边缘校正方法对空间结构参数影响的尺度效应.pdf

doi：10.11707/j.1001-7488.LYKX20210872边缘校正方法对空间结构参数影响的尺度效应*于帅1蔡体久1张丕德2任铭磊2张海宇2琚存勇1（1.东北林业大学林学院森林生态系统可持续经营教育部重点实验室哈尔滨 150040；2.东宁市林业和草原局闹枝沟林场牡丹江 157299）摘要：【目的】选择合适的边缘校正方法，消除边缘效应对样地空间结构参数的影响，为森林空间结构分析提供理论依据。【方法】选取不同大小样地，采用 3 种边缘校正方法（缓冲区校正法、Voronoi 图近邻校正法和 NN 近邻校正法）消除边缘效应，计算样地空间结构参数，比较不同边缘校正方法计算的空间结构参数随样地大小的变化情况，判断不同边缘校正方法在不同样地上的适用性。【结果】当样地边长小于等于 40 m 时，缓冲区校正法消除边缘木最少，随着样地增大，缓冲区校正法成为消除边缘木最多的方法；NN 近邻校正法消除边缘木株数多于 Voronoi 图近邻校正法，但差别不大；小样地空间分布格局多以随机或团状分布方式出现，大样地空间分布格局趋于一致且多为接近随机的团状分布方式；各样地大小比数林分均值随样地边长增大林分逐渐向中庸木过渡；简单混交度各均值曲线呈强混交趋势，树种多样性混交度介于中混交和强混交之间。【结论】当样地边长小于等于 40 m 时，空间结构参数随样地大小变化较大；当样地边长大于 60 m 时，边缘校正与否对空间结构参数大小比数、简单混交度、树种多样性混交度的影响不大。缓冲区校正法在角尺度计算中有适用局限性，其未像 Voronoi 图近邻校正法和 NN 近邻校正法一样随着样地增大角尺度收敛于林分均值；从对 3 个空间结构参数的综合影响看，NN 近邻校正法相较缓冲区校正法对样地尺度依赖性小，是3 种边缘校正方法中表现最优的方法。空间结构参数计算与样地内保留木数量有关，镜像复制或八邻域平移校正法组成一个大样地来抵消边缘效应，其是否存在尺度效应问题有待今后进一步研究。关键词：边缘效应；缓冲区法；最近邻法；空间分布；混交度中图分类号：S758文献标识码：A文章编号：10017488(2023)10005709Scaling Effects of Edge Correction Methods on Spatial Structure ParametersYu Shuai1Cai Tijiu1Zhang Pide2Ren Minglei2Zhang Haiyu2Ju Cunyong1（1.Key Laboratory of Sustainable Forest Ecosystem Management of Ministry of EducationSchool of Forestry,Northeast Forestry UniversityHarbin 150040；2.Naozhigou Forestry Farm of Dongning Forestry and Grassland BureauMudanjiang 157299）Abstract：【Objective】Suitable edge correction methods were selected to eliminate the influence of edge effects on the spatialstructure parameters of the sample plots and to provide a theoretical basis for forest spatial structure analysis.【Method】The edgetrees were removed according to different edge correction methods such as the Voronoi diagram-based method,the internal buffermethod and the nearest-neighbor(NN)method in the sample plots of different sizes,then the structural parameters i.e.the uniformangle index,the size differentiation index,the mingling index and the tree species diversity mingling were calculated in terms ofthose remained trees within the different-size plots,and we further analyzed how these structural parameters varied against thechanges of the sample plots sizes so as to recognize the applicability of the three different correction methods on different plots.