陸雪婷,曹碧鳳,楊樟平,嚴(yán)夏帆,宋賢芬,余坤勇*,劉 健

(1.福建農(nóng)林大學(xué) 林學(xué)院,福建 福州 350002;2.3S技術(shù)與資源優(yōu)化利用福建省高等學(xué)校重點(diǎn)實(shí)驗(yàn)室,福建 福州 350002;3.永安市林業(yè)局,福建 永安 366038)

毛竹(Phyllostachysedulis)和杉木(Cunninghamialanceolata)是我國(guó)亞熱帶地區(qū)分布最為廣泛的樹(shù)種,兩者具有相似的生長(zhǎng)環(huán)境和立地條件要求,因此常相鄰生長(zhǎng)[1],并伴有大量的混交界面,這種混交狀態(tài)主要是由于毛竹自身具有適應(yīng)能力強(qiáng)、繁衍速度快的生物學(xué)特性[2-3]。毛竹擴(kuò)張主要通過(guò)其地下的鞭根系統(tǒng),不斷向周圍林分拓展,引起周邊林木的枯死或抑制林下幼苗的生長(zhǎng),最終演化為毛竹純林[4]。林農(nóng)借助毛竹這種特性,增擴(kuò)林地邊界,引發(fā)林權(quán)邊界糾紛,一定程度上影響了林權(quán)制度改革的有效實(shí)施和管理。而且,毛竹擴(kuò)張也會(huì)改變林木個(gè)體的空間分布,使林分內(nèi)溫度、水分、光照、養(yǎng)分等微環(huán)境的空間分布發(fā)生變化[5],進(jìn)而對(duì)森林群落結(jié)構(gòu)、生態(tài)系統(tǒng)功能等產(chǎn)生負(fù)面影響[6-7]。目前關(guān)于毛竹擴(kuò)張的研究,主要集中在土壤理化性質(zhì)、微生物群落結(jié)構(gòu)和土壤碳儲(chǔ)量等方面,馬鑫茹等[8]通過(guò)測(cè)定常綠闊葉林、竹-闊混交林和毛竹林3種林型的土壤理化性質(zhì)和微生物群落結(jié)構(gòu),發(fā)現(xiàn)土壤微生群落主要的影響因子為有機(jī)碳和銨態(tài)氮;佟富春等[9]分析了毛竹擴(kuò)張過(guò)程中土壤甲螨的群落結(jié)構(gòu)及其變化規(guī)律;池鑫晨[10]的研究表明毛竹擴(kuò)張會(huì)減少原有森林的固碳潛力,但目前對(duì)于毛竹擴(kuò)張過(guò)程中林分空間結(jié)構(gòu)的研究較少。

林分空間結(jié)構(gòu)體現(xiàn)了立木及其屬性在空間上的分布特征[11],是影響林分的質(zhì)量和生產(chǎn)力的重要指標(biāo)之一[12],決定了林木的生長(zhǎng)和動(dòng)態(tài)演替的過(guò)程[13],對(duì)林業(yè)的可持續(xù)發(fā)展具有不可替代的重要意義。林分空間結(jié)構(gòu)一般包含樹(shù)種混交、林木空間分布格局和大小分化等[14]。毛竹向杉木林?jǐn)U張過(guò)程中會(huì)發(fā)生時(shí)間和空間上的變化,這些變化會(huì)造成林分立木空間分布狀態(tài)的改變。為了全面反映林木與周邊木的關(guān)系,利用 Voronoi 圖確定林木空間結(jié)構(gòu)單元的方法得到了廣泛的應(yīng)用,湯孟平等[15-16]基于Voronoi圖計(jì)算、V_Hegyi競(jìng)爭(zhēng)指數(shù)和混交度(Mv),并與傳統(tǒng)計(jì)算方法進(jìn)行對(duì)比分析,得出V_Hegyi競(jìng)爭(zhēng)指數(shù)和混交度(Mv),可更加準(zhǔn)確地描述群落優(yōu)勢(shì)樹(shù)種的種內(nèi)種間和種間相互隔離關(guān)系的結(jié)論;李際平等[17]基于Voronoi圖確定林分空間結(jié)構(gòu)單元,獲取混交度、大小比數(shù)等林分空間結(jié)構(gòu)參數(shù),分析了杉木生態(tài)公益林空間結(jié)構(gòu)特征;劉帥等[18]通過(guò)建立Voronoi圖模型表示林分空間結(jié)構(gòu)特征,對(duì)林木空間信息進(jìn)行量化分析;宋語(yǔ)涵等[19]通過(guò)Voronoi圖計(jì)算得到空間結(jié)構(gòu)參數(shù),分析了紅樹(shù)林的空間結(jié)構(gòu)特征。但前人研究過(guò)程中創(chuàng)建Voronoi圖時(shí),林木位置大多是實(shí)測(cè)數(shù)據(jù),難免要消耗大量人力、物力。近年來(lái),無(wú)人機(jī)遙感憑借高時(shí)效、低成本、高分辨率等特性,被應(yīng)用到各個(gè)領(lǐng)域中[20]。如何借助無(wú)人機(jī)遙感技術(shù),有效、快速地實(shí)現(xiàn)毛竹不同擴(kuò)張程度林分空間結(jié)構(gòu)基礎(chǔ)數(shù)據(jù)的獲取,是揭示毛竹擴(kuò)張演化機(jī)制的重要基礎(chǔ),可為毛竹向杉木林?jǐn)U張不同程度林分空間結(jié)構(gòu)的演變提供一個(gè)動(dòng)態(tài)反演的過(guò)程,對(duì)提升毛竹資源管理水平和林權(quán)制度改革成效具有重要的意義。

