烏迪, 巫明焱, 陳佳麗, 董光, 程武學(xué),*

?

基于Landsat影像的梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量估測(cè)及其時(shí)空動(dòng)態(tài)

烏迪1,2, 巫明焱1,2, 陳佳麗1,2, 董光1,2, 程武學(xué)1,2,*

1. 四川師范大學(xué)地理與資源科學(xué)學(xué)院中心實(shí)驗(yàn)室, 成都 610101 2. 四川師范大學(xué)西南土地資源評(píng)價(jià)與監(jiān)測(cè)教育部重點(diǎn)實(shí)驗(yàn)室, 成都 610068

森林碳儲(chǔ)量研究對(duì)森林質(zhì)量評(píng)價(jià)、林業(yè)資源科學(xué)管理及森林生態(tài)結(jié)構(gòu)保護(hù)具有重要意義。以四川省馬爾康縣梭磨鄉(xiāng)冷杉林為研究對(duì)象, 以2010年森林資源調(diào)查實(shí)測(cè)數(shù)據(jù)和同年Landsat遙感影像數(shù)據(jù)為基礎(chǔ), 采用逐步線性回歸方法, 構(gòu)建2010年地面冷杉林地上碳儲(chǔ)量和遙感因子的多元線性回歸模型。然后, 基于偽不變特征原理的相對(duì)輻射校正法計(jì)算2010年冷杉林地上碳儲(chǔ)量估測(cè)模型與1995年、2000年、2005年和2015年四期影像數(shù)據(jù)的相關(guān)關(guān)系, 分別估測(cè)了1995年、2000年、2005年、2010年和2015年研究區(qū)冷杉林地上碳儲(chǔ)量, 從而揭示出近20年來馬爾康縣梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量的時(shí)空動(dòng)態(tài)變化特征。研究結(jié)果表明: 從空間分布看, 研究區(qū)冷杉林地上碳儲(chǔ)量主要分布在貫穿全區(qū)東西方向且海拔3000—4000 米的區(qū)域; 從時(shí)間分布看, 1995—2015年間, 研究區(qū)冷杉林地上碳儲(chǔ)量總量和碳密度呈持續(xù)上升趨勢(shì), 森林碳儲(chǔ)量結(jié)構(gòu)處于良性發(fā)展階段。該研究結(jié)果對(duì)高山峽谷地區(qū)森林碳儲(chǔ)量的后續(xù)研究有一定參考價(jià)值。

Landsat影像; 碳儲(chǔ)量; 生物量; 冷杉; 多元回歸; 時(shí)空動(dòng)態(tài)

0 前言

森林碳儲(chǔ)量的研究起始于1876年Ebermeryer對(duì)森林樹種不同部位重量的測(cè)定[1]。從20世紀(jì)50年代開始, 森林碳儲(chǔ)量的研究逐漸開始受到關(guān)注, 如日本、美國(guó)等[2-3]。到20世紀(jì)70年代, 全球碳循環(huán)的研究引起人類的普遍關(guān)注[4]。中國(guó)在森林碳儲(chǔ)量研究領(lǐng)域起步相對(duì)較晚, 起始于20世紀(jì)70年代后期, 李克讓與陳冠雄共同完成的土壤利用的改變與主要溫室氣體凈排放和對(duì)策研究, 為我國(guó)森林碳儲(chǔ)量研究打下基礎(chǔ)[5]。后來, 方精云等建立了我國(guó)主要森林類型的林木蓄積量與生物量之間的相關(guān)式, 提高了我國(guó)森林碳儲(chǔ)量的估算精度[6]。近年, 李雷達(dá)等結(jié)合材積源生物量法估算了湖南省現(xiàn)有森林植被碳儲(chǔ)量、碳密度及其區(qū)域空間分布格局, 表明我國(guó)森林碳儲(chǔ)量的相關(guān)研究已比較廣泛[7]。

縱觀現(xiàn)有研究, 空間研究尺度單一、估算精度有待提高、多源數(shù)據(jù)需標(biāo)準(zhǔn)化等碳儲(chǔ)量研究的現(xiàn)實(shí)問題還需進(jìn)一步完善解決[8]。隨遙感技術(shù)的不斷成熟, 特別是Landsat衛(wèi)星數(shù)據(jù)獨(dú)特的優(yōu)勢(shì)以及其與森林碳儲(chǔ)量之間存在相關(guān)性[9], 使其作為一種新興手段, 高效獲取多種環(huán)境因子信息, 進(jìn)而估算森林植被碳儲(chǔ)量比傳統(tǒng)方法對(duì)森林碳儲(chǔ)量估測(cè)更加優(yōu)越[10]。本文擬采用2010年森林資源調(diào)查實(shí)測(cè)數(shù)據(jù)和同年Landsat遙感影像數(shù)據(jù), 采用逐步線性回歸方法, 構(gòu)建地面冷杉林碳儲(chǔ)量和遙感因子的多元線性回歸模型, 并依據(jù)偽不變特征原理的相對(duì)輻射校正法, 以建立的2010年的模型推演1995年、2000年、2005年和2015年的研究區(qū)冷杉林地上碳儲(chǔ)量, 并研究其時(shí)空變化特征。研究有助于推進(jìn)遙感數(shù)據(jù)在森林信息提取和冷杉遙感定量估測(cè)方面應(yīng)用的深度和廣度, 提高遙感數(shù)據(jù)的應(yīng)用價(jià)值; 更有利于管控和維持林區(qū)良好的自然環(huán)境, 保護(hù)森林生態(tài)結(jié)構(gòu), 對(duì)社會(huì)的可持續(xù)發(fā)展有著重要的理論和現(xiàn)實(shí)意義[11]。

