全 文 ：大兴安岭天然落叶松林单木健康评价*
朱摇 宇1 摇 刘兆刚1**摇 金光泽2
( 1东北林业大学林学院, 哈尔滨 150040; 2东北林业大学生态研究中心, 哈尔滨 150040)
摘摇 要摇 单木健康评价结果融入传统小班(或林分)尺度健康评价中,可提高小班(或林分)
尺度评价准确性,实现单木尺度与小班(或林分)尺度间的耦合过程,可为实现森林的健康经
营提供理论依据.本文以大兴安岭林区天然落叶松林为对象,建立了包括根部状态、树冠落叶
程度、树冠透视度、树冠重叠程度、树冠枯梢比重、活冠层比重、树冠偏斜程度和垂直竞争指数
的单木健康评价指标体系,根据主成分分析法进行去相关性处理,并使用熵值法赋予指标权
重,利用模糊综合评价法对天然落叶松林进行单木健康评价.在评价结果的基础上,采用判别
分析法建立单木健康预测模型. 结果表明: 研究区内处于亚健康等级的林木最多,占总株数
的 36. 7% ;健康林木最少,仅占总株数的 12. 9% ;不健康林木比例超过健康林木,达到
21郾 1% ;单木健康预测模型预测正确率为 86. 3% .应采取合理有效的经营措施提高林木的健
康等级.
关键词摇 落叶松摇 健康评价摇 单木尺度摇 模糊综合评价摇 判别分析摇 大兴安岭
文章编号摇 1001-9332(2013)05-1320-09摇 中图分类号摇 S757摇 文献标识码摇 A
Health assessment of individual trees in natural Larix gmelinii forest in Great Xing爷 an
Mountains of China. ZHU Yu1, LIU Zhao鄄gang1, JIN Guang鄄ze2 ( 1School of Forestry, Northeast
Forestry University, Harbin 150040, China; 2Center for Ecological Research, Northeast Forestry
University, Harbin 150040, China) . 鄄Chin. J. Appl. Ecol. ,2013,24(5): 1320-1328.
Abstract: To integrate the health assessment results of individual trees into the health assessment of
subcompartment (or stand) scale could improve the accuracy of subcompartment (or stand) scale
health assessment, and realize the coupling process between the individual tree scale and the sub鄄
compartment (or stand) scale, providing a theoretical basis for the realization of forest health man鄄
agement. Taking the natural Larix gmelinii forest in Great Xing爷 an Mountains as the object, a
health assessment indicators system of individual trees was established, which included root state,
canopy defoliation degree, crown transparency, crown overlap, crown dieback ratio, live crown
ratio, crown skewness, and vertical competition index. The principal component analysis (PCA)
was employed to eliminate the correlations, the entropy value method was adopted to confirm the
weight of each indicator, and the health status of individual L. gmelinii was assessed by fuzzy syn鄄
thetic evaluation (FSE) method. Based on the health assessment results, a prediction model of the
individual tree health was established by discriminant analysis (DA) method. The results showed
that the trees in sub鄄healthy gradation were up to 36. 7% , and those in healthy gradation only
reached 12郾 9% . The proportion of the trees in unhealthy gradation exceeded that of the trees in
healthy gradation, occupying 21. 1% of the total. The prediction accuracy of the established model
was 86. 3% . More rational and effective management measures should be taken to improve the tree
health grade.
Key words: Larix gmelinii; health assessment; individual tree scale; fuzzy synthetic evaluation;
discriminant analysis; Great Xing爷an Mountains.
*林业公益性行业科研专项(20100400207)、黑龙江大兴安岭过伐林的多功能优化经营技术研究与示范项目(2012BAD22B0202)和长江学者
和创新团队发展计划项目(IRT1054)资助.
**通讯作者. E鄄mail: lzg19700602@ 163. com
2012鄄09鄄19 收稿,2013鄄02鄄16 接受.
应 用 生 态 学 报摇 2013 年 5 月摇 第 24 卷摇 第 5 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, May 2013,24(5): 1320-1328
摇 摇 “森林健康冶是西方国家针对人工林林分结构
单一、病虫害防治能力差、水土保持功能薄弱等问题
提出的一个营林理念[1] .森林健康评价是森林健康
研究中的重要一环,是制定森林健康经营关键技术
的前提和依据,起到承上启下的重要作用.单木健康
监测是森林健康监测的重要组成部分,其调查因子
经简单处理即可成为单木健康评价的数据源. 开展
单木健康评价研究可弥补以往森林健康评价尺度体
系中单木尺度评价的缺失,完善多尺度的森林健康
评价;其研究结果可融入传统小班(或林分)尺度健
康评价中,在提高小班(或林分)尺度评价准确性的
同时,实现两尺度间的耦合过程.
目前,国内外学者和相关科研机构已对森林健
康评价进行了大量研究. 虽然所采用的数据调查方
式有所差异[2-3],评价方法也不尽相同[4-11],但研究
多关注于林分[12-13]、景观[14]、区域[15]等较大尺度,
基于单木尺度的健康评价研究很少. 树冠状态
(crown condition)是美国国家森林健康监测( forest
health monitoring, FHM)计划中最重要的调查项目
之一,由活树冠比、树冠梢枯比重、树冠透视度等 8
项指标构成[16] .虽然它在国外森林健康评价指标中
出现的次数最多[17],但大多只作为林分以上尺度健
康评价中的一项综合指标,尚未用于单木健康评价.
刘玲华[18]以台湾北中部沿海防护林为研究对象,构
建了以根部损伤、树皮损伤、枝条虫食、树冠活力及
枝梢活力等为指标的单木尺度健康评价指标体系,
采用因子分析进行了单木健康评价,应用判别分析
法构建了单木健康预测函数. 随后,有学者[19-21]借
鉴并改进了树冠状态中的某项指标,用于单木健康
评价并取得了满意效果,国内其他地区鲜有报道.
