師吉紅,項(xiàng) 佳,劉 健,鄧洋波,李明慧,余坤勇,*

1 福建農(nóng)林大學(xué)林學(xué)院,福州 350002 2 3S技術(shù)與資源優(yōu)化利用福建省高校重點(diǎn)實(shí)驗(yàn)室,福州 350002 3 福建省資源環(huán)境監(jiān)測(cè)與可持續(xù)經(jīng)營(yíng)利用重點(diǎn)實(shí)驗(yàn)室,福州 350002

南方紅壤區(qū)是我國(guó)重要的林木產(chǎn)區(qū)。由于侵蝕性降雨集中、土壤抗蝕性差、林下植被匱乏[1]以及強(qiáng)烈的人為干擾[2],南方紅壤區(qū)已成為僅次于黃土高原的中國(guó)第二大水土流失區(qū)[3]。長(zhǎng)汀縣是我國(guó)南方水土流失最嚴(yán)重的地區(qū)之一[4],該地區(qū)通過人工植樹種草[5]、封山育林[6]等措施,水土流失勢(shì)頭得到了初步控制。森林碳儲(chǔ)量不僅能夠維持生態(tài)平衡[7]、反映森林質(zhì)量[8],也對(duì)水土流失治理成效有一定的指示作用。因此,森林碳儲(chǔ)量可為區(qū)域生態(tài)環(huán)境評(píng)價(jià)、區(qū)域水土流失治理成效評(píng)估提供輔助[9]。

馬尾松(Pinusmassoniana)作為長(zhǎng)汀水土流失區(qū)生態(tài)恢復(fù)和重建的先鋒樹種[10],具有耐貧瘠、成活率高的特點(diǎn)[11]。馬尾松林地上林木碳儲(chǔ)量的變化直接反映區(qū)域森林總碳儲(chǔ)量的狀況。傳統(tǒng)的碳儲(chǔ)量測(cè)量方法多采用樣地清查法[12],該方法成本高,工作量大,僅適用于較小的區(qū)域,并且人為選擇樣地,主觀因素強(qiáng),導(dǎo)致結(jié)果具有不確定性。針對(duì)大面積的碳儲(chǔ)量估算,遙感技術(shù)具有明顯的優(yōu)勢(shì)。遙感技術(shù)可以對(duì)大面積的森林進(jìn)行動(dòng)態(tài)監(jiān)測(cè)[13],更好地了解森林碳儲(chǔ)量的變化。眾多學(xué)者利用遙感技術(shù)對(duì)森林碳儲(chǔ)量進(jìn)行估算。Fauzi 等[14]對(duì)馬來西亞吉蘭丹熱帶森林不同海拔梯度碳儲(chǔ)量進(jìn)行估算。覃連歡[15]使用生物量換算因子法估算廣西省森林植被的碳儲(chǔ)量。馬尾松單木生物量模型是準(zhǔn)確測(cè)算馬尾松林碳儲(chǔ)量不可缺少的工具,對(duì)馬尾松林生物量、碳儲(chǔ)量的研究多采用福建省通用模型估算[16- 17]。但眾多研究表明,不同起源[18]、不同生態(tài)環(huán)境[19]、不同林齡[20]的同一樹種的生長(zhǎng)存在較大差異。長(zhǎng)汀水土流失區(qū)馬尾松所處的生態(tài)環(huán)境比福建其他地區(qū)馬尾松林特殊,土壤極度貧瘠,造成該區(qū)域馬尾松生長(zhǎng)狀況較差,同年生馬尾松的胸徑、樹高通常達(dá)不到正常生長(zhǎng)水平,導(dǎo)致通用模型并不適用于該區(qū)馬尾松生長(zhǎng)預(yù)測(cè)。

