作者：徐婷 李明陽 吳文浩 單位：南京林業大學森林資源與環境學院 句容市農業委員會

本研究以句容市下蜀鎮2006年森林資源二類調查數據為主要信息源，以地理信息系統軟件ArcGIS、統計分析軟件SPSS為挖掘工具，通過主成分分析和聚類分析，揭示森林資源調查數據庫中隱含的森林健康空間分布規律、森林健康與生態環境因子間的量化關系等知識，以期為面向森林可持續經營指標的森林資源空間數據挖掘探索出一條科學適用的技術路線。

1研究區域概況

下蜀鎮位于江蘇省句容市北部，寶華山東側，地理范圍為東經119°4'23″～119°15'4″，北緯32°4'23″～32°12'29″，土地面積160km2，人口6.3萬人。地處長江三角洲，是長江南岸的經濟重鎮，是江蘇省句容市唯一的沿江鎮，擁有3.5km長的長江深水岸線，位于佛教圣地“律宗第一名下蜀鎮山”寶華山腳下，東離古城鎮江30km，西距古都南京35km，在上海經濟輻射區邊緣，南京都市區規劃圈內。下蜀鎮自然條件得天獨厚，屬北亞熱帶季風氣候，四季分明，雨水充沛，日照充足，年降水量1105km，年均溫15.1℃，年均日照時間2018h，年均無霜期229d。下蜀鎮境內多低山丘陵，地勢高低不平，總體呈現南高北低趨勢，南部依偎寶華山，中部為低山丘陵，北部依靠長江，地勢平坦。水陸交通發達，礦藏資源豐富。長江黃金水道、寧鎮公路、312國道、滬寧鐵路橫貫東西;句蜀公路、新大公路縱申南北，交織成網;大道河、便民河直通長江。工業經濟基礎較好，已逐步形成了建材、化工、服裝、機械四大工業類項。下蜀鎮用材林樹種有水杉(Metasequoiaglyptrobides)、馬尾松(Pinusmassoniana)、棣棠(Kerriajaponica)等，經濟林樹種有油桐(Verniciafordii)、板栗(Casta-neamollissima)、青梅木(mangachagpoiBlanco)、葡萄(Vitisvinifera)、柿樹(Diospyroskaki)、桃樹(Prunuspersica)等270多種，形成了“南林北菜”的農業發展格局。

2數據來源及研究方法

2.1數據來源及預處理研究所用的主要數據有:1)下蜀鎮2006年二類調查固定樣地空間數據庫，包括1216個小班，其中小班的屬性表除了包括地類、林種、樹種、平均胸徑、平均樹高、單位蓄積等常規調查因子外，還增加了森林健康調查因子;2)2006年下蜀鎮遙感衛星SPOT5數據包(全色+多光譜)，全色波段空間分辨率為2.5m，多光譜波段空間分辨率為10m;3)地理要素的矢量文件，根據融合后的SPOT5遙感圖像生成的包含居民地、交通干線(國道、省道、鐵路)的矢量文件;4)根據下蜀鎮1∶10000地形圖制作的研究地區數字高程模型(DEM)，空間分辨率為3.3m。根據相關文獻可知［3－8］，森林健康與林分單位面積蓄積量、平均高度、平均胸徑、平均年齡等林分調查因子有關，與林分所處的坡度、海拔、坡向等地形因子有關，并受到與居民點距離大小、離道路遠近等人類干擾因子的影響。利用Erdas9.2進行衛星圖像預處理、全色波段與多光譜波段的空間分辨率融合、自然色彩變換、空間子集運算。在此基礎上，借助GIS平臺對獲取的森林資源二類調查的原始小班數據進行預處理，選取與森林健康有關因子。首先，通過ArcGIS中的FeaturetoPoint工具，將1216個片林小班數據多邊形文件轉換成矢量文件;其次，利用其SpatialAnalyst的表面分析工具，生成研究區域海拔、坡度、坡位3個柵格圖層;第三，通過Arc-GIS9.3鼠標屏幕跟蹤生成道路、居民點圖層，并進行緩沖分析生成道路、居民地緩沖圖層;最后利用GIS平臺上外掛式分析工具HawthTools中的Inter-sectPointTool，分別與道路緩沖區、居民點緩沖區、海拔、坡度、坡位柵格圖層相交，生成距道路距離、距居民點距離、坡度、海拔、坡5個新的屬性特征。在最后生成的空間數據庫中，包含森林健康、6個林分因子(單位面積蓄積量、平均樹高、平均胸徑、平均年齡、植被覆蓋度、植被高度)，3個地形因子(坡度、海拔、坡位)，2個人類干擾因子(居民點距離大小、離道路遠近)，共計12個屬性。

2.2主成分分析主成分分析法(Principalcomponentanalysis(PCA))是通過構造原評價指標的綜合指標用以代替原指標進行評估的方法。主成分之間是相互獨立的，通常少數幾個主成分就能在很大程度上反映原有指標提供的信息，這些主成分被稱作主成分向量。主成分分析法一方面能消除重疊的信息，另一方面又起到降維的作用。通過對主成分中各指標系數的分析，確定每一主成分所綜合的意義［9］。

2.3聚類分析聚類分析(ClusterAnalysis)是根據事物本身的特性研究個體分類的方法。聚類分析的原則是同一類中的個體有較大的相似性，不同類的個體差異很大，將性質相近的歸為一類，將性質差別較大的歸入不同的類。當要聚成的類數已知時，使用快速聚類過程可以很快將觀測量分到各類中去，其特點是處理速度快，占用內存少。快速聚類適用于大樣本的聚類分析，它能快速地把各觀測量分到各類中去。本研究采用K－MeansCluster執行快速樣本聚類，使用k均值分類法對觀測量進行聚類。K－MeansCluster不僅是快速樣本聚類過程，而且是一種逐步聚類分析。所謂逐步聚類分析就是先把被聚對象進行初始分類，然后逐步調整得到最終分類。

3結果與分析

3.1主成分分析首先分析與森林健康有關的11個生態因子的相關性。KMO檢驗用于比較觀測相關系數值與偏相關系數值的一個指標，KMO的值越逼近1，表明對這些變量進行因子分析的效果越好，一般偏相關性大于0.9時相關性最佳，0.7以上可以接受，0.5以下不宜做因子分析。論文中KMO值為0.767，因此可以做因子分析。Bartlett球形檢驗是檢驗相關陣是否是單位陣，經Bartlett檢驗表明，Bartlett值為5153.190，Bartlett球形檢驗統計量的sig＜0.01，由此否定相關矩陣是一個單位矩陣的零假設，即認為各變量間存在相關性。因子載荷是變量與公共因子的相關系數，對于一個變量來說，載荷因子絕對值較大的因子與它的關系更密切，也更能代表這個變量。因此，從表1中可知，3個因子反映了主載荷變量的信息。根據公因子內各個變量特點，給每個公因子命名如下:①森林活力因子，最重要的變量，解釋總方差的37.979%，主要包含4個變量信息，即平均樹高、平均胸徑、活立木蓄積、平均年齡;②森林環境脅迫因子，解釋總方差的23.234%，主要包含5個變量信息，即坡度、海拔、坡向、距道路距離、距居民點距離;③森林組織結構因子，解釋總方差的14.242%，主要包含2個變量信息，即植被覆蓋度、植被高度。將主成分分析的結果與GIS平臺中片林小班數據屬性表進行連接，結合片林小班數據將主成分分析的結果利用GIS平臺表達出來，繪制出3個公因子分布圖(圖1、圖2、圖3)。