县域森林蓄积量的空间自相关分析

严绍裕

（福建林业职业技术学院，南平 353000）

森林是全球陆地生态系统的主要植被类型，也是陆地生态系统最主要的碳库，储存了陆地生态系统76%～98%的有机碳含量[1-2]。由于森林的重要性，各国学者对全球森林生态系统蓄积量、碳贮量、碳汇作用等开展了大量的研究[3-5]，掌握了大区域尺度森林生长、变迁等过程的空间分布特征及人类的驱动机制[6-7]。然而，森林生态系统受气候、地理位置、地形等因素影响，不同区域其蓄积量、生长量存在明显的空间变异性，因此在中小尺度开展相关研究，可在大尺度规律的基础上合理制定适合于中小尺度研究区的经营管理措施。目前，有关森林蓄积量、碳贮量的研究多关注于森林不同分层及不同器官的组成特征，运用空间自相关方法研究森林蓄积量的空间分布特征则涉及较少，难以给出人工林分布的空间优化方案，急需开展相关研究。空间自相关分析将地理空间信息作为分析依据，可剔除地理数据间相互作用和影响的空间依赖关系造成的分析误差，进而揭示空间格局和关系的主要信息[8-11]。因此，运用空间自相关分析方法探讨森林蓄积量的空间分布特征可拓展森林空间变异方面的认识，具有重要的理论意义。

通过野外调查，结合福建省南平市建阳区森林小班数据，以属乡镇级区域为尺度估算建阳区各乡镇森林单位面积蓄积量及各林种单位面积蓄积量，采用ArcGIS 9.2和GeoDa软件，利用Moran’s I指数和LISA集聚图，探索建阳区各乡镇森林单位面积蓄积量和各林种单位面积蓄积量的空间分布格局和空间关联性，了解福建省典型林区森林单位面积蓄积量的地理空间分布情况，分析人工林经营的空间合理性，进一步认识中小尺度森林蓄积量的空间分布特征，为制定合理的森林经营管理措施提供一定的参考依据。

1 研究区域概况

南平市建阳区位于风景秀丽的武夷山脉南麓，地处闽北山区盆地中部，地理坐标介于北纬27°06'32"—27°43'41"、东经117°32'20"—118°37'51"，属中亚热带季风性气候，光热资源丰富，年平均气温18.1℃，无霜期282 d，年平均降雨量1 700～2 400 mm，年平均日照时数1 802 h，土壤类型以山地红壤为主[12]。区内溪流多，流域面积50 km2以上的溪流有11条，闽江支流建溪横贯境内。建阳区总面积3 427.02 km2，下辖13个乡镇或街道（图1）。据森林资源调查数据，建阳区森林资源居福建省第四位，林地面积2.741×105hm2，占全区土地总面积的81%，全区森林覆盖率78.02%，省级以上重点生态公益林面积8.23×104hm2，森林蓄积量2.306×107m3，是福建乃至我国南方重要林区之一，为“中国竹子之乡”之一。

图1 建阳区乡镇分布示意图Fig.1 Town distribution of Jianyang district

2 数据收集与计算方法

2.1 数据收集

数据主要来源于建阳区林业局分布于各乡镇的小班数据以及政府官网的公开数据，其中包括森林总蓄积量、各林种蓄积量及分布面积，由于经济林、竹林、灌木林、未成林造林地等在森林资源清查中未统计蓄积量，此外福建省于1995年提出保护小区的建设规划，建阳区积极响应，由林业局建立详尽档案，在小班统计中将保护小区作为林种单列且统计蓄积量，故本研究选择保护小区、水土保持林、水源涵养林、用材林四大类的林种。其中保护小区是指国家为了保护珍贵和濒危动植物以及各种典型的生态系统，保护珍贵的地质剖面，为进行自然保护教育、科研和宣传活动提供场所，并在指定的区域内开展旅游和生产活动而划定的特殊区域。

2.2 数据处理

以空间自相关方法为依据，以小班数据和建阳区13个乡镇的乡界shp文件为数据源，借助GeoDa和ArcGIS 9.2等分析软件，对建阳区乡镇森林单位面积蓄积量和各林种单位面积蓄积量的空间地域分布进行分析。由于本文统一以乡镇单元作为研究对象，将小班数据按所属乡镇进行归纳统计，其中所指的乡镇为镇级乡、镇及街道，而且不同乡镇面积存在较大差异，仅仅统计总蓄积量可能造成数据的极差化，故本研究统计了森林单位面积蓄积量，即某乡镇各林种蓄积量/分布小班的总面积。

