邱昆明

(福建省连城县国有林场，福建 连城 366200)

林分蓄积量是评价一个地区的森林生态环境和森林资源规模的主要指标，是森林资源监测的主要内容之一。林分蓄积由断面积、树高和形数构成，单位面积蓄积不仅受树种、起源、林木直径、树高、年龄等因素影响，同时林分密度、立地条件、经营措施等也对其起产生影响[1]。具备速生、丰产、优质等特征的杉木(Cunninghamialanceolata)系连城县国有林场的第一造林树种，研究人工杉木林分蓄积各因子间的相关性，对人工杉木林的资源利用、管理决策等都具有重要的意义。当前不少学者都对林分蓄积相关因子主成分分析进行了研究，并根据不同的树种和区域特征，采取不尽相同的因子进行主成分分析和评价，其分析的数据来源主要为森林资源连续清查中的样地数据，而基于小班尺度的蓄积相关因子主成分分析研究较少报道。因此，本研究从连城县国有林场2015年森林资源建档小班数据库中筛选出581个人工杉木林小班，利用小班中的相关因子，从小班尺度采用主成分分析法和多元回归法以及配对t检验[2～3]，找出与人工杉木林单位面积蓄积相关的因子进行进一步的分析，以期更好地为本区域今后杉木人工商品林的培育和管理提供参考。

1 研究区概况

连城县国有林场位于闽西连城县境内，介于东经116°32′12″—117°09′55″、北纬25°13′32″—25°56′02″之间。年均气温13.8～19.5 ℃，极端低温-5.6 ℃，极端高温37.6 ℃，年均降水量1600～2200 mm。气候温暖，雨量充沛，水热条件优越，属于典型的中亚热带季风湿润气候。林业用地的主要土壤是红壤。在国家植被区划体系中，属于福建西部博平岭常绿槠类阔叶林小区，植物种类多，资源丰富。林场以经营人工商品用材林为主，主要造林树种为杉木和马尾松，林场与周边集体林相比经营集约程度较高，由于拥有专业技术人员较多，森林资源档案及营造林档案齐全、准确率也较高，为本研究提供了较为扎实和准确的基础数据。

2 分析方法

2.1 数据来源及预处理

对福建森林资源监测管理系统中的连城县国有林场2015年森林资源小班数据库进行导出，在导出的数据中对人工杉木林小班进行提取，由于小班数据中存在一些明显异常数据将影响后续分析，因此利用SPSS 19.0建立林分蓄积量、胸径、树高与小班年龄的散点分布图进行分析剔除，后从数据库中提取581块杉木人工林小班，其分布范围为：林分年龄7～40 a、平均胸径2.0～30.0 cm、平均树高1.7～23.1 m、林分密度135～3540株·hm-2、林分蓄积量13.7～335.8 m3·hm-2、郁闭度0.2～0.9、土层厚度45～220 cm、腐殖质层厚度2～25 cm、海拔高352～1035 m。杉木在不同的年龄、平均胸径、平均树高、林分密度、郁闭度和海拔、地形、土壤厚度等因子的综合作用下导致了小班林分单位蓄积量的不同[4]。胸高断面积是林分蓄积构成的重点，胸高断面积与胸径和株数正相关。本文拟从小班尺度利用森林资源小班数据库进行分析，小班数据库中的林分密度(株数)除幼林外，中龄林以上并不完整，加上在森林资源年度续档过程中，具有蓄积量的小班林分密度年度未作修正，考虑到小班数据结构情况，在无法利用胸高断面积数据的情况下，尝试引入郁闭度因子作分析。参照以往林分蓄积相关因子主成分分析的研究成果和相关理论[5-7]，结合本区域人工杉木林的实际生长状况并基于小班尺度的考虑，本研究选择了14个因子进行分析，基于小班林分的因子有：平均年龄、平均胸径、平均树高、林分密度、郁闭度；基于小班立地的因子有：海拔、坡向、坡位、坡度、坡长、土壤厚度、腐殖层厚度、灌木层类型、草本层类型。为便于统计分析，除定量型数据外，对定性型数据坡向、坡位、坡长、灌木层类型、草本层类型，根据其数据对杉木人工林单位面积蓄积生长的优劣顺序，用等距法进行数值量化处理。以坡向为例，杉木属喜阴树种，将西北坡、北坡、东北坡、东坡统一为阴坡；无坡向划为一类；把东南坡、南坡、西南坡、西坡统一为阳坡；分别赋值为3、2、1，其他定性指标同理进行量化转换。

2.2 数据处理

采用Excel 2003对数据进行初步统计和分析，相关性分析、主成分分析、回归分析、配对t检验采用SPSS 19.0进行。

3 结果与分析

3.1 各因子间相关性分析

对抽取小班数据进行数值量化处理后，利用SPSS 19.0对杉木人工林林分蓄积量与各因子之间作相关分析(表1)。从表1 可看出，林分蓄积量与平均胸径、平均树高、郁闭度、平均年龄、海拔、坡长、腐殖层厚度的相关系数为0.110～0.748，均呈极显著相关；草本层类型与林分蓄积量呈显著相关关系；小班数据库中林分密度因有缺漏及抚育间伐作业后年度续档本项目未及时修正，因而林分密度的相关性未能体现；由于杉木为浅根性树种，原始资料显示本次抽取的小班平均土层厚度均在45 cm以上，基本能满足杉木生长对土层厚度的要求，因而对土壤厚度的相关性不强；因采取小班尺度的分析，其涉及到的面积范围相对样地大，因此在坡向、坡位、坡度、灌木层类型等立地环境因子的相关性未能发现。综上，杉木人工林林分蓄积量主要受树体本身(平均胸径、平均树高、郁闭度、平均年龄)的影响。

