论文部分内容阅读
本研究以2010年Landsat-5 TM影像为信息源,结合当年国家森林资源一类清查数据,建立了遥感信息模型,估算了森林地位级指数（Site Class Index,SCI）。结合地形因子对森林立地质量的空间分布情况进行科学系统的分析研究,为森林生态系统经营管理和营林造林提供一定的数据支持与理论依据。以黑龙江省大兴安岭地区为研究区域,采用以最小二乘法为基础的多元线性模型（全局模型）和以地理加权回归为基础局域回归模型两种模型,以遥感因子土壤修正植被指数（Modified Soil-Adjusted Vegetation Index,MSAVI）、差值植被指数（Difference Vegetation Index,DVI）和林分因子林分平均胸径（Average Breast Diameter,ABD）、林分郁闭度（Forest Canopy Density,FCD）四个因子为自变量,建立了地位级指数全局估算模型和局域估算模型。在模型的拟合效果和精度验证方面,地理加权回归（Geographically Weighted Regression,GWR）模型都要明显优于全局模型,其中全局模型的R2adj为0.48,AIC为1816,RMSE为1.74,地理加权回归模型的R2adj为0.53,AIC为1784,RMSE为1.29。通过模型模拟结果和实测值的对比分析发现,地理加权回归模型具有更高的验证精度。最终采用地理加权回归模型来绘制研究区域地位级指数空间分布图,对研究区域的立地质量进行评价与分析,结合地形因子探索了研究区域内森林地位级指数的空间分布状态,结果表明:大兴安岭地区地位级指数空间分布具有明显的聚集特征,具体表现为东高西低,北高南低,最大值出现在研究区北部。通过地位级指数影响因子分析发现:遥感因子和林分因子同时影响着森林地位级指数的空间分布。采用全局Moran I来描述不同空间尺度下模型残差的空间自相关性（从8km到80km,以8km为间隔）。通过地理加权回归模型残差的分析研究发现:地理加权回归模型能够很好的解决模型残差的空间自相关性,产生更为理想的模型残差。本研究表明:全局模型和局域地理加权回归模型能够较为有效的估算黑龙江省森林地位级指数,加入样地位置信息进行回归分析的GWR模型能够更有效的降低数据的空间自相关性,结果更加符合传统统计模型中关于残差间相互独立的基本假设,使得建模过程更加科学合理。