全 文 ：植物生态学报 2011, 35 (4): 371–379 doi: 10.3724/SP.J.1258.2011.00371
Chinese Journal of Plant Ecology http://www.plant-ecology.com
——————————————————
收稿日期Received: 2010-07-13 接受日期Accepted: 2010-12-21
* 通讯作者Author for correspondence (E-mail: fanwy@163.com)
黑龙江长白山森林生物量的时空变化分析
毛学刚 范文义* 李明泽 于 颖 杨金明
东北林业大学林学院, 哈尔滨 150040
摘 要 森林生物量碳储量的空间分布及其变化信息, 对揭示地表空间变化规律及驱动因子、分析评价森林生产力及生态功
能具有重要意义。该文以20世纪70年代、80年代、90年代和21世纪初4个时期的遥感数据和同期的森林资源清查样地数据为
基础, 应用遥感信息模型, 估算了黑龙江长白山地区的森林生物量, 分析了该地区森林生物量的时空动态变化, 以及森林生
物量随高程、坡度和坡向的变化规律。结果表明: 该地区4个时期的森林平均生物量分别为81.56、44.27、48.27和54.82 t·hm–2。
4个时期总的森林生物量分别为5.37 × 108、2.83 × 108、3.06 × 108和3.46 × 108 t。20世纪70年代到21世纪初森林平均生物量和
总的森林生物量都呈现出先降低后增加的趋势, 呈先下降趋势的主要原因是20世纪70–80年代以森林采伐为主, 后增加趋势
的主要原因是实施天然林保护工程起到了很大的作用。该地区4个时期森林生物量随高程、坡度和坡向都表现出一致性的变
化规律, 森林生物量随高程和坡度变化都呈先增加后减少的趋势, 导致这一现象的主要原因是, 高程、坡度和坡向变化引起
了局地气候条件的变化, 从而直接影响森林生长环境, 造成森林分布的变化。森林生物量在200–400 m高程所占的比例最大,
约为35%, 在坡度5°–15°所占的比例接近50%。森林生物量在南坡和西南坡所占的比例最小, 为7%; 平坡所占的比例最大, 为
28%; 南坡次之, 为19%。
关键词 生物量, 黑龙江长白山, 森林生物量, 遥感信息模型
Temporal and spatial analysis of forest biomass in Changbai Mountains, Heilongjiang, China
MAO Xue-Gang, FAN Wen-Yi*, LI Ming-Ze, YU Ying, and YANG Jin-Ming
School of Forestry, Northeast Forestry University, Harbin 150040, China
Abstract
Aims The objective is to obtain information on the spatial distribution and changes of forest biomass and carbon
reserves to reveal patterns, discuss factors that drive change and analyze the environment of the forest.
Methods Remote sensing information models were used to estimate forest biomass in Changbai Mountain of
Heilongjiang based on remote sensing data and forest resource inventory data for four periods: the 1970s, 1980s,
1990s and early 21st century. Then temporal and spatial changes of forest biomass with elevation, slope and slope
aspect were analyzed.
Important findings Forest biomass in the four periods listed above averaged 81.56, 44.27, 48.27 and 54.82
t·hm–2, respectively. The total forest biomass in these periods was 5.37 × 108, 2.83 × 108, 3.06 × 108 and 3.46 ×
108 t, respectively. Both variables initially decreased and then increased from the 1970s to the early 21st century.
This pattern of change was consistent for forest biomass changes with elevation, slope and slope aspect in the four
periods. The proportion of forest biomass in elevations of 200–400 m is about 35% and in slopes of 5°–15° is
close to 50%. The proportion of forest biomass was about 7%–19% at southern and southwestern aspects and
about 28% in plains.
Key words biomass, Changbai Mountains of Heilongjiang, forest biomass, remote sensing information model

