天目山常綠闊葉林空間點格局分形關(guān)聯(lián)維數(shù)分析

陳永剛，湯孟平，胡 蕓

（1. 浙江農(nóng)林大學(xué) 環(huán)境科技學(xué)院，浙江 臨安 311300；2. 浙江農(nóng)林大學(xué) 信息工程學(xué)院，浙江 臨安 311300）

天目山常綠闊葉林空間點格局分形關(guān)聯(lián)維數(shù)分析

陳永剛1,2，湯孟平1，胡 蕓2

（1. 浙江農(nóng)林大學(xué) 環(huán)境科技學(xué)院，浙江 臨安 311300；2. 浙江農(nóng)林大學(xué) 信息工程學(xué)院，浙江 臨安 311300）

摘要：利用分形中的關(guān)聯(lián)維數(shù)D來進行天目山常綠闊葉林種群的空間點格局分析，首先，根據(jù)樹木坐標建立樹木兩兩之間距離矩陣Dn×n；其次，根據(jù)距離矩陣Dn×n計算不同距離步長△r下的距離標度r和r距離標度下樹木的數(shù)目N(r)；最后，計算出關(guān)聯(lián)維數(shù)D并根據(jù)D得出研究區(qū)域的空間分布格局。結(jié)果表明，天目山常綠闊葉林研究樣區(qū)內(nèi)的樹木在空間分布格局上趨于集聚，其關(guān)聯(lián)維數(shù)可以用來準確判定空間點格局分布。

關(guān)鍵詞：點格局分析；分形；關(guān)聯(lián)維數(shù)

種群的空間點格局分析是研究種群特征、種群間相互作用以及種群與環(huán)境關(guān)系的重要手段，在生態(tài)學(xué)中一直是研究的熱點之一[1～5]。種群的空間點格局分析常用方法有Ripley’s K指數(shù)方法[6～7]、隨機區(qū)塊法[8]等方法。關(guān)聯(lián)維數(shù)D能夠判斷物體的空間分布格局[9～10]。馬克明、朱金兆等利用關(guān)聯(lián)維數(shù)的方法計算種群的空間格局[11～12]。分形維數(shù)是從密度的多點相關(guān)出發(fā)，描述系統(tǒng)要素的相對分布狀態(tài)[13]。利用D表征空間點格局分布的幾何特征，計算過程簡單直觀。本文首先構(gòu)建空間距離矩陣Dn×n，其次計算空間關(guān)聯(lián)函數(shù)C(r)和不同距離標度r下的關(guān)聯(lián)維數(shù)D，最后利用D來分析天目山常綠闊葉林種群的空間點格局分布。

1 研究區(qū)概況及數(shù)據(jù)來源

1.1 研究區(qū)域概況

天目山國家級自然保護區(qū)坐落于浙江省西北部（119° 23′ 47″～119° 28′ 27″ E，30° 18′ 30″～30° 24′ 55″N），距杭州約94 km。年降水量1 390～1 870 mm；年平均氣溫為14.8～8.8℃。受海洋暖濕氣候影響，森林植被豐茂。植被分布呈垂直帶狀分布，自山麓到山頂垂直帶譜為：海拔870 m以下為常綠闊葉林；870～1 100 m為常綠落葉闊葉混交林；1 100～1 380 m為落葉闊葉林；1 380～1 506 m為落葉矮林。常綠闊葉林是自然保護區(qū)內(nèi)重點保護植被類型[4]。

1.2 數(shù)據(jù)來源

采用全站儀測量每株樹木根部的坐標（x，y），其中：x，y是自定義的獨立坐標系中的平面直角坐標。樣地大小布設(shè)為100 m×100 m，采用相鄰格子調(diào)查方法，把樣地劃分為100個10 m×10 m的調(diào)查單元。在每個調(diào)查單元內(nèi)，對胸徑≥5 cm的木本植物進行每木調(diào)查，記錄樹木種類，測定每株樹木的胸徑、樹高等因子。對采集到的數(shù)據(jù)進行質(zhì)量檢驗，刪去記錄信息不全的樣本，樹木總株樹為1 802株。

