據(jù)來源 本研究所采用的數(shù)據(jù)有：①2011年10月的90塊大小為10.0 m×10.0 m風(fēng)景林野外樣地調(diào)查數(shù)據(jù)，樣地沿紫金山海拔梯度設(shè)置，涵蓋馬尾松、黑松、麻櫟、楓香、刺槐、毛竹等紫金山主要樹種類型（圖1），調(diào)查的因子包括喬木樹種名稱、株數(shù)、胸徑和樹高等；②2011年7月的研究區(qū)先進(jìn)對地觀測衛(wèi)星（ALOS）遙感數(shù)據(jù)，多光譜波段空間分辨率為10.0 m×10.0 m，全色波段空間分辨率為2.5 m×2.5 m；③根據(jù)紫金山森林公園1∶10 000地形圖制作的數(shù)字高程模型（DEM），空間分辨率為3.3 m×3.3 m。與其他遙感信息源相比，先進(jìn)對地觀測衛(wèi)星（ALOS）遙感數(shù)據(jù)擁有高分辨率和豐富的光譜信息，波段組合后色彩更接近自然真彩色，有利于影像特征地物的識別。ALOS遙感圖像價格較為低廉，相比其他同等分辨率的衛(wèi)星影像具有較大優(yōu)勢。研究區(qū)域人為干擾嚴(yán)重、地類變化劇烈，野外調(diào)查樣地大小與ALOS多光譜波段圖像空間分辨率相同、樣地調(diào)查時間與影像獲取時間比較接近。因此，研究選用ALOS圖像多光譜波段作為遙感信息源，而沒有考慮采用其他高分辨率圖像，如快鳥衛(wèi)星QuickBird和商業(yè)遙感衛(wèi)星IKNOS等。

2.1.2 數(shù)據(jù)預(yù)處理 根據(jù)相關(guān)文獻(xiàn)研究成果［4］，在地勢高差較大、降水量大、森林垂直分布明顯的亞熱帶林區(qū)，森林生物多樣性與海拔、坡度、坡向等地形因子，植被狀況等因子有關(guān)，并受到人類干擾因子的影響。以研究區(qū)域1∶10 000的地形圖為參照，在遙感圖像處理軟件ENVI 5.0平臺上，進(jìn)行ALOS遙感圖像幾何精校正、輻射校正、空間子集運算、植被指數(shù)計算等。通過ArcGIS 9.3 Spatial Analyst中的Surface Analyst工具，生成研究區(qū)域的坡度柵格圖層。在最后生成的空間數(shù)據(jù)庫中，包含海拔，坡度，歸一化植被指數(shù)（NDVI），比值植被指數(shù)（RVI），距離道路距離和距離居民點距離，合計等6個屬性。

圖1 紫金山樣地分布圖Figure 1 Distribution of sampling plots in Zijin Mountain

2.2 研究方法

2.2.1 物種多樣性估測模型 研究采用α多樣性測度中的物種豐富度Gleason指數(shù)和γ多樣性指數(shù)的Shannon-Wiener指數(shù)作為測度指標(biāo)。物種豐富度即物種的數(shù)目，是最古老最簡單的物種多樣性測度方法，到目前為止仍有許多生態(tài)學(xué)家尤其是植物生態(tài)學(xué)家在使用這種方法［7］。采用測度單位面積物種數(shù)目［8］的Gleason指數(shù)測度物種的豐富程度。物種多樣性指數(shù)主要關(guān)注局域均勻生境下的物種數(shù)目，采用應(yīng)用較為廣泛的Shannon-Wiener指數(shù)。Gleason指數(shù)和Shannon-Wiener指數(shù)的具體計算方法見參考文獻(xiàn)［9］。物種多樣性估測模型選用多元線性回歸。多元線性回歸方法屬于直接輻射相關(guān)法的一種，通過建立遙感光譜數(shù)據(jù)與樣地實測生物多樣性之間相關(guān)關(guān)系來估算生物多樣性。多元回歸方法以遙感光譜數(shù)據(jù)或它們的變換形式（如各種植被指數(shù)）作為自變量，用生物多樣性指數(shù)作因變量，通過多元回歸分析，建立估測森林生物多樣性的經(jīng)驗?zāi)Ｐ停?0］。因為此方法直觀易懂，且對遙感數(shù)據(jù)的處理技術(shù)要求相對較低，被眾多的研究者所采用。

