以江西省馬尾松林生態(tài)系統(tǒng)為研究對象,基于樣地調(diào)查及樣品碳含量測定結(jié)果計算其碳密度,并選取立地、植被及氣象等方面的15個因子,采用多元線性逐步回歸方法篩選出對生態(tài)系統(tǒng)碳密度影響顯著的因子,然后分別利用最小二乘模型（OLS）、空間誤差模型（SEM）、空間滯后模型（SLM）和地理加權(quán)回歸模型（GWR）構(gòu)建生態(tài)系統(tǒng)碳密度與其影響因子之間的關(guān)系模型,篩選出最優(yōu)的擬合模型。結(jié)果表明:對馬尾松林生態(tài)系統(tǒng)碳密度影響顯著的因子分別為海拔、坡度、土層厚度、胸徑、年均溫度和年均降水量。4種模型擬合結(jié)果均顯示碳密度與坡度呈負(fù)相關(guān),與海拔、土層厚度、胸徑呈正相關(guān)。模型的決定系數(shù)（R~2）由大到小分別為GWR（0.8043）>SEM（0.6371）>SLM（0.6364）>OLS（0.6321）,模型均方誤差（MSE）與赤池信息準(zhǔn)則（AIC）最大的均為OLS模型,最小的均為GWR模型;殘差檢驗表明GWR模型能有效降低模型殘差的空間自相關(guān)性。綜合分析得出GWR模型的擬合效果最優(yōu),更適用于江西省馬尾松林生態(tài)系統(tǒng)碳密度的估測。 

【文章頁數(shù)】：9 頁

【文章目錄】：
1 材料與方法
    1.1 研究區(qū)概況
    1.2 數(shù)據(jù)與方法
        1.2.1 數(shù)據(jù)來源
        1.2.2 碳含量測定與碳密度計算
        1.2.3 模型選取與評價
2 結(jié)果與分析
    2.1 影響因子篩選
    2.2 模型構(gòu)建
        2.2.1 最小二乘模型、空間誤差模型與空間滯后模型
        2.2.2 地理加權(quán)回歸模型
    2.3 模型評價與檢驗
        2.3.1 模型評價
        2.3.2 模型殘差的空間自相關(guān)性
3 討論與結(jié)論
    3.1 討論
    3.2 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]思茅松天然林單木含碳量空間分布變化多尺度研究及空間模型構(gòu)建[J]. 劉暢,胥輝,歐光龍.  西部林業(yè)科學(xué). 2019(03)
[2]江西省馬尾松林生態(tài)系統(tǒng)碳密度空間變異特征[J]. 潘萍,孫玉軍,歐陽勛志,饒金鳳,馮瑞琦,楊子云.  應(yīng)用生態(tài)學(xué)報. 2019(06)
[3]廣西主要森林植被碳儲量及其影響因素[J]. 蘭秀,杜虎,宋同清,曾馥平,彭晚霞,劉永賢,范稚蓮,張家涌.  生態(tài)學(xué)報. 2019(06)
[4]Spatial analysis of carbon storage density of mid-subtropical forests using geostatistics: a case study in Jiangle County,southeast China[J]. Zhuo Lin,Lin Chao,Chengzhen Wu,Wei Hong,Tao Hong,Xisheng Hu.  Acta Geochimica. 2018(01)
[5]飛播馬尾松林碳密度分配特征及其影響因素[J]. 潘萍,韓天一,歐陽勛志,劉苑秋,臧顥,寧金魁,楊陽.  應(yīng)用生態(tài)學(xué)報. 2017(12)
[6]基于地理加權(quán)回歸模型的思茅松生物量遙感估測[J]. 閭妍宇,李超,歐光龍,熊河先,魏安超,張博,胥輝.  林業(yè)資源管理. 2017(01)
[7]基于SEM的五指山市森林碳儲量空間分布特征[J]. 李月,佘濟(jì)云,程玉娜.  中南林業(yè)科技大學(xué)學(xué)報. 2015(12)
[8]基于地理加權(quán)回歸的區(qū)域森林碳儲量估計[J]. 郭含茹,張茂震,徐麗華,袁振花,陳田閣.  浙江農(nóng)林大學(xué)學(xué)報. 2015(04)
[9]空間誤差模型在黑龍江省森林碳儲量空間分布的應(yīng)用[J]. 劉暢,李鳳日,甄貞.  應(yīng)用生態(tài)學(xué)報. 2014(10)
[10]思茅松天然林單木生物量地理加權(quán)回歸模型構(gòu)建[J]. 歐光龍,王俊峰,肖義發(fā),胥輝.  林業(yè)科學(xué)研究. 2014(02)

博士論文
[1]大興安嶺森林地上碳儲量遙感估算與分析[D]. 戚玉嬌.東北林業(yè)大學(xué) 2014



本文編號：3678595