免费文献传递   相关文献

Geostatistical Analysis of Pinus tabulaeformis Population Spatial Patterns Based on Large Plots

基于大样地油松种群的地统计学分析



全 文 :植物科学学报  2015ꎬ 33(2): 158~164
Plant Science Journal
    DOI:10􀆰 11913 / PSJ􀆰 2095-0837􀆰 2015􀆰 20158
基于大样地油松种群的地统计学分析
李 颖1ꎬ 张 婕2ꎬ 郭东罡3∗ꎬ 上官铁梁3
(1􀆰 山西大学黄土高原研究所ꎬ 山西太原 030006ꎻ 2􀆰 山西大学生命科学学院ꎬ 山西太原 030006ꎻ
3􀆰 山西大学环境与资源学院ꎬ 山西太原 030006)
摘  要: 在对山西省灵空山国家级自然保护区 4 hm2 样地内油松种群调查的基础上ꎬ 采用地统计学的半方差分
析法对油松种群的空间分布格局进行了研究ꎬ 并用克里金插值法绘制了不同径级油松种群胸径的等值线图ꎮ 结
果表明: 油松种群径级Ⅰ、 Ⅲ、 Ⅳ的最优半方差拟合模型均为指数模型ꎬ 径级Ⅱ的最优拟合模型为球状模型ꎬ
说明 4个径级都为聚集分布且均为中等的空间相关性ꎻ 油松种群径级Ⅰ、 Ⅱ、 Ⅲ、 Ⅳ的空间自相关范围分别为
23􀆰4、 15􀆰2、 11􀆰1、 24􀆰 9 mꎬ 分维数大小依次为径级Ⅱ(1􀆰999) >径级Ⅲ(1􀆰995) >径级Ⅳ(1􀆰973) >径级Ⅰ
(1􀆰969)ꎮ 以树高为变量作半方差分析的结果与以胸径作为变量的分析结果基本一致ꎬ 且以树高为变量进行的类
似分析也进一步证实了该结果的准确性ꎮ 利用 Surfer软件绘制的 Kriging图直观反映了油松种群空间分布的斑块
聚集效果ꎬ 即油松种群空间格局纹理图ꎮ 本文利用地统计学的半方差分析法和 Kriging插值方法相结合弥补了传
统格局分析方法的不足ꎬ 能精确直观地反映出油松种群个体的空间分布、 斑块的聚集效果等ꎬ 可为植物空间分
布格局的分析提供有效的研究方法ꎮ
关键词: 油松ꎻ 种群ꎻ 半方差ꎻ 分布格局ꎻ 灵空山
中图分类号: Q948􀆰15          文献标识码: A          文章编号: 2095 ̄0837(2015)02 ̄0158 ̄07
      收稿日期: 2014 ̄07 ̄29ꎬ 退修日期: 2014 ̄09 ̄10ꎮ
  基金项目: 国家自然科学基金项目(31400358)ꎮ
  作者简介: 李颖(1988-)ꎬ 女ꎬ 硕士ꎬ 研究方向为数量生态学(E ̄mail: lyzd3680@126􀆰 com)ꎮ
  ∗通讯作者(Author for correspondence􀆰 E ̄mail: gdghjkx@126􀆰 com)ꎮ
Geostatistical Analysis of Pinus tabulaeformis Population
Spatial Patterns Based on Large Plots
LI Ying1ꎬ ZHANG Jie2ꎬ GUO Dong ̄Gang3∗ꎬ SHANGGUAN Tie ̄Liang3
(1. Institute of Loess Plateau of Shanxi Universityꎬ Taiyuanꎬ Shanxi 030006ꎬ Chinaꎻ 2. College of Life Science of Shanxi Universityꎬ Taiyuanꎬ
Shanxi 030006ꎬ Chinaꎻ 3. College of Environmental and Resource Sciences of Shanxi Universityꎬ Taiyuanꎬ Shanxi 030006ꎬ China)
Abstract: The distribution patterns of the Pinus tabulaeformis population in the National Nature
Reserve of Lingkong Mountain in Shanxi Province were studied using geostatistics. According
to the data of 4 hm2 sample plotsꎬ the semivariances of the P. tabulaeformis diameter grades
were calculatedꎬ semivariogram models were simulatedꎬ and Kriging interpolation was
performed to draw Kriging maps showing different diameter grades. Results showed that the
semivariograms of diameter gradesⅠꎬ Ⅲ and Ⅳ well fit the exponential modelꎬ while diameter
grade Ⅱ fit the spherical modelꎬ suggesting aggregated spatial distribution patterns in all four
diameter grades. In additionꎬ all diameter grades exhibited medium spatial correlation with the
range of spatial autocorrelation of 23􀆰 4 mꎬ 15􀆰 2 mꎬ 11􀆰 1 m and 24􀆰 9 mꎬ respectivelyꎬ and
the fractal dimensions were ranked as: diameter grade Ⅱ ( 1􀆰 999) > diameter grade Ⅲ
(1􀆰 995) > diameter grade Ⅳ (1􀆰 973) > diameter grade Ⅰ (1􀆰 969) . The semivariances of
height were basically the same as the semivariances of diameter at breast height (DBH)ꎬ
which further verified the accuracy of our analysis. The Kriging map drawn by the Surfer
software demonstrated the patch aggregation of the P. tabulaeformis population. The
semivariance analysis and Kriging interpolation methods filled the loopholes of traditional
population spatial distribution analysesꎬ and were advantageous in revealing the changes in
spatial pattern and aggregate intensity for more precise studies of plant patterns in the
landscape.
