基于空间回归的森林生物量模型研建

The spatial effect had been ignored for forest biomass research, and it may lead to biased or even error estimates to fit biomass by the traditional regression models. In this study, we would take Pinus kesiya var. langbianensis natural forests as research object to analyze the spatial effects in biomass of each component at individual tree, stand and region level, and find the change law of each biomass component at the different levels. Then spatial regression models of each biomass components at the different scales would been fitted by global spatial regression models ( including the spatial lag model, spatial error model, spatial Durbin model), local spatial regression models (eg: weighted regression model) and mixed effect models. Meanwhile, the fitting performance, prediction ability and adaptability of the models would been analyzed to choose the best model for each component at the different levels. Then biomass spatial distribution maps would been drawn based on the best spatial regression models to analyze spatial change at region level.Finally, we would construct the multi-levels spatial regression model system for forest biomass and understand the spatial distribution and its change law of the forest biomass to provide theoretical support for biomass estimation.

森林生物量数据普遍存在空间效应，以往的研究常未考虑其空间效应，而采取传统回归模型技术对生物量进行拟合，这可能会带来有偏甚至错误的估计。基于此，本研究以云南省普洱市思茅松林为例，从单木、林分和区域三个水平系统分析生物量各维量变化的空间效应，准确掌握其不同尺度不同维量生物量的空间变化规律；采用空间滞后模型、空间误差模型、空间杜宾模型等全局性空间回归模型，地理加权回归模型为主的局域性空间回归模型，以及混合效应模型等空间回归模型技术对不同尺度不同维量生物量变化进行拟合，分析不同空间回归模型以及普通回归模型的拟合表现、预估能力及适应性，选择最佳的空间回归模型；依托最佳空间回归模型，实现区域尺度生物量的反演及其空间变化分析。最终构建系统的多尺度生物量空间回归模型体系，为森林生物量生长变化规律的准确把握及其精确估算提供理论支撑。

项目系统分析单木、林分和区域尺度下森林生物量的空间变化规律及其空间效应，引入空间回归模型技术，构建单木和林分尺度下的森林生物量空间回归模型体系，并尝试了基于空间回归模型的森林生物量遥感估测。.单木水平上，基于普洱市鱼塘乡的样地面积100m×30m的思茅松天然林皆伐样地，共调查437株样木，采用Ripley’s K函数、全局Moran’s指数、局部Moran’s指数为空间自相关度量指标，使用组内方差分析空间异质性。研究表明：思茅松天然林全林分、林内思茅松、其他树种的各维量生物量均存在一定的空间效应，且表现出相对不一致的空间效应差异，可见，在开展单木水平的生物量各维量分析时，空间自相关和空间异质性是不能忽略的。通过各维量的森林生物量空间模型构建表现可以看出，考虑空间回归模型可以在一定程度上提高模型估计表现，尤其是GWR模型作为局域性模型在单木生物量空间效应拟合上具有较好的适用性。.林分水平上，选择普洱市森林资源二类调查数据为地面数据源，计算了研究区思茅松林的地上部分生物量，基于全局Moran’s I指数和局域Moran’s I指数分析思茅松林地上部分生物量空间相关性是有效的。研究表明普洱市思茅松林林分生物量存在显著的空间自相关性和空间异质性，基于林分水平的思茅松林森林生物量遥感估测空间回归模型构建表明GWR模型拟合表现优于OLS、SLM和SEM模型，且具有较小的估算误差，说明了考虑空间效应，采用空间回归模型可以较好地模拟和反演区域森林生物量。.在区域水平上，以2007年和2012年普洱市森林资源连续清查数据、2006年和2016年普洱市森林资源调查规划数据为数据源，采用Moran's I指数、气泡图、聚类和异常值分析、热点分析来分析思茅松林生物量的全局空间自相关和局部空间自相关，通过相对空间异质性（SH%）和组内方差分析思茅松林生物量的空间异质性，系统分析了思茅松林生物量的空间效应，进而揭示了不同时段思茅松林生物量空间效应的动态变化。