本研究以毛竹-杉木混交界面為對(duì)象,利用無(wú)人機(jī)遙感影像,進(jìn)行單木位置獲取及毛竹和杉木識(shí)別,結(jié)合Voronoi圖構(gòu)建林分空間結(jié)構(gòu)單元,量化混交度、角尺度、大小比數(shù)等林分空間結(jié)構(gòu)參數(shù),構(gòu)建林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù),分析毛竹向杉木林?jǐn)U張不同程度林木空間結(jié)構(gòu)的變化規(guī)律,為揭示毛竹向杉木林?jǐn)U張演化機(jī)制提供理論指導(dǎo)和數(shù)據(jù)支撐。

1 研究區(qū)概況

研究區(qū)位為福建省三明市永安市天寶巖國(guó)家級(jí)自然保護(hù)區(qū),位于福建省中部(117°28′3″-117°35′28″E,25°50′51″-26°1′20″N)(圖1)。與上坪鄉(xiāng)、西洋鎮(zhèn)和青水鄉(xiāng)相鄰,屬中、低山地貌,最低海拔580 m,最高海拔1 604.8 m,氣候溫暖濕潤(rùn),四季分明,年平均氣溫15 ℃,土壤類型多為紅壤,主要植被類型為毛竹林、針葉林、常綠闊葉林、針闊混交林等,其中毛竹面積為5.85萬(wàn)hm2。

圖1 研究區(qū)位置Fig.1 Location of the study area

2 試驗(yàn)設(shè)計(jì)及數(shù)據(jù)獲取

2.1 試驗(yàn)方案

2019年12月在福建省永安市天寶巖自然保護(hù)區(qū)設(shè)置試驗(yàn)樣地(圖2),從左到右依次是1～4號(hào)試驗(yàn)區(qū),4個(gè)試驗(yàn)區(qū)都沿毛竹向杉木林?jǐn)U張方向設(shè)置條帶,共計(jì)15條。各條帶均由10 m×10 m的小樣地構(gòu)成,總計(jì)85個(gè)小樣地。以每木檢尺調(diào)查結(jié)果為依據(jù),將毛竹擴(kuò)張不同程度以毛竹占比0%～20%、20%～40%、40%～60%、60%～80%、80%～100%分為5個(gè)階段(圖3),便于后續(xù)毛竹向杉木林?jǐn)U張不同程度空間結(jié)構(gòu)變化規(guī)律分析。

圖2 研究區(qū)樣地分布Fig.2 Plot distribution map of the study area

圖3 毛竹向杉木林?jǐn)U張程度劃分Fig.3 Division of P.edulis expansion to Cunninghamia lanceolata forest