基于此,研究以長(zhǎng)汀縣河田鎮(zhèn)馬尾松林為對(duì)象,利用項(xiàng)佳等[21]提出的長(zhǎng)汀紅壤侵蝕區(qū)馬尾松林生物量估算模型,結(jié)合地面樣地碳儲(chǔ)量數(shù)據(jù)和河田鎮(zhèn)2017年11月1日Landsat 8 OLI遙感影像,構(gòu)建馬尾松林地上林木碳儲(chǔ)量遙感反演模型?；趥尾蛔兲卣髟淼木€性歸一化法((pseudo-invariant features, PIF)),實(shí)現(xiàn)反演模型在2003年、2010年同期影像上的適用性校正,反演3期馬尾松林地上林木碳儲(chǔ)量,進(jìn)一步分析區(qū)域馬尾松林地上林木碳儲(chǔ)量時(shí)空分異特征,以期為我國(guó)南方水土流失區(qū)下一步生態(tài)恢復(fù)重建工作提供重要依據(jù)。

圖1 研究區(qū)樣地分布圖Fig.1 The distribute of standard plot

1 材料與方法

1.1 研究區(qū)概況

河田鎮(zhèn)(東經(jīng)116°16′—116°34′,北緯25°30′—25°44′)位于福建省長(zhǎng)汀縣中部地區(qū),總面積約296 km2(圖1)。該地區(qū)屬亞熱帶海洋性季風(fēng)氣候,年均溫17—19.5℃,年降雨量1700 mm[22],降雨強(qiáng)度大。全鎮(zhèn)低山高丘陵環(huán)繞,屬于河谷盆地,平均海拔為390 m,以山地丘陵紅壤為主,侵蝕嚴(yán)重,土壤貧瘠、地表含沙量大,屬于強(qiáng)水土流失區(qū)。以河田鎮(zhèn)為中心的紅壤侵蝕劣地,原有地帶性植被常綠闊葉林被次生馬尾松林代替,稀疏矮小、生長(zhǎng)緩慢的“小老頭馬尾松”眾多,林下分布以芒萁(Dicranopterisdichotoma)為主,形成以馬尾松-芒萁為主的植被群落結(jié)構(gòu)[19]。在大力開展封山育林、種植水保林草、改造低效林等工程措施的綜合治理下,河田鎮(zhèn)水土流失治理取得初步成效,但林分結(jié)構(gòu)不穩(wěn)定、地表徑流頻發(fā)的背景下其生態(tài)環(huán)境仍十分脆弱。

1.2 數(shù)據(jù)的獲取與預(yù)處理

1.2.1樣地的設(shè)置

根據(jù)典型取樣原則,于2017年7月在全鎮(zhèn)范圍內(nèi)隨機(jī)但空間上又具有一定均勻性和代表性設(shè)置45個(gè)20 m×20 m的樣地,采用UG905高精度手持GPS準(zhǔn)確定位。考慮到研究區(qū)馬尾松林木林分質(zhì)量相對(duì)較弱,故本次調(diào)查起測(cè)胸徑為3 cm。對(duì)45個(gè)樣地內(nèi)達(dá)到起測(cè)胸徑的馬尾松進(jìn)行每木檢尺,測(cè)量并記錄胸徑、樹高和冠幅。

1.2.2樣地碳儲(chǔ)量的計(jì)算

基于馬尾松林樣地每木檢尺的胸徑、樹高信息,利用項(xiàng)佳等[21]提出的長(zhǎng)汀紅壤侵蝕區(qū)馬尾松林生物量估算模型(見表1),計(jì)算各樣地蓄積量、生物量。

表1 馬尾松生物量模型

采用李海奎[23]提出的馬尾松含碳系數(shù)(0.4596)計(jì)算各樣地地上林木碳儲(chǔ)量值：

C=B×CC

(1)

