浙江省丽水市亚热带森林景观格局对森林碳密度的影响.pdf

浙江省丽水市亚热带森林景观格局对森林碳密度的影响王剑武1，季碧勇1，王铮屹2，朱程昊1（1.浙江省森林资源监测中心，浙江杭州310020；2.国家林业和草原局华东调查规划院，浙江杭州310019）摘要：【目的目的】定量分析浙江省丽水市亚热带森林景观格局对森林碳密度的影响，为开展森林经营、生态保护修复以提高亚热带森林碳汇功能提供理论依据。【方法方法】基于省级固定样地数据，使用生物量模型和含碳率测算样地的森林碳密度，再通过普通 Kriging 插值形成区域森林碳密度分布图，并分析森林碳密度的空间自相关特征。选取 5 项景观格局指标和 3 项自然因素，利用多尺度地理加权回归(MGWR)模型探讨森林景观格局对森林碳密度的影响，并分析影响结果的空间非平稳性。【结果结果】20122019 年，丽水市森林平均碳密度从 23.19thm2上升到 31.96thm2，且空间分布呈显著的正空间自相关性。森林景观格局显著影响森林碳密度，并表现不同尺度效应，影响程度在空间上也存在差异。景观蔓延度和斑块密度对森林碳密度驱动力较大，而景观最大斑块指数的驱动力较小。【结论结论】森林景观格局对森林碳密度的影响表现较为明显的空间异质性，应地制宜制定森林经营管理政策，实施自然演替和人工干预相结合的生态系统保护修复工程。图 3 表 4 参 42关键词：森林景观格局；森林碳密度；多尺度地理加权回归；影响因素；亚热带丘陵区；丽水市中图分类号：S718文献标志码：A文章编号：2095-0756(2024)01-0030-11ImpactofsubtropicalforestlandscapepatternonforestcarbondensityinLishuiCityofZhejiangProvinceWANGJianwu1，JIBiyong1，WANGZhengyi2，ZHUChenghao1（1.ZhejiangForestResourceMonitoringCenter,Hangzhou310020,Zhejiang,China;2.EastChinaInventoryandPlanningInstitute,NationalForestryandGrasslandAdministration,Hangzhou310019,Zhejiang,China）Abstract:ObjectiveThisstudy,withanquantitativeanalysisoftheeffectsofforestlandscapepatternonforest carbon density in Lishui City,Zhejiang Province,is aimed to provide theoretical basis for forestmanagement,ecologicalprotectionandrestorationsoastoimproveforestcarbonsinkfunction.MethodFirst,theforestcarbondensityofthecontinuousforestinventoryplotswasmeasuredbyusingthebiomassmodelandcarboncoefficient.Then,thedistributionmapofregionalforestcarbondensitywasformedbyordinaryKriginginterpolationbeforeananalysiswasconductedofthespatialautocorrelationcharacteristicsofforestcarbondensity.Lastly,five landscape pattern indicators and three natural factors were selected,and multiscalegeographicallyweightedregression(MGWR)modelswereusedtoinvestigatetheeffectsofforestlandscapepattern on forest carbon density,while the spatial non-stationarity affecting the results was