Key words: Pinus tabulaeformisꎻ Populationꎻ Semivarianceꎻ Spatial patternꎻ Lingkong Moun ̄
tain
    植物种群空间格局及其变化规律是植物种群生
态学研究的核心问题之一ꎬ 经典数量生态学方法已
广泛用于植物群落的分类和排序、 植物种群的空间
格局分析ꎬ 是研究种群空间格局和变异的有效方
法[1-4]ꎮ 传统种群格局研究的取样是以随机变量为
基础ꎬ 强调用种群的概率分布描述种群格局变化ꎬ
并将种群的分布格局划分为随机分布、 均匀分布和
集群分布三个类型ꎮ 然而ꎬ 植物种群的分布格局与
空间尺度变化和环境异质性并非随机变量ꎬ 而是区
域化变量ꎮ 它是随机变量与空间位置的随机函数ꎬ
从这个意义上来说ꎬ 传统种群格局的研究对空间尺
度、 空间异质性与格局过程之间的相互作用没有引
起足够的重视ꎮ 地统计学是法国著名统计学家 G.
Matheron 在大量理论研究的基础上提出的一门新
的统计学分支[5]ꎬ 是空间格局分析的一种新方法ꎮ
自 20世纪 80 年代地统计学被引入种群生态学研
究以来ꎬ 采用地统计学对植物种群格局进行分析的
报道不断出现[6-9]ꎮ 油松(Pinus tabulaeformis)具
有耐干旱、 耐瘠薄的特点ꎬ 是我国暖温带落叶阔叶
林区域的代表性树种ꎬ 也是暖温性针叶林主要的建
群种ꎮ 灵空山国家级自然保护区是我国油松的集中
分布区和优良种源区ꎬ 目前对油松种群的研究主要
集中在油松林的群落特征[10-12]、 油松种群的空间
结构[13-17]、 优势种生态位[18ꎬ19]等方面ꎬ 且都是基
于经典数量生态学方法ꎮ 关于应用地统计学对油松
种群空间格局和变化规律的研究还未见报道ꎬ 为了
更好地解释油松种群与环境因子的空间格局和变化
关系、 揭示油松种群空间分布格局与空间异质性的
关系ꎬ 我们在对山西省灵空山国家级自然保护区
4 hm2样地内油松种群进行调查的基础上ꎬ 运用地
统计学的半方差分析、 空间插值和克里金制图相
结合的方法ꎬ 对油松种群的空间分布格局进行了
研究ꎮ
1  研究区域概况
山西省灵空山国家级自然保护区(36°33′28″~
36°42′52″ Nꎬ 111°59′27″ ~112°07′48″ E)位于山
西省沁源县境内ꎬ 属太行山的太岳山支脉ꎮ 地势北
高南低ꎬ 海拔 1583~1660 mꎬ 属暖温带大陆性季
风气候ꎬ 年均温 6􀆰 2℃ꎬ 无霜期 145 d 左右ꎻ 年均
降水量 662 mmꎬ 主要集中在 7- 9 月ꎬ 占全年降
水量的 74􀆰8%ꎻ ≥10℃的年积温为 3000℃ꎬ 年均
日照 2600 hꎮ 研究区土壤为石灰岩母岩上发育而
成的山地褐土、 山地淋溶褐土和山地棕壤ꎮ 在中国
植被区划中[20]ꎬ 灵空山属温带落叶阔叶林地带ꎬ
主要植物群落有辽东栎(Quercus wutaishanica)
林、 山杨(Populus davidiana)林、 野核桃 ( Jug ̄
lans cathayensis)林、 油松 +辽东栎林、 油松林、
黄刺玫(Rosa xanthina)灌丛和白羊草(Bothrioch ̄
loa ischaemum)草丛等ꎮ 在研究区域典型的天然
林(油松 +辽东栎)地段设置调查样地ꎬ 其群落中
油松密度为 677株 / hm2ꎬ 平均株高为 5􀆰78 mꎮ
2  研究方法
2􀆰 1  野外调查
参照 CTFS (Center for Tropical Forest Scie ̄
