CN101246570A - 森林群落最小调查面积确定方法 - Google Patents
森林群落最小调查面积确定方法 Download PDFInfo
- Publication number
- CN101246570A CN101246570A CNA2008100564598A CN200810056459A CN101246570A CN 101246570 A CN101246570 A CN 101246570A CN A2008100564598 A CNA2008100564598 A CN A2008100564598A CN 200810056459 A CN200810056459 A CN 200810056459A CN 101246570 A CN101246570 A CN 101246570A
- Authority
- CN
- China
- Prior art keywords
- forest
- area
- community
- investigation
- survey
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种森林群落最小调查面积确定方法,通过确定随机分布的森林群落的最小调查面积,并直接将该最小调查面积适用于团状分布和均匀分布的森林群落。在确定所述随机分布的森林群落的最小调查面积时,首先在森林群落中选取样方,并逐步扩大样方面积,统计样方逐步扩大的面积对应的林分密度、空间异质性等参数,当参数趋于稳定时所对应的面积即为该森林群落的最小调查面积。本发明所确定的最小调查面积大小为2500m2,该面积能够满足一般森林群落调查的要求,可以避免了因调查样地面积较小而导致调查精度不高;还可以避免因调查样地面积过大而造成人力、物力的浪费。减少了调查成本,提高了调查精度。
Description
技术领域
本发明涉及一种统计调查方法,尤其涉及一种森林群落最小调查面积确定方法。
背景技术
一个森林生态系统必然占据一定的面积,在此面积上所有的植被并不是杂乱无章的堆积,而是有一定的组成结构,并与其环境构成统一的整体。样地面积大小是森林调查中的一项重要内容,调查面积的大小对于恰当表现一定森林类型具有重要意义,而且它直接影响到调查精度和成本,精确的调查一定要在适宜的面积上进行,因此受到众多学者的重视。确定一个植物群落的种类组成的古老的办法就是在这个群落地段上进行种类统计,但是由于一个群落地段所占的面积常常很大,种在群落内分布也很少是均匀的,我们既不可能对整个群落地段进行全面统计,也不可能只在一块很小的面积上进行调查用以代表整个群落的种类组成,这就产生了一个研究群落种类组成时统计面积适当大小的问题。
森林群落包括随机分布的森林群落、团状分布的森林群落和均匀分布的森林群落。
现有技术中,调查方法没有考虑群落的分布格局,只是根据研究的需要运用种-面积曲线法确定调查面积。工作量大、调查花费的时间和费用较高。
发明内容
本发明的目的是提供一种工作量小、简便易行的森林群落最小调查面积确定方法。
本发明的目的是通过以下技术方案实现的:
本发明的森林群落最小调查面积确定方法,包括
森林群落最小调查面积确定方法,所述森林群落包括随机分布的森林群落、团状分布的森林群落和均匀分布的森林群落,包括确定所述随机分布的森林群落的最小调查面积,并将该最小调查面积适用于所述团状分布的森林群落和均匀分布的森林群落。
由上述本发明提供的技术方案可以看出,本发明所述的森林群落最小调查面积确定方法,由于通过确定所述随机分布的森林群落的最小调查面积,并直接将该最小调查面积适用于所述团状分布的森林群落和均匀分布的森林群落。工作量小、简便易行。
附图说明
图1为本发明中样方面积逐步扩大的示意图;
图2为本发明的具体实施例一中120个模拟林分的角尺度均值与样方面积大小的关系曲线图;
图3为本发明的具体实施例一中120个模拟林分的估计密度与样方面积大小的关系曲线图;
图4为本发明的具体实施例二中4块样地的平均角尺度与样方面积大小的关系曲线图。
具体实施方式
本发明的森林群落最小调查面积确定方法,其较佳的具体实施方式是,森林群落包括随机分布的森林群落、团状分布的森林群落和均匀分布的森林群落。
可以通过确定随机分布的森林群落的最小调查面积,并将该最小调查面积直接适用于团状分布的森林群落和均匀分布的森林群落,根据三种格局分布的定义,群落随机分布的面积总是大于均匀分布与团状分布,所以,只研究随机分布即可。
在确定随机分布的森林群落的最小调查面积时,首先,在随机分布的森林群落中选取样方,并逐步扩大样方面积,统计样方逐步扩大的面积对应的林分特性参数,当林分特性参数趋于稳定时所对应的面积即为随机分布的森林群落的最小调查面积。
如图1所示,样方面积可以从样地中心开始选取10m×10m的中心样方,中心样方的大小也可以小于或大于10m×10m,然后按20m×20m、30m×30m、40m×40m、45m×45m、50m×50m、55m×55m、60m×60m、70m×70m、80m×80m、90m×90m,逐渐扩大,并依次进行树种计数。其中,每次扩大时的步长可以为5-15米,如15米等。
可以通过一种或多种林分特性参数对应样方逐步扩大的面积,以确定最少调查面积,如林分密度、空间异质性等参数,空间异质性包括角尺度、平均角尺度或其它的结构参数等。
对林木分布的格局而言,随机分布的最小面积总是大于团状和均匀分布。随机分布(random distribution)是指种群个体的分布相互间没有联系,每个个体的出现都有同等的机会,与其他个体是否存在无关,林木的位置以连续而均匀的概率分布在林地上。对于任意两个不重叠的样地,其上的林木数量是一个随机变量且相互独立。也就是说,林木与其本身所处的位置互不发生影响。均匀分布(regular distribution)是指林木在水平空间中的分布是均匀等距的,或者说林木对其最近相邻树以尽可能最大的距离均匀地分布在林地上,林木之间互相排斥。在所有取样单元中接近平均株树的单元最多,密度极大或极小的情形都很少。集群分布又称为团状分布(clumped distribution)、聚集分布(aggregateddistribution)或超常态分布(hyper distribution over dispersion)。与随机分布相比,林木有相对较高的超平均密度占据的范围,也就是说,林木之间互相吸引。基于此认识,对随机分布的林分最小调查面积进行了研究。
具体实施例一:
用计算机软件模拟产生120个随机分布的林分。分6种密度,即每公顷株数分别为500、1000、1500、2000、3000和5000,每种密度20次重复。为确定最小面积,计算面积从样地中心开始按10m×10m、20m×20m、30m×30m、40m×40m、45m×45m、50m×50m、55m×55m、60m×60m、70m×70m、80m×80m、90m×90m逐步扩大,依次进行。计算每一个小样地的角尺度的均值并统计其内的公顷株数。
如图2所示,显示了角尺度均值随调查窗口的变化。可以看出,小的调查窗口(计算面积)上得出的调查结果变动很大,角尺度均值时而落在团状分布的范围,时而落在均匀分布的范围,只有当调查面积扩大到一定的大小时,角尺度的均值才趋于稳定,才能显示出该模拟林分的实际分布,这种变化趋势与密度级无关。对120模拟林分统计发现,当调查窗口的大小为2500m2或以上时,正确表达率才能达到95%以上。
如图3所示,是从密度变异分析模拟林分最小面积大小与估计的密度的关系。可以看出,调查窗口太小时,正确估计密度的可能性很小,只有当调查窗口在2500m2及其以上时,估计密度的正确率才达到95%以上。
通过从空间异质性和估计密度两个方面对120个模拟林分的群落最小调查面积进行统计分析可知,当森林群落调查面积大小在2500m2以上时,调查结果对林分的空间异质性和密度估计的正确表达率为95%以上,因此,本发明提出森林群落最小调查面积应该为2500m2左右,如2300、2400、2500、2600、2700m2等。
具体实施例二:
利用4块天然林为实际调查资料(1块来自于中国吉林省蛟河林业实验区天然红松阔叶混交林,3块来自南美厄瓜多尔热带天然林,4块样地面积均为100m×100m)分析不同样地大小对其林分密度估计和格局分析的影响。研究显示,随着调查样地面积的增大,调查的株数在增加,所估计的公顷密度趋于稳定,当调查面积增至2500m2时,除1块样地对公顷断面积的估计外,估计误差均在10%以下;对4块样地不同大小调查面积的林木分布格局用角尺度和双相关函数进行分析亦表明,角尺度和双相关函数都能清晰地反映出随着样地面积大小的变化,其对应林木的空间分布格局变化情况,并且两者的研究结果是相吻合的,即随着样地面积大小的变化,其对应林木的空间分布格局不同,样地面积小的时候这种差异尤为明显,随着样地面积的增大至2500m2,4块样地的函数曲线均趋于稳定,其对应林木的空间分布格局变化强度减小并趋于稳定。
如图4所示,为样地大小变化与平均角尺度变化的关系。可以看出,随着样地大小的变化,平均角尺度值在变化,的变化说明各窗口对应林木的空间分布格局在变化,并且根据值的大小可以知道变化的强度也不同,样地面积小的时候值变化多,说明空间分布格局变化的强度大;随着样地面积的增大至2500m2,4块样地的值均趋于稳定,说明其对应林木的空间分布格局趋于稳定。
综上所述,密度和结构的异质性决定了森林群落调查必须在一定面积上进行。按照本研究提出的确定最小面积的方法所确定的最小调查面积大小应为2500m2,该面积无论是对林分的密度估计还是结构分析都是合适的。
本发明通过确定所述随机分布的森林群落的最小调查面积,并直接将该最小调查面积适用于所述团状分布的森林群落和均匀分布的森林群落。工作量小、简便易行。并用由密度和结构的异质性决定的森林群落调查最小面积确定方法所确定的最小调查面积大小为2500m2,该面积不仅能够满足一般森林群落调查的要求,而且还能满足林分密度估计和空间结构研究,有效地解决了众多学者在研究森林群落特征时对样地面积大小的疑问,避免了因调查样地面积较小而不能代表整个群落的特征,得出以偏概全的结论,最终导致对研究对象的错误认识;同时还有效地避免了因调查样地面积过大而造成人力、物力的浪费,减少了调查成本,提高了调查精度。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (9)
1、一种森林群落最小调查面积确定方法,所述森林群落包括随机分布的森林群落、团状分布的森林群落和均匀分布的森林群落,其特征在于,包括确定所述随机分布的森林群落的最小调查面积,并将该最小调查面积适用于所述团状分布的森林群落和均匀分布的森林群落。
2、根据权利要求1所述的森林群落最小调查面积确定方法,其特征在于,在确定所述随机分布的森林群落的最小调查面积时,包括
在所述的森林群落中选取样方,并逐步扩大样方面积,统计所述样方逐步扩大的面积对应的林分特性参数,当所述林分特性参数趋于稳定时所对应的面积即为所述随机分布的森林群落的最小调查面积。
3、根据权利要求2所述的森林群落最小调查面积确定方法,其特征在于,所述林分特性参数包括以下至少一种参数:
密度、空间异质性。
4、根据权利要求3所述的森林群落最小调查面积确定方法,其特征在于,所述空间异质性包括以下至少一种:
角尺度、平均角尺度。
5、根据权利要求1至4任一项所述的森林群落最小调查面积确定方法,其特征在于,所述最小调查面积为2300-2700m2。
6、根据权利要求5所述的森林群落最小调查面积确定方法,其特征在于,所述最小调查面积为2500m2。
7、根据权利要求1所述的森林群落最小调查面积确定方法,其特征在于,在所述的森林群落中选取样方时,所选取的中心样方的大小小于等于10米×10米。
8、根据权利要求7所述的森林群落最小调查面积确定方法,其特征在于,所述样方逐步扩大时,每次扩大的步长为5-15米。
9、根据权利要求8所述的森林群落最小调查面积确定方法,其特征在于,所述样方逐步扩大时,每次扩大的步长为10米。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100564598A CN101246570A (zh) | 2008-01-18 | 2008-01-18 | 森林群落最小调查面积确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100564598A CN101246570A (zh) | 2008-01-18 | 2008-01-18 | 森林群落最小调查面积确定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101246570A true CN101246570A (zh) | 2008-08-20 |
Family