大兴安岭林区是我国重要的木材生产基地,也是
涵养水源和抵御西伯利亚寒流侵袭松嫩平原及呼伦
贝尔草原的重要屏障.兴安落叶松(Larix gmelinii)是
该地区的顶极群落树种.开展大兴安岭天然落叶松林
的相关研究,对有效经营我国唯一的寒温带明亮针叶
林具有重要意义.本文在参考国内外相关文献的基础
上,提出了一套适合大兴安岭地区天然落叶松林的单
木健康评价指标体系,并建立模糊综合评价模型及单
木健康预测模型,以期对该地区科学经营和多功能利
用天然落叶松林资源提供理论依据.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
研究区位于黑龙江省大兴安岭地区塔河县城西
北部 96郾 5 km 的 盘 古 林 场 ( 52毅 41忆 57郾 1义 N,
123毅51忆56郾 5义 E),隶属于塔河林业局. 盘古林场始
建于 1969 年,施业区面积 152127 hm2,森林覆盖率
88郾 9% .大兴安岭地区地势西高东低,岭内海拔
300 ~ 700 m,平均海拔 573 m.该区域属寒温带大陆
性季风气候,冬寒夏暖, 昼夜温差大, 年均温
-2郾 8 益,最低温-52郾 3 益,最高温 25郾 6 益,无霜期
90 ~ 110 d,年均降水量 746 mm,降水集中在 6—8
月.大兴安岭地区是我国仅存的原始林区之一,以兴
安落叶松为优势建群种.此外,乔木树种主要有红皮
云杉(Picea koraiensis)、樟子松(Pinus sylvestris var郾
mongolica)、白桦(Betula platyphylla)、蒙古栎(Quer鄄
cus mongolica)、山杨 ( Populus davidiana) 和甜杨
(Populus suaveolens)等,灌木主要有兴安杜鹃(Rho鄄
dendron dauricum)、胡枝子(Lespedeza bicolor)、红瑞
木(Cornus alba)和杜香(Ledum palustre)等.
1郾 2摇 外业调查及数据来源
2011年 7—8 月,在研究区内设置 16 块面积为
20 m伊30 m或 40 m伊50 m的固定样地(表 1),测定标
准地内胸径>5 cm乔木的树高、活枝高、胸径、冠幅以
及根部状态、树冠落叶程度、树冠透视度、树冠重叠程
度和树冠枯梢比重等与单木健康紧密相关的因子.
表 1摇 天然落叶松林样地林分调查因子
Table 1摇 Stand description attributes of experiment plot for
natural Larix gmelinii
样地号
Plot
No郾
平均胸径
Average
DBH
(cm)
平均树高
Average
height
(m)
株数
Density
(stems·
hm-2)
林龄
Age
(a)
树种组成
Composition
D1鄄02 8郾 70 9郾 00 1833 18 7 落 2 白 1 山
D1鄄03 8郾 10 8郾 10 1667 18 7 落 2 白 1 山鄄樟
D1鄄04 12郾 40 12郾 40 767 13 10 落+白
D1鄄07 11郾 30 12郾 70 1800 25 9 落 1 白+云
D1鄄08 14郾 80 14郾 70 1183 64 4 落 3 山 3 白
D1鄄09 9郾 50 12郾 80 2000 45 6 落 2 樟 2 白+山鄄云
D1鄄10 12郾 90 10郾 20 1175 80 8 落 1 白 1 樟+云
D1鄄11 9郾 00 13郾 50 2533 40 7 落 2 白 1 云鄄山
D1鄄13 12郾 00 11郾 90 2100 50 5 山 3 樟 2 落+白鄄云
D2鄄02 7郾 00 6郾 66 2017 21 5 落 4 樟 1 白
D2鄄03 9郾 30 9郾 70 1733 18 9 落 1 山鄄白
D2鄄06 8郾 90 9郾 40 2783 83 7 落 3 白鄄云
D2鄄07 13郾 00 11郾 68 1633 103 10 落+云
D2鄄09 8郾 80 9郾 50 1667 53 6 落 3 白 1 山+樟
D2鄄10 9郾 89 11郾 69 3300 83 9 落 1 白
D2鄄11 10郾 00 11郾 71 1650 78 6 落 3 白 1 樟鄄山+云
落: 兴安落叶松 Larix gmelinii; 樟: 樟子松 Pinus sylvestris var郾 mongolica; 白:
白桦 Betula platyphylla; 云: 红皮云杉 Picea koraiensis. +: 树种蓄积量不足林
分总蓄积量的 5% ,但大于 2% The volume of tree species accounted for 2% to
5% of the stand total volume; -: 树种蓄积量小于总蓄积量的 2% The volune of
tree species accounted for less than 2% of the total volume.
12315 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 朱摇 宇等: 大兴安岭天然落叶松林单木健康评价摇 摇 摇 摇 摇
摇 摇 树冠状态常作为林木的健康状况、活力与生长
潜能的指标.通常,林木高大且冠幅宽大,其固碳潜
能和净初级生产力(net primary production, NPP)较
大[19];而林木的冠幅、活冠层比重、树冠密度大,且
树冠枯梢比重和树冠透视度小,则其固碳、存储营养
和持续生存能力更强.树冠影响林下动、植物的组成
和活力,以及土壤和水分质量的物理过程[22] .目前,
树冠评价已成为比其他视觉指标使用更广泛的指
标[23] .为此,本文遵循科学性、针对性和可操作性的
原则,在参考前人研究[18-21, 24]的基础上,选取如下
单木健康调查因子:
1郾 2郾 1 根部状态 摇 指树木根部的受损程度. 外业调
查时为视觉观测因子,观测变量即为评价指标.
1郾 2郾 2 树冠落叶程度 摇 指林木冠层受病虫害、火灾
影响等灾害后的落叶状况. 外业调查时为视觉观测
因子,观测变量即为评价指标.
1郾 2郾 3 树冠透视度 摇 指林木树冠扣除侧枝及主干
后,有叶部分的透光百分比[24] . 外业调查时为视觉
观测因子.
1郾 2郾 4 树冠重叠程度摇 指林木树冠部分相互重叠的
比例[24] .外业调查时为视觉观测因子.调查方法:将
目标树冠层按东西向、南北向切割成四等份,并寻找
4 棵相邻木,分别观测每一等份与相应的相邻木之
间的覆盖度.内业求其均值后作为该样木的树冠重
叠程度.如果相邻木明显低于目标树,则排除这棵相
邻木.