analyzed.ResultFrom2012to2019,theaverageforestcarbondensityinLishuiincreasedfrom23.19thm2to31.96thm2,andthespatialdistributionshowedasignificantpositivespatialautocorrelation.Forestlandscapepattern收稿日期：2023-03-14；修回日期：2023-10-05基金项目：浙江省“领雁”研发攻关计划项目(2022C02053)；浙江省省院合作林业科技项目(2021SY05)作者简介：王 剑 武(ORCID:0000-0002-5518-7146)，高 级 工 程 师，从 事 森 林 生 态 综 合 监 测 研 究。E-mail:。通信作者：季碧勇(ORCID:0000-0002-3249-9745)，正高级工程师，从事森林资源监测与评价研究。E-mail:浙江农林大学学报，2024，41（1）：3040Journal of Zhejiang A&F Universitydoi:10.11833/j.issn.2095-0756.20230205significantlyaffectedforestcarbondensity,showingdifferentscaleeffects,andthedegreeofimpactwasalsodifferent in space.Landscape pattern indexes contagion(CONTAG)and patch density(PD)had a greaterdrivingforceonforestcarbondensity,whilelargestpathindex(LPI)hadasmallerone.ConclusionTheeffectsofforestlandscapepatternonforestcarbondensityshowedobviousspatialheterogeneityandtheresultsofthispapercanprovidereferenceformakingdifferentiatedforestmanagementpoliciesandimplementingtargetedecosystemprotectionandrestorationprojects.Ch,3fig.4tab.42ref.Key words:forestlandscape;forestcarbondensity;multiscalegeographicallyweightedregression;influencingfactor;subtropicalhillyregion;LishuiCity气候变化是人类面临的全球性问题。到 2050 年，为了将全球升温控制在 1.5 以内，必须增加约1 亿hm2森林1。森林生态系统是全球陆地生态系统中最大的碳库2。森林碳密度是衡量森林生态系统固碳能力的重要指标，其影响机制越来越受到重视，已围绕树种组成3、气候驱动变化4、森林管护水平5、道路网络6和城市扩张7等自然与人为因素开展了富有成效的研究。实际上，景观格局反映了自然与人为因素在不同时空尺度上作用的最终结果，并能够体现各生态过程在不同时空尺度上的相互作用关系8。森林景观格局反映了森林景观的组成、空间分布、数量、结构和功能等信息9，森林景观规模异质性的增加，改变了森林的结构、功能和过程10，关注森林景观异质性能更好地衡量碳循环等森林生态功能11。森林景观如何影响森林储量受到越来越多关注12，关于森林景观格局对森林碳储量的影响机制也进行了研究。森林景观格局优化可以促进森林碳储量提高13，扩大斑块面积从而提高森林景观连通性，促进次生林碳储量提升14，而森林破碎化则会减少森林边缘的碳储量15。张丹16研究了不同尺度城市森林景观格局与碳储量的相关性，并指出增加森林斑块面积和连结度，减小斑块的平均邻近距离与周长面积比均可增加城市森林碳储量。宋洁17分析了祁连山森林景观格局对森林碳储量的相关性，认为增加森林景观面积、景观形状复杂度、景观聚集度和连通性能够提升森林碳储量。吕海亮18研究了城市森林碳密度与景观格局关系，认为平均斑块面积与碳密度呈显著正相关，而景观形状指数则与其呈显著负相关。也有学者聚焦森林景观格局对森林碳密度的影响研究，通过耦合协调度模型探究碳密度与森林景观不同组成、分布等特征的关系19。