式中,C為平均碳儲(chǔ)量(t/hm2)；B為平均生物量(t/hm2)；CC為含碳系數(shù)。

1.2.3遙感數(shù)據(jù)獲取及預(yù)處理

利用遙感影像定量反演時(shí),理論上外業(yè)調(diào)研時(shí)間應(yīng)與影像獲取時(shí)間保持一致或接近。但區(qū)域可獲取的2017年7月份左右有效衛(wèi)星影像缺失,考慮到本研究時(shí)間跨度長(zhǎng)、馬尾松生長(zhǎng)指標(biāo)相同年份內(nèi)變化相對(duì)較小,最終選定2017年11月1日的Landsat 8 OLI影像作為同期模型構(gòu)建的基礎(chǔ)數(shù)據(jù),2003年、2010年則選擇的2003年12月29日、2010年1月14日Landsat 5 TM影像,以上數(shù)據(jù)均來源于地理空間數(shù)據(jù)云(http://www.gscloud.cn/)。在此基礎(chǔ)上采用2017年分辨率更高的Spot 6影像和Eco Drone-UAS八旋翼無人機(jī)獲取的無人機(jī)影像作為參考影像,對(duì)3期基礎(chǔ)影像進(jìn)行匹配校準(zhǔn),配準(zhǔn)精度在0.5個(gè)柵格以內(nèi),并對(duì)影像進(jìn)行輻射定標(biāo)、大氣校正、影像裁剪等預(yù)處理。

1.3 模型自變量的選擇

研究區(qū)馬尾松林下以芒萁等耐旱瘠草為主。曾宏達(dá)[24]在對(duì)比馬尾松與芒萁的光譜曲線后,發(fā)現(xiàn)芒萁反射率高于馬尾松,特別是在綠光、紅光等波段差異明顯。而植被指數(shù)是光譜反射率的組合運(yùn)算,可以突出影像中的植被信息。為此,研究選取植被指數(shù)(表2)、紅光波段、綠光波段參與建模。

表2 植被指數(shù)

多元回歸常用于多變量模型的構(gòu)建,多變量的引入可以提高模型的決定系數(shù)(R2)。通過對(duì)各植被指數(shù)進(jìn)行相關(guān)性分析后發(fā)現(xiàn),各植被指數(shù)間均存在極顯著正相關(guān),如果直接進(jìn)行多元回歸可能造成模型的“估計(jì)不穩(wěn)定”。主成分分析可在保留原指標(biāo)信息的同時(shí)避免了多元變量的共線性問題?；诖?為減少變量相關(guān)性對(duì)模型估測(cè)的影響,研究通過主成分分析(Principal Component Analysis, PCA)選取主成分因子(Principal Component Factor, PCF)(式2)參與建模。

PC=0.902NDVI+0.977GNDVI+0.906WDRVI+0.976NRI+0.907RVI+0.894DVI+0.890PVI+

0.952MSAVI

(2)

1.4 基于偽不變特征原理的線性歸一化法

研究區(qū)模型是基于2017年11月1日Landsat 8 OLI影像構(gòu)建的,為更好的將模型反演于2003年12月9日、2010年1月14日 Landsat 5 TM影像,研究基于偽不變特征原理(PIF),實(shí)現(xiàn)三期影像的數(shù)據(jù)匹配校正。偽不變特征原理(PIF)是從多幅影像中選取不變特征點(diǎn),提取這些點(diǎn)的灰度值,建立參考影像與目標(biāo)影像特征間的回歸方程,達(dá)到目標(biāo)影像校正的目的。由于研究時(shí)序長(zhǎng),且研究區(qū)屬于山區(qū),2003年至2017年間不變地物特征點(diǎn)相對(duì)難尋,故通過分析在確定不變地物點(diǎn)上采取間接的方法更加合適。

2 結(jié)果與分析

2.12017年馬尾松林地上林木碳儲(chǔ)量反演模型的確定

2.1.12017年馬尾松林地上林木碳儲(chǔ)量遙感估測(cè)模型的構(gòu)建

利用公式(1)計(jì)算了45個(gè)樣地的馬尾松林地上林木碳儲(chǔ)量。在對(duì)45個(gè)樣地點(diǎn)進(jìn)行初步回歸擬合和殘差分析的基礎(chǔ)上,去掉3個(gè)異常點(diǎn)。按照建模集樣本80%的選取原則,隨機(jī)選取34個(gè)樣本作為建模集,8個(gè)樣本作為檢驗(yàn)集。