2 研究方法

2.1 距離矩陣

空間距離矩陣是利用每株樹木的（x，y）坐標，利用下式計算樹木i與樹木j之間的距離：

式中，（xi，yi）為樹木i的平面坐標，（xj，yj）為樹木j的平面坐標，dij為樹木i與樹木j之間的距離。

建立距離矩陣，矩陣中的元素dij為樹木i與j之間的距離，對角線上的元素全部為0。距離矩陣Dn×n如下：

2.2 空間關(guān)聯(lián)函數(shù)C(r)與Heaviside階躍函數(shù)

Grassberger和Procaccia提出關(guān)聯(lián)維數(shù)算法（G-P算法）[14～15]；劉繼生等[13]、岳文澤[9]等利用G-P算法計算城鎮(zhèn)體系的分形特征；徐建華等利用分形理論分析西北干旱區(qū)景觀的鑲嵌特點；其空間關(guān)聯(lián)函數(shù)C(r)定義如下：

式中，N為距離矩陣Dn×n中的行數(shù)（列數(shù)）；r為指定距離標度；dij為樹木i與j之間的距離；N(r)為距離標度r下，樹木的株數(shù)；H為Heaviside階躍函數(shù)；H(r-dij)定義如下：

2.3 標度r，空間關(guān)聯(lián)函數(shù)C(r)與關(guān)聯(lián)維數(shù)D

空間關(guān)聯(lián)函數(shù)C(r)的取值與標度r有關(guān)，空間關(guān)聯(lián)函數(shù)C(r)與標度r存在如下關(guān)系：

由式（5）可得式（6）：

為了計算方便，可以利用下式：

式中，N(r)為r距離標度下的距離數(shù)目。對(7)式兩邊取對數(shù)，可得：

式中，A為常數(shù)項。

關(guān)聯(lián)維數(shù)反映了對象之間相互作用的規(guī)律性[10,13]，其值大小表征了該區(qū)域內(nèi)對象之間空間分布的集中或分散程度。實際意義上，D值是介于1和2之間的，種群關(guān)聯(lián)維數(shù)大（接近2），表明種群個體的空間相關(guān)程度較高，個體聚集，種群整體對空間的占據(jù)程度較高；反之，關(guān)聯(lián)維數(shù)小（遠離2），則種群個體空間相關(guān)程度低，個體聚集程度低，種群對空間的占據(jù)能力較低。D值小于1和大于2均沒有意義。計算種群格局關(guān)聯(lián)維數(shù)的過程中，如果只存在一個有意義的線性無標度區(qū)，表明種群個體空間分布都遵從相同的規(guī)律，即每一個體周圍隨距離標度r的增加，個體數(shù)的增長規(guī)律均相同，統(tǒng)計意義上種群個體分布是非聚集的。如果直線擬合過程中出現(xiàn)拐點，則表明種群個體空間相關(guān)程度在拐點尺度前后的兩個尺度域內(nèi)不同，反映出種群格局在不同尺度上存在著顯著差異，它揭示種群個體的聚集規(guī)模[11～12,16]。

圖1 樹木調(diào)查點位圖Figure 1 Map of investigated trees

3 結(jié)果與分析

3.1 樹木間距離矩陣計算

將調(diào)查的數(shù)據(jù)按照固定的格式輸入Excel文件，在ArcGIS 9.2中，根據(jù)Excel文件中的坐標（x，y）生成樹木調(diào)查點位圖.shp文件，結(jié)果如圖1。

利用公式（1），通過GeoDa軟件，計算樹木兩兩之間的距離并生成空間距離矩陣，距離矩陣是一個對稱矩陣，只寫半角，結(jié)果如表1。

3.2 不同步長△r計算N(r)

根據(jù)表1中調(diào)查樣地樹木間的空間距離矩陣，以不同步長△r，計算N(r)。N(r)的最大值為，即1 802

株樹木之間可有1 622 701組距離。因樣地的大小為100 m×100 m，故兩株樹木的最大間距為141.42 m。步長△r分別取0.25、0.5、1.0、2.50、5.00、7.50、10.00 m。結(jié)果列于表2至表7中。

表1 調(diào)查樣地樹木間空間距離矩陣Table 1 Space distance matrix between investigated sample trees

表2 步長△r= 0.25 m下，距離標度r及距離標度下的樹木數(shù)N(r)Table 2 Step length△r= 0.25 m, scale-free r and the number of treesN(r)

表3 步長△r= 0.5 m下，距離標度r及距離標度下的樹木數(shù)N(r)Table 3 Step length△r= 0.5 m, scale-freerand the number of treesN(r)