2.3 空间自相关分析方法

利用ArcGIS 9.2、GeoDa软件进行数据预处理和分析。以建阳区行政区划图为底图，ArcGIS 9.2软件中进行建阳区各乡镇界限的划分，随后在GeoDa软件中通过空间分析模块计算全局Moran’s I指数和Moran散点图，通过999次的随机化检验计算P值从而验证其显著性水平，最后生成LISA集聚图。

2.3.1 全局空间自相关

选取常用的空间自相关全局Moran’s I指数[14-18]，其大小介于[-1，1]，若Moran’s I显著为正，则说明空间要素呈显著集聚，绝对值越靠近1，说明全局范围空间要素的空间自相关性较强或与邻近地区具有较强的相似性；若Moran’s I显著为负，则说明空间要素呈显著的离散分布，说明全局范围空间要素差异显著或与邻近地区存在显著性的差异，绝对值越靠近1，其差异性越大。其表达式如下

式中：n是建阳区乡镇总数；xi和xj分别为森林单位面积蓄积量（各林种单位面积蓄积量）在乡镇i和j上的属性值，x是在各乡镇单位面积蓄积量的平均值；wij是空间权重矩阵。

进行Moran’s I指数显著性检验时，一般采用Z检验[19]。具体公式如下

式中：E（I）为单位面积蓄积量自相关性的期望；Var（I）代表方差；Z为标准化统计量。当置信度为99%时，-2.58＜Z＜2.58；当Z＞2.58或＜-2.58表示区域总体上空间自相关是正显著或负显著的。

2.3.2 局部空间自相关

由于全局Moran’s I指数无法反映空间要素与其邻近空间要素的空间相关性[20]。因此，利用局部Moran’s I指数（LISA）分析各乡镇i和j之间森林单位面积蓄积量的异质性。表达式如下

各符号代表含义与公式（1）和（2）相同。局部Moran’s I指数大小同样介于[-1，1]，若Moran’s I显著为正，表示空间正相关，说明具有相似变量值的空间要素在空间集聚；若Moran’s I显著为负，则说明具不相似变量值的空间要素在空间集聚；若Moran’s I为0时，代表空间要素在空间中随机分布。

此外，运用Moran散点图说明空间要素的局部自相关性[20]。Moran散点图由数据组（X，WX）生成，散点图中X轴代表建阳区各乡镇森林单位面积蓄积量的标准化值（X），Y轴代表标准化值（X）的空间滞后变量（即WX）。散点图的四个象限可反映空间聚集特征（表1）[21]。

表1 Moran’s I散点图反映的空间聚集特征Tab.1 The characteristics of spatial cluster reflected by Moran's I scatter plot

3 结果分析

3.1 建阳区乡镇各林种单位面积蓄积量的分布特征

通过对建阳区13个乡镇各小班数据的统计分析见表2，发现崇雒乡、回龙乡及小湖镇等各林种的单位面积蓄积量在所有乡镇中均属前列，如崇雒乡分别为保护小区单位面积蓄积量171.39 m3/hm2、水土保持林单位面积蓄积量132.04 m3/hm2、水源涵养林单位面积蓄积量137.11 m3/hm2、用材林单位面积蓄积量121.26 m3/hm2、总单位面积蓄积量139.49 m3/hm2。麻沙镇的各林种单位面积蓄积量在13个乡镇中排名均靠后，分别为保护小区单位面积蓄积量111.42 m3/hm2、水土保持林单位面积蓄积量100.12 m3/hm2、水源涵养林单位面积蓄积量69.02 m3/hm2、用材林单位面积蓄积量71.07 m3/hm2、总单位面积蓄积量76.63 m3/hm2。

表2 建阳区乡镇各林种单位面积蓄积量的组成情况

3.2 建阳区各林种单位面积蓄积量的全局空间自相关分析

利用建阳区13个乡镇的森林单位面积蓄积量（包括总森林、保护小区、水土保持林、水源涵养林、用材林）为空间变量，基于GeoDa软件[20]运行计算建阳区13个乡镇空间单元各林种单位面积蓄积量的全局Moran’s I指数（表3）。

表3 建阳区13个乡镇森林各林种单位面积蓄积量的全局Moran’s I指数Tab.3 Global Moran's Iof different forest types’volume per area in Jianyang district

从表3可得，建阳区各乡镇各林种单位面积蓄积量的全局Moran’s I指数均小于0，指数介于-0.41至-0.09，差异不大且所有单位面积蓄积量均未通过显著性水平检验，说明建阳区森林单位面积蓄积量在空间上分布整体呈现出随机性的规律。