森林是地球上最重要的陆地生态系统之一, 在
全球变化研究中居重要地位, 作为陆地生态系统的
主体, 森林植被生物量约占全球陆地植被生物量的
85% (方精云, 2000; 方精云等, 2002)。森林生物量
是衡量森林固碳能力的重要指标, 也是评估区域森
林碳平衡的重要参数(Dixon et al., 1994; 赵敏和周
广胜, 2004)。森林生物量是表征植物活动的关键变
量, 森林生物量研究涉及生态系统生产力和碳循
372 植物生态学报 Chinese Journal of Plant Ecology 2011, 35 (4): 371–379

www.plant-ecology.com
环 , 是全球变化研究的基础参数 (Dixon et al.,
1994)。因此, 准确地估算区域森林生物量对研究区
域陆地生态系统的生产力、碳循环、营养元素格局
和生物质能积累具有十分重要的意义(Alban et al.,
1978; Brown et al., 1999)。陆地生态系统碳循环及生
态系统的响应是全球变化研究的重要内容, 而森林
生物量碳储量是最具活力的研究方向。准确获取森
林生物量碳储量的空间分布及其变化信息, 对揭示
地表空间变化规律, 探讨变化驱动因子, 分析评价
森林生产力及生态服务功能具有重要意义。
国外科学家早在20世纪50年代就已经开始对
森林生态系统生物量进行实际调查和资料收集
(Remezon, 1959)。在国际生物学计划(IBP)实施期间,
全球森林生物量的研究工作得到了很大的发展
(Reichle, 1975)。20世纪60年代以来, 国外学者开展
了大量的森林植物生物量研究, 对主要森林群落的
生物量进行了测定(Mokany et al., 2006; Muukkonen,
2007)。我国森林植被生物量的研究开始于20世纪70
年代末80年代初 , 冯宗炜等 (1982)和李文华等
(1981)最早开始对中国森林植被生物量进行测定,
随后开展了对大区域森林生物量的模拟研究(康蕙
宁等 , 1996; 罗天祥等 , 1998, 1999; 王效科等 ,
2001)。传统的森林生物量统计需要进行大量的实地
调查, 工作量大, 周期长, 并对森林造成一定的破
坏。因此在需要精确推测大面积林分生物量和生产
力时, 待测的林分每木检尺数据往往难以获得。随
着遥感技术的普及, 利用遥感技术和地理信息系统
等先进手段可以测定从林分到区域等不同空间尺
度的森林生物量。目前森林生物量的研究存在以下
几个问题: 第一, 森林生物量建模野外实测数据的
代表性存在局限性(赵敏和周广胜, 2005)。一方面是
野外实测数据不足; 另一方面是实测数据的样地分
布不能遍及研究范围。第二, 基于森林资源清查数
据进行生物量估测, 难以获得时空尺度一致的实测
数据资料。第三, 在基于样点观测数据建立遥感信
息参数与森林生物量之间的回归关系模型中, 不同
的森林植被, 由于其树种、林龄以及所处地理环境
等方面的差异, 导致其森林生物量与遥感信息参数
之间相关性的差异, 因此, 针对不同地区, 揭示遥
感信息参数与森林生物量以及区域背景因子之间
的内在响应机制, 仍然是基于遥感信息参数与生物
量拟合关系方法期待解决的问题。第四, 对森林生
物量研究缺乏时间的连续性, 以及生物量与地理环
境关系的深入研究。因此, 在森林生物量研究中,
可以考虑以大量的森林资源清查数据为基础, 利用
遥感与森林资源清查样地数据相结合的方法建立
森林生物量遥感估测模型, 进而估测森林生物量,
实现森林生物量估测在时间尺度上的一致性, 以及
空间分布上的连续性, 掌握森林生物量的时空分布
情况。所以, 本文以20世纪70年代(1975年)、80年代
(1985年)、90年代(1995年)和21世纪初(2005年) 4个
时期与遥感数据时间相对应的700个、639个、680
个和800个均匀分布在整个研究区域的森林资源连
续清查固定样地数据为基础, 对20个自变量因子采
用逐步回归的方法建立了遥感生物量信息模型, 研
究了森林生物量4个时期的变化以及森林生物量与
地理环境(高程、坡度、坡向)之间的关系。该研究
将为理解我国森林生态系统功能、判断森林健康状
况以及森林经营和规划提供科学依据。
1 研究区概况
黑龙江长白山地区位于黑龙江省东南部
(127°06′–133°55′ E, 43°31′–47°20′ N), 该区是东北
3大林区的重要组成部分。研究区属于受季风影响
的温带大陆性山地气候, 除具有一般山地气候的共
同特点外, 还有明显的垂直气候变化带, 可划分为
中温带、寒温带和高山亚寒带3个气候带。总体上
冬季漫长寒冷, 夏季短暂温凉, 春季风大干燥, 秋
季多雾凉爽。年平均气温为3–7 , 7℃ 月最热, 平均
不超过10 , ℃ 最低气温曾达–44 ℃。年日照时数不
足 2 300 h。无霜期100天左右, 山顶只有60天左右。
积雪深度一般在50 cm, 个别地方可达70 cm。年降
水量为700–1 400 mm, 6–9月降水量占全年降水量
的60%–70%。区内河网稠密, 是图们江、松花江、
鸭绿江3大水系的发源地。由于地质地貌、成土母
质、植被和气候等自然因素的差异, 形成了长白山
明显的土壤垂直分布带谱, 自下而上依次为山地暗
棕色森林土带、山地棕色针叶林土带、亚高山疏林
草甸土带和高山苔原土带。区内植物属长白山植物
区系, 生态系统比较完整, 植物资源十分丰富, 主
要由红松(Pinus koraiensis)阔叶林、针叶林、岳桦
(Betula ermanii)林、草甸和高山苔原等组成, 并从下
到上依次形成红松阔叶林带、针叶林带、岳桦林带、
高山苔原带等4个植被分布带, 具有明显的垂直分
毛学刚等: 黑龙江长白山森林生物量的时空变化分析 373

