時 宇，李明陽，楊玉峰，余 超

(南京林業(yè)大學 森林資源與環(huán)境學院，江蘇 南京 210037)

南京紫金山風景林碳密度空間動態(tài)變化分析

時 宇，李明陽，楊玉峰，余 超

(南京林業(yè)大學 森林資源與環(huán)境學院，江蘇 南京 210037)

以南京市東郊紫金山國家森林公園風景林為研究對象，利用1988年、2002年、2006年3期森林資源二類調(diào)查數(shù)據(jù)，采用林木蓄積量－生物量的轉(zhuǎn)換公式，將風景林地上部分蓄積量轉(zhuǎn)換成生物量和碳密度。在此基礎上，對研究區(qū)的碳密度進行趨勢面分析、冷熱點探測、地理加權回歸分析、空間格局分析。研究結(jié)果表明:(1)紫金山碳密度在空間分布上呈現(xiàn)出一種由東西部顯著差異到同心圓狀分布的變化趨勢，1998～2006年，碳密度峰值由西往中，再往中北轉(zhuǎn)移。(2)1998～2006年，紫金山風景林碳密度熱點主要分布在海拔較高，坡度較大，NDVI植被指數(shù)較高，距離道路較遠的地方；冷點反之。(3)2006年紫金山風景林碳密度大小與NDVI植被指數(shù)、海拔、坡度、距道路距離呈正相關。

風景林；碳密度；空間動態(tài)；南京；紫金山

隨著全球經(jīng)濟發(fā)展，大量二氧化碳等溫室氣體被排放，由此導致的氣候變暖逐漸引起人們的關注，目前，氣候變暖已經(jīng)成為十大生態(tài)問題之首。為了緩解這一生態(tài)問題，森林的碳匯作用受到日益增長的重視。據(jù)資料統(tǒng)計，森林作為陸地生態(tài)系統(tǒng)的主體，儲存了1 015 kg有機碳，占整個陸地生態(tài)系統(tǒng)的2/3以上[1]。

森林碳儲量監(jiān)測主要是通過定量分析特定時間段內(nèi)森林碳儲量的變化來實現(xiàn)的，常見方法包括通量觀測法、樣地清查法、模型模擬法及遙感監(jiān)測法等[2]?；谝陨戏椒?，國內(nèi)學者主要采用大尺度來研究森林碳儲量，對小范圍的研究比較少[3-5]?，F(xiàn)在面臨的問題主要有：(1)目前國內(nèi)外對森林碳儲量研究較多，但是針對受人類干擾活動影響比較嚴重的城市風景林碳匯的研究比較少；(2)現(xiàn)有的研究大多集中于國家、區(qū)域中大空間尺度，對景觀尺度的森林碳匯研究較少；(3)在森林碳匯研究中，缺少對碳密度空間分布動態(tài)變化分析，難以揭示碳匯動態(tài)變化的社會、經(jīng)濟驅(qū)動因素。

本文以南京市東郊紫金山為研究對象，利用1988年、2002年、2006年3期森林資源二類調(diào)查數(shù)據(jù)，運用林木蓄積量—生物量的轉(zhuǎn)換公式，將風景林蓄積量轉(zhuǎn)換成生物量，再將其換算成碳儲量，最終計算出碳密度。在此基礎上，對研究區(qū)的碳密度進行空間格局分析，趨勢面分析、冷熱點探測以及地理加權回歸分析。

1 研究區(qū)概況

紫金山位于南京市東郊，地理坐標為 118°48′24″～ 118°53′04″E，32°01′57″～32°16′15″N， 面 積 達 3 008.8 hm2， 最 高 峰 海 拔448.9 m。紫金山地處中緯度，屬于熱帶向暖溫帶過渡氣候；另外，處于海陸交界的地理位置使其降水豐富，四季分明。由于戰(zhàn)爭和病蟲害等原因，紫金山原生植被早已不復存在，目前紫金山主要林分為落葉、常綠闊葉混交林，典型植被包括馬尾松Pinus massoniana、楓香Liquidambar formosana、麻櫟Quercus acutissima等。紫金山周圍及景區(qū)內(nèi)交通發(fā)達，道路縱橫。東部有寧洛高速，西部有龍蟠路，南部有環(huán)陵路，北部有玄武大道；景區(qū)內(nèi)縱橫交錯地分布著通達各個景點的旅游道路，有通往中山植物園的植物園路，通往明孝陵的明陵路，通往靈谷寺的靈谷寺路，通往中山陵的陵園路。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源與預處理