【Result】For those plots with each side length of no more than 40 m,the internal buffer method removed the least amount ofedge wood.As the scale of plots increased furthermore,the internal buffer method started to removed the most amount of edgewood while the NN method removed more edge trees than the Voronoi diagram-based method,but the differences were notsignificant.The spatial distribution patterns of small sample plots mostly appeared as clumped or random,and the spatialdistribution pattern of large sample plots tends to be clumped but close to random.The mean value of size differentiation index ofeach sample plot gradually transitioned to intermediate wood status when the side length of the sample plot increased.The meancurves of the simple mingling index showed a trend of strong mixed degree,and the tree species diversity minglings were betweenmedium and strong mixed degree.【Conclusion】When the side length of the sample plot was no more than 40 m,the structural 收稿日期：20211130；修回日期：20221004。基金项目：“十四五”国家重点研发计划项目（2021YFD2200405）。*琚存勇为通讯作者。第 59 卷 第 10 期林业科学 Vol.59，No.102 0 2 3 年 1 0 月SCIENTIA SILVAE SINICAEOct.，2 0 2 3parameters varied greatly with the size of the sample plots changing.When the side length of the sample plot was greater than 60m,the edge correction or not had little effect on the calculation of the size differentiation index,the mingling index,and the treespecies diversity mingling.The internal buffer method has applicability limitations in calculating the uniform angle index since itdid not induce convergence of the index like the other two methods.In general,the NN method is less dependent on the plot scalethan the internal buffer method,and is the best performing one among the three methods.The three methods used in this paper allbelong to minus-sampling method,the calculation of the structural parameters only utilized the retained trees in the sample plotsand wasted part of the survey information.As an alternative,the mirror replication or eight-neighborhood translation correctionmethod may form a larger sample plot(i.e.plus-sampling