毛竹林葉面積指數和郁閉度空間分布協同克里格估算

趙曉，呂玉龍，王聰，李亞丹，杜華強

（1.浙江農林大學浙江省森林生態系統碳循環與固碳減排重點實驗室，浙江臨安 311300；2.浙江農林大學環境與資源學院，浙江臨安 311300；3.浙江省安吉縣林業局，浙江安吉 313300）

毛竹林葉面積指數和郁閉度空間分布協同克里格估算

趙曉1,2，呂玉龍3，王聰1,2，李亞丹1,2，杜華強1,2

（1.浙江農林大學浙江省森林生態系統碳循環與固碳減排重點實驗室，浙江臨安 311300；2.浙江農林大學環境與資源學院，浙江臨安 311300；3.浙江省安吉縣林業局，浙江安吉 313300）

在地面調查的基礎上，利用協同克里格插值法對研究區內毛竹Phyllostachys edulis林葉面積指數（LAI,leaf area index）和冠層郁閉度（CC,canopy closure）2個冠層參數進行空間分布估算研究，并與普通克里格插值法進行了比較。研究結果表明：①球狀模型可以用來反映LAI和CC的空間變異，且兩者具有強烈的空間自相關特征。②協同克里格插值得到的LAI預測值與實測值之間的決定系數R2為0.635 1，而CC的決定系數R2為0.428 5；與普通克里格法相比，基于協同克里格法的LAI和CC預測精度均得到改善，其中LAI預測精度提高了1.94%，均方根誤差減少2.00%，平均標準誤差減少0.18%，而CC預測精度提高了4.82%，均方根誤差減少1.90%，平均標準誤差減少1.30%。③安吉縣毛竹林LAI和CC都具有從西南到東北逐漸遞減空間分布格局，在一定程度上反映了安吉縣不同區域毛竹林經營水平的差異。圖7表4參37

森林生態學；毛竹林；葉面積指數；冠層郁閉度；協同克里格

森林冠層擔負著森林生態系統物質能量的傳輸、太陽輻射的傳輸以及維護環境因子、生理參數等在空間上的分布狀態的重要功能［1］。冠層參數是反映區域乃至全球生態環境變化的重要指標，也是生態模型、碳循環、生物多樣性等研究領域中的重要特征參數。其中，冠層郁閉度（CC，canopy closure）和葉面積指數（LAI，leaf area index）在森林生態系統和森林經營管理中尤為重要，如葉面積指數能夠表征植被冠層結構，并控制著植被光合、呼吸、蒸騰、碳循環和降水截獲等許多生物、物理過程，是陸面過程中重要的結構參數之一［2］。因此，森林冠層參數空間估算及其相關研究對于森林生物量、碳儲量的估測、空間分布的研究有重要意義。遙感技術為森林參數空間估算提供了重要的手段，而利用遙感信息估算森林參數大致可以分為3類方法即統計模型、物理模型以及統計模型和物理模型相結合的混合方法［1］。其中統計模型大多是基于植被指數建立回歸關系進行估算的，模型比較簡單，但模型結構多樣，且易受植被類型、光照條件、觀察位置、冠層結構影響，對土壤背景等非植被因素比較敏感；物理模型如SAIL模型［3］、LIBERTY模型［4］、GEOSAIL模型［5］、PROSPECT模型［6-7］等，建立在電磁波輻射傳輸理論和植被生態學理論之上，不受植被類型等因素的影響，因而成為國內外學者研究的熱點，但模型比較復雜，存在模型解的非唯一性等問題；根據統計方法、物理模型的優點，將兩者結合起來定量反演植被冠層參數的方法稱為混合模型。地統計是森林參數空間估算的另一種重要方法，因該方法既能進行空間估算又能進行空間變異分析，使其在地質、林業、生態、環境等眾多領域研究中得到重視和廣泛應用［8-11］。地統計學也稱空間統計學，它是以區域化變量理論為基礎，研究自然現象的空間變異與空間結構的一門學科，因其考慮了樣的空間位置，而與傳統統計學有著本質的差異［8,12］。目前，應用地統計原理進行空間估算時，普通克里格法比較常用，如Du等［11］基于野外調查數據，利用普通克里格方法對浙江省安吉縣毛竹生物量的空間格局進行了分析，并對生物量總量進行了估計；劉曉梅等［13］利用保護區樣地調查數據，根據一元生物量模型計算樣地生物量，在此基礎上采用普通克里格方法進行插值，對整個保護區的生物量總量進行估計，并從林分結構和地形因子的角度分析了生物量的空間格局；萬昌林等［14］利用地統計學方法進行固體礦產資源儲量的估算。與普通克里格相比，協同克里格更具優勢，它能將調查數據的各種相關信息進行綜合，通過主變量與輔助變量交互半方差函數的計算提高采樣效率，從而提高插值的精度。賀鵬等［15］采用地統計對吉林省汪清林業局金蒼林場森林地上生物量進行估算，其中協同克里格估算精度明顯高于普通克里格；閆海忠等［16］也采用協同克里格插值對三壩鄉黃背櫟Quercus pannosa群落的生物量進行了空間估算，得到滿意的結果；另外，協同克里格在預測礦產儲量［17］、土壤養分含量空間分布圖［18］以及區域氣候要素空間插值［19］等方面也都得到了很好的應用。毛竹Phyllostachys edulis林是中國亞熱帶地區（如浙江、安徽、江西和福建等省）特殊的森林類型，是所有竹種中分布最廣、面積最大的一種竹林［20-21］。近年研究表明，竹林資源特別是毛竹林具有高效固碳能力，在竹林生態系統大氣二氧化碳減量及對全球碳平衡的貢獻方面有重要作用［8,22-24］。本研究在浙江省安吉縣毛竹林外業調查數據獲取的基礎上，利用協同克里格插值法，對研究區內毛竹林葉面積指數、冠層郁閉度等2個冠層參數進行空間分布估算和評價，并對估算結果與普通克里格插值法進行比較。

