張煜星 王雪軍 黃國勝 黨永峰 陳新云

(國家林業(yè)局調(diào)查規(guī)劃設(shè)計(jì)院 北京 100714)

森林面積多階遙感監(jiān)測方法*

張煜星 王雪軍 黃國勝 黨永峰 陳新云

(國家林業(yè)局調(diào)查規(guī)劃設(shè)計(jì)院 北京 100714)

【目的】 從林業(yè)數(shù)據(jù)采集的迫切需求出發(fā)，采用遙感技術(shù)實(shí)現(xiàn)森林資源數(shù)據(jù)的快速年度出數(shù)，以及時(shí)掌握區(qū)域森林資源變化信息?！痉椒ā?建立遙感3階抽樣與地面調(diào)查技術(shù)相結(jié)合的森林資源遙感監(jiān)測技術(shù)體系，并以遼寧省為例，利用2013—2014年高、中、低多源遙感數(shù)據(jù)，進(jìn)行基于多階抽樣的省級森林面積監(jiān)測方法實(shí)踐?！窘Y(jié)果】 遙感結(jié)合地面樣地實(shí)測，建立了地面樣地與高分樣地，高、中分樣地以及中、低分樣地的森林面積回歸模型，其模型確定系數(shù)(R2)分別為0.99、0.91和0.70，模型精度較高； 基于3階分層抽樣的遙感監(jiān)測方法得到遼寧省2014年森林面積預(yù)測值為590.83×104hm2，森林覆蓋率為40.54%，略高于清查結(jié)果(40.49%)； 從抽樣精度來看，采用分層抽樣方法得到的森林面積最為可靠，抽樣精度達(dá)99%以上； 通過精度分層控制，基于MODIS NDVI閾值法制作了遼寧省森林分布圖，實(shí)現(xiàn)了遼寧省森林面積和空間分布的年度產(chǎn)出?！窘Y(jié)論】 基于遙感抽樣與地面調(diào)查技術(shù)相結(jié)合的森林面積多階遙感監(jiān)測方法可行，既可提高監(jiān)測成果的時(shí)效性，又能縮短成果產(chǎn)出周期，具有很好的應(yīng)用前景，可為下一步建立全國遙感監(jiān)測體系提供重要的技術(shù)支持。

多階抽樣； 遙感監(jiān)測； 判讀區(qū)劃； 森林面積； 年度監(jiān)測

森林資源變化的精準(zhǔn)快速監(jiān)測，長期以來一直是學(xué)術(shù)界的研究焦點(diǎn)?，F(xiàn)今，國內(nèi)外廣泛采用遙感技術(shù)和地面抽樣相結(jié)合的方法來監(jiān)測森林資源(Scott， 1998； Roganetal.， 2002； Tuominenetal.， 2005； R?deretal.， 2008； Fraseretal.， 2009)，遙感可為地面抽樣調(diào)查提供詳細(xì)的抽樣框和分層信息，提高抽樣調(diào)查效率，而地面抽樣調(diào)查可為遙感提供充分的地面數(shù)據(jù)和驗(yàn)證依據(jù)。如美國國家農(nóng)業(yè)統(tǒng)計(jì)局(NASS)實(shí)踐了空間統(tǒng)計(jì)抽樣方法與遙感監(jiān)測技術(shù)相結(jié)合的多樣框抽樣調(diào)查，歐盟MARS計(jì)劃利用分層系統(tǒng)抽樣方法選擇遙感影像(Chhikaraetal.， 1985； MacDonaldetal.， 1980； 胡如忠等， 2002)，結(jié)果發(fā)現(xiàn)遙感技術(shù)和抽樣相結(jié)合不僅可以減小調(diào)查難度，快速獲取地類信息，而且還可以降低調(diào)查成本，對提高監(jiān)測精度和效率具有重大意義(李連發(fā)等， 2004； Muukkonenetal.， 2007)。