1郾 2郾 5 树冠枯梢比重 摇 树冠枯梢为根部系统受损、
缺乏水分或遭受病虫害,从而造成树冠量减少、枝条
枯死、异常的叶片变色、异常的叶片大小和形状及提
早落叶等现象,亦为林木衰退征兆叙述的最佳特征,
是最简单、容易了解且为视觉评定的指标之一.树冠
枯梢比重的调查方法为视觉判断林木枯枝部分占整
个冠层的比例.树冠枯梢常表现为横向枝梢末端持
续朝向树干或由树顶向下纵向的枯死,一般出现在
树冠上半部和中上层的外部[21] .
基于上述 5 项观测因子制定了单木健康调查因
子评分标准表(表 2).
1郾 3摇 研究方法
1郾 3郾 1 评价指标体系构建摇 除了上述 5 项视觉调查
因子可直接作为评价指标外,诸如胸径、枝下高、冠
幅等外业常见调查因子配以相关公式也可以间接地
转化为单木尺度的健康评价指标. 通过下式可将这
些调查内容间接转化为重要的单木健康评价指标.
1)活冠层比重:活冠层比重即冠高比,可反映
林木活力,并间接了解胸径生长[19] .计算公式:
B=(H-H忆) / H
式中: B为活冠层比重; H为树高; H忆为活枝高 郾
2)树冠偏斜程度:指东西冠幅与南北冠幅的偏
差绝对值之和与平均冠幅的比值,反映了林木的偏
冠程度.计算公式:
C=
|CWe-CWw | + |CWs-CWn |
CW
式中: C为树冠偏斜程度; CWe为东向冠幅; CWs为
南向冠幅; CWw为西向冠幅; CWn为北向冠幅;CW
为平均冠幅 郾
3)垂直竞争指数:参照树与竞争树的树高值之
差与参照树的冠长之比,表示目标树和干扰树在垂
直方向的竞争强度,计算公式:
表 2摇 单木健康调查因子评分标准
Table 2摇 Score standards of individual tree health investigation factors
根部状态
Root state
评分
Score
状态描述
Description
树冠落叶程度
Deciduous forest canopy
评分
Score
状态描述
Description
树冠透视度
Foliage transparency
评分
Score
状态描述
Description
树冠重叠程度
Crown overlap
评分
Score
状态描述
Description
树冠枯梢比重
Crown dieback
评分
Score
状态描述
Description
3 根部无损伤 6 无落叶 10 [0% , 15% ) 6 无重叠 7 无枯死
2 根部裸露无伤 5 (0% , 25% ) 9 [15% , 25% ) 5 (0% , 25% ) 6 (0% , 15% )
1 根部裸露有伤 4 [25% , 50% ) 8 [25% , 35% ) 4 [25% , 50% ) 5 [15% , 30% )
0 根部死亡 3 [50% , 75% ) 7 [35% , 45% ) 3 [50% , 75% ) 4 [30% , 45% )
2 [75% , 90% ) 6 [45% , 55% ) 2 [75% , 100% ) 3 [45% , 60% )
1 [90% , 100% ] 5 [55% , 65% ) 1 100% 2 [60% , 75% )
0 林木枯死 4 [65% , 75% ) 0 树冠枯死 1 [75% , 90% )
3 [75% , 85% ) 0 [90% , 100% ]
2 [85% , 95% )
1 [95% , 100% ]
0 树冠枯死
2231 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
摇 摇 IVC=(H1-H2) / CL1
式中: IVC 为垂直竞争指数; H1为参照树树高; H2
为竞争树树高; CL1为参照树冠长 郾
本文最终构建的单木健康评价指标体系由根部
状态(X1)、树冠落叶程度(X2)、树冠透视度(X3)、树
冠重叠程度(X4)、树冠枯梢比重(X5)、活冠层比重
(X6)、树冠偏斜程度(X7)和垂直竞争指数(X8)组成.
1郾 3郾 2 指标去相关性 摇 为避免重要信息的遗漏,选
取多项评价指标以保证评价指标所涵盖信息的完整
性.但是,某些指标之间可能存在很强的相关性,导
致信息重叠,对综合评价产生不利影响.为消除此影
响,采用主成分分析法( principal components analy鄄
sis, PCA)对这些指标进行去相关性处理[25],达到
用少数几个不相关的综合评价指标(主成分)来代
替原评价指标所包含的大部分信息,以消除重叠信
息的目的.各个样地按照累计方差贡献率逸70% ,并
且特征值逸1 的原则选取主成分的个数.
1郾 3郾 3 评价标准 摇 为了满足评价模型的需要,利用
标准差标准化法对主成分分析生成的数据进行标准
化处理,使数据的均值为 0,标准差为 1. 标准化后,
有助于确定每株样木各个指标的隶属度向量,若某
株样木某项指标的数值>1,则该样木这项指标的隶
属度向量为[1 0 0 0];某株样木某项指标的数值<1
且> 0, 则该样木这项指标的隶属度向量为
[0 1 0 0];某株样木某项指标的数值<0 且>-1,则
该样木这项指标的隶属度向量为[0 0 1 0];某株样
木某项指标的数值<-1,则该样木这项指标的隶属
度向量为[0 0 0 1].
1郾 3郾 4 指标权重摇 指标权重的确定是综合评价成败
的关键步骤.不同的评价指标对林木健康的作用机
理和效果不同.以往的森林健康评价中指标权重多
采用较为主观的层次分析法 ( analytical hierarchy
process, AHP)来获取.本文利用客观赋权法中的熵
值法(entropy value method, EVM) [26]计算各指标权
重.熵值法作为一种客观赋权法,计算出的指标权重
值由指标本身的变异程度大小决定,克服了采用层
次分析法等主观赋权法时权重值可能存在主观性过
强的缺陷,使评价指标权重更客观合理.