1 研究區及研究方法

1.1 研究區概況

研究區為浙江省安吉縣（圖1）。安吉縣地處浙江省西北部，30°23′～30°53′N，119°14′～119°53′E，東鄰湖州市吳興區、德清縣；南接杭州市余杭區、臨安市；西與安徽省寧國市、廣德縣交界；北連湖州市長興縣。安吉縣氣候宜人，屬亞熱帶海洋性季風氣候，多年平均氣溫為15.5℃。安吉縣多年平均降水量為1 400 mm，屬亞熱帶東部常綠闊葉林亞區、中亞熱帶常綠闊葉林北部亞地帶。安吉縣竹類資源十分豐富，其中毛竹林為5.527×104hm2，占有林地面積的45%左右。

圖1 研究區及樣地空間分布Figure 1 Research area and field plots

1.2 數據來源

外業樣地調查于2008年8下旬到9月初完成，共調查了55個30m×30m不同經營水平的毛竹純林樣地，其中集約經營11個，中等經營水平21個，粗放經營23個。調查內容包括樣地經緯度、海拔、坡度、坡向、胸徑、年齡、樣地內毛竹株數、郁閉度等，其中，樣地株數最少的為46號樣地（153株），最大的為15號地（16 033株）。另外，樣地毛竹林年齡結構主要以1～3度為主，4～5度也有少量分布。研究區毛竹林分布及調查樣地如圖1所示［25］，可見樣地基本涵蓋了安吉縣毛竹林分布區域。在森林資源調查中，目測法是郁閉度最常用且簡便迅速的方法，2003年國家林業局《森林資源規劃設計調查主要技術規定》中指出，有林地小班森林郁閉度可以通過目測法獲取［26］，因此，本研究樣地郁閉度是在安吉縣林業局技術人員指導下采用目測法獲取的。樣地毛竹葉面積指數采用式（1）計算［27］。

式（1）中：D表示樣地內毛竹平均胸徑，N表示樣地內毛竹總株數。

1.3 協同克里格空間估算基本原理

1.3.1 變異函數克里格法是利用區域化變量即原始數據和變異函數的結構性，對未采樣點的區域化變量取值進行線性無偏最優估計的一種方法［8,15］，因此，變異函數及其理論模型是克里格估算的基礎。變異函數定義為間距為h的2個區域化變量及差的方差的一半，如式（2）所示：

式（2）中：N（h）為距離相隔為矢量h的所有點對的個數。變異函數理論模型一般包括球狀模型、指數模型、高斯模型、線性模型等，對半方差函數進行理論模擬，并在模型優選的基礎上通過模型參數如塊金值、基臺值、變程以及結構比分析區域化變量的空間分布特征［28］。通常選擇決定系數（R2）大，殘差小的理論模型作為變異函數擬合模型［29］。

1.3.2 協同克里格算法簡介克里格包括簡單克里格、普通克里格、趨勢克里格、協同克里格、因子克里格、塊狀克里格等，其中協同克里格法（Cokriging）是用1個或多個次要變量（協變量）對感興趣變量（主變量）進行插值估算。協變量與主變量都有相關關系，并且假設變量之間的相關關系能用于提高主要預測值的精度，估算公式如下：