在森林資源調(diào)查與監(jiān)測方法研究方面，美國利用航空照片、衛(wèi)星圖像與3階抽樣設(shè)計(jì)相結(jié)合的方法來獲取全國森林資源數(shù)據(jù)，加拿大利用遙感大樣地結(jié)合森林經(jīng)營檔案和其他輔助信息源分層抽樣的方式以達(dá)到清查森林資源的目的(Gillisetal.， 2005)。巴西、澳大利亞等國也提出了基于多階抽樣設(shè)計(jì)的全國森林資源監(jiān)測體系框架。聯(lián)合國糧農(nóng)組織(FAO)在2010年全球森林資源評估中，采用大樣地設(shè)計(jì)和遙感區(qū)劃調(diào)查相結(jié)合的方式獲取地類面積等因子(Smith， 2002； Gillisetal.， 2005)。我國也有很多學(xué)者利用遙感技術(shù)進(jìn)行森林資源監(jiān)測方法的探索研究(孫玉軍， 2007； 曾偉生等， 2012)，如利用遙感數(shù)據(jù)、不同時(shí)間調(diào)查地面樣地?cái)?shù)據(jù)之間的關(guān)系，構(gòu)造三相抽樣估計(jì)方法，以提高年度面積監(jiān)測的估計(jì)精度(葛宏立等， 2007)； 采用大樣地雙重抽樣調(diào)查方法開展森林資源監(jiān)測研究，探索森林資源監(jiān)測的新途徑與協(xié)同不同森林資源數(shù)據(jù)的新方法(陳振雄等， 2014； 王雪軍等， 2015)； 采用多源、多級分辨率、多時(shí)相遙感數(shù)據(jù)結(jié)合地面調(diào)查數(shù)據(jù)，開展基于PPS抽樣技術(shù)的多級遙感監(jiān)測方法研究，為建立區(qū)域森林資源年度出數(shù)提供了方法支持(王雪軍， 2013)。目前，雖然國內(nèi)在有關(guān)森林資源年度監(jiān)測方法等方面取得了進(jìn)展，但是省級乃至全國性的森林資源年度遙感監(jiān)測技術(shù)框架至今仍未建立。

近年來，我國提出實(shí)現(xiàn)國家和地方森林資源監(jiān)測工作“一盤棋”、森林資源“一套數(shù)”、森林分布“一張圖”的管理目標(biāo)(國家林業(yè)局， 2014)，不論是國家決策層面還是社會公眾層面，對及時(shí)掌握全國森林資源變化信息的需求愈加迫切。鑒于此，本文利用遼寧省2013—2014年多源遙感數(shù)據(jù)，探討建立以省(市、區(qū))為總體的森林資源多階抽樣監(jiān)測方法，以期實(shí)現(xiàn)全國和省(市、區(qū))森林面積和空間分布的年度監(jiān)測，進(jìn)而為建立全國森林資源年度監(jiān)測技術(shù)框架提供技術(shù)支持。

1 研究區(qū)概況與研究方案

1.1 研究區(qū)概況

遼寧省位于我國東北地區(qū)的南部(118°50′—125°46′E，38°43′—43°29′N)，屬暖溫帶季風(fēng)大陸性氣候，年均降水量為714.9 mm，年均氣溫4～10 ℃。陸地總面積14.59萬km2，其中山地丘陵占62%、平原占30%、其他占8%。遼寧省土壤多為草甸土、褐色土、棕色森林土，植被兼有長白、蒙古和華北3種植物區(qū)系。

1.2 研究方案

1.2.1 體系框架 在全國森林資源遙感監(jiān)測中，全部使用高分辨率影像數(shù)據(jù)，需求數(shù)量巨大，大面積數(shù)據(jù)獲取能力有限，而且數(shù)據(jù)處理工作量大、效率低，難以大規(guī)模生產(chǎn)應(yīng)用； 而低、中分辨率數(shù)據(jù)具有重訪周期短、覆蓋面寬、獲取數(shù)據(jù)容易等優(yōu)勢。因此，為提高監(jiān)測的時(shí)效性和效率，有必要綜合應(yīng)用高、中、低分辨率遙感數(shù)據(jù)。根據(jù)對遙感數(shù)據(jù)源空間分辨率的需求和國內(nèi)外常用衛(wèi)星數(shù)據(jù)源情況，可分為高、中、低3個(gè)級別：高分遙感分辨率在亞米級左右，即1 m以下； 中分遙感分辨率一般在2～30 m之間；低分遙感分辨率一般為100 m以上。遙感結(jié)合地面樣地實(shí)測，建立基于地面調(diào)查的森林資源高分辨率遙感監(jiān)測模型，進(jìn)而以地面調(diào)查控制高分辨率遙感監(jiān)測精度，以高分辨率數(shù)據(jù)精度控制中分辨率遙感監(jiān)測精度，以中分辨率遙感監(jiān)測控制低分辨率遙感監(jiān)測精度，提高森林遙感監(jiān)測的整體精度。本文即按這一技術(shù)思路提出了多階遙感監(jiān)測與地面調(diào)查相結(jié)合的森林資源遙感監(jiān)測技術(shù)框架(圖 1)，用低分辨率遙感數(shù)據(jù)快速監(jiān)測森林資源空間分布及變化信息，用中分辨遙感數(shù)據(jù)監(jiān)測總體(以全國或省為總體)的森林資源變化，用高分辨率遙感數(shù)據(jù)監(jiān)測區(qū)域森林資源主要類型的變化數(shù)據(jù)。一個(gè)總體(全國或省區(qū))可以根據(jù)地理要素和森林資源分布區(qū)劃幾個(gè)副總體，分別副總體建立遙感監(jiān)測模型，再采用分層抽樣技術(shù)進(jìn)而建立總體的森林資源監(jiān)測模型。具體為： 在副總體內(nèi)，中、高分辨率數(shù)據(jù)遙感樣地和地面調(diào)查樣地采用機(jī)械抽樣方式布設(shè)，各階樣地面積相同、數(shù)量不等，精準(zhǔn)匹配一定數(shù)量的樣地，分別建立森林資源的高分辨率遙感與地面實(shí)測、中與高、低與中分辨率遙感的監(jiān)測回歸模型，實(shí)現(xiàn)精度分層控制，提高中、低分遙感數(shù)據(jù)的分類識別精度，對區(qū)域等大尺度快速獲取森林資源宏觀監(jiān)測信息，對局部地區(qū)獲取精細(xì)分類信息，實(shí)現(xiàn)從全國、區(qū)域、地塊的多尺度森林資源遙感監(jiān)測，為森林面積年度出數(shù)提供技術(shù)支撐。

