許文秀 林文樹 吳金卓

(東北林業(yè)大學(xué)，哈爾濱，150040)

?

老齡林林分空間的點(diǎn)格局分析1)

許文秀 林文樹 吳金卓

(東北林業(yè)大學(xué)，哈爾濱，150040)

采用TOPCON全站儀，在吉林省蛟河市林業(yè)實(shí)驗(yàn)區(qū)管理局施業(yè)區(qū)內(nèi)設(shè)置1塊500 m×600 m固定監(jiān)測樣地，并進(jìn)行群落調(diào)查，在ArcGIS平臺(tái)上采用Ripley’s K函數(shù)進(jìn)行不同尺度的空間聚集度研究，采用空間自相關(guān)方法對(duì)研究區(qū)內(nèi)的種群進(jìn)行空間自相關(guān)性分析。結(jié)果表明：老齡林中數(shù)量最多的前6個(gè)種群分別是簇毛槭、白牛槭、千金榆、色木槭、裂葉榆和花楷槭；不同的起測胸徑對(duì)林木的空間格局分布有重要的影響，起測胸徑5 cm時(shí)，發(fā)現(xiàn)6個(gè)個(gè)體數(shù)量最多的種群顯示出了不同的空間格局，其中白牛槭的空間聚集性最高；優(yōu)勢木在空間尺度較小時(shí)，生長得比較密集，在空間尺度較大時(shí)，則呈現(xiàn)出離散的分布特點(diǎn)，不同的起測胸徑對(duì)研究結(jié)果也有一定的影響，因此，在研究空間格局分布時(shí)，起測胸徑是首先需要考慮的因素；優(yōu)勢木在種群間還是不同空間距離下，優(yōu)勢木間均顯示正向的空間自相關(guān)性，只是相關(guān)性程度略有差異，優(yōu)勢木的相關(guān)性受空間尺度的影響較大。

Ripley’s K；點(diǎn)格局分析法；空間聚集度；空間自相關(guān)性；優(yōu)勢木

Ripley’s K; Point pattern analysis; Spatial clustering; Spatial autocorrelation; Dominant trees

森林中最初的植物種群格局與種群結(jié)構(gòu)、微生物環(huán)境、光照強(qiáng)度、種群競爭、單木生長狀況的綜合作用，決定了森林的種群空間分布格局[1]。對(duì)種群空間分布格局的研究，是為了進(jìn)一步研究每個(gè)種群的分布特征以及種群與種群之間、種群與環(huán)境之間的相互作用機(jī)制。植物種群的空間分布在水平空間上，一般呈現(xiàn)出隨機(jī)分布、均勻分布和集群分布等[2-3]，而種群空間分布格局類型與空間尺度有著十分密切的聯(lián)系[4]。在不同的空間尺度下，種群的空間分布格局也可能有較大的差別。例如，在小尺度下某個(gè)物種可能呈現(xiàn)出聚集分布，然而在更大的空間尺度下，空間分布類型可能變?yōu)殡S機(jī)分布或者是均勻分布。因此，在大面積固定監(jiān)測樣地的基礎(chǔ)上，通過探索不同的空間尺度下的種群分布空間格局，才能更加有效地分析種群分布格局在一定尺度下的穩(wěn)定性。

