森林干扰及火后恢复与气候变化耦合机制研究

发布时间：2020-10-17 22:40

　　 在全球气候变暖的大背景下,森林火灾的发生概率也在逐渐上升,同时火后植被恢复仍然取决于许多现场因素,如火干扰烈度,不同的植被恢复经营策略、地形和当地气候等。因此,研究火烧迹地森林恢复及其对火后气候状况的响应有着十分重要科学和现实意义。本研究基于11景Landsat影像,利用植被变化追踪模型(Vegetation Change Tracker,VCT)研究大兴安岭地区1987-2016年的森林干扰、恢复情况,并结合支持向量机(Support Vector Machine,SVM)分类算法,区分VCT监测的干扰类型,提取1987、2000、2006、2010年特大火灾火烧迹地,同时,利用Thiel-Sen估计对火后恢复模式进行分析,通过逐步回归,支持向量回归和随机森林三种建模方式,研究火后第五年森林恢复与五年内各年平均气温、平均最高温、平均最低温、极端最高温、极端最低温、年平均降水量、平均相对湿度七个气象因子、地形因子以及火后植被条件之间的关系。研究发现:(1)在大兴安岭地区,VCT的森林干扰监测结果依然能够保持较高的空间一致性,大部分年份的空间一致性在70%到86%之间。(2)通过结合VCT和SVM算法,能够很好地的从VCT算法的监测结果中辨别出火干扰。总体而言,这种VCT-SVM方法在绘制火干扰方面非常有效,能够较为准确地提供火干扰信息,这为进一步研究火烧迹地的植被恢复奠定了基础。(3)从Theil-Sen估计的结果中可知,在四场火灾中,1987年的火后森林恢复最快,2000年、2006年、2010年与之相比,恢复较慢。(4)随机森林算法能够较好地解释火后森林恢复与各项因子之间的关系。从建模结果来看,逐步回归算法的建模决定系数(R~2)为0.6441,平均相对误差为0.0711,均方根误差0.0584,验证R~2为0.5828,平均相对误差为0.0861,均方根误差为0.0734,随机森林算法建模R~2为0.9258,平均相对误差为0.0350,均方根误差为0.03,验证R~2为0.7701,平均相对误差为0.0665,均方根误差为0.0581,支持向量回归算法建模R~2为0.9011,平均相对误差0.0361,均方根误差为0.0329,验证R~2为0.7041,平均相对误差为0.0724,均方根误差为0.0581。因此,比较三种方法,随机森林算法能够较好的解释火后森林恢复与各项因子之间的关系。(5)气候因子与火后森林恢复之间有较好的耦合关系。三个模型对火后森林恢复情况的解释能力均较强,且从变量筛选的结果中可知,气象因子中降水、平均相对湿度和极端最高温对森林恢复的影响较为显著。
【学位单位】：南京林业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：S718.59
【部分图文】：

图 2-1 研究区概况Fig.2-1 Location of the study site（2）气候特点大兴安岭地区地处寒温带，属大陆性季风气候。冬季冗长，夏季极短，植物生长期较短，年平均气温为-3℃左右，极端最低温度-48℃，极端最高温度 36℃。年平均降水量为500mm 左右。

提取研究区 1987-2016 年的森林干扰和恢复历史并进行别重大火灾火烧迹地提取区 1987-2010 年的火烧记录，选取特大火灾火点，利用 SVM 结合 VCT 算法提取的森林干扰结果，提取 1987 年-2010 年特烧迹地植被恢复分析用森林恢复地图研究森林恢复历史进程，利用 Thiel-Sen 估计火指数（NDVI）的变化趋势，反映火后森林恢复趋势。烧迹地森林恢复建模DVI 作为火烧迹地森林恢复定量研究的指标，结合火烧烈度、火数，研究火后植被恢复与其之间的耦合机制，利用逐步回归、种方式对火灾 5 五年后的 NDVI 值进行建模。线图研究区数据收集、数据处理、火烧迹地提取、气候因子的选取化趋势研究、模型构建与验证几个环节开展研究，具体技术路