利用SPSS軟件對(duì)34個(gè)建模樣本進(jìn)行指數(shù)回歸模型的擬合,采用決定系數(shù)(R2)和F統(tǒng)計(jì)量、顯著性水平(Sig.)、估算標(biāo)準(zhǔn)誤差等指標(biāo)比較模型擬合效果。各模型及擬合指標(biāo)見表3。

表3 指數(shù)回歸模型的參數(shù)結(jié)果

由表3可知,除綠光波段反射率和紅光波段反射率外,其余植被指數(shù)建模Sig.值均為0.00,模型具有顯著性。其中以GNDVI、NRI、PCF為自變量擬合的回歸模型R2大于0.5,F統(tǒng)計(jì)值分別為42.08、41.60、34.60,估算標(biāo)準(zhǔn)誤差分別為0.42、0.42、0.44。初步選擇這三組指數(shù)模型為較優(yōu)模型。

2.1.2模型精度檢驗(yàn)

圖2 3種優(yōu)選模型反演結(jié)果Fig.2 Results of three optimal model inversions

采用均方根誤差、平均相對(duì)精度兩個(gè)指標(biāo)對(duì)上述3種較優(yōu)模型的估算精度進(jìn)行檢驗(yàn)。由圖2可知,三組模型對(duì)馬尾松林地上林木碳儲(chǔ)量整體估算效果均較好。結(jié)合表4可知,以GNDVI構(gòu)建的指數(shù)模型(C2017=0.006e14.357GNDVI2017)均方根誤差較低、平均相對(duì)精度較高,最終選定該模型為估算長(zhǎng)汀縣河田鎮(zhèn)馬尾松林地上林木碳儲(chǔ)量的反演模型。

表4 3種優(yōu)選模型反演精度檢驗(yàn)結(jié)果

2.2 2003年、2010年模型的確定及3期林木碳儲(chǔ)量的反演

基于偽不變特征原理的線性歸一化法(PIF),在提取三期不變地物點(diǎn)GNDVI值基礎(chǔ)上,以校正之后的2010年GNDVI影像校正2003年的GNDVI影像,最終得到三期影像GNDVI值間的校正關(guān)系(表5)。兩個(gè)模型擬合R2均達(dá)到0.85以上,整體表明擬合效果可以滿足不同時(shí)期影像校正需求。采用均方根誤差檢驗(yàn)待校正影像(2003年、2010年)與參考影像的相似性關(guān)系,檢驗(yàn)結(jié)果見表6。校正后影像GNDVI值的均方根誤差均小于校正前。

表5 3期影像對(duì)應(yīng)不變象元GNDVI值線性關(guān)系

將表5中2017年GNDVI與2003年、2010年GNDVI值轉(zhuǎn)換關(guān)系式分別代入構(gòu)建的馬尾松林地上林木碳儲(chǔ)量遙感反演模型y=0.006e14.357x中,得到三個(gè)時(shí)期的長(zhǎng)汀縣河田鎮(zhèn)馬尾松林地上林木碳儲(chǔ)量遙感反演模型見表7。利用構(gòu)建的遙感估算模型反演2003年、2010年及2017年長(zhǎng)汀縣河田鎮(zhèn)馬尾松林地上林木碳儲(chǔ)量。

表6 校正前后影像與2017年影像GNDVI值均方根誤差

表7 馬尾松林地上林木碳儲(chǔ)量遙感反演模型

根據(jù)區(qū)域碳儲(chǔ)量數(shù)值分布范圍,將碳儲(chǔ)量劃分為0—10 t/hm2、10—20 t/hm2、20—30 t/hm2、30—40 t/hm2、40—50 t/hm2、>50 t/hm2這6個(gè)等級(jí)進(jìn)行統(tǒng)計(jì),得到馬尾松林地上林木碳儲(chǔ)量等級(jí)分布專題圖(見圖3)。

