时 宇，李明阳，杨玉峰，余 超

(南京林业大学 森林资源与环境学院，江苏 南京 210037)

南京紫金山风景林碳密度空间动态变化分析

时 宇，李明阳，杨玉峰，余 超

(南京林业大学 森林资源与环境学院，江苏 南京 210037)

以南京市东郊紫金山国家森林公园风景林为研究对象，利用1988年、2002年、2006年3期森林资源二类调查数据，采用林木蓄积量－生物量的转换公式，将风景林地上部分蓄积量转换成生物量和碳密度。在此基础上，对研究区的碳密度进行趋势面分析、冷热点探测、地理加权回归分析、空间格局分析。研究结果表明:(1)紫金山碳密度在空间分布上呈现出一种由东西部显著差异到同心圆状分布的变化趋势，1998～2006年，碳密度峰值由西往中，再往中北转移。(2)1998～2006年，紫金山风景林碳密度热点主要分布在海拔较高，坡度较大，NDVI植被指数较高，距离道路较远的地方；冷点反之。(3)2006年紫金山风景林碳密度大小与NDVI植被指数、海拔、坡度、距道路距离呈正相关。

风景林；碳密度；空间动态；南京；紫金山

随着全球经济发展，大量二氧化碳等温室气体被排放，由此导致的气候变暖逐渐引起人们的关注，目前，气候变暖已经成为十大生态问题之首。为了缓解这一生态问题，森林的碳汇作用受到日益增长的重视。据资料统计，森林作为陆地生态系统的主体，储存了1 015 kg有机碳，占整个陆地生态系统的2/3以上[1]。

森林碳储量监测主要是通过定量分析特定时间段内森林碳储量的变化来实现的，常见方法包括通量观测法、样地清查法、模型模拟法及遥感监测法等[2]。基于以上方法，国内学者主要采用大尺度来研究森林碳储量，对小范围的研究比较少[3-5]。现在面临的问题主要有：(1)目前国内外对森林碳储量研究较多，但是针对受人类干扰活动影响比较严重的城市风景林碳汇的研究比较少；(2)现有的研究大多集中于国家、区域中大空间尺度，对景观尺度的森林碳汇研究较少；(3)在森林碳汇研究中，缺少对碳密度空间分布动态变化分析，难以揭示碳汇动态变化的社会、经济驱动因素。

本文以南京市东郊紫金山为研究对象，利用1988年、2002年、2006年3期森林资源二类调查数据，运用林木蓄积量—生物量的转换公式，将风景林蓄积量转换成生物量，再将其换算成碳储量，最终计算出碳密度。在此基础上，对研究区的碳密度进行空间格局分析，趋势面分析、冷热点探测以及地理加权回归分析。

1 研究区概况

紫金山位于南京市东郊，地理坐标为 118°48′24″～ 118°53′04″E，32°01′57″～32°16′15″N， 面 积 达 3 008.8 hm2， 最 高 峰 海 拔448.9 m。紫金山地处中纬度，属于热带向暖温带过渡气候；另外，处于海陆交界的地理位置使其降水丰富，四季分明。由于战争和病虫害等原因，紫金山原生植被早已不复存在，目前紫金山主要林分为落叶、常绿阔叶混交林，典型植被包括马尾松Pinus massoniana、枫香Liquidambar formosana、麻栎Quercus acutissima等。紫金山周围及景区内交通发达，道路纵横。东部有宁洛高速，西部有龙蟠路，南部有环陵路，北部有玄武大道；景区内纵横交错地分布着通达各个景点的旅游道路，有通往中山植物园的植物园路，通往明孝陵的明陵路，通往灵谷寺的灵谷寺路，通往中山陵的陵园路。

2 数据来源与研究方法

2.1 数据来源与预处理

本文所采用的数据有紫金山区域1988年、2002年、2006年森林资源二类调查数据库、2006年遥感卫星QuickBird数据包、紫金山数字高程模型等。根据3个时期的森林资源二类调查数据，将紫金山划分成71个林班，600个小班，其主要地类包括针叶林、阔叶林、针阔混交林、农田、草地、水域、其他土地(主要是建筑用地)。在此基础上，结合景区地貌特征、林班区划界线将森林公园区划为生态核心保护区、史迹-自然景观保护区、景观游览区、生态修复区、发展控制区5个经营单位。2006年遥感卫星QuickBird数据包，其中全色波段空间分辨率为0.6 m×0.6 m，多光谱波段空间分辨率为2.4 m×2.4 m。根据紫金山1∶10 000 地形图制作的数字高程模型，其分辨率为3.3 m×3.3 m。