空間格局的分析方法一般可分為樣方法、距離法和角尺度法[5-6]，其中，距離法使用的Ripley’s K函數(shù)是分析種群空間分布格局最常用的方法。Ripley’s K函數(shù)是點(diǎn)密度距離函數(shù)，它是由著名的統(tǒng)計(jì)學(xué)家Ripley于1977年首次提出，并應(yīng)用到點(diǎn)格局分析中[7-9]。由于Ripley’s K函數(shù)能夠有效地避免尺度效應(yīng)的難題，減少數(shù)理統(tǒng)計(jì)中龐大的計(jì)算量，因此，在國內(nèi)外林木空間格局分析中得到了廣泛的應(yīng)用。例如，P. Haase[10]介紹了應(yīng)用Ripley’s K函數(shù)需要掌握的獲取野外數(shù)據(jù)的步驟、統(tǒng)計(jì)分析過程以及如何進(jìn)行結(jié)果檢驗(yàn)。Druckenbrod et al[11]應(yīng)用Ripley’s K函數(shù)檢驗(yàn)了美國弗吉尼亞山麓地帶7 512株活立木和枯死木在1～25 m半徑范圍內(nèi)的林木空間分布格局，結(jié)果表明，弗吉尼亞山麓地帶的林分空間格局是由于樹木間競爭造成的，包括由不同地點(diǎn)的土壤濕度以及光照的可獲得性驅(qū)動(dòng)的種群生活史。王國嚴(yán)等[12]利用Ripley’s K函數(shù)進(jìn)行點(diǎn)格局分析，研究了雅魯藏布江砂生槐樹的種群空間分布類型，指出砂生槐的種子在當(dāng)?shù)貝毫拥淖匀粭l件下，發(fā)芽率和幼苗成活率都較低，一旦個(gè)體成長到一定大小，則抗逆和生存能力得到較大提高，種群以中等大小個(gè)體最多。張金屯[4]利用點(diǎn)格局分析法，分析了美國密歇根州克林頓縣櫟林3個(gè)優(yōu)勢種的格局，結(jié)果表明，點(diǎn)格局分析的結(jié)果比傳統(tǒng)的方法更接近實(shí)際，在群落結(jié)構(gòu)研究中有重要意義。尤海舟等[13]將點(diǎn)格局分析和其他格局分析方法進(jìn)行了比較，指出了點(diǎn)格局分析方法在格局分析中的重要地位，并對(duì)點(diǎn)格局分析的研究趨勢進(jìn)行展望。綜上可知，基于Ripley’s K函數(shù)的點(diǎn)格局分析在研究中得到了廣泛的應(yīng)用，但是在大面積樣地中應(yīng)用的有關(guān)文獻(xiàn)則很少。本文以吉林省蛟河市林業(yè)實(shí)驗(yàn)區(qū)管理局的30 hm2老齡林為研究對(duì)象，分析不同樹種在不同的空間尺度下的空間格局變化情況、不同起測胸徑對(duì)空間格局變化的影響以及優(yōu)勢木的空間分布格局，最后，對(duì)優(yōu)勢樹種之間的空間關(guān)聯(lián)性進(jìn)行分析。研究結(jié)果可為群落的空間格局分布和物種共存機(jī)制研究以及森林保護(hù)與可持續(xù)經(jīng)營提供理論依據(jù)和參考。

1 研究區(qū)概況

研究區(qū)位于吉林省蛟河市林業(yè)實(shí)驗(yàn)區(qū)管理局林場(127°35′～127°51′E，43°51′～44°5′N)，海拔593～803 m。該管理局位于長白山系張廣才嶺西南坡余脈，東鄰延邊、北接龍江、西南為蛟河。轄區(qū)內(nèi)總經(jīng)營面積31 823 hm2，林業(yè)用地面積28 646 hm2，有林地面積28 134 hm2，森林覆蓋率為88.40%。研究區(qū)屬亞溫帶大陸性季風(fēng)氣候，四季分明，春季少雨干燥,夏季溫?zé)岫嘤?，秋季涼爽多晴，冬季漫長而寒冷。年平均氣溫3.8 ℃，年降水量為700～800 mm，無霜期120～130 d。土壤類型以暗棕色森林土為主，平均厚度20～100 cm。

研究區(qū)植被屬于長白山植物區(qū)系，林分類型有天然闊葉紅松林、次生針闊葉混交林等[14]。主要喬木樹種有：紅松(Pinuskoraiensis)、色木槭(Acermono)、白牛槭(Acermandshuricum)、胡桃楸(Juglansmandshurica)、水曲柳(Fraxinusmandshurica)、蒙古櫟(Quercusmongolica)、懷槐(Maackiaamurensis)、白樺(Betulaplatyphylla)、大青楊(Populusussuriensis)、裂葉榆(Ulmuslaciniata)、紫椴(Tiliaamurensis)等。灌木有：東北山梅花(Philadelphusschrenkii)、毛榛(Corylusmandshurica)、瘤枝衛(wèi)矛(Euonymusverrucosus)、刺五加(Eleutherococcussenticosus)等。喬木分布于低山、丘陵地帶，灌木多分布在草甸、沼澤、河谷地帶。

2 研究方法

2.1 樣地建設(shè)和群落調(diào)查

在研究區(qū)的老齡林內(nèi)，采用TOPCON全站儀設(shè)置1塊500 m×600 m固定監(jiān)測樣地。該樣地平均海拔690 m，最大坡度為40°[15]。樣地的林冠郁閉度大于0.80，林分密度1 694株hm2，胸高斷面積31.45 m2·hm-2[16-17]。將樣地劃分為750個(gè)連續(xù)的20 m×20 m樣方。為方便測量和記錄，將每個(gè)20 m×20 m的樣方又分成16個(gè)5 m×5 m的小樣方。樣地建設(shè)和群落調(diào)查參照CTFS(Center for Tropical Forest Science)的技術(shù)規(guī)范[18]。由于起測胸徑直接影響對(duì)森林結(jié)構(gòu)的合理劃分、森林資源的準(zhǔn)確計(jì)量以及對(duì)林分內(nèi)部特征的正確把握[19]，因此，本研究中對(duì)胸徑大于1 cm的樹木進(jìn)行每木調(diào)查，以確定不同的起測胸徑和取樣尺度對(duì)林木分布格局的影響。調(diào)查內(nèi)容包括樹種、胸徑、樹高、冠幅(東西冠幅長×南北冠幅長)及枝下高，并掛牌標(biāo)記。測量植株到5 m×5 m小樣方4個(gè)頂點(diǎn)的距離，并換算為其在整個(gè)樣地內(nèi)的相對(duì)坐標(biāo)。