method)to offset the edge effects,but whether they have scale effects isa question that needs to be further investigated in the future.Key words：edge effect；internal buffer method；the nearest-neighbor method；spatial distribution；mingling index 森林空间结构体现了林分中树木在林地上的分布格局及其属性在空间上的排列方式，是影响林木生长过程的驱动因素，在很大程度上决定着经营空间的大小、林分的稳定性和发展的可能性，对发挥森林生态功能、增强森林抵御自然灾害的能力、提高生产力等具有重要作用（辛力，2011；Ali，2018；Nguyen et al.，2018）。目前，尚无森林空间结构的统一定义（汤孟平，2010；魏红洋等，2019），常用的描述森林空间结构的参数包括角尺度、混交度、大小比数等，计算这些参数时，首先需确定调查样地，测定树木位置坐标，调查其种名、高度、胸径等属性信息，然后以中心木与其近邻树构成一个结构单元分别进行（Pommerening，2002；曹小玉等，2016）。近年来，结构单元的近邻树如何选择、选择多少存在很大争议，比较流行的是基于 Voronoi 图确定空间结构单元（郝月兰等，2011；宋语涵等，2021）以及中心木与最近的 4 株树构成结构单元（4 近邻法）（赵中华等，2013；惠刚盈等，2016a；Ghalandarayeshi et al.，2017）。无论采用何种方法确定结构单元，均须考虑样地边缘木如何处理的问题，即在计算空间结构参数时，必须考虑边缘效应的影响（汤孟平等，2003；周红敏等，2009），否则可能导致结构参数计算产生偏差（Lillelehtet al.，2014）。为减轻甚至消除边缘效应，需对样地进行边缘校正，以将边缘木（即在样地之外有相邻木的边界邻木）从目标树中识别出来并予以排除（Radtke etal.，1998；安慧君等，2005）。目前，常用的林地边缘校正方法有镜像复制法（邵国凡等，1995）、八邻域平移复制法（邵国凡等，1995；汤孟平，2003）、缓冲区校正法（Diggle，2003）、Voronoi 图近邻校正法（陈军等，2003；李际平等，2014）、NN 近邻校正法（Pommereninget al.,2006）等，不同边缘校正方法计算的结构参数不同，而 现 有 研 究 较 少 涉 及 边 缘 校 正 方 法 的 比 较（Pommerening et al.,2006；周红敏等，2009；刘帅等，2017），且多基于固定大小样地。鉴于此，本研究选取不同大小样地，以 4 近邻法确定结构单元，采用 3 种边缘校正方法（缓冲区校正法、Voronoi 图近邻校正法和 NN 近邻校正法）消除边缘效应，计算样地空间结构参数，比较不同边缘校正方法计算的空间结构参数随样地大小的变化情况，判断不同边缘校正方法在不同样地上的适用性，以期为边缘校正方法选择、森林空间结构分析提供理论依据。1研究区概况研究区位于黑龙江省鸡东县境内凤凰山国家级自然保护区，445442450350N，13104411311438E，总面积约 26 570 km2。属中温带大陆性季风气候，年均气温 3.8。冬季寒冷，降雪量可达2 000 mm；夏 季 短 而 热，雨 量 充 沛，年 均 降 水 量800 mm 左右。研究区毗邻俄罗斯，森林群落多为几乎未经干扰的原始林结构。保护区内植物种类资源丰 富，主 要 乔 木 有 兴 凯 赤 松（Pinus densiflora var.ussuriensis）、红 松（Pinus koraiensis）、白 桦（Betulaplatyphylla）、冷杉（Abies fabri）、紫椴（Tilia amurensis）、鱼 鳞 云 杉（Picea jezoensis）、水 曲 柳（Fraxinusmandshurica）、暴 马 丁 香（Syringa reticulata var.amurensis）、枫 桦（Betula costata）、青 楷 槭（Acertegmentosum）、色木槭（Acer pictum）等，灌木有平榛（Corylus heterophylla）、胡枝子（Lespedeza bicolor）、尖叶杜鹃（Rhododendron mucronatum）等，草本有羊胡苔草（Carex rigescens）等。2研究方法 2.1边缘校正方法 2.1.1缓冲区校正法缓冲区校正法指在样地周围设置固定宽度的带状缓冲区，缓冲区内树木只作为近邻树而不作为中心木，缓冲区包围核心区域的所有树58林业科学59 卷 木均作为中心木，并进行结构参数计算。带状缓冲区宽度应该足够大，以此减小来自边界的干扰，但最佳缓冲区宽度是不容易做到的，如果宽度太小，边缘效应仍然存在；如果宽度太大，有价值的中心木会被淘汰。