nce)样地建设技术规范ꎬ 用全站仪将 4 hm2 样地
分成 400个 10 m×10 m的样方ꎬ 并以 4 hm2 样地
的西南角为坐标原点ꎬ 顺序排列 10 m ×10 m样方
的行、 列号作为水泥角桩的编号ꎬ 采用 GPS
(Global Position System)测量其经纬度和海拔高
度ꎬ 计算样地内每个基点的相对海拔高度ꎬ 绘制等
高线地形图(图 1)ꎮ
调查并记录 10 m ×10 m样方中油松个体的坐
标、 胸径(株高小于 1􀆰 3 m 的油松测量其基径)、
高度及多度等ꎻ 调查 4 hm2 样地内油松的群落学特
951  第 2期                          李 颖等: 基于大样地油松种群的地统计学分析
200
200
150
150
100
100
50
50
0
0
1650
1620
1640
1630
1610
1610
1590
1590 1600
!
(
)
W
id
th
m
" ( )Length m
N
图 1  灵空山样地地形图
Fig􀆰 1  Topography map of the Lingkong Mountain plot
征ꎬ 如群落类型及主要种类组成、 盖度、 多度等ꎮ
2􀆰 2  半方差分析
通过计算不同径级油松种群胸径的半方差函数
(semivariogram) [6-9ꎬ21-25]、 拟合半方差函数模型、
分析半方差函数结构来描述油松种群的空间分布格
局ꎮ 半方差分析的理论模型如图 2所示ꎮ
    用地统计学软件 GS ̄Plus (Gamma Design
Softwareꎬ Plainwellꎬ M) 进行半方差函数拟合
γ(h)的理论模型并进行参数计算ꎻ 利用 Surfer
8􀆰 0进行 Kriging 无偏最优内插法插值ꎬ 绘制油松
种群空间分布的等值线图ꎮ
3  结果与分析
3􀆰 1  油松种群径级结构
根据实测数据并参考以往研究的径级划分方
C C+ 0
C0
a h
γ ( )h
    C0: 块金值ꎻ C0+ C: 基台值ꎻ a: 变程ꎮ
    C0: Nuggetꎻ C0+ C: Sillꎻ a: Range.
图 2  半方差函数理论模型
Fig􀆰 2  Theoretical semivariogram model
法[26-28]ꎬ 将研究样地的油松种群划分为 4个径级:
DBH < 5 cm为径级Ⅰ(包括树高小于 1􀆰 3 m 的油
松和树高大于 1􀆰 3 m 且 DBH < 5 cm 的油松)、
5 cm ≤ DBH <10 cm为径级Ⅱ、 10 cm≤ DBH <
30 cm 为径级Ⅲ、 DBH ≥ 30 cm 为径级Ⅳꎮ 在
4 hm2 样地内共记录油松种群径级Ⅰ、 Ⅱ、 Ⅲ、 Ⅳ
的总个体数为 2707 株(图 3)ꎬ 其中ꎬ 径级Ⅰ的油
松个体数量较多ꎬ 共有 1323 株ꎬ 占油松种群总个
体数的 48􀆰88%ꎻ 径级Ⅱ、 Ⅲ和Ⅳ的油松个体数量
分别为 528株、 621株和 235株ꎬ 占油松种群总个
体数的 19􀆰50%、 22􀆰94%、 8􀆰68%ꎻ 径级Ⅰ、 Ⅱ的
数量共占油松总个体数的 68􀆰38%ꎬ 表明径级Ⅰ和
径级Ⅱ的油松是灵空山国家级自然保护区 4 hm2
样地内油松种群的重要组成部分ꎬ 属增长型种群ꎮ
800
600
400
200
0
0 10 20 30 40 50
!" ( )DBH cm
#
$
(
)
Su
m
N
o.
