张吕成 张一帆 董灵波

摘 要：为研究大兴安岭地区森林景观结构的形成和维持机制，本文以2010年Landsat TM遥感影像和同期一类调查数据为基础，采用一阶条件强度的核密度函数和二阶条件强度的O-ring统计方法研究该地区的主要森林景观类型（落叶松白桦混交林、天然落叶松林、天然白桦林和针阔混交林）的空间分布格局及其关联性。结果表明：①大興安岭的主要景观类型为落叶松白桦混交林、天然落叶松林、天然白桦林和针阔混交林，占区域总面积72.44%;②核密度分析表明，4种主要景观类型在空间上分布具有明显的聚集特征，其平均斑块密度为2.33～6.0 个/km2，空间变异系数达39.7%～49.5%;③4种景观类型均在小尺度上呈现聚集分布（0～20 km），随着尺度的增大逐渐呈现出随机分布或均匀分布;④各景观类型之间在小尺度上呈现出显著的正关联性或负关联性，而在大尺度上则以无关联性或负关联性为主。本研究为该地区森林可持续经营提供理论依据。

关键词：大兴安岭;点格局分析;O-ring函数;核密度函数;空间关联性

中图分类号：S718. 54 文献标识码：A 文章编号：1006-8023（2021）06-0001-09

Abstract：In order to study the formation and maintenance mechanism of forest landscape structure in Daxingan Mountains， this paper studied the main forest landscape types （Larix gmelinii-Betula platyphylla mixed forest， Natural Larix gmelinii forest， Natural Betula platyphylla forest and Natural coniferous-broadleaved mixed forest） and their spatial distribution by using the first-order conditional intensity kernel density function and second-order conditional intensity O-ring statistic method based on Landsat TM remote sensing images in 2010 and a type of investigation data. The results showed that： ① The main landscape types in Daxingan Mountains were natural Larix gmelinii-Betula platyphylla mixed forest， natural Larix gmelinii forest， natural Betula platyphylla forest and natural coniferous-broadleaved mixed forest， accounting for 72.44% of the total area. ② The results of kernel density analysis showed that spatial distribution of the four main landscape types had obvious aggressive characteristics. The mean patch density was 2.33-6.0 patch/km2， and the coefficient of spatial variation was 39.7%-49.5%.③ The four landscape types showed aggregative distribution on small scale （0-20 km）， and with the increase of scales， they showed random distribution or even distribution.？④ The landscape types showed significant positive or negative correlation on a small scale， but on a large scale they were mostly negative or no correlation. This study is the theoretical basis for sustainable forest management in this area.

Keywords：Daxingan Mountains; point pattern analysis; O-ring function; kernel density function; spatial correlation

0 引言

景观格局是一种空间排列，在大自然的作用下或者在外界人力干扰下产生出形态不同、分布迥异的景观排布[1]。景观格局不仅能够体现出景观上的异质性，也体现在生态环境演变过程中外界环境造成不同程度上的干扰和作用。人们将没有规则的景观斑块图像进行分析处理，透过事物的表象看到事物的本质，发现图像中所隐藏的规律，得到景观格局形成的原因，从而分析景观格局形成的驱动因子。

随着遥感技术和地理信息系统研究的不断发展，学者们使用景观格局分析软件与3S技术相结合，对森林资源进行了很多的研究分析[2]。宋涛等[3]利用地理信息技术对森林景观格局数据进行分析，得到了森林资源在水平空间层次的综合分布。程晓燕[4]基于RS数据源，运用GIS技术得出森林资源在分布上的规律性。当前全球在对植物种群空间分布及其关联性的研究领域中，较为常用的点格局分析方法是景观格局指数法以及空间统计学法，其中景观格局指数法，即函数主要是通过软件来对各景观要素的栅格数据进行计算得到指数，然后通过指数来分析景观格局特点，此方法可以很大程度地简化景观类型的空间格局信息，高度地浓缩了景观空间格局的信息，并且运算十分简便，所以此方法运用较为广泛。但景观指数法的各指数之间具有明显的相关性，且其生态学意义也并不明确，在指示景观空间格局特征方面具有片面性。同时景观空间格局及其关联性的研究需要在多个尺度开展空间异质性的定量化研究，具有明显的尺度依赖性，为了解决这一问题，之后又不断地提出了分析多尺度上景观类型空间格局的方法。