本文所采用的數(shù)據(jù)有紫金山區(qū)域1988年、2002年、2006年森林資源二類調(diào)查數(shù)據(jù)庫、2006年遙感衛(wèi)星QuickBird數(shù)據(jù)包、紫金山數(shù)字高程模型等。根據(jù)3個時期的森林資源二類調(diào)查數(shù)據(jù)，將紫金山劃分成71個林班，600個小班，其主要地類包括針葉林、闊葉林、針闊混交林、農(nóng)田、草地、水域、其他土地(主要是建筑用地)。在此基礎上，結(jié)合景區(qū)地貌特征、林班區(qū)劃界線將森林公園區(qū)劃為生態(tài)核心保護區(qū)、史跡-自然景觀保護區(qū)、景觀游覽區(qū)、生態(tài)修復區(qū)、發(fā)展控制區(qū)5個經(jīng)營單位。2006年遙感衛(wèi)星QuickBird數(shù)據(jù)包，其中全色波段空間分辨率為0.6 m×0.6 m，多光譜波段空間分辨率為2.4 m×2.4 m。根據(jù)紫金山1∶10 000 地形圖制作的數(shù)字高程模型，其分辨率為3.3 m×3.3 m。

根據(jù)以往的研究成果[6-7]，通過蓄積量—生物量模型轉(zhuǎn)換，將3期紫金山風景林蓄積量轉(zhuǎn)換為生物量，再統(tǒng)一乘以轉(zhuǎn)換系數(shù)0.5，把各期紫金山600個小班的生物量轉(zhuǎn)換為碳儲量，然后用碳儲量除以各小班面積[8-9]，計算出碳密度。通過遙感圖像處理軟件ENVI 4.7，進行遙感圖像幾何精校正、輻射校正，以及提取2006年紫金山NDVI植被指數(shù)。通過ArcGIS 9.3 中空間分析工具，生成研究區(qū)域的海拔、坡度、坡向3個柵格圖層；以2006紫金山遙感影像為依據(jù)，跟蹤其主要道路和主要居民點，并使用緩沖區(qū)分析工具生成距道路距離圖層和距居民點距離圖層。在最后生成的空間數(shù)據(jù)庫中，包含森林碳密度、3個地形因子（海拔、坡度、坡向）、1個森林植被因子（NDVI植被指數(shù)）、2人類干擾因子（距道路距離、距居民點距離），合計7個屬性。

2.2 主要研究方法

2.2.1 趨勢面分析

趨勢面分析是擬合數(shù)學面的一種統(tǒng)計方法。具體的方法就是用數(shù)學方法計算出一個數(shù)學曲面來擬合數(shù)據(jù)中的區(qū)域性變化的“趨勢”，這個數(shù)學面叫做趨勢面，方法的過程叫做趨勢面分析，其實質(zhì)是一種曲面擬合的方法[10]。其數(shù)學原理為：

式中，(x，y)為已知樣本點的空間坐標；z為相應的屬性值；a0～a5為多項式系數(shù)；ε為誤差。

2.2.2 空間冷熱點探測

空間冷熱點探測是專門探索和發(fā)現(xiàn)局部空間聚類分布特征的方法。標識出相應空間集聚程度的高值和低值。高值就是問題爆發(fā)點，比如疾病爆發(fā)傳染的核心。冷熱點分析使用Getis-Ord Gi* 統(tǒng)計量（Getis和Ord于1992提出了全局G系數(shù)）。為數(shù)據(jù)集中的每個要素返回的Gi* 統(tǒng)計就是Z值。對于在統(tǒng)計學上的呈顯著性正Z值，也就是Z值越高，高值（熱點）的聚類就越緊密。對于統(tǒng)計學上的呈顯著性負Z值，也就是Z值越低，低值（冷點）的聚類就越緊密。