图 3  油松种群的径级结构
Fig􀆰 3  Size ̄class distribution of Pinus
tabulaeformis population
3􀆰 2  不同径级油松种群的半方差分析
不同径级油松种群的半方差函数模型参数和种
群分布型见表 1ꎮ 由于半方差随间距增大到一定数
值时会变得不稳定ꎬ 通常设定有效距为样地最大间
距的一半[8]ꎬ 并据此条件绘制不同径级油松种群
的半方差函数曲线图(图 4)和 Kriging 图ꎮ 4 个径
级的半方差值均是在小间隔距离范围内有较低的变
异函数值ꎬ 表现出同质性ꎻ 但随着间隔距离的加大
半方差函数值也增大ꎬ 表现出异质性ꎬ 并逐渐趋向
平稳(图 4)ꎮ
061 植 物 科 学 学 报 第 33卷 
表 1  不同径级油松种群空间分布的半方差函数参数及分布型
Table 1  Distribution type and semivariogram parameters of the Pinus tabulaeformis
population at different diameter grades
径级
Diameter
grade
模型
Modeling
块金值 C0
Nugget
基台值 C0+C
Sill
变程 a
Range (m)
块金效应
C0 / C0+C(%)
Nugget effect
相关系数 R 2
Correlation
coefficient
残差 RSS
Residual error
分布型
Distribution
type
Ⅰ级 指数 Exponential 0.308 0.988 23.4 31.2 0.801 2.613E ̄03 聚集分布
Ⅱ级 球状 Spherical 0.272 0.988 15.2 27.5 0.149 2.993E ̄03 聚集分布
Ⅲ级 指数 Exponential 0.306 0.976 11.1 31.4 0.121 1.232E ̄03 聚集分布
Ⅳ级 指数 Exponential 0.321 1.081 24.9 29.7 0.429 0.0186 聚集分布
0.000
0.263
0.525
0.788
1.050
0.00 35.00 70.00 105.00 140.00
0.000
0.263
0.525
0.788
1.050
0.00 35.00 70.00 105.00 140.00
0.000
0.263
0.525
0.788
1.050
0.00 35.00 70.00 105.00 140.00
0.000
0.287
0.573
0.860
1.146
0.00 35.00 70.00 105.00 140.00
!"Ⅰ
ⅠDiameter grade
!"Ⅱ
ⅡDiameter grade
!"Ⅲ
ⅢDiameter grade
!"Ⅳ
ⅣDiameter grade
Separation distance
Separation distance
Separation distance
Separation distance
Se
m
iv
an
ia
nc
e
Se
m
iv
an
ia
nc
e
Se
m
iv
an
ia
nc
e
Se
m
iv
an
ia
nc
e

(
)
*
+
,
γ
-./01234 h( )
图 4  不同径级油松种群的半方差函数曲线图
Fig􀆰 4  Semivariograms for the Pinus tabulaeformis population at different diameter grades
    由表 1可见ꎬ 油松种群各径级的块金值(C0)
变化较小ꎬ 均在 0~1 之间ꎬ 径级Ⅰ、 Ⅱ、 Ⅲ、 Ⅳ
的 C0 分别为 0􀆰308、 0􀆰272、 0􀆰306、 0􀆰321ꎬ 说明
随机部分对异质性的影响可以不予考虑ꎮ 径级Ⅰ和
Ⅳ的块金值小于径级Ⅱ、 Ⅲꎬ 表明径级Ⅰ和Ⅳ的油
松个体随机部分的异质性较小ꎮ
在 4 个径级中ꎬ 径级Ⅳ的基台值(C0 +C)最
大ꎬ 表明径级Ⅳ油松种群的空间异质强度高于径级
Ⅰ、 Ⅱ、 Ⅲꎮ 4 个径级的块金效应值 (C0 / (C0 +
C))均在 25%~75%之间ꎬ 说明油松种群各径级均
为中等空间相关性ꎮ 径级Ⅱ、 Ⅳ的块金效应值小于
径级Ⅰ、 Ⅲꎬ 表明在小尺度上径级Ⅱ、 Ⅳ空间变异
主要是由空间自相关引起的ꎬ 而随机性因素对种群
空间变异的影响较小ꎮ
由表 1还可见ꎬ 径级Ⅰ、 Ⅲ和Ⅳ的最优半方差
