免费文献传递   相关文献

Quantitative driving analysis of forest biomass changes in Changbai Mountain forest region.

长白山林区森林生物量变化定量驱动分析


根据研究区单木生物量模型及森林资源清查资料计算样地生物量,采用试验精度较高的遥感模型进行4期遥感数据的森林生物量估算,获得区域单位面积生物量变化值,并利用bootstrap方法对引起这种变化的气象因素、森林经营活动因素和社会经济因素等驱动因子进行变量筛选,利用偏最小二乘算法建立不同时间段的森林生物量变化驱动模型,计算变量投影重要性指标(VIP)定量刻画各因素对森林生物量变化的影响重要程度.结果表明:目前人为因素对长白山林区森林生物量变化的影响程度(VIP值)已经小于自然因素,说明国家对林区的森林保护政策已经起到了明显的效果.本文拓宽了森林生物量变化驱动分析的内容,引入了VIP值对森林生物量的变化驱动因子进行定量刻画,为定量分析森林生物量的变化提供了一条新的途径.

Based on the forest inventory data and single tree biomass model, the forest biomass in the sampling plots in Changbai Mountain forest region was calculated, and, by using the estimated forest biomass from four periods’ remote sensing data and based on high accuracy remote sensing models, the changes of regional forest biomass were analyzed. In the meanwhile, the driving factors such as meteorological factors, management factors, and socio-economic factors that caused forest biomass change were selected by bootstrap method, and the driving model of forest biomass change in different time period was set up by using partial least-squares method. The Variable Importance in Projection (VIP) values representing the importance of each of the factors affecting the forest biomass change in study region were calculated. The results showed that the influence of human activity factors (VIP values) on Changbai Mountain forest biomass changes was less than that of natural factors, suggesting that the national forest protection policy for forest regions had played an obvious role. Our research broadened the content of forest biomass change driving analysis, and the introduction of calculating VIP value, which can quantitatively represent the influence of driving factors to forest biomass change, provided a new way for the quantitative analysis on forest biomass change.


全 文 :长白山林区森林生物量变化定量驱动分析*
杨金明1 摇 范文义1**摇 李明泽1 摇 田利军2 摇 毛学刚1 摇 于摇 颖1
( 1 东北林业大学林学院, 哈尔滨 150040; 2 大兴安岭塔河林业局, 黑龙江塔河 165204 )
摘摇 要摇 根据研究区单木生物量模型及森林资源清查资料计算样地生物量,采用试验精度较高的
遥感模型进行 4期遥感数据的森林生物量估算,获得区域单位面积生物量变化值,并利用 bootstrap
方法对引起这种变化的气象因素、森林经营活动因素和社会经济因素等驱动因子进行变量筛选,利
用偏最小二乘算法建立不同时间段的森林生物量变化驱动模型,计算变量投影重要性指标(VIP)
定量刻画各因素对森林生物量变化的影响重要程度.结果表明:目前人为因素对长白山林区森林生
物量变化的影响程度(VIP值)已经小于自然因素,说明国家对林区的森林保护政策已经起到了明
显的效果.本文拓宽了森林生物量变化驱动分析的内容,引入了 VIP值对森林生物量的变化驱动因
子进行定量刻画,为定量分析森林生物量的变化提供了一条新的途径.
关键词摇 森林生物量摇 定量分析摇 VIP值
文章编号摇 1001-9332(2011)01-0047-06摇 中图分类号摇 S757摇 文献标识码摇 A
Quantitative driving analysis of forest biomass changes in Changbai Mountain forest region.
YANG Jin鄄ming1, FAN Wen鄄yi1, LI Ming鄄ze1, TIAN Li鄄jun2, MAO Xue鄄gang1, YU Ying1
( 1School of Forestry, Northeast Forestry University, Harbin 150040, China; 2Tahe Administration of
Forestry in Great Xing爷 an Mountain, Tahe 165204, Heilongjiang, China) . 鄄Chin. J. Appl. Ecol. ,
2011,22(1): 47-52.