圖1 森林資源多階抽樣遙感監(jiān)測技術(shù)框架Fig.1 The framework of multi-level sampling approach remote sensing monitoring for forest resources

1.2.2 抽樣框架與樣地布設(shè) 本文提出基于3階抽樣的森林資源年度遙感監(jiān)測體系，全國布設(shè)20 km×20 km網(wǎng)格23 638個(gè)，全國可以作為一個(gè)總體，分3階抽樣建立遙感監(jiān)測體系，也可以省(直轄市、區(qū))為總體，網(wǎng)格仍為20 km×20 km。本文以遼寧省為監(jiān)測總體建立遙感監(jiān)測體系如下： 第1階為覆蓋遼寧省的250 m MODIS低分辨率遙感數(shù)據(jù)，包括遙感制圖和網(wǎng)格抽樣，網(wǎng)格按20 km×20 km布設(shè)，遼寧省共376個(gè)網(wǎng)格，以獲取總體內(nèi)森林資源空間分布信息和變化趨勢，并進(jìn)行森林資源遙感制圖； 第2階為2～5 m(優(yōu)于5 m)的中分辨率遙感樣地(以下簡稱中分樣地)，其建立在系統(tǒng)分布的20 km×20 km網(wǎng)格中心，按4 km×4 km布設(shè)遙感樣地，共376個(gè)進(jìn)行判讀解譯； 第3階為亞米級的高分辨率遙感樣地(以下簡稱高分樣地)，同樣建立在20 km×20 km網(wǎng)格內(nèi)，按4 km×4 km布設(shè)遙感樣地，機(jī)械抽取不少于1/6的遙感樣地作為判讀解譯樣地，并同時(shí)布設(shè)坐標(biāo)相匹配的地面調(diào)查遙感驗(yàn)證樣地(地面樣地)，樣地面積仍為4 km×4 km，進(jìn)行全樣地實(shí)測調(diào)查，或在樣地內(nèi)設(shè)置小樣地進(jìn)行驗(yàn)證調(diào)查,小樣地?cái)?shù)量和大小(如26 m×26 m、100 m×100 m等)可以根據(jù)各類總體的情況按所需調(diào)查抽樣精度研究確定。遼寧省共抽取66個(gè)亞米級高分樣地，相應(yīng)設(shè)置66個(gè)4 km×4 km地面樣地，并全部進(jìn)行森林資源地面核實(shí)調(diào)查； 同時(shí)，鑒于遼寧省地形特征和森林資源分布特點(diǎn)，采取分層抽樣方式，提高抽樣效率，具體分為東部山區(qū)和中西部平原2個(gè)副總體(圖2)，2個(gè)副總體抽樣方法相同，分別建立森林資源監(jiān)測模型。

圖2 遼寧省大樣地布設(shè)方案Fig.2 Sample layout scheme in Liaoning Province

1.3 森林面積估計(jì)方法及精度計(jì)算

本文森林面積估計(jì)通過建立中分樣地判讀數(shù)據(jù)、高分樣地判讀數(shù)據(jù)和地面樣地調(diào)查數(shù)據(jù)三者的二步回歸方法來實(shí)現(xiàn)。

第1步： 建立地面驗(yàn)證樣地判讀數(shù)據(jù)與高分遙感樣地判讀數(shù)據(jù)之間的回歸方程。以地面樣地的某地類實(shí)測面積數(shù)z為因變量，對應(yīng)高分樣地?cái)?shù)據(jù)的某地類判讀面積數(shù)x為自變量，建立回歸方程：

(1)

式中：a、b為參數(shù)，下同。

通過

(2)

(3)

根據(jù)

(4)

計(jì)算總體某地類的面積估計(jì)值：

(5)

(6)

(7)

(8)