式（3）中：Zcok（u0）為待估點u0處的估測值；Za（ui）和Zb（ui）分別是主變量和協變量在ui和uj處的實測值；λa和λb分別為主變量和協變量的權重且Σλai＝1，Σλbj＝0；n和m分別為參與估測的主變量和協變量樣本個數。

1.4 毛竹林冠層參數協同克里格估算及驗證

首先，設置主變量和協變量。研究表明：葉面積指數和林分密度存在指數關系，與冠層郁閉度也有密切的相關性［30］，因此，根據協同克里格算法，在對葉面積指數進行空間估算時，葉面積指數作為主變量，冠層郁閉度作為協變量，而對冠層郁閉度進行空間估算時，冠層郁閉度作為主變量，葉面積指數作為協變量。其次，主變量和協變量設置好之后，利用ArcGIS地統計模塊，對55個樣地數據統計分析、變異函數計算、理論變異函數的最優擬合及檢驗，并在此基礎上進行克里格插值，實現整個研究區葉面積指數和冠層郁閉度估算；最后，利用研究區毛竹林分布圖（圖1），對估算結果進行裁剪，從而得到研究區毛竹林葉面積指數和冠層郁閉度空間分布。

克里格插值考慮了空間距離對估算結果的影響即離采樣點越近，克里格估計誤差就越小［9］，但沒有考慮地形條件。山區地形復雜，在野外布設樣地時難免會遇到地形起伏，所以選擇相對平坦的樣地對結果進行檢驗是否合理［27］。本研究從樣地中篩選出30個相對平坦的樣地，對葉面積指數和冠層郁閉度估算結果進行驗證，驗證的指標包括實測值與估計值之間的相關性R2，均方根誤差（ERMS，root mean square error），平均標準誤差（EAS，averagemean error），標準均方根誤差（SRMS，root-mean-square standardized）［29］，均方根值（SRM，rootmean square），其中均方根值是樣本平方平均值再開方，平均標準誤差是指標準誤差的平均值，均方根誤差均方根誤差計算公式如下：

式（4）中：Xobs,i和Xmodel,i分別為第i個樣本的真實值和預測值，n為樣本個數。

另外，也可以通過均方根誤差減少的百分數（RRMSE）和平均標準誤差減少的百分數（RASE）來表示預測精度的提高程度［31］。RRMSE和RASE的計算公式（5）（6）如下：

式（5）和式（6）中：ERMSk和EASk為普通克里格預測的均方根誤差和平均標準誤差；ERMScok和EASk為協同克里格預測的均方根誤差和平均標準誤差。

3 結果與分析

3.1 葉面積指數和冠層郁閉度統計分析及正態性檢驗

變異函數結構分析一般要求區域化變量符合正態分布，否則會產生比例效應［32］。通過對毛竹林葉面積指數和冠層郁閉度統計參數（表1）及直方圖（圖2～3）分析表明：樣地毛竹林葉面積指數和冠層郁閉度的平均值為與中值接近，存在輕微負偏，變異系數較小，分別為13.66%和14.08%。

表1 毛竹林葉面積指數和冠層郁閉度統計特征Table 1 Statistic parametersofmoso bamboo’s leafarea index and canopy closure

圖2 冠層郁閉度數據直方圖Figure 2 Histogram of canopy closure

圖3 葉面積指數數據直方圖Figure 3 Histogram of leaf area index

P—P概率圖（P—P probability plots）可以檢驗樣數據的正態性，即根據變量分布累積比和正態分布累積比生成的圖形進行正態性判斷，如果數據是正態分布，被檢驗數據成一條直線［33-34］。圖4a和4b分別是葉面積指數和冠層郁閉度的正態P—P圖，由圖可見葉面積指數和冠層郁閉度的正態P—P圖基本成一條直線，且檢驗表明，在0.05置信區間內，葉面積指數和冠層郁閉度均服從正態分布。

圖4 葉面積指數（a）和冠層郁閉度（b）的正態P—P圖Figure 4 Normal P—P plot of leaf area index（a）and canopy closure（b）

3.2 變異函數模型選擇及其結構特征

根據決定系數最大和殘差值最小的原則，得到研究區葉面積指數和冠層郁閉度最優模型理論變異函數均為球狀模型，模型相關參數如表2。

表2 葉面積指數和冠層郁閉度變異函數的相關參數Table 2 Statistic parameters of semivariogram of leaf area index and canopy closure