doi: 10.3724/SP.J.1258.2011.00371
布规律。
2 研究方法
2.1 数据来源
2.1.1 样地选择和调查
野外样地典型抽样调查数据主要是从林业部
门收集的20世纪70年代(1975年)、80年代(1985年)、
90年代(1995年)、21世纪初(2005年)的森林资源连续
清查固定样地数据。本研究收集的4个时期数据样
地的个数分别为700、639、680和800个。由图1可
看出, 样地分布比较具有代表性。
2.1.2 遥感数据
本研究的遥感数据主要采用美国Landsat系列
卫星影像, 其中20世纪70到80年代的遥感数据使用
拍摄时间为1973–1976年的Landsat-MSS数据; 20世
纪 80 到 90 年代的遥感数据使用拍摄时间为
1983–1986年的Landsat-TM数据; 20世纪90年代到
21世纪初的遥感数据使用拍摄时间为1994–1997年
的Landsat-ETM数据; 21世纪初的遥感数据使用拍
摄时间为2006–2007年的Landsat-TM数据。
2.1.3 其他辅助数据
黑龙江长白山地区的数字高程模型数据和土
地利用类型数据来源于中国西部环境与生态科学
数据中心。
2.2 数据处理
遥感影像获取时, 因太阳位置、大气条件、传
感器成像、地形起伏、遥感平台姿态、地球自转等
多种因素的作用, 对遥感影像有一定程度的影响,
因此有效地消除各种因素对遥感影像的影响能够
达到增强信息量、提高光谱特征精确度、细化影像
纹理特征的目的, 遥感影像经过预处理后要能够全
面准确地反应研究区的地表信息。遥感数据的预处
理包括多光谱数据组建、几何校正、辐射定标、大
气校正、归一化等过程。
2.3 样地生物量的计算及森林生物量估算模型的
建立
根据遥感数据的特点, 本文研究的是地上森林
生物量。样地生物量由乔木、灌木和草本植物3部
分组成, 乔木生物量的计算方法为: 首先将样地内
林木的胸径代入相应树种的树高模型得到树高, 再
将同一树种各器官(包括茎、枝、叶)生物量累加, 得
到该树种生物量, 将同一样地的生物量按不同树种
累加求和, 最后除以样地面积(0.06 hm2或0.1 hm2)
得到不同样地单位面积的乔木生物量。灌木和草本
植物生物量的计算方法为: 首先建立灌木和草本植
物的生物量与高度的模型(表1), 获得单位面积上覆
盖度为1时的草本植物和灌木生物量, 再乘以样地


表1 灌木和草本生物量模型
Table 1 Shrub and herb biomass models
类型 Type n 生物量模型 Biomass model R2
灌木 Shrub 38 bio = 0.0398 × h – 0.3326 0.88
草本 Herb 79 bio = 0.0175 × h – 0.2888 0.89
bio, 生物量; h, 高度。
bio, biomass; h, height.