表1 林分蓄积量与各因子间的相关分析

*：*为显著相关[0.05 水平(双侧)]；**为极显著相关[0.01 水平(双侧)]。

3.2 主成分分析

主成分分析的效果要有统计学意义。首先抽样适度测定值(Kaiser-Meyer-Olkin，简称KMO值)要求>0.5，其次是球形检验卡方值(巴特尼特Bartlett)的显著性P(Sig.)<0.05[8]。通过上述相关性分析，主成分分析选取与林分蓄积量显著相关以上的因子进行，本分析选取的2个公因子累积方差贡献率为52.63%、公因子的KMO检验值为0.723、各公因子特征值>1(表2、表3)。由于2个公因子的含义不清，为得到公因子的载荷矩阵，对原因子载荷矩阵运用最大方差法进行正交旋转，因子得分系数矩阵采用回归法得到(表3)[3-4]。由表3可知，第一公因子有较大载荷的分别为平均年龄、平均胸径、平均树高、郁闭度(带下划线的数据)，其方差贡献率为31.32%。断面积、树高和形数构成蓄积量三要素，而平均胸径与断面积成正比关系，林分蓄积三要素在第一公因子包含了2个，因此将第一公因子定义为林分基本因子；第二公因子在海拔、坡长、腐殖层厚度(带下划线的数据)上有较大载荷，其方差贡献率为21.32%，定义为环境立地条件因子。用2个公因子代表原来的8个因子评价林分蓄积量信息总量的52.63%，其主成分公因子分析结果较满意。

表2 取样足够度量数KMO和球形度检验Bartlett

表3 各因子的主成分分析

3.3 多元线性回归分析

从原有抽出的581个人工杉木林小班中随机抽出500个小班作为建模小班，其余81个小班作为验证小班。建模采用多元线性回归方法，分别以林分蓄积量为第一公因子和第一、二公因子的因变量，公因子为自变量[8]。第一公因子建模时，平均年龄的t检验值为-2.287，因显著水平不够而被舍弃；同样原因，第一、二公因子建模时，对于t检验值为0.679和-1.493的海拔和坡长2个因子也被舍弃。建模情况详见表4。

表4 林分蓄积量与相关因子建模情况

*：V、D、H、C、F分别为林分1 hm2蓄积量、平均胸径、平均树高、郁闭度、腐殖层厚度。

作为林分基本因子的第一公因子与林分蓄积量的相关性可通过R2值0.654、Sig.值<0.05得以体现；建模方程中第一、二公因子与第一公因子对比决定系数略高、F值较小，表明随着环境立地条件因子的参与其数据的拟合程度也得到提高，但林分蓄积量估计精准度却有所下降。从2个多元回归建模方程可看出，人工杉木林蓄积量主要由树种本身的生物学特性决定。

3.4 回归模型验证

表5为2个建模方程求得的蓄积利用配对t检验法与实测值进行检验结果。从表5中可看出2个检验对其t值都小于t0.05(81)=1.990，说明2个模型的回归计算值与实测值之间无显著差异。第一、二公因子模型配对检验随着环境立地条件因子的增加，显著性随着均值、标准差以及t值减小而减小，其结果与因子分析的结果相一致。

表5 多元回归模型的t检验

4 总结和讨论

1)对连城县国有林场杉木人工林小班数据各因子之间进行相关分析，选取出与杉木林分蓄积量相关的2个公因子。平均年龄、平均胸径、平均树高、郁闭度在第一公因子上载荷较大，定义为林分基本因子；海拔、坡长、腐殖层厚度在第二公因子上载荷较大，定义为环境立地条件因子。在多元线性回归分析中，由于平均年龄、海拔、坡长的t检验值达不到显著水平而被剔除。对林分2个公因子中的累积因子进行多元线性回归分析建模、对建模方程求得的结果利用配对t检验法与蓄积量实测值进行检验，其结论符合因子分析法结果，提取的公因子与林分蓄积的三要素基本吻合。基于小班尺度杉木人工林蓄积相关因子主成分分析可行、有效，找出其相关公因子，可以达到减少观测变量，提高公因子变量的观测精度，精简小班档案数据的目的。

2)不同生境下植物生长机制存在较大差异，此次基于小班尺度的蓄积相关因子主成分分析结论与林分的实际情况相符。其分析方法比传统的典型样地调查获取数据相对方便，数据所包涵的面积范围比典型样地更大，因此所代表的林分特征值更有代表性；但在对局部的立地条件(坡向、坡位、坡长)等因素上的反映相对较弱；此外，小班数据的调查精度比样地低及森林资源续档造成的误差也容易造成评价结果的偏差，这些因素应尽量在小班调查和建档的内外业中克服并在数据的预处理中发现剔除。

3)对蓄积相关因子主成分分析的因子取舍有不同的看法，本分析只是对蓄积相关因子主成分分析的一次有益探索，在数据调查、取舍和数据分析等层面上，仍有许多问题需要不断补充和完善。为了探求提高林木生长速度和提高林地生产力，利用主成分分析方法对人工杉木蓄积量相关因子进行分析，找出影响其蓄积生长的主因素，从而指导营林工作；在森林资源调查工作中，提高其主因素的调查精度。