面積估計(jì)值的抽樣精度為：

(9)

用成數(shù)表示，該省某地類的成數(shù)估計(jì)值為：

(10)

式中：A為該省的國土總面積，其方差為：

(11)

如總體分層，則采用以下公式計(jì)算抽樣精度。設(shè)有t個(gè)層，各層的面積權(quán)重為w1,w2,…,wt。計(jì)算各層樣本均值、標(biāo)準(zhǔn)誤：

(12)

總體面積均值的估計(jì)為：

(13)

其方差為：

(14)

估計(jì)值的抽樣精度為：

(15)

1.4 森林分布遙感制圖

本文利用遼寧省2014年全年生長季(5—10月)合成MODIS NDVI產(chǎn)品，通過NDVI閾值法提取遼寧省森林空間分布信息，因此，NDVI閾值的確定，是能否有效提取森林資源空間分析的關(guān)鍵。本文通過計(jì)算森林指數(shù)(FIp)和中分樣地內(nèi)森林面積與低分樣地回歸模型的確定系數(shù)(R2)來綜合確定MODIS NDVI閾值。

同理，將4 km×4 km的中分樣地森林面積數(shù)據(jù)作為主要變量，即因變量y，將同范圍內(nèi)低分(MODIS 數(shù)據(jù))樣地采用閾值法提取的森林面積數(shù)據(jù)作為輔助變量，即自變量x，設(shè)樣地?cái)?shù)為n，根據(jù)數(shù)據(jù)(yi,xi)(i=1,2,…,n)，建立線性回歸方程：

yi=a+bxi。

(16)

森林指數(shù)(FIp)計(jì)算公式為：

(17)

(18)

式中： FIp為森林指數(shù)，值越小，說明閾值法提取的森林面積越接近區(qū)域估計(jì)值； FApi為每個(gè)遙感樣地中中分樣地和低分樣地森林面積的差值；N為樣地個(gè)數(shù)。

2 數(shù)據(jù)收集與處理

2.1 數(shù)據(jù)收集與處理

數(shù)據(jù)收集(表1)與處理包括： 對遼寧省范圍內(nèi)的中、高分辨率遙感影像，以控制點(diǎn)數(shù)據(jù)和DEM為基礎(chǔ)，對全色影像和多光譜影像進(jìn)行正射糾正，經(jīng)融合、鑲嵌、整飾生成正射影像； 從全國森林植被宏觀監(jiān)測項(xiàng)目中收集2014年全年MODIS數(shù)據(jù)合成植被生長季(6—10月)NDVI數(shù)據(jù)集。該數(shù)據(jù)集根據(jù)MODIS第1、2波段記錄的地物波譜反射率，利用NDVI反演模型，估算NDVI值，采用最大值合成法(MVC)，形成逐日MODIS NDVI數(shù)據(jù)。再運(yùn)用LMF濾波算法(王雪軍等, 2011)，根據(jù)NDVI年內(nèi)呈正弦變化規(guī)律，通過分析比較相鄰連續(xù)多期同一像元的植被指數(shù)值，確定云、霧等對像元NDVI的影響時(shí)間，并采用內(nèi)插或外延法去除異常值，對全年以10天1個(gè)周期合成NDVI作進(jìn)一步去云、霧處理，形成每月3次1年共計(jì)36次逐旬NDVI數(shù)據(jù)集，按每月3旬?dāng)?shù)據(jù)合成全年12個(gè)月產(chǎn)品。

表1 不同時(shí)間多源遙感影像數(shù)量①

① 02C:資源衛(wèi)星02C Resource satellite 02C； ZY3:資源衛(wèi)星三號Resource satellite No.3； GF1:高分1號High resolution No.1； WV:Worldview;PL:PLEIADES.

2.2 遙感判讀及核查

2.2.1 判讀區(qū)劃 對已裁切的中、高大樣地遙感影像，采用面向?qū)ο蠓椒ǎ柚b感影像區(qū)劃軟件，按照影像的色彩、紋理、地勢地貌等特征進(jìn)行區(qū)劃圖斑解譯，提取主要土地覆蓋類型和森林分布初步結(jié)果(具體技術(shù)流程見圖3)。在此基礎(chǔ)上，利用相關(guān)地學(xué)資料、固定樣地調(diào)查和林地“一張圖”等方面資料，結(jié)合專家經(jīng)驗(yàn)，建立不同森林類型和非森林解譯標(biāo)志，采用“雙軌制”目視判讀或計(jì)算機(jī)輔助對比分析方法，判讀區(qū)劃出大樣地范圍內(nèi)森林和非森林等地類(森林圖斑塊最小面積為0.067 hm2)，通過圖斑歸并、分割、重新區(qū)劃等手段，經(jīng)現(xiàn)地反復(fù)核實(shí)調(diào)查后，再認(rèn)真分析、綜合考慮，最終形成森林地塊判讀區(qū)劃結(jié)果數(shù)據(jù)庫。