2.2.2 物種多樣性趨勢面分析 趨勢面分析根據(jù)有限的空間已知樣本點，擬合出一個平滑的點空間分布曲面函數(shù)，再根據(jù)此函數(shù)預(yù)測空間待插值點上的數(shù)據(jù)點，其實質(zhì)是一種曲面擬合的空間插值方法［11］。傳統(tǒng)的趨勢面分析是通過回歸方程，運用最小二乘法擬合出一個非線性多項式函數(shù)。由于趨勢面分析采用的是一個平滑函數(shù)，通常很難正好通過原始數(shù)據(jù)點。采用較高的多項式函數(shù)雖然能夠很好地逼近數(shù)據(jù)點，但會使計算復(fù)雜化。一般多項式函數(shù)的次數(shù)多選擇為2或3。當(dāng)對二維空間進(jìn)行擬合時，如果已知樣本點的空間坐標(biāo)（x，y）為自變量，屬性值z為因變量，則其二元一次和二次多項回歸函數(shù)可以分別表示為：

式（1）和式（2）中：a0，a1，a2，a3，a4，a5為多項式系數(shù)；ε為誤差項。

2.2.3 物種多樣性空間熱點探測 空間熱點探測的目的在于尋找研究區(qū)域內(nèi)屬性值顯著異于其他地方的子區(qū)域，實質(zhì)上是空間聚類的一種特例［12］。根據(jù)空間熱點探測的目的，分為焦點聚集性檢驗和一般聚集性檢驗。采用ArcGIS 9.3空間統(tǒng)計工具箱中的聚集及特例分析工具，通過計算生物多樣指數(shù)的Moran I值和z值來測量特定區(qū)域的要素值聚合程度，從而進(jìn)行物種多樣性空間熱點探測。如果索引值 I為正，則要素值與其相鄰的要素值相近，如果索引 I值為負(fù)值，則與相鄰要素值有很大的不同。在統(tǒng)計學(xué)中，z是測度標(biāo)準(zhǔn)偏差的一個統(tǒng)計量，數(shù)值上等于偏離平均值的標(biāo)準(zhǔn)偏差的倍數(shù)。當(dāng)可信度P=0.95，z位于區(qū)間范圍［-1.96，1.96］時，統(tǒng)計變量呈現(xiàn)隨機(jī)分布的空間格局。當(dāng)z值落在區(qū)間范圍之外，統(tǒng)計變量呈現(xiàn)出離散或聚集的分布格局［11］。z值為正且越大，要素分布趨向高聚類分布；相反為低聚類分布。

3 結(jié)果與分析

3.1 遙感估測模型的建立

多元線性回歸必須滿足因變量正態(tài)、自變量獨立2個假設(shè)條件。經(jīng)過統(tǒng)計分析，90塊樣地的Gleason指數(shù)、Shannon-Weiner指數(shù)滿足正態(tài)分布要求，NDVI和RVI之間的Pearson相關(guān)系數(shù)為0.87。有關(guān)專家研究表明：RVI更適合植被高密度地區(qū)，而NDVI更適合植被中、低密度地區(qū)［13］。由于研究區(qū)域水面、建筑物、草坪面積較大，南部及西部外圍地區(qū)植被密度較低，因此選用NDVI作為建模的自變量，選用海拔，坡度，NDVI，距居民點距離和距道路距離等作為風(fēng)景林喬木樹種生物多樣性指數(shù)參數(shù)反演模型的自變量。

采用簡單隨機(jī)抽樣的方法，將90塊樣地分為2部分：70%樣地（63塊樣地）用于建模，30%（27塊樣地）用于驗證模型精度。分別將因變量、自變量代入統(tǒng)計分析軟件Origin 9.0，采用逐步的方式，進(jìn)行多元線性回歸，得到Gleason指數(shù)、Shannon-Wiener指數(shù)遙感估測模型如下：

