婁鐸，陳玉娟，劉凱，陳瑤瑤，馬磊，于晨曦，管東生

(1. 中山大學(xué)環(huán)境科學(xué)與工程學(xué)院，廣東 廣州 510275；2. 中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣東 廣州 510275；3. 河南大學(xué)環(huán)境與規(guī)劃學(xué)院，河南 開封 475004)

由于人類活動(dòng)對(duì)森林的干擾，導(dǎo)致許多自然森林形成大小、形狀各異的森林斑塊。隨著森林斑塊化加劇，森林邊緣區(qū)域的范圍在不斷擴(kuò)大，使得森林受到邊緣效應(yīng)的影響也隨之增大。已有研究結(jié)果表明，邊緣效應(yīng)會(huì)導(dǎo)致森林斑塊的植物群落特征[1]、生產(chǎn)力[2]、碳儲(chǔ)量[3]、生態(tài)系統(tǒng)功能[4]、生物多樣性[5]和森林植被類型[6]等方面發(fā)生變化。由于群落林緣處的環(huán)境因子與林內(nèi)存在較大的差異，使得林緣處適合木質(zhì)較軟、生長(zhǎng)期短的先鋒樹種生長(zhǎng)發(fā)育，這將造成林緣生物量下降，進(jìn)而影響到整個(gè)森林斑塊的生物量[7]。此外，森林的破碎化會(huì)造成靠近斑塊邊緣的高大喬木暴露在林緣環(huán)境因子中而死亡，導(dǎo)致斑塊生物量的損失[8]。Laurance等[9]對(duì)森林斑塊的研究表明，不同面積的斑塊受到邊緣效應(yīng)的影響程度不同，面積較小的森林斑塊會(huì)受到邊緣效應(yīng)影響的結(jié)果較為明顯，從而引起不同面積斑塊生物量的差異。由于森林生物量約占全球陸地植被生物量90%[10]，森林生物量與森林碳儲(chǔ)量密切相關(guān)，森林生物量微小的變化都有可能對(duì)全球的碳平衡產(chǎn)生影響。研究表明，森林斑塊面積是森林碳儲(chǔ)量的重要影響因子[11]，其可以通過影響森林群落結(jié)構(gòu)、物種組成等因素，間接對(duì)森林生態(tài)系統(tǒng)碳儲(chǔ)量造成影響[12]。因此，探討斑塊面積與森林生態(tài)系統(tǒng)生物量之間的關(guān)系對(duì)改善森林的碳匯作用具有重要的意義。

風(fēng)水林主要是指我國(guó)南方村落旁保留的天然林片段[13]，通常具有近百年或幾百年的歷史，多由原生植被自然演替而成，受到破壞較小。目前對(duì)于風(fēng)水林的研究，主要集中在物種多樣性[14-15]、群落結(jié)構(gòu)[16]、群落組成[17]和群落恢復(fù)[18]等方面，針對(duì)不同風(fēng)水林群落斑塊性質(zhì)(如面積等)引發(fā)的生物量或碳儲(chǔ)量變化的研究則很少。廣州周邊的風(fēng)水林大部分是保護(hù)較好的常綠闊葉林，其生長(zhǎng)發(fā)育大多處于植被演替的后期階段，群落內(nèi)部相對(duì)穩(wěn)定[19-20]。由于地處同一區(qū)域，它們的降水、溫度、土壤類型等立地條件的差異不大，植被類型與植被結(jié)構(gòu)也非常相近[21]。在立地質(zhì)量、森林植被類型和結(jié)構(gòu)、林齡、森林生長(zhǎng)發(fā)育階段等因素的影響都比較小的情況下，森林斑塊的面積的差異成為風(fēng)水林生物量的主要影響因素。因此，呈斑塊狀分布的風(fēng)水林是研究斑塊面積對(duì)生物量影響的理想場(chǎng)所。本文擬通過樣地調(diào)查構(gòu)建遙感模型，對(duì)不同面積風(fēng)水林斑塊的生物量進(jìn)行反演，研究斑塊面積對(duì)生物量的影響，以及風(fēng)水林斑塊從林緣到林內(nèi)生物量的梯度變化，探討邊緣效應(yīng)對(duì)森林斑塊生物量的影響。