1郾 3郾 5 评价模型摇 为了与国家森林资源连续清查森
林健康监测的评定标准保持一致,本文将降维后的
新单木健康评价指标(主成分)划分为 4 个等级:健
康( healthy)、亚健康 ( sub鄄healthy)、中健康 ( mid鄄
healthy)及不健康(unhealthy).通过模糊综合评价法
(fuzzy synthetic evaluation, PSE)得到每株样木的评
价结果为由一个具有 4 个数值(4 个百分比)组成的
行向量,从中既可得出该样木隶属于健康、亚健康、
中健康、不健康 4 个等级各自的隶属度(百分比、可
能性)的大小,还可以根据一定准则判断出该样木
具体属于哪一健康等级. 本文采用加权平均原则求
评价结果隶属等级[27],确保评价结果更合理. 对于
枯死或任何一项指标为 0 的林木,直接将其判定为
不健康等级.最终的评价模型如下:
A=
[w1 摇 w2 摇 …摇 wm]·
x11 x12 x13 x14
x21 x22 x23 x24
… … … …
xm1 xm2 xm3 xm
é
ë
ê
ê
ê
êê
ù
û
ú
ú
ú
úú
4
[0摇 0摇 0摇 0]摇 当 x=0
ì
î
í
ï
ï
ï
ï
ï
ï 或样本枯死时
式中: A为健康隶属度向量; wk(k = 1, 2, …, m)为
指标权重; x为任意一项评价指标; m为主成分个数.
1郾 3郾 6 预测模型 摇 判别分析( discriminant analysis,
DA)是用于判断样品所属类别的一种统计方法[28] .
该方法通常从各训练样本中提取已有的各总体的信
息,构造一定的判别准则,判断新样品属于哪个总
体. 其中, 逐步判别分析 ( stepwise discriminant
analysis, SDA)和距离判别分析( distance discrimi鄄
nant analysis, DDA)比较常见.两种方法结合使用可
构建理想的距离判别分析预测模型. 本文所选取的
调查因子中,可能有些因子的解释能力并不是特别
强.通过逐步判别分析法可以获知各个因子判别能
力的大小,筛选出具有较强判别能力的因子,在保证
预测准确性的同时,适当删除解释能力不是特别强
的因子,减少以后外业调查因子的数量,以提高工作
效率.在逐步判别分析的基础上进行距离判别分析,
可以构建线性判别函数用以预测林木的健康等级.
本文采用常见的马氏(Mahalanobis)距离判别分析
法构建预测模型.马氏距离判别分析的基本思想:比
较任意一个样本和每个分类总体之间的马氏距离,
若样本与某个分类总体的马氏距离最近,则认为它
来自这个分类总体.
1郾 4摇 数据处理
采用 Excel 2007 软件对数据进行处理. 利用
SAS 9郾 2 统计分析软件对数据进行主成分分析、逐
步判别分析及距离判别分析.
2摇 结果与分析
2郾 1摇 天然落叶松林样木调查
由表 3 可以看出,在 1926 株天然落叶松林样木
中,最大胸径达到 46郾 2 cm,树高达到 28郾 0 m;8 项
32315 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 朱摇 宇等: 大兴安岭天然落叶松林单木健康评价摇 摇 摇 摇 摇
评价指标中,根部状态最好,标准化后平均得分高达
0郾 99,说明绝大多数样木的根部受损程度极小;其次
为树冠枯梢比重、树冠落叶程度及树冠重叠程度,平
均得分在 0郾 8 以上,说明样木中出现严重的枯梢、落
叶、重叠的现象不多;树冠偏斜程度、垂直竞争指数、
树冠透视度和活冠层比重的平均得分相对较低. 其
中,作为外业中直接获取的树冠透视度调查因子的
平均得分仅为 0郾 62.
2郾 2摇 单木健康指标去相关性处理
分别以各个样地内的林木为样本进行主成分分
析.以 D2鄄03 样地为例(表 4),前 3 个主成分的方差
表 3摇 天然落叶松林样木经典统计性描述
Table 3 摇 Statistics description for sample trees of nature
Larix gmelinii (n=1926)
调查项目
Investigation item
最小值
Min郾
最大值
Max郾
平均值
Mean
value
标准偏差
Standard
deviation
胸径
DBH (cm)
5郾 00 46郾 20 10郾 30 5郾 33
树高
Height of tree (m)
3郾 20 28郾 00 10郾 80 3郾 88
根部状态
Root state
0郾 00 1郾 00 0郾 99 0郾 04
树冠落叶程度
Deciduous forest canopy
0郾 00 1郾 00 0郾 85 0郾 11
树冠透视度
Crown transparency
0郾 00 1郾 00 0郾 62 0郾 17
树冠重叠程度
Crown overlap
0郾 00 1郾 00 0郾 84 0郾 18
树冠枯梢比重
Crown dieback ratio
0郾 00 1郾 00 0郾 88 0郾 13
活冠层比重
Live crown ratio
0郾 00 1郾 00 0郾 59 0郾 15
树冠偏斜程度
Crown skewness
0郾 00 1郾 00 0郾 72 0郾 20
垂直竞争指数
Index of vertical competition
0郾 00 1郾 00 0郾 69 0郾 19
表中的各项评价指标均已进行了正向化及无量纲化处理 All assessment indi鄄
cators were processed by forward processing and dimensionless processing郾
表 4摇 D2鄄03 样地主成分统计
Table 4摇 Statistics of principal components of D2鄄03 plot
主成分
Principal
component
初始特征值
Initial eigenvalues
总特征值
Total
eigenvalue
方差贡献率
Variance
contribution
rate (% )
累计方差贡献率
Cululative variance
contribution
rate (% )
1 2郾 77 39郾 6 39郾 6
2 1郾 38 19郾 7 59郾 3
3 1郾 06 15郾 2 74郾 5
4 0郾 66 9郾 5 84郾 0
5 0郾 55 7郾 9 91郾 8
6 0郾 45 6郾 4 98郾 2
7 0郾 13 1郾 8 100郾 0
8 0郾 00 0郾 0 100郾 0
贡献率分别为 39郾 6% 、19郾 7%和 15郾 2% ,累计方差
贡献率达到 74郾 5% ,并且前 3 个主成分的特征值都
>1.因此,可以用这 3 个主成分对 8 项健康指标进
行概括分析.经过主成分分析处理后,各个样地原来
的 8 项指标被浓缩成 3 ~ 5 个独立的主成分,实现了
降维以及去除原有指标间相关性的目的. 其中,
D1鄄07样地选取 5 个主成分,D1鄄08、D1鄄09、D1鄄10、
D1鄄11 和 D1鄄13 样地各选取 4 个主成分,其余样地
均选取 3 个主成分.