表4 步長△r= 1.00 m下，距離標度r及距離標度下的樹木數(shù)N(r) Table 4 Step length△r= 1.00 m, scale-freerand the number of treesN(r)

表5 步長△r= 2.50 m下，距離標度r及距離標度下的樹木數(shù)N(r)Table 5 Step length△r= 2.50 m, scale-freerand the number of treesN(r)

表6 步長△r= 5.00 m下，距離標度r及距離標度下的樹木數(shù)N(r)Table 6 Step length△r= 5.00 m, scale-freerand the number of treesN(r)

表7 步長△r= 10.00 m下，距離標度r及距離標度下的樹木數(shù)N(r)Table 7 Step length△r =10.00 m, scale-free r and the number of trees N(r)

用不同的步長△r去度量在r距離標度下的樹木數(shù)N(r)，相當(dāng)于用最小分隔為△r的尺子去量測r尺度下的樹木數(shù)N(r)。使用不同的步長△r相當(dāng)于在不同的尺度下測定樹木間的空間分布格局。當(dāng)步長△r> 10.00 m時，也即相當(dāng)于采用分隔大于10.00 m的尺子去度量大小為100 m×100 m的研究樣區(qū)內(nèi)的數(shù)據(jù)，由于分隔太大細節(jié)信息已經(jīng)丟失。故不測定步長△r> 10.00 m時的距離標度r及其標度下的樹木數(shù)N(r)。

3.3 關(guān)聯(lián)維數(shù)計算

對表2至表7中的數(shù)據(jù)，分別按公式（8）進行計算并做回歸圖，結(jié)果如圖2。

圖2 步長△r= 0.25～10.00 m時D雙對數(shù)線性回歸圖Figure 2 Step length△r= 0.25 – 10.00 m,DDoublelogarithmic linear regression

從圖2中的散點圖可以看出lnr和lnN(r)在一定區(qū)間內(nèi)具有標度不變性的特點且具有線性關(guān)系。因此，在線性無標度區(qū)內(nèi)采用最小二乘法進行線性回歸。將回歸后的關(guān)聯(lián)維數(shù)和R2列在表8中。5.00 10.00 1.701 9 1.559 4 0.995 9 0.990 7

表8 不同步長下計算的關(guān)聯(lián)維數(shù)Table 8 Correlation dimension calculated by different step length

從表8中可以看出，在不同步長下所有回歸后所得的關(guān)聯(lián)維數(shù)均接近于2且R2均大于0.990 7，回歸為極顯著。表明在不同的尺度下，本研究樣區(qū)的樹種在空間分布上為集聚分布。

4 結(jié)論

通過上述分析可得出如下結(jié)論：

（1）在天目山常綠闊葉林研究樣區(qū)內(nèi)，在不同步長下，其關(guān)聯(lián)維數(shù)值在1.559 4～1.707 0。關(guān)聯(lián)維數(shù)值波動范圍很小且在該區(qū)域內(nèi)趨于穩(wěn)定，可以用來表征該區(qū)域的空間分布特征。

（2）關(guān)聯(lián)維數(shù)接近于2，說明在該研究樣區(qū)內(nèi)的樹木在空間分布格局上趨于集聚。

參考文獻：

[1] 曹光球，林思祖，曹子林，等. 半天然杉闊混交林杉木及其伴生樹種種群空間格局[J]. 浙江林學(xué)院學(xué)報，2002，19（2）：38－42.

[2] 曹永慧，蕭江華，李迎春，等. 浙江天童披針葉茴香—南酸棗群落優(yōu)勢種群結(jié)構(gòu)及空間格局[J]. 浙江林學(xué)院學(xué)報，2009，26（1）：44－51.

[3] 繆寧，劉世榮，史作民，等. 川西亞高山紅樺—岷江冷杉林優(yōu)勢種群的空間格局分析[J]. 應(yīng)用生態(tài)學(xué)報，2009（6）：1 263－1 270.

[4] 湯孟平，陳永剛，施擁軍，等. 基于Voronoi圖的群落優(yōu)勢樹種種內(nèi)種間競爭[J]. 生態(tài)學(xué)報，2007，27（11）：4 707－4 716.

[5] 張飛萍，蔡秋錦，盧鳳美，等. 竹缺爪螨種群空間格局及時序動態(tài)[J]. 浙江林學(xué)院學(xué)報，2001，18（2）：61－64.