1 研究區(qū)域與樣地調(diào)查

1.1 研究區(qū)概況

本文研究對(duì)象選擇保存較好的風(fēng)水林，分布在廣東省廣州市的東部地區(qū)，位于東經(jīng)113°39′25″-113°48′43″，北緯23°08′19″-23°25′17″之間。研究區(qū)域?qū)儆谂瘽竦哪蟻啛釒Ъ撅L(fēng)氣候，全年的平均氣溫為21.9 ℃，7月的平均氣溫最高，為28.5 ℃，1月的平均氣溫最低，但仍有13.2 ℃，年平均降水量1 696 mm，年均濕度77%。研究區(qū)域地帶性土壤為赤紅壤，土壤剖面發(fā)育較為完整，表土層大多為灰棕色，具有較低的pH，成土母巖受到強(qiáng)烈的風(fēng)化作用，一旦植物群落遭到破壞，很容易造成水土流失。

1.2 樣地設(shè)置

本研究通過實(shí)地調(diào)查并結(jié)合遙感影像，選擇了廣州市風(fēng)水林的57個(gè)斑塊。這些風(fēng)水林斑塊位于海拔50-120 m之間，坡度比較緩；土壤類型為赤紅壤，土壤剖面發(fā)育完整；森林處于植被演替后期階段的常綠闊葉林，優(yōu)勢(shì)種為殼斗科、樟科、胡桃科、山茶科、榆科和大戟科等常綠闊葉林中常見科屬的高大喬木。本研究通過遙感測(cè)算確定這些斑塊的面積，并將其分成大斑塊(15-25 hm2)、中斑塊(5-8 hm2)、小斑塊(0.5-2 hm2)三類，每一類中各隨機(jī)選取5個(gè)做分析樣地，在這15個(gè)斑塊的中心位置分別設(shè)立4個(gè)20 m × 20 m的調(diào)查樣方。而在選取的5個(gè)大斑塊中，每個(gè)斑塊除了在中心位置的樣方之外，還在林緣位置和斑塊中心到林緣的中間位置分別設(shè)置4個(gè)20 m × 20 m的調(diào)查樣方。樣方數(shù)量共為100個(gè)。采樣點(diǎn)的設(shè)置見圖1。

圖1 研究區(qū)域采樣點(diǎn)設(shè)置圖Fig.1 Sampling points in the investigation area

1.3 樣地植被調(diào)查

植被樣方調(diào)查的時(shí)間是2015年3-5月，植被調(diào)查使用典型樣方調(diào)查法[22]，詳細(xì)步驟如下：在面積為20 m × 20 m的樣方中，對(duì)DBH≥5 cm的喬木個(gè)體進(jìn)行測(cè)量，測(cè)量?jī)?nèi)容包括喬木層個(gè)體的樹種、樹高、數(shù)量、DBH等。在20 m×20 m的樣方內(nèi)采用五點(diǎn)取樣法設(shè)置5個(gè)1 m×1 m的草本層樣方和5個(gè)2 m×2 m的灌木層樣方，采用全收獲法測(cè)定草本層和灌木層樣方中林下植被地上部分生物量，對(duì)收獲的灌木葉、枝干、莖和草本的地上部分稱重、取樣，樣品帶回實(shí)驗(yàn)室，在70 ℃的條件下烘干。

本文采用管東生[23]建立的亞熱帶喬木生物量回歸模型來計(jì)算喬木層生物量，根據(jù)喬木的DBH和樹高計(jì)算森林喬木層地上生物量。樹干部分的生物量=0.000 047 26(D2H)0.886 5，樹枝部分的生物量=0.000 018 83(D2H)1.067 7，樹葉部分的生物量=0.000 004 59(D2H)1.096 8，其中D為樹干的胸高直徑(cm)，H為樹高(m)。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

遙感數(shù)據(jù)為2015年2月9日，條帶號(hào)為34960的兩景資源三號(hào)衛(wèi)星圖像。資源三號(hào)衛(wèi)星是我國(guó)第一顆自主研發(fā)的民用高分辨率衛(wèi)星，其重訪周期為5 d，與現(xiàn)有的資源類衛(wèi)星相比較，資源三號(hào)衛(wèi)星具有定位精度高，影像信息量豐富，圖像分辨率和幾何精度都比較高的特點(diǎn)[24]。資源三號(hào)衛(wèi)星多光譜影像一共包括紅、綠、藍(lán)和近紅外4個(gè)波段。其中近紅外與植物葉綠素水平直接相關(guān)，與植被的生長(zhǎng)狀況最為密切[25]。衛(wèi)星光譜及空間分辨率見表1。

