模型残差揭示了不同来源的Pinus kesiya var. langbianensis森林中单个树木及其各组成部分生物量的空间效应

《Ecological Indicators》：Model residuals elucidate spatial effects on biomass of individual trees and their components in Pinus kesiya var. langbianensis forests from different origins

个体树生物量组分空间效应分析及模型残差比较研究，采用OLS、SLM、SEM、SDM和GWR模型，对比人工林与天然林中木、树皮、枝条、叶的生物量空间自相关与异质性，发现GWR模型能有效降低残差空间异质性，且天然林空间异质性高于人工林。

　　森林生态系统在地球的物质循环和能量流动中发挥着至关重要的作用，而森林生物量则是评估森林生态系统健康状况和碳循环的重要指标。然而，对于单株树木及其组成部分的生物量空间效应的理解，对于揭示森林结构的空间模式和提升模型的准确性具有重要意义。尽管已有许多研究致力于通过传统回归模型和遥感技术来估算森林生物量，但这些方法在处理复杂的空间依赖性时往往存在局限性。因此，本研究旨在通过多种空间回归模型，评估不同起源森林中各生物量组成部分的模型拟合效果，并分析模型残差的空间自相关性和空间异质性，从而揭示生物量的空间结构特征。

本研究选择了云南省普洱市的两个典型样地，一个为人工林，另一个为天然林，均以 *Pinus kesiya* var. *langbianensis* 为主要树种。人工林的树种密度为2.0–2.5 kg·hm?2，种植密度较高，树木生长较为均匀，树冠结构相对简单。而天然林则具有较高的树种多样性，树木分布较为随机，树冠形状和结构更为复杂。研究通过现场调查和生物量计算，获取了树木的直径、高度、冠幅等关键参数，并利用多种空间回归模型（普通最小二乘法、空间滞后模型、空间误差模型、空间杜宾模型和地理加权回归模型）对生物量的估算进行了系统分析。这些模型能够更有效地捕捉和解释生物量的空间结构，从而提高估算的精度。

在模型拟合过程中，普通最小二乘法（OLS）作为基准模型，其在估算人工林和天然林中不同生物量组成部分的生物量时表现出不同的准确性。例如，人工林中树皮的估算精度高于天然林，而天然林中枝叶和树冠的生物量估算精度更高。这一差异可能源于不同森林起源的树木生长环境和结构特征。人工林中由于人工管理，树木高度和直径分布较为均匀，导致树皮生物量的估算相对准确；而天然林中由于自然生长，树木高度和直径差异较大，增加了枝叶生物量估算的复杂性。

在空间效应分析中，研究采用莫兰指数（Moran’s I）和组内方差来衡量生物量和模型残差的空间自相关性和空间异质性。结果显示，人工林中生物量的空间自相关性普遍较强，而天然林则表现出更高的空间异质性。特别是在空间滞后模型（SLM）和空间误差模型（SEM）中，模型残差的空间自相关性相对较弱，这表明这些模型在一定程度上未能完全捕捉到生物量的空间结构。相比之下，地理加权回归模型（GWR）能够更有效地反映生物量的空间异质性，其在天然林中的表现尤为突出。此外，研究还发现，模型残差的空间异质性随着距离的增加而增加，并在一定距离后趋于稳定，这一现象在天然林中更为显著。

模型残差的空间分布模式（如高值聚集、低值聚集、高值低值、低值高值）进一步揭示了不同森林起源和生物量组成部分之间的空间依赖性差异。例如，在人工林中，OLS模型的残差表现出较高的高值聚集和低值聚集比例，而在天然林中，这些比例相对较低，表明天然林中的生物量空间分布更为复杂和随机。GWR模型在处理这些复杂的空间分布时表现出更强的适应性，能够更准确地捕捉到不同距离尺度下的空间异质性。

研究结果表明，空间回归模型在处理森林生物量估算时具有显著优势，尤其是在天然林中。通过引入空间依赖性结构，这些模型能够更全面地解释生物量的空间变化，从而提升估算的准确性。然而，不同模型在不同森林起源和生物量组成部分上的表现存在差异，这提示我们需要根据具体的森林类型和生物量组成部分选择最合适的模型。此外，研究还发现，模型残差的空间异质性随着距离的增加而增加，并在一定距离后趋于稳定，这表明在估算生物量时，需要考虑不同距离尺度下的空间效应。

本研究的发现不仅加深了我们对森林生物量空间结构的理解，也为提高生物量估算模型的准确性提供了新的思路。通过分析模型残差的空间效应，我们可以更准确地识别出生物量变化的驱动因素，从而为森林管理和碳循环研究提供科学依据。未来的研究可以进一步扩大样地数量，增加对不同年龄阶段森林的分析，并考虑地下生物量，以获得更全面的森林生物量评估。