根据以往的研究成果[6-7]，通过蓄积量—生物量模型转换，将3期紫金山风景林蓄积量转换为生物量，再统一乘以转换系数0.5，把各期紫金山600个小班的生物量转换为碳储量，然后用碳储量除以各小班面积[8-9]，计算出碳密度。通过遥感图像处理软件ENVI 4.7，进行遥感图像几何精校正、辐射校正，以及提取2006年紫金山NDVI植被指数。通过ArcGIS 9.3 中空间分析工具，生成研究区域的海拔、坡度、坡向3个栅格图层；以2006紫金山遥感影像为依据，跟踪其主要道路和主要居民点，并使用缓冲区分析工具生成距道路距离图层和距居民点距离图层。在最后生成的空间数据库中，包含森林碳密度、3个地形因子（海拔、坡度、坡向）、1个森林植被因子（NDVI植被指数）、2人类干扰因子（距道路距离、距居民点距离），合计7个属性。

2.2 主要研究方法

2.2.1 趋势面分析

趋势面分析是拟合数学面的一种统计方法。具体的方法就是用数学方法计算出一个数学曲面来拟合数据中的区域性变化的“趋势”，这个数学面叫做趋势面，方法的过程叫做趋势面分析，其实质是一种曲面拟合的方法[10]。其数学原理为：

式中，(x，y)为已知样本点的空间坐标；z为相应的属性值；a0～a5为多项式系数；ε为误差。

2.2.2 空间冷热点探测

空间冷热点探测是专门探索和发现局部空间聚类分布特征的方法。标识出相应空间集聚程度的高值和低值。高值就是问题爆发点，比如疾病爆发传染的核心。冷热点分析使用Getis-Ord Gi* 统计量（Getis和Ord于1992提出了全局G系数）。为数据集中的每个要素返回的Gi* 统计就是Z值。对于在统计学上的呈显著性正Z值，也就是Z值越高，高值（热点）的聚类就越紧密。对于统计学上的呈显著性负Z值，也就是Z值越低，低值（冷点）的聚类就越紧密。

冷热点分析为每一个要素计算Z值和P值（概率）。这个Z值和P值代表了要素在局部空间聚类关系上的统计含义，是对空间关系以及分析区域的概念化。Z值越高与P值越低，说明此要素空间集聚度越高。Z值越低与P值越低说明此要素空间离散度越高。Z值与P值接近零值，Z得分和P值是不拒绝零假设的，说明此要素没有明显的空间分布聚类，是完全的空间随机性。

2.2.3 地理加权回归

地理加权回归(Geographically Weighted Regression，简称GWR)，由英国Newcastle大学地理统计学家A.S Fortheringham及其同事基于空间变系数回归模型并利用局部多项式光滑的思想提出的模型。地理加权回归模型扩展了传统的回归框架，容许局部而不是全局的参数估计，通过在线性回归模型中假定回归系数是观测点地理位置的位置函数，将数据的空间特性纳入模型中，为分析回归关系的空间特征创造了条件。

其数学模型形式为：

其中(yi,xik)为在地理位置(ui,vi)处的因变量y和自变量x的观测值。ak(ui,vi)为观测点(ui,vi)处的未知参数，εi为独立同分布的随机误差,通常假定其服从N(0,σ2)。

3 结果与分析

3.1 趋势面分析

趋势面分析是通过ArcGIS 9.3中的Trend工具来实现的，打开Trend工具，在Input point features中选择提取出的因变量和自变量文件，字段选择碳密度，本研究采用3次回归，回归类型选择线性，并重新分为5类，由低到高依次为1级、2级、3级、4级和5级。

图1 1988年、2002年、2006年研究区碳密度趋势Fig.1 Tendency analysis of carbon density in research region from 1988, 2002 to 2006