生成森林变化产品。①时间内插：在土地覆盖变化分析中使用被云或阴影污染的测量值可能会导致虚假变化，因此在时间序列分析中不应使用标记为云或云阴影的像元。但是，忽略这些像元并将其排除在分析之外将导致派生的产品出现漏洞。为了避免这个问题，VCT 使用时间插值来导出这些像元的内插值。具体地，对于在特定年份中被遮蔽为云或云阴影的每个像素，使用在该年之前和之后获取的时间上最近的非云非阴影观察值来计算其内插值。②确定变化和非变化类别：森林覆盖和变化的时间序列分析主要基于 IFZ 的物理解释。因为 IFZ 测量像元是森林像元的可能性，所以它的值应该随森林变化而变化。持续多年未发生重大干扰的林地（在本研究中，―持续‖一词表示在整个观测期内像元的覆盖类型保持不变），IFZ 值保持在低水平，并且在整个监测期内相对稳定。在任何一年，IFZ 值的急剧增加都表明当年发生了一次干扰。干扰后逐渐减少的 IFZ 值序列表示森林的恢复过程。从非森林到森林的转变（植树造林）或在时间序列之前发生的干扰中恢复的森林，则表现为IFZ 从高值逐渐减少到未受干扰的森林的水平。对于再生和造林过程，IFZ 不会从高值迅速下降到原始森林的水平，但会逐渐减少。这是因为建立森林是一个渐进的过程，重新生长的树木在光谱数据中需要至少几年才能获得―森林外观‖。最后，对于―持续非森林‖而言，其 IFZ 值在整个观测期间，通常保持较高水平。VCT 算法基本流程如图 3-1 所示：
【相似文献】

相关期刊论文 前10条

1 曹俊明;;火烧迹地造林技术[J];现代农村科技;2018年06期

2 范秀玲;;水源涵养林火烧迹地造林更新试验初报[J];民营科技;2013年11期

3 夏成才，王纯华;火烧迹地如何恢复森林[J];中国林业;1996年12期

4 程焕章;;大兴安岭北部林区火烧迹地森林恢复规划浅见[J];林业经济;1988年03期

5 庄凯勋;火烧迹地鼠类调查及鼠害测报结果[J];中国鼠类防制杂志;1988年03期

6 林静芬 ,金鑫;大兴安岭火烧迹地森林恢复的种苗问题[J];林业科技;1988年05期

7 苏忠明;刘俊生;;大兴安岭火烧迹地森林更新机械化问题的探讨[J];林业机械;1988年03期

8 巩世奎;;日照市林火迹地调查分析[J];森林防火;1988年04期

9 田中和博;王章才;;利用多元分析法区分天然林林型〈择伐林〉[J];华东森林经理;1988年04期

10 周以良,乌弘奇,陈涛,郑元瑞;按植物群落生态学特性,加速恢复大兴安岭火烧迹地的森林[J];东北林业大学学报;1989年03期

相关博士学位论文 前9条

1 王俊杰;大兴安岭地区火烧迹地森林恢复及景观模拟研究[D];哈尔滨师范大学;2017年

2 宋利臣;大兴安岭高寒区重度火烧迹地土壤生境质量及其演变[D];东北林业大学;2015年

3 杨伟;基于遥感的黑龙江流域火烧迹地及其植被恢复研究[D];中国科学院研究生院(东北地理与农业生态研究所);2013年

4 李攀;寒温带针叶林火烧迹地土壤温室气体通量研究[D];内蒙古农业大学;2014年

5 郭笑怡;中国东北森林干扰遥感研究[D];东北师范大学;2015年

6 孙明学;塔河林区林火对土壤性质与植被恢复的影响[D];北京林业大学;2011年

7 张敏;林火对土壤环境影响的研究[D];东北林业大学;2002年

8 王丽红;大兴安岭火烧迹地落叶松人工林生态效应研究[D];东北林业大学;2016年

9 魏云敏;火干扰对兴安落叶松林土壤理化性质和有机碳组分的影响[D];东北林业大学;2015年

相关硕士学位论文 前10条

1 孙桂芬;森林火烧迹地识别及植被恢复卫星遥感监测方法[D];中国林业科学研究院;2018年

2 王姮;森林干扰及火后恢复与气候变化耦合机制研究[D];南京林业大学;2018年

3 曹凤艳;火烧影响兴安落叶松林火烧迹地土壤及木炭生态功能研究[D];东北林业大学;2017年

4 李锡杰;威海里口山火烧迹地植被恢复技术研究[D];山东农业大学;2016年

5 李志龙;内蒙古大兴安岭冻土温室气体通量对林火干扰的响应研究[D];内蒙古农业大学;2012年

6 雷雨雨;不同强度火烧对大兴安岭天然林土壤黑碳的影响[D];东北林业大学;2015年

7 马艳滟;云南苍山火烧迹地地表蜘蛛群落[D];西南林业大学;2013年

8 覃炳醒;林火干扰对大兴安岭典型林型植被特征的影响[D];东北林业大学;2012年

9 詹剑锋;利用HJ-IRS影像提取林火火点和火烧迹地算法研究[D];中南大学;2012年

10 谢建秋;生态省力型营林技术研究[D];浙江农林大学;2012年

本文编号：2845401