摇 摇 根据特征向量矩阵(表 5),可得到 D2鄄03 样地
每个主成分的具体数值.
摇 摇 将 D2鄄03 样地每株样木的 8 项指标代入以下各
式,可求出 3 个综合指标(即主成分)的得分:
P1 = 0郾 000X1 + 0郾 279X2 + 0郾 493X3 + 0郾 417X4 +
0郾 318X5+0郾 488X6+0郾 272X7+0郾 305X8
P2 = 0郾 000X1 + 0郾 467X2 - 0郾 386X3 + 0郾 077X4 +
0郾 523X5-0郾 003X6+0郾 145X7-0郾 577X8
P3 = 0郾 000X1 + 0郾 435X2 + 0郾 133X3 - 0郾 304X4 +
0郾 260X5-0郾 047X6-0郾 746X7+0郾 272X8
式中: P i( i=1, 2, 3)代表主成分数值; X j( j = 1, 2,
3, 4, 5, 6, 7, 8)代表 8 项指标; X j屹0(若林木有
任何一项指标得分为 0, 即 X j =0 时, 直接判定该林
木为不健康等级, 不进行主成分分析及其后的评价
过程)郾
由于 D2鄄03 样地各林木的根部状态(X1 )调查
得分均为 3,故 X1前的系数为 0郾
2郾 3摇 单木健康指标权重
采用熵值法分别求算每个样地林木各个主成分
的权重值,并对其做基本统计,求出平均值与标准偏
表 5摇 D2鄄03 样地的特征向量矩阵
Table 5摇 Eigenvectors of D2鄄03 plot
指 标
Indicator
第 1 主成分
Component 1
第 2 主成分
Component 2
第 3 主成分
Component 3
根部状态 Root state 0郾 000 0郾 000 0郾 000
树冠落叶程度
Deciduous forest canopy
0郾 279 0郾 467 0郾 435
树冠透视度
Crown transparency
0郾 493 -0郾 386 0郾 133
树冠重叠程度
Crown overlap
0郾 417 0郾 077 -0郾 304
树冠枯梢比重
Crown dieback ratio
0郾 318 0郾 523 0郾 260
活冠层比重
Live crown ratio
0郾 488 -0郾 003 -0郾 047
树冠偏斜程度
Crown skewness
0郾 272 0郾 145 -0郾 746
垂直竞争指数
Index of vertical competition
0郾 305 -0郾 577 0郾 272
4231 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
差(表 6).第 1 主成分的权重值最大,超过了 0郾 5;其
余主成分的权重相对较小,相加之和接近 0郾 5,明显
低于第 1 主成分.
2郾 4摇 单木健康评价结果
由表 7 可以看出,在研究区 1926 株样木中,处
于亚健康等级的林木最多,而处于健康等级的林木
最少.
在影响林木健康的因素中,缺乏合理有效的人
工抚育措施可能是一项重要原因. 天然落叶松林中
某些林木成簇生长,且后期未经过人工抚育措施,林
木出现严重的偏冠,导致树冠落叶程度、树冠透视度
及树冠枯梢比重等调查因子的得分极低,最终林木
健康等级过低.
火灾干扰也可能是影响林木健康的一个重要原
因.在一些过火样地,一些大径级林木(如兴安落叶
松、樟子松等)虽然未被烧死,但冠幅明显偏小,与
其大径级林木身份极不匹配. 这样的林木在健康因
子调查中得分很低,多被判定为不健康等级.林火烧
过冠层并同时损伤树皮,影响了正常的水分及营养
输送功能,导致林木树冠生长发生障碍.健康的森林
内也存在不健康林木,如病虫害、枯立木、濒死木等,
只要被限制在一个较小的比例范围内,对于维护健
康森林的生物多样性、生物链和保持森林结构的稳
定是有益的.本研究区内的大多数林木处于亚健康
和中健康状态,不健康林木所占比例虽然不大,但却
超过了健康林木.因此,应大力加强防火及采取更有
效的人工抚育措施,以提高林木的健康等级.
表 6摇 各主成分权重值的简单统计
Table 6摇 Simple statistics of principal components weight
主成分
Principal component
平均值
Mean value
标准偏差
Standard deviation
1 0郾 508 0郾 089
2 0郾 239 0郾 040
3 0郾 183 0郾 018
4 0郾 168 0郾 031
5 0郾 117 -
表 7摇 单木健康评价结果统计
Table 7 摇 Result statistics of individual tree health assess鄄
ment in different grades
级 别
Grade
数量
Number
比例
Proportion (% )
健康 Healthy 248 12郾 9
亚健康 Sub鄄healthy 707 36郾 7
中健康 Mid鄄healthy 564 29郾 3
不健康 Unhealthy 407 21郾 1
2郾 5摇 单木健康预测模型的建立
上述单木健康评价过程涉及指标去相关、降维、
赋权等诸多环节,过于繁琐复杂. 因此,在单木健康
评价结果的基础上,基于判别分析构建了单木健康
预测模型,以期简化单木健康评价过程,为日后研究
区内其他天然落叶松林的单木健康评价提供简化模
型.其构建过程如下:
2郾 5郾 1 判别因子的确定 摇 利用逐步判别分析,在 8
项健康指标中寻找最具有判别能力的指标.经筛选,
有 6 项指标具有极显著的判别能力(P<0郾 0001)(表
8).由表 8 可以看出,树冠落叶程度(偏相关系数为
0郾 378)为最具判别能力的指标;根部状态和树冠重
叠程度指标虽然 P值均小于 0郾 05,但与其他 6 项指
标相比 P 值仍然较大,影响单木健康的重要性程度
相对较低.在综合考虑到以后外业调查简便快捷原
则的前提下,本文在创建判别函数时不采用这 2 项
指标.