从图1中可以明显发现，1988年碳密度趋势呈太极图形，由东往西逐渐增高，东西部差异显著，其主要原因是20世纪80年代，松材线虫、日本松干蚧等外来物种入侵南京紫金山，造成大量林木染病，染病区域主要分布在紫金山东部，致使1988年碳密度呈现东西部差异较大的分布趋势。2002年碳密度呈同心圆分布，峰值处于中部，向四周递减，主要原因在于20世纪90年代开始，政府开始加强紫金山规划保护，以及采取部分地区采取封山育林等措施，尤其针对位于中部大面积的自然林，使紫金山在20年间情况得以改善，林木蓄积大量增长，碳密度也即随之增长。近些年来，对紫金山旅游资源的开发，尤其是处于西部的白马景区、南部的明孝陵景区、中山陵景区和东部的灵谷寺景区，使得紫金山碳密度分布趋势略有变化，正如图中所示，2006年碳密度虽依然呈同心圆分布，但相比于2002年，峰值稍有北移。

3.2 碳密度空间冷热点分析

碳密度空间冷热点分析主要是在ArcGIS9.3的操作平台下实现的。具体做法是通过空间分析模块中聚集及特例分析工具，生成一个矢量文件，并在原有属性上增加了3个字段——LMi、LMz、CoType，其中LMi代表各个要素的Moran’s I 值，LMz表示其Z值，而CoType表示空间聚集类型。空间冷热点主要是通过空间聚类分析所得，它主要分为4种——热点(HH)、冷点(LL)、高值被低值包围的特例点(HL)、低值被高值包围的特例点(LH)。将紫金山3期碳密度的热点、冷点挑选出来，与紫金山景观生态规划图叠加，生成了紫金山1988年、2002年、2006年研究区冷热点分布图。

图2 1988年、2002年、2006年研究区冷热点分布Fig.2 Cold/hot spots distribution of carbon density in studied area from 1988, 2002 to 2006

从图2中可见，1988年热点主要分布在生态核心保护区，所处位置平均海拔151.52 m，1988年热点所处位置平均坡度23.58°，平均NDVI指数0.76，距道路平均距离631.71m；冷点主要分布在史迹-自然景观游览区中部，所处位置平均海拔60.59 m，平均坡度9.56°，平均NDVI指数0.69，距道路平均距离423.36 m。2002年的热点主要分布在生态核心保护区东部，生态恢复区西北部，史迹-自然景观游览区西部，热点所处位置平均海拔76.14 m，平均坡度9.91°，平均NDVI指数0.82，距道路平均距离703.30 m；而冷点主要分布在景观游览区西部，发展控制区东部，史迹-自然景观游览区西部，冷点所处位置平均海拔43.16 m，平均坡度6.39°，平均NDVI指数0.70，距道路平均距离448.31 m。2007年的热点主要分布在生态核心保护区中部，史迹-自然景观游览区西部，热点所处位置平均海拔107.43 m，平均坡度13.75°，平均NDVI指数0.83，距道路平均距离503.37 m；而冷点主要分布在发展控制区中北部，景观游览区中部和东部，冷点所处位置平均海拔38.43 m，平均坡度3.78°，平均NDVI指数0.66，距道路平均距离188.49 m。由此可见，碳密度热点主要分布在海拔较高，坡度较大，NDVI植被指数较高，距离道路较远的地方。另外通过3期比较，冷热点数量逐期增长，分布范围逐步扩散。

3.3 地理加权回归分析

本研究选择2006年紫金山碳密度作为因变量，海拔、坡度、坡向、NDVI森林植被指数、各小班中心点距主要居民点距离、距主要道路距离这6个紫金山碳密度驱动因子作为自变量进行地理加权回归。在进行地理加权回归之前分别对碳密度、自变量进行空间自相关分析、相关分析，以满足因变量空间相关、自变量独立的建模要求。结果表明，碳密度Moran I 为0.36，坡度与坡向相关系数较高，小班中心点距主要居民点距离与距主要道路距离相关系数较高。因此，最终选取紫金山海拔、坡度、NDVI植被指数、距道路距离4个因子作为紫金山碳密度地理加权回归的驱动因子，采用ArcGIS9.3中的Geographically Weighted Regression模块进行计算分析。