表2中C0為塊金效應，表示區域化變量的隨機方差；C為區域化變量的結構方差；C0+C為變異函數基臺，為區域化變量總方差；C/（C0+C）為結構比，是區域化變量空間相關性程度的指標，大于75.0%，說明具有強烈的空間相關性，在25.0%～75.0%，為中等的空間相關性，小于25.0%，說明系統空間相關性很弱［35］；變程是區域化變量影響范圍的大小，在變程以內，區域化變量是空間自相關的。

由表2可見：葉面積指數變異函數的結構比為83.6%，冠層郁閉度變異函數的結構比為78.4%，均大于77.0%，說明兩者變程范圍內存在具有強烈的空間自相關性；另外，葉面積指數和冠層郁閉度間自相關范圍也遠遠大于最小抽樣間距（360 m），說明本次采樣密度是合理的［11］，因此，在變異函數模型的基礎上可以對葉面積指數和冠層郁閉度進行空間估算。

3.3 葉面積指數和冠層郁閉度估算結果與精度評價

3.3.1 協同克里格葉面積指數的估算結果與精度評價協同克里格估算結果與毛竹林分布信息疊加裁剪得到的研究區毛竹林葉面積指數空間分布圖，如圖5a所示。由于安吉縣北部幾個鄉鎮很少有毛竹林分布，沒有布設樣地，因此這些區域沒有預測值。根據圖5a可看出：研究區內葉面積指數分布整體上呈西南到東北逐漸遞減空間分布格局，西南地區幾個鄉鎮葉面積指數值最高，最大值可達10.731，北部幾個鄉鎮的葉面積指數值較低。葉面積指數協同克里格估算值與實測值之間的相關關系如圖5b所示。由圖5可見：兩者具有較好的線性關系，R2為0.635 1，均方根誤差較小為0.541 6（表3），說明基于協同克里格插值得到的葉面積指數結果較好。

圖5 協同克里格葉面積指數空間分布（a）及預測值與實測之間的相關關系（b）Figure 5 Spatial distribution（a）and correlation between the predicted and measured（b）of leaf area index based on Cokriging

3.3.2 協同克里格冠層郁閉度的估算結果與精度評價圖6a是研究區毛竹林冠層郁閉度空間分布估算結果。圖6a表明：研究區內冠層郁閉度分布整體上呈西南到東北逐漸遞減趨勢，中南部地區幾個鄉鎮冠層郁閉度值最高，最大值可達0.870，北部幾個鄉鎮的冠層郁閉度值較低。這一空間分布格局與葉面積指數具有相似的特點，也印證了先前關于兩者具有密切關系的描述及可以相互作為協變量進行估算的合理性。圖7b是冠層郁閉度協同克里格估算值與實測值之間的相關關系。由圖可見，兩者之間的決定系數R2為0.428 5，相關系數為0.654 6，盡管相關性低于葉面積指數，但均方根誤差也較?。ū?），說明估計結果在一定程度也是可靠的。

圖6 協同克里格法冠層郁閉度空間分布（a）及預測值與實測之間的相關關系（b）Figure 6 Spatial distribution（a）and correlation between the predicted and measured（b）of canopy closure based on Cokriging

3.3.3 與普通克里格估算結果的比較圖7是普通克里格插值得到的葉面積指數和冠層郁閉度預測值與實測值之間的相關關系，從圖5～6對比可以看出，基于協同克里格插值方法得到的研究區的葉面積指數和冠層郁閉度預測值和實測值的相關性明顯高于普通克里格方法。表3～4詳細比較了2種方法估算的精度。通過對比發現：協同克里格估測葉面積指數和冠層郁閉度的均方根誤差、均方根、平均標準誤差、標準均方根誤差等誤差標均小于普通克里格法，其中葉面積指數均方根誤差減少2.00%，平均標準誤差減少0.18%，且預測值和實測值的相關系數提高了1.94%，而冠層郁閉度均方根誤差減少1.90%，平均標準誤差減少1.30%，預測值和實測值的相關系數提高了4.82%。以上分析說明，相對于普通克里格法而言，協同克里格估算得到葉面積指數和冠層郁閉度估計算精度高，更能反映：安吉縣毛竹林葉面積指數和冠層郁閉度實際空間分布情況。

圖7 普通克里格法葉面積指數和冠層郁閉度預測值與實測值的相關關系Figure 7 Relationships between predicted andmeasured of leaf area index and canopy clisure based on ordinary Kriging

表3 葉面積指數的普通克里格法和協同克里格法估測精度的比較Table 3 A comparison of prediction accuracy of leaf area index estimation by ordinary Kriging and Cokriging

表4 冠層郁閉度的普通克里格法和協同克里格法估測精度的比較Table 4 A comparison of prediction accuracy of canopy closure estimation by ordinary Kriging and Cokriging