冷熱點分析為每一個要素計算Z值和P值（概率）。這個Z值和P值代表了要素在局部空間聚類關系上的統(tǒng)計含義，是對空間關系以及分析區(qū)域的概念化。Z值越高與P值越低，說明此要素空間集聚度越高。Z值越低與P值越低說明此要素空間離散度越高。Z值與P值接近零值，Z得分和P值是不拒絕零假設的，說明此要素沒有明顯的空間分布聚類，是完全的空間隨機性。

2.2.3 地理加權回歸

地理加權回歸(Geographically Weighted Regression，簡稱GWR)，由英國Newcastle大學地理統(tǒng)計學家A.S Fortheringham及其同事基于空間變系數(shù)回歸模型并利用局部多項式光滑的思想提出的模型。地理加權回歸模型擴展了傳統(tǒng)的回歸框架，容許局部而不是全局的參數(shù)估計，通過在線性回歸模型中假定回歸系數(shù)是觀測點地理位置的位置函數(shù)，將數(shù)據(jù)的空間特性納入模型中，為分析回歸關系的空間特征創(chuàng)造了條件。

其數(shù)學模型形式為：

其中(yi,xik)為在地理位置(ui,vi)處的因變量y和自變量x的觀測值。ak(ui,vi)為觀測點(ui,vi)處的未知參數(shù)，εi為獨立同分布的隨機誤差,通常假定其服從N(0,σ2)。

3 結(jié)果與分析

3.1 趨勢面分析

趨勢面分析是通過ArcGIS 9.3中的Trend工具來實現(xiàn)的，打開Trend工具，在Input point features中選擇提取出的因變量和自變量文件，字段選擇碳密度，本研究采用3次回歸，回歸類型選擇線性，并重新分為5類，由低到高依次為1級、2級、3級、4級和5級。

圖1 1988年、2002年、2006年研究區(qū)碳密度趨勢Fig.1 Tendency analysis of carbon density in research region from 1988, 2002 to 2006

從圖1中可以明顯發(fā)現(xiàn)，1988年碳密度趨勢呈太極圖形，由東往西逐漸增高，東西部差異顯著，其主要原因是20世紀80年代，松材線蟲、日本松干蚧等外來物種入侵南京紫金山，造成大量林木染病，染病區(qū)域主要分布在紫金山東部，致使1988年碳密度呈現(xiàn)東西部差異較大的分布趨勢。2002年碳密度呈同心圓分布，峰值處于中部，向四周遞減，主要原因在于20世紀90年代開始，政府開始加強紫金山規(guī)劃保護，以及采取部分地區(qū)采取封山育林等措施，尤其針對位于中部大面積的自然林，使紫金山在20年間情況得以改善，林木蓄積大量增長，碳密度也即隨之增長。近些年來，對紫金山旅游資源的開發(fā)，尤其是處于西部的白馬景區(qū)、南部的明孝陵景區(qū)、中山陵景區(qū)和東部的靈谷寺景區(qū)，使得紫金山碳密度分布趨勢略有變化，正如圖中所示，2006年碳密度雖依然呈同心圓分布，但相比于2002年，峰值稍有北移。

3.2 碳密度空間冷熱點分析

碳密度空間冷熱點分析主要是在ArcGIS9.3的操作平臺下實現(xiàn)的。具體做法是通過空間分析模塊中聚集及特例分析工具，生成一個矢量文件，并在原有屬性上增加了3個字段——LMi、LMz、CoType，其中LMi代表各個要素的Moran’s I 值，LMz表示其Z值，而CoType表示空間聚集類型?？臻g冷熱點主要是通過空間聚類分析所得，它主要分為4種——熱點(HH)、冷點(LL)、高值被低值包圍的特例點(HL)、低值被高值包圍的特例點(LH)。將紫金山3期碳密度的熱點、冷點挑選出來，與紫金山景觀生態(tài)規(guī)劃圖疊加，生成了紫金山1988年、2002年、2006年研究區(qū)冷熱點分布圖。