2.2 點(diǎn)格局分析法

本研究應(yīng)用Ripley’s K函數(shù)對(duì)不同種群、不同空間尺度及優(yōu)勢木進(jìn)行空間點(diǎn)格局分析。Ripley’s K函數(shù)計(jì)算過程的實(shí)質(zhì)就是選取不同尺度的半徑，以此半徑確定搜索范圍得到一定數(shù)量的點(diǎn)數(shù)據(jù)，然后對(duì)獲取的點(diǎn)數(shù)據(jù)，進(jìn)行點(diǎn)格局分析。Ripley’s K函數(shù)可用如下公式來表示[20-21]：

(1)

式中：A為樣地面積；d為選擇的尺度；dij為任意兩個(gè)個(gè)體i與j之間的距離，n為樣地內(nèi)個(gè)體數(shù)。

結(jié)合Diggle提出的邊緣校正和一項(xiàng)平方根轉(zhuǎn)換，將L(d)定義為公式(2)[22]。L(d)將K(d)線性化，使其方差穩(wěn)定并應(yīng)用置信區(qū)間檢驗(yàn)結(jié)果的真實(shí)性。當(dāng)L(d)高于上包跡線時(shí)，數(shù)據(jù)點(diǎn)為聚集分布，在上下包跡線間為隨機(jī)分布，低于下包跡線為均勻分布[3]。

(2)

本文在ArcGIS平臺(tái)上采用Ripley’s K函數(shù)來分析不同空間尺度下的種群分布格局。將整個(gè)樣地內(nèi)的每株單木，看成平面中一個(gè)具有坐標(biāo)的平面點(diǎn)，將測量得到的樹木相對(duì)坐標(biāo)換算成絕對(duì)坐標(biāo)，將所有林木的坐標(biāo)、樹種、胸徑、樹高、冠幅以及枝下高作為點(diǎn)的屬性。另外，在ArcGIS中應(yīng)用Ripley’s K函數(shù)時(shí)還需要進(jìn)行邊緣校正[23-25]。本文選擇的方法參數(shù)為最小包圍矩形，選擇里普利的邊緣校正公式邊緣校正法。分析時(shí)，取起算距離段數(shù)量為默認(rèn)值10段，起算距離參數(shù)為5 m，距離增量設(shè)置為5 m，置信度為99.90%。選擇老齡林中喬木種群數(shù)量前6位的樹種進(jìn)行10個(gè)不同尺度的空間聚集度研究，并分析不同起測胸徑對(duì)空間格局變化的影響。另外，本文還對(duì)樣地內(nèi)的優(yōu)勢木的空間聚集度進(jìn)行分析。根據(jù)優(yōu)勢木的定義，選取每公頃胸徑最大的前100株樹木作為優(yōu)勢木。由于樣地面積為30 hm2，因此，一共選取3 000株優(yōu)勢木進(jìn)行空間聚集度分析。

2.3 空間自相關(guān)分析

空間自相關(guān)是指一些變量在同一個(gè)分布區(qū)內(nèi)的觀測數(shù)據(jù)之間潛在的相互依賴性[26]。任何相鄰的地理要素?zé)o論是競爭關(guān)系還是共存關(guān)系，都要受到生存環(huán)境的影響而存在一定的關(guān)系，而這種必然存在的關(guān)系被稱為空間依賴。本文采用空間自相關(guān)方法對(duì)研究區(qū)域內(nèi)的種群進(jìn)行空間自相關(guān)性分析。用5個(gè)參數(shù)對(duì)空間格局進(jìn)行評(píng)估，即Moran’s I指數(shù)、預(yù)期指數(shù)、方差、Z得分和P值。當(dāng)Moran’s I>0時(shí)，表示種群間顯示出空間正相關(guān)，而且計(jì)算結(jié)果越大，代表相關(guān)性越強(qiáng)，種群之間存在較強(qiáng)的相互利用關(guān)系；當(dāng)Moran’s I<0時(shí)，表示種群間為空間負(fù)相關(guān)，數(shù)值越小代表負(fù)相關(guān)性越強(qiáng)，說明種群之間在競爭過程中的相互排斥作用越顯著；當(dāng)Moran’s I=0時(shí)，表示沒有相關(guān)關(guān)系，即空間格局分布是隨機(jī)的[27]。由于本文研究的是一個(gè)大區(qū)域中的眾多點(diǎn)數(shù)據(jù)，因此，在參數(shù)選擇上選取固定距離法進(jìn)行計(jì)算，對(duì)優(yōu)勢木不同距離組和優(yōu)勢木種群間分別進(jìn)行空間自相關(guān)分析。