4 結論與討論

在地面調查的基礎上，利用協同克里格插值法對研究毛竹林葉面積指數、冠層郁閉度進行空間分布估算研究，并與普通克里格插值法進行比較。研究表明：基于協同克里格插值得到的毛竹林葉面積指數和冠層郁閉度預測值與實測值之間的決定系數R2分別為0.635 1和0.428 5，說明葉面積指數、冠層郁閉度空間估算結果在一定程度上是可靠的，且協同克里格法預測精度高于普通克里格法。當然，受條件所限，本研究葉面積指數和冠層郁閉度預測與實測之間的相關性還有待進一步提高，將遙感技術和地統計分析方法結合進行綜合估算，可能會改善兩者預測精度。另一方面，地統計空間估算除協同克里格法和普通克里格法外，還包括趨勢克里格、漂移克里格、因子克里格、塊狀克里格等多種方法，需要根據實際情況進行選擇或分析比較，當區域化變量分布存在某種趨勢時，可以考慮采用漂移克里格法，而當變量實測樣本數量較少時，可以考慮采用協同克里格法［8］。因此，本研究根據樣本的實際情況選擇協同克里格法進行葉面積指數、冠層郁閉度空間分布估算。另外，安吉縣毛竹林面積占有林地面積的45%左右，對毛竹這個單一物種，本研究樣地基本涵蓋了毛竹林主要分布區域，且樣本葉面積指數和冠層郁閉度呈正態分布的統計結果（圖4）也在一定程度上反映了樣本的代表性和合理性，為空間插值提供了基礎。地統計學是一種空間統計學，它在對樣本進行統計分析時，與傳統統計學最大的區別就是考慮了區域化變量的空間分布特征值，因此，可以在變異函數模擬的基礎上進行空間分布估算及其變異分析，并將“點上”信息向“面上”信息尺度轉換［8,15］。研究表明：球狀變異函數模型能夠揭示安吉縣毛竹林葉面積指數、冠層郁閉度空間變異特征，并在此基礎上通過協同克里格法實現了葉面積指數和冠層郁閉度樣地信息（圖1）轉換為空間分布信息（圖7a和圖8a）。分析表明，葉面積指數和冠層郁閉度在空間上具有強烈的空間自相關性，且其空間分布基本呈現出從西南到東北逐漸遞減的格局。對比安吉縣森林資源規劃設計調查成果報告［36-37］和相關文獻［11,25］發現：這一結果在很大程度上符合安吉縣毛竹林立竹度高、生物量大等特征，也反映了安吉縣西南部為毛竹產業示范區域、毛竹林經營集約化程度高的實際情況，說明采用協同克里格法和地面調查數據估算安吉縣毛竹林葉面積指數和冠層郁閉度空間分布在一定程度上是可行的。

區域化變量的空間變異特征是土壤、氣候、施肥、耕作方式、種植制度、管理措施、經營水平等眾多內外因素影響的綜合反映。浙江省安吉縣為著名的“中國竹鄉”，竹林資源經營管理和產業發展在該縣林業發展中占據重要的位置。本研究關于毛竹林葉面積指數和郁閉度空間分布特征的研究結果，可為安吉縣毛竹林經營管理提供參考價值。

［1］杜華強，周國模，徐小軍.竹林生物量碳儲量遙感定量估算［M］.北京：科學出版社，2012.

［2］CHEN J M，CIHLAR J.Retrieving leaf area index of boreal conifer forests using Landsat TM images［J］.Rem Sens Environ，1996，55（2）：153-162.

［3］VERHOEFW.Light scattering by leaf layers with application to canopy reflectance modeling：the SAIL model［J］.Rem Sens Environ，1984，16（2）：125-141.

［4］DAWSON T P，CURRAN P J，PLUMMER SE.LIBERTY：Modeling the effects of leaf biochemistry on reflectance spectra［J］.Rem Sens Environ，1998，65（1）：50-60.

［5］HUEMMRICH K F.The GeoSail model：a simple addition to the SAIL model to describe discontinuous canopy reflectance［J］.Rem Sens Environ，2001，75（3）：423-431.

［6］JACQUEMOUDS，BARETF.PROSPECT：amodelof leafoptical propertiesspectra［J］.Rem SensEnviron，1990，34（2）：75-91.

［7］FERET JB，FRANCOISC，ASNER G P，et al.PROSPECT-4 and 5：advances in the leaf optical propertiesmodel separating photosynthetic pigments［J］.Rem Sens Environ，2008，112（6）：3030-3043.

［8］王政權.地統計學及在生態學中的應用［M］.北京：科學出版社，1999.