1 研究區(qū)概況

梭磨鄉(xiāng)地處青藏高原南緣, 四川盆地西北部, 阿壩州南部, 馬爾康縣境東南端, 介于102°21′E—102°40′E和31°35′N—32°07′N之間(圖1)。海拔2900—5500 m, 面積約為1093 km2, 人口約0.2萬。其氣候?qū)俚途暥?、高海拔的高原大陸季風(fēng)氣候與高山峽谷立體氣候, 冬干夏濕、雨熱同季、四季不分明, 大部分地區(qū)無夏季, 日照充足、晝夜溫差大。年均氣溫8—9 ℃, 年降水量753 mm, 年均日照2000 h以上, 絕對(duì)無霜期120 d?？諝赓|(zhì)量達(dá)到中國(guó)Ⅰ級(jí)標(biāo)準(zhǔn)。全鄉(xiāng)地處深山峽谷區(qū), 群山環(huán)抱, 植被分布廣泛, 可分為闊葉林、針葉林、箭竹林、灌叢、草甸及流石灘植被等六大類型。其中, 冷杉、云杉、落葉松以及樺、高山櫟等分布較廣。天然林場(chǎng)和原始森林林區(qū)主要分布于海拔2400—4000 m之間, 以亞高山暗針葉林為主, 優(yōu)勢(shì)樹種為岷江冷杉。林區(qū)植被垂直地帶性明顯, 類型和生境隨海拔變化及坡向不同而分異, 海拔在4000 m以上多為牧草。梭磨鄉(xiāng)境內(nèi)植被資源豐富, 是大渡河上游重要的生態(tài)屏障[12]。

2 研究數(shù)據(jù)與研究方法

2.1 研究數(shù)據(jù)

研究區(qū)矢量數(shù)據(jù)主要是矢量行政邊界, 數(shù)據(jù)來源于研究區(qū)林業(yè)部門; 柵格數(shù)據(jù)是1995年、2000年、2005年、2010年及2015年8月的五期Landsat衛(wèi)星影像和SRTM1 30米DEM數(shù)據(jù), 數(shù)據(jù)來源于美國(guó)衛(wèi)星遙感數(shù)據(jù)網(wǎng)站USGS(https: //glovis.usgs.gov/); 樣地?cái)?shù)據(jù)主要是實(shí)地調(diào)查采樣收集及2010年梭磨鄉(xiāng)冷杉林業(yè)小班數(shù)據(jù)。實(shí)測(cè)數(shù)據(jù)主要在研究區(qū)1: 5萬地形圖上以1000 m×1000 m進(jìn)行系統(tǒng)樣點(diǎn)布設(shè)[13], 共滿幅均勻布設(shè)117個(gè)面積為30 m×30 m的樣地。在保證優(yōu)選樣地空間位置分布均勻的條件下, 遵從隨機(jī)抽樣原則, 從中篩選出地表覆蓋均質(zhì)、林分未經(jīng)間伐、生長(zhǎng)正常并具有代表性的90個(gè)樣地作為研究樣本。依據(jù)滿足建模與精度檢驗(yàn)需要的3: 1比例將90塊樣地分為兩組, 前者共68塊樣地, 用于建立模型; 后者共22塊樣地, 用于驗(yàn)證模型精度。

圖1 梭磨鄉(xiāng)地理位置圖

Figure 1 The geographical location of Suomo township

2.2 研究處理與因子提取

2.2.1 遙感數(shù)據(jù)預(yù)處理

以2010年已校正的Landsat影像產(chǎn)品為參照, 選取地面控制點(diǎn), 用二次多項(xiàng)式模型, 對(duì)其余四期Landsat待校正影像進(jìn)行幾何精校正, 使像元誤差保持在一個(gè)像元范圍內(nèi), 以滿足研究需要。接著, 對(duì)幾何精校正后的影像進(jìn)行地形校正, 用來消除地形起伏給傳感器接受信號(hào)所帶來的影響。然后對(duì)上步結(jié)果進(jìn)行輻射定標(biāo), 使原始像元值轉(zhuǎn)化為輻射亮度值(Radiance), 單位: μW·cm-2·sr·nm。再對(duì)結(jié)果進(jìn)行FLAASH大氣校正。由圖2表明: FLAASH大氣校正有效的修正了影像因大氣而造成的輻射誤差, 使校正過的數(shù)據(jù)更趨近于真實(shí)植被波譜曲線特征。

最后, 疊加大氣校正后的Landsat遙感影像與研究區(qū)矢量邊界, 對(duì)Landsat遙感影像和DEM數(shù)據(jù)進(jìn)行研究區(qū)裁剪。

2.2