Abstract: Based on the forest inventory data and single tree biomass model, the forest biomass in
the sampling plots in Changbai Mountain forest region was calculated, and, by using the estimated
forest biomass from four periods爷 remote sensing data and based on high accuracy remote sensing
models, the changes of regional forest biomass were analyzed. In the meanwhile, the driving factors
such as meteorological factors, management factors, and socio鄄economic factors that caused forest
biomass change were selected by bootstrap method, and the driving model of forest biomass change
in different time period was set up by using partial least鄄squares method. The Variable Importance
in Projection (VIP) values representing the importance of each of the factors affecting the forest bio鄄
mass change in study region were calculated. The results showed that the influence of human activi鄄
ty factors (VIP values) on Changbai Mountain forest biomass changes was less than that of natural
factors, suggesting that the national forest protection policy for forest regions had played an obvious
role. Our research broadened the content of forest biomass change driving analysis, and the intro鄄
duction of calculating VIP value, which can quantitatively represent the influence of driving factors
to forest biomass change, provided a new way for the quantitative analysis on forest biomass change.
Key words: forest biomass; quantitative analysis; VIP value.
*国家高技术研究发展计划项目(2006AA12Z104)、中央高校科研业
务经费专项资金项目 ( DL09EAQ01)和教育部博士点学科专项
(20070225003)资助.
**通讯作者. E鄄mail: fanwy@ 163. com
2010鄄06鄄15 收稿,2010鄄10鄄21 接受.
摇 摇 森林生物量是森林生态系统的最基本数量特
征[1] .它可以反映森林与其环境在物质循环和能量
流动上的关系,是整个森林生态系统运行的能量基
础,也是研究生物生产力、净第一性生产力、碳循环、
全球气候变化的基础[2-4] .目前,国内外对森林生物
量已有大量研究报道,主要是对某一特定时期特定
区域的森林生物量或碳储量进行估测[5-9],而对森
林生物量的变化成因却较少见报道.
森林生物量随时空而变化[10] . 在空间上,生物
量随不同地区、不同群落类型[11]、不同生境条件[12]
应 用 生 态 学 报摇 2011 年 1 月摇 第 22 卷摇 第 1 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
Chinese Journal of Applied Ecology, Jan. 2011,22(1): 47-52
等的变化而变化,同时也随湿度和温度等环境梯度
及干扰等的变化而发生变化[13];在时间上,自然状
态下的生物量随森林的演替阶段而变化,即森林生
物量通常随林龄的增加而增加,在成熟林时接近一
个稳定值[14-15] .以往研究者对森林生物量在时间尺
度上的变化多是描述其自然变化结果及规律[16-17],
而森林作为人类的生存环境之一,其生物量受人类
活动的影响不容忽视,甚至在某一阶段,人类活动对
森林生物量的变化可能起到主导作用.因此,研究人
类活动对森林生物量变化的影响,对于认识人类与
森林生态系统之间的关系具有重要的意义.
长白山林区森林生物量在全国森林生物量的构
成中占有重要地位.自 1949 年以来,在自然因素及
国家政策、社会经济和经营措施等人为因素的影响
下,该地区森林生物量发生着明显的变化,深入研究
这种变化及其成因,可为国家制定合理的森林资源
可持续发展政策和森林经营保护措施提供科学依
据.为此,本文综合考虑了自然因素与人为因素,建
立了森林生物量变化驱动模型,定量分析了森林生
物量的变化成因.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
长白山位于吉林省东南部地区 127毅40忆—128毅
16忆 E, 41毅35忆—42毅25忆 N 的地带. 本地区冬季气候
寒冷而漫长,夏季温暖多雨且短暂[18-19] . 气候随海
拔高度的变化差异很大.山脚为典型的暖温带气候,
山顶却表现出复杂多变的近极地气候[20] .降水量随
海拔的上升而逐渐增加,山下年均降水量为 600 ~
900 mm,而山顶年均降水量为 1340 mm. 水热条件
及地质地貌的差异,形成了长白山北坡明显的土壤
垂直带谱,从上而下依次为:高山冻原土(2000 m以
上)、山地生草森林土(1800 ~ 2000 m)、山地棕色针
叶林土(1100 ~ 1800 m)、山地暗棕色森林土(1100
m以下) [21] .