ID=39947009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008100564598A Pending CN101246570A (zh) | 2008-01-18 | 2008-01-18 | 森林群落最小调查面积确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101246570A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190088A (zh) * | 2018-08-07 | 2019-01-11 | 北华大学 | 一种森林群落演替树种顶级适应值的统计方法 |
-
2008
- 2008-01-18 CN CNA2008100564598A patent/CN101246570A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190088A (zh) * | 2018-08-07 | 2019-01-11 | 北华大学 | 一种森林群落演替树种顶级适应值的统计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Seidel et al. | Identifying architectural characteristics that determine tree structural complexity | |
Wang et al. | Changes in extreme precipitation over Northeast China, 1960–2011 | |
CN106597575B (zh) | 基于交叉验证和二维高斯分布赋权的降水量空间插值方法 | |
Flavel et al. | Quantifying the response of wheat (Triticum aestivum L) root system architecture to phosphorus in an Oxisol | |
Aakala et al. | Crown asymmetry in high latitude forests: disentangling the directional effects of tree competition and solar radiation | |
CN102915616A (zh) | 一种区域栅格累加土地沙漠化预警方法 | |
CN102662641A (zh) | 一种基于cuda的种子分布数据并行获取方法 | |
Fontalvo-Herazo et al. | Simulating harvesting scenarios towards the sustainable use of mangrove forest plantations | |
Wang et al. | Economic growth, government policies, and forest transition in China | |
Thorp | Long-term simulations of site-specific irrigation management for Arizona cotton production | |
CN109034462B (zh) | 玉米群体种植结构优化方法及装置 | |
CN101251906B (zh) | 用数学模型确定森林群落最小调查面积的方法 | |
Bernard et al. | A nonparametric analysis of climate change nexus on agricultural productivity in Africa: Implications on food security | |
Lu et al. | A hybrid PCA-SEM-ANN model for the prediction of water use efficiency | |
CN101246570A (zh) | 森林群落最小调查面积确定方法 | |
Yi | Adoption of agricultural mechanization services among maize farmers in China: impacts of population aging and off-farm employment | |
CN101441180B (zh) | 树木年轮组成成分快速分析方法 | |
Puiatti et al. | Quantile regression of nonlinear models to describe different levels of dry matter accumulation in garlic plants | |
Wu et al. | A review of sampling and modeling techniques for forest biomass inventory | |
Zhang et al. | A projection pursuit dynamic cluster model based on a memetic algorithm | |
Inoue et al. | Effects of individual size, local competition and canopy closure on the stem volume growth in a monoclonal Japanese cedar (Cryptomeria japonica D. Don) plantation | |
Huffman et al. | An exploratory analysis of wind patterns of Alberta, Canada | |
CN113935658A (zh) | 一种基于地形梯度的山区土地利用变化评价方法 | |
Rodrigues et al. | Delineation of management zones based on soil physical attributes in an irrigated guava field in the Semi-Arid region, Brazil | |
CN104050367A (zh) | 一种基于随机区块法的空间点格局分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20080820 |