圖3 2003—2017年馬尾松林地上林木碳儲(chǔ)量分布圖Fig.3 Aboveground forest carbon storage of Masson pine forests from 2003 to 2017

圖4 2003—2017年馬尾松林地上林木碳儲(chǔ)量變化圖 Fig.4 Change of aboveground forest carbon storage for Masson pine forests from 2003 to 2017

2.3 馬尾松林地上林木碳儲(chǔ)量的時(shí)空分異特征

2.3.1馬尾松林地上林木碳儲(chǔ)量的時(shí)間分異特征

河田鎮(zhèn)馬尾松林地上林木碳儲(chǔ)量統(tǒng)計(jì)結(jié)果見圖4。2003、2010及2017年地上林木碳儲(chǔ)量分別為8.24 t/hm2、11.34t/hm2、16.14 t/hm2,整體呈上升趨勢(shì)。

分別對(duì)2003、2010及2017年馬尾松林各等級(jí)地上林木碳儲(chǔ)量像元數(shù)進(jìn)行統(tǒng)計(jì),由表8可知,2003—2017年地上林木碳儲(chǔ)量在0—10 t/hm2的林分面積不斷減少,地上林木碳儲(chǔ)量大于10t/hm2的林分面積不斷增加。2010年地上林木碳儲(chǔ)量在0—10 t/hm2的區(qū)域比2003年減少了7.43個(gè)百分點(diǎn)；2017年地上林木碳儲(chǔ)量在0—10 t/hm2的區(qū)域比2010年減少了27.84個(gè)百分點(diǎn)。2010年地上林木碳儲(chǔ)量在10—20 t/hm2、20—30 t/hm2、30—40 t/hm2、40—50 t/hm2和>50 t/hm2的區(qū)域比2003年分別增加了3.45、1.68、0.71、0.34和1.25個(gè)百分點(diǎn)；2017年地上林木碳儲(chǔ)量在10—20 t/hm2、20—30 t/hm2、30—40 t/hm2、40—50 t/hm2和>50 t/hm2的區(qū)域比2010年分別增加了17.28、6.05、2.77、1.07和0.67個(gè)百分點(diǎn)。

2.3.2馬尾松林地上林木碳儲(chǔ)量的空間分異特征

由圖5可知,2003年、2010年和2017年馬尾松林地上林木碳儲(chǔ)量在海拔<300m的區(qū)域碳儲(chǔ)量最少、在海拔>500m的區(qū)域碳儲(chǔ)量最大,碳儲(chǔ)量隨海拔的升高而增加。2003—2010年,各海拔梯度上地上林木碳儲(chǔ)量增長(zhǎng)率分別為107.82%、59.94%、27.92%、37.78%、26.08%、5.77%和-9.90%;2010—2017年,各海拔梯度上地上林木碳儲(chǔ)量增長(zhǎng)率分別為123.22%、84.35%、34.26%、16.51%、20.44%、24.85%和21.16%,整體表現(xiàn)出隨海拔增加碳儲(chǔ)量增長(zhǎng)率降低的特征。

由圖6可知,2003年、2010年和2017年馬尾松林地上林木碳儲(chǔ)量在坡度0—5°的區(qū)域碳儲(chǔ)量最少、在坡度>45°的區(qū)域碳儲(chǔ)量最大,碳儲(chǔ)量隨坡度的增加而增加。2003—2010年間,各坡度地上林木碳儲(chǔ)量增長(zhǎng)率分別為53.71%、46.09%、37.99%、25.94%、16.36%、14.56%;2010—2017年,各坡度地上林木碳儲(chǔ)量增長(zhǎng)率分別為81.52%、70.27%、41.86%、28.51%、8.31%、4.27%,表現(xiàn)出隨坡度增加碳儲(chǔ)量增長(zhǎng)率降低的特征。