表1 衛(wèi)星光譜及空間分辨率Table 1 Satellite spectrum and spatial resolution

以1∶10 000的地形圖為基準(zhǔn)，采用雙線性內(nèi)插方法進(jìn)行圖像重采樣，重采樣像元大小為5 m，從而完成影像的幾何精校正，配準(zhǔn)誤差在1個(gè)像元以內(nèi)。之后在ENVI軟件中進(jìn)行影像的輻射定標(biāo)和大氣校正。

2.2 植被指數(shù)計(jì)算與提取

植被指數(shù)是由遙感影像的不同波段組合計(jì)算而來，利用植被指數(shù)與地面實(shí)測(cè)數(shù)據(jù)建立相關(guān)模型而從宏觀角度對(duì)生物量進(jìn)行模擬，是植被生物量估測(cè)的有效方法[26]。通過不同波段組合計(jì)算得出不同的植被指數(shù)，也可以有效降低如太陽角、云、地形、陰影、衛(wèi)星觀測(cè)角、葉角、土壤背景的等外部因素的影響[27]。根據(jù)徐爽等[28]以及Huete等[29]關(guān)于植被指數(shù)的研究，本文選取5種比較常見的植被指數(shù)、數(shù)字高程模型(DEM)以及B1、B2、B3、B4等4個(gè)波段作為備選自變量，5種常見植被指數(shù)分別為歸一化植被指數(shù)(NDVI)、差值植被指數(shù)(DVI)、比值植被指數(shù)(SRI)、增強(qiáng)植被指數(shù)(EVI)、大氣阻抗植被指數(shù)(ARVI)，備選自變量共10個(gè)。植被指數(shù)的計(jì)算如公式如下：

(1)

DVI=ρNIR-ρRED

(2)

(3)

(4)

(5)

式中，ρRED為紅波段中心波長(zhǎng)，ρBLUE為藍(lán)波段中心波長(zhǎng)，ρNIR為近紅外波段中心波長(zhǎng)。

本研究通過測(cè)定100個(gè)地面調(diào)查樣方的生物量，以每個(gè)樣方經(jīng)緯度所確定的點(diǎn)為中心，在遙感圖像上選取4×4像元方格(20 m×20 m)，計(jì)算每組方格內(nèi)的植被指數(shù)，并構(gòu)建實(shí)測(cè)生物量與計(jì)算得到的植被指數(shù)之間的回歸模型，繼而估算森林斑塊內(nèi)所有像元對(duì)應(yīng)的地面生物量。

2.3 生物量多元線性回歸模型

本研究采用SPSS19軟件分析數(shù)據(jù)，并進(jìn)行生物量估算模型的建立。運(yùn)用標(biāo)準(zhǔn)差分析方法，從100個(gè)實(shí)測(cè)樣方中剔除離群值>2的樣本，得到93個(gè)可用數(shù)據(jù)，采用隨機(jī)抽樣的方法將這93個(gè)實(shí)測(cè)樣本按75%和25%分成兩組，75%作為建模樣本進(jìn)行參數(shù)的優(yōu)化和模型的創(chuàng)建，25%作為驗(yàn)證樣本對(duì)模型進(jìn)行檢驗(yàn)。

隨后，本研究對(duì)建模樣本進(jìn)行逐步回歸分析。首先建立由因子組成的集合，之后逐步將自變量依次引入模型中，并對(duì)每一步都進(jìn)行F檢驗(yàn)。如果引入的下一個(gè)自變量使原自變量的顯著性提升或不引起原自變量的顯著性變化，則保留，否則將新引入的自變量剔除，重復(fù)此過程，直到不再剔除自變量或引入新自變量為止[30]。

構(gòu)建生物量模型之后，運(yùn)用SPSS19軟件對(duì)計(jì)算得出的生物量預(yù)測(cè)值與實(shí)測(cè)值進(jìn)行配對(duì)樣本檢驗(yàn)，模型檢驗(yàn)的主要指標(biāo)為預(yù)估精度(P)和均方誤差(σ)，指標(biāo)的計(jì)算方法如公式(6)和(7)所示。

(6)

(7)