3 結(jié)果與分析

3.1 群落樹種組成分析

由表1可知，通過對(duì)樣地的群落調(diào)查，發(fā)現(xiàn)老齡林的種群組成十分豐富，共監(jiān)測到52種木本植物。物種數(shù)最多的科是槭樹科，包括6個(gè)種，其次是薔薇科、樺木科和忍冬科。樣地內(nèi)個(gè)體數(shù)量排在前20位的種群，其中喬木類16種，灌木類4種。老齡林中簇毛槭(Acerbarbinerve)、千金榆(Carpinuscordata)、白牛槭、色木槭、裂葉榆和花楷槭(Acerukurunduense)6個(gè)種群的個(gè)體數(shù)量相對(duì)較多，6個(gè)種群的總株數(shù)占整體的54.30%。先鋒演替樹種裂葉榆、色木槭和紫椴個(gè)體數(shù)量較多。根據(jù)優(yōu)勢木定義，老齡林樣地中優(yōu)勢木共包含17個(gè)種群，其中：喬木為簇毛槭、千金榆、白牛槭、色木槭、裂葉榆、花楷槭、紫椴、青楷槭、紅松、水榆花楸、黃檗、胡桃楸、水曲柳、沙松、稠李、楓樺；灌木為暴馬丁香。老齡林優(yōu)勢樹種主要由喬木組成，優(yōu)勢木的平均胸徑普遍較大(>35 cm)，平均胸徑在40 cm以下的占10.50%，平均胸徑40～50 cm占65.43%，平均胸徑大于50 cm的占23.97%。

表1 老齡林樣地內(nèi)物種分布情況

根據(jù)對(duì)群落中所有樣本的胸徑調(diào)查情況，將所有的林木分別按照不同的起測胸徑(D)(1、2、3、4、5、6、7、8 cm)進(jìn)行統(tǒng)計(jì)，起測胸徑為2 cm時(shí)，林木株數(shù)占整個(gè)調(diào)查樣本的92.09%(46 800株)；起測胸徑為3 cm時(shí)，林木株數(shù)占整個(gè)調(diào)查樣本的71.92%(36 547株)；起測胸徑為4 cm時(shí)，林木株數(shù)占整個(gè)調(diào)查樣本的58.36%(29 657株)；起測胸徑為5 cm時(shí)，林木株數(shù)占整個(gè)調(diào)查樣本的48.74%(24 767株)；起測胸徑為6 cm時(shí)，林木株數(shù)占整個(gè)調(diào)查樣本的42.28%(21 486株)；起測胸徑為7 cm時(shí)，林木株數(shù)占整個(gè)調(diào)查樣本的37.29%(18 949株)；起測胸徑為8 cm時(shí)，林木株數(shù)占整個(gè)調(diào)查樣本的33.18%(16 863株)。

3.2 空間分布格局分析

3.2.1 不同起測胸徑林木的空間分布格局

不同起測胸徑林木的空間分布情況如圖1所示。

當(dāng)起測胸徑為1 cm時(shí)，在10種不同的空間尺度(d)下，林木呈現(xiàn)出顯著的空間聚集性，各單株木之間具有一定的相關(guān)性，隨著空間尺度的增加，空間聚集性程度不斷增加(圖1(a))。

當(dāng)D≥2 cm時(shí)，空間分布格局(圖1(b))與D≥1 cm時(shí)很相似，說明無論采用1 cm還是2 cm作為起測胸徑，對(duì)研究結(jié)果幾乎沒有影響。

當(dāng)D≥3 cm時(shí)，種群也呈現(xiàn)出空間聚集性，但是從小尺度到大尺度的變化過程中，空間聚集性程度逐漸變低(圖1(c))。

當(dāng)D≥4 cm時(shí)，在不同尺度下均呈現(xiàn)出了由空間隨機(jī)性轉(zhuǎn)變?yōu)榭臻g聚集性；空間尺度d<15 m時(shí)，空間聚集性程度逐漸增加，15 m≤d≤50 m時(shí)，空間聚集性先變大后變小，d>50 m時(shí)，空間聚集性有逐漸遞減的趨勢(圖1(d))。