图1 20世纪70年代–21世纪初的样地分布图。
Fig. 1 Sample plot distribution from the 1970s to the early 21st century.
374 植物生态学报 Chinese Journal of Plant Ecology 2011, 35 (4): 371–379

www.plant-ecology.com
灌木和草本植物盖度获得样地灌木和草本植物的
生物量, 最后除以样地面积得到不同样地的单位面
积的灌木、草本植物的生物量。乔木、灌木和草本
植物的生物量计算完毕后相加得到样地单位面积
的生物量。灌木层生物量的测定方法为: 在样地内
按对角线设置5个2 m × 2 m的样方, 样方面积的大
小和数量视林分的具体情况而定, 一般灌木种类
多、分布不均匀的, 样方面积可稍大或样方数量可
增多; 反之灌木种类贫乏、分布均匀的, 则样方面
积可缩小或样方数量可减少。4块样地用于建模, 1
块样地用于检验。草本层生物量的测定方法与灌木
的测定方法基本相同。
大量研究(郭志华等, 2002; 李凯辉等, 2007)
表明, 森林生物量与遥感光谱值、波段比值、地学
因子(如高程等)具有相关关系。因此, 本文以遥感光
谱值、波段比值及地学因子等20个变量为自变量因
子(TM1、TM2、TM3、TM4、TM5、TM6、TM7、
NDVI、SR (TM4/TM3)、DVI (TM4 – TM3)、VI3 ((TM4
– TM5)/(TM4 + TM5))、TM73 (TM7/TM3)、TM452
((TM4 + TM5 – TM2)/(TM4 + TM5 + TM2))、TM24
(TM2/TM4)、TM23 ((TM2 – TM3)/(TM2 + TM3))、纵
坐标、横坐标、高程、坡度、坡向), 样地森林生物
量为因变量, 应用SPSS 12.0软件采用逐步回归筛
选相关显著的变量, 然后建立遥感地学因子与森林
生物量的多元线性回归模型, 用于估测森林生物
量, 建立的回归模型如表2所示。
2.3 森林生物量及相关图的绘制
应用GIS软件, 利用建立的森林生物量遥感估
算模型计算出该地区的森林生物量, 再与各期森林
生物量相对应的土地类型图进行叠加, 去除该地区
的非林地的生物量, 获得该地区的森林生物量, 把
估算的4个时期的森林生物量分成9个等级(0–20、
20–40、40–60、60–80、80–100、100 –120、120–140、
140–160、>160 t·hm–2)。
应用GIS软件, 分别用21世纪初的森林生物量
减去20世纪90年代的森林生物量, 20世纪90年代的
森林生物量减去20世纪80年代的森林生物量, 20世
纪80年代的森林生物量减去20世纪70年代的森林
生物量得出森林生物量变化图, 将森林生物量变化
分成8个等级(< –30、–30– –20、–20– –10、–10–0、
0–10、10–20、20–30、>30 t·hm–2)。
根据研究区森林分布高程的最大值和最小值,
以200 m为一个梯度, 将高程分为7个等级(0–200、
200–400、400–600、600–800、800–1 000、1 000–
1 200、>1 200 m)。根据国家标准将坡度分为6个等
级, 险坡(≥45°)、急坡(35°–45°)、陡坡(25°–35°)、
斜坡(15°–25°)、缓坡(5°–15°)、平坡(0°–5°)。按方位
角分为9个坡向: 平坡、东北坡、东坡、东南坡、南
坡、西南坡、西坡、西北坡和北坡。应用GIS软件, 用
不同高程、坡度和坡向的森林生物量除以整个区域
总的森林生物量得到森林生物量的百分比。
3 结果和分析
3.1 4个时期的森林生物量及其分布
总体来看, 研究区20世纪70年代、80年代、90
年代和21世纪初的平均森林生物量分别为81.56、
44.27、48.27和54.82 t·hm–2。20世纪70年代到80年代
研究区森林平均生物量减少了37.29 t·hm–2, 年平均


表2 生物量遥感估测模型
Table 2 Estimation models of biomass by remote sense
bio, 生物量; gc, 高程; Y, 纵坐标; TM3, TM遥感影像的第3波段; TM4, TM遥感影像的第4波段; TM5, TM遥感影像的第5波段; TM6, TM遥感
影像的第6波段。SR = TM4/TM3; DVI = TM4 – TM3; TM73 = TM7/TM3; TM452 = (TM4+TM5–TM2)/(TM4+TM5+TM2)。
bio, biomass; gc, elevation; Y, y-axis; TM3, TM remote sensing image 3rd band; TM4, TM remote sensing image 4th band; TM5, TM remote sensing
image 5th band; TM6, TM remote sensing image 6th band.