参考以往研究，本研究将缓冲区宽度设为样地边长的 5%（曹小玉等，2016；万盼等，2020；和敬渊等，2020）。2.1.2Voronoi 图近邻校正法根据样地内每株树的坐标信息，运用 ArcMap 软件建立林木 Voronoi 图，每个多边形中心就是每株树所在位置，查找以样地边界为边的多边形，其所代表的树只作为近邻树而不作为中心木参与结构参数计算（刘帅等，2017；宋语涵等，2021）。2.1.3NN 近邻校正法NN 近邻校正法是一种专门为近邻特性而设计的边缘校正方法，其通过比较样地内树木到边界的距离和到其结构单元内近邻树的距离确定边缘树和中心木，只有当中心木与边界的距离大于中心木与最远近邻树的距离时才被作为中心木，否则只当作近邻树进行计算（Pommerening et al.,2006）。2.2样地设置通过查询林相图与实地调查，在几乎未经干扰的原始林区选择针阔混交林设置 100 m100 m 固定样地，为调查方便，样地共分成 100 个 10 m10 m 样方，按样方进行每木检尺，记录所有胸径大于 4 cm 的乔木树种胸径、树高和坐标等信息，调查完成后每株树的坐标统一换算成以样地西南角点为原点的坐标。将相邻样方合并成不同尺寸样地，分析边缘校正方法的尺度效应。设置 20 m20 m、30 m30 m、40 m40 m、60 m60 m、80 m80 m、100 m100 m 共 6 个梯度，除了 100 m100 m 外，其他 5 个梯度分别以固定样地 3角点为基准向样地内部延伸形成 3 个重复，取 3 个重复的参数平均值作为梯度样地相应参数值。2.3空间结构参数选取选取 3 个常见的森林空间结构参数角尺度、大小比数和混交度测试边缘校正方法对空间结构参数的影响，空间结构参数计算以 1 株中心木与 4 近邻法确定的 4 株近邻树构成的结构单元为基础，不同尺度样地的结构参数为样地内所有中心木的平均值。角尺度（wi）表示结构体内近邻树相对于中心木的分布均匀程度，其计算公式为：wi=144j=1zij。式中：当第 j 个 角小于标准角 0时 zij=1，否则 zij=0；wi=1 表示近邻树在中心木周围为聚集分布；wi=0 表示近邻树在中心木周围为均匀分布；2 个 角小于标准角 0时 wi=0.5，表示近邻树在中心木周围为随机分布（惠刚盈等，1999；Dong et al，2020）。w角尺度均值（）计算公式为：w=1NNj=1wi。式中：N 为样地内乔木总株数；wi为每株树的角尺度。随机分布的角尺度均值在均匀分布和聚集分布取值之间。w角尺度均值（）判断林分分布格局，利用标准差随林分大小浮动的置信区间确定分布方式，若均值在置信区间内则林分呈随机分布格局，林分均值小于置信区间下限则为均匀分布，林分均值大于置信区间上限则为聚集分布（胡艳波等，2014；惠刚盈等，2004；2016b)。95%置信区间为：0.51.96w；w=0.210 34N0.488 72。w式中：为均值的标准差；N 为林分株数。大小比数（Ui）用于描述近邻树中比中心木胸径大者所占的比例，其计算公式为：Ui=144j=1zij。式中：近邻树 j 比中心木 i 小时 zij=0，否则 zij=1；大小比数越小表示近邻树中胸径小于中心木胸径的数量越多，中心木占优势，反之中心木处于劣势地位（霍艳玲等，2014）。简单混交度仅注重近邻树与中心木为非同种的概率，即如果结构单元内 5 株树均为同一种树，那么简单混交度为 0，如果 4 株近邻树与中心木不属同一种，那么简单混交度为 1，其计算公式为：Mi=144j=1zij。式中：中心木 i 与第 j 株近邻树非同种时 zij=1，反之zij=0（Von Gadow et al.，2001；胡艳波等，2015）。简单混交度未考虑近邻树是否同种的问题，显然高估了混交程度。作为常识，近邻树同种但结构单元只有 2 个树种，不应该与近邻树异种但结构单元有 5个树种是同样的混交程度。因此，本研究选用树种多样性混交度来表征混交度，其计算公式为：Mi0=nin24j=1zij。式中：Mi0表示中心木 i 的树种多样性混交度；ni为中第 10 期于帅等：边缘校正方法对空间结构参数影响的尺度效应59 心木 i 的 n 株最近邻树中的树种个数；n 为中心木的最近邻树株数；当中心木 i 与近邻树 j 属于不同树种时 zij=1，反之 zij=0。从林分的角度看，多样性混交度为 0，表明该林分为纯林；多样性混交度为 1，表明该林分各树种株数相等且完全隔离（汤孟平等，2004；杜秀芳等，2019）。3结果与分析 3.1非空间结构特征样地内调查到胸径大于 4 cm 的乔木（含亚乔木）共 1 089 株，分属 11 科 15 属 24 种，最丰富的物种为白桦，占总个体的 20.94%，其次是冷杉，占总个体的18.55%，紫椴和红松分别占总个体的 14.33%和 8.63%（表 1）。乔木平均高度为 12.6 m，平均胸径为 16.6 cm，接近中位数 14.5 cm。3.2边缘木消除效果3 种方法对同一调查样地（100 m100 m）的边缘校 正 结 果 见图 1。