圖2 1988年、2002年、2006年研究區(qū)冷熱點分布Fig.2 Cold/hot spots distribution of carbon density in studied area from 1988, 2002 to 2006

從圖2中可見，1988年熱點主要分布在生態(tài)核心保護區(qū)，所處位置平均海拔151.52 m，1988年熱點所處位置平均坡度23.58°，平均NDVI指數(shù)0.76，距道路平均距離631.71m；冷點主要分布在史跡-自然景觀游覽區(qū)中部，所處位置平均海拔60.59 m，平均坡度9.56°，平均NDVI指數(shù)0.69，距道路平均距離423.36 m。2002年的熱點主要分布在生態(tài)核心保護區(qū)東部，生態(tài)恢復區(qū)西北部，史跡-自然景觀游覽區(qū)西部，熱點所處位置平均海拔76.14 m，平均坡度9.91°，平均NDVI指數(shù)0.82，距道路平均距離703.30 m；而冷點主要分布在景觀游覽區(qū)西部，發(fā)展控制區(qū)東部，史跡-自然景觀游覽區(qū)西部，冷點所處位置平均海拔43.16 m，平均坡度6.39°，平均NDVI指數(shù)0.70，距道路平均距離448.31 m。2007年的熱點主要分布在生態(tài)核心保護區(qū)中部，史跡-自然景觀游覽區(qū)西部，熱點所處位置平均海拔107.43 m，平均坡度13.75°，平均NDVI指數(shù)0.83，距道路平均距離503.37 m；而冷點主要分布在發(fā)展控制區(qū)中北部，景觀游覽區(qū)中部和東部，冷點所處位置平均海拔38.43 m，平均坡度3.78°，平均NDVI指數(shù)0.66，距道路平均距離188.49 m。由此可見，碳密度熱點主要分布在海拔較高，坡度較大，NDVI植被指數(shù)較高，距離道路較遠的地方。另外通過3期比較，冷熱點數(shù)量逐期增長，分布范圍逐步擴散。

3.3 地理加權回歸分析

本研究選擇2006年紫金山碳密度作為因變量，海拔、坡度、坡向、NDVI森林植被指數(shù)、各小班中心點距主要居民點距離、距主要道路距離這6個紫金山碳密度驅(qū)動因子作為自變量進行地理加權回歸。在進行地理加權回歸之前分別對碳密度、自變量進行空間自相關分析、相關分析，以滿足因變量空間相關、自變量獨立的建模要求。結(jié)果表明，碳密度Moran I 為0.36，坡度與坡向相關系數(shù)較高，小班中心點距主要居民點距離與距主要道路距離相關系數(shù)較高。因此，最終選取紫金山海拔、坡度、NDVI植被指數(shù)、距道路距離4個因子作為紫金山碳密度地理加權回歸的驅(qū)動因子，采用ArcGIS9.3中的Geographically Weighted Regression模塊進行計算分析。

研究結(jié)果如下：條件數(shù)Cond值最小為9.864，最大為28.511，此診斷用于評估局部多重共線性，存在較強局部多重共線性的情況下，結(jié)果將變得不穩(wěn)定，與大于 30 的條件數(shù)相關聯(lián)的結(jié)果可能不可靠，本次研究Cond值均小于30，表明研究結(jié)果具有可靠性。模型的局部相關系數(shù)LocalR2為0.7522，表示局部回歸模型與觀測所得 y 值的擬合程度較好。因變量紫金山碳密度與NDVI植被指數(shù)、距離道路距離、海拔、坡度4個自變量的相關系數(shù)分別為0.062 9、0.021 1、0.042 1、0.102 8。表明紫金山碳密度與植被生長狀況、所處位置的海拔及坡度、距離道路距離正相關。原因在于，海拔較高、坡度較陡區(qū)域人為干擾少，林木生長旺盛。而距道路越近的地方，人類活動頻繁，基礎建設較多，使風景林缺少良好的立地條件和生長環(huán)境，相應地，碳密度也較低，因而風景林碳密度與距離道路距離呈現(xiàn)正相關關系。