2.2.2 現(xiàn)地核實(shí)調(diào)查 按66塊亞米級高分樣地設(shè)置相同面積的地面樣地，在樣地內(nèi)進(jìn)行逐圖斑地塊地類核實(shí)調(diào)查，根據(jù)現(xiàn)地核實(shí)情況對大樣地內(nèi)遙感判讀區(qū)劃各地類圖斑界線以及變化圖斑的位置、界線進(jìn)行確認(rèn)或修改，并轉(zhuǎn)錄或填寫各圖斑核實(shí)調(diào)查屬性記錄表，構(gòu)建地面樣地調(diào)查數(shù)據(jù)庫，以此作為高分樣地與地面樣地之間回歸模型研建的基礎(chǔ)。

3 結(jié)果與分析

3.1 模型建立

3.1.1 高分樣地與地面調(diào)查樣地的回歸模型 根據(jù)66塊高分樣地解譯的森林面積與地面調(diào)查樣地?cái)?shù)據(jù)，分別按全省、東部山區(qū)總體和中西部平原總體建立回歸估計(jì)模型(圖4)。由圖4可知，高分樣地森林面積與地面調(diào)查樣地森林面積的相關(guān)性較高，回歸模型確定系數(shù)(R2)均在0.97以上。

圖3 影像分割與分類流程Fig.3 Flow chart of image segmentation and classification

圖4 地面驗(yàn)證樣地與高分樣地的回歸模型Fig.4 Regression model of filed measured plots and high resolution plots

3.1.2 中分與高分樣地的回歸模型 根據(jù)66塊高分樣地與中分樣地?cái)?shù)據(jù)，分別按全省、東部山區(qū)總體和中西部平原總體建立回歸估計(jì)模型(圖5)。由圖5可知，高分樣地與中分樣地森林面積的相關(guān)性較高，尤其是東部山區(qū)總體，回歸模型確定系數(shù)(R2)最高，達(dá)0.91以上。這是因?yàn)闁|部山區(qū)與中西部相比，大樣地內(nèi)森林覆蓋率較高，分布較為集中， 加上東部山區(qū)各種遙感影像判讀的一致率要明顯高于中西部，所以回歸模型確定系數(shù)(R2)東部山區(qū)要高于中西部。

3.1.3 低分與中分遙感樣地的回歸模型 通過計(jì)算森林指數(shù)(FIp)和中分樣地內(nèi)的森林面積與低分樣地回歸模型的確定系數(shù)(R2)來確定NDVI閾值。全省不分層時(shí)，當(dāng)森林指數(shù)(FIp)最小和確定系數(shù)(R2)最大，MODIS閾值為0.47左右，見圖6。

分層抽樣時(shí)，當(dāng)森林指數(shù)(FIp)最小和確定系數(shù)(R2)最大，東部山區(qū)總體的MODIS閾值為0.50左右，見圖7；中西部平原總體的MODIS閾值為0.46左右，見圖8。

通過以上對MODIS數(shù)據(jù)NDVI閾值的確定，分別統(tǒng)計(jì)各閾值下覆蓋遼寧省376塊4 km×4 km低分樣地的森林面積數(shù)據(jù)，與同范圍內(nèi)中分樣地的森林面積建立回歸模型，見圖9。

3.2 森林面積估計(jì)

通過系統(tǒng)抽樣和分層計(jì)算，分別統(tǒng)計(jì)出高、中、低遙感數(shù)據(jù)遼寧省森林面積的估計(jì)值和抽樣精度，見表2。從抽樣精度來看，采用分層抽樣明顯優(yōu)于系統(tǒng)機(jī)械抽樣。

因最新的遼寧省森林資源清查數(shù)據(jù)是2010年發(fā)布的，森林覆蓋率為38.24%，森林面積為557.31萬hm2，森林面積(2005—2010年)年均增長率為1.34%，而本文為2014年結(jié)果，因此為了便于比較分析，根據(jù)張煜星(2007)的研究，以2010年森林面積為底數(shù)，根據(jù)2010—2014年造林面積總和與2006—2010年造林總面積之比，再乘以2005—2010年森林面積增長率，以此計(jì)算得到2014的森林面積。據(jù)統(tǒng)計(jì)，2010—2014年和2006—2010年人工造林保存合格面積總和之比為1.1，因此2014年森林面積預(yù)測值為557.31×(1+1.1×4×1.34%)=590.17萬hm2，森林覆蓋率為40.49%。