圖7表明,向陽(yáng)坡(67.5°—247.5°)碳儲(chǔ)量高于背陰坡(0—67.5°,247.5°—360°)。2003—2010年間,向陽(yáng)坡和背陰坡地上林木碳儲(chǔ)量增長(zhǎng)率分別為35.06%、53.96%;2010—2017年間,向陽(yáng)坡和背陰坡地上林木碳儲(chǔ)量增長(zhǎng)率分別為28.02%、119.39%,表現(xiàn)出背陰坡地上林木碳儲(chǔ)量增長(zhǎng)率高于向陽(yáng)坡。

表8 2003—2017年馬尾松林地上林木碳儲(chǔ)量分級(jí)統(tǒng)計(jì)表

圖5 不同海拔梯度馬尾松林地上林木碳儲(chǔ)量及碳儲(chǔ)量增長(zhǎng)率Fig.5 Aboveground forest carbon storage and aboveground forest carbon storage growth rate of Masson pine forests at different altitudes

圖6 不同坡度等級(jí)馬尾松林地上木碳儲(chǔ)量碳及儲(chǔ)量增長(zhǎng)率Fig.6 Aboveground Carbon storage and aboveground carbon storage growth rate of Masson pine forests at different slope

圖7 不同坡向馬尾松地上林木碳儲(chǔ)量及碳儲(chǔ)量增長(zhǎng)率Fig.7 Aboveground Carbon storage and aboveground carbon storage growth rate of Masson pine forests at different aspect

3 結(jié)論與討論

本研究以長(zhǎng)汀縣河田鎮(zhèn)馬尾松林為研究對(duì)象,基于2017年Landsat 8 OLI遙感影像,充分提取與碳儲(chǔ)量潛在相關(guān)的信息,構(gòu)建馬尾松林地上林木碳儲(chǔ)量遙感反演模型,并基于偽不變特征原理的線性歸一化法(PIF)實(shí)現(xiàn)該遙感反演模型在2003年、2010年Landsat 5 TM影像上的適用性校正轉(zhuǎn)換。實(shí)現(xiàn)對(duì)長(zhǎng)汀縣河田鎮(zhèn)馬尾松林地上林木碳儲(chǔ)量的遙感估測(cè)和時(shí)空分異特征研究。

2017年遙感估算的平均碳儲(chǔ)量值與研究布設(shè)的42個(gè)樣地實(shí)測(cè)碳儲(chǔ)量平均值接近,表明研究構(gòu)建的遙感模型對(duì)碳儲(chǔ)量的估算結(jié)果具有可靠性。2003、2010、2017年長(zhǎng)汀縣河田鎮(zhèn)馬尾松林地上林木碳儲(chǔ)量超過50 t/hm2的面積分別占3.33%、4.58%、5.26%,表明了以河田鎮(zhèn)為代表的南方水土流失區(qū)雖然森林覆蓋度恢復(fù)顯著,但林木生長(zhǎng)質(zhì)量并不佳、森林碳匯功能的發(fā)揮仍較弱,這與劉政等[3]的研究結(jié)果大體一致。2010—2017年這7年間各級(jí)碳儲(chǔ)量變化幅度大于前7年,說明研究區(qū)在水土流失治理工作中采取的封山育林、種植水保林草及低效林改造等措施是成功的。