空间点格局分析理论，通过二维空间的点状分布图来分析在各种尺度下变量的空间分布格局，可以用来分析各种点状的物体在不同尺度上的空间分布格局。点格局分析方法很好地克服了景观指数的缺陷，能很好地从多尺度上去解释森林景观形成和维持的内在机制[5]。其结果可以在一定程度上分析不同景观的空间分布格局及其關联性[6]，但却也存在着明显的尺度累计效应问题，不能很好地反映出不同尺度上的景观空间分布格局[7]。

为了解决空间点格局分析法的尺度累计效应问题，之后又进一步提出了O-ring统计方法，这种方法摒弃了圆的方法，改用圆环来作为统计工具，可以分离特定距离的等级，从而极大地提高了空间格局分析的准确度。该方法能很有效地避免尺度累积效应，更真实地反映植物种群在多尺度上的空间分布格局，因而被广泛应用[8]。本文以黑龙江省大兴安岭的景观格局作为研究对象，利用2010年大兴安岭森林资源的一类调查数据结果，采取核密度分析方法以及O-ring函数，探究大兴安岭森林景观格局在空间分布上和各个物种间的关联性[9]，以期为该地区对于森林资源的保护和可持续开发上提供科学的理论依据和技术支持。

1 研究地区与研究方法

1. 1 研究地区概况

大兴安岭地区是我国面积最大的林区，位于：121°12′～127°00′ E; 50°10′～53°33′ N，林地面积为 678.40 万 hm2，属于寒温带大陆季风气候区，冬寒夏暖，年温差大，夏季降水较多[10]，最低气温可达到-53 ℃，平均气温为-2.6 ℃;每年都会有180～120 d处于冰封期。因为大兴安岭地区地形和气候的差异，形成的物种分布状态也是不同的，其中，最具代表性的分布是兴安落叶松林（Larix gmelinii）、白桦林（Betula platyphylla）等乔木林，以及杜鹃（Rhododendron simsii）、越桔（Vaccinium vitis）、杜香（Ledum palustre）等灌木。

1.2 数据收集

利用2010年大兴安岭地区的Landsat TM遥感图像和同期的森林资源一类调查数据[11]，对大兴安岭地区的遥感影像进行分类。根据所收集的数据最终将所研究区域划分为：针叶混交林（Natural coniferous mixed forest， NCM）、针阔混交林（Natural coniferous-broadleaved mixed forest， NCB）、樟子松林（Natural Pinus sylvestris var. mongolica forest， PSV）、落叶松白桦混交林（Larix gmelinii-Betula platyphylla mixed forest， LGP）、杨树林（Natural Populus davidiana forest， PL）、软阔混交林（Soft-broadleaf mixed forest， SBM）、天然落叶松林（Natural Larix gmelinii forest， NLG）、天然白桦林（Natural Betula platyphylla forest， NBP）、其他（包括道路、房屋建筑和水流等; Others， OTH）共9个景观类型如图1所示。

1.3 森林景观点格局分析方法

本研究中景观点格局分析法采用一阶条件强度的核密度函数和二阶条件强度的O-ring统计，分别用来描述大兴安岭森林景观的点密度特征和森林景观的空间分布格局及其关联性[12]。

