摘要:落叶阔叶林是中国东部季风区的典型植被。本文利用复合高程信息的地表覆盖精细分类产品数据,提取山地落叶阔叶林上线。构建山地落叶阔叶林上线分布高度云模型及其影响因子云模型,探讨山地落叶阔叶林上线及其影响因子的分布特征;构建多尺度多元线性回归模型以及影响因子权系数云模型,比较分析影响因子对落叶阔叶林上线作用的尺度变化和空间分异,尝试探讨各山地落叶阔叶林上线对气候因子作用的敏感性差异。结果如下:(1)中国东部季风区山地落叶阔叶林上线高度自北向南先升高后降低,分布高度的期望、熵和超熵分别为965.77~1993.52 m、132.80~514.09 m和27.58~205.34 m。(2)山地落叶阔叶林上线的影响因子存在显著的尺度变化和空间分异:区域尺度上,非气候林线和气候林线的主导因子均为山体基面高度,贡献率分别为71.36%和44.06%,气候林线受温度影响高于降水,而非气候林线受降水影响高于温度;山系尺度上,山地落叶阔叶林上线主要受1月均温和年降水量影响,且大部分山地1月均温的作用高于年降水量;局地尺度上,除大别山外,山顶效应对各山地落叶阔叶林上线作用权重的期望最大,年降水量作用权重的期望均高于1月均温。(3)大别山和太行山落叶阔叶林上线对年降水量最敏感,吕梁山落叶阔叶林上线对1月均温最敏感。探讨山地落叶阔叶林上线的分布特征及其影响因素的空间分异,可以推动垂直带对气候变化响应差异的研究,并为区域生态安全监测体系的部署和管理提供理论支持。
文章目录
1 引言
2 研究区概况
3 数据来源与研究方法
3.1 数据来源
3.2 研究方法
3.2.1 山地落叶阔叶林上线高度云模型构建及期望(Ex)、熵(En)、超熵(He)的计算
3.2.2 山地落叶阔叶林上线提取方法
3.2.3 气候林线与非气候林线判定方法
3.2.4 分析单元与研究尺度
3.2.5 影响因子数据预处理及提取方法
3.2.6 多元线性回归分析
3.2.7 影响因子权系数云模型构建
4 结果与分析
4.1 中国1 km分辨率1月平均温度降尺度数据精度验证
4.2 山地落叶阔叶林上线分布高度数据精度验证
4.3 各尺度山地落叶阔叶林上线分布高度的期望、熵和超熵
4.4 山地落叶阔叶林上线影响因子的期望、熵和超熵
4.4.1 气候因子(1月均温、年降水量)
4.4.2 地形因子(坡度、坡向、地形起伏度、山顶效应、山体基面高度)
4.5 山地落叶阔叶林上线主导因子分析
4.5.1 区域尺度
4.5.2 山系尺度
4.6 山地落叶阔叶林上线影响因子权系数的期望、熵和超熵
4.6.1 山系尺度
4.6.2 局地尺度
5 讨论与结论
5.1 讨论
5.2 结论