年代
Decade
生物量模型
Biomass model
n R2 预估精度
Precision
20世纪70年代
The 1970s
bio = 0.1053 × gc + 0.0003408 × Y – 0.0117 × TM4–1 616.9939 198 0.73 69.61%
20世纪80年代
The 1980s
bio = –285.5049 × TM452 + 4.4959 × SR + 0.0481 × gc + 214.7325 256 0.74 70.17%
20世纪90年代
The 1990s
bio = 0.0046 × DVI + 0.0018 × gc – 0.0321 × TM5 + 88.5821 201 0.76 72.34%
21世纪初
The early 21st century
bio = 0.0878 × gc – 0.0186 × TM5 + 0.000067 83 × Y + 8.9101 × TM73 + 0.04088 ×
TM3 + 179.1037 × TM452 – 0.0127 × TM6 – 470.0561
272 0.76 71.43%
毛学刚等: 黑龙江长白山森林生物量的时空变化分析 375

doi: 10.3724/SP.J.1258.2011.00371
下降率为4.57%, 下降速度比较快。20世纪80年代到
90年代研究区平均生物量增加了4.00 t·hm–2, 年平
均上升率为0.90%, 上升速度比较缓慢。20世纪90
年代到21世纪初研究区森林平均生物量增加了6.55
t·hm–2, 年平均上升率为1.36%, 上升速度有所增
加。如果研究区森林平均生物量要达到20世纪70年
代的水平, 按照这样的增长速度还需要约30年时
间。
从20世纪70年代研究区森林生物量的空间分
布来看(图2), 中部和北部区域的森林生物量为120–
140 t·hm–2, 西部和南部区域的森林生物量为60–80
t·hm–2, 森林生物量呈由南向北逐渐升高的趋势。从
20世纪80年代森林生物量的空间分布来看(图3), 东
北部地区森林生物量比较低, 在0–20 t·hm–2之间,
西南部地区森林生物量为40–60 t·hm–2。从20世纪90
年代森林生物量的空间分布来看(图4), 研究区大部
分区域的森林生物量为40–60 t·hm–2, 中部的个别地
区森林生物量为60–80 t·hm–2。从21世纪初森林生物
量的空间分布来看(图5), 东北部地区森林生物量主
要集中在生物量比较低的两个等级 , 为60–80和
100–120 t·hm–2; 西南地区森林生物量主要集中在
100–120 t·hm–2, 北部地区森林生物量为 20–40
t·hm–2。纵观研究区4个时期的森林生物量变化, 其
趋势基本保持一致, 都表现出从北向南逐步升高的
趋势。
3.2 20世纪70年代到21世纪初总生物量动态变化
研究区4个时期总的森林生物量分别为5.37 ×
108、2.83 × 108、3.06 × 108和3.46 × 108 t (图6)。20




图2–5 森林生物量等级分布图。2. 20世纪70年代。3. 20世纪80年代。4. 20世纪90年代。5. 21世纪初。
Figs. 2–5 Distribution map of forest biomass ranks. 2. The 1970s. 3. The 1980s. 4. The 1990s. 5. The early 21st century.

376 植物生态学报 Chinese Journal of Plant Ecology 2011, 35 (4): 371–379

www.plant-ecology.com


图6 20世纪70年代–21世纪初森林总生物量。
Fig. 6 Forest total biomass between the 1970s and the early
21st century.