檢驗(yàn)完成后，提取廣州市東部風(fēng)水林斑塊，讀取每個(gè)像元對(duì)應(yīng)的植被指數(shù)，再利用得到的森林生物量估測(cè)模型對(duì)廣州市風(fēng)水林生物量進(jìn)行估算，分析不同面積風(fēng)水林斑塊的生物量，以及從林緣到林內(nèi)生物量的變化，并繪制面積較大斑塊的地上生物量分級(jí)圖。

3 結(jié)果與分析

3.1 生物量模型的構(gòu)建和選取

本研究根據(jù)喬木層生物量模型，計(jì)算得出各個(gè)樣方的地上生物量，并在遙感影像上得到相應(yīng)像素點(diǎn)的植被指數(shù)，通過SPSS19軟件的分析，最終得出2個(gè)生物量預(yù)測(cè)模型。模型的判定系數(shù)、相關(guān)系數(shù)和標(biāo)注誤差如表2所示。

對(duì)兩個(gè)模型評(píng)價(jià)參數(shù)進(jìn)行比較，綜合考慮判定系數(shù)、相關(guān)系數(shù)和標(biāo)準(zhǔn)誤差3個(gè)參數(shù)，模型1更適合對(duì)本研究中的森林斑塊進(jìn)行生物量估測(cè)。對(duì)模型1進(jìn)行方差分析，結(jié)果顯示方差檢驗(yàn)值(F)為10.902，顯著性(Sig.)為0.002<0.05，表明模型中因變量(生物量)與自變量(植被指數(shù))之間存在線性關(guān)系，模型擬合效果顯著，該方程有使用的價(jià)值。

(1)模型1：引入的自變量為NDVI、ARVI、DVI、SRI、B2、B3、B4，擬合的函數(shù)式為：

Y=131.325SRI-0.510ARVI-0.004DVI+1.125B2-2.425B3+0.628B4-360.935 NDVI+1 088.015

(2)模型2：引入的自變量為NDVI、ARVI、DEM、SRI、B4，擬合的函數(shù)式為：

Y=-0.544ARVI-0.043DEM+147.695SRI+0.748B4-334.089NDVI+1 333.940

將23個(gè)檢驗(yàn)樣本帶入到上述風(fēng)水林生物量線性模型1之中進(jìn)行檢驗(yàn)，預(yù)估精度達(dá)到74.48%，均方誤差為11.073 t/hm2。如果將23個(gè)樣本帶入到模型2中進(jìn)行檢驗(yàn)，預(yù)估精度只有61.92%，均方誤差為17.62 t/hm2。因此從相關(guān)系數(shù)、判定系數(shù)、預(yù)估精度和均方誤差對(duì)比來看，在沒有更優(yōu)模型條件下，模型1更適用于估測(cè)本研究森林斑塊的生物量。

3.2 斑塊地上生物量與斑塊面積的關(guān)系

將遙感影像導(dǎo)入到ArcGIS 10.2軟件中，根據(jù)實(shí)地勘測(cè)和目視解譯，繪制出風(fēng)水林斑塊，計(jì)算得到風(fēng)水林斑塊的面積和周長(zhǎng)，再利用軟件中的柵格計(jì)算器工具，根據(jù)生物量模型1估算斑塊生物量并求取平均值，結(jié)果如表3所示。

表3 廣州東部風(fēng)水林生物量遙感估測(cè)值與斑塊面積、斑塊周長(zhǎng)面積比關(guān)系Table 3 The relationship between remote sensing estimation and patch area, perimeter/area in Fengshui forest biomass around Guangzhou

如表3所示，5個(gè)大斑塊生物量最高，平均生物量達(dá)到209.33±7.30 t/hm2，中斑塊其次，平均生物量為181.59±6.23 t/hm2，小斑塊平均生物量最低，僅有147.51±7.15 t/hm2。對(duì)不同斑塊內(nèi)的植被地上生物量進(jìn)行顯著性分析t檢驗(yàn)，大斑塊與中斑塊的生物量P<0.001，大斑塊與小斑塊的生物量P<0.001，中斑塊與小斑塊的生物量P<0.001，三者P值都小于0.05，說明不同類型斑塊的地上生物量之間存在顯著性差異，斑塊面積對(duì)地上生物量的影響比較顯著。斑塊生物量與斑塊周長(zhǎng)面積比關(guān)系如下圖所示。