1.3.1 核密度分析法

密度分析可以将点或者线生成连续的表面，主要包括核密度分析、点密度分析和线密度分析，本研究中主要应用的是核密度分析，核密度分析是把矢量数据转换为栅格数据的一种手段[13]，可以计算每一个输出栅格像元四周的简单交点要素的密度，从而显示森林景观空间格局分布的状态、形式以及将来发展的动向[14]。主要工作原理是把某一个点周围的一片区域作为该点的空间窗口，然后计算出这个窗口里每个所要研究对象的平均值，赋值给该点作为密度值，在该点处密度值最高，随着与该点的距离不断增大，其密度值不断减小，在与该点的距离等于搜索半径的位置处密度值降为零[15]。核密度分析的公式可表示为：

1.3.2 O-ring统计

对于森林景观的点空间格局分析来说，多距离空间聚类分析法（Ripley s K函数）是最经常用到的一种处理措施。该方法是进行点格局分析的最基本的一个函数，但在Ripley s K函数分析中小尺度累积效应会对大尺度分析造成很大的影响[16]。为了消除这种影响，最后演变出了O-ring统计，这种分析方法摒弃了圆的方法改用圆环来作为统计工具，可以分离特定距离的等级，从而极大地提高了空间格局分析的准确度。O-ring统计包括2种方法，分别是单变量统计和双变量统计。

单变量统计只用来分析一个对象的景观分布格局，为了可以得到有意义的分析结果，在采用O-ring统计分析分布格局及其关联性时应该仔细地筛选零假设模型。对于单变量统计来说，如果所取样点的生态学过程和格局在空间分布上呈现出明显的不均匀性和复杂性，那么此时应该采用异质性泊松过程，相反如果取样的点属于均匀地分布，则应该采用空间随机零假设模型[17]。根据蒙特卡罗（Monte Carlo）模拟的结果可以得出，以水平分布格局函数（Q11（r））和上下包迹线（E11-和E11+）为纵坐标，以半径r为横坐标来进行作图，则能够很明显地分析取样的点的空间分布格局以及关联性。对于O-ring的单变量统计来说会有以下3种情况：第1种情况是如果Q11（r）比下包迹线，那么景观类型呈现明显的均匀分布[18];如果Q11（r）比上包迹线大，那么景观类型呈现明显的聚集分布;如果Q11（r）刚好处于上下包迹线之间，那么景观类型就会呈现出明显的随机分布[19]。单变量统计公式为：

1.4 数据处理

采用ENVI软件对遥感图像进行辐射定标和大气校正等操作;采用ArcGIS软件平台中的核密度函数模块计算景观类型的点密度特征，搜索半径为1 km。森林景观类型的空间分布格局及其关联性采用Programita软件（2010版），空间尺度为0～40 km。图标绘制采用EXCEL软件。

2 结果与分析

2.1 景观斑块空间结构特征

2.1.1 斑块面积特征

表1为大兴安岭地区各景观空间特征表，由表1可知，9种景观类型中LGP所占面积最大，达1 478.7 ×103 hm2，约占总面积的24.11%;其次分别是NBP、NLG、NCB、PSV、PL、NCM、SBM，面积分别为1 290.6×103、1 099.0×103、575.0×103、520.8×103、358.5×103、346.9×103、337.2×103 hm2，OTH所占面积是127.5×103 hm2。

斑块平均面积等于景观类型的总面积与景观类型的总斑块数量之比，可以表示景观的破碎化程度。破碎化程度会随着斑块平均面积值的不断增加而减小，与之成反比例。由表1可知各个景观类型斑块的平均面积从大到小排序为：NLG、OTH、NBP、LGP、NCM、PSV、NCB、PL、SBM， NLG的破碎化的程度最小，SBM的破碎化程度最大。

2.1.2 斑块的周长特征

斑块的周长情况可以表现出该林型里的物种、能量等向外流出的可能性。大兴安岭地区LGP的斑块周长是最长的，占斑块总周长的25.62%;OTH的斑块周长最小，仅占斑块总周长的1.16%（表1）。

2.1.3 斑块的数量特征

各个类型的斑块数量差距比较大，如图2所示。其数量从少到多的顺序依次为：OTH、NLG、PSV、NCM、NBP、PL、SBM、LGP、NCB。其中，斑块数量最多的景观类型是NCB，占总数量的6.43%，其次是LGP，占总数量的2.47%，最少的是OTH，仅占总斑块数量的0.40%。

