李培琳 韦新良 汤孟平

(1. 省部共建亚热带森林培育国家重点实验室，浙江 临安 311300；2. 浙江农林大学环境与资源学院，浙江 临安 311300)

立地是指森林或其他植被类型生存的空间及与之相关的自然环境因子的总和[1]。森林立地类型是把立地条件相近的地段组合起来划分为同一立地条件类型的分类单位，它是森林立地分类中最基本的分类单位。森林立地类型划分是评价森林立地质量、分析生产力及预估经济效益的基础，对造林规划、抚育更新、林业生态建设等具有指导意义。

国内外形成了森林立地类型划分的多种方法，主要有植被因子途径、环境因子途径等[1-2]。通过植被因子划分立地类型的方法形成较早，适用于寒冷地区[3]，针对亚热带地区，只通过该方法分类并不准确。通过环境因子划分立地类型的方法因其简单明了，易于掌握的特点，在实际工作中应用较广，适用于多树种林区、无林、少林地区，以及因森林严重破坏难以利用现有森林进行立地类型划分的地区[4-5]。环境因子包括定量因子和定性因子，近年来，相关研究常采用立地因子分级的方法统一定性因子与定量因子[5-6]，但这种方法会损失原始数据的部分信息。

目前，已开展了很多构建浙江森林立地分类系统的相关研究。詹昭宁等[7]编制的 《中国森林立地分类》 中采用定性描述的方法对浙江省划分森林立地类型；唐正良等[8]采用定性描述的方法对浙江省杉木立地条件分类系统进行初步划分；陶吉兴等[9]、余国信等[10]采用主导因子分类法分别对浙江省沿海立地区、内陆立地区立地分类进行研究；吴伟志等[11]采用综合多因子途径、多级序的方法划分森林立地类型。以上研究均采用定性分析方法，选择影响林木生长的地形地貌、气候、土壤、植被等因子作为立地分类的主导因子。季碧勇[12]基于森林资源连续清查数据，采用定量分析和定性分析相结合的方法确定主导因子并进行立地分类。但是，其立地分类是直接以样地调查的立地因子为依据，难免存在调查的偏差。

在森林资源连续清查数据中，坡位和坡向通常是用分级定性表达的，难以真实反映出其生态环境的差异性。而在森林立地因子研究中，坡位和坡向的分异性研究又是十分重要的。为此，本研究根据浙江省2009年森林资源连续清查数据获取各样地土壤因子 (土壤类型、土层厚度、腐殖质厚度和枯落物厚度)，根据样地位置和同步获取的DEM数据提取各样地的地形因子 (海拔、坡度、坡向和坡位)，以坡位指数为坡位值、坡向角为坡向值，相互结合通过主成分分析的方法确定主导因子，以此划分立地类型，以实现对省域森林立地的精准化分类。

1 研究区概况

浙江省位于我国东南沿海，地处东经118°～123°，北纬27°～31°。全省陆域面积为1 055万hm2，其中山地和丘陵占74.6%，平坦地占20.3%，河流和湖泊占5.1%。省内地形复杂，自西南向东北呈阶梯状倾斜，西南以山地为主，中部以丘陵为主，东北部是低平的冲积平原。浙江省属典型的亚热带季风湿润气候，四季分明，光照充足，雨量丰沛，空气湿润。年均气温在15～18 ℃，全年10 ℃以上积温自北向南4 800～5 600 ℃，年平均日照时数为1 710～2 100 h，年平均降水量从北向东南由980 mm递增到2 000 mm。浙江省自然土壤主要有红壤、黄壤、黄棕壤、潮土、紫色土、水稻土和石灰土等，其中红壤分布最广；浙江省植被属中亚热带常绿阔叶林，主要的植被类型有针叶林、针阔混交林、常绿阔叶林、落叶阔叶林、竹林、经济林、灌木林等。根据第九次全国森林资源清查结果，浙江省森林覆盖率60.96% (一般灌木林覆盖率1.46%)。全省林地面积660.49万hm2，其中森林面积605.68万hm2；活立木蓄积3.31亿m3，森林蓄积2.97亿m3，毛竹总株数28.53亿株。