圖2 風(fēng)水林生物量與斑塊周長(zhǎng)面積比關(guān)系Fig.2 Relationship between biomass and ratio of perimeter to area in Fengshui forest

從圖2可見，和大斑塊相比，小斑塊和中斑塊面積較小，周長(zhǎng)面積比值較高，受到邊緣效應(yīng)影響比大斑塊大，因此生物量較小?？傮w來看，斑塊地上生物量隨著周長(zhǎng)面積比減小而升高的趨勢(shì)比較明顯，這是由于面積較大的斑塊，周長(zhǎng)與面積之比也隨之減小，其中心距離邊緣較遠(yuǎn)，斑塊內(nèi)部所受到的邊緣效應(yīng)就比較小。因此面積較大斑塊內(nèi)部環(huán)境比較穩(wěn)定，植被生長(zhǎng)狀況良好，大樹比例也比較高，地上生物量高于面積較小的斑塊。

3.3 從林緣到林內(nèi)斑塊地上生物量的梯度變化

本研究根據(jù)樣地調(diào)查所得到的數(shù)據(jù)反演風(fēng)水林斑塊的地上生物量，并使用ArcGIS 10.2繪制面積較大斑塊的地上生物量分級(jí)圖，如圖3所示。

本研究在地上生物量分級(jí)圖的基礎(chǔ)上，分別于斑塊邊緣和斑塊邊緣至斑塊中心的中點(diǎn)處繪制兩條寬為20 m的條帶，在ArcGIS 10.2中提取條帶內(nèi)所有像元的生物量并分別取平均值，斑塊中心的生物量由本研究在斑塊中心設(shè)置的樣方中實(shí)測(cè)的生物量平均值表示，分析從林緣到林內(nèi)生物量的變化。根據(jù)生物量分級(jí)圖以及在其上繪制的生物量條帶圖，本研究對(duì)五個(gè)大斑塊的斑塊邊緣、中間位置以及斑塊中心處的生物量求取平均值，得出面積較大斑塊地上生物量的梯度變化，結(jié)果如表4所示。

由表4可見，5個(gè)風(fēng)水林斑塊中心位置的平均生物量是最高的，達(dá)到290.24±4.14 t/hm2，其次是從斑塊中心到林緣的中間位置的平均生物量，為226.63±9.51 t/hm2，5個(gè)斑塊林緣位置的平均生物量最低，僅為129.16±3.86 t/hm2。對(duì)斑塊內(nèi)不同位置樣方生物量進(jìn)行顯著性分析，結(jié)果表明斑塊中心與中心到邊緣的中間位置、斑塊中心與斑塊邊緣、斑塊邊緣與中心到邊緣的中間位置生物量都存在顯著差異(P<0.05)。遙感反演結(jié)果顯示，地上生物量具有從林內(nèi)到林緣逐漸減少的趨勢(shì)。

圖3 廣州東部風(fēng)水林大斑塊地上生物量分級(jí)圖Fig.3 Classification of aboveground biomass of large patches in Fengshui forest in east Guangzhou

t/hm2

4 討 論

4.1 斑塊面積對(duì)廣州東部風(fēng)水林生物量的影響

斑塊面積對(duì)風(fēng)水林地上生物量的影響(大斑塊>中斑塊>小斑塊)比較顯著，風(fēng)水林生物量隨著斑塊周長(zhǎng)面積比的減小而增大。這是因?yàn)槊娣e較大的斑塊通常周長(zhǎng)面積比較小，受到邊緣效應(yīng)的影響較小。邊緣效應(yīng)會(huì)使得森林邊緣容易受到如風(fēng)沙、雨水等外部干擾因素的影響[31]，這些外部環(huán)境因素的存在能夠改變樹木的異速生長(zhǎng)關(guān)系，導(dǎo)致相同基底直徑的樹生長(zhǎng)的更矮[32-33]。因此，斑塊面積大小會(huì)對(duì)森林群落結(jié)構(gòu)產(chǎn)生顯著的影響，進(jìn)而影響到森林生物量[34]。本研究通過樣地調(diào)查發(fā)現(xiàn)，不同面積斑塊的群落特征有顯著的差異，主要體現(xiàn)在樹木的高度和DBH分布上(表5和6)。