2郾 5郾 2 距离判别分析模型的建立摇 由于逐步判别分
析无法得知预测能力,因此采用距离判别分析法构
建预测函数.选取上述筛选后的 6 项指标作为距离
判别分析模型的判别因子.将健康等级分为健康、亚
健康、中健康、不健康 4 个类别,并以这 4 个类别作
为 4 个不同的总体并假设 4 个总体的协方差矩阵相
等,以实际评价得到的各个健康等级的株数比例为
先验概率,按照距离判别分析法进行学习和计算,得
到 4 个线性判别函数:
表 8摇 逐步判别分析筛选出的指标
Table 8摇 Indicators which were filtered out by stepwise dis鄄
criminant analysis
重要性排序
Importance
指 标
Indicator
偏相关系数
Partial R2
F P
1 树冠落叶程度
Deciduous forest canopy
0郾 378 376郾 49 <0郾 0001
2 树冠透视度
Crown transparency
0郾 255 212郾 12 <0郾 0001
3 垂直竞争指数
Index of vertical competition
0郾 171 127郾 88 <0郾 0001
4 树冠偏斜程度
Crown skewness
0郾 139 99郾 45 <0郾 0001
5 活冠层比重
Live crown ratio
0郾 051 33郾 44 <0郾 0001
6 树冠枯梢比重
Crown dieback ratio
0郾 048 31郾 04 <0郾 0001
7 根部状态
Root state
0郾 010 6郾 20 0郾 0003
8 树冠重叠程度
Crown overlap
0郾 011 6郾 64 0郾 0002
52315 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 朱摇 宇等: 大兴安岭天然落叶松林单木健康评价摇 摇 摇 摇 摇
表 9摇 判别函数归类矩阵
Table 9摇 Discriminant function classified matrix
健康等级
Grade
健康
Healthy
亚健康
Sub鄄healthy
中健康
Mid鄄healthy
不健康
Unhealthy
总计(实际)
Total (actual)
正确率
Precision (% )
健康 Healthy 234 33 2 0 269 87郾 0
亚健康 Sub鄄healthy 34 641 44 3 722 88郾 8
中健康 Mid鄄healthy 1 62 524 29 616 85郾 1
不健康 Unhealthy 0 10 37 207 254 81郾 5
总计(预测)Total (predicted) 269 746 607 239 1861 -
摇 摇 Y1 = - 170郾 2151 + 161郾 3999X2 + 21郾 6885X3 +
68郾 3470X5+41郾 7892X6+44郾 0786X7+43郾 8467X8
Y2 = - 144郾 1608 + 147郾 4821X2 + 13郾 0973X3 +
67郾 7584X5+40郾 4682X6+40郾 4682X7+39郾 5530X8
Y3 = - 123郾 6400 + 138郾 8882X2 + 7郾 3880X3 +
66郾 2496X5+40郾 4572X6+36郾 8706X7+35郾 6491X8
Y4 = - 94郾 8905 + 121郾 3076X2 + 5郾 9481X3 +
56郾 9235X5+36郾 0667X6+31郾 9710X7+29郾 6711X8
式中: X j( j=2, 3, 5, 6, 7, 8)代表经筛选后的 6 项
指标; Yn(n=1, 2, 3, 4)为 4 个健康等级.其中, Y1
对应健康等级, Y2对应亚健康等级, Y3对应中健康
等级, Y4对应不健康等级 郾
将外业调查得到的 6 项指标值代入 4 个判别函
数中,比较各 Yn值的大小,最大者为其健康等级.
2郾 5郾 3 判别模型的检验摇 为了考察单木健康预测模
型的准确性和有效性,根据常见的回代估计法对
1861 个(不包含 65 株枯立木)训练样本进行检验.
其实际归类与预测归类的差异见表 9.从表 10 可以
看出,其总体误判率及预测正确率分别为 13郾 7%和
86郾 3% ,可以认为,所建立的距离判别分析模型的判
别能力比较稳定,判别效率较高,可用于单木健康等
级的判别和分类.
根据逐步判别分析得到的各项评价指标重要性
排名次序,分析选取 1 项、2 项、……、8 项指标做距
离判别分析,获其误判率及预测正确率(表 11). 可
见 ,当只选择1项指标时,误判率为35郾 8% ;选择
表 10摇 误判率与先验概率
Table 10摇 Misclassified rate and priors rate (%)
级 别
Grade
误判率
Misclassified rate
先验概率
Priors rate
健康 Healthy 13郾 0 14郾 5
亚健康 Sub鄄healthy 11郾 2 38郾 8
中健康 Mid鄄healthy 14郾 9 33郾 1
不健康 Unhealthy 18郾 5 13郾 7
总计 Total 13郾 7 -
表 11摇 指标个数、误判率和预测正确率
Table 11 摇 Numbers of indicators, misclassified rate and
precision (%)
指标个数(指标)
Count of indicator
( indicator)
误判率
Misclassified
rate
预测正确率
Precision correct
rate
1(X2) 35郾 8 64郾 2
2(X2,X3) 33郾 2 66郾 8
3(X2,X3,X8) 29郾 3 70郾 7
4(X2,X3,X8,X7) 25郾 7 74郾 3
5(X2,X3,X8,X7,X6) 20郾 6 79郾 4
6(X2,X3,X8,X7,X6,X5) 13郾 7 86郾 3
7(X2,X3,X8,X7,X6,X5,X1) 12郾 1 87郾 9
8(X2,X3,X8,X7,X6,X5, X1,X4) 11郾 9 88郾 1
X1:根部状态 Root state; X2:树冠落叶程度 Deciduous forest canopy;
X3:树冠透视度 Foliage transparency; X4:树冠重叠程度 Crown over鄄
lap; X5:树冠枯梢比重 Crown dieback ratio; X6:活冠层比重 Live
crown ratio; X7:树冠偏斜程度 Crown skewness; X8:垂直竞争指数
Index of vertical competition郾
2 项指标时误判率为 33郾 2% ,其后误判率随着指标
个数的增加而减少,当选取指标个数为 6 时,误判率
开始被控制在 20%以下,预测正确率维持在 80%以
上,当指标个数为 7 和 8 时,预测正确率仍有提高,
但增幅并不明显. 因此,在日后外业调查时,可依调
查时间与人员的限制而灵活删减调查指标与评价指
标.同时也说明逐步判别分析筛选掉根部状态和树
冠重叠程度这两项指标是合理的.