长白山自然植被类型随海拔高度的变化,呈现
出明显的垂直分布带谱,构成了独特的自然景观格
局[22] .从山下到山顶植被类型依次为:阔叶红松林
(海拔 1100 m 以下)、以鱼鳞云杉 (Picea jezoensis
var. komarovii)和臭冷杉(Abies nephrolepis)为主要
建群种的暗针叶林(海拔 1100 ~ 1800 m)、亚高山岳
桦(Betula ermanii)林(海拔 1800 ~ 2000 m)和北极
冻原特征植被(海拔 2000 ~ 2600 m) [23] .
1郾 2摇 研究方法
1郾 2郾 1 基础资料收集 摇 本研究广泛收集研究区 20
世纪 70 年代(以 1970 年为代表)、80 年代(1987 年
为代表)、90 年代(1997 年为代表)和 21 世纪初年
(2007 年为代表)4 期相关数据.包括两类森林资源
清查资料,卫星影像数据及 13 个林业局 1970—
2007 年间的气象数据、经营活动数据和社会经济数
据.其中,遥感数据为 1973 年 Landsat鄄MSS 数据、
1987 年 Landsat鄄TM 数据、1997 年 Landsat鄄ETM 数
据、2007 年 Landsat鄄TM数据.
1郾 2郾 2 单位面积生物量计算摇 根据研究区相应单木
生物量模型及森林资源清查资料计算样地生物量.
对遥感数据经几何校正、辐射定标、大气校正、太阳
高度角校正等处理后采用如下技术路线(图 1)计算
4 期森林生物量遥感反演图像.
其中,样地调查因子包括样地中心地理坐标、海
拔高度、坡度、坡向;遥感因子包括单一波段值、植被
指数[24](归一化植被指数 NDVI、简单比值指数 SR、
转换型植被指数 TVI、垂直植被指数 PVI、红外指数
II、土壤调整植被指数 SAVI、改进土壤调整植被指
数 SAVI2、优化比值指数 MSR)、纹理信息、叶面积
指数 LAI及植被覆盖度等. 纹理信息采用灰度共生
矩阵法[25] .以样地生物量为因变量,样地调查因子
和遥感因子为自变量,分别采用常规多元统计分析
法[26]、偏最小二乘回归分析法、联立方程组[27-28]分
析法建立森林生物量遥感反演模型,分析比较 3 种
模型的精度,选择精度最高的联立方程组模型作为
该地区的森林生物量遥感反演模型. 结合 4 个时期
的遥感数据,计算得到该地区各时期森林生物量遥
感反演图像.从各期生物量遥感反演图像上各林业
局区域范围内随机抽取150个点,平均后计算各林
图 1摇 长白山林区森林生物量遥感反演技术路线
Fig. 1 摇 Technique route of remotely sensed inversion of forest
biomass in Changbai Mountain forest region.
84 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 22 卷
表 1摇 森林生物量变化驱动因子计算表
Table 1摇 Driving factors爷 computing for changes of forest biomass
自变量
Independent variable
因变量
Dependent variable
BIOM70-87 BIOM87-97 BIOM97-07
气象因素 积温 Temperature (益) AVE81-87 -AVE70-80 AVE91-97 -AVE88-90 AVE01-07 -AVE98-00
Meteorological factors 降水 Precipitation (mm) AVE81-87 -AVE70-80 AVE91-97 -AVE88-90 AVE01-07 -AVE98-00
日照 Sunshine (h) AVE81-87 -AVE70-80 AVE91-97 -AVE88-90 AVE01-07 -AVE98-00
经营措施 采伐量 Harvest (m3·km-2) AVE70-80、AVE81-87 AVE88-90、AVE91-97 AVE98-00、AVE01-07
Management measures 造林量 Afforestation (hm2·km-2) AVE70-80、AVE81-87 AVE88-90、AVE91-97 AVE98-00、AVE01-07
预算投资 Budget investment (yuan·km-2) AVE70-80 - -
育林基金 Silviculture fund (yuan·km-2) AVE70-80 - -
封山育林 Closing (hm2·km-2) AVE80-87 AVE88-90、AVE91-97 AVE98-00
社会经济 人口密度 Population density (person·km-2) AVE81-87 -AVE70-80 AVE91-97 -AVE88-90 AVE01-07 -AVE98-00
Socio鄄economic 新增公路 New highway (m·km-2) AVE70-80 AVE91-97 AVE98-00
BIOM70-87表示 1970—1987 年间的生物量变化量; AVE01-07表示 2001—2007 年平均值; “-冶表示没有数据; 采伐量采用国家分配采伐指标 BI鄄
OM70-87 meant variation of biomass in 1970-1987, AVE01-07 meant average in 2001-2007, “-冶 meant no data, harvest adopted country distribution cut鄄
ting index.