3.3 建阳区各林种单位面积蓄积量的局部空间自相关分析

利用建阳区各乡镇森林单位面积蓄积量的标准化值为X轴，标准化值的空间滞后变量（即WX）为Y轴，应用GeoDa软件进行局域空间自相关指标计算后生成各林种单位面积蓄积量的Moran散点图（图2）。

图2 建阳区各林种单位面积蓄积量的散点图Fig.2 Scatter plots of different forest types’volume per area in Jianyang district

从图2可得，建阳区乡镇各林种单位面积蓄积量在第一象限分布较少，但大部分散点分布于第二、四象限内，形成负空间相关的第二、四象限中散点集聚虽较多，但分布的拟合曲线显著性较低（P＞0.05），呈不显著的负空间相关，因此空间分布以随机分布为主。说明各乡镇森林单位面积蓄积量基本不存在显著的空间自相关。

基于公式（3），用GeoDa软件对建阳区乡镇各林种单位面积蓄积量的局域自相关系数绘制LISA聚集图（图3），从而判断各乡镇森林单位面积蓄积量空间分布的聚集程度，并确定局域存在的“热点区”和“冷点区”。

从图3可发现，莒口镇总森林单位面积蓄积量、水土保持林单位面积蓄积量、用材林单位面积蓄积量均处于冷点区；黄坑镇总森林单位面积蓄积量、用材林单位面积蓄积量，书坊乡水源涵养林单位面积蓄积量、用材林单位面积蓄积量，小湖镇保护小区单位面积蓄积量也处于冷点区，说明上述几个区域各林种单位面积蓄积量与邻近乡镇差异性大。水吉镇的总森林单位面积蓄积量和水土保持林单位面积蓄积量均处于热点区，由于全局Moran’s I指数小于0，热点区代表单位面积蓄积量较低，说明上述几个区域各林种单位面积蓄积量相对较小。

图3 建阳区乡镇各林种单位面积蓄积量的LISA聚集图Fig.3 LISA cluster maps of different forest types’volumeper area of all towns in Jianyang district

另外，建阳区乡镇各林种单位面积蓄积量在空间分布上未呈现出聚集性规律，仅莒口镇和书坊乡用材林单位面积蓄积量呈负相关性的聚集分布。

4 结论与讨论

空间自相关分析可考虑地理空间因素对空间要素的效应，更清晰地认识空间要素分布特征，为合理经营空间要素提供理论依据[22]。在本研究中，建阳区各乡镇空间的不同林种单位面积蓄积量空间自相关全局指数反映了建阳区所有林种单位面积蓄积量分布均为随机分布，一方面可能与文中取样尺度（小尺度）有关；另一方面与建阳区作为我国南方主要林区之一有关，其作为主要林区在全区均衡发展林业产业，导致区域内单位面积蓄积量差异性小、未出现显著集聚或分散的现象。由于各乡镇所拥有林地面积不一样，故取样尺度范围内的林分总蓄积量差异较大，其空间自相关格局也将不一样。

局域Moran’s I指数同样反映出建阳区森林单位面积蓄积量的空间分布以随机分布为主，表明各乡镇森林单位面积蓄积量基本不存在显著的空间自相关。LISA聚集图则可直观反映出乡镇各林种单位面积蓄积量的冷点区和热点区，其中莒口镇各林种蓄积量与邻近乡镇差异性大；水吉镇的总森林单位面积蓄积量和水土保持林单位面积蓄积量均处于热点区，蓄积量相对较低。相邻冷点区和热点区的确定可为林业生产中各林种在乡镇区中的优化与倾斜提供重要的参考信息，如莒口镇为作冷点区，其相邻书坊乡、麻沙镇及徐市镇对应的水源涵养林、用材林及水土保持林则应提升营林管护水平促进林分提质增效；而水吉镇作为热点区，表明总森林经营水平不高，须全林提升质量促进林分蓄积量增长。

森林空间相关性研究，是定量评价森林经营水平与可持续发展的重要评价手段，但在相关研究中以大尺度为主，中小尺度相关研究报道较少，因此，本研究方法及其结论在福建其它林区如三明等地可进一步验证使用和改进完善。LISA图和Moran’s I指数虽然得出森林单位面积蓄积量的空间分布规律和聚集程度，但森林单位面积蓄积量受多种外部因素影响，包括地形、气候、光照、林龄、水分、温度、湿度、土壤肥力等。因此，今后应对建阳区进行网格化处理，将所有影响森林单位面积蓄积量的因子建成数据库，运用地理加权回归模型模拟森林单位面积蓄积量与影响因子的关系，进而更精确地掌握森林单位面积蓄积量的空间分布规律和聚集模式。