从大兴安岭地区的景观分布来看，包括以下几种情况：第1种是斑块的面积、周长及数量都大的景观类型，包括LGP、NLG、NBP和NCB;第2种是斑块的面积和周长较小而斑块的数量却大的景观类型，如SBM;第3种是斑块的面积、周长数量都小的景观类型，如NCM。

2.2 景观斑块的空间点密度特征

LGP、NBP、NLG及NCB這4种林型在空间上的分布均是不均匀的，如图3所示。LGP的平均斑块密度（MPD）为5.78 个/km2，空间变异系数为49.5%，由图3（a）可以看出，其主要分布在大兴安岭的南部和北部，在西北部以及东南部都有少量的分布;NBP的MPD为4.7 个/km2，空间变异系数为42%，由图3（b）可以看出，其主要分布在大兴安岭的东南部，在西北部及南部均有少量分布;NLG的MPD为2.33 个/km2，空间变异系数为44.5%，由图3（c）可以看出，其主要分布在大兴安岭的南部和北部，西北部与东南部均有少量分布;NCB的MPD为6.0 个/km2，空间变异系数为39.7%，由图3（d）可以看出，其主要分布在大兴安岭的西北部和东部，而在南部仅有少量分布。综上所述，可以得到这4种景观类型在空间上都表现出非常明显的聚集分布，且在空间上分布不连续，所以这4种景观类型均可以用异质性泊松过程来进行分析。

2.3 景观斑块的空间格局

由图4可知，NLG在0～36 km的尺度上表现出明显的聚集分布，在36～40 km的尺度上则表现出随机分布;NBP在0～32 km的尺度上表现出明显的聚集分布，而在32～40 km的尺度上则表现出明显的随机分布;NCB在0～20 km的尺度上表现出明显的聚集分布，在20～23 km的尺度上表现出轻微的随机分布，在23～40 km的尺度上表现出明显的均匀分布;LGP在0～33 km的尺度上表现出明显的聚集分布，在33～40 km的尺度上表现出随机分布。综上所得，大兴安岭地区的4种主要景观类型在空间上都基本表现出在小尺度上呈聚集分布，随着尺度的增大，逐渐变为随机分布的这种规律。

2.4 景观斑块的空间关联性

由图5可以看出，LGP与NLG在0～36 km的尺度上表现出明显的正关联性，而在36～40 km的尺度上表现出无关联性;LGP与NCB在0～23 km的尺度上表现出明显的正关联性，在23～32 km的尺度上表现出无关联性，之后在32～40 km的尺度上则表现为明显的负关联性;LGP与NBP在0～32 km的尺度上表现出明显的正关联性，而在32～40 km的尺度上则表现出无关联性;NBP与NCB在0～4 km的尺度上呈负关联性，在4～8 km的尺度上表现出无关联性，在8～15 km的尺度上表现出明显的正关联性，在随后的15～40 km的尺度上表现出无关联性;NBP与NLG在0～35 km的尺度上表现出明显的正关联性，而在35～40 km的尺度上则表现出无关联性;NLG与NCB在0～3 km的尺度上表现出无关联性，在3～27 km的尺度上表现出明显的正关联性，在27～33 km的尺度上表现出无关联性，在之后的尺度上则表现出明显的负关联性。综上可得，这4种景观之间均在小尺度上表现为正关联性或负关联性，而在更大尺度上则呈现无关联性或负相关性。正关联性表明此时不同的景观斑块之间镶嵌分布可以促进生态环境稳定发展;无关联性表明在大尺度上各个景观类型之间互不影响;负关联性表明各景观类型与其他景观类型相互排斥，进而生成了适合其生存的局部生活环境，但也有可能是森林火灾及采伐所引起。