式（3）和式（4）中：G為Gleason指數(shù)，WSW為Shannon-Wiener指數(shù)，i為坡度，h為海拔高度，N為歸一化植被指數(shù)，r1為距道路距離，r2為距居民點距離。

式（3）顯示：Gleason指數(shù)大小與與坡度、植被生長狀況、距離道路與居民點距離等正相關(guān)，與海拔負(fù)相關(guān)。式（4）則表明：Shannon-Wiener指數(shù)與坡度、海拔、植被生長狀況等正相關(guān)。造成Gleason指數(shù)、Shannon-Wiener指數(shù)2個遙感估測模型差別的原因在于，Gleason指數(shù)測度的重點是物種的豐富度，紫金山的主要旅游景點多數(shù)位于海拔較低、距離道路較近的地段。這些地段園林綠化樹種多，人工林多，物種豐富度高。Shannon-Wiener指數(shù)測度的重點是物種均勻度，紫金山海拔高、坡度較陡的山脊，人為干擾少，森林類型為天然次生的落葉闊葉混交林，植被物種均勻度高。

圖2 Gleason指數(shù)估測模型擬合值與觀測值比較Figure 2 Comparison of the estimated and observed Gleason index

圖3 Shannon-Wiener指數(shù)估測模型擬合值與觀測值比較Figure 3 Comparison of the estimated and observed Shannon-Wiener index

3.2 物種多樣性空間分布分析

根據(jù)式（3）和式（4）進(jìn)行參數(shù)反演，生成Gleason指數(shù)空間分布圖（圖4）和Shannon-Wiener指數(shù)空間分布圖（圖5）。從圖4可以看出：紫金山南坡的中山陵、明孝陵、靈谷寺三大景區(qū)和西部的白馬公園景區(qū)，Gleason指數(shù)最高；山北的自然景觀區(qū)、帝豪花園等高檔住宅區(qū)，Gleason指數(shù)次之；海拔較高、交通不便的山頂公園景區(qū)，Gleason指數(shù)最低。從圖5可以看出：測度物種均勻度的Shannon-Weiner指數(shù)的空間分布呈現(xiàn)與Gleason指數(shù)相反的趨勢：旅游業(yè)發(fā)達(dá)、旅游景點眾多的南坡，Shannon-Wiener指數(shù)最低；游客人數(shù)較少、旅游景點較少的山北自然景觀區(qū)，Shannon-Wiener指數(shù)較低；海拔高、坡度陡、游客數(shù)量最少的山頂公園景區(qū)，由于人為干擾少，地帶性植被天然次生落葉闊葉混交林保護(hù)好，Shannon-Wiener指數(shù)最高。

圖4 紫金山喬木樹種Gleason指數(shù)空間分布Figure 4 Spatial distribution map of Gleason index in Zijin Mountain

圖5 紫金山喬木樹種Shannon-Wiener指數(shù)空間分布Figure 5 Spatial distribution map of Shannon-Wiener in Zijin Mountain

3.3 物種多樣性趨勢面分析

借助于ArcGIS 9.3工具箱中的 “Trend”工具，分別進(jìn)行Gleason指數(shù)、Shannon-Wiener指數(shù)趨勢面分析（圖6～圖7）。在這里，多項式函數(shù)的次數(shù)選擇2次，回歸類型為線性，采取自然中斷法將Gleason指數(shù)和Shannon-Wiener指數(shù)分為高、中、低等3級。

圖6 紫金山喬木樹種Gleason指數(shù)空間趨勢Figure 6 Spatial trend of Gleason index in Zijin Mountain

圖7 紫金山喬木樹種Shannon-Wiener指數(shù)空間趨勢Figure 7 Spatial trend of Shannon-Wiener index in Zijin Mountain