［9］DAVID M G，ZHANG C S，OWEN T C.Geostatistical analyses and hazard assessment on soil lead in Silvermines area，Ireland［J］.Environ Poll，2004，127（2）：239-248.

［10］張茂震，王廣興，周國模，等.基于森林資源清查、衛星影像數據與隨機協同模擬尺度轉換方法的森林碳制圖［J］.生態學報，2009，29（6）：2919-2928.

ZHANG Maozhen，WANG Guangxing，ZHOU Guomo，et al.Mapping of forest carbon by combining forest inventory data and satellite imageswith co-simulation based up-scalingmethod［J］.Acta Ecol Sin，2009，29（6）：2919-2928.

［11］DU Huaqiang，ZHOU Guomo，FAN Wenyi，et al.Spatial heterogeneity and carbon contribution of aboveground biomass ofmoso bamboo by using geostatistical theory［J］.Plant Ecol，2010，207：131-139.

［12］王勁峰.空間分析［M］.北京：科學出版社，2006.

［13］劉曉梅，布仁倉，鄧華衛，等.基于地統計學豐林自然保護區森林生物量估測及空間格局分析［J］.生態學報，2011，31（16）：4783-4790.

LIU Xiaomei，BU Rencang，DENG Huawei，et al.Estimation and spatial pattern analysis of forest biomass in Fenglin Nature Reserve based on geostatistics［J］.Acta Ecol Sin，2011，31（16）：4783-4790.

［14］萬昌林.地質統計學在礦產資源信息研究中的應用［J］.有色冶金設計與研究，2002（4）：18-21.

WAN Changlin.The application of geostatistics in themineral resources information research［J］.Nonferrous Met Eng &Res，2002（4）：18-21.

［15］賀鵬，張會儒，雷相東，等.基于地統計學的森林地上生物量估計［J］.林業科學，2013，49（5）：101-108.

HE Peng，ZHANG Huiru，LEIXiangdong，et al.Estimation of forest above-ground biomass based on geostatistics［J］.Sci Silv Sin，2013，49（5）：101-108.

［16］閆海忠，林錦屏，王璟，等.基于ARCGIS的區域生物量DEM模型空間分析：以云南香格里拉三壩鄉黃背櫟林生物量估算為例［J］.安徽農業科學，2011，39（2）：852-855，858.

YAN Haizhong，LIN Jinping，WANG Jing，et al.DEM model space analysis on regional biomass based onARCGIS［J］.JAnhui Agric Sci，2011，39（2）：852-855，858.

［17］弓小平，程勖.協克里格法在空間插值中的研究應用［J］.西北大學學報：自然科學版，2009，39（4）：533-536.

GONG Xiaoping，CHENG Xu.Cokriging algorithm applied for interpolation［J］.J Northwest Univ Nat SciEd，2009，39（4）：533-536.

［18］李楠，徐東瑞，吳楊潔.土壤養分含量的協同克里格法插值研究［J］.浙江農業學報，2011，23（5）：1001-1006.

LINan，XU Dongrui，WU Yangjie.Spatial distribution with different sampling numbers of soil nutrient using Cokriging［J］.Acta Agric Zhejiang，2011，23（5）：1001-1006.

［19］岳文澤，徐建華，徐麗華.基于地統計方法的氣候要素空間插值研究［J］.高原氣象，2005，24（6）：974-980.

YUEWenze，XU Jinhua，XU Lihua.A study on spatial interpolation methods for climate variables based on geostatistics［J］.Plateau Meteorol，2005，24（6）：974-980.

［20］王燕，王兵，趙廣東，等.我國毛竹林生態系統碳平衡研究進展［J］.林業科技開發，2008，22（4）：9-12.

WANG Yan，WANG Bing，ZHAO Guangdong，et al.The research progress ofmoso bamboo forest ecosystem carbon balance in our country［J］.China For Sci Technol，2008，22（4）：9-12.

［21］林華.毛竹林生態系統生物量動態變化規律研究［J］.林業科技開發，2002，16（增刊）：26-27.

LIN Hua.The research of the dynamic changesofbiomass ofmoso bamboo forest ecosystem［J］.China For Sci Technol，2002，16（supp）：26-27.

［22］李正才，傅懋毅，徐德應.竹林生態系統與大氣二氧化碳減量［J］.竹子研究匯刊，2003，22（4）：1-6.

LI Zhengcai，FU Maoyi，XU Deying.Bamboo ecosystem and carbon dioxide sequestration［J］.J Bamboo Res，2003，22（4）：1-6.