2.2 數(shù)據(jù)獲取及預(yù)處理

2.2.1 基礎(chǔ)數(shù)據(jù)采集 2020年1月,利用測(cè)高儀、胸徑尺、皮尺等測(cè)量工具結(jié)合目視判定,對(duì)樣地內(nèi)所有毛竹的樹(shù)高、胸徑、竹齡、位置等進(jìn)行測(cè)量。位置的測(cè)定以調(diào)查單元的東北角頂點(diǎn)為坐標(biāo)原點(diǎn),以邊界接近正東方向的邊為x軸,接近正北方向的邊界為y軸,來(lái)記錄每株毛竹的位置。

2.2.2 無(wú)人機(jī)數(shù)據(jù)獲取及預(yù)處理 與基礎(chǔ)數(shù)據(jù)采集時(shí)間同步,利用大疆精靈4多光譜版無(wú)人機(jī)在福建省永安市天寶巖自然保護(hù)區(qū)進(jìn)行拍攝。考慮陽(yáng)光直射效應(yīng)的影響,選擇無(wú)風(fēng)、無(wú)云且光照穩(wěn)定(11:00-14:00)的時(shí)間飛行。無(wú)人機(jī)飛行參數(shù)設(shè)置為飛行高度120 m,航向重疊為80%,旁向重疊率為75%,飛行速度8 m·s-1。由于無(wú)人機(jī)拍攝時(shí)會(huì)受到大氣、風(fēng)力等客觀因素影響,存在一定的畸變,因此采用Pix4D Mapper軟件對(duì)原始無(wú)人機(jī)影像分別進(jìn)行信息檢測(cè)、拼接及幾何校正等預(yù)處理。通過(guò)導(dǎo)入無(wú)人機(jī)拍攝的單張影像及其自帶的位置數(shù)據(jù),然后選擇白板對(duì)每個(gè)波段的影像進(jìn)行輻射校正,將地面目標(biāo)測(cè)得的影像數(shù)值轉(zhuǎn)換為圖像反射率,從而得到比較真實(shí)反映地表反射率的數(shù)值,最后利用動(dòng)態(tài)結(jié)構(gòu)算法進(jìn)行地面特征點(diǎn)的匹配,得到研究區(qū)RGB、DSM 以及多光譜影像。

3 研究方法

3.1 單木位置及樹(shù)種遙感獲取

3.1.1 單木位置遙感提取 借助Python3.9版本的Python-OpenCV以及Python-Skimage模塊,對(duì)DSM進(jìn)行直方圖均衡化,增強(qiáng)灰度值對(duì)比,通過(guò)最大濾波消除偽樹(shù)頂,再結(jié)合局部最大值法,得到樹(shù)頂點(diǎn)分布,最后提取樹(shù)頂點(diǎn)位置及高程信息并統(tǒng)計(jì),實(shí)現(xiàn)單木提取。

3.1.2 樹(shù)種識(shí)別 由于毛竹與杉木在無(wú)人機(jī)可見(jiàn)光譜和植被指數(shù)中存在一定的差異性,該差異可為毛竹和杉木的分類識(shí)別提供支撐?；跓o(wú)人機(jī)多光譜影像的5個(gè)波段,可獲取多種波段組合,在描述植被情況上具有很大的優(yōu)勢(shì)。采用單波段、雙波段模型以及常用的一些植被指數(shù),作為毛竹和杉木識(shí)別的指標(biāo),結(jié)合隨機(jī)森林機(jī)器學(xué)習(xí)分類器,實(shí)現(xiàn)毛竹和杉木的有效識(shí)別。

3.2 林分空間結(jié)構(gòu)單元的確定

林分空間結(jié)構(gòu)單元是分析林分空間結(jié)構(gòu)特征的基礎(chǔ),通常由林分內(nèi)任意一株林木(中心木)和與之最近的n株相鄰木所構(gòu)成[21]。Voronoi圖是以對(duì)象集合元素的最近屬性為依據(jù),將空間劃分為許多單元區(qū)域,圖內(nèi)任一凸多邊形所包圍區(qū)域的點(diǎn)到該凸多邊形對(duì)象點(diǎn)的距離比該點(diǎn)到任意其他對(duì)象點(diǎn)的距離都小[22]。因此利用Voronoi圖所得到的相鄰木,可以有效避免2種現(xiàn)象:其一是因所選取的相鄰木數(shù)量過(guò)小而引起的無(wú)法兼顧周圍所有相鄰木的問(wèn)題;其二是因選取的相鄰木數(shù)量過(guò)大而將實(shí)際的非相鄰木納入考慮范圍[19]。利用Voronoi圖的最近、鄰接的特性,進(jìn)行林分空間結(jié)構(gòu)的計(jì)算。

