论文部分内容阅读
本研究将金寨天马保护区作为研究区域,根据天马保护区森林资源二类调查数据,在五种不同森林类型中设置标准地32块,其中:针叶林8块、针阔混交林4块、常绿落叶阔叶林4块、落叶阔叶林12块、常绿阔叶林4块。记录标准地地形因子数据以及GPS坐标,在标准地中沿着对角线设置5个50cm×50cm小样方,按未分解和半分解2个层次采集枯落物,并按“S”形布置5个80cm×80cm×60cm的土壤剖面,用环刀法采集土壤,带回实验室进行土壤物理性质与涵养水源功能分析。在32块样地中选取立地因子(海拔、坡度、坡向等)基本一致的6块不同森林类型标准地进行涵养水源功能对比分析,了解不同森林类型枯落物和土壤层的涵养水源特征,探讨不同类型森林的涵养水源功能。同时对天马保护区Rapid Eye高分辨率遥感影像进行数字图像处理与森林类型分类,提取遥感影像特征因子,将32块标准地土壤涵养水源作为因变量,对应的遥感因子及地形因子作为自变量建立以像元为单位的涵养水源能力估测模型。结果表明:(1)不同森林类型枯落物总的现存量在3.30-5.70t/hm~2之间,现存量的大小依次为:针叶林>针阔混交林>茅栗落叶阔叶林>常绿落叶阔叶林>常绿阔叶林>漆树落叶阔叶林。总体规律为针叶林的枯落物现存量高于针阔混交林高于阔叶林。不同森林类型枯落物的总最大持水量在9.41-18.37t/hm~2之间,枯落物层的最大持水量为其现存量的2.4-3.8倍,人类活动对森林枯落物最大持水能力有着较大影响。(2)从土壤的物理性质来看,容重的均值变化范围是0.948-1.167g/cm3,土壤总孔隙度的变化范围是33.647-53.997%,毛管孔隙度的变化范围是23.451-38.722%,非毛管孔隙度的变化范围是7.430-19.051%。阔叶林的土壤容重比针叶林低,土壤较针叶林更为疏松。随着土层深度的逐渐增加,土壤的总孔隙度和毛管孔隙度在不断减小,但是非毛管孔隙度的却无明显的变化规律。(3)不同森林类型土壤饱和蓄水量的总值范围在2333.545-2885.571t/hm~2之间,从大到小依次为:常绿落叶阔叶林(2885.571t/hm~2)>茅栗落叶阔叶林(2790.750t/hm~2)>常绿阔叶林(2748.561t/hm~2)>针阔混交林(2461.676t/hm~2)>漆树落叶阔叶林(2440.694t/hm~2)>针叶林(2333.545t/hm~2),常绿落叶阔叶林的土壤持水的潜力最大,针叶林最小。(4)不同森林类型林地的总蓄水量在2349.780-2898.222t/hm~2之间,从大到小依次为:常绿落叶阔叶林(2898.222t/hm~2)>茅栗落叶阔叶林(2809.116t/hm~2)>常绿阔叶林(2759.926t/hm~2)>针阔混交林(2477.943t/hm~2)>漆树落叶阔叶林(2450.101t/hm~2)>针叶林(2349.780t/hm~2)总体规律表现为:阔叶林>针叶林,混交林>纯林。(5)遥感影像预处理后,建立遥感影像解译标志,应用最大似然法对遥感影像进行分类,并使用混淆矩阵法对分类结果进行精度评价,此次分类结果得到总体分类精度为80.04%,Kappa系数为0.749,已经能够满足整个研究区域分类所需要的要求。(6)将地面调查的非毛管蓄水量作为因变量,选取遥感影像上各个波段值、植被指数值以及实测地形因子作为自变量,应用多元回归分析法,结合SPSS18.0软件对变量进行建模,并应用向后剔除法筛选自变量因子,得到线性回归方程为:Y=-69.159-3208.24NDVI+578.488CRM+0.36B-0.427R+0.218RE-4.174SLOPE其中复相关系数R为0.791,决定系数R~2为0.626,调整决定系数R~2为0.536,因变量与自变量的相关性较强,模型拟合程度较高。并且通过将检测标准地的实测值与估测值进行比较分析,在0.05和0.01置信度下,非毛管蓄水量估测精度分别为90.748%、83.777%,精度均达到了80%以上,故该非毛管蓄水量估测模型精度可以满足要求。(7)运用估测模型,结合遥感影像分类得到的乔木林地面积可以初步估测出研究区域内涵养水源总量为6.335×10~7t。