研究區(qū)馬尾松林碳儲(chǔ)量空間分布與海拔、坡度、坡向的空間分布密切相關(guān)。馬尾松林碳儲(chǔ)量隨海拔升高而增加,這一結(jié)果與黃紹霖[30]的研究結(jié)果大體一致。海拔變化間接造成局地氣候條件變化,且隨海拔增高人為干擾強(qiáng)度減小,馬尾松分布相對(duì)密集,而低海拔區(qū)除人類活動(dòng)頻繁外,地面原生植被覆蓋較少,多以補(bǔ)植的幼齡林為主,林分固碳能力差。平均碳儲(chǔ)量增長(zhǎng)率隨海拔升高而降低,產(chǎn)生這種空間分異規(guī)律的原因可能是：低海拔區(qū)域生態(tài)治理強(qiáng)度大,馬尾松林生長(zhǎng)快速,高海拔區(qū)域多以封山育林為主,且部分結(jié)構(gòu)不合理、立地質(zhì)量差的林分存在倒退的可能。馬尾松林地上林木碳儲(chǔ)量隨著坡度增加而增加,分析原因可能有兩方面：一方面是坡面增加了林冠層接受光照的面積,有利于馬尾松林木的生長(zhǎng)和吸收固定CO2；另一方面,與人類活動(dòng)密不可分,隨坡度上升,雖然土壤養(yǎng)分流失增多,但森林采伐利用難度也增加,人為干擾活動(dòng)較少,使得這部分馬尾松林分生長(zhǎng)健康穩(wěn)定。碳儲(chǔ)量增長(zhǎng)率隨坡度升高而降低,主要原因可能是早期水土流失治理主要選擇在森林覆蓋較低、生長(zhǎng)質(zhì)量較差的緩坡區(qū),該部分區(qū)域補(bǔ)植造林強(qiáng)度較大,隨著樹木生長(zhǎng)到一定年齡,生物量碳儲(chǔ)量會(huì)顯著增加,而陡峭區(qū)域更多采取封山育林等保護(hù)政策,自然更新能力低于人為治理下林木生長(zhǎng)更新。向陽(yáng)坡的馬尾松地上林木碳儲(chǔ)量高于背陰坡,主要原因可能有兩方面：一是河田鎮(zhèn)位于北半球,向陽(yáng)坡受到的太陽(yáng)輻射強(qiáng)度和日照時(shí)長(zhǎng)遠(yuǎn)高于背陰坡,且馬尾松具有喜光喜溫的特性,光照充足的條件有利于馬尾松生長(zhǎng)和干物質(zhì)的積累；二是在水、肥、氣、熱的影響下,陽(yáng)坡和半陽(yáng)坡土壤養(yǎng)分和土壤碳儲(chǔ)量的積累增強(qiáng)了馬尾松生長(zhǎng)能力,同時(shí),山地不同坡向迎風(fēng)、背風(fēng)效果不同,迎風(fēng)坡容易造成地形雨,局部降水分配強(qiáng)度不同也會(huì)影響馬尾松碳儲(chǔ)量的積累。背陰坡碳儲(chǔ)量增長(zhǎng)率遠(yuǎn)高于向陽(yáng)坡,產(chǎn)生這種背陰坡碳儲(chǔ)量總值低但增長(zhǎng)率高的原因可能和水土流失治理密不可分,補(bǔ)植的馬尾松處于生長(zhǎng)初期,胸徑、樹高在一定年齡內(nèi)生長(zhǎng)較快,而隨著年齡的增長(zhǎng),馬尾松生長(zhǎng)速度會(huì)減緩至平穩(wěn)狀態(tài)。

本研究的研究對(duì)象為馬尾松地上喬木層部分的碳儲(chǔ)量,未進(jìn)一步考慮林下芒萁對(duì)碳儲(chǔ)量的影響。在選擇植被指數(shù)作為遙感反演模型自變量時(shí),雖然參考了前人研究中能有效區(qū)分芒萁和馬尾松的光譜信息,但尚未實(shí)現(xiàn)芒萁和馬尾松的剝離,而研究時(shí)段內(nèi)林下芒萁覆蓋度的變化,可能會(huì)對(duì)模型反演的結(jié)果產(chǎn)生誤差。因此,可以考慮從像元尺度剝離芒萁的影響。