當(dāng)D≥4 cm時(shí)，d<40 m時(shí)，呈現(xiàn)出空間聚集性，5 m≤d≤25 m及d>40 m時(shí)，呈隨機(jī)性(圖1(e))。

當(dāng)D≥5 cm時(shí)，d<30 m呈現(xiàn)空間隨機(jī)性，30 m≤d≤40 m呈現(xiàn)空間聚集性，空間聚集性成都很低(圖1(f))。

當(dāng)D≥7 cm時(shí)，整體呈現(xiàn)空間隨機(jī)性，30 m≤d≤45 m時(shí)，接近空間聚集性(圖1(g))。

當(dāng)D≥8 cm時(shí)，整體呈現(xiàn)明顯的空間隨機(jī)性(圖1(h))。

綜上所述，不同的起測胸徑對(duì)林木的空間格局分布有重要的影響。如果起測胸徑選擇過小，計(jì)算過程就會(huì)變得繁雜；反之，起測胸徑選擇過大，又不能代表小胸徑林木的空間分布情況。考慮到我國現(xiàn)行一、二類調(diào)查技術(shù)，將喬木的起測胸徑確定為5 cm，因此，本文選擇以5 cm為起測胸徑進(jìn)行種群格局分析。

3.2.2 不同種群空間分布格局分析

研究區(qū)內(nèi)個(gè)體數(shù)量最多的6個(gè)種群(D≥1 cm)在樣地中的空間分布情況如圖2所示。可以看出，簇毛槭、白牛槭、色木槭和裂葉榆在整個(gè)樣地中分布得比較密集；千金榆、花楷槭分布不均勻，千金榆在樣地東北部分布比較稀疏，其它部分相對(duì)密集；花楷槭在整個(gè)樣地的南部分布比較稀疏，在北部分布比較密集?？傮w來看，6個(gè)種群的點(diǎn)分布是相對(duì)密集的。

如圖3所示，由于本文的統(tǒng)計(jì)分析是基于起測胸徑5 cm，因此，對(duì)不同的空間尺度下(5、10、15、20、25、30、35、40、45、50 m)的林木空間聚集度進(jìn)行分析。簇毛槭在5～35 m空間尺度上呈現(xiàn)出了明顯的空間隨機(jī)性，但是從小尺度到大尺度，均勻程度上有所改變，呈現(xiàn)出隨機(jī)性逐漸變大的趨勢，d>40 m呈現(xiàn)出空間離散性分布(圖3(a))；白牛槭無論在任何尺度下其空間分布均呈現(xiàn)出空間隨機(jī)性(圖3(b))；千金榆在任何尺度下表現(xiàn)出空間隨機(jī)性，且隨機(jī)性由小逐漸變大后再逐漸變小，且在更大的空間尺度下保持了顯著的空間隨機(jī)性(圖3(c))；色木槭在5～35 m呈現(xiàn)出空間隨機(jī)性，從小尺度到大尺度空間隨機(jī)性程度逐漸變小，類似于白牛槭，但是空間聚集的程度遠(yuǎn)小于白牛槭，d>35m呈現(xiàn)空間離散性(圖3(d))。裂葉榆在d>20m尺度下表現(xiàn)出的空間離散性，5～20 m尺度下表現(xiàn)出空間隨機(jī)性(圖3(e))?；试谌魏纬叨认戮憩F(xiàn)出空間離散性(圖3(f))。綜上可知，白牛槭是6個(gè)種群中聚集性最高的。

圖2 6個(gè)種群點(diǎn)密度

圖3 6個(gè)種群的空間聚集性

3.2.3 優(yōu)勢木的空間分布格局

在不同的空間尺度下，優(yōu)勢木的空間聚集度表現(xiàn)為：優(yōu)勢木在d<25 m時(shí)呈現(xiàn)空間聚集性，且隨著空間尺度的增大，空間聚集性程度逐漸降低；在d=30 m附近呈現(xiàn)空間隨機(jī)性分布，隨著空間尺度的增加，逐漸向空間離散分布過渡。結(jié)果證明，優(yōu)勢木在空間尺度較小時(shí)，生長的比較密集，在空間尺度較大時(shí)，則呈現(xiàn)出離散的分布特點(diǎn)。

