道路网络对森林碳密度干扰的地理变异的识别技术

(一)森林碳密度总体分布特征的监测采用生物量换算因子连续函数法（Biomass Expansion Factor，BEF）和平均生物量法对研究区生物量进行估算，再采用目前国际上常用的转换系数0.5将生物量转换为碳储量，碳密度即为单位面积的碳储量（Mg/hm2），监测得到森林碳密度的总体分布特征，不同空间位置的碳密度值具有明显差异，2007―2016年期间碳密度低值区的范围随时间推移有扩张趋势。碳密度低值区呈斑点状、条串状镶嵌分布在整个研究区；通过碳密度与道路网络的空间叠加分析可知，碳密度低值区主要集中于道路网络周边。道路网络不仅占用了森林用地，而且作为人类活动的干扰路径，进一步促进了其它干扰的发生，如加速了森林植被的采伐与破坏，进而对森林碳密度带来了负面影响。

(二)不同路域情景下的森林碳密度分布特征的识别对不同路域情景（包括路域内、路域外、不同等级道路影响域、路域重叠区与非重叠区）下的森林碳密度进行统计，从而识别不同道路影响情景下森林碳密度的分布特征。

(三)基于GWR模型的道路网络对森林碳密度干扰地理变异的识别采用常规的以及课题组改进后的道路网络测度指标，识别道路网络对森林碳密度干扰的地理变异。森林碳密度随着道路网络线密度、面密度的增加而降低，而随着离道路距离的增加而增加。从各道路指标对碳密度及其增量的GWR回归系数来看，除了离道路距离指数DNR外，其它所有道路指标的GWR系数均正负共存，表明道路对碳密度的影响在整个研究区不是静态不变的，而是随着样点的变化而变化的。道路网络密度指标与碳密度负相关关系较大的地方主要分布在研究区西北部，且该区域局部回归-16-相关系数R2也较大，解释力较强；离道路距离指标与碳密度之间均存在正相关关系，正相关最高以及局部回归相关系数R2最大的区域正好位于研究区中部城市中心道路网络较发达区域，表明离路网发达的区域越近，碳密度越小。这两个区域是有关部门在制定森林碳汇保护策略应该重点关注的区域。