本文通過高、中、低遙感數(shù)據(jù)得到的森林面積結(jié)果與2014年森林面積預(yù)測值相比(表3)，中分樣地分層得到的森林面積為590.83萬hm2，與2014年森林面積預(yù)測值最為接近，二者僅相差0.11%。通過低分遙感數(shù)據(jù)反演得到的森林面積也較為可靠，與2014年森林面積預(yù)測值相差不超過5%?？傮w來說，通過分層多階抽樣的遙感監(jiān)測方法得到的森林面積結(jié)果較為可靠。

3.3 森林分布圖制作

根據(jù)以上閾值分別對遼寧省森林空間分布信息進(jìn)行提取，制作遼寧省森林分布圖，結(jié)果見圖10。與2010年遼寧省第八次森林資源清查產(chǎn)生的森林分布圖(圖11)相比，本文得到的森林分布圖與其基本一致，通過分層控制閾值法提取的遼寧省森林分布信息結(jié)果與2010年森林分布圖空間分布一致率為88.1%，而全省不分層提取的結(jié)果一致率為84.7%，因此采用分層抽樣方式得到的結(jié)果要優(yōu)于不分層抽樣提取的結(jié)果。

圖5 高分與中分樣地的回歸模型Fig.5 Regression model of high resolution plots and medium resolution plots

圖6 全省不分層森林指數(shù)(FIp)和確定系數(shù)(R2)分布Fig.6 Distribution of FIp and R2 in the whole province

圖7 東部山區(qū)總體森林指數(shù)(FIp)和確定系數(shù)(R2)分布Fig.7 Distribution of FIp and R2 in the eastern mountain area

圖8 中西部平原總體森林指數(shù)(FIp)和確定系數(shù)(R2)分布Fig.8 Distribution of FIp and R2 in the central and western plain area

圖9 中分與低分樣地的回歸模型Fig.9 Regression model of medium resolution plots and low resolution plots

表2 森林面積估計(jì)值及抽樣精度統(tǒng)計(jì)

表3 不同調(diào)查體系下森林面積比較統(tǒng)計(jì)

4 討論

遙感對地觀測手段具有覆蓋地區(qū)全面、即時(shí)獲取變化信息、宏觀性、近實(shí)時(shí)性和綜合性的特點(diǎn)，能夠?qū)崿F(xiàn)森林資源實(shí)時(shí)快速監(jiān)測、分析和評價(jià)。本文認(rèn)為，高分辨率遙感數(shù)據(jù)處理工作量大，數(shù)據(jù)獲取難，不宜全覆蓋總體；如在條件許可的情況下，用高分辨率數(shù)據(jù)全面覆蓋總體，遙感監(jiān)測可不再需求中、低分辨率數(shù)據(jù)。部分使用高分辨率數(shù)據(jù)的主要作用在于控制中分調(diào)查精度，降低調(diào)查成本，提高調(diào)查效率，逐步通過幾年的實(shí)踐，建立一個(gè)大樣本模型并逐漸穩(wěn)定，以實(shí)現(xiàn)建立遙感監(jiān)測技術(shù)體系。同時(shí)認(rèn)為，建立全國統(tǒng)一的遙感監(jiān)測技術(shù)體系勢在必行，本文提出的基于遙感3階抽樣與地面調(diào)查技術(shù)相結(jié)合的森林資源監(jiān)測方法科學(xué)、經(jīng)濟(jì)，充分發(fā)揮了遙感技術(shù)的優(yōu)勢，提高了遙感數(shù)據(jù)的應(yīng)用效率，提升了森林資源變化的快速精準(zhǔn)監(jiān)測能力，也在一定程度上彌補(bǔ)了地面實(shí)測法調(diào)查時(shí)間長、工作量大、存在特殊對待風(fēng)險(xiǎn)等缺陷，為下一步建立全國遙感監(jiān)測技術(shù)體系提供了重要的技術(shù)支持。因本方法尚未涉及森林資源年度動態(tài)變化監(jiān)測結(jié)果測試對比，因此如何提高森林動態(tài)變化監(jiān)測精度，真正實(shí)現(xiàn)時(shí)間序列的年度出數(shù)，將是下一步的研究重點(diǎn)。此外，改進(jìn)采用單一NDVI閾值提取森林植被宏觀信息方法，并克服大尺度低分遙感數(shù)據(jù)因存在混合像元和同物異譜、異物同譜(排除農(nóng)作物的干擾)等而帶來的森林類型識別誤差，提高大尺度森林類型的空間分布精度，也是下一步有待解決的問題。

5 結(jié)論

本文以滿足及時(shí)、快速、精準(zhǔn)獲取森林資源信息的需求，研究建立了多階遙感監(jiān)測與地面調(diào)查相結(jié)合的森林資源遙感年度監(jiān)測技術(shù)體系，并以遼寧省為例，利用2013—2014年高、中、低多源遙感數(shù)據(jù)，進(jìn)行了基于多階抽樣的省級森林面積監(jiān)測方法實(shí)踐，得到如下結(jié)論：