由表5可知，小斑塊和中斑塊中，高度小于3 m的樹木占比最高，分別為37.98%和35.88%，中斑塊高度介于6-10 m間的樹木比例明顯高于小斑塊。大斑塊高度小于3 m樹木比例低于小斑塊和中斑塊，但是3種類型斑塊之間沒有顯著性差異。而高度>10 m的樹木比例大斑塊則達(dá)到了44.15%，遠(yuǎn)高于小斑塊和中斑塊，和后兩者之間有顯著的差異。這說明大斑塊中高大樹木的比例較大，樹木的發(fā)育良好。

表5 不同面積斑塊中各種高度樹木的比例Table 5 Percentage of height distribution of trees in patches of various area %

1)a表示同一高度范圍樹木的比例差異不顯著(P>0.05)；b表示該斑塊樹木比例與a相比差異顯著(P<0.05)

表6 不同面積斑塊中喬木的DBH分布Table 6 Percentage of DBH distribution of trees in patches with different areas %

1) a表示同一胸徑范圍樹木的比例差異不顯著(P>0.05)；b表示該斑塊樹木比例與a相比差異顯著(P<0.05)

由表6可知，所有斑塊DBH小于10 cm的樹木是最多的，小斑塊和中斑塊DBH小于30 cm的樹木比例相差不多，分別為89.66%和87.99%，均高于大斑塊(80.54%)。大斑塊DBH<20 cm的樹木比例與中斑塊和小斑塊有顯著性差異，而DBH在30-40 cm之間的樹木占比很高，達(dá)到了13.40%，遠(yuǎn)遠(yuǎn)超過小斑塊和中斑塊相應(yīng)植被所占的比例。中斑塊DBH≥40 cm的樹木比例為5.11%，高于小斑塊(2.52%)。通過生物量計(jì)算，本研究發(fā)現(xiàn)中斑塊樣方中DBH≥40 cm的樹木生物量為72.36 t/hm2，遠(yuǎn)大于小斑塊DBH≥40 cm的樹木生物量(41.28 t/hm2)。兩者之間的差異是造成中斑塊和小斑塊生物量不同的關(guān)鍵原因。

大斑塊DBH≥30 cm的樹木占比遠(yuǎn)遠(yuǎn)超過小斑塊和中斑塊相應(yīng)樹木所占的比例，同時(shí)大斑塊高度>10 m的樹木比例也遠(yuǎn)高于小斑塊和中斑塊，這說明大斑塊中高大樹木的比例較大，從而使得大斑塊的生物量大于中、小斑塊。Echeverría等[35]對(duì)智利南部森林的研究也有相似發(fā)現(xiàn)，他們的研究表明小的森林斑塊先鋒物種的豐度增加，導(dǎo)致整個(gè)斑塊的群落結(jié)構(gòu)發(fā)生明顯變化。Ma等[36]基于樣地調(diào)查，也得到了相同結(jié)論。他們的研究顯示，斑塊面積對(duì)森林斑塊內(nèi)的生物量和碳儲(chǔ)量的影響比較顯著。但這種影響不是直接形成的，而是由于小斑塊受到邊緣效應(yīng)的影響更強(qiáng)，使得斑塊內(nèi)部群落特征發(fā)生改變，進(jìn)而影響到生物量和碳儲(chǔ)量。

4.2 風(fēng)水林生物量從林緣到林內(nèi)的變化

本研究的結(jié)果表明，面積較大的斑塊林內(nèi)區(qū)域距離邊緣較遠(yuǎn)，林內(nèi)受到邊緣效應(yīng)的影響較小，因此地上生物量具有從林內(nèi)到林緣逐漸減少的趨勢(shì)。本研究這一結(jié)論與很多關(guān)于亞熱帶、熱帶森林斑塊邊緣效應(yīng)影響的研究結(jié)論相同。Zahawi等[37]對(duì)哥斯達(dá)黎加南部森林斑塊的研究表明，在森林破碎化發(fā)生的20 a中，由于邊緣環(huán)境因子的作用，高大的樹木死亡，而高度較矮、樹干較細(xì)的先鋒樹種個(gè)體數(shù)量增加。邊緣生境的群落結(jié)構(gòu)發(fā)生劇烈變化，造成總生物量減小。Nascimento等[38]通過生物量估算發(fā)現(xiàn)，由于邊緣效應(yīng)的影響，亞馬遜雨林斑塊從林緣向林內(nèi)延展300m的區(qū)域內(nèi)損失的地上生物量達(dá)22.7±31.98 t/hm2，Barros等[39]進(jìn)一步指出，這片區(qū)域中從林緣向林內(nèi)延展100 m范圍內(nèi)的生物量損失約占區(qū)域整體生物量損失的一半。他們的研究結(jié)果表明，越靠近林緣，邊緣環(huán)境因子起到的作用越明顯，生物量損失越嚴(yán)重。由于面積較大的斑塊林內(nèi)區(qū)域距離邊緣較遠(yuǎn)，林內(nèi)受到邊緣效應(yīng)的影響較小，環(huán)境比較穩(wěn)定，林內(nèi)植被尤其是喬木層經(jīng)過長(zhǎng)時(shí)間不受干擾的自然生長(zhǎng)，發(fā)育狀況比較良好，大樹的比例較高，生物量也比較高。這也是本研究中大斑塊林內(nèi)的地上生物量普遍高于林緣的主要原因。