3.3 種群的空間自相關(guān)性

3.3.1 優(yōu)勢樹種群間的空間自相關(guān)性

選取優(yōu)勢木中前4個(gè)喬木類種群，進(jìn)行兩兩種群間的空間自相關(guān)性分析，結(jié)果如表2所示。由表2可知，簇毛槭與千金榆的相關(guān)性相對(duì)較大，與白牛槭、色木槭的空間相關(guān)性程度相似，且置信度相對(duì)大于簇毛槭與千金榆的置信度；千金榆與簇毛槭的相關(guān)性最大，其次是白牛槭和色木槭，且色木槭與千金榆空間相關(guān)性的置信度相對(duì)較大；白牛槭與色木槭的空間相關(guān)性大于白牛槭與簇毛槭、千金榆的空間相關(guān)性，且白牛槭與色木槭空間相關(guān)性的置信度也是最高的；色木槭與白牛槭的空間相關(guān)性程度也大于其它兩個(gè)種群，而且置信度也較大。綜上所述，4個(gè)種群相互之間都存在一定的空間相關(guān)性，相關(guān)性程度都接近0.50，所以種群之間除了競爭關(guān)系，還存在相互協(xié)調(diào)生長的關(guān)系。

表2 優(yōu)勢木種群間空間自相關(guān)性

3.3.2 優(yōu)勢木不同空間距離空間自相關(guān)性

對(duì)優(yōu)勢木進(jìn)行不同空間距離(50、100、150、200、250、300、350、400、450、500 m)的空間相關(guān)性研究，結(jié)果如表3所示。由表3可知，優(yōu)勢木在空間距離較小時(shí)空間相關(guān)性很高。例如，當(dāng)空間距離為50 m時(shí)，Moran’s I指數(shù)為0.937 6，顯示了較高的空間相關(guān)性；隨著空間距離尺度的增大，優(yōu)勢木之間正相關(guān)性變?nèi)?；?dāng)研究尺度大于樣方邊長距離一半(250 m)時(shí)，空間相關(guān)性程度小于0.50；當(dāng)空間尺度增加到200 m時(shí)，方差為0，說明結(jié)果波動(dòng)范圍很小，甚至不存在波動(dòng)，結(jié)果落在置信區(qū)間的概率達(dá)到最大值，具有很高的置信度，這也說明本研究中的空間相關(guān)性結(jié)果具有較高的可信度；優(yōu)勢樹種之間雖然屬于不同種群，存在一定的競爭關(guān)系，但是也存在相互利用的關(guān)系；優(yōu)勢木的空間自相關(guān)系數(shù)為正數(shù)，即在所有尺度下均呈正關(guān)聯(lián),只是在某些尺度下關(guān)聯(lián)性比較顯著,而在另一些尺度下關(guān)聯(lián)性不顯著。

表3 優(yōu)勢木不同空間距離空間自相關(guān)性

綜上所述，研究的空間尺度的大小，對(duì)優(yōu)勢木的空間相關(guān)性研究結(jié)果有很大的影響，種群間的相關(guān)性除了受到環(huán)境因素與種群類別因素的影響外，樹木之間的距離也是至關(guān)重要的因素。

4 結(jié)論與討論

林分的空間格局是森林植被的重要特征，它不僅對(duì)于植被的生長、發(fā)育以及系統(tǒng)的穩(wěn)定性具有重要的意義，而且與這些植被相互作用的其它有機(jī)體(如食草動(dòng)物、傳粉者等)也有重要的影響。本文以吉林省蛟河市林業(yè)實(shí)驗(yàn)區(qū)管理局30 hm2老齡林為研究對(duì)象，分析老齡林的林木空間分布格局和種群空間自相關(guān)性，得出結(jié)論：研究樣地內(nèi)個(gè)體數(shù)量最多的前6個(gè)種群分別是簇毛槭、千金榆、白牛槭、色木槭、裂葉榆和花楷槭，總株數(shù)占整體的54.30%。先鋒演替樹種裂葉榆、色木槭和紫椴的胸高斷面積較大，且三者個(gè)體數(shù)量較多。簇毛槭和千金榆是研究區(qū)內(nèi)最主要的樹種。色木槭相對(duì)于簇毛槭和千金榆競爭力較弱，它的斑塊只出現(xiàn)在簇毛槭和千金榆的斑塊間隙，因此，它與簇毛槭和千金榆的關(guān)系也十分密切，不同的起測胸徑對(duì)空間聚集度有一定的影響。在實(shí)際工作中，起測胸徑是以平均胸徑的0.40倍來確定的，然而由于具體林分的條件差異性，不同研究中的起測胸徑往往差異較大，很難直接將結(jié)果進(jìn)行比較[16]。因此，研究空間格局分布時(shí)，起測胸徑是首先需要考慮的因素?；谄饻y胸徑5 cm對(duì)不同的空間尺度(5、10、15、20,、25、30、35、40、45、50 m)的林木空間聚集度進(jìn)行分析，發(fā)現(xiàn)6個(gè)種群均呈現(xiàn)出空間聚集性，證明了該林場的老齡林的生長密度較高。6個(gè)種群中簇毛槭是種群數(shù)量最多的，但是卻不是空間聚集度最高的，證明種群的空間分布情況不單單取決于種群的數(shù)量，還取決于種群之間的相關(guān)性、競爭能力、環(huán)境因素等；對(duì)優(yōu)勢木的空間相關(guān)性研究表明，無論是對(duì)優(yōu)勢木進(jìn)行種群間的相關(guān)性研究，或優(yōu)勢木不同空間距離尺度研究，優(yōu)勢木之間具有正向的空間自相關(guān)性，只是相關(guān)性程度有所差異，優(yōu)勢木的相關(guān)性受到空間尺度的影響較大。

