作者：翟暢 胡潤田 范文義 單位：東北林業大學林學院 東北林業大學帽兒山實驗林場

1研究區域及研究方法

1.1研究區概況研究區坐落于東北林業大學帽兒山實驗林場老山實驗站，隸屬于黑龍江省尚志縣，地理坐標為127°36'～127°39'E，45°23'～45°26'N，為長白山植物區系張廣才嶺西北部小嶺的余脈，平均海拔300m，一般坡度在10°～15°。大陸性溫帶季風氣候，年平均氣溫為2～3℃。年降水量為600～800mm，年蒸發量為1094mm，年平均濕度為70%，年日照時數為2471.3h，年平均風速為1.5m/s。該地區歸屬于長白植物區系，森林覆蓋率為70.2%，闊葉紅松林為原地帶性頂級植被，遭受重大破壞經幾個階段演替后逐漸恢復為天然次生林相，較為典型，類型多樣，主要的次生演替灌木林群落為胡枝子灌叢、棒子灌叢、珍珠梅灌叢以及繡線菊灌叢。土壤類型多為暗棕壤森林土，土壤肥沃且濕潤［10］。

1.2數據獲取及預處理

1.2.1樣地森林水源涵養物理量估算在研究區內選取8種林分類型分別設置20m×20m的標準樣地。在研究區附近建立氣象觀測站，根據文獻［11－14］的野外數據收集方法分別得到了每次降水后各林分類型林冠層截留降水量、枯落物層持水量和土壤層含蓄降水量。以此作為模型建立的基礎數據。

1.2.2遙感數據獲取及預處理本研究選取北京衛星地面接收站接收的Land-sat－5TM影像作為研究區內森林水源涵養效益計量的數據源。數據來源為中國科學院對地觀測與數字地球科學中心對地觀測數據共享計劃。遙感影像獲取時，因太陽位置、大氣條件、傳感器成像、地形起伏、遙感平臺姿態、地球自轉等多種因素的作用［15］，對遙感影像有一定程度的影響，因此有效的消除各種因素對遙感影像的影響能夠達到增強信息量，提高光譜特征精確度，細化影像紋理特征的目的［16］，遙感影像經過預處理后要能夠全面準確的反應出研究區的地表信息。遙感數據的預處理包括多光譜數據組建、幾何校正、輻射定標、大氣校正等過程［16］。

1.2.3其他數據獲取前人的研究中大多數方法和模型都沒有真正充分利用遙感所提供的數據，特別是對結合地理信息數據庫的定性因子的引用明顯不足，基于以上原因，本研究提出將RS和GIS變量引入模型，故本文提取了各種與森林水源涵養效益相關的波段及各波段組合(包括植被指數)信息、地形因子信息(高程、坡度和坡向)和主成分因子信息參與模型的建立［16］。其中DEM數據來自中國科學院計算機網絡信息中心國際科學數據服務平臺。

1.2.4樣地遙感信息提取對于固定樣地中遙感信息的提取，采用空間定位的思想，將樣地矢量數據和遙感柵格數據進行疊加，在固定樣地的矢量點文件中讀取樣地相應的坐標，按照坐標提取柵格圖像上對應像元中儲存的信息［16］。為了給森林水源涵養模型的建立提供可靠數據，本研究利用IDL語言設計了按坐標提取遙感影像灰度值的程序，因樣地大小為20m×20m，而TM影像的分辨率為30m×30m，忽略GPS精度的影響近似的認為每個樣地點都能夠落入到影像的一個像元中。

1.3常規統計模型建立從各波段灰度值、不同波段灰度值之間的線性和非線性組合所派生出的各種變量因子(包括各種植被指數)、以及非生物因子柵格化所形成的輔助波段如海拔、坡度、坡向等出發［17］，盡可能多地選出各種自變量用于估算森林水源涵養生態效益的物理量。選取TM1、TM2、TM3、TM4、TM5、TM7、TM73、TM42、TM437、TM452、RVI、DVI、NDVI、SAVI、PVI、亮度、綠度、樣地坐標X、樣地坐標Y、高程、坡度、坡向、降水量、PC1、PC2、郁閉度和林齡27個自變量，根據提取影像灰度值程序提取出樣地點的因子信息參與建模，對所有這些因子與對應樣地總水源涵養物理量作相關性分析，相關系數見表1。由此可以看出:TM1、降水量(Precipitation)與樣地水源涵養物理量相關系數在0.05水平上具有顯著性，TM2、TM3、TM5、TM7、TM437、DVI、NDVI、PVI、Elevation和郁閉度與樣地水源涵養物理量相關系數在0.01水平上具有顯著性。利用SPSS統計分析軟件，利用逐步回歸的方法，樣地物理量作為因變量，27個與之相關的因子作為自變量進行回歸分析。

2結果分析

2.1物理量及價值量估算根據模型結果，選取所需變量，應用ENVI的波段運算功能計算出研究區的物理量分布如圖1所示。式中:E為森林水源涵養效益的價值量;P為有效面積系數;R為市場逼近系數;C為貨幣轉換系數;S為研究區面積。而在本區域內，R=1，C=0.8［17］，研究區面積由ENVI軟件中計算像元個數得到。結合GIS，生成研究區價值量分布圖，如圖2所示。將各個像元值相加，得到2008年全年水源涵養生態效益的物理量總量I=263.78萬t，價值量總量E=131.89萬元。由此可以看出，在研究區的西北及中東部地區涵養水源的能力較強。

2.2結果檢驗利用未參與建模的實測數據與模型估測數據進行比較，建立圖3的關系圖。根據下式計算模擬精度。2.3物理量空間分析因物理量與價值量存在線性相關關系，故只對物理量進行分析如圖4所示。研究區高程區間為0～775m，劃分為7個等級;坡度按國家等級劃分為6個級別;坡向劃分為9個方向。分別計算每個等級的物理量，圖4可以看出物理量隨高程的增大而逐漸升高，在第3個等級(200～300m)處達到峰值(44%)，隨后隨高程增大而驟減。引起變化的主要原因是重力和地球引力;由于類似的原因，在坡度的第2個等級(6°～15°)處物理量達到峰值(45%)，繼而隨坡度增大而降低;在坡向的第一(平坡)和第六等級(南坡)處，物理量分別為32%和25%，均高于其他等級。這是由于陽坡和半陽坡比陰坡和半陰坡的林木生長快，樹木的郁閉度和生物量較高而引起的［18］。

3結束語

利用生態定位觀測站數據與遙感和地理信息數據相結合，構建研究區的物理量統計模型和價值量計量模型，估算了2008年老山地區的水源涵養能力，為林區可持續發展提供了寶貴的數據基礎。在本研究中，準確地利用遙感信息驅動生態學過程模型，將研究尺度成功地從林班或小班尺度轉換到像元尺度上，為大區域的相關研究奠定了基礎，并且結合地理信息技術，使研究結果更加直觀。但在研究過程中由于數據有限，并沒有對各個樹種分別建模，故導致了結果的不精確性，另外，在提取樣地遙感信息時也具有像元值誤差。