然而，量化森林景观格局对森林碳密度影响的研究还不多，且以上研究虽然解析了森林景观格局对森林碳密度的相关性，但很少从空间上解释森林景观对森林碳密度的影响规律。实际上森林碳密度具有空间自相关性2021，忽略地理因素的空间非平稳性，易导致结果有偏差或估计效率低下。目前，地理加权回归模型(GWR)、空间计量模型、地理探测器等方法已被用于分析研究对象与各类驱动因素之间的空间关联性。其中，GWR 解释模型方差比其他模型更有效，且相比于普通最小二乘模型(OLS)，能较好地揭示解释变量的空间异质性，但 GWR 模型是基于恒定带宽，忽略了解释变量尺度作用差异。为此，FOTHERINGHAM 等22提出了多尺度地理加权(MGWR)模型，解决了不同解释变量在不同尺度同一带宽的问题，即允许在多个空间尺度上建立自变量和因变量的关系模型。MGWR 模型已成功应用于生境质量23、生态效率24、森林火灾25等的驱动因素分析，但在森林景观研究中的应用仍处于探索阶段。本研究选取了浙江省丽水市为研究区域，采用 MGWR 模型探究亚热带森林景观格局对森林碳密度的影响机制和空间非平稳性，为研究区域森林碳密度时空特征提供框架，以期为制定国土绿化、森林质量提升政策，因地制宜开展森林保护与管理提供依据。1研究方法1.1研究区概况丽水市位于浙江省西南部，27252857N 和 1184112026E，地貌以丘陵、中山为主，市域面积为 1.73 万km2。丽水市属中亚热带季风气候，温暖湿润，雨量充沛，具有典型的山地气候。作为南方亚热带重要的集体林区，及浙江省森林资源最为丰富的设区市，截至 2019 年，丽水市森林面积为第 41 卷第 1 期王剑武等：浙江省丽水市亚热带森林景观格局对森林碳密度的影响31142.14 万hm2，森林覆盖率为 82.27%，森林蓄积量为 0.96 亿m3，居浙江省前列。近年来，随着快速的城市化和社会发展，该地区土地利用发生了相当大的变化，这对森林提供生态系统服务能力产生了重要影响26。同时该地区国家公园和自然保护地建设，以及森林管理活动也对森林碳循环产生了重大影响27，增强了森林景观格局和森林碳密度的空间异质性。1.2数据来源土地利用矢量数据来源于浙江省森林资源年度变更成果。将研究区的土地利用分为乔木林地、竹林地、灌木林地、未成林造林地、苗圃地、迹地、宜林地和非林地等 8 种类型。为更细致刻画森林景观特征，进一步把乔木林地细分为针叶林、阔叶林、针阔混交林等 3 种类型。地类和树种分类按照DB33/T6402017森林资源规划设计调查规程28执行。样地数据来源于丽水市 716 个森林资源连续清查样地(以下简称连清样地)的现场调查，全市以公里格网 4km6km 间距布设样地，单个样地面积为 0.08hm2，形状为正方形。数字高程模型来源于地理空间数据云(http:/ 756 个气象站观测数据，通过普通 Kriging 法进行空间插值形成栅格数据，分辨率为 30m。以上数据均取 2012 和 2019 年的数据。1.3测算森林碳密度利用 2012 和 2019 年连清样地实测的样木数据，将每株样木树种归类至表 1 所列的树种类型。使用树高-胸径曲线模型计算单株树(竹)高；使用冠长模型计算单株树(竹)冠长；使用单株立木(竹)生物量模型计算各样地内的单株活立木(竹)的地上和地下部分生物量，再通过与含碳率的乘积测算单株活立木(竹)的碳储量；将样地内各株活立木(竹)的碳储量累加形成样地林分水平的碳储量，然后除以样地面积得到森林碳密度。利用 ArcMap10.8 的球面半变异函数模型的普通 Kriging 法，形成丽水市森林碳密度空间分布图。树高-胸径曲线模型、冠长模型、生物量模型见表 1，含碳率见表 2。为验证碳密度空间分布结果精度可靠性，基于已有数据，先将空间分布结果由栅格转为矢量面要素的格网，并裁切提取出丽水市行政范围内的格网；再将每个格网的面积与其碳密度相乘并汇总加和得到丽水市森林碳储量；然后按照文献 29 所述的系统抽样统计方法，基于连清样地计算丽水市森林碳储量的估计中值、估计精度和估计区间；最后根据文献 30，基于空间分布结果计算的森林碳储量如落入估计区间，则说明该结果是有精度保证的，森林碳储量是碳密度乘以丽水市面积得到，也可说明森林碳密度空间分布结果是有精度保证的。1.4量化森林景观格局指数选择 5 个常用且相关性较低的景观指标：香农多样性指数(SHDI)、最大斑块指数(LPI)、斑块密度(PD)、蔓延度指数(CONTAG)、景观形状指数(LSI)。