2 材料与方法

2.1 数据来源

森林资源数据来源于2009年浙江省森林资源连续清查 (NFI) 资料。森林资源连续清查采用系统抽样的方法布设样地，样地间距为4 km × 6 km，面积为0.08 hm2。经对森林立地因子数据进行核查，剔除非林业用地、数据不完整等样地，研究选取实际有效样地2 760块。样地调查数据主要包括样地的地理位置信息、林木的基本信息 (树种、平均年龄、平均树高、郁闭度)、土壤信息 (土壤类型、土层厚度、腐殖质厚度、枯落物厚度) 等。

数字高程模型数据 (DEM) 由地理空间数据云平台提供，空间分辨率为30 m，经过拼接、裁剪处理，用于提取各样地的地形因子 (海拔、坡度、坡向和坡位)。样地边长是28.28 m，接近30 m。以样地中心点坐标为对应基准，用像元覆盖样地，样地点所在像元的地形参数可以表示样地的坡形参数。刘学军等[13]对用DEM计算坡度坡向地形参数计算模型精度的研究表明，采用DEM可以获取地形参数的真值。

2.2 立地类型分类原则和系统

立地类型分类主要遵循地域分异原则、有林地与无林地相结合、综合多因子与主导因子相结合、定量分析为主的分类原则[14-15]。

以 《中国森林立地分类》 为基础，采用6级划分方法建立浙江省森林立地分类系统，其中，立地区域、立地区、立地亚区、立地类型小区沿用 《中国森林立地分类》 结果。森林立地类型组划分为红壤立地类型组、黄壤立地类型组、黄棕壤立地类型组、水稻土立地类型组、潮土立地类型组、紫色土立地类型组和石灰土立地类型组7类。在森林立地类型组内，根据主导因子,划分森林立地类型。根据 《国家森林资源连续清查操作细则》 中关于海拔、坡向、坡度、坡位、土层厚度、腐殖质厚度、枯落物厚度，结合研究区的实际情况，划分标准见表1。立地类型采用主导因子复合命名法。

表1 立地因子划分标准Table 1 Site factor division criteria

2.3 提取地形因子

在ArcMap中，利用浙江省DEM数据生成全省坡度图、坡向图。根据森林资源连续清查的样地位置数据提取各样地的海拔、坡度、坡向和坡位指数。其中，海拔、坡度、坡向和坡位指数可以根据DEM直接获取，通过坡向计算坡向角。下面介绍坡位指数和坡向角的计算方法。

2.3.1计算坡位指数

坡位指数 (TPI) 是指一个像元的高程值与其周围特定范围内像元平均高程值之间的差值，TPI值越大，说明坡位越接近山脊；相反，则越接近山谷。选择不同的尺度和邻域形状，TPI值也不同[16-19]。本研究通过由Jenness设计的ArcGIS扩展工具LandFacetCorridor计算TPI，采用半径为10个像元的圆形邻域对DEM数据进行计算[17,19]，得到浙江省的坡位指数图。

2.3.2计算坡向角

经ArcMap计算得到的坡向由0到360度之间的正度数表示，以北为基准方向按顺时针进行测量，同时为输入栅格中的平坦 (具有零坡度) 像元分配-1坡向。坡向主要反映的是光照对植物生长的影响。当坡向提取值从0向180度增加时，植物所接受到的太阳辐射递增；当坡向提取值从180向360度增加时，植物所接受到的太阳辐射递减；当森林立地为无坡向其坡向提取值为-1时，植物所接受到的太阳辐射可以近似看作与坡向提取值为90°时的值相同。因此，需要将提取的坡向值转换成坡向角，再进行定量分析。具体计算方法见公式 (1)。

(1)

式中：a表示坡向角 (°)，a的取值范围从0到180；b表示提取得到的坡向值 (°)，b的取值范围从0到360以及-1。

2.4 确定主导立地因子

利用SPSS软件对各立地类型组的立地因子分别进行主成分分析，得到特征根、方差贡献率、累计贡献率、因子载荷矩阵以及主成分得分系数等，从而选取对划分立地类型有重要影响的主导因子。