3.3 林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)的構(gòu)建

3.3.1 林分空間結(jié)構(gòu)參數(shù)的選取 采用角尺度[23]、混交度[24]和大小比數(shù)[25]3個(gè)林分空間結(jié)構(gòu)指數(shù)來(lái)分析毛竹-杉木混交林的林分空間結(jié)構(gòu),同時(shí)為避免處于林分邊緣樹(shù)木對(duì)林分整體空間結(jié)構(gòu)的影響,結(jié)合樣地大小,在原樣地四周設(shè)置1 m寬的緩沖區(qū)。對(duì)于85個(gè)樣地,均采用以下的公式來(lái)計(jì)算林分的各項(xiàng)空間結(jié)構(gòu)指數(shù)。

(1)

式中:n為結(jié)構(gòu)單元i中相鄰木株數(shù),若相鄰木j比中心木i的樹(shù)高小,則Kij=1,否則Kij=0。大小比數(shù)常用來(lái)描述個(gè)體大小的分化程度。

(2)

式中:Wi表示中心木的角尺度值;n為相鄰木的株數(shù),Zij為角尺度計(jì)數(shù)器;當(dāng)中心木i與相鄰木j所構(gòu)成的夾角比標(biāo)準(zhǔn)角小時(shí),Zij=1,否則Zij=0。角尺度的標(biāo)準(zhǔn)角大小和相鄰木的數(shù)量有關(guān),取值為360°/(n+1)。

(3)

式中:Mi表示中心木i的混交度;n為中心木i和相鄰木的株數(shù);Vij表示中心木i與相鄰木j的樹(shù)種差異比較結(jié)果,當(dāng)中心木i的第j株相鄰木不屬于同種時(shí),Vij=1,否則Vij=0。Mi的取值從0～1,代表從弱到強(qiáng)的混交程度,具有明顯的生物學(xué)意義。

3.3.2 林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)的構(gòu)建 參考劉玉平等[26]的方法,選取經(jīng)濟(jì)學(xué)中應(yīng)用最廣泛、最經(jīng)典的柯布-道格拉斯生產(chǎn)函數(shù)(C-D生產(chǎn)函數(shù))作為函數(shù)模型。以林分空間結(jié)構(gòu)綜合指數(shù)(FSSCI)作為“產(chǎn)出”,混交度(M)、角尺度、大小比作為“投入”生產(chǎn)要素。假設(shè)3個(gè)參數(shù)在演替過(guò)程中影響比重一致,鑒于各取值可能為0,參考張君鈺等[27]變異系數(shù)法的思想確定各個(gè)指標(biāo)的權(quán)重。

(4)

式中:WW為角尺度的權(quán)重;σW、σM、σU分別為角尺度、大小比數(shù)、混交度的標(biāo)準(zhǔn)差。最終建立林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)的公式如下。

(5)

式中:FSSCIi代表空間結(jié)構(gòu)的評(píng)價(jià)指數(shù);Mci為混交度;WM為混交度的權(quán)重;WU為大小比的權(quán)重。當(dāng)FSSCIi值越大時(shí),說(shuō)明該單元的空間結(jié)構(gòu)越優(yōu)。

利用歸一化處理,使各單木林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)的取值范圍在[0,1]內(nèi)。

(6)

式中:xmax、xmin分別表示歸一化前所有單木林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)的最大值和最小值;x'i、xi分別表示歸一化后和歸一化前第i株中心木的林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)。

4 結(jié)果與分析

4.1 單木及樹(shù)種遙感獲取

4.1.1 單木提取 利用Python編程,采用局部最大值法得到樹(shù)頂點(diǎn),實(shí)現(xiàn)1～4號(hào)研究區(qū)的單木提取(圖4)。參考前人單木提取精度評(píng)價(jià)方法[28],采用總體精度、錯(cuò)分誤差和漏分誤差3個(gè)精度評(píng)價(jià)指標(biāo)對(duì)研究區(qū)所提取的單木進(jìn)行精度評(píng)價(jià)(表1)。評(píng)價(jià)結(jié)果顯示,1～4號(hào)樣地的總體精度分別為94.41%、91.22%、92.43%、91.01%,總體精度均>90%,滿足研究需要。