各指标的含义和计算公式见文献 31。另外，本研究选择了年平均降水量(PREP)、年平均气温(TEMP)、海拔(ELEV)作为控制变量。气温和降水量是影响森林固碳能力最常见的气候要素，其影响是双向的。气温会影响植被光合作用和净初级生产力，从而影响森林生长32，但高温引起的呼吸增加可能使碳储量随着温度升高而减少33。一定范围内的水资源会促进森林的生长，水分过多则会抑制土壤呼吸，影响植物生长34。使用 Fragstats4.2 软件，参照已有对市级尺度的景观研究3536，选取 5km5km 为窗口大小，采用移动窗口法生成各景观指标栅格图，基于ArcMap10.8 生成 4km4km 的格网(研究区共计 1204 个网格)，对每个格网的景观格局指标数值和控制变量数值分区统计。1.5空间自相关分析地理学第一定律表明，在涉及具有地理空间的数据时，事物之间距离越近关联性越大37。采用GlobalMoran sI 和 LocalMoran sI 来描述森林碳密度的全域和局部聚类特征。计算公式可见文献 38。Moran sI 介于1 到 1 之间，0 表示存在正相关性，0 表示存在负相关性，0 表明不存在空间自相关。使用 GeoDa1.12 绘制 LISA(localindicatorsofspatialassociation)图，反映森林碳密度的空间格局，LISA 图包括 4 个类别，“高高”和“低低”表示空间正相关，“高低”和“低高”表示空间负相关。GlobalMoran sI 也将用于量化 MGWR 模型的残差空间自相关，如果残差存在显著的空间自相关，则表明模型中缺失了关键解释变量。32浙江农林大学学报2024 年 2 月 20 日1.6MGWR 模型采用 MGWR 模型探究森林景观格局对森林碳密度的多尺度影响。MGWR 模型通过不断寻找各解释表1树高-胸径曲线模型、冠长模型和生物量模型Table1Height-diametercurvesmodel,crownlengthmodelandbiomassmodel树种类型树高-胸径曲线模型冠长模型生物量模型松类H=78.7110+10051.62000.9848 DBH+129.7195L=0.9082 H0.7413B松类=B1+B2+B3B1=0.0600 H0.7934D1.8005BHB2=0.1377 L0.4052D1.4873BHB3=0.0417 H0.0780D2.2618BH杉类H=119.5839+24448.21400.9884 DBH+205.6924L=0.4870 D0.1707BHH0.8971B杉类=B1+B2+B3B1=0.0647 H0.8959D1.4880BHB2=0.0971 L0.0346D1.7814BHB3=0.0617 H0.1037D2.1153BH硬阔类H=58.2082+6994.73900.9848 DBH+127.7195L=0.6316 H1.1801e0.0511 HB硬阔类=B1+B2+B3B1=0.0560 H0.8099D1.8140BHB2=0.0980 L0.4610D1.6481BHB3=0.0549 H0.1068D2.0953BH硬阔类B硬阔类=B1+B2+B3B1=0.0803 H0.7815D1.8056BHB2=0.2860 L0.9450D1.0968BHB3=0.2470 H0.1745D1.7954BH软阔类L=0.4413 H1.3770e0.0603 HB软阔类=B1+B2+B3B1=0.0444 H0.7197D1.709 5BHB2=0.0856 L0.3970D1.226 6BHB3=0.0459 H0.1067D2.0247BH乔木经济树种类L=0.6189 H1.2048e0.0382 H使用硬阔类的公式竹类H=24.5570+233.8099DBH+8.4343L=0.7056 H1.1748e0.0601 HB竹类=B1+B2+B3B1=0.0398 H0.5778D1.8540BHB2=0.2800 L0.2740D0.8357BHB3=0.3710 H0.1357D0.9817BH说明：H 是树高(m)，DBH是胸径(cm)，L 是冠长(m)，B1、B2和 B3分别是单株立木(竹)的树干生物量(kg)、树冠生物量(kg)和树根生物量(kg)。