［23］李惠敏，陸帆，唐仕敏，等.城市化過程中余杭市森林碳匯動態［J］.復旦學報：自然科學版，2004，43（6）：1044-1050.

LIHuimin，LU Fan，TANG Shimin，et al.Dynamic carbon sink of forests in Yuhang City with the development of urbanization［J］.JFudan Univ Nat Sci，2004，43（6）：1044-1050.

［24］周國模，姜培坤.毛竹林的碳密度和碳貯量及其空間分布［J］.林業科學，2004，40（6）：20-24.

ZHOU Guomo，JIANG Peikun.Density，storage and spatial distribution of carbon inPhyllostachy pubescensforest［J］.Sci Silv Sin，2004，43（6）：1044-1050.

［25］徐小軍.基于LANDSAT TM影像毛竹林地上部分碳儲量估算研究［D］.臨安：浙江農林大學，2009.

XU Xiaojun.Study on Estimation of Aboveground Carbon Storage of Moso Bamboo Forest Based on LANDSAT TM Image［D］.Lin’an：Zhejiang A&FUniversity，2009.

［26］李永寧，張賓蘭，秦淑英，等.郁閉度及其測定方法研究與應用［J］.世界林業研究，2008，1（2）：40-46.

LIYongning，ZHANG Binlan，QIN Shuying，et al.Review of research and application of forest canopy closure and itsmeasuringmethods［J］.World For Res，2008，1（2）：40-46.

［27］DU Huaqiang，FANWeiliang，ZHOU Guomo，et al.Retrieval of the canopy closure and leaf area index ofmoso bamboo forest using spectralmixture analysis based on the real scenario simulation［J］.IEEE Trans Geosci Remote Sens，2011，49（11）：4328-4340.

［28］李哈濱，王政權，王慶成.空間異質性定量研究理論與方法［J］.應用生態學報，1998，9（6）：651-657.

LIHabin，WANG Zhengquan，WANG Qingcheng.Theory and methodology of spatial heterogeneity quantification［J］.Chin JAppl Ecol，1998，9（6）：651-657.

［29］湯國安，楊昕.ArcGIS地理信息系統空間分析實驗教程［M］.北京：科學出版社，2006.

［30］白靜，田有亮，韓照日格圖，等.油松人工林地上生物量、葉面積指數與林分密度關系的研究［J］.干旱區資源與環境，2008，22（3）：183-187.

BAI Jing，TIAN Youliang，Hanzhaorigetu，et al.The research on the relationship between the ground biomass,the leafarea index and the stand density in Pinus tabulaeformis artificial forest［J］.JArid Land Resour Environ，2008，22（3）：183-187.

［31］SALESM H，SOUZA JR CM，KYRIAKIDISPC.Improving spatial distribution estimation of forest biomass with geostatistics：a case study for Rondnia［J］.Ecol Model，2007，205（1/2）：221-230.

［32］VIEIRA SR，HATFILD JL，NIELSEN D R，BIGGAR JW.Geostatistical theory and application to variability of some agronomical properties［J］.Hilgardia，1983，51（3）：1-75.

［33］GAN F F，KOEHLER K J.Goodness of fit tests based on P—P probability plots［J］．Technometrics，1990，32（3）：289-303．

［34］王斌會，徐勇勇.正態性檢驗的圖示方法及其應用［J］.數理統計與應用概率，1999，11（3）：249-256．

WANG Binhui，XU Yongyong.The graphic method of normality test and its application［J］.Math Stat Appl Prob，1999，11（3）：249-256．

［35］郭旭東，傅伯杰，馬克明，等.基于GIS和地統計學的土壤養分空間變異特征研究：以河北省遵化市為例［J］.應用生態學報，2000，11（4）：557-563.

GUO Xudong，FU Bojie，MA Keming，et al.Spatial variability of soil nutrients based on geostatistics combined with GISA case study in Zunhua City of Hebei Province［J］.Chin JAppl Ecol，2000，11（4）：557-563.

［36］安吉縣林業局.安吉縣森林資源規劃設計調查成果報告［R］.安吉：安吉縣林業局，2008．

［37］安吉縣林業局.安吉縣森林資源調查及規劃設計成果匯編［R］.安吉：安吉縣林業局，1999．

“香榧良種選育及高效栽培關鍵技術研究與推廣”獲浙江省科學技術獎一等獎

2014年4月29日，浙江省科學技術獎勵大會在杭州舉行。浙江農林大學“香榧良種選育及高效栽培關鍵技術研究與推廣”科研項目獲得一等獎。此外，“高性能竹層積材生產關鍵技術與應用”項目獲得二等獎，“機械零部件產品集成創新設計技術及其應用”“西蘭花安全高效生產關鍵技術研究與集成應用”等項目獲得三等獎。