世纪70年代到80年代研究区总的森林生物量减少
了2.54×108 t, 20世纪80年代到90年代研究区总的森
林生物量增加了2.30×107 t, 20世纪90年代到21世纪
初研究区森林总生物量增加了4.00×107 t。20世纪70
年代到21世纪初总的森林生物量动态变化呈现出
先降低后增加的趋势。呈现先下降趋势的主要原因
是, 20世纪70–80年代该地区以森林采伐为主, 尤其
是采用皆伐式采伐方式, 对森林更新和人工造林重
视不够, 导致森林面积和蓄积量下降。后增加的趋
势的主要原因是, 1998年实施了天然林保护工程,
说明自从实施天然林保护工程以后天然林资源得
到了有效恢复, 林地生产力也得到了提高, 并真正
起到维持生态平衡的作用。
3.3 4个时期森林生物量动态变化的对比分析
从20世纪70年代到80年代研究区森林生物量
变化的空间分布(图7)来看, 大部分区域森林生物量
都降低了至少30 t·hm–2。只有研究区西部和南部的
区域森林生物量有所增加, 但增加的幅度不大, 为
10 t·hm–2左右。从整个区域来看, 呈现出由南向北
降幅逐渐增大的趋势。生物量下降的主要原因是:
20世纪70–80年代该地区以森林采伐为主, 尤其是
采用皆伐式采伐方式, 对森林更新和人工造林重视
不够, 导致森林面积和蓄积量下降。从20世纪80年
代到90年代森林生物量变化的空间分布(图8)来看,
研究区大部分区域内森林生物量都增加了10–20
t·hm–2, 只有西南部个别的区域森林生物量有所降



图7–9 森林生物量变化分布图。7. 20世纪70–80年代。8. 20
世纪80–90年代。9. 20世纪90–21世纪初。
Figs. 7–9 Distribution map of forest biomass changes. 7.
Between the 1970s and 1980s. 8. Between the 1980s and
1990s. 9. Between the 1990s and early 21st century.


低。从整个区域来看, 呈现出由南向北增幅逐渐增
大的趋势。从20世纪90年代到21世纪初森林生物量
变化的空间分布(图9)来看, 研究区森林生物量都增
加了20–30 t·hm–2, 西南部个别的区域生物量有所
减低, 与20世纪80年代到20世纪90年代的变化趋势
毛学刚等: 黑龙江长白山森林生物量的时空变化分析 377

doi: 10.3724/SP.J.1258.2011.00371
基本一致。纵观研究区40年来森林生物量的变化,
20世纪70年代到80年代大部分地区生物量都在下
降, 并且下降的幅度比较大, 呈现出由南向北降幅
逐渐增大的趋势。从20世纪80年代到21世纪初大部
分地区森林生物量都在增加, 但增加的幅度比较
小, 并呈现出由南向北增幅逐渐增大的趋势。
3.4 各个年代森林生物量随地形变化的对比分析
研究区的高程、坡度和坡向等不同地形地貌因
素对森林生物量变化趋势的影响也有所不同。从森
林生物量随高程变化的分布图(图10)可以发现, 森



图10 森林生物量随高程的变化。
Fig. 10 Change of forest biomass with elevation.

林生物量在200–400 m高程时所占比例最大, 高程
在0–400 m时森林生物量所占的比例呈逐步上升趋
势, 高程在400–1 500 m时, 森林生物量所占比例呈
逐渐下降的趋势。研究区4个时期森林生物量随坡
度变化从大到小的排列次序为: 平坡>缓坡>斜坡>
陡坡>急坡>险坡(图11)。在平坡上森林生物量所占
的比例最大, 约占森林总生物量的50%, 在险坡上,
森林生物量所占的比例最小, 近乎0。森林生物量随
高程和坡度的变化都呈先增加后减少的趋势。4个
时期研究区森林生物量随坡向变化的规律基本保



图11 森林生物量随坡度的变化。
Fig. 11 Change of forest biomass with slope.