1) 遙感結(jié)合地面樣地實(shí)測，建立了地面樣地與高分樣地，高、中分樣地以及中、低分樣地的森林面積回歸模型，其模型確定系數(shù)(R2)分別為0.99、0.91和0.70，模型精度較高。

2) 基于3階分層抽樣的遙感監(jiān)測方法得到遼寧省2014年森林面積預(yù)測值為590.83萬hm2，森林覆蓋率為40.54%； 同時(shí)通過精度分層控制，基于MODIS NDVI閾值法制作了遼寧省森林分布圖，實(shí)現(xiàn)了遼寧省森林面積和空間分布的年度產(chǎn)出，提高了監(jiān)測成果的時(shí)效性，縮短了成果產(chǎn)出周期。

3) 與清查結(jié)果相比，本研究高、中、低遙感數(shù)據(jù)估測結(jié)果均存在一些“高估”現(xiàn)象，但都在控制精度要求之內(nèi)； 從抽樣精度來看，采用分層抽樣方法得到的森林面積最為可靠，抽樣精度可達(dá)到99%以上。

陳振雄，熊智平，曾偉生，等. 2014. 基于大樣地雙重抽樣方法的廣東省森林資源監(jiān)測研究.中南林業(yè)調(diào)查規(guī)劃, 33(3):28-33.

(Chen Z X,Xiong Z P, Zeng W S,etal.2014. Forest resources monitoring based on double sampling with large plot in Guangdong. Central South Forest Inventory and Planning, 33(3):28-33. [in Chinese])

李連發(fā),王勁峰,劉紀(jì)遠(yuǎn). 2004.國土遙感調(diào)查的空間抽樣優(yōu)化決策.地球科學(xué)：中國科學(xué)D輯, 34(10):975-982.

(Li L F, Wang J F, Liu J Y. 2004. Optimization decision of spacial sampling in remote sensing survey. Science in China Ser: D Earth Sciences, 34(10):975-982. [in Chinese])

胡如忠,劉海啟.2002.遙感技術(shù)應(yīng)用與歐美農(nóng)作物估產(chǎn). 北京:氣象出版社, 69-82.

(Hu R Z, Liu H Q. 2002. Application of remote sensing technology for crop yield estimation in Europe and US. Beijing: China Meteorological Press,69-82.[in Chinese])

葛宏立，周國模，張國江，等．2007. 遙感地面三相抽樣及其在森林資源年度監(jiān)測面積估計(jì)中的應(yīng)用．林業(yè)科學(xué)， 43(6)： 77-82．

(Ge H L,Zhou G M,Zhang G J,etal. 2007. RS-land three-phase sampling technique and its application to area estimation in annual forest inventory. Scientia Silvae Sinicae, 43(6)： 77-82.[in Chinese])

國家林業(yè)局.2014. 我院助力安徽省開展2014年度森林資源一體化監(jiān)測.http://www.forestry.gov.cn//portal/hdy/s /1517/content-680149.html.

(State Forestry Administration.2014. Helping the integrated monitoring of forest resources for Anhui Province in 2014.http://www.forestry.gov.cn//portal/hdy/s /1517/content-680149.html.[in Chinese])

孫玉軍. 2007. 資源環(huán)境監(jiān)測與評價(jià).北京:高等教育出版社,142.

(Sun Y J. 2007. Monitoring and assessment of resources and environment.Beijing:Higher Education Press,142. [in Chinese])

王雪軍，孫玉軍.2011.基于遙感地學(xué)模型的遼寧省森林生物量和碳儲量估測.林業(yè)資源管理，(1)： 100-105.

(Wang X J. Sun Y J.2011. Study on forest biomass and carbon sequestration survey in Liaoning Province based on RS and genomic models. Forest Resources Management,(1):100-105[in Chinese])

王雪軍. 2013. 基于多源數(shù)據(jù)源的森林資源年度動態(tài)監(jiān)測研究.北京:北京林業(yè)大學(xué)博士學(xué)位論文.

(Wang X J. 2013. Annual forest resources dynamic monitoring research based on multi-data source in the case of Anshan City.Beijing: PhD thesis of Beijing Forestry University. [in Chinese])

王雪軍，馬 煒，黃國勝，等.2015.基于遙感大樣地抽樣調(diào)查的森林面積監(jiān)測.北京林業(yè)大學(xué)學(xué)報(bào),37(11)： 1-10.

(Wang X J, Ma W, Huang G S,etal. 2007. Estimation of forest area by large plot interpretation and division based on remote sensing. Journal of Beijing Forestry University, 37(11)： 1-10. [in Chinese])

曾偉生,程志楚,夏朝宗. 2012. 一種銜接森林資源一類清查和二類調(diào)查的新方案.中南林業(yè)調(diào)查規(guī)劃, 31(3):1-4.