表1 單木提取精度評(píng)價(jià)Table 1 Single wood extraction accuracy evaluation

4.1.2 樹(shù)種識(shí)別 以樣地實(shí)地調(diào)查的毛竹和杉木在遙感影像上的定位為圓心,以0.5 m為半徑作圓形緩沖區(qū),通過(guò)緩沖區(qū)來(lái)提取無(wú)人機(jī)影像中各個(gè)緩沖區(qū)對(duì)應(yīng)的多光譜影像,作為樹(shù)種識(shí)別的分類樣本,并以此形成49個(gè)波段組合和15個(gè)常用的植被指數(shù)。該操作的目的是減少因提取光譜影像過(guò)小,使冠層光譜異常而導(dǎo)致提取光譜值不具有代表性。鑒于波段組合與植被指數(shù)數(shù)量過(guò)多,計(jì)算量太大,通過(guò)隨機(jī)森林重要性排序進(jìn)行篩選,選擇重要性排行前2位的波段組合B1-B2,B1/B2作為主要指標(biāo),用SPSS 26.0對(duì)毛竹和杉木冠層光譜表達(dá)的差異性作獨(dú)立樣本檢驗(yàn)。檢驗(yàn)結(jié)果表明,基于毛竹與杉木樹(shù)頂點(diǎn)提取的B1-B2、B1/B2組合波段模型中存在著極顯著差異。因此,依據(jù)毛竹樹(shù)頂點(diǎn)提取這2類波段組合,可以實(shí)現(xiàn)樣地林分中毛竹與杉木的分類,得到研究區(qū)樹(shù)種分類結(jié)果(圖5),總體分類精度為87%(表2),滿足研究需要。

圖5 樹(shù)種識(shí)別結(jié)果Fig.5 Tree species identification results

4.2 林分空間結(jié)構(gòu)單元的構(gòu)建

基于單木提取和樹(shù)種識(shí)別結(jié)果,得到每個(gè)樣地基本情況以及單木位置數(shù)據(jù),將這些數(shù)據(jù)導(dǎo)入到ArcMap 10.2軟件中,生成樣地內(nèi)的林木空間位置散點(diǎn)圖,然后創(chuàng)建Voronoi圖,將與中心木直接相鄰的Voronoi多邊形內(nèi)的單木界定為相鄰木,以此確定林分空間結(jié)構(gòu)單元。由于位于樣地邊緣的參照木最近相鄰木有可能在樣地之外,因此會(huì)產(chǎn)生邊緣效應(yīng)。為了減小這種誤差,采用距離緩沖法進(jìn)行邊緣矯正[18],將緩沖區(qū)內(nèi)的樣木僅僅作為相鄰木,而不作中心木。鑒于樣地較小,且參考樣地株行距很小,將樣地緩沖距離設(shè)置為1 m。最終所構(gòu)建的林分空間結(jié)構(gòu)單元見(jiàn)圖6。

圖6 空間結(jié)構(gòu)單元Fig.6 Spatial structural element

4.3 毛竹擴(kuò)張杉木林分空間結(jié)構(gòu)參數(shù)變化及分析

毛竹擴(kuò)張不同程度林分混交度、角尺度、大小比數(shù)的變化情況見(jiàn)圖7。從圖7可以看出,林分不同擴(kuò)張程度的平均混交度分別為0.25、0.46、0.48、0.45和0.40,整體平均混交度在0.20～0.50,屬于弱度混交,但接近中度混交狀態(tài)。在擴(kuò)張第1和第5階段,林分平均混交度分別為0.25和0.40,處于弱混交狀態(tài),樹(shù)種混交程度不高;在擴(kuò)張第2和第4階段,平均混交度分別為0.46和0.45,仍屬于弱混交情況;在擴(kuò)張第3階段,平均混交度最高,為0.48,接近中度混交。林分不同擴(kuò)張程度的平均角尺度分別為0.53、0.54、0.54、0.53和0.51,整體平均角尺度在0.50～0.55,處于隨機(jī)分布的狀態(tài)。林分不同擴(kuò)張程度的平均大小比數(shù)分別為0.49、0.51、0.51、0.49和0.49,整體平均大小比數(shù)在0.48～0.51,處于亞優(yōu)勢(shì)和中庸?fàn)顟B(tài)。在擴(kuò)張第1、第4和第5階段,平均大小比數(shù)都為0.49,處于亞優(yōu)勢(shì)狀態(tài);在擴(kuò)張第2和第3階段,林分平均大小比數(shù)都為0.51,屬于中庸?fàn)顟B(tài)。綜上可知,毛竹擴(kuò)張改變了原始林分林木生長(zhǎng)態(tài)勢(shì)。