此次獲得一等獎的科研項目“香榧良種選育及高效栽培關鍵技術研究與推廣”由戴文圣教授領銜的科研團隊主持完成。該項目針對制約香榧產業發展的瓶頸問題與關鍵技術，經過10余年的不懈努力，研究解決了一系列基礎理論與應用技術：闡明了榧樹群體的遺傳分化程度，建立了首張香榧遺傳連鎖圖譜，建成了國內種類最為齊全的榧樹種質資源庫；揭示了榧樹種內性狀變異和性狀相關，選育國家級審定新品種1個，認定香榧新品種3個；發明雙層塑膜拱棚增溫催芽技術和香榧貼枝接技術，使榧樹種子發芽率提高40%以上，香榧嫁接成活率提高20%以上；集成了提高香榧造林成活率關鍵技術，基地造林成活率由不到40%提高到85%以上；探明了香榧幼林生長發育和養分需求規律，研發香榧幼林林地和樹體綜合管理技術，使幼年林始果期提早3～4年；發表研究論文18篇，出版專著2本，獲授權發明專利1項，制定了LY/T 1774-2008《香榧栽培技術規程》，LY/T 1773-2008《香榧籽質量要求》等國家林業行業標準。

近3年來，利用榧樹種子催芽技術、周年嫁接技術共培育了560萬株實生苗、375萬株良種嫁接苗，推廣良種栽植10 000 hm2；新建高效栽培示范基地900 hm2以上，示范推廣標準化栽培技術近1 500 hm2，推廣區域遍及香榧新老產地，累計增收香榧干果43萬kg，產生經濟效益2.53億元，使香榧這個古老樹種成為山區農民脫貧致富奔小康的“致富樹”。

杜春華

Spatial distribution for leaf area index and canopy closure of Phyllostachys edulis stand using Cokriging

ZHAO Xiao1,2,LüYulong3,WANG Cong1,2,LIYadan1,2,DU Huaqiang1,2
（1.Zhejiang Provincial Key Laboratory of Carbon Cycling in Forest Ecosystems and Carbon Sequestration,Zhejiang A &FUniversity,Lin’an 311300,Zhejiang,China;2.School of Environmental and Resource Sciences,Zhejiang A&F University,Lin’an 311300,Zhejiang,China;3.Forest Enterprise of Anji County,Anji313300,Zhejiang,China）

The study provides a newmethod for estimating leaf area index（LAI）and canopy closure（CC）of aPhyllostachys edulisstand.Through on ground investigation,spatial distribution of leaf area index and canopy closure were estimated using Cokriging and compared to Kriging.On that basis the spatial distribution pattern maps of canopy parameters forPhyllostachys edulisstand of Anji County,Zhejiang Province weremapped.Results showed that：（1）Geostatistical analysis showed a sphericalmodel with the spatial variation of LAI and CC both having strong spatial autocorrelation features.（2）Cokriging improved the prediction accuracieswith the coefficient of determination（R2）between predicted and measured values for LAI（0.635 1）and for CC（0.428 5）.Also with Cokriging for LAIa decrease in the rootmean square error（RMSE）（2.00%）and the average standard error（ASE）（0.18%）was found;whereas,for CC a decrease in RMSE（1.90%）and ASE（1.30%）wasmeasured.Additionally with Cokriging,prediction accuracy values increased for LAI（1.94%）and for CC（4.82%）.（3）The spatial distribution pattern maps of canopy parameters for thePhyllostachysedulisstand from AnjiCounty,Zhejiang Province showed a gradual decrease in canopy coverage from southwest to northeast.Thus,Cokriging improved prediction accuracies of LAI and CC compared to Kriging,and canopy coverage reflected differences inPh.edulisforestmanagement for different regions of AnjiCounty.［Ch,7 fig. 4 tab.37 ref.］

forestecology;Phyllostachys edulisstand;leaf area index;canopy closure;Cokriging

S718.45

A

2095-0756（2014）04-0560-10

2013-11-04；

2014-02-20

國家自然科學基金資助項目（31070564）；浙江省林業碳匯與計量創新團隊資助項目（2012R10030-01）；浙江省本科院校中青年學科帶頭人學術攀登計劃項目（pd2013239）；浙江農林大學農林碳匯與生態環境修復研究中心預研基金資助項目

趙曉，從事森林資源遙感監測與信息技術等研究。E-mail：vickyzx729@gmail.com。通信作者：杜華強，教授，博士，從事遙感、森林碳匯遙感估算以及空間統計等研究。E-mail：dhqrs@126.com