业局 4 个时期单位面积森林生物量数据. 将相邻 2
期生物量数据做差计算相邻期森林生物量变化量.
1郾 2郾 3 森林生物量变化驱动因子整理 摇 将 1970—
2007 年 分 成 1970—1987 年、 1987—1997 年 和
1997—2007 年 3 个时间段,建立生物量变化驱动模
型.每个时间段的自变量因子获得方法为:气象因素
取后一时间段的平均值减去前一时间段的平均值,
经营措施同时考虑两个时间段的值,社会经济因素
中人口密度的变化采用后一时间段减去前一时间段
的值.具体实施方法见表 1.
1郾 2郾 4 变量投影重要性指标(VIP)计算 摇 由于本文
收集的样本数较少,所以采用偏最小二乘回归方法.
首先采用 bootstrap统计检验方法对变量进行筛选,
然后利用筛选出的自变量进行偏最小二乘回归,其
中判定提取的成分数利用交叉有效性检验的方
法[29-31] . 在此过程中,将变量投影重要性指标
VIP j [24]按下式进行计算:
VIP j =
p
Rd(Y;t1,t2,…,tm)

m
h = 1
Rd(Y;th)w2hj
式中:p为自变量的个数;m为提取的有效成分个数;
Rd(Y;t1,t2,…,tm)=移
m
h = 1
Rd(Y;th)为m个成分 t1,t2,
…,tm对 Y的累计解释能力;Rd(Y;th) =
1
q 移
q
k = 1
r2(yk,
th) 为 th对 Y的累计解释能力;whj为轴wh的第 j个分
量[29] .
2摇 结果与分析
2郾 1摇 长白山林区森林生物量变化驱动模型
利用 bootstrap 变量筛选法对 1970—1987 年生
物量变化驱动因子进行筛选,设置检验水平 琢 =
0郾 3,取 B=1000 次,重复抽样次数 nB = 9 个.其中日
照、1970—1980 年采伐量、预算投资 3 个自变量未
通过显著性检验,拒绝域临界值见表 2.
摇 摇 同理,对其他两个时间段的生物量变化驱动因
子进行 bootstrap 检验,其中 1987—1997 年中降水、
1988—1990 年采伐量、1988—1990 年封山育林和人
口密度 4 个变量未通过检验; 1997—2007 年中
1998—2000 年采伐量、2001—2007 年造林量和封山
育林 3 个变量未通过检验. 利用通过检验的变量对
3 个时间段进行偏最小二乘建模,其结果见表 3.
摇 摇 各时期生物量变化驱动模型分别为:
VAROFBIO1970-1987 = - 73郾 9806 + 0郾 0212x11 -
2郾 1140x12 + 1郾 5021x13 + 1郾 1849x14 + 1郾 0691x15 +
6441郾 5350x16 + 1779郾 2370x17 + 287郾 9028x18
表 2摇 1970—1987 年 琢=0郾 3,B=1000 时 bootstrap检验拒绝
域临界值
Table 2 摇 Rejection region and critical value of bootstrap
tests when 琢=0郾 3,B=1000 from 1970 to 1987
变量
Variable
回归系数
Regression
coefficient
临界值
Critical
value
积温 Temperature 0郾 300 0郾 140
降水 Precipitation -0郾 263 0郾 173
日照 Sunshine -0郾 047 0郾 129
1970—1980 年采伐量 1970-1980 harvest 0郾 140 0郾 154
1981—1987 年采伐量 1981-1987 harvest 0郾 249 0郾 068
1970—1980年造林量1970-1980 afforestation 0郾 369 0郾 203
1981—1987年造林量1981-1987 afforestation 0郾 205 0郾 121
预算内投资 Budget investment 0郾 077 0郾 092
人口密度 Population density 0郾 358 0郾 117
新增公路 New highway 0郾 557 0郾 351
育林基金 Silviculture fund 0郾 101 0郾 061
941 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 杨金明等: 长白山林区森林生物量变化定量驱动分析摇 摇 摇 摇 摇
表 3摇 不同时间段偏最小二乘建模结果
Table 3摇 Modeling results of PLS of three periods
时间段
Time
建模样本
Modeling
samples
提取成分数
Extracted
compositions
R2 RMSE PRE
1970—1987 9 5 0郾 975 3郾 070 82郾 47
1987—1997 10 6 0郾 975 2郾 982 80郾 31
1997—2007 9 5 0郾 976 3郾 929 85郾 89
PRE = 1n 移
n
i = 1
(1 - abs(
Ti - Pi
Ti
) 伊 100%), RMSE = 1n 伊移
n
i = 1
(Ti - Pi)2,
T、P分别表示实际值和预测值 T and P meant measured and predicted value,
respectively.
