数据随机分布下的森林碳储量空间动态研究

To date, the ability of carbon sequestration of forest has become a focal point in the international societies and different study areas, most research of forest carbon storage has been focused on measured of forest biomass and carbon storage, but few on geo-spatial distribution of forest carbon storage, especially nobody has hitherto contemplated data distribution when study.. This project takes Pu’er ，Yunnan province as its research area, analyse the spatial patterns of Simao forest carbon storage.Establish Geographically Weighted Quantile Regression (GWQR) with stand, terrain and meteorology considered data is not in a normal distribution. And discuss whether the model predicting results can be more better and moderate contrast Geographically Weighted Regression (GWR). To solve the same problem in spatial dynamic characteristic of forest carbon storage, utilize Quantile Regression for dynamic Panel Data to analyse contribution of different environmental factors for growth of forest carbon storage, and estimate the distribution of forest carbon storage in the study area in a short time.

近年来，森林的碳汇作用成为国内外的研究热点，大多集中在森林生物量和碳储量的测定方面，但是对于森林碳储量空间分布方面的研究相对较少，尤其是进行研究时，尚无人考虑数据分布问题。. 本项目以云南省为研究区域，分析思茅松林碳储量的分布模式，考虑到数据获取并不符合正态分布的情况下，结合林分因子、地形因子和气象因子，构建地理加权分位数回归模型，并与普通地理加权回归模型进行对比，探讨模型预估结果是否更加优良和稳健。为解决出现在森林碳储量动态中的相同问题，利用动态面板分位数回归模型，分析不同的环境因子对森林碳储量增长的贡献，进而预估未来森林碳储量空间分布格局。

国内外在碳储量的测定方面已经做了大范围的研究，而且取得了很多成果。但是对不同空间内森林单木不同器官固碳能力及森林碳储量的动态研究尚不充分。本项目收集三期思茅松碳储量样地数据每期81块样地，及128株思茅松单木含碳量数据。对思茅松林单木含碳量空间变异特性进行了研究，并结合林分因子、地形因子等，建立多个思茅松单木及不同器官含碳量空间回归模型。同时考虑森林碳储量的动态变化，构建思茅松林碳储量的面板分位数回归模型，重点讨论思茅松林碳储量动态变化中的影响因子，探索其动态变化规律。研究主要结果如下：.（1）本项目采用Moran’s I及局域均值及局域标准差等统计量对思茅松单木各器官含碳量的空间自相关性进行描述；同时，采用变异函数的分析方法，对思茅松天然林各维度的器官含碳量空间异质性的大小和方向进行分析，进而挖掘出产生这种异质性的驱动因素。从结果可以看出，思茅松所有的器官含碳量均存在空间自相关性和异质性，即在不同尺度的研究下，空间变异均不可忽视，因为这种性质均不是随机产生的。这对思茅松天然林得经营和管理提供了一定参考。.（2）本项目分别采用了空间滞后模型（SLM）、空间误差模型（SEM）、地理加权回归模型（GWR）、普通最小二乘模型（OLS）等构建了思茅松单木各器官含碳量的线性模型。结果可知，林分因子和环境因子都是影响思茅松各器官含碳量空间分布的重要因素。本研究使用比较容易获取的因子，胸径、树高、冠长，及坡度、高程，为后续的预估提供了更加快捷的方式。.（3）本项目以思茅松天然林样地平均碳储量为因变量，平均胸径、郁闭度及海拔因子为自变量，构建传统面板数据回归模型及分位数面板数据回归模型。这也是首次将面板数据模型引入林业，可以为更好的把握思茅松碳储量变化规律提供新的方法。