此外，國(guó)內(nèi)其他學(xué)者針對(duì)該問題提出不同觀點(diǎn)，周婷等[40]通過對(duì)鼎湖山森林道路產(chǎn)生的邊緣效應(yīng)進(jìn)行研究，認(rèn)為生長(zhǎng)在道路邊緣的群落空間范圍較為開闊，喬木能夠比較充分地利用道路產(chǎn)生的空間進(jìn)行生長(zhǎng)發(fā)育，對(duì)于陽光的獲取也比較充足，因此林緣生物量與林內(nèi)相比有所提高。本研究認(rèn)為，森林道路造成的森林破碎化，是將森林生態(tài)系統(tǒng)一分為二，由此產(chǎn)生的森林斑塊彼此之間的距離較近，斑塊邊緣并不會(huì)接觸到其他的土地利用類型，受到風(fēng)、人類活動(dòng)等因子的影響較小。因此喬木的生長(zhǎng)幾乎不會(huì)受到影響，反而獲得陽光充足、空間開闊等有利條件，導(dǎo)致林緣生物量比林內(nèi)高的主要原因。

從本文的研究結(jié)果可以看出，面積大的斑塊擁有比較高的生物量，說明大斑塊具有較好的碳匯作用。Nascimento等[38]對(duì)亞馬遜森林的研究則表明，小的森林斑塊容易形成碳的流失，從而加速碳循環(huán)。因此，在森林的保護(hù)和管理中，應(yīng)該盡量保護(hù)和建設(shè)較大的森林斑塊，使得森林能更好的發(fā)揮它的生態(tài)效益。

5 結(jié) 論

本研究通過樣地調(diào)查結(jié)合資源三號(hào)遙感圖像，構(gòu)建廣州東部風(fēng)水林斑塊生物量與遙感信息因子間的多元線性模型，經(jīng)過模型驗(yàn)證，本研究預(yù)測(cè)生物量與實(shí)測(cè)生物量基本相符。據(jù)此模型本文估測(cè)了廣州東部風(fēng)水林斑塊生物量，并對(duì)斑塊面積和地上生物量的關(guān)系以及從林緣到林內(nèi)生物量的變化趨勢(shì)加以分析。首先，斑塊面積對(duì)地上生物量的影響較為顯著，隨著斑塊周長(zhǎng)面積比的減小，地上生物量逐漸升高。大斑塊平均生物量最高，達(dá)到209.33 t/hm2，中斑塊其次，平均生物量為181.59 t/hm2，小斑塊平均生物量最低，僅有147.51 t/hm2。造成這一現(xiàn)象的主要原因是大斑塊中喬木發(fā)育和保護(hù)狀況相對(duì)良好，高大樹木的比例較大。此外，生物量從林緣到林內(nèi)呈現(xiàn)出逐漸上升的趨勢(shì)，林緣生物量的平均值為129.16 t/hm2，斑塊中心到板塊邊緣的中間位置生物量的平均值為226.63 t/hm2，而斑塊中心的平均生物量則高達(dá)290.24 t/hm2，這同樣是反映了邊緣效應(yīng)的影響。本研究對(duì)區(qū)域景觀尺度上森林碳儲(chǔ)量的評(píng)估以及森林保護(hù)的對(duì)策具有一定啟示作用，保護(hù)和建造較大的森林斑塊，將有利于提高森林的碳匯作用。