式中:x11 为积温;x12 为降水;x13 为采伐量;x14 为
1970—1980 年造林量;x15 为 1981—1987 年造林量;
x16 为人口密度;x17 为新增公路;x18 为育林基金.
VAROFBIO1987-1997 = 34郾 6034 + 0郾 1362x21 +
31郾 6338x22 + 0郾 2310x23 - 2郾 5703x24 + 0郾 3200x25 -
0郾 1137x26 - 407郾 7960x27
式中:x21 为积温;x22 为日照;x23 为采伐量;x24 为
1988—1990 年造林量;x25 为 1991—1997 年造林量;
x26 为封山育林;x27 为新增公路.
VAROFBIO1997-2007 = 40郾 9817 - 0郾 2256x31 -
0郾 6185x32 + 8郾 1681x33 - 306郾 9930x34 + 1郾 3723x35 -
544郾 5150x36 + 331郾 9303x37
式中:x31 为积温;x32 为降水;x33 为日照;x34 为
2001—2007 年采伐量;x35 为 1998—2000 年造林量;
x36 为人口密度;x37 为新增公路.
2郾 2摇 长白山林区森林生物量变化驱动因子 VIP值
构建模型的 PLS分析过程中,自变量投影重要
性指标 VIP值见图 2.
图 2摇 1970—1987 年自变量投影重要性指标 VIP值
Fig. 2摇 VIP values from the variable projection from 1970 to 1987.
A: 温度 Temperature; B: 降水 Precipitation; C: 1981—1987 年采伐
量 Harvest from 1981 to 1987; D: 1970—1980 年造林量 Afforestation
from 1970 to 1980; E: 1981—1987 年造林量 Afforestation from 1981 to
1987; F:人口密度 Population density; G:新增公路 New highway; H:
育林基金 Silviculture fund.
摇 摇 由图 2 可以看出,对 1970—1987 年生物量变化
起重要作用的因子为:80 年代经营措施(依次为
1981—1987年采伐量,1981—1987 年造林量)、70 年
代经营措施(主要为 1970—1980 年的造林量)、社会
经济变化(主要为人口密度变化)、气象条件变化.
1987—1997年和 1997—2007年自变量 VIP见表 4.
摇 摇 从表 4 可以看出,影响 1987—1997 年间生物量
变化的因子按重要性依次为:80 年代经营措施(主
要为 1988—1990 年造林量)、社会经济因素(主要
为 1991—1997 年新增公路)、气象条件变化(主要
为平均日照变化). 对 1997—2007 年间生物量变化
起重要作用的因子依次为:社会经济因素(人口密
度变化)、气象条件变化(平均降水和平均积温)、90
年代经营措施(1998—2000 年造林量).
2郾 3摇 长白山林区森林生物量驱动分析
将每个时期的所有驱动因子的 VIP值按经营措
施、社会经济因素和气象条件分别加以分析,得图 3.