(Zeng W S, Cheng Z C, Xia C Z. 2012. A new scheme for coordinating continuous forest inventory with forest management inventory.Central South Forest Inventory and Planning, 31(3):1-4. [in Chinese])

張煜星.2007.人工造林對森林覆蓋率的貢獻(xiàn)分析.東北林業(yè)大學(xué)學(xué)報(bào),35(3):76-78.

(Zhang Y X. 2007.Analysis on contribution of artificial afforestation to forest coverage.Journal of Northeast Forestry University,35(3):76-78. [in Chinese])

Chhikara R S, Lundgren J C,Houston A G, 1985. Corp acreage estimation using aLandsat-based estimator as an auxiliary variable.IEEE Transactions on Geoscience and Remote Sensing, 24(l):158-172.

Fraser R H, Olthof I, Pouliot D. 2009. Monitoring land cover change and ecological integrity in Canada’s national parks.Remote Sensing of Environment, 113(7):1397-1409.

Gillis M D, Omule A Y, Brieriey T. 2005. Monitoring Canada forests: the national forest inventory.The Forestry Chronicle, 81(2):214-221.

MacDonald R B, Hall F G. 1980. Global crop forecasting.Science, 208(4445):670-679.

Muukkonen P, Heiskanen J. 2007. Biomass estimation over a large area based on standwise forest inventory data and ASTER and MODIS satellite data: a possibility to verify carbon inventories.Remote Sensing of Environment, 107(4):617-624.

R?der A, Udelhoven T, Hill J,etal. 2008.Trend analysis of Landsat-TM and -ETM+ imagery to monitor grazing impact in a rangeland ecosystem in northern Greece.Remote Sensing of Environment, 112(6): 2863-2875.

Rogan J, Franklin J, Roberts D A. 2002. A comparison of methods for monitoring multi-temporal vegetation change using thematic mapper imagery.Remote Sensing of Environment, 80(1):143-156.

Smith W B. 2002. Forest inventory and analysis: a national inventory and monitoring program. Environmental Pollution, 116(S1):233-242.

Scott C T. 1998. Sampling method for estimating change in forest resources. Ecological Applications, 8(2):228-233.

Tuominen S, Penkkarinen P. 2005. Performance of different spectraland textural aerial photograph features in multi-source forest inventory.Remote Sensing of Environment, 94(2):256-268.

(責(zé)任編輯 石紅青)

Forest Area Remote Sensing Monitoring Using the Multi-Level Sampling Interpretation Approach

Zhang Yuxing Wang Xuejun Huang Guosheng Dang Yongfeng Chen Xinyun

(AcademyofForestInventoryandPlanning,StateForestryAdministrationBeijing100174)

【Objective】 It is the urgent requirement for forestry that forest resources data and changing information are quickly and effectively acquired by using remote sensing.【Method】 This study built forest resource monitoring approach by combining three levels sampling of remote sensing imagery and field surveying. We chose Liaoning Province as study area to assess our method by using multi-source remote sensing data with high, medium and low spatial resolution from 2013 to 2014.【Result】 Firstly, we obtained the forest area estimating model by combining separately filed measured plots and high, middle and low resolution remote sensing data. The performance of these three forest area regress model were evaluated and showed high precision(R2=0.99, 0.91, 0.70,respectively). Secondly, we estimated the forest area (590.83 million hectares) and forest coverage(40.54%) of Liaoning Province,respectively. The value of forest coverage is similar to that determined by forest resources inventory(40.49%), which proved that the proposed method in this study could obtain forest area with high precision(more than 99%). In addition, the forest distribution map of Liaoning Province was produced based on MODIS NDVI threshold value method . This study proposed a forest resource monitoring approach which can obtain annual forest area and distribution map of Liaoning Province.【Conclusion】 This research explored the method of remote sensing monitoring indices as an available technique. It would be helpful to monitoring forest resource because of the shortening forest monitoring result output cycle. The forest resource monitoring approach proposed in this paper should have a bright future of application and dissemination, and would provide important support for building remote sensing monitoring system of national forest resource.

multi level sampling； remote sensing monitoring； interpretation division； forest area； annual monitoring

10.11707/j.1001-7488.20170710

2016-01-08；

2016-06-29。

科技部對發(fā)展中國家科技援助項(xiàng)目(KY201402011)； 三峽后續(xù)工作科研項(xiàng)目“三峽庫區(qū)生態(tài)屏障區(qū)生態(tài)效益監(jiān)測技術(shù)與評價(jià)方法研究”(2016K-1)。

S718.5

A

1001-7488(2017)07-0094-11

*王雪軍為通訊作者。