松类包括马尾松 Pinus massoniana、湿地松 P.elliottii、黄山松 P.taiwanensis 等树种；杉类包括杉木 Cunn-inghamia lanceolata、水杉Metasequoia glyptostroboides、池杉Taxodiun distichumvar.imbricatum 等树种；硬阔类包括木荷Sc-hima superba、红楠 Machilus thunbergii、樟 Camphora officinarum 等树干木材密度小于 0.7gcm3的树种；硬阔类包括青冈 Quercus glauca、苦槠 Castanopsis sclerophylla、栎类 Quercus 等树干木材密度大于 0.7gcm3的树种；软阔类包括桤木Alnus cremastogyne、槭树 Acer miyabei、檫木 Sassafras tzumu 等树种；乔木经济树种类包括栗 Castanea mollissima、枇杷Eriobotrya japonica、香榧 Torreya grandisMerrillii等树种；竹类包括刚竹 Phyllostachys sulphurea、毛竹 Ph.edulis、早竹 Ph.violascens 等。表2树种含碳率Table2Carboncontentsofspecies树种含碳率树种含碳率树种含碳率冷杉Abies fabri0.4999柳杉Cryptomeria japonicavar.sinensis0.5235杨树Populus0.4956云杉Picea asperata0.5208水杉Metasequoia glyptostroboides0.5013硬阔类0.4834铁杉Tsuga chinensis0.5022樟树Cinnamomum camphora0.4916软阔类0.4956柏木Cupressus funebris0.5034楠木Phoebe zhennan0.5030针叶混交林0.5101黑松Pinus thunbergii0.5146栎类Quercus0.5004阔叶混交林0.4900华山松Pinus armandii0.5225桦木类Betula0.4914针阔混交林0.4978油杉Keteleeria fortunei0.4997椴树Tilia tuan0.4392竹类0.5042马尾松Pinus massoniana0.4596檫木Sassafras tzumu0.4848乔木经济树种0.4834高山松Pinus densata0.5009桉树Eucalyptus0.5253其他树种0.5000杉木Cunninghamia lanceolata0.5201木麻黄Casuarina equisetifolia0.4980第 41 卷第 1 期王剑武等：浙江省丽水市亚热带森林景观格局对森林碳密度的影响33变量的最优带宽并不断更新参数估计值，直至系数迭代收敛，从而形成最终回归结果39。该模型如下：yi=mj=1bwj(ui,vi)xij+i。bwj(ui,vi)其中，yi是格网 i 的被解释变量；xij是格网 i 的第 j 个解释变量；为格网 i 的第 j 个解释变量的局部回归系数，(ui,vi)为格网 i 的空间位置，bwj为第 j 个解释变量回归系数所使用的带宽 bw；m 为解释变量的个数；i为误差项。本研究采用 MGWR2.2 进行模型构建，MGWR 形式选择 Gaussian，空间Kernel 类型选择 AdaptiveBisquare 函数，带宽搜寻方法采用 GoldenSection，模型最优化准则采用AICc 准则。2结果与分析2.1森林碳密度空间格局20122019 年，研究区森林碳密度平均值从 23.19thm2提高到 31.96thm2，年均增量为 1.25thm2。根据研究区森林资源连续清查结果，森林面积和森林蓄积量分别从 2012 年的 132.81 万hm2和0.65 亿m3增加到 142.14 万hm2和 0.96 亿m3，年均分别增加 1.33 万hm2和 0.04 亿m3，森林面积和森林蓄积量逐年上升促进了森林碳密度增加。森林碳密度空间分布格局存在显著差异，低森林碳密度主要在研究区的北部、西部和西南部的森林碳密度较高(图 1)。2012 和 2019 年研究区的 GlobalMoran I分别为 0.889 和 0.891(P0.01)，表明森林碳密度较高或较低区域趋于聚集。