表 4摇 1987—1997 年和 1997—2007 年自变量 VIP值
Table 4摇 VIP values during 1987-1997 and 1997-2007
1987—1997 VIP 1997—2007 VIP
平均积温 Average tem鄄
perature
0郾 90 平均积温 Average tem鄄
perature
1郾 01
平均日照 Average sun鄄
shine
1郾 17 平均降水 Average pre鄄
cipitation
1郾 14
1991—1997 年 采 伐 量
1991-1997 harvest
0郾 35 平均日照 Average sun鄄
shine
0郾 69
1988—1990 年 造 林 量
1988-1990 afforestation
1郾 36 2001—2007 年采伐量
2001-2007 harvest
0郾 80
1991—1997 年 造 林 量
1991-1997 afforestation
0郾 79 1998—2000 年造林量
1998-2000 afforestation
1郾 03
1991—1997 年封山育林
1991-1997 closing
0郾 74 人口 密 度 Population
density
1郾 48
1991—1997 年新增公路
1991-1997 new highway
1郾 29 1998—2000 年新增公路
1998-2000 new highway
0郾 56
图 3摇 驱动因子影响程度比较
Fig. 3摇 Comparison of impact degree for driving factors.
玉:经营措施 Management measures;域:社会经济 Socio鄄economic;芋:
气象因素 Meteorological factors.
05 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 22 卷
摇 摇 从图 3 可以看出,1970—1987 年间,对长白山
林区森林生物量变化的影响因素中,经营措施及社
会经济这两个非自然因素的作用要远大于气象变化
即自然因素的作用,而到了 1997—2007 年间,气象
因素对长白山林区森林生物量变化的影响程度要大
于经营措施和社会经济因素.由此可以看出,1970—
2007 年间,人为因素对森林生物量的变化所起的作
用是一个由强到弱的过程,而自然因素的影响程度
是一个逐渐增强的过程.
3摇 结论与讨论
本文应用偏最小二乘算法对 1970—2007 年长
白山林区分 3 个时间段建立了森林生物量变化驱动
力模型,利用 bootstrap 方法对生物量变化的驱动因
子进行了筛选,并采用计算 VIP 值的方法定量刻画
了各时期各驱动因子所起作用的重要程度. 结果表
明,1970—2007 年间,森林经营措施对该区域森林
生物量变化的影响程度(VIP 值)逐渐降低,气象因
素对生物量变化的影响程度逐渐增加,并且在 20 世
纪 90 年代末气象因素的 VIP 值超过了经营措施的
VIP值.社会经济指标的 VIP 值 1970—1990 年逐渐
降低,1990—2007 年逐渐增大.
分析这几十年来国有林区发展战略可知,建国
初期到 20 世纪 80 年代,国家对国有林区的大开发
战略造成了该地区森林资源的锐减,这一时期经营
措施主要为采伐,社会经济主要是木材经济,因此非
自然因素对 1970—1987 年间森林生物量变化的影
响程度(VIP值)大于自然因素. 1987—1997 年国家
施行限额采伐,并于 90 年代末实施天然林保护工
程,经营措施逐渐从采伐转变为对森林资源的保护,
社会经济逐渐转变为多种经营经济,使得人为活动
因素对森林生物量变化的 VIP 值降低,而自然因素
对森林生物量变化的 VIP值逐渐增强并超过人为因
素.由此可见,目前人类活动对长白山林区森林生物
量变化的影响力已经小于森林生物量的自然生长能
力,说明国家对林区的森林保护政策已经起到了明
显的效果.因此,要想使该区域森林生物量能继续提
高并且最终保持稳定,还需要对林区实施相应的保
护措施.
本文定量分析了自然因素和人为因素对森林生
物量变化影响的重要程度,与已有的相关研究[16-17]
相比,拓宽了森林生物量变化驱动分析内容,引入了
VIP值,对森林生物量的变化驱动因子所起的作用
程度进行了定量刻画,为定量分析森林生物量的变
化提供了一条新的途径. 同时能更准确地掌握森林
生物量变化的主要原因,为区域森林资源可持续发
展的规划和森林保护经营措施的制定提供依据.