1 hm2样 地 内 共 有 1 089 株 树，Voronoi 图近邻校正法消除边缘木最少，缓冲区校正法消除边缘木最多，NN 近邻校正法消除边缘木株数多于 Voronoi 图近邻校正法，但差别不大。对于边长小于等于 40 m 的小样地，缓冲区校正法消除边缘木最少（表 2）。NN 近邻校正法通过比较中心木至边界的距离和至近邻树的距离，使那些离边界近且所有 4株近邻树离边界也近的树均不再作为中心木参与结构参数计算，结果更符合人们认知（图 1a）。Voronoi图近邻校正法将处于样地边缘的多边形通过肉眼观察识别出来，其所代表的林木作为边缘木不参与结构参数计算，该方法仅考虑位于样地最边缘的多边形，并未考虑到多边形内中心木至样地边界的距离，容易将距离边界较远、受边缘效应影响不大的树作为边缘木剔除（图 1b 中红圈处），也容易将距离边界可能存在边缘效应的树保留（图 1b 中黄圈处）。缓冲区校正法执行起来虽便利，但不可避免会牺牲许多不受边缘效应影响的林木（图 1c 中 5 m 线上的大部分树木），导致结构参数计算结果与缓冲区宽度大小有直接关系。表 1针阔混交林主要树种统计特征Tab.1Characteristics of species in the mixed hardwood/Korean pine plot树种Species株数Number of trees相对丰富度Relativeabundance（%）平均胸径MeanDBH/cm平均树高Mean height/m胸高断面积Basal area of breastheight/(m2hm2)蓄积Volume/（m3hm2）树种组成系数Coefficient ofspeciescomposition白桦Betula platyphylla22820.9421.040.348.8618.000.27红松Pinus koraiensis948.6317.960.543.086.350.10冷杉Abies fabri20218.5519.560.557.8818.140.28鱼鳞云杉Picea jezoensisvar.microsperma494.5022.590.572.596.210.09紫椴Tilia amurensis15614.3314.070.643.416.170.09全样地Total plots1 08916.6012.6031.6965.631.00 a.NN 近邻校正法The nearest-neighbor methodb.Voronoi 图近邻校正法The Voronoi diagram-based methodc.5%缓冲区校正法The internal buffer method图 13 种方法对同一调查样地（100 m100 m）的边缘校正结果Fig.1Edge correction results for the same survey plot(100 m100 m)by three methods3 幅图的黑色圆点均为树木位置，绿色部分为不同校正方法消除的点。The black dots in all three images are tree locations,and the green parts are pointsremoved by different correction methods.3.3边缘校正对空间分布格局的影响不同边缘校正方法下小尺度样地水平分布格局多以随机或团状分布方式出现，随样地增大，空间分布格局趋于接近随机的团状分布（表 2），与长白山北60林业科学59 卷 坡阔叶红松林多呈团状分布的空间格局类似（夏富才等，2009），但与胡艳波等（2003）的发现有所不同，其研究的 6 块红松林样地中没有团状分布，均为随机分布。林分团状分布说明样地内以聚集体为主，即结构体内的近邻树相互拥挤，中心木能够获得更多的资源和空间，但此类结构体不稳定易发生重组（惠刚盈等,2021），由此可见本研究区针阔混交林处于演替的中末期，基本具有顶极群落的稳定结构。林木株数越少，置信区间范围越大，说明空间格局分布受林木株数影响较大（表 2），与其他研究相符合（胡艳波等,2015）。缓冲区校正法处理样地所得角尺度的尺度效应最明显，角尺度随样地增大逐渐收敛，而其他校正方法所得角尺度则随样地增大波动递减，尤其是 Voronoi 图近邻校正法导致的波动最明显（图 2）。未校正样地与 NN 近邻校正法具有相似的分布方式，未校正样地边缘效应随样地边长增大被抵消，NN 近邻校正法保留足够数量的树木参与结构参数计算，其均值曲线较为平滑（图 2）。3.4边缘校正对大小比数的影响根据大小比数定义，Ui越小，近邻树胸径小于中心木胸径的比例越少，结构体内中心木越占优势（霍艳玲等，2014）。各边缘校正方法均值曲线显示，随样地边长增大，林分大小比数呈波动变化并向中庸木过渡（图 3），60 m60 m 以后均值逐渐稳定在 0.5 左右。