由图 2 发现：“高高”区域主要分布在西南部和中南部地区。西南部是瓯江源头，拥有钱江源-百山祖国家公园百山祖园区等森林碳密度/(t hm2)53.7550.0025.003.09060120km森林碳密度/(t hm2)73.5850.0025.005.542012 年 2019 年 北基于浙江省自然资源厅标准地图服务网站浙 S(2023)38 号的标准地图制作,底图边界无修改。图1丽水市森林碳密度空间分布图Figure1SpatialdistributionmapofforestcarbondensityinLishuiCity2012 年060120km高高低低低高不显著基于浙江省自然资源厅标准地图服务网站浙 S(2023)38 号的标准地图制作,底图边界无修改。高高低低低高不显著2019 年北图2丽水市森林碳密度 LISA 分布特征图Figure2SpatiotemporalcharacteristicsofLISAmapofforestcarbondensityinLishuiCity34浙江农林大学学报2024 年 2 月 20 日多处自然保护地，得益于较少的人为干扰、公益林保护和森林生态保护修复，森林质量高。“低低”区域主要分布在北部，北部地区包含松谷平原和碧湖平原，这些地区耕地、建筑用地较多，受人类活动影响频繁。“低高”区域分布极少，说明出现周围森林碳密度高而本地森林碳密度低的空间结构概率较低。基于丽水市连清样地，系统抽样统计结果(表 3)表明：2012 年全市森林碳储量估计中值为4023.48 万t，估计区间为(3729.054317.90)万t，估计精度为 92.68%(P0.05)。2019 年全市森林碳储量估计中值为 5541.19 万t，估计区间为(5192.465889.91)万t，估计精度 93.71%为(P0.05)。2012 和2019 年基于空间分布结果计算的森林碳储量分别为 4023.08 万t和 5543.42 万t，均位于相应年份的估计区间内，说明森林碳密度空间分布结果是有精度保证的。表3分别基于连清样地、森林碳密度空间分布结果计算的丽水市森林碳储量Table3ForestcarbonstorageinLishuiCitybasedonthecontinuousforestinventoryandspatialdistributionofforestcarbondensity,respectively年份基于空间分布结果的计算值/万t样地森林碳储量均值/t基于连清样地的计算值/万t基于连清样地计算值的估计区间/万t估计精度/%20124023.081.864023.48(3729.05,4317.90)92.6820195543.422.575541.19(5192.46,5889.91)93.712.2基于 MGWR 模型的空间非平稳性分析2.2.1变量尺度效应由表 4 可见：2012 和 2019 年的 MGWR 模型的 Adj-R2分别达 0.898 和 0.892。模型的带宽包含 44、79、992 和 1204，由于研究区被划分为 1204 个网格，因此从行政边界角度看，带宽 992 和 1204 的空间尺度可定义为市级，44 和 79 可定义为县级。LSI 带宽为 44，作用尺度较小，表明景观形状复杂度对森林碳密度的影响在空间上存在较大差异。CONTAG、LPI 和 SHDI 的带宽都较大，说明森林景观连通性、面积优势度和景观多样性对森林碳密度影响的空间差异相对较小，也表明上述3 个影响因素回归系数空间异质性较不明显。PD 带宽从 79 升至 1204，作用尺度在扩大，意味着景观破碎化程度对森林碳密度影响的空间差异在变小。2.2.2回归结果由表 4 可见：从景观格局指标的回归参数 2 期均值的绝对值看，CONTAG 对森林碳密度影响最大，其次是 SHDI 和 PD，LPI 和 LSI 相对影响较小。从图 2 的局部 R2看，研究区大部分区域拟合优度较高，模型可以揭示研究区 2012 年森林碳密度总变化的 17.8%95.9%和 2019 年的22.1%96.6%。从各影响因素 beta 系数的正负值占比看，除 CONTAG 和 SHDI 外，其余景观格局的参数估计值正负情况都存在，即对森林碳密度表现不同效应影响，说明 MGWR 模型能将系数的局部特征呈现出来。