3 结论与讨论

对于景观格局来说，地理空间各个点的值都会影响到相邻其他点的值，从而产生空间依赖性，同时不同的空间尺度下的空间分布格局不一样，影响因子也不一样，从小尺度来看，在森林景观空间格局的形成方面，如共生、寄生、捕食和竞争等过程起着十分重要的作用;从大尺度来看，地形、水、温度、阳光和空气等非生物因素对空间格局的形成起着非常重要的作用[21-22]。

森林景观的形成、发展是各种自然干扰（如林火、病虫害等）和人为干扰（如森林采伐、道路网等）共同作用的结果，这种干扰不仅会影响森林物种的正常生长和演替，而且也会改变森林景观的物种组成和结构，进而影响森林各种生态功能的持续发挥。森林作为大兴安岭地区景观的基质，林地面积占绝对优势，景观多样性相对较低，因此任何的自然干扰和人为干扰都会严重影响景观斑块的大小、形状和连接度，促使森林景观向破碎化方向发展，这种变化在本研究得到证实。森林景观格局的变化会对区域生态环境和社会产生显著影响，但具体的响应机制有待于进一步研究。

不同景观类型间的空间关联性有所不同，并与空间尺度密切相关。正关联性表明此时不同的景观斑块之间镶嵌分布可以促进生态环境稳定发展;无关联性表明在大尺度上各个景观类型之间互不影响;负关联性表明各景观类型与其他景观类型相互排斥，进而生成了适合其生存的局部生活环境，但也有可能是森林火灾及采伐所引起。

在本研究中大兴安岭地区的4种主要森林景观类型LGP、NBP、NLG、NCB呈现以下特点：

（1）大兴安岭地区主要的景观是LGP、NBP、NLG和NCB，面积分别为1 478.7×103、1 290.6×103、1 099.0×103、575.0×103 hm2。这是大兴安岭地区的基质景观，共占总面积72.44%，对于该地区的稳定发展起着极大的作用[23]。同时相对于OTH，NLG、NBP、LGP的斑块平均面积较大，因此这4種主要景观破碎化的程度较小。

（2）大兴安岭地区的4种主要景观类型在空间上分布均不连续，且都呈面状分布，具有明显的聚集特征， 其MPD分布具有很明显的差异，从大到小依次为：NCB（6.0 个/km2）、LGP（5.78 个/km2）、NBP（4.7 个/km2）、NLG（2.33 个/km2）。这进一步说明各森林景观的样点并非空间随机分布，而是在一定尺度范围内呈现出显著的聚集分布。聚集分布有利于抵御不良外界环境，维持景观的正常持续发展，发挥功能的整体效应，因此被认为是自然界最常见的一种分布形式[24]。

（3）大兴安岭地区的4种主要景观类型在空间上都基本表现出在小尺度上呈聚集分布，随着尺度的增大，逐渐变为随机分布的这种规律，因为聚集分布可以很好地应对外界不良环境做造成的影响，进而促进生态系统健康稳定的发展。

（4）森林景观各个类型之间的空间关联性方面有所差异，这4种景观在小尺度上表现为正关联性或负关联性，而在更大尺度上则呈现无关联性或负相关性。植物群落学研究中不同景观之间在小尺度上会呈现出正关联性或者负关联性，且随着尺度的增大这种关联性减弱并慢慢趋近于无关联性，本研究所得的结论与此结论基本一致。

【参 考 文 献】

[1]孙志鹏.基于均匀度理论的龙池国家森林公园森林景观空间格局研究[D].雅安：四川农业大学，2016.

SUN Z P. Research on spatial pattern of forest landscape in Longchi national forest park based on the theory of uniformity[D]. Yaan： Sichuan Agricultural University， 2016.

[2]陈士银.湛江市城市景观生态空间格局优化研究[D].武汉：华中农业大学，2003.

CHEN S Y. Study on optimizing spatial pattern of urban landscape ecology in Zhanjiang city[D]. Wuhan： Huazhong Agricultural University， 2003.