3 结果与分析

3.1 红壤立地类型组

红壤立地类型组包括2 270块样地。其中，有林地有2 063块，疏林地有11块，灌木林地有53块，未成林地有25块，苗圃地、迹地及宜林地有118块。利用SPSS软件对2 270个样本的立地因子进行主成分分析，通过各个参评因子对总分值的实际贡献率来确定各个参评因子的成分权重，一般情况下选择累计贡献率超过80%的成分作为主成分[20-23]。由表2可知，前5个主成分的特征值分别为：λ1=1.815，λ2=1.444，λ3=1.014，λ4=0.995，λ5=0.843，累计贡献率达87.30%。因此，这5个主成分大致包括了该立地类型组的主要立地信息，基本可以反映出立地质量的综合状况[24]。其中，第一主成分中海拔和坡度的主成分载荷值相对较高，分别为0.697和0.664，说明第一主成分是对组合地形的描述；第二主成分中腐殖质厚度和枯落物厚度的主成分载荷值较高，分别为0.670和0.653，说明第二主成分主要反映的是土壤有机物的综合情况；第三主成分中土层厚度的主成分载荷值最高，为0.770，说明第三主成分是对土层厚度的综合反应；第四主成分中坡向角的载荷值明显高于其他因素，为0.854，说明第四主成分主要反映了坡向信息；第五主成分中TPI值的载荷值最大，说明第五主成分是对坡位的描述。因此，确定立地类型划分的主导因子为海拔、坡度、腐殖质厚度、枯落物厚度、土层厚度、坡向和坡位。根据划分标准，共划分出223个立地类型。立地类型命名采用 “海拔-坡度-坡向-坡位-土层厚度-腐殖质厚度-枯落物厚度” 的复合命名法，如低海拔平缓阳坡中部中土薄腐薄枯型等。

表2 红壤立地类型组主成分分析Table 2 Principal components analysis of red soil site type group

3.2 黄壤立地类型组

黄壤立地类型组包括384块样地。其中，有林地有354块，疏林地有4块，灌木林地有9块，未成林地有4块，苗圃地、无立木林地及宜林地有13块。利用SPSS软件对384个样本的立地因子进行主成分分析。由表3可知，前5个主成分的特征值分别为：λ1=1.672，λ2=1.348，λ3=0.990，λ4=0.954，λ5=0.917，累计贡献率达84.01%。因此，这5个主成分包含了原始数据80%以上的立地信息，足以反映出立地质量的综合状况。其中，第一主成分中腐殖质厚度和枯落物厚度的主成分载荷值较高，分别为0.857和0.808，说明第一主成分是对腐殖质厚度和枯落物厚度的综合描述；第二主成分中TPI值和海拔的主成分载荷值相对较高，分别为0.755和0.734，说明第二主成分主要反映的是坡位和海拔信息；第三主成分中坡度的主成分载荷值为0.832，明显高于其他因素，说明第三主成分是对坡度的反应；第四主成分中坡向的载荷值明显高于其他因素，说明第四主成分反映了立地的坡向信息；第五主成分中土层厚度的载荷值最大，说明第五主成分反映了土层厚度信息。因此，确定立地类型划分的主导因子为腐殖质厚度、枯落物厚度、坡位、海拔、坡度、坡向和土层厚度。根据划分标准，共划分出140个立地类型。立地类型命名采用海拔-坡度-坡向-坡位-土层厚度-腐殖质厚度-枯落物厚度的复合命名法，如高海拔斜陡阳坡脊上部中土薄腐薄枯型等。

3.3 水稻土立地类型组

水稻土立地类型组包括73块样地。其中，有林地有64块，未成林地有3块，苗圃地6块，无疏林地、灌木林地、无立木林地及宜林地。利用SPSS软件对73个样本的立地因子进行主成分分析。由表4可知，前5个主成分的特征值分别为：λ1=2.025，λ2=1.414，λ3=1.123，λ4=0.967，λ5=0.610，累计贡献率达87.69%。其中，第一主成分中海拔和坡度的主成分载荷值较大，分别为0.840和0.785，说明第一主成分主要反映了立地的海拔和坡度信息；第二主成分中腐殖质厚度和枯落物厚度的主成分载荷值较高，分别为0.770和0.777，说明第二主成分主要反映的是腐殖质厚度和枯落物厚度的综合情况；第三主成分中土层厚度的主成分载荷值最高，为0.763，说明第三主成分是对土层厚度的反应；第四主成分中坡向角的载荷值明显高于其他因素，为0.807，说明第四主成分主要反映了立地的坡向信息；而第五主成分对各因子的反映均不明显。因此，用前4个主成分反映该类型组的立地信息，确定立地类型划分的主导因子为海拔、坡度、腐殖质厚度、枯落物厚度、土层厚度和坡向。根据划分标准，共划分出17个立地类型。立地类型命名采用 “海拔-坡度-坡向-土层厚度-腐殖质厚度-枯落物厚度” 的复合命名法，如高海拔平缓半阳坡中土薄腐薄枯型等。