從圖6可以看出：紫金山的Gleason指數(shù)在空間分布上呈現(xiàn)由西南向東北依次遞減的帶狀分布格局。這種分布格局與由東北向西南的旅游景點逐漸增加、道路密度逐漸增加、人為引進(jìn)的行道樹及綠化樹種逐漸增加的空間趨勢相吻合。從圖7可以看出：Shannon-Wiener指數(shù)在空間分布上呈現(xiàn)出一種圓心偏東的同心圓狀，從圓心到邊緣依次呈現(xiàn)出高、中、低的分布格局。這種空間趨勢面分布格局與旅游交通、駐區(qū)居民點等人為干擾強(qiáng)度，海拔、坡度等立地條件以及植被生長狀況有關(guān)。在海拔較高、NDVI較大、距公路和居民點較遠(yuǎn)的山頂公園景區(qū)，森林類型為保護(hù)較好的地帶性植被落葉闊葉混交林，森林喬木樹種的Shannon-Wiener指數(shù)較高。越往景區(qū)邊緣地區(qū)，海拔越低、坡度越平緩，旅游交通、游客等人為干擾越大，天然林越來越少、人工林越來越多，導(dǎo)致Shannon-Wiener指數(shù)越來越低。

3.4 物種多樣性冷熱點分析

空間熱點分析采用ArcGIS 9.3空間統(tǒng)計工具箱中的聚集及特例分析工具來實現(xiàn)。 通過分析，該工具生成一個新的Point矢量文件。該文件在原有屬性基礎(chǔ)上添加了Lmi，Lmz，Ctype等3個字段，分別代表各個要素的 Morans I，z值和空間聚集類型。 當(dāng)統(tǒng)計值P=0.05時，空間聚集類型分為4種：高值點（熱點，HH），低值點（冷點，LL），高值被低值包圍的特例點（HL），低值被高值包圍的特例點（LH）。將生物多樣性高的熱點（HH），生物多樣性低的冷點（LL）挑選出來，借助于ArcGIS 9.3擴(kuò)展工具箱Hawth-Tools中的Intersect Point工具，提取冷點、熱點所在的生態(tài)環(huán)境因子，生成生物多樣性冷熱點生態(tài)環(huán)境因子比較分析表（表1）。

表1 生物多樣性指數(shù)冷熱點生態(tài)環(huán)境因子比較Table 1 Comparison of eco-environmental factors between hot and cold spots of biodiversity

從表1可以看出：紫金山風(fēng)景林喬木樹種Gleason指數(shù)較高的林分（熱點）主要分布在海拔較低、坡度較為平緩、距離道路和居民點較近的地段，而Gleason指數(shù)較低的林分（冷點）主要分布在海拔較高、坡度較陡、距離道路和居民點較遠(yuǎn)的地段。Gleason指數(shù)較高的熱點林分平均海拔為68.05 m，平均坡度為9.20°，距離居民點的平均距離為331.39 m，距離道路的平均距離為187.17 m。與此相反，Gleason指數(shù)較低的冷點林分平均海拔為比熱點高91.35 m，平均坡度比熱點高8.28°，距離居民點與道路的平均距離比熱點分別遠(yuǎn)653.84 m和185.90 m。

與Gleason指數(shù)相反，如表1所示，紫金山風(fēng)景林喬木樹種Shannon-Wiener指數(shù)較高的林分（熱點）主要分布在海拔較高、坡度陡、距離道路與居民點較遠(yuǎn)的地段，而Shannon-Wiener指數(shù)較低的林分（冷點）主要分布在海拔較低、坡度較為平緩、距離道路和居民點較近的地段。Shannon-Wiener指數(shù)較高的熱點林分平均海拔為216.41 m，平均坡度為24.56°，距離居民點的平均距離為838.75 m，距離道路的平均距離為235.10 m。與此相反，Shannon-Wiener指數(shù)指數(shù)較低的熱點林分平均海拔為比熱點低181.44 m，平均坡度比熱點低21.07°，距離居民點與道路的平均距離比熱點分別近585.97 m和51.54 m。

4 結(jié)論與討論

傳統(tǒng)的生物多樣性研究多集中于群落或生態(tài)系統(tǒng)層次，采用的方法多為野外地面調(diào)查，勞動強(qiáng)度大，工作效率低。以少量野外調(diào)查樣地數(shù)據(jù)為主要信息源，輔之以同期高分辨率遙感數(shù)據(jù)，通過建立物種多樣性指數(shù)與遙感特征值的關(guān)系進(jìn)行生物參數(shù)反演，來獲取景觀尺度的物種多樣性參數(shù)，可以為宏觀尺度的生物多樣性監(jiān)測探索出一條科學(xué)適用的途徑。