拟合模型均为指数模型ꎬ 径级Ⅱ为球状模型ꎻ 径级
Ⅰ模型拟合的相关系数 R 2最高(0􀆰801)ꎬ 径级Ⅳ
次之(0􀆰429)ꎬ 径级Ⅱ和Ⅲ的相关系数则较低ꎬ 分
别为 0􀆰149和 0􀆰121ꎮ 这表明径级Ⅰ和径级Ⅳ的指
数模型拟合效果较好ꎻ 而径级Ⅱ和径级Ⅲ的模型拟
合效果较差ꎬ 其相关系数 R 2均小于 0􀆰2ꎮ
指数模型的自相关范围是模型参数 3aꎬ 球状
模型的自相关范围是模型参数 aꎮ 从不同径级油松
种群的半方差函数曲线图(图 4)可以看出ꎬ 径级
Ⅰ、 Ⅳ的变程较大ꎬ 说明径级Ⅰ、 Ⅳ的自相关范围
大于径级Ⅱ、 Ⅲꎮ 因此ꎬ 可得出径级Ⅰ、 Ⅱ、 Ⅲ、
Ⅳ的空间自相关范围即聚集斑块的最大半径分别为
23􀆰4、 15􀆰2、 11􀆰1、 24􀆰9 mꎬ 换算成面积分别为
161  第 2期                          李 颖等: 基于大样地油松种群的地统计学分析
1719􀆰3、 725􀆰5、 386􀆰9、 1946􀆰8 m2ꎮ 从整个样地
来讲ꎬ 各个径级在样地内呈聚集状态生长ꎮ
3􀆰 3  分维数分析
在半方差函数分析的基础上ꎬ 对径级Ⅰ、 Ⅱ、
Ⅲ、 Ⅳ的分维数进行了计算(表 2)ꎮ 径级Ⅰ和径级
Ⅳ具有较好的分形特征ꎬ 存在尺度上的依赖性ꎮ 各
径级的分维数差异较小ꎬ 均趋近于 2(表 2)ꎬ 其大
小依次为径级Ⅱ(1􀆰999)>径级Ⅲ(1􀆰995)>径级Ⅳ
(1􀆰973) >径级Ⅰ(1􀆰969)ꎮ 随着分维数的递减ꎬ
空间分布格局对尺度的依赖性下降ꎬ 即径级Ⅱ油松
种群的空间分布格局对尺度依赖最大ꎬ 依赖于尺度
的变异最小ꎬ 空间分布结构最复杂ꎬ 而径级Ⅰ的空
间分布格局最简单ꎮ
表 2  不同径级油松种群的分维数
Table 2  Fractal dimension of the Pinus tabulaeformis
population at different diameter grades
径级
Diameter grade
径级Ⅰ
Diameter
grade Ⅰ
径级Ⅱ
Diameter
grade Ⅱ
径级Ⅲ
Diameter
grade Ⅲ
径级Ⅳ
Diameter
grade Ⅳ
分维数值
Fractal dimension
1.969
(0.801)
1.999
(0.149)
1.995
(0.121)
1.973
(0.429)
  注: 括号中的数据代表相关系数 R 2ꎮ
  Note: Data in parentheses represent correlation coefficient of R2 .
3􀆰 4  油松种群格局的 Kriging分析
参照半方差函数模型参数(表 1)ꎬ 利用 Surfer
软件的 Kriging 最优内插法[29]进行插值ꎬ 将点状
数据转换为面状数据ꎬ 绘制了 4 hm2 样地内 4 个
径级油松种群的空间分布等值线图(图 5)ꎮ
0 20 40 60 80 100 120 140 160 180 200
0
20
40
60
80
100
120
140
160
180
200
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
0 20 40 60 80 100 120 140 160 180 200
0
20
40
60
80
100
120
140
160
180
200
5
5.5
6
6.5
7
7.5
8
8.5
9
9.5
10
0 20 40 60 80 100 120 140 160 180 200
0
20
40
60
80
100
120
140
160
180
200
20
21
22
23
24
25
26
27
28
29
30
0 20 40 60 80 100 120 140 160 180 200
0
20
40
60
80
100
120
140
160
180
200
30
32.4
34.8
37.2
39.6
42
44.4
46.8
49.2
51.6
54
!"Ⅰ Diameter gradeⅠ !"Ⅱ ⅡDiameter grade
!"Ⅲ ⅢDiameter grade !"Ⅳ ⅣDiameter grade
25 2
5
25
25
25
2525
25
25
25
25
25
25
25
25
25
25
25
25 25
2.5
2.
5
2.52.
5
2.5
2.5
2.
52.5
2.5
2.5
2.52.