表3 黄壤立地类型组主成分分析Table 3 Principal component analysis of yellow soil site type group

表4 水稻土立地类型组主成分分析Table 4 Principal component analysis of paddy soil site type group

3.4 石灰土立地类型组

石灰土立地类型组包括22块样地。其中，有林地有20块，灌木林地有2块，无疏林地、未成林地、苗圃地、无立木林地及宜林地。利用SPSS软件对22个样本的立地因子进行主成分分析。由表5可知，前4个主成分的特征值分别为：λ1=2.371，λ2=1.601，λ3=1.107，λ4=0.837，累计贡献率达84.52%。其中，第一主成分中腐殖质厚度和枯落物厚度的主成分载荷值较高，分别为0.892和0.815，说明第一主成分主要反映了腐殖质厚度和枯落物厚度综合情况；第二主成分中海拔和坡度的主成分载荷值相对较高，分别为0.813和0.711，说明第二主成分主要反映的是海拔和坡度的综合情况；第三主成分中TPI值的载荷值明显高于其他因素，为0.976，说明第三主成分主要反映了立地的坡位信息；第四主成分对各因子的反映均不明显。因此，用前4个主成分反映该类型组的立地信息，确定立地类型划分的主导因子为腐殖质厚度、枯落物厚度、海拔、坡度和坡位。根据划分标准，共划分出9个立地类型。立地类型命名采用 “海拔-坡度-坡位-腐殖质厚度-枯落物厚度” 的复合命名法，如中海拔急险坡下部薄腐薄枯型等。

表5 石灰土立地类型组主成分分析Table 5 Principal component analysis of lime soil site type group

3.5 其他立地类型组

潮土立地类型组包括7块样地，均为有林地；紫色土立地类型组包括3块样地，均为有林地；黄棕壤立地类型组只有1块样地，为有林地。由于这3个立地类型组的样地数不多，无需进行主成分分析。因此，根据7个立地因子及其划分标准，潮土立地类型组共划分了7个立地类型，紫色土立地类型组共划分了3个立地类型，黄棕壤立地类型组共划分了1个立地类型。立地类型命名采用 “海拔-坡度-坡向-坡位-土层厚度-腐殖质厚度-枯落物厚度” 的复合命名法，如中海拔斜陡阳坡下部中土薄腐中枯型等。

4 结论与讨论

本研究基于2009年浙江省森林资源连续清查数据及DEM数据，依据土壤类型将浙江省划分为红壤立地类型组、黄壤立地类型组、黄棕壤立地类型组、水稻土立地类型组、潮土立地类型组、紫色土立地类型组和石灰土立地类型组7个立地类型组。由于潮土立地类型组、紫色土立地类型组和黄棕壤立地类型组的样地数不多，因此只对其余4个立地类型组的立地因子进行主成分分析，结果表明：红壤立地类型组的主要立地因子是海拔、坡度、腐殖质厚度、枯落物厚度、土层厚度、坡向和坡位；黄棕壤立地类型组的主要立地因子是腐殖质厚度、枯落物厚度、坡位、海拔、坡度、坡向和土层厚度；水稻土立地类型组的主要立地因子是海拔、坡度、腐殖质厚度、枯落物厚度、土层厚度和坡向；石灰土立地类型组的主要立地因子是和腐殖质厚度、枯落物厚度、海拔、坡度、和坡位。各立地类型组根据立地因子或主导立地因子划分立地类型，将浙江省的森林立地类型划分为400种，建立了浙江省森林立地类型表，见表6。

本研究还存在一定的局限性。在立地因子选择上仍不够完善，只是根据已有研究数据和立地分类方面的相关研究成果选择立地因子。实际立地分类还受土壤质地、岩性、水分、营养元素等的影响，今后需要在主导因子筛选中增加一些土壤方面的立地因子。

本研究虽然存在一些不足，但是与现有的基于森林资源连续清查数据，直接以样地调查因子为依据的立地分类方法相比[13]，根据DEM提取立地因子，数据更精准，结果具有更高的可信度。同时，探索性地将坡位指数和坡向角作为立地因子来划分立地类型，为立地类型划分提供了一种新思路。

表6 浙江省森林立地类型Table 6 Forest site types of Zhejiang Province

本研究对适地适树进行造林设计、营林规划及林业生态文明建设具有重要的参考价值。但是，只进行了森林立地分类还不够，还需要进一步分析林分的生长情况、分布特征及立地特征等，对提出合理的植被构建方式具有重要的现实意义；同时，还需进一步开展森林立地质量评价的研究，以便推广应用于林业生产实际，为森林质量精准提升提供参考依据。

[1] 李忠国. 北亚热带中山区日本落叶松人工林立地分类与质量评价[D]. 北京: 中国林业科学研究院, 2011.