3 种边缘校正方法中，缓冲区校正法所得大小比数随样地大小波动最大，为 0.4740.504；Voronoi 图近邻校正法、NN 近邻校正法与未校正所得大小比数的变动 表 2不同尺度样地林分的水平分布格局判断Tab.2Judgment of the horizontal distribution pattern of forest stands at different scales校正方法Correction method尺度Scale株数Number of trees ww下限Low limit上限Upper limits分布格局Distribution patterns未校正Uncorrected20 m20 m430.5490.0340.4340.566随机Random30 m30 m920.5310.0230.4550.545随机Random40 m40 m1570.5340.0180.4650.535随机Random60 m60 m4180.5240.0110.4780.522团状Clumped80 m80 m7160.5250.0080.4830.517团状Clumped100 m100 m1 0890.5210.0070.4860.514团状ClumpedNN最近邻校正法The nearest-neighbor method20 m20 m180.5700.0510.4010.599随机Random30 m30 m560.5490.0290.4420.558随机Random40 m40 m1090.5470.0210.4580.542团状Clumped60 m60 m3450.5260.0120.4760.524团状Clumped80 m80 m5980.5240.0090.4820.518团状Clumped100 m100 m9530.5260.0070.4860.514团状ClumpedVoronoi图近邻校正法The Voronoi diagram-based method20 m20 m180.5920.0510.4000.600随机Random30 m30 m590.5370.0290.4440.556随机Random40 m40 m1030.5570.0220.4570.543团状Clumped60 m60 m3420.5220.0120.4760.524随机Random80 m80 m6140.5200.0090.4820.518团状Clumped100 m100 m9630.5230.0070.4860.514团状Clumped5%缓冲区校正法The internal buffer method20 m20 m320.5530.0390.4240.576随机Random30 m30 m720.5470.0260.4490.551随机Random40 m40 m1270.5410.0200.4610.539团状Clumped60 m60 m3370.5270.0120.4760.524团状Clumped80 m80 m5790.5230.0090.4820.518团状Clumped100 m100 m9030.5260.0080.4850.515团状Clumped wwS:林分角尺度均值 Mean value of forest division angular indexes；:角尺度均值标准差 tandard deviation of angular mean；上限、下限为95%置信区间，置信区间下限 w 置信区间上限，随机分布 Upper and lower limits are 95%confidence intervals,lower limit of confidence interval w 置信区间上限，团状分布 w upper confidence interval,clumped distribution；w 置信区间下限，均匀分布 w lower limit of confidence interval,uniform distribution.0.50 0.53 0.56 0.59 0.62 02040边长 Side length/m6080100角尺度均值 Uniform angle index(w)未校正 Uncorrected NN近邻校正法 The nearest-neighbor methodVoronoi图近邻校正法 The Voronoi diagram-based method5%缓冲区校正法 The internal buffer method图 2边缘校正对角尺度的影响Fig.2Effect of edge correction on uniform angle index第 10 期于帅等：边缘校正方法对空间结构参数影响的尺度效应61 区间分别为 0.4900.507、0.4880.506 和 0.4830.502。以 4 种样地处理方式所得大小比数的平均值作为林分大小比数，NN 近邻校正法所得样地 5 个尺度的大小比数均值与之最为接近。3.5边缘校正对混交度的影响随样地增大，简单混交度均值呈强混交趋势（图4），高于夏富才等（2009）在长白山北坡100 m100 m样地的混交度结果，可能是本研究样地内树木垂直分层现象不明显所致；树种多样性混交度介于中混交和强混交之间，并且校正与否，树种多样性混交度差异明显（图 5）。