参考文献
[1]摇 Liu G鄄W (刘广文). Forests and carbon cycle. Modern
Agricultural Science and Technology (现代农业科技),
2007(19): 219-220 (in Chinese)
[2]摇 Xu D鄄P (许等平), Li H (李 摇 晖), Zhi C鄄G (智长
贵), et al. Study on forest biomass estimation method
based on CEBERS鄄WFI remote sensing data. Forest Re鄄
sources Management (林业资源管理), 2010(3): 104
-109 (in Chinese)
[3] 摇 Zhao S鄄D (赵士洞), Wang Y鄄X (汪业勖). Forests
and carbon circulation. Impact of Science on Society (科
学对社会的影响), 2001(3): 38-41 (in Chinese)
[4]摇 Brown S, Sathaye J, Canell M, et al. Mitigation of car鄄
bon emissions to the atmosphere by forest management.
Commonwealth Forestry Review, 1996, 75: 80 - 91,
109, 111-112
[5]摇 Dong JR, Kaufmann RK, Myneni RB, et al. Remote
sensing estimates of boreal and temperate forest woody
biomass: Carbon pools, sources, and sinks. Remote
Sensing of Environment, 2003, 84: 393-410
[6]摇 Hame T, Salli A, Andersson K, et al. A new methodol鄄
ogy for the estimation of biomass of conifer鄄dominated
boreal forest using NOAA AVHRR data. International
Journal of Remote Sensing, 1997, 18: 3211-3243
[7]摇 Guo Z鄄H (郭志华), Peng S鄄L (彭少麟), Wang B鄄S
(王伯荪). Estimating forest biomass in western Guang鄄
dong using Landsat TM data. Acta Ecologica Sinica (生
态学报), 2002, 22(11): 1832-1839 (in Chinese)
[8]摇 Guo Q鄄X (国庆喜), Zhang F (张摇 锋). Estimation of
forest biomass based on remote sensing. Journal of
Northeast Forestry University (东北林业大学学报),
2003, 31(2): 13-16 (in Chinese)
[9]摇 Ma W (马摇 炜), Sun Y鄄J (孙玉军). Forest biomass
in China. World Forestry Research (世界林业研究),
2009, 22(5): 71-76 (in Chinese)
[10]摇 Saatchi SS, Houghton RA, Dos SantosAlvala RC, et al.
Distribution of aboveground live biomass in the Amazon
basin. Global Change Biology, 2007, 13: 816-837
[11]摇 Liu W鄄D (刘万德), Zang R鄄G (臧润国), Ding Y
(丁 摇 易). Three low鄄elevation tropical forest biomass
variation in Hainan Island. Journal of Natural Resources
(自然资源学报), 2009, 24(7): 212-222 ( in Chi鄄
nese)
[12]摇 Zheng X鄄X (郑晓翾), Zhao J鄄M (赵家明), Zhang Y鄄
G (张玉刚), et al. Variation of grassland biomass and
151 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 杨金明等: 长白山林区森林生物量变化定量驱动分析摇 摇 摇 摇 摇
its relationships with environmental factors in Hulun鄄
beier, Inner Mongolia, China. China Journal of Ecology
(生态学杂志), 2007, 26(4): 533-538 (in Chinese)
[13]摇 Houghton RA. Aboveground forest biomass and the glob鄄
al carbon balance. Global Change Biology, 2005, 11:
945-958
[14]摇 Whitmore TC. Tropical Rain Forests of the Far East.