5
34.8
34.8 34.8
34.8
34.8
34.834
.834.8
34.8
34.8
34
.8
34.8
32.4
32.4
32
.4
32
.4
32
.4
32
.4
32
.4
32.4
32
.4
32
.4
32.4
42
7.
5
7.
5
7.
57.5
7.5
7.5
7.
5
7.
5 7.
5
7.5
7.5
7.5
7.
5
7.5
7.
5
7.
5
7.5 7.
57.5
图 5  不同径级油松种群的 Kriging图
Fig􀆰 5  Kriging map of the Pinus tabulaeformis population at different diameter grades
261 植 物 科 学 学 报 第 33卷 
    等值线图除了能够清晰的反映油松个体的空间
分布外ꎬ 还能更直观地反映空间分布的斑块聚集效
果及研究区域油松种群不同径级的空间变化规律ꎮ
虽然各径级种群的分维数差异不大(表 2)ꎬ 但各径
级种群个体的空间分布却表现出一定的复杂性(图
5)ꎬ 其中尤以径级Ⅱ最为复杂ꎬ 呈明显的斑块分
布特点ꎻ Kriging图是围绕多个中心呈聚集型分布
且从外部到中心ꎬ 多数斑块胸径的大小表现为由小
到大ꎬ 显示出层状聚集的板块镶嵌分布格局ꎮ
4  讨论
研究区山西省灵空山国家级自然保护区的油松
种群属增长型ꎮ 对各径级油松胸径的半方差分析发
现ꎬ 其块金效应值(C0 / (C0+C))均在 25%~75%
之间ꎬ 表明各径级均为中等空间相关性ꎬ 空间变异
主要是由空间自相关引起的ꎬ 而随机性因素对种群
空间变异的影响较小ꎮ 同时我们以树高作为变量进
行半方差分析发现ꎬ 4 个径级均为聚集分布(最优
拟合模型分别为指数、 球状、 球状、 球状模型)ꎻ
块金 效 应 分 析 表 明ꎬ 径 级 Ⅰ ( 32􀆰 8%)、 Ⅲ
(28􀆰 1%)、 Ⅳ(26􀆰 4%)为中等的空间相关性ꎬ 径
级Ⅱ(23􀆰 1%)表现为强的空间相关性ꎬ 说明各径
级的空间变异主要是由空间自相关引起ꎬ 这与以胸
径作为变量的分析结果基本一致ꎮ 对样地内油松的
树高和胸径进行的相关性分析也表明ꎬ 两者呈显著
正相关(R 2 =0􀆰764ꎬ P< 0􀆰01)ꎬ 即以树高作为变
量进行半方差分析也进一步证实了结果的准确性ꎮ
本研究 4 hm2 样地内油松种群各径级呈聚集
分布ꎬ 4个径级聚集斑块的最大半径分别为 23􀆰 4、
15􀆰 2、 11􀆰 1、 24􀆰 9 mꎬ 与前人有关油松种群空间
分布格局为聚集分布的研究结果一致[10ꎬ13-15]ꎮ 通
过 Surfer软件绘制的不同径级油松种群胸径的等
值线图显示(图 5)ꎬ 径级Ⅱ的 Kriging 图最为复
杂ꎮ 事实上ꎬ 油松的果实成熟后大部分集中散落于
母树周围ꎻ 此外ꎬ 动物对种子的影响也不容忽视ꎬ
如啮齿类动物松鼠对松子的收集掩埋ꎬ 使得油松种
子不易向更大空间扩散ꎬ 从而导致径级Ⅰ在空间分
布上的离散和聚集ꎬ 使径级Ⅱ聚集分布形成明显的
斑块ꎮ 同时也有研究证实ꎬ 这是由于更新特性影响
种群的分布格局所致[13ꎬ17]ꎮ 本实验油松种群的 4
个径级(图 1、 图 5)均以样地东部的山脊附近分布
较多ꎬ 这与油松喜光、 耐旱的特性相适应ꎻ 而中南
部沟谷附近的分布则相对较少ꎬ 尤其是径级Ⅲ和Ⅳ
比较明显ꎬ 这是由油松自身特性和环境异质性决定
的ꎮ 油松种子成熟后会随着重力、 风力的作用到达
沟谷ꎬ 沟谷中丰富的腐殖质、 水分等资源为油松种
子萌发和生长创造了优越的条件ꎬ 所以径级Ⅰ和Ⅱ
的种群数量在中南部沟谷附近没有明显减少ꎮ 4 个
径级的生境如此相似ꎬ 主要受光照、 地形等因素的
综合作用ꎬ 空间分布表现出了相似的特点和特有的
规律性ꎮ
孙志虎等[7]研究表明ꎬ 传统的相邻格子法及