2.2.3回归结果的空间非平稳性由图 3 可见：2012 和 2019 年，CONTAG 对森林碳密度的负向影响均从研究区的西北向东南下降，但对森林碳密度的负向驱动力在研究期间逐渐减弱。这可能是因为西北部包含了松古平原，同时遂昌县境内分布有若干小盆地，斜坡平缓，茶叶等经济林种植面积广，应当通过加强农田林网建设和平原绿化增加片状森林面积，降低经济树种的景观连通度，提高区域森林碳密度。PD 系数在研究区范围内以负值为主，并且负值区域在逐渐增多，说明降低森林破碎化程度一定程度上可减少对森林碳密度的负向影响。LPI 系数以负值为主，意味着大部分区域需要减少人为干扰，维持植被自然生长状态。从 2012 年到2019 年，LPI 系数正值区域有所增加，在西北部和中西部等区域与森林碳密度呈正相关关系，说明这些地方通过适当增加森林抚育、补植造林等措施，能够对提高森林碳密度产生积极影响。从 2012 年到 2019 年，LSI 对森林碳密度的驱动力逐渐增强。说明在一定程度上，随着斑块形状的复杂度增加，森林碳密度也会随之增加。2019 年，LSI 对森林碳密度的正向影响由西向东下降，这表明相对于研究区东部，西部森林斑块复杂程度的增加对森林碳密度的正向影响更大。这可能是因为森林景观斑块形状复杂，能够促进斑块边缘的植被形成高效率的能量共生网络40，增强森林的边缘效应，而斑块边缘通常具有较高的初级生产力41。从 2012 年至 2019 年，SHDI 对森林碳密度的负向驱动力逐渐减弱，形成负向影响由西向东增加的格局，说明研究区的林分种类分布比较均匀。年平均降水量系数总体上呈现由东部大于西部转变为西部大于东部的趋势，但 2 期正向与负向影响区域的数量差异第 41 卷第 1 期王剑武等：浙江省丽水市亚热带森林景观格局对森林碳密度的影响35较小。年平均气温对森林碳密度的正向影响区域逐渐增多，而海拔系数空间分布差异不大。2019 年，年平均降水量主要在西部和西南部与森林碳密度呈正相关关系，其余区域主要呈负相关关系。年平均气温系数空间分布与年平均降水量有一定相似，主要在西南部和西北部与森林碳密度呈正相关关系。研究区的绝大部分区域的海拔与森林碳密度呈正相关关系，并且中部区域的正相关关系更强。年平均降水量、年平均气温系数正值分布区域包含了钱江源-百山祖国家公园百山祖园区、九龙山国家级自然保护区、括苍山省级森林公园，充分利用丰富的水热资源，加强自然保护地内森林生态系统保护修复，有助于提高森林碳密度。3讨论3.1MGWR 模型能反映森林碳密度对森林景观格局响应的空间分异本研究发现：森林碳密度具有显著的空间自相关性，考虑影响因素的空间尺度对模型的结果会产生表4MGWR 模型性能和回归参数描述性统计Table4MGWRmodelperformanceanddescriptivestatisticsforregressionparameters年份变量带宽均值标准差最小值中位数最大值正值/%负值/%2012CONTAG9920.1070.0010.1080.1070.1060100PD790.0450.1290.3220.0770.49323.8476.16LPI12040.0160.0670.2120.0210.20638.0461.96LSI440.0190.0540.1980.0170.13927.7472.26SHDI12040.0690.0010.0710.0690.0680100PREP440.0130.5731.6610.0101.79348.5951.41TEMP440.6191.3357.9060.7041.55737.5462.46ELEV440.1500.1330.1260.1320.55490.289.72常数项440.6830.3930.0630.6291.99099.580.42局部R20.9160.7740.1160.1780.7920.959Adj-R20.898AICc968.668残差平方和101.026有效参数数量218.323残差GlobalMoran