圖7 毛竹向杉木林?jǐn)U張不同階段空間結(jié)構(gòu)指標(biāo)變化Fig.7 Changes of spatial structure index of P.edulis at different stages of expansion to C.lanceolata forest

毛竹向杉木林?jǐn)U張不同程度林分混交度、角尺度、大小比數(shù)整體變化趨勢(shì)一致,都是先增加后減小,出現(xiàn)這種變化趨勢(shì)的原因可能是,在擴(kuò)張第1階段毛竹占比極小,杉木占比極大,所以林分中大部分目標(biāo)樹(shù)是杉木,而杉木的相鄰木大部分也還是杉木,導(dǎo)致林分平均混交度、大小比數(shù)較低;隨著毛竹的擴(kuò)張,毛竹數(shù)量逐漸增加,到了擴(kuò)張第2階段,混交度和大小比數(shù)有所增長(zhǎng);而到了擴(kuò)張第3階段,毛竹和杉木數(shù)量占比接近于1∶1,這時(shí)混交度和大小比數(shù)達(dá)到最大,而隨著毛竹的繼續(xù)擴(kuò)張,毛竹在林分中的占比逐漸增大,導(dǎo)致混交度和大小比數(shù)逐漸減小。林分平均角尺度雖然隨著擴(kuò)張程度的加深呈現(xiàn)先增后減的趨勢(shì),但整體變化非常小,均處于隨機(jī)分布范圍,這可能是由于研究區(qū)位于自然保護(hù)區(qū),人為干擾較少,林木生長(zhǎng)水平分布格局總體趨近于隨機(jī)分布的狀態(tài)。

4.4 毛竹擴(kuò)張杉木林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)變化及分析

根據(jù)變異系數(shù)法的原理,利用式(4)確定角尺度、混角度、大小比數(shù)3個(gè)空間結(jié)構(gòu)的權(quán)重,3個(gè)指數(shù)的標(biāo)準(zhǔn)差及權(quán)重見(jiàn)表3。其中角尺度的權(quán)重最大,混交度次之,大小比數(shù)最小,由此可知,角尺度對(duì)評(píng)價(jià)指數(shù)的影響最大。根據(jù)式(5)得到各個(gè)樣地的林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù),利用式(6)對(duì)其進(jìn)行歸一化,使其取值范圍為[0,1]。利用Arc Map10.2插值工具,將各個(gè)樣地林木空間結(jié)構(gòu)評(píng)價(jià)指數(shù)進(jìn)行插值,得到各個(gè)樣地林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)分布圖(圖8)?？臻g結(jié)構(gòu)評(píng)價(jià)指數(shù)越高,林分空間結(jié)構(gòu)越接近于理想狀態(tài)?？梢钥闯?4塊研究區(qū)的空間結(jié)構(gòu)評(píng)價(jià)指數(shù)在0.5～0.8,林分空間結(jié)構(gòu)整體較好。

表3 角尺度、大小比數(shù)及混交度的標(biāo)準(zhǔn)差及權(quán)重Table 3 Standard deviation and weight of angle scale,size ratio and mixing degree

圖8 林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)分布Fig.8 Index distribution of stand spatial structure evaluation

依據(jù)毛竹向杉木林?jǐn)U張不同階段的劃分,計(jì)算不同擴(kuò)張程度林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)(FSSCI)的均值,得到空間結(jié)構(gòu)評(píng)價(jià)指數(shù)隨擴(kuò)張程度的變化情況(圖9)。由圖9可知,隨著毛竹占比的增加,即擴(kuò)張程度的加深,林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)依次為0.25、0.50、0.51、0.47和0.40,整體呈現(xiàn)先增后減的趨勢(shì),這與所選取的3個(gè)林分空間結(jié)構(gòu)指標(biāo)(角尺度、混交度、大小比數(shù))的變化規(guī)律一致。在擴(kuò)張第1階段,杉木幾乎處于純林階段,此時(shí)林分物種單一,物種豐富度不足,林分空間結(jié)構(gòu)整體較低,導(dǎo)致生態(tài)穩(wěn)定性極其不理想,極易受到鄰近毛竹的擴(kuò)張。隨著毛竹的擴(kuò)張,空間結(jié)構(gòu)評(píng)價(jià)指數(shù)迅速上升,到了毛竹擴(kuò)張的第3階段,林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)達(dá)到最高,代表此時(shí)林分的生態(tài)穩(wěn)定性處于最優(yōu)。而到了擴(kuò)張第5階段,林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)有所下降,這表明混交林的空間結(jié)構(gòu)要優(yōu)于毛竹或杉木純林。