[3]宋涛，陈端吕，肖化顺，等.基于GIS的西洞庭湖区森林景观空间格局综合评价[J].中南林业调查规划，2008，27（2）：50-54.

SONG T， CHEN D L， XIAO H S， et al. Integrated evaluation of the forest landscape patterns in west Dongting Lake region based on GIS[J]. Central South Forest Inventory and Planning， 2008， 27（2）： 50-54.

[4]程晓燕.北京山区森林景观格局分析[D].北京：北京林业大学，2009.

CHENG X Y. Analysis of the forest landscape pattern in Beijing mountain area[D]. Beijing： Beijing Forestry University， 2009.

[5]罗君，孙振亓，张学斌.基于ripley sK函数的绿洲景观格局演变分析：以张掖市甘州区为例[J].水土保持研究，2019，26（4）：224-231.

LUO J， SUN Z Q， ZHANG X B. Analysis of the characteristics and changes of landscape pattern of oasis in Ganzhou district of Zhangye city based on ripley s K function[J]. Research of Soil and Water Conservation， 2019， 26（4）： 224-231.

[6]王平，李芳，杨清培，等.基于ripley sK函数和Taylor幂法则的江西省豚草种群空间分布的点格局分析[J].植物保护学报，2019，46（1）：130-135.

WANG P， LI F， YANG Q P， et al. Point pattern analysis of spatial distribution of ragweed population in Jiangxi Province based on Ripley s K function and Taylor s power law[J]. Journal of Plant Protection， 2019， 46（1）： 130-135.

[7]李艳丽，杨华，邓华锋.蒙古栎-糠椴天然混交林空间格局研究[J].北京林业大学学报，2019，41（3）：33-41.

LI Y L， YANG H， DENG H F. Spatial distribution patterns of Quercus mongolica and Tilia mandshurica natural mixed forests[J]. Journal of Beijing Forestry University， 2019， 41（3）： 33-41.

[8]郭垚鑫，胡有宁，李刚，等.太白山红桦种群不同发育阶段的空间格局与关联性[J].林业科学，2014，50（1）：9-14.

GUO Y X， HU Y N， LI G， et al. Spatial pattern and spatial association of Betula albosinensis at different developmental stages at Taibai mountain[J]. Scientia Silvae Sinicae， 2014， 50（1）： 9-14.

[9]解伏菊，肖笃宁，李秀珍，等.大兴安岭北坡火烧迹地森林景观恢复及其影响因子：以郁闭度指标为例[J].应用生态学报，2005，16（9）：1711-1718.

XIE F J， XIAO D N， LI X Z， et al. Forest landscape restoration and its affecting factors in burned area of northern Great Xing an Mountains - Taking forest coverage as an example[J]. Chinese Journal of Applied Ecology， 2005， 16（9）： 1711-1718.

[10]宫阿都，李静.1987年大兴安岭森林火灾对陆地植被影响数据集[J].全球变化数据学报（中英文），2018，2（1）：59-66.

GONG A D， LI J. Dataset of forest fire and its impacts on the terrestrial vegetation in the Greater Khingan range， China， 1987[J]. Journal of Global Change Data & Discovery， 2018， 2（1）： 59-66.

[11]HAO Z Q， ZHANG J， SONG B， et al. Vertical structure and spatial associations of dominant tree species in an old-growth temperate forest[J]. Forest Ecology and Management， 2007， 252（1-3）： 1-11.

[12]王媛.慈溪市匡堰鎮景观格局与生态系统服务价值评估分析[D].杭州：浙江农林大学，2013.

WANG Y. Analysis of ecological system service value assessment and landscape pattern in Kuangyan Cixi[D]. Hangzhou： Zhejiang A & F University， 2013.

[13]董灵波，刘兆刚，李凤日.大兴安岭盘古林场森林景观的空间分布格局及其关联性[J].林业科学，2015，51（7）：28-36.

DONG L B， LIU Z G， LI F R. Spatial point patterns and associations of forest landscapes in Pangu forest farm in Daxing an mountains[J]. Scientia Silvae Sinicae， 2015， 51（7）： 28-36.

