基于SPSS、Geog-Detector和BRT模型的厦门市森林碳储量影响因子研究

摘要

本文利用1996年和2006年两期森林资源规划设计调查数据，通过生物量转换因子连续函数法求得厦门城市森林小班碳储量，利用Arcgis10.2等空间分析手段将小班调查数据、林相图、气象数据和人口数据关联，所有数据都贮存在矢量化图形中，提取点数据。采用SPSS相关分析和多元线性回归分析、地理回归探测(Geographical Detector)法和增强回归树法(Boosting Regression Tree)分别分析林分结构因素(胸径、年龄、林分密度)、土壤因素(腐殖质层厚度、土层厚度、立地质量)、地貌因素(海拔、坡度、坡向、坡位)、气象因素(林表温度、降水量)和人类活动因素(人口密度、林权、林种、起源)与小班碳储量之间的关系，判断这五类因子对厦门城市森林植被碳储量的影响程度，进而得出厦门城市森林植被碳储量的驱动机制。
　　(1)1996年厦门市森林覆盖率为50％，通过生物量转换因子连续函数法求得厦门城市森林小班碳储量，将所有森林碳小班储量求和可得到厦门森林总碳储量为1218086.776t，其中幼龄林碳储量比重最低为7.29%，中龄林、近熟林、成熟林、过熟林所占比重依次为51.06%、17.21%、14.19%、10.2%；经过十年变化，2006年森林覆盖率为46%，厦门市总碳储量1120083.604t，略有下降。由于植树造林与树木的逐渐成熟，幼龄林碳储量比例增加到13.57%，中龄林比例为42.86%，近熟林24.29%，成熟林11.76%，过熟林7.52%，十年间近熟林和幼龄林在森林碳汇功能中作用变大，中龄林一直占据重要地位，不同立地条件、起源、海拔、坡向、坡位的碳储量也各不相同。
　　(2)在Spss20.0中文版对数据进行Spearman相关分析，碳储量与各个因子的显著相关系数绝对值的大小的可以判断其相对影响力。1996年数据相关分析，在P<0.05的情况下，显著相关系数绝对值大小依次为胸径(0.698)>林权(0.687)>腐殖质层(0.664)>年龄(0.626)>温度(0.451)>土层厚度(0.341)>起源(0.291)>人口密度(0.217)>降水量(0.128)>林种(0.095)>坡位(0.055)>海拔(0.051)；2006年数据相关分析在在风险率为0.05的情况下，显著相关系数绝对值大小依次为胸径(0.490)>年龄(0.458)>林权(0.387)>腐殖质层(0.355)>人口密度(0.230)>海拔(0.178)>土层厚度(0.145)>温度(0.125)>坡位(0.098)>海拔(0.074)>立地质量(0.070)。然后将因子中的连续变量作为自变量，碳储量作为因变量对两期数据进行多元线性回归分析，得到可以反映碳储量与主要因子关系的回归方程，回归标准系数即可进一步确定主要影响因子及影响程度。
　　(3)地理回归探测(Geographical Detector)法以小班碳储量为因变量，所选16个因子为自变量进行探测，1996年因子探测(Factor Detector)中，16个因子中，决定力值(Power Value)大小依次为胸径(0.429)>林权(0.27)>腐殖质层(0.271)>年龄(0.209)>温度(0.179)>土层厚度(0.174)>林种(0.158)>立地质量(0.090)>林分密度(0.089)>人口密度(0.074)>降水量(0.055)>坡向(0.052)，其他因子决定力较小；2006年的因子探测结果显示16个因子中占据主要影响力的因子依次为林权(0.141)>腐殖质层(0.140)>胸径(0.116)>年龄(0.084)，其余的因子决定力很低。在因子的交互探测中，两个因子是否具有共线性，共线性显著与否也可以从模型分析结果得知；生态探测中，我们可以得知两个因子对碳储量共同作用下是否有影响，影响是否显著；风险探测中，我们可以得知同一因子的不同水平情况下对碳储量变化是否有影响与显著与否。
　　(4)增强回归树法(Boosting Regression Tree)分析结果表明：1996年厦门市城市森林碳储量大小的影响因子中各类因子的贡献率依次为：林分结构因素(55.85%)>地貌因素(12.45%)>气象因素(12.09%)>人类活动因素(9.98%)>土壤因素(9.63%)；2006年数据分析结果为：林分结构因素(41.07%)>地貌因素(22.87%)>土壤因素(16.14%)>人类活动因素(13.07%)>气象因素(7.74%)。1996年的BRT模型中16个变量对碳储量大小的解释度达到86.92%，即R2=0.8692，RMSE=83.82；2006年模型中16个变量对碳储量大小的解释度为79.13%，即R2=0.7913，RMSE=79.89，说明模型结果有效可靠。十年间，林分结构因素是碳储量的主要影响因素，地貌因素次之，气象因素的影响相对变小，人类活动因素和土壤因素的相对贡献增加。
　　将以上三种方法的结果进行对比分析，解释三个模型分析结果的其相似性和差异性，各自的优劣势，最终得到1996-2006十年间影响厦门市森林碳储量的主要因子，并解释主要影响因子变化的现实意义，为我国南亚热带和中亚热带城市森林系统更好地发挥其生态价值指明明确的指标体系，也对生态系统服务价值的定量化和同纬度地带建设生态城市具有指导意义。

目录

封面

声明

目录

中文摘要

英文摘要

1引言

1.1 研究背景

1.2国内外研究进展

1.3研究目的与意义

1.4拟解决关键问题,

1.5创新点

1.6技术路线

2 研究区概况

2.1地理位置

2.2气候条件

2.3土壤条件

2.4地形地貌条件

2.5城市森林概况

2.6城市化、人口、经济发展状况

3 数据来源与预处理

3.1林分结构数据

3.2气象因素数据

3.3地貌因素数据

3.4土壤因素数据

3.5人类活动数据

4 研究方法

4.1小班碳储量计算方法

4.2数据分析方法

5 厦门市森林碳储量变化

5.1厦门市1996年森林碳储量估算结果

5.2厦门市2006年森林碳储量估算结果

6 SPSS相关分析与回归分析结果

6.1 厦门市1996年森林碳储量影响因子分析

6.2厦门市2006年城市森林碳储量影响因子分析

6.3本章讨论与小结

7 基于Geog-Detector模型对于厦门市城市森林碳储量影响因子分析

7.1 Geog-Detector对厦门市1996年森林碳储量的影响因子探测

7.2 Geog-Detector模型对厦门市2006 年森林碳储量的影响因子探测

7.3本章讨论与小结

8基于BRT模型对厦门市城市森林碳储量影响因子分析

8.1 基于BRT模型对于1996 年城市森林碳储量影响因子分析

8.2 基于BRT模型对厦门市2006年城市森林碳储量影响因子分析

8.3 本章讨论与小结

9 总结

9.1基于研究结果对三种数据分析方法优劣势比较

9.2厦门市森林碳储量影响因子研究结论

参考文献

致谢