研究结果如下：条件数Cond值最小为9.864，最大为28.511，此诊断用于评估局部多重共线性，存在较强局部多重共线性的情况下，结果将变得不稳定，与大于 30 的条件数相关联的结果可能不可靠，本次研究Cond值均小于30，表明研究结果具有可靠性。模型的局部相关系数LocalR2为0.7522，表示局部回归模型与观测所得 y 值的拟合程度较好。因变量紫金山碳密度与NDVI植被指数、距离道路距离、海拔、坡度4个自变量的相关系数分别为0.062 9、0.021 1、0.042 1、0.102 8。表明紫金山碳密度与植被生长状况、所处位置的海拔及坡度、距离道路距离正相关。原因在于，海拔较高、坡度较陡区域人为干扰少，林木生长旺盛。而距道路越近的地方，人类活动频繁，基础建设较多，使风景林缺少良好的立地条件和生长环境，相应地，碳密度也较低，因而风景林碳密度与距离道路距离呈现正相关关系。

3.4 碳密度空间格局分析

为便于进行不同等级森林碳密度面积比例分析，根据1988年、2002年和2006年3期的森林资源调查，将针叶林、阔叶林针阔混交林合并为林地，将农田、草地、其他土地合并为非林地。经计算知，1988年、2002年、2006年的森林覆盖率分别为58.67%、66.87%、74.04%。其次，为便于进行不同等级森林碳密度面积比例分析，按照碳密度的大小将紫金山森林分为3级：高（＞80 t/hm2）、中（40 ～80 t/hm2）、低（＜40 t/hm2）。采用地统计学的 Moron I 系数、Z 两个指标进行森林碳密度空间聚集性分析（见表1）。

从表1 可以看出，3个时期紫金山森林碳密度差别不大， 1988稍低、2002稍高、2006年居中，1988～2006年间风景林碳储量呈稳步增长趋势。1988年碳密度与碳储量都较低，原因在于20世纪80年代以来，松材线虫、日本松干蚧等林业外来入侵物种相继侵入紫金山，对南京紫金山风景林造成了毁灭性破坏，导致大片马尾松、黑松感病枯死，大幅度降低了紫金山风景林的蓄积量和碳密度[14]。2002年碳密度与碳储量都较高的主要原因在于20世纪90年代初开始，中山陵园管理局开始加强对紫金山森林保护措施，对部分海拔较高、坡度较陡区域采取封山育林措施，使紫金山风景林生长状况得到较大改善，林木蓄积大幅度增长，碳密度与碳储量也即随之增长。从2004年开始，南京市开始对紫金山边缘环境进行大规模治理， 2006年森林覆盖率比2002年增长7.17%，碳储量随之增长。从表1可以看出，高、中碳密度林分的面积比例均以2002年最高，低碳密度林分面积比例以1988年最高。从空间分布来看，3个时期的 Moran I 均大于 0，Z均大于1.96，表明3个时期碳密度呈空间聚集性分布，并且森林碳密度的空间聚集性逐期增强，破碎化趋势减弱。

表1 研究区2006年碳密度空间格局分析Table 1 Spatial pattern analysis of carbon density in research region in 2006

4 结论与讨论

(1)研究表明，紫金山碳密度在空间分布上呈现出一种由东西部显著差异到同心圆状分布的变化趋势。从1988到2006年，风景林碳密度峰值由西往中，再往中北转移。另外，越是靠近山体边缘，尤其是紫金山东南角，碳密度越低。

(2)根据空间热点探测结果可知，紫金山风景林碳密度热点主要分布在海拔较高，坡度较大，NDVI植被指数较高，距离道路较远的地方；冷点反之。另外通过3期比较，冷热点数量逐期增长，分布范围逐步扩散。

(3)地理加权回归分析表明，紫金山碳密度分布与所处位置的NDVI植被指数、距离道路距离、海拔、坡度呈正相关。在影响碳密度分布的4个因子当中，以坡度的相关性最大，NDVI植被指数次之，所处海拔第3，距道路距离最小。

[1] Brown S, Hall C A S, Knabe W,et al.Tropical forests:Their past,present, and potential future role in the terrestrial carbon budget [J].Water, Air, & Soil Pollution, 1993,70(1-4):71-94.