3.4 碳密度空間格局分析

為便于進行不同等級森林碳密度面積比例分析，根據(jù)1988年、2002年和2006年3期的森林資源調(diào)查，將針葉林、闊葉林針闊混交林合并為林地，將農(nóng)田、草地、其他土地合并為非林地。經(jīng)計算知，1988年、2002年、2006年的森林覆蓋率分別為58.67%、66.87%、74.04%。其次，為便于進行不同等級森林碳密度面積比例分析，按照碳密度的大小將紫金山森林分為3級：高（＞80 t/hm2）、中（40 ～80 t/hm2）、低（＜40 t/hm2）。采用地統(tǒng)計學的 Moron I 系數(shù)、Z 兩個指標進行森林碳密度空間聚集性分析（見表1）。

從表1 可以看出，3個時期紫金山森林碳密度差別不大， 1988稍低、2002稍高、2006年居中，1988～2006年間風景林碳儲量呈穩(wěn)步增長趨勢。1988年碳密度與碳儲量都較低，原因在于20世紀80年代以來，松材線蟲、日本松干蚧等林業(yè)外來入侵物種相繼侵入紫金山，對南京紫金山風景林造成了毀滅性破壞，導致大片馬尾松、黑松感病枯死，大幅度降低了紫金山風景林的蓄積量和碳密度[14]。2002年碳密度與碳儲量都較高的主要原因在于20世紀90年代初開始，中山陵園管理局開始加強對紫金山森林保護措施，對部分海拔較高、坡度較陡區(qū)域采取封山育林措施，使紫金山風景林生長狀況得到較大改善，林木蓄積大幅度增長，碳密度與碳儲量也即隨之增長。從2004年開始，南京市開始對紫金山邊緣環(huán)境進行大規(guī)模治理， 2006年森林覆蓋率比2002年增長7.17%，碳儲量隨之增長。從表1可以看出，高、中碳密度林分的面積比例均以2002年最高，低碳密度林分面積比例以1988年最高。從空間分布來看，3個時期的 Moran I 均大于 0，Z均大于1.96，表明3個時期碳密度呈空間聚集性分布，并且森林碳密度的空間聚集性逐期增強，破碎化趨勢減弱。

表1 研究區(qū)2006年碳密度空間格局分析Table 1 Spatial pattern analysis of carbon density in research region in 2006

4 結(jié)論與討論

(1)研究表明，紫金山碳密度在空間分布上呈現(xiàn)出一種由東西部顯著差異到同心圓狀分布的變化趨勢。從1988到2006年，風景林碳密度峰值由西往中，再往中北轉(zhuǎn)移。另外，越是靠近山體邊緣，尤其是紫金山東南角，碳密度越低。

(2)根據(jù)空間熱點探測結(jié)果可知，紫金山風景林碳密度熱點主要分布在海拔較高，坡度較大，NDVI植被指數(shù)較高，距離道路較遠的地方；冷點反之。另外通過3期比較，冷熱點數(shù)量逐期增長，分布范圍逐步擴散。

(3)地理加權回歸分析表明，紫金山碳密度分布與所處位置的NDVI植被指數(shù)、距離道路距離、海拔、坡度呈正相關。在影響碳密度分布的4個因子當中，以坡度的相關性最大，NDVI植被指數(shù)次之，所處海拔第3，距道路距離最小。

[1] Brown S, Hall C A S, Knabe W,et al.Tropical forests:Their past,present, and potential future role in the terrestrial carbon budget [J].Water, Air, & Soil Pollution, 1993,70(1-4):71-94.

[2] 曹吉鑫,田 赟,王小平,等.森林碳匯的估算方法及其發(fā)展趨勢[J].生態(tài)環(huán)境學報,2009, 18(5): 2001-2005.

[3] 焦 燕,胡海清.黑龍江省森林植被碳儲量及其動態(tài)變化[J].應用生態(tài)學報,2005,16(12) : 2248-2252.