研究表明：地形、植被狀況、人類干擾因子等是影響紫金山風(fēng)景林喬木樹種多樣性指數(shù)的主要生態(tài)環(huán)境因子。Gleason指數(shù)較高的林分主要分布在紫金山海拔較低、坡度較為平緩、交通便利的景點周圍，而Shannon-Wiener指數(shù)較高的林分則位于海拔較高、坡度較陡、交通不便的山脊及北坡上部。紫金山的Gleason指數(shù)在空間分布上呈現(xiàn)由西南向東北依次遞減的帶狀分布格局，而Shannon-Wiener指數(shù)在空間分布上呈現(xiàn)出一種圓心偏東的同心圓狀。

研究表明：在海拔較低、旅游景點較多、道路密度較大的紫金山山麓和邊緣地段，可以通過增加綠化樹種的方式提高風(fēng)景林的Gleason指數(shù)，從而增加景點的美景度，增強(qiáng)對國內(nèi)外游客的吸引力。對于海波較高、道路密度較小、人為干擾較少的紫金山中部和上部及山脊地區(qū)，可以通過劃定游人禁入的自然保護(hù)小區(qū)的方式，提高風(fēng)景林的Shannon-Wiener指數(shù)，從而為當(dāng)?shù)氐囊吧鷦又参锾峁┝己玫纳L和棲息環(huán)境。

Gleason指數(shù)和Shannon-Wiener指數(shù)多元線性回歸遙感估測模型的R2不高，分別只有0.534和0.627。原因可能有2個：除了地形、人為干擾、植被生長狀況等因子外，模型中沒有考慮微氣候、土壤等其他影響生物多樣性的因素；紫金山海拔雖然只有448.90 m，但森林垂直分布較為明顯，風(fēng)景林喬木樹種多樣性指數(shù)與海拔、坡度、歸一化植被指數(shù)與人為干擾因子并非線性關(guān)系。

關(guān)于遙感圖像紋理特征，如能量、熵、對比度、相關(guān)性、逆差矩，由于包含了地物表面信息及其與周圍環(huán)境的關(guān)系，作為輔助手段，可以提高計算機(jī)分類精度［14］，但作為自變量，能否提高喬木樹種遙感估測模型的精度，有待深入研究。由于篇幅限制，在眾多指數(shù)中，本研究僅僅探索了風(fēng)景林喬木樹種的Gleason指數(shù)和Shannon-Wiener指數(shù)的遙感估測方法。采用K最鄰近分類算法、人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隨機(jī)森林等非參數(shù)方法，在自變量中引入遙感圖像紋理特征，對包括灌木、草本在內(nèi)的多種生物多樣性指數(shù)，進(jìn)行景觀尺度上的森林生物多樣性遙感估測，需要進(jìn)一步深入研究。

［1］ MAGURRAN A E.Ecological Diversity and Its Measurement［M］.Princeton：Springer Netherlands,1988：101-114.

［2］ 馬克平.監(jiān)測是評估生物多樣性保護(hù)進(jìn)展的有效途徑［J］.生物多樣性，2011，19（2）：125-126.

MA Keping.Assessing progress of biodiversity conservation with monitoring approach［J］.Biodivers Sci,2011,19（2）：125-126.

［3］ STOHLGREN T J.Measuring Plant Diversity:Lessons From the Field［M］.Oxford：Oxford University Press，2007：20 -45.

［4］ TURNER W,SPECTOR S,GARDINER N,et al.Remote sensing for biodiversity science and conservation［J］.Trends Ecol Evol,2003,18（6）：306-314.

［5］ KERR J T,OSTROVSKY M.From space to species：ecological applications for remote sensing［J］.Trends Ecol Evol, 2003,18（6）：299-305.

［6］ 徐文婷.三峽庫區(qū)森林植被生物多樣性遙感定量監(jiān)測方法研究［D］.北京：中國科學(xué)院，2004.

XU Wenting.Forest Biodiversity Monitoring by Remote Sensing in Three Georges Region［D］.Beijing：Chinese Academy of Sciences,2004.