3摇 讨摇 摇 论
本研究在参考国内外研究的基础上,从单木尺
度选取了 5 个外业调查因子,形成了 8 项评价指标,
构建了单木健康评价指标体系. 具体包括:根部状
态、冠层落叶程度、树冠透视度、树冠重叠程度、树冠
枯梢比重、活冠层比重、树冠偏斜程度和垂直竞争指
数.单木健康评价指标体系的构建弥补了以往研究
中只有森林健康小班(或林分)尺度、景观尺度和区
域尺度指标的不足;选取模糊综合评价法作为单木
健康的评价模型,是因为目前森林健康标准还没有
精确的界限[29] .模糊综合评价法突破了常见的综合
指数法在综合评价中,评价对象落入某一阈值范围
6231 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷
内即确定该评价对象一定属于某一特定等级“非此
即彼冶的二值逻辑限制[30],其评价结果为一向量,克
服了传统数学方法结果单一性的缺陷;采用的分段
式评价函数(评价模型)还解决了综合指数法中的
一个常见问题:若某一项评价指标为 0,则该评价对
象本应该直接视为最差等级(不健康),但是,若其
他评价指标的数值较大,极有可能拉大总体评价得
分,错误地抬高了评价等级,进而大大降低了评价结
果的准确性.分段式评价函数的设置可以有效地解
决这个问题.本文在单木健康评价结果的基础上建
立单木健康预测模型,可以在保证一定预测精度的
前提下,快速评判研究区内其他林木的健康等级,从
而简化或省略了复杂的单木健康评价过程. 本文结
合逐步判别分析与距离判别分析,得出单木健康预
测模型的预测正确率为 86郾 3% .
今后的森林健康研究中应注意以下两点:首先,
由于本文是基于单木尺度的森林健康评价,研究尺
度和评价指标体系均不同.因此,本文中提出的评价
指标体系不适合森林经营小班(或林分)甚至更大
尺度(景观、区域)的森林健康评价.同时,由于尺度
已固定,本文所列指标体系不含单木以外的诸如林
木周围的环境因子. 从单木尺度健康评价结果中无
法直接求得小班(林分)尺度的健康等级.相比于单
木健康,小班(林分)健康的评价较为复杂,需要考
虑生长量等指标.但是,可以将单木健康评价结果作
为一项重要的综合评价指标加入到森林经营小班
(或林分)尺度的评价体系中,以提高传统森林经营
小班(或林分)尺度健康评价的准确性,同时又实现
了两尺度之间的耦合过程.其次,本文选取的单木健
康调查因子均为视觉观测变量.在外业调查之前,可
通过对调查人员进行专门训练,以及调查人员之间
互相交流,以尽量减少误差,提高调查因子的准确
性.但单木健康因子调查存在工作量较大、观测时间
较长、调查人员主观臆断等问题,进而影响调查精
度.因此,建议在以后的单木健康调查中,采取多人
观测取平均值、印制树冠、树根不同受害等级的图片
供调查人员对比以纠正误差等方法进一步提高调查
精度.
目前,关于森林健康评价研究在我国尚处于起
步探索阶段,有待于进一步完善.
参考文献
[1]摇 Li B (李摇 冰). Research on Forest Health Evaluation
of Larix gmelini in the Great Xing爷 an Mountains. PhD
Thesis. Beijing: Beijing Forestry University, 2009 ( in
Chinese)
[2]摇 Wulder MA, White JC, Coggins S, et al. Digital high
spatial resolution aerial imagery to support forest health
monitoring: The mountain pine beetle context. Journal
of Applied Remote Sensing, 2012, 6: 1-10
[3]摇 Wulff S, Lindel觟w 魡, Lundin L, et al. Adapting forest
health assessments to changing perspectives on threats:
A case example from Sweden. Environmental Monitoring
and Assessment, 2012, 184: 2453-2464
[4]摇 Gan J (甘摇 敬). Forest Health Assessment for Moun鄄
tainous Area of Beijing. PhD Thesis. Beijing: Beijing
Forestry University, 2007 (in Chinese)
[5]摇 Wang Y鄄P (王义平), Wu H (吴摇 鸿), Xu H鄄C (徐
华潮). Biological and ecological bases of using insect
as a bio鄄indicator to assess forest health. Chinese Jour鄄
nal of Applied Ecology (应用生态学报), 2008, 19
(7): 1625-1630 (in Chinese)
[6]摇 Guo R (郭摇 瑞), Wang Y鄄P (王义平), Wu H (吴摇
鸿). Relationship between arthropods in forest litter and
forest health. Scientia Silvae Sinicae (林业科学),
2012, 48(3): 122-127 (in Chinese)
[7]摇 Cao Y鄄S (曹云生). Forest Ecosystem Health Assess鄄
ment and Early Warning Based on Support Vector Ma鄄
chines. Master Thesis. Baoding: Agricultural University
of Hebei, 2011 (in Chinese)
[8]摇 Shi M鄄H (施明辉), Zhao C鄄W (赵翠薇), Guo Z鄄H
(郭志华), et al. Forest health assessment based on
self鄄organizing map neural network: A case study in
Baihe Forest Bureau, Jilin Province. Chinese Journal of
Ecology (生态学杂志), 2011, 30 (6): 1295 - 1303
(in Chinese)
[9]摇 Gan J (甘摇 敬), Zhu J鄄G (朱建刚), Zhang G鄄Z (张
国祯), et al. Establishing indices for rapid assessment
of forest health based on BP neural networks. Scientia
Silvae Sinicae (林业科学), 2007, 43(12): 1-7 ( in
Chinese)
[10]摇 Chen G (陈摇 高), Dai L鄄M (代力民), Ji L鄄Z (姬兰
柱), et al. Assessing forest ecosystem health. 玉.