I0.0193(P=0.092)2019CONTAG12040.0470.0010.0490.0470.0450100PD12040.0920.0990.4650.0950.13516.6983.31LPI12040.0040.0820.1900.0130.30943.0256.98LSI440.0410.0230.0070.0410.0791000SHDI12040.0550.0060.0660.0550.0450100PREP440.1130.6181.4000.0111.37651.4148.59TEMP440.1960.5501.6360.2102.42165.9534.05ELEV440.1520.1290.1620.1540.51786.8813.12常数项440.2560.4441.1220.1960.69234.8865.12局部R20.9110.7830.1160.2210.8100.966Adj-R20.892AICc1018.145残差平方和107.759有效参数数量208.759残差GlobalMoran I0.0488(P=0.002)说明：SHDI 为香农多样性指数；LPI 为最大斑块指数；PD 为斑块密度；CONTAG 为蔓延度指数；LSI 为景观形状指数；PREP 为年平均降水量；TEMP 为年平均气温；ELEV 为海拔。36浙江农林大学学报2024 年 2 月 20 日重大影响。MGWR 模型拟合结果表明，斑块密度、最大斑块指数、年平均降水量、年平均气温和海拔等变量在不同区域的回归系数既有正值也有负值，因 MGWR 模型使用自适应带宽，可以更精确地探索驱动因素对森林碳密度的作用机制和空间异质性影响，并明确各驱动因素的具体影响尺度。3.2森林景观格局驱动森林碳密度对森林管理的建议森林景观格局对森林碳密度影响表现出不同大小的驱动力和多尺度空间特征，不同尺度需要关注的影响因素是不同的，因此林业管理者可以根据这些特征制定宏观与微观的政策。在市级层面，林业管理0.107 90.107 80.107 40.107 30.106 90.106 80.047 80.047 70.047 00.046 90.046 20.046 12012 年 PD0.118 10.118 00.000 00.000 10.289 00.289 12019 年 PD0.118 10.118 00.000 00.000 10.289 00.289 12012 年 LPI0.065 20.065 10.000 00.000 10.184 60.184 72012 年 SHDI0.070 50.070 40.069 60.069 50.068 70.068 62012 年 TEMP0.000 00.000 10.392 40.392 51.406 81.406 92019 年 TEMP0.000 00.000 10.392 40.392 51.406 81.406 92012 年 ELEV0.000 00.000 10.177 70.177 80.347 50.347 62019 年 ELEV0.000 00.000 10.177 70.177 80.347 50.347 60.250 00.250 10.500 00.500 10.750 00.750 1基于浙江省自然资源厅标准地图服务网站浙 S(2023)38 号的标准地图制作,底图边界无修改。CONTAG 为蔓延度指数;PD 为斑块密度;LSI 为景观形状指数;LPI 为最大斑块指数;SHDI 为香农多样性指数;PREP 为年平均降水量;TEMP 为年平均气温;ELEV 为海拔。由于 2012 年的 CONTAG 和 SHDI 系数均小于 2019 年系数的最小值,为了便于空间可视化,故不同年份取了不同间隔值。2019 年局部 R2040 800.250 0北0.250 10.500 00.500 10.750 00.750 1km2019 年 SHDI0.060 40.060 30.055 20.055 10.049 90.049 82012 年 PREP0.797 30.797 20.000 00.000 10.929 70.929 82019 年 PREP0.797 30.797 20.000 00.000 10.929 70.929 82019 年 LPI0.065 20.065 10.000 00.000 10.184 60.184 72012 年 LSI0.025 00.025 10.043 00.043 10.061 10.061 22019 年 LSI0.025 00.025 10.043 00.043 10.061 10.061 22012 年 CONTAG2019 年 CONTAG2012 年局部 R2图3MGWR 模型系数和局部 R2空间格局Figure3SpatialpatternofMGWRmodelcoefficientan