图12 森林生物量随坡向的变化。
Fig. 12 Change of forest biomass with slope aspect.
378 植物生态学报 Chinese Journal of Plant Ecology 2011, 35 (4): 371–379

www.plant-ecology.com
持一致(图12), 都在东南坡和西南坡森林生物量所
占的比例最小, 为7%, 平坡所占的比例最大, 为
28%, 南坡次之, 为19%。
4 结论和讨论
本文以地学和生态学知识为基础, 综合了20世
纪70年代、80年代、90年代和21世纪初4个时期的
遥感光谱数据、森林资源清查数据、定位点的实测
数据等多源信息, 建立了森林生物量的遥感估算模
型, 研究了黑龙江长白山地区森林生物量时空动态
的变化规律, 并利用GIS分析方法, 从高程、坡度和
坡向的角度分析了森林生物量的空间分异规律。
(1) 20世纪70年代到21世纪初森林平均生物量
和总森林生物量的动态变化都呈现先降低后增加
的趋势, 呈现先下降趋势的主要原因是: 20世纪
70–80年代该地区以森林采伐为主, 尤其是采用皆
伐式采伐方式, 对森林更新和人工造林重视不够,
导致森林面积和蓄积量下降。后增加的趋势的主要
原因是1998年实施了天然林保护工程, 说明自从实
施天然林保护工程以后, 天然林资源得到了有效恢
复, 林地生产力也得到了提高, 真正起到了维持生
态平衡的作用。该地区4个时期的森林生物量随高
程、坡度和坡向都表现出一致性的变化规律, 森林
生物量随高程和坡度的变化都呈先增加后减少的
趋势, 导致这一现象的主要原因是, 高程、坡度和
坡向变化引起了局地气候条件的变化, 从而直接影
响了森林生长环境, 造成森林分布的变化。根据4
个时期生物量变化的研究结果可看出, 在20世纪
70–80年代进行的森林强度采伐, 确实造成了平缓、
低高程区域森林生物量的减少, 但是在本研究4个
时期中随着地形因子的变化规律一致, 说明研究区
在平坡和低高程进行强度采伐没有影响到整体规
律的变化。
(2)研究早期以林业局为研究区域, 选取地形因
子和遥感信息在内的20个自变量, 利用逐步回归的
方法得到遥感生物量模型, 回归方程的R2 = 0.85,
通过了相关检验, 模型预估精度达82%, 符合研究
要求。最终4个时期的遥感生物量模型的预估精度
为70%左右, 主要有两方面的原因: 第一, 研究区
域比较大; 第二, 建模的样本比较多, 而且均匀分
布在研究区域内。
(3)在森林生物量的研究中只研究了森林的地
上生物量, 以及森林生物量地形因子之间的关系,
今后应该加强对地下森林生物量和森林生物量与环
境因子之间关系的研究。在森林生物量分析方法上
应该采用GIS分析与地统计学分析相结合的方法。
(4)本研究用遥感手段估算了黑龙江长白山区
域尺度的森林生物量空间分布, 并对几十年来森林
生物量的时空变化进行了定量分析, 研究成果有助
于了解区域尺度森林生物量的空间格局, 对区域乃
至全国森林生物量的研究具有重要的基础作用。本
文建立的20世纪70年代、80年代、90年代和21世纪
初4个时期的遥感森林生物量模型与碳含量参数进
行耦合, 可获得碳储量模型, 用于研究区域的碳储
量。
(5)森林生物量的大小在很大程度上决定着森
林生态功能的强弱, 因此, 掌握森林生物量的空间
分布信息对了解森林整体的生态功能具有重要的
基础作用, 特别是近年来出现的森林健康研究已经
成为国内外的研究热点。森林健康研究的首要环节
是森林健康的监测和评价, 本研究取得的遥感提取
大尺度森林生物量和其他森林参数的成果可以直
接作为森林健康的评价因子, 对区域尺度的森林健
康评价具有推动作用。
致谢 国家高技术研究发展计划项目 (2006AA-
127104)和教育部博士点学科专项(20070225003)资
助。
参考文献
Alban DH, Perala DA, Schlaegel BE (1978). Biomass and nu-
trient distribution in aspen, pine, and spruce stands on the
same soil type in Minnesota. Canadian Journal of Forest
Research, 8, 290–299.
Brown SL, Schroeder P, Kern JS (1999). Spatial distribution of
biomass in forests of the eastern USA. Forest Ecology and
Management,123, 81–90.
Dixon RK, Solomon AM, Brown S, Houghton RA, Trexier
MC, Wisniewski J (1994). Carbon pools and flux of global
forest ecosystems. Science, 263,185–190.
Fang JY (方精云) (2000). Forest biomass carbon pool of mid-
dle and high latitudes in North Hemisphere is probably
much smaller than present estimates. Acta Phytoecologica
Sinica (植物生态学报), 24, 635–638. (in Chinese with
English abstract)
Fang JY (方精云), Chen AP (陈安平), Zhao SQ (赵淑清), Ci
LJ (慈龙骏) (2002). Estimating biomass and carbon of
China’s forests: supplementary notes on report published
in Science (291: 2320–2322) by Fang et al. (2001). Acta
毛学刚等: 黑龙江长白山森林生物量的时空变化分析 379