圖9 空間結(jié)構(gòu)評(píng)價(jià)指數(shù)隨擴(kuò)張程度變化Fig.9 The evaluation index of spatial structure changes with the degree of expansion

5 結(jié)論與討論

5.1 結(jié)論

本研究單木提取總體精度在90%以上,毛竹和杉木的識(shí)別精度達(dá)到87%,滿足試驗(yàn)精度需求。

隨著毛竹擴(kuò)張程度的加深,林分平均角尺度、混交度、大小比數(shù)和林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)均呈現(xiàn)先增后減的趨勢(shì),林分整體平均混交度在0.20～0.50,屬于弱度混交,但接近中度混交狀態(tài),平均角尺度在0.50～0.55,處于隨機(jī)分布的狀態(tài),平均大小比數(shù)在0.48～0.51,處于亞優(yōu)勢(shì)和中庸?fàn)顟B(tài),空間結(jié)構(gòu)評(píng)價(jià)指數(shù)在0.5～0.8,在毛竹和杉木數(shù)量占比接近1∶1時(shí),林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)達(dá)到最大值,此時(shí)林分空間結(jié)構(gòu)達(dá)到最優(yōu)狀態(tài),林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)能有效地反映毛竹擴(kuò)張過(guò)程中林分空間結(jié)構(gòu)的變化趨勢(shì)。

5.2 討論

常用的林分空間結(jié)構(gòu)獲取方法是通過(guò)將實(shí)地調(diào)查的單木位置信息,導(dǎo)入ArcGIS軟件或Winkelmass軟件中,計(jì)算得到各個(gè)空間結(jié)構(gòu)參數(shù),但這種方法仍需要消耗大量人力、物力進(jìn)行單木位置數(shù)據(jù)的獲取。為解決這一問(wèn)題,研究利用無(wú)人機(jī)遙感,實(shí)現(xiàn)了單木位置的快速獲取,為林業(yè)工作者高效獲取森林資源信息提供便利。

研究所得毛竹向杉木林?jǐn)U張過(guò)程中林分空間結(jié)構(gòu)的演化規(guī)律與王秀云等[5]得到的毛竹擴(kuò)張闊葉林變化規(guī)律整體一致,但在數(shù)值上又有些差異,王秀云等[5]得到的平均混交度在毛竹擴(kuò)張前期達(dá)到0.663,擴(kuò)張中期為0.54,擴(kuò)張后期降為0,本研究的結(jié)果是在擴(kuò)張前期為0.25、擴(kuò)張中期達(dá)到0.48、擴(kuò)張后期又降為0.40,這可能是因?yàn)樗x取的研究區(qū)類型存在差異,王秀云等[5]選取的是常綠闊葉林、竹闊混交林和毛竹純林,在擴(kuò)張前期,雖然毛竹干擾不大,但常綠闊葉林分中樹(shù)種較多,混交度較高,而到了擴(kuò)張后期,演變?yōu)槊窦兞?樹(shù)種單一,混交度降為0,而本研究是按毛竹占比0%～20%、20%～40%、40%～60%、60%～80%、80%～100%來(lái)選取的,整個(gè)擴(kuò)張過(guò)程中樹(shù)種最多的是毛竹和杉木,因此混交度整體變化差異不大。

研究所構(gòu)建的林分空間結(jié)構(gòu)評(píng)價(jià)指數(shù)可為毛竹擴(kuò)張機(jī)制研究提供基礎(chǔ)數(shù)據(jù),進(jìn)而對(duì)毛竹擴(kuò)張防控以及森林精準(zhǔn)經(jīng)營(yíng)具有重要的指導(dǎo)意義。