2nd Ed. Oxford: Clarendon Press, 1984: 94-128
[15]摇 Hoshizaki K, Niiyama K, Kimura K, et al. Temporal
and spatial variation of forest biomass in relation to stand
dynamics in a mature, lowland tropical rainforest, Ma鄄
laysia. Ecological Research, 2004, 19: 357-363
[16]摇 Zhang H鄄F (张慧芳). Remotely Sensed Inversion of
Forest Biomass and Its Temporal and Spatial Distribution
Patterns Dynamics in Beijing. Beijing: Beijing Forestry
University, 2008 (in Chinese)
[17]摇 Wang W鄄F (王维芳), Song L鄄N (宋丽楠), Sui X
(隋摇 欣). Estimation of forest biomass and its temporal
and spatial distribution patterns in Maoershan Forest
Farm, Heilongjiang Province. Journal of Northeast For鄄
estry University (东北林业大学学报), 2010, 38(1):
47-49 (in Chinese)
[18]摇 Yuan Z鄄Q (原作强), Li B鄄H (李步杭), Bai X鄄J (白
雪娇), et al. Composition and seasonal dynamics of lit鄄
ter falls in a broad鄄leaved Korean pine (Pinus koraien鄄
sis) mixed forest in Changbai Mountains, Northeast Chi鄄
na. Chinese Journal of Applied Ecology (应用生态学
报), 2010, 21(9): 2171-2178 (in Chinese)
[19]摇 Zhang G鄄C (张国春), Liu Q鄄J (刘琪璟), Xu Q鄄Q
(徐倩倩), et al. Soil nitrogen mineralization and pri鄄
mary productivity in Rhododendron aureum community of
snowpacks in alpine tundra of Changbai Mountain. Chi鄄
nese Journal of Applied Ecology (应用生态学报),
2010, 21(9): 2187-2193 (in Chinese)
[20]摇 Wang Z (王 摇 战), Xu Z鄄B (徐振邦), Li X (李 摇
昕), et al. The main forest types and their features of
community structure in northern slope of Changbai
Mountain. Forest Ecosystem Research (森林生态系统研
究), 1980, 1: 25-42 (in Chinese)
[21]摇 Cheng B鄄R (程伯容), Xu G鄄S (许广山), Ding G鄄F
(丁桂芳), et al. Litterfall and its nutrient content of
dominant types of forest ecosystem in Changbai Moun鄄
tain. Forest Ecosystem Research (森林生态系统研究),
1984, 4: 19-24 (in Chinese)
[22]摇 Hao Z鄄Q (郝占庆), Guo S鄄L (郭水良), Cao T (曹摇
同). Plant Diversity and Distribution Pattern in Chang鄄
bai Mountain. Shenyang: Liaoning Science and Technol鄄
ogy Press, 2002 (in Chinese)
[23]摇 Xue D鄄Y (薛达元). Economic Valuation of Biodiversi鄄
ty: A Case Study on Changbaishan Mountain Bioshphere
Reserve in Notheast China. Beijing: China Environmen鄄
tal Science Press, 1997 (in Chinese)
[24]摇 Tong H鄄J (仝慧杰). Methods of Modeling Forest Bio鄄
mass Based on Remote Sensing Information. Beijing:
Beijing Forestry University, 2007: 36-50 (in Chinese)
[25]摇 Zeng W鄄H (曾文华). Texture Information Extraction in
Remote Sensing Imageries with Gray Level Co鄄occur鄄
rence Matrix and Wavelet Transform. Changchun:
Northeast Normal University, 2006: 10 - 29 ( in Chi鄄
nese)
[26]摇 Zhang Y鄄Y (张元元). The Research on the Remote
Sensing Model for Forest Biomass in Daxingan
Mountains. Haerbin: Northeast Forestry University,
2009: 27-30 (in Chinese)
[27]摇 Lang K鄄J (郎奎建). Linear consociation equation set
model of forest ecological benefits. Chinese Journal of
Applied Ecology (应用生态学报), 2004, 15 (8):
1323-1328 (in Chinese)
[28]摇 Li Y (李摇 勇), Shang G鄄J (商广娟). Legislative re鄄
strictions on the second line of linear equations model of
identification and parameter estimation. Journal of Bei鄄
jing Normal University (Natural Science) (北京师范大
学学报·自然科学版), 1999, 35(4): 447-454 ( in
Chinese)
[29]摇 Wang H鄄W (王惠文), Wu Z鄄B (吴载斌), Meng J
(孟 摇 洁). Partial Least鄄Squares Regression: Linear
and Nonlinear Methods. Beijing: National Defence In鄄
dustry Press, 2006 (in Chinese)
[30]摇 Lindberg W, Persson JA, Wold S. Partial least鄄squares
method for spectrofluorimetric analysis of mixtures of hu鄄
mic acid and ligninsulfonate. Analytical Chemistry,
1983, 55: 643-648
[31]摇 Malthouse EC, Thmhane AC, Mah RSH. Nonlinear par鄄
tial least squares. Computers and Chemical Engineering,
1997, 21: 875-890
作者简介摇 杨金明,男,1986 年生,硕士研究生.主要从事林
业遥感与地理信息系统研究. E鄄mail: jinming0221@ 163. com
责任编辑摇 李凤琴
25 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 22 卷