doi: 10.3724/SP.J.1258.2011.00371
Phytoecologica Sinica (植物生态学报), 26, 243–249. (in
Chinese with English abstract)
Feng ZW (冯宗炜), Chen CY (陈楚莹), Zhang JW (张家武),
Wang KP (王开平), Zhao JL (赵吉录), Gao H (高虹)
(1982). Determination of biomass of Pinus massoniana
stand in HUITONG county, HUNAN Province. Scientia
Silvae Sinicae (林业科学), 18, 127–134. (in Chinese with
English abstract)
Guo ZH (郭志华), Peng SL (彭少麟), Wang BS (王伯荪)
(2002). Estimating forest biomass in western Guangdong
using Landsat TM data. Acta Ecologica Sinica (生态学
报), 22, 1833–1839. (in Chinese with English abstract)
Kang HN (康蕙宁), Ma QY (马钦彦), Yuan JZ (袁嘉祖)
(1996). Estimation of carbon sink function of forests in
China. Chinese Journal of Applied Ecology (应用生态学
报), 7, 230–234. (in Chinese with English abstract)
Li WH (李文华), Deng KM (邓坤枚), Li F (李飞) (1981).
Study on biomass and primary production of main eco-
systems in Changbai Mountain. Research of Forest Eco-
system (森林生态系统研究), 2, 34–50. (in Chinese with
English abstract)
Li KH (李凯辉), Hu YK (胡玉昆), Wang X (王鑫) (2007).
Relationships between aboveground biomass and envi-
ronmental factors along an altitude gradient of alpine
grassland. Chinese Journal of Applied Ecology (应用生态
学报), 18, 2020–2024. (in Chinese with English abstract)
Luo TX (罗天祥), Li WH (李文华), Leng YF (冷允法), Yue
YZ (岳燕珍) (1998). Estimation of total biomass and po-
tential distribution of net primary productivity in the Ti-
betan Plateau. Geographical Research (地理研究), 17,
337–344. (in Chinese with English abstract)
Luo TX (罗天祥), Li WH (李文华), Zhao SD (赵士洞) (1999).
Productivity distribution patterns and modeling of Pinus
tabulaeformis forest in China. Chinese Journal of Applied
Ecology (应用生态学报), 10, 257–261. (in Chinese with
English abstract)
Mokany K, Raison JR, Prokushkin SA (2006). Critical analysis
of root: shoot ratios in terrestrial biomes. Global Change
Biology, 12, 84–96.
Muukkonen P (2007). Generalized allometric volume and bio-
mass equations for some tree species in Europe. European
Journal of Forest Research, 126, 157–166.
Reichle DE, Franklin JF, Goodwell DE eds (1975). Productiv-
ity of World Ecosystems. National Academy of Sciences,
Washington, D.C.
Remezon NP (1959). Method studying the biological cycles of
elements in forest. Soviet Soil Science, 1, 59–67.
Wang XK (王效科), Feng ZW (冯宗炜), Ouyang ZY (欧阳志
云) (2001). Vegetation carbon storage and density of for-
est ecosystems in China. Chinese Journal of Applied
Ecology (应用生态学报), 12, 13–16. (in Chinese with
English abstract)
Zhao M (赵敏), Zhou GS (周广胜) (2004). Forest inventory
data (FID)-based biomass models and their prospects.
Chinese Journal of Applied Ecology (应用生态学报), 15,
1468–1472. (in Chinese with English abstract)
Zhao M (赵敏), Zhou GS (周广胜) (2005). Modeling variation
trend of boreal forest NPP in China and its relations to
temperature and precipitation. Acta Botanica Boreali-
Occidentalia Sinica (西北植物学报), 25, 466–471. (in
Chinese with English abstract)

责任编委: 常 杰 实习编辑: 黄祥忠