[2] 邓淑芹, 侯红亚, 张莉. 哈尔滨市丹清河实验林场森林立地类型的划分[J]. 防护林科技, 2016(6): 58-60.

[3] 孟宪宇. 测树学: 第3版[M]. 北京: 中国林业出版社, 2006: 98-112.

[4] 尹胜男, 刘瑞香, 胡春元, 等. 基于GIS下的上湾煤矿沉陷区立地类型划分[J]. 内蒙古农业大学学报 (自然科学版), 2010, 31(2): 60-65.

[5] 赵鹏祥, 徐国策, 王鸿哲, 等. 基于GIS的陕北农牧交错带立地类型划分研究[J]. 西北农林科技大学学报 (自然科学版), 2009, 37(10): 76-82.

[6] 曾晶, 张晓丽. 福建龙栖山国家级自然保护区森林立地分类研究[J]. 西北林学院学报, 2016, 31(1): 192-198.

[7] 詹昭宁, 周政贤, 王国祥, 等. 中国森林立地分类[M]. 北京: 中国林业出版社, 1989.

[8] 唐正良, 陶吉兴. 浙江省杉木立地条件划分的初步方案[J]. 浙江林业科技, 1991, 11(6): 1-6.

[9] 陶吉兴, 余国信. 浙江省沿海立地区立地分类的研究[J]. 浙江林业科技, 1994, 14(5): 31-36.

[10] 余国信, 陶吉兴. 浙江省内陆立地区立地分类研究[J]. 浙江林业科技, 1996, 16(3): 15-23.

[11] 吴伟志, 赵沛忠, 金伟, 等. 景宁畲族自治县森林立地类型分类与质量评价[J]. 华东森林经理, 2011, 25(3): 16-19.

[12] 季碧勇. 基于森林资源连续清查体系的浙江省立地分类与质量评价[D]. 杭州: 浙江大学, 2014: 32-48.

[13] 刘学军, 龚健雅, 周启鸣, 等. 基于DEM坡度坡向算法精度的分析研究[J]. 测绘学报, 2004, 33(3): 258-263.

[14] 詹昭宁. 介绍中国森林立地分类系统[J]. 林业资源管理, 1988(5): 5-10.

[15] 余其芬, 唐德瑞, 董有福. 基于遥感与地理信息系统的森林立地分类研究[J]. 西北林学院学报, 2003, 18(2): 87-90.

[16] Guisan A, Weiss S B, Weiss A D. GLM versus CCA spatial modeling of plant species distribution[J]. Plant Ecology, 1999, 143(1): 107-122.

[17] Jenness J. Topographic Position Index (tpi_jen.avx) extension for ArcView 3.x, v. 1.2. Jenness Enterprises, 2006. [EB/OL]. [2017-12-06]. http://www.jennessent.com/arcview/tpi.htm.

[18] Jeroen D R, Jean B, Machteld B, et al. Application of the topographic position index to heterogeneous landscapes[J]. Geomorphology, 2013, 186(15): 39-49.

[19] Weiss A D. Topographic position and landforms analysis[C]// Poster Presentation, ESRI Users Conference, San Diego, CA, 2001: 227-245.

[20] 黄安, 杨联安, 杜挺, 等. 基于主成分分析的土壤养分综合评价[J]. 干旱区研究, 2014, 31(5): 819-825.

[21] 唐晓平. 四川紫色土肥力的Fuzzy综合评判[J]. 土壤通报, 1997, 28(3): 107-109.

[22] 杨晓娟, 廖超英, 孙文艳, 等. 乌兰布和沙漠东北部沙区人工林土壤肥力质量评价[J]. 干旱区研究, 2012, 29(4): 604-608.

[23] 张勇, 李土生, 潘江灵, 等. 连云港市云台山宜林荒山立地质量分类及评价[J]. 水土保持通报, 2014, 34(3): 171-177.

[24] 王璐, 王海燕, 何丽鸿, 等. 天然云冷杉针阔混交林立地质量评价[J]. 东北林业大学学报, 2016, 44(3): 1-7.