[2] 曹吉鑫,田 赟,王小平,等.森林碳汇的估算方法及其发展趋势[J].生态环境学报,2009, 18(5): 2001-2005.

[3] 焦 燕,胡海清.黑龙江省森林植被碳储量及其动态变化[J].应用生态学报,2005,16(12) : 2248-2252.

[4] 焦秀梅,项文化,田大伦.湖南省森林植被的碳贮量及其地理分布规律[J].中南林学院学报, 2005, 25(1):4-8.

[5] 曹 军,张镱锂,刘燕华.近20年海南岛森林生态系统碳储量变化[J].地理研究,2002,21(5): 551-560.

[6] 郭立春,陈 霞.紫金山森林固碳释氧量的研究[J].中国城市林业,2010,8(3):47-49.

[7] 王祖华,刘红梅,关庆伟,等.南京城市森林生态系统的碳储量和碳密度研究[J].南京林业大学学报:自然科学版,2011,35(4): 18-22.

[8] 李惠敏,陆 帆,唐仕敏,等.城市化过程中余杭市森林碳汇动态[J].复旦学报:自然科学版,2004,43(6):1044-1050.

[9] Zhao M, Kong Z H, Escobedo F J,et al. Impacts of urban forests on offsetting carbon emissions from industrial energy use in Hangzhou,China[J].Journal of Environmental Management,2010, 91(4): 807-813.

[10] Agterberg F P. Trend Surface Analysis[A]. Gaile E L,Willmott C J, Spatial Statistics and Models [C]. Dordrecht: D. Reidel Publishing Company,1984, 147-171.

[11] Besag J,Newell J. The detection of clusters in rare diseases[J].Journal of the Royal Statistical Society,Series A,1991,154:143-155.

[12] David E. Statistics in Geography [M]. Oxford: Basil Blackwell,Ltd 1985.

[13] Fotheringham A S, Brunsdon C, Charlton M E. Quantitative Geography: Perspectives on Spatial Data Analysis [M]. London:SAGE Publications, 2000.

[14] 李明阳,张晓丽,刘 方,等.基于贝叶斯最大熵模型的紫金山松材线虫危害程度时空分析[J].西北农林科技大学学报:自然科学版,2012,40(7):99-105.

Spatial dynamic analysis of scenic forest carbon density in Zijinshan mountain in Nanjing city

SHI Yu, LI Ming-yang, YANG Yu-feng, YU Chao
(College of Forest Resources and Environment, Nanjing Forestry University, Nanjing 210037, Jiangsu, China)

Scenic forest in Zijinshan Mountain National Forest Park in east suburb of Nanjing city was taken as the research objects, and the forest resource survey data from three periods in 1988, 2002 and 2006 were gathered as the main information sources. On this basis,by using the conversion formula from forest volume to biomass, the volume factor of scenic forest above ground was converted into the factors of carbon stocks and carbon density. Then the carbon density in the studied region was probed by using cold/hot spot detection,and was analyzed by employing the methods of trend surface analysis, geographically weighted regression analysis and spatial pattern analysis. The results show that (1) the carbon density spatial distribution in Zijingshan mountain area presented a changing variation tendency that from having a marked difference between the western and eastern to becoming a concentric distribution, from in1998 to 2006, the position of carbon density peak value transferred from west to the middle and then to the farther north; (2) the hot spots of carbon density of scenic forest in Zijinshan mountain were mainly distributed in positions with high altitude, high slope, high NDVI and far away from the roads. For the cold spots, the situation was on the contrary; (3) the carbon density of scenic forest in Zijinshan mountain were positively correlated with NDVI, altitude, slope and distance from roads.

scenic forest; carbon density; spatial dynamics; Nanjing city; Zijinshan mountain

S718. 55+4；S759.5

A

1673-923X(2014)11-0145-05

2014-01-12

国家自然科学基金“基于MCDA/GIS的开放式城市风景林可持续经营空间决策方法研究”（50978054 ）

时 宇（1989-），男，硕士，主要从事3S应用、城市规划方面的研究；E-mail：shiyu_100500@126.com

李明阳（1967-），男，教授，主要从事风景林规划、3S应用方面的研究；E-mail：lmy1967273126.com

[本文编校：吴 毅]