［7］ BEAMAN J H,BEAMAN R S.Diversity and distribution patterns in the flora of Mount Kinabalu［G］//BAAS P, KALKMAN K,GEESINK R.The Plant Diversity of Malesia.New York：Springer,1990：147-160.

［8］ HURLBERT S H.The non-concept of species diversity：a critique and alternative parameters［J］.Ecology,1971,52（4）：577-586.

［9］ MAY R M.Patterns of species abundance and diversity［G］//CODY M L,MIAMOND J M.Ecology and Evolution of Communities.Cambridge：Harvard University Press,1975：81-120.

［10］ EBDON D.Statistics in Geography［M］.Oxford：Basil Blackwell,Ltd,1985：25-40.

［11］ AGTERBERG F P.Trend surface analysis［G］//GAILE D L,WILLMOTT C J.Spatial Statistics and Models.Dordrecht：D.Reidel Publishing Company,1984：147-171.

［12］ BESAG J E,NEWELL J.The detection of clusters in rare diseases［J］.J Royal Stat Soc Ser A Stat Soc,1991,154（1）：143-155.

［13］ 徐涵秋，陳本清.廈門市植被變化的遙感動態(tài)分析［J］.地球信息科學(xué)，2003（2）：105-111.

XU Hanqiu,CHEN benqing.Dynamic monitoring of the vegetation changes in Xiamen of SE China using remote sensing technology［J］.Geo-Inf Sci,2003（2）：105-111.

［14］ 田艷琴，郭平，盧漢清.基于灰度共生矩陣的多波段遙感圖像紋理特征的提?。跩］.計算機(jī)科學(xué)，2004，31（2）：162-164.

TIAN Yanqin,GUO Ping,LU Hanqing.Texture feature extraction of multiband remote sensing image based on grey level co-occurrence matrix［J］.Comput Sci,2004,31（2）：162-164.

Remote sensing based estimation and spatial distribution of tree species diversity for Zijin Mountain

JIANG Yunjiao,HAN Yiqun,LI Mingyang,WANG Yixiao
（College of Forestry,Nanjing Forestry University,Nanjing 210037,Jiangsu,China）

Monitoring biological diversity is a core scientific research project in the field of international biological diversity.To overcome drawbacks with traditional ground surveys,such as intensive labor and low efficiency,this study used remote sensing based estimation of biological diversity at the landscape scale.Zijin（Purple）Mountain National Forest Park in Nanjing was the research area where survey data from 90 field plots were collected in 2011,and Advanced Land Observing Satellite （ALOS）remote sensing imaging in the same year was gathered to build remote sensing based models for the Gleason Index and Shannon-Wiener Index. Then a trend surface analysis was conducted with hot spot detection for biodiversity indexes.Results showed that：1）terrain factors （Gradient and elevation）,human disturbance （the distance of road and residential areas）,and vegetation growth conditions （the indexes of Gleason and Shannon-Wiener）were the primary environmental factors contributing to tree species diversity.2）The Gleason Index for Zijin Mountain presented a ring pattern descending from southwest to northeast,and the Shannon-Wiener Index revealed a spatial pattern of a concentric circle with an eastward center.3）Forest stands with a higher Gleason Index in Zijin Mountain were mainly located in places at lower elevations,with gentler slopes,and near roads and settlements;whereas, stands with a higher Shannon-Wiener Index were mainly concentrated in places at higher elevations,with steeper slopes,and far from road and residential lots.Therefore,we can protect tree species biodiversity forZijin Mountain by the two means of increasing tree species and establishing conservation area.［Ch,7 fig.1 tab 14 ref.］

forest mensuration;biodiversity;scenic forest;Zijin（Purple）Mountain;remote sensing

S758.8

A

2095-0756（2015）04-0509-07

10.11833/j.issn.2095-0756.2015.04.003

2014-10-09；

2014-12-12

國家自然科學(xué)基金資助項目（31170592）

蔣云姣，從事林業(yè)遙感與地理信息系統(tǒng)研究。E-mail：jyj923@163.com。通信作者：李明陽，教授，博士，從事風(fēng)景林調(diào)查規(guī)劃、森林資源監(jiān)測、3S應(yīng)用與研究。E-mail：lmy196727@126.com