Model, method, and index system. Chinese Journal of
Applied Ecology (应用生态学报), 2004, 15 (10):
1743-1749 (in Chinese)
[11] 摇 Dai L鄄M (代力民), Chen G (陈 摇 高), Deng H鄄B
(邓红兵), et al. Structure characteristics and health
distance assessment of various disturbed communities of
Korean pine and broadleaved mixed forest in Changbai
Mountains. Chinese Journal of Applied Ecology (应用生
态学报), 2004, 15(10): 1750-1754 (in Chinese)
[12]摇 Duchesne L, Ouimet R, Houle D. Basal area growth of
sugar maple in relation to acid deposition, stand health,
and soil nutrients. Journal of Environmental Quality,
2002, 31: 1676-1683
[13]摇 Ji W鄄Y (姬文元), Xing S鄄H (刑邵华), Guo N (郭摇
宁), et al. Health evaluation on spruce and fir forests
in Miyaluo of the west Sichuan. Scientia Silvae Sinicae
(林业科学), 2009, 45(3): 13-18 (in Chinese)
[14]摇 Morales RM, Idol T, Friday JB. Assessment of Acacia
72315 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 朱摇 宇等: 大兴安岭天然落叶松林单木健康评价摇 摇 摇 摇 摇
koa forest health across environmental gradients in
Hawaii using fine resolution remote sensing and GIS.
Sensors, 2011, 11: 5677-5694
[15]摇 Woodall CW, Grambsch PL, Thomas W, et al. Survival
analysis for a large鄄scale forest health issue: Missouri
oak decline. Environmental Monitoring and Assessment,
2005, 108: 295-307
[16]摇 Woodall CW, Amacher MC, Bechtold WA, et al. Sta鄄
tus and future of the forest health indicators program of
the USA. Environmental Monitoring and Assessment,
2011, 177: 419-436
[17]摇 Shen J鄄B (沈剑波), Lei X鄄D (雷相东), Shu Q鄄T (舒
清态), et al. Review on forest health evaluation index
system. Science & Technology Review (科技导报),
2011, 29(33): 72-79 (in Chinese)
[18]摇 Liu L鄄H (刘玲华). The Assessment Methods of Health
Indicators for Coastal Protection Forest: A Study in
Northern and Central Taiwan. Master Thesis. Pingtung:
National Pingtung University of Science and Technology,
2005 (in Chinese)
[19]摇 Wang G鄄R (王光仁). Assessment of Health Indicators
for Old鄄Growth Cypress Forest with National Taipingshan
Forest Recreation Area as an Example. Master Thesis.
Ilan: National Ilan University, 2006 (in Chinese)
[20]摇 Li W鄄Z (李威震 ). Study about Casuarina Stands
Health Monitoring in Northeast Taiwan Coastal Protection
Forest. Master Thesis. Ilan: National Ilan University,
2006 (in Chinese)
[21]摇 Luo S鄄F (罗时凡), Li C鄄C (李崇诚), Chen C鄄T (陈
朝圳). Establish of forest health inventory. Quarterly
Journal of Forest Research (林业研究季刊), 2009, 30
(3): 41-52 (in Chinese)
[22]摇 Schomaker ME, Zarnoch SJ, Bechtold WA, et al.
Crown Condition Classification: A Guide to Data Collec鄄
tion and Analysis. Asheville, NC: USDA, Forest Serci鄄
ce, Southern Research Station, 2007
[23]摇 Alexander SA, Palmer CJ. Forest health monitoring in
the United States: First four years. Environmental Moni鄄
toring and Assessment, 1999, 55: 267-277
[24]摇 Cheng Z鄄C (程志楚), Cao Y鄄C (曹迎春). Discussion
on monitoring method of forest health based on forest in鄄
ventory. Hebei Journal of Forestry and Orchard Research
(河北林果研究), 2008, 23(2): 142-145 ( in Chi鄄
nese)
[25]摇 Liu Y鄄J (刘永俊), Zheng H (郑摇 红), He L (何摇
雷), et al. Seasonal variation and related affecting fac鄄
tors of arbuscular mycorrhizal fungi in Caragana korshin鄄
skii roots. Chinese Journal of Applied Ecology (应用生
态学报), 2009, 20(5): 1085-1091 (in Chinese)
[26]摇 Cao H (曹摇 欢), Su W鄄C (苏维词). Studies on eco鄄
system health evaluation based on fuzzy mathematics
method in karst areas. Research of Soil and Water Con鄄
servation (水土保持研究), 2009, 16(3): 148 -154
(in Chinese)
[27]摇 Hu S鄄Z (胡守忠), Gu J鄄Q (顾建勤). Fuzzy syntheti鄄
cal evaluation and its application. Journal of China Tex鄄
tile University (中国纺织大学学报), 1995, 21(1):
74-80 (in Chinese)
[28]摇 He T (何摇 铜), Liu X鄄L (刘小林), Yang C鄄M (杨
长明), et al. Principal component and discriminant an鄄
alyses of traits of Litopenaeus vannamei at different ages.
Acta Ecologica Sinica (生态学报), 2009, 29 (4):
2134-2142 (in Chinese)
[29]摇 Shi M鄄H (施明辉), Zhao C鄄W (赵翠薇), Guo Z鄄H
(郭志华), et al. Review on forest health assessment.
Chinese Journal of Ecology (生态学杂志), 2010, 29
(12): 2498-2506 (in Chinese)
[30]摇 Zhang H鄄Y (张红艳), Zhang N (张摇 娜), Chen X鄄Y
(陈晓燕). An evaluation of potential occurrence of
grasshopper plague in Xianghuangqi grasslands of Inner
Mongolia, North China. Chinese Journal of Applied Ecol鄄
ogy (应用生态学报), 2012, 23(1): 222 -234 ( in
Chinese)
作者简介摇 朱 摇 宇, 男, 1987 年生. 主要从事森林经理研
究. E鄄mail: orienton2006@ 163. com
责任编辑摇 李凤琴
8231 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 24 卷