数据分析方法仅仅是单一尺度下的格局分析ꎬ 无论
样方大小如何也不能全面反映种群的空间分布格局
特点ꎻ 同样ꎬ 点格局分析方法虽然能够揭示在连续
尺度变化条件下的种群格局强度及其聚集规模ꎬ 但
无法表达种群的空间分布格局纹理ꎮ 地统计学突破
了传统格局分析方法仅能描述空间数量特征的局限
性ꎬ 形成了从空间分析、 误差估计到成图的全面分
析方法ꎬ 它与点格局分析方法类似可以得到样地范
围内不同径级种群最大聚集斑块的半径[7]ꎬ 同时
还能准确表示出个体在空间上的地理位置、 大小和
分布特征等ꎮ 而地统计学与 Kriging 插值方法的结
合ꎬ 则能得到点格局分析方法、 相邻格子法、 最近
邻体法等格局分析方法所不能得到的空间分布格局
的纹理图[7](图 5)ꎮ 综上ꎬ 地统计学和 Kriging 插
值方法相结合能够精确而直观地反映出个体的空间
分布、 斑块的聚集效果和格局分布纹理图等ꎬ 可为
植物空间分布格局的分析提供有效的研究方法ꎮ
参考文献:
[ 1 ]   李先琨ꎬ苏宗明ꎬ向悟生ꎬ宁世江ꎬ唐润琴ꎬ欧祖兰ꎬ
李瑞棠. 濒危植物元宝山冷杉种群结构与分布格局
[J] . 生态学报ꎬ 2002ꎬ 22(12): 2246-2253.
[ 2 ]   李思文ꎬ 张连翔ꎬ 隋国新. 油松种群自然更新格局的
研究[J] . 生态学杂志ꎬ 1991ꎬ 10(4): 14-17.
[ 3 ]   苏志尧ꎬ 吴大荣ꎬ 陈北光. 粤北天然林优势种群结构
与空间格局动态[J] . 应用生态学报ꎬ 2000ꎬ 11(3):
337-341.
[ 4 ]   周元满ꎬ 黄剑坚ꎬ 韩维栋ꎬ 杨淑贞. 天然红海榄种群
分布格局研究[J] . 广西植物ꎬ 2013ꎬ 33(4): 496-
501.
361  第 2期                          李 颖等: 基于大样地油松种群的地统计学分析
[ 5 ]   Perry JNꎬ Liebhold AMꎬ Rosenberg MSꎬ Dungan
Jꎬ Miriti Mꎬ Jakomulska Aꎬ Citron ̄Pousty S. Illus ̄
trations and guidelines for selecting statistical
methods for quantifying spatial pattern in ecologi ̄
cal data[J] . Ecographyꎬ 2002ꎬ 25(5): 578-600.
[ 6 ]   王晓春ꎬ 韩士杰ꎬ 邹春静ꎬ 周晓峰. 长白山岳桦种群
格局的地统计学分析[J] . 应用生态学报ꎬ 2002ꎬ 13
(7): 781-784.
[ 7 ]   孙志虎ꎬ 张彦东. 长白落叶松人工林天然更新幼苗分
布格局及其研究方法的比较[ J] . 生物数学学报ꎬ
2009ꎬ 24(3): 556-566.
[ 8 ]   张刚华ꎬ 聂洁珠ꎬ 萧江华. 毛竹种群空间格局的地统
计学分析[J] . 中国农学通报ꎬ 2007ꎬ 23(12): 136-
141.
[ 9 ]   李哈滨ꎬ 王政权ꎬ 王庆成. 空间异质性定量研究理论
与方法[J] . 应用生态学报ꎬ 1998ꎬ 9(6): 651-657.
[10]   崔长美ꎬ 王孝安ꎬ 郭华ꎬ 李伟. 子午岭林区天然油松
林的种群结构与动态[J] . 干旱区研究ꎬ 2011ꎬ 28
(1): 111-117.
[11]   赵琦ꎬ 韩海荣ꎬ 康峰峰. 山西太岳山油松人工林群落
结构研究[J] . 四川林业科技ꎬ 2012ꎬ 33(3): 37-
40.
[12]   郭微ꎬ 上官铁粱ꎬ 王志明ꎬ 李润强. 灵空山油松种群
年龄结构与动态分析[J] . 植物科学学报ꎬ 2013ꎬ 31
(2): 130-135.