简单混交度表明，平均有三成以上的树与中心木不同，树种隔离程度计算结果偏大，汤孟平等（2004）认为将近邻树的树种异同加入计算更加合理，树种多样性混交度能够反映出林分真正的隔离程度。样地边长在 2040 m 之间变化时，同其他结构参数类似，混交度变化很大，校正与否、不同校正方法之间所得结果差异也大。随样地增大，混交度计算结果波动幅度变小，不同校正方法结果趋于一致；尤其是NN 近邻校正法，除了边长 20 m 的样地外，其他尺度样地的混交度波动最小。4讨论为掌握森林资源状况及其变化规律，一般不对全林分进行实测而采用设置样地方式进行调查（孟宪宇，2007），但在实际调查工作中，样地大小并不统一，既有 20 m20 m（高伟等，2021；李晓婷等，2021）、20 m25 m（刘忠玲等，2021）、25 m30 m（朱万才等，2021）等不同规格的方形样地，也有圆形样地（Pldveer et al.，2020；刘月等，2021）。具体到森林群落格局分析，张金屯（1998）认为样地边长应大于 50 m，但胡艳波等（2003）在分析吉林蛟河天然红松阔叶林空间结构时，样地大小仅为 20 m30 m 和 30 m30 m。本研究发现，方形样地边长小于 60 m 时，样地空间结构参数随样地大小变化较大，当然这仅是根据一块天然针阔混交林样地得到的结果，天然林是否都存在结构参数随样地大小而变化的情况还不清楚。样地边缘的树木其近邻树并不都在样地内，只用样地内近邻树计算边缘木的结构参数必然存在偏差，从而影响整个林分空间结构特征评价，合理删除样地边缘木是准确进行空间结构分析的前提（周红敏等，2009；Lilleleht et al.，2014；Pldveer et al.，2020）。不同边缘校正方法消除边缘木的数量并不相同（表 2），影响样地对林分的代表性。当样地较小时，经不同方法边缘校正后的结构参数差别较大，缓冲区校正法消除的边缘木最少，以保留木计算的结构参数与未边缘校正样地计算结果最接近（图 2-5）。对于较大样地，如边长大于 60 m 的方形样地，在计算角尺度时，缓冲区校正法所得结果对样地的代表性不如其他 2 种方法好，相比后者高估 8.6%；在大小比数和混交度方面，3种边缘校正方法所得结果非常接近，对样地均有较好的代表性，周红敏等（2009）采用边长 100 m 样地也得到类似结论。Voronoi 图近邻校正法具体实施时，需根据边缘木的多边形构成（即一条边在样地边界上）人为判断其舍弃与否，但不如另外 2 种方法运算智能，因此综合来看，NN 近邻校正法是 3 种边缘校正方法中的最佳选择。本研究 3 种边缘校正方法均为减少样地林木株数的方法，当样地尺度小、株数少时，剩余林木并不能代表林分特征，采用镜像复制或八邻域平移校正法组成一个大样地来抵消边缘效应也许是一个不错选择，0.450.480.510.5402040边长 Side length/m6080100大小比数均值 Sizedifferentiation index mean(U)未校正 Uncorrected NN近邻校正法 The nearest-neighbor methodVoronoi图近邻校正法 The Voronoi diagram-based method5%缓冲区校正法 The internal buffer method图 3边缘校正对大小比数的影响Fig.3Effect of edge correction on size differentiation index 0.770.800.830.860.8902040边长 Side length/m6080100混交度均值Mingling index mean(m)未校正 Uncorrected NN近邻校正法 The nearest-neighbor methodVoronoi图近邻校正法 The Voronoidiagram-based method5%缓冲区校正法 The internal buffer method 图 4边缘校正对简单混交度的影响Fig.4Effect of edge correction on mingling index 0.56 0.59 0.62 0.65 0.68 0.71 0.74 0.77 02040边长 Side length/m6080100树种多样性混交度均值Tree species diversity mingling mean(mi0)未校正 Uncorrected NN近邻校正法 The nearest-neighbor methodVoronoi图近邻校正法 The Voronoidiagram-based method5%缓冲区校正法 The internal buffer method 图 5边缘校正对树种多样性混交度的影响Fig.5Effect of edge correction on tree species d