[6] 葛宏立，周元中，湯孟平，等. Ripley’s指數(shù)的一個新變形——G(d)[J]. 生態(tài)學(xué)報，2008，28（4）：1 491－1 497.

[7] 湯孟平，唐守正，雷相東，等. Ripley’s K（d）函數(shù)分析種群空間分布格局的邊緣校正[J]. 生態(tài)學(xué)報，2003，23（8）：1 533－1 538.

[8] 張春雨，趙秀海. 隨機區(qū)塊法在空間點格局分析中的應(yīng)用[J]. 生態(tài)學(xué)報，2008，28（7）：3108－3115.

[9] 岳文澤，徐建華，頡耀文. 甘肅城鎮(zhèn)體系結(jié)構(gòu)及其分形模型研究[J]. 地域研究與開發(fā)，2004，23（1）：16－20.

[10] 岳文澤，徐建華，司有元，等. 分形理論在人文地理學(xué)中的應(yīng)用研究[J]. 地理學(xué)與國土研究，2001，17（2）：51－56.

[11] 梁士楚，董鳴，王伯蓀，等. 紅樹植物木欖種群分布格局關(guān)聯(lián)維數(shù)的研究[J]. 海洋科學(xué)，2003，27（6）：51－54.

[12] 馬克明，祖元剛，倪紅偉. 興安落葉松種群格局的分形特征——關(guān)聯(lián)維數(shù)[J]. 生態(tài)學(xué)報，1999，19（3）：65－70.

[13] 劉繼生，陳彥光. 城鎮(zhèn)體系空間結(jié)構(gòu)的分形維數(shù)及其測算方法[J]. 地理研究，1999，18（2）：60－67.

[14] 黨建武，王瑞玲，黃建國. 基于G. P算法的關(guān)聯(lián)維計算中無標度區(qū)的識別[J]. 彈箭與制導(dǎo)學(xué)報，2003，23（1）：35－38.

[16] 陶冶，劉彤，賈亞敏，等. 古爾班通古特沙漠南緣心葉駝絨藜和梭梭種群空間格局的分形特征[J]. 干旱區(qū)地理，2008，31（3）：365－372.

[17] 湯孟平，周國模，施擁軍，等. 天目山常綠闊葉林優(yōu)勢種群及其空間分布格局[J]. 植物生態(tài)學(xué)報，2006，30（5）：743－752.

[18] 楊洪曉，張金屯，李振東，等. 毛烏素沙地油蒿（Artemisia ordosica）種群空間格局對比[J]. 生態(tài)學(xué)報，2008，28（5）：1 901－1 910.

中圖分類號：S718.54

文獻標識碼：A

文章編號：1001-3776（2010）04-0042-05

收稿日期：2010-03-03；修回日期：2010-05-14

基金項目：國家自然科學(xué)基金資助項目“基于GIS的森林空間結(jié)構(gòu)調(diào)控研究”（30871963）；浙江省自然科學(xué)基金資助項目“基于GIS的毛竹林高產(chǎn)空間結(jié)構(gòu)分析與優(yōu)化調(diào)控模型研究”（Y3080261）；浙江林學(xué)院發(fā)展基金資助項目“利用差分法提高手持GPS定位精度”（2006FK28）

作者簡介：陳永剛（1980－），男，內(nèi)蒙興和人，博士研究生，從事GIS在林業(yè)中應(yīng)用開發(fā)工作。

Spatial Point Pattern Analysis on Fractal Correlation Dimension of Evergreen Broad-leaved Forest in Tianmu Mountain

CHEN Yong-gang1,2，TANG Meng-ping1，HU Yun2（1. School of Environmental Technology, Zhejiang A&F University, Lin’an 311300, China; 2. School of Information Engineering, Zhejiang A&F University, Lin’an 311300, China）

Abstract:Spatial point pattern analysis was conducted on evergreen broadleaved forest in Tianmu Mountain, Zhejiang province by fractal correlation dimension (D). First of all, a tree-tree distance matrix (Dn×n) was established in accordance with the coordinates of trees. Secondly, distance scale(r) of different step length(△r) and the number of treesN(r)of r was calculated according to theD. Finally, based on the calculation of the correlation dimensionD, the spatial point pattern of plant species in the tested area could be calculated. The results showed that point pattern of trees in the study area was clumped, and the correlation dimension could determine the spatial point pattern.

Key words:point pattern analysis; fractal; correlation dimension