本文采取大樣方數(shù)據(jù)對(duì)吉林省蛟河市林業(yè)實(shí)驗(yàn)區(qū)管理局的老齡林進(jìn)行研究時(shí)，只分析了正方形樣方的各林分空間格局參數(shù)，但是沒有考慮不同的樣方形狀、地形、坡位、坡向等其他因素及其交互作用對(duì)點(diǎn)格局分析性能的影響，未來還需更進(jìn)一步深入探討。

[1] 王芳.基于ArcGIS林分空間結(jié)構(gòu)的研究：以武夷山保護(hù)區(qū)為例[D].南京：南京林業(yè)大學(xué),2013.

[2] 孔雷,楊華,亢新剛,等.林木空間分布格局研究方法綜述[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,39(5):119-125.

[3] 楊洪曉，張金屯，吳波，等.毛烏素沙地油蒿種群點(diǎn)格局分析[J].植物生態(tài)學(xué)報(bào)，2006,30(4):563-570.

[4] 張金屯.植物種群空間分布的點(diǎn)格局分析[J].植物生態(tài)學(xué)報(bào),1998,22(4):344-349.

[5] 惠剛盈.森林空間結(jié)構(gòu)量化分析方法[M].北京：中國科學(xué)技術(shù)出版社,2003.

[6] 惠剛盈,李麗,趙中華,等.林木空間分布格局分析方法[J].生態(tài)學(xué)報(bào),2007,27(11):4717-4728.

[7] 秦豐林,楊麗.基于Ripley’s K函數(shù)的昆山市景觀格局時(shí)空變化特征研究[J].中國資源綜合利用,2014,32(11):51-56.

[8] 賈國棟,余新曉,鄧文平,等.北京山區(qū)典型流域不同海拔椴樹種群的空間點(diǎn)格局分析[J].生態(tài)環(huán)境學(xué)報(bào),2011,20(6-7):996-1002.

[9] 岳永杰,余新曉,武軍,等.北京山區(qū)天然次生林種群空間分布的點(diǎn)格局分析：以霧靈山自然保護(hù)區(qū)為例[J].中國水土保持科學(xué),2008,6(3):59-64.

[10] HAASE P. Spatial pattern analysis in ecology based on Ripley’s K-function: Introduction and methods of edge correction[J]. Journal of Vegetation Science,1995,6(4):575-582.DOI:10.2307/3236356.

[11] DRUCKENBROD D L, SHUGART H H, DAVIES I. Spatial pattern and process in forest stands within the Virginia piedmont[J]. Journal of Vegetation Science，2009,16(1):37-48.

[12] 王國嚴(yán),方江平,許新勇,等.雅魯藏布江中游干旱沙地砂生槐種群結(jié)構(gòu)與點(diǎn)格局分析[J].中國沙漠,2010,30(5):1092-1098.

[13] 尤海舟,賈成,樊華，等.格局分析的最新方法-點(diǎn)格局分析[J].四川林業(yè)科技,2009,30(6):198-235.

[14] 吳金卓,孔琳琳,王嬌嬌,等.吉林蛟河不同演替階段針闊混交林凋落物持水特性研究[J].南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2016(2):113-120.

[15] 丁勝建，張春雨，夏富才，等.老齡闊葉紅松林下層木空間分布的生境關(guān)聯(lián)分析[J].生態(tài)學(xué)報(bào),2012,32(11):3334-3342.

[16] 彭萱亦.不同演替階段針闊混交林生物多樣性評(píng)價(jià)指標(biāo)體系研究[D].哈爾濱：東北林業(yè)大學(xué),2014.