[14]彭闯.基于GIS的县域游憩机会谱（ROS）研究：以炎陵县为例[D].长沙：中南林业科技大学，2016.

PENG C. A research on county recreation opportunity spectrum （ROS） based on GIS-A case study of Yanling County[D]. Changsha： Central South University of Forestry & Technology， 2016.

[15]王鹤超，徐浩.基于POI及核密度分析的上海城乡交错带分布研究[J].上海交通大学学报（农业科学版），2019，37（1）：1-5.

WANG H C， XU H. Shanghai urban-rural ecotone distribution research based on the POI and kernel density analysis[J]. Journal of Shanghai Jiao Tong University （Agricultural Science）， 2019， 37（1）： 1-5.

[16]陈利顶，刘洋，吕一河，等.景观生态学中的格局分析：现状、困境与未来[J].生态学报，2008，28（11）：5521-5531.

CHEN L D， LIU Y， LV Y H， et al. Landscape pattern analysis in landscape ecology： current， challenges and future[J]. Acta Ecologica Sinica， 2008， 28（11）： 5521-5531.

[17]朱康文.基于GIS的山地城市制造业的地理集中度测算及时空演变研究[D].重庆：重庆师范大学，2016.

ZHU K W. Research on the geographic concentration measurement and spatial temporal evolution of the manufacturing industry in the mountainous city based on GIS[D]. Chongqing： Chongqing Normal University， 2016.

[18]袁子成.黃土丘陵沟壑区白羊草群落种多度格局及优势种空间点格局分析[D].杨凌：西北农林科技大学，2012.

YUAN Z C. The study on species abundance distribution and main species spatial point patterns of Bothriochloa ischaemun community in the loess hilly and gully region， China[D]. Yangling： Northwest A & F University， 2012.

[19]龙成.热带常绿季雨矮林优势种群和主要伴生种群结构、动态、空间分布格局及种间联结性研究[D].海口：海南大学，2013.

LONG C. Research on structure， dynamic， spatial distribution pattern and interspecific association of dominant and associated populations in tropical evergreen monsoon elfin forest[D]. Haikou： Hainan University， 2013.

[20] LYDERSEN J M， NORTH M P， KNAPP E E， et al. Quantifying spatial patterns of tree groups and gaps in mixed-conifer forests： Reference conditions and long-term changes following fire suppression and logging[J]. Forest Ecology and Management， 2013， 304： 370-382.

[21]FAJARDO A， GOODBURN J M， GRAHAM J. Spatial patterns of regeneration in managed uneven-aged ponderosa pine/Douglas-fir forests of Western Montana， USA[J]. Forest Ecology and Management， 2006， 223（1-3）： 255-266.

[22]李鑫，翁卫松，李明诗. 太平洋西北部地区天然林景观动态及破碎化驱动力分析[J]. 南京林业大学学报（自然科学版）， 2021， 45（3）： 174-182.

LI X， WENG W S， LI M S. Assessing natural forest fragmentation process dynamics and its drivers in the Pacific northwest region， USA[J].Journal of Nanjing Forestry University （Natural Science Edition）， 2021， 45（3）： 174-182.

[23]张颖.基于高分辨率遥感和极化雷达数据的大兴安岭地区森林地上生物量估测[D].北京：北京林业大学，2016.

ZHANG Y. Aboveground biomass estimation of Daxinganling based on high resolution and SAR data[D]. Beijing： Beijing Forestry University， 2016.

[24]韩路，王海珍，彭杰，等.塔里木河上游天然胡杨林种群空间分布格局与动态研究[J].西北植物学报，2007，27（8）：1668-1673.

HAN L， WANG H Z， PENG J， et al. Spatial distribution patterns and dynamics of major population in Populus euphratica forest in upper reaches of Tarim river[J]. Acta Botanica Boreali-Occidentalia Sinica， 2007， 27（8）： 1668-1673.