[4] 焦秀梅,項文化,田大倫.湖南省森林植被的碳貯量及其地理分布規(guī)律[J].中南林學院學報, 2005, 25(1):4-8.

[5] 曹 軍,張鐿鋰,劉燕華.近20年海南島森林生態(tài)系統(tǒng)碳儲量變化[J].地理研究,2002,21(5): 551-560.

[6] 郭立春,陳 霞.紫金山森林固碳釋氧量的研究[J].中國城市林業(yè),2010,8(3):47-49.

[7] 王祖華,劉紅梅,關慶偉,等.南京城市森林生態(tài)系統(tǒng)的碳儲量和碳密度研究[J].南京林業(yè)大學學報:自然科學版,2011,35(4): 18-22.

[8] 李惠敏,陸 帆,唐仕敏,等.城市化過程中余杭市森林碳匯動態(tài)[J].復旦學報:自然科學版,2004,43(6):1044-1050.

[9] Zhao M, Kong Z H, Escobedo F J,et al. Impacts of urban forests on offsetting carbon emissions from industrial energy use in Hangzhou,China[J].Journal of Environmental Management,2010, 91(4): 807-813.

[10] Agterberg F P. Trend Surface Analysis[A]. Gaile E L,Willmott C J, Spatial Statistics and Models [C]. Dordrecht: D. Reidel Publishing Company,1984, 147-171.

[11] Besag J,Newell J. The detection of clusters in rare diseases[J].Journal of the Royal Statistical Society,Series A,1991,154:143-155.

[12] David E. Statistics in Geography [M]. Oxford: Basil Blackwell,Ltd 1985.

[13] Fotheringham A S, Brunsdon C, Charlton M E. Quantitative Geography: Perspectives on Spatial Data Analysis [M]. London:SAGE Publications, 2000.

[14] 李明陽,張曉麗,劉 方,等.基于貝葉斯最大熵模型的紫金山松材線蟲危害程度時空分析[J].西北農(nóng)林科技大學學報:自然科學版,2012,40(7):99-105.

Spatial dynamic analysis of scenic forest carbon density in Zijinshan mountain in Nanjing city

SHI Yu, LI Ming-yang, YANG Yu-feng, YU Chao
(College of Forest Resources and Environment, Nanjing Forestry University, Nanjing 210037, Jiangsu, China)

Scenic forest in Zijinshan Mountain National Forest Park in east suburb of Nanjing city was taken as the research objects, and the forest resource survey data from three periods in 1988, 2002 and 2006 were gathered as the main information sources. On this basis,by using the conversion formula from forest volume to biomass, the volume factor of scenic forest above ground was converted into the factors of carbon stocks and carbon density. Then the carbon density in the studied region was probed by using cold/hot spot detection,and was analyzed by employing the methods of trend surface analysis, geographically weighted regression analysis and spatial pattern analysis. The results show that (1) the carbon density spatial distribution in Zijingshan mountain area presented a changing variation tendency that from having a marked difference between the western and eastern to becoming a concentric distribution, from in1998 to 2006, the position of carbon density peak value transferred from west to the middle and then to the farther north; (2) the hot spots of carbon density of scenic forest in Zijinshan mountain were mainly distributed in positions with high altitude, high slope, high NDVI and far away from the roads. For the cold spots, the situation was on the contrary; (3) the carbon density of scenic forest in Zijinshan mountain were positively correlated with NDVI, altitude, slope and distance from roads.

scenic forest; carbon density; spatial dynamics; Nanjing city; Zijinshan mountain

S718. 55+4；S759.5

A

1673-923X(2014)11-0145-05

2014-01-12

國家自然科學基金“基于MCDA/GIS的開放式城市風景林可持續(xù)經(jīng)營空間決策方法研究”（50978054 ）

時 宇（1989-），男，碩士，主要從事3S應用、城市規(guī)劃方面的研究；E-mail：shiyu_100500@126.com

李明陽（1967-），男，教授，主要從事風景林規(guī)劃、3S應用方面的研究；E-mail：lmy1967273126.com

[本文編校：吳 毅]