[17] 吳金卓，蔡小溪，林文樹，等.吉林蛟河不同演替階段針闊混交林木本植物α多樣性評(píng)價(jià)[J].林業(yè)科技開發(fā),2015,29(3):128-133.DOI:10.13360/j.issn.1000-8101.2015.03.031.

[18] 吳金卓,蔡小溪,林文樹.吉林蛟河不同演替階段針闊混交林土壤健康評(píng)價(jià)[J].東北林業(yè)大學(xué)學(xué)報(bào),2015,43(6):78-82.

[19] 牛麗麗,余新曉,劉彥,等.不同起測胸徑對(duì)判定油松分布格局的影響[J].北京林業(yè)大學(xué)學(xué)報(bào),2008,30(S2):12-16.

[20] 劉妍妍,金光澤.小興安嶺闊葉紅松林粗木質(zhì)殘?bào)w空間分布的點(diǎn)格局分析[J].生態(tài)學(xué)報(bào),2010,30(22):6072-6081.

[21] 郭垚鑫,康冰,李剛,等.小隴山紅樺次生林物種組成與立木的點(diǎn)格局分析[J].應(yīng)用生態(tài)學(xué)報(bào),2011,22(10):2574-2580.

[22] 楊云方,丁暉,徐海根,等.武夷山典型常綠闊葉林4個(gè)主要植物種群點(diǎn)格局分析[J].生態(tài)與農(nóng)村環(huán)境學(xué)報(bào),2013,29(2):184-190.

[23] 湯孟平,唐守正,雷相東,等.Ripley’s K(d)函數(shù)分析種群空間分布格局的邊緣校正[J].生態(tài)學(xué)報(bào),2003,23(8):1533-1538.

[24] 歐陽芳,戈峰,袁哲明,等.點(diǎn)格局分析函數(shù)的邊緣校正及其在昆蟲種群格局分析中的應(yīng)用[J].生態(tài)學(xué)報(bào),2009,29(4):1804-1813.

[25] 時(shí)培建,戈峰,楊清培,等.點(diǎn)格局分析中邊緣校正的一種新算法及其應(yīng)用[J].生態(tài)學(xué)報(bào),2009,29(2):804-809.

[26] 朱子明,祁新華.基于Moran’I的閩南三角洲空間發(fā)展研究[J].經(jīng)濟(jì)地理,2009,29(12):1977-1980.

[27] 王芳,夏麗華,張?zhí)?基于GIS的珠江三角洲城市群結(jié)構(gòu)與空間關(guān)聯(lián)研究[J].廣州大學(xué)學(xué)報(bào)(自然科學(xué)版),2010,9(1):47-53.

1)中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目(2572015CA01)；“十二五”國家科技支撐計(jì)劃專題(2012BAC01B03-3)；國家自然科學(xué)基金項(xiàng)目(31400539)。

許文秀，女，1990年10月生，東北林業(yè)大學(xué)工程技術(shù)學(xué)院，碩士研究生。E-mail：511741156@qq.com。

吳金卓，東北林業(yè)大學(xué)工程技術(shù)學(xué)院，副教授。E-mail：wujinzhuo1980@163.com。

2016年12月13日。

S714

責(zé)任編輯：王廣建。

Spatial Point Pattern of An Old Growth Forest//Xu Wenxiu, Lin Wenshu, Wu Jinzhuo(Northeast Forestry University, Harbin 150040, P. R. China)//Journal of Northeast Forestry University，2017,45(3)：17-22,28.

TOPCON total station was used in an old growth forest in Jilin Province Jiaohe Forestry Administration of Experimental Area to set up a 500 m×600 m fixed monitoring plot and community survey was conducted. The Ripley’s K function on ArcGIS platform was used to study the spatial aggregation of tree species in different scales in the sample plot. The spatial autocorrelation method was applied to study the spatial dependence of different species in the study plot. The top six tree species in terms of population size wereAcerbarbinerve,A.mandshuricum,Carpinuscordata,A.mono,Ulmuslaciniata, andA.ukurunduense. The minimum measured diameter had important impact on the spatial pattern of stands. When the minimum measured diameter was 5 cm, the top six largest populations all showed spatial clustering in varying degrees and the spatial aggregation ofA.mandshuricumwas the largest among them. The dominant tree species in the old growth forest were determined and the spatial aggregation of dominant trees was analyzed. The dominant trees showed dense distribution in smaller spatial scales and showed scattered distribution in larger spatial scales. Different minimum measured diameter also had certain impact on the study results, therefore, this factor should be considered firstly while studying the spatial pattern of individual trees. Among different tree species and under different spatial scales, the dominant tree species all showed positive spatial autocorrelation with varying correlation degrees, and the spatial autocorrelation was greatly affected by the spatial scales.