[13]   张笑菁ꎬ 赵秀海ꎬ 康峰峰ꎬ 王娟ꎬ 贺自书ꎬ 马钦彦ꎬ
卢文敏ꎬ药占文. 太岳山油松天然林林木的空间格局
[J] . 生态学报ꎬ 2010ꎬ 30(18): 4821-4827.
[14]   苏薇ꎬ 岳永杰ꎬ 余新晓. 北京山区油松天然林的空间
结构分析[J] . 灌溉排水学报ꎬ 2009ꎬ 28(1): 113-
116.
[15]   张赟ꎬ 张春雨ꎬ 赵秀海. 内蒙古黑里河天然油松林主
要树种的空间分布格局[J] . 西北植物学报ꎬ 2009ꎬ
29(1): 167-173.
[16]   牛丽丽ꎬ 余新晓ꎬ 岳永杰. 北京松山自然保护区天然
油松林不同龄级立木的空间点格局[J] . 应用生态学
报ꎬ 2008ꎬ 19(7): 1414-1418.
[17]   张赟ꎬ 赵秀海ꎬ 张春雨. 华北油松林油松种群的空间
分布格局[J] . 东北林业大学学报ꎬ 2009ꎬ 37(11):
43-51.
[18]   柴宗政ꎬ 王得祥ꎬ 张丽楠ꎬ 张洋ꎬ 黄青平ꎬ 吴昊. 秦
岭山地天然油松群落主要植物种群生态位特征[J] .
生态学杂志ꎬ 2012ꎬ 31(8): 1917-1923.
[19]   巨天珍ꎬ 张彦文ꎬ 葛建团ꎬ 张宋智ꎬ 宋晓伟ꎬ 师贺
雄ꎬ 米彩艳. 小陇山国家级自然保护区油松群落生态
位研究[J]. 干旱区资源与环境ꎬ 2013ꎬ 27(4): 171-
175.
[20]   中国科学院植物研究所. 中国植被区划[M] . 北京:
科学出版社ꎬ 1960.
[21]   Lamsal Sꎬ Rizzo DMꎬ Meentemeyer RK. Spatial
variation and prediction of forest biomass in a hete ̄
rogeneous landscape[ J] . Forest Resꎬ 2012ꎬ 23
(1): 13-22.
[22]   蔡博峰ꎬ 于嵘. 景观生态学中的尺度分析方法[J] .
生态学报ꎬ 2008ꎬ 28(5): 2279-2287.
[23]   吕一河ꎬ 傅伯杰. 生态学中的尺度及尺度转换方法
[J] . 生态学报ꎬ 2001ꎬ 21(12): 2096-2105.
[24]   王政权. 地统计学及在生态学中的应用[M] . 北京:
科学出版社ꎬ 1999: 65-193.
[25]   Akhavan Rꎬ Sagheb ̄Talebi KHꎬ Zenner EKꎬ Safa ̄
vimanesh F. Spatial patterns in different forest de ̄
velopment stages of an intact old ̄growth Oriental
beech forest in the Caspian region of Iran[J] . Eur
J Forest Resꎬ 2012ꎬ 131(5): 1355-1366.
[26]   郝占庆ꎬ 李步杭ꎬ 张健ꎬ 王绪高ꎬ 叶吉ꎬ 姚晓琳. 长
白山阔叶红松林样地(CBS): 群落组成与结构[J] .
植物生态学报ꎬ 2008ꎬ 32(2): 238-250.
[27]   叶万辉ꎬ 曹洪麟ꎬ 黄忠良ꎬ 练琚愉ꎬ 王志高ꎬ 李林ꎬ
魏识广ꎬ 王章明. 鼎湖山南亚热带常绿阔叶林 20 公
顷样地群落特征研究[J] . 植物生态学报ꎬ 2008ꎬ 32
(2): 274-286.
[28]   祝燕ꎬ 赵谷风ꎬ 张俪文ꎬ 沈国春ꎬ 米湘成ꎬ 任海保ꎬ
于明坚ꎬ 陈建华ꎬ 陈声文ꎬ 方腾ꎬ 马克平. 古田山中
亚热带常绿阔叶林动态监测样地—群落组成与结构
[J] . 植物生态学报ꎬ 2008ꎬ 32(2): 262-273.
[29]   张义辉. 亚高山草甸土壤呼吸的时空变异特征研究
[D] . 太原: 山西大学ꎬ 2010: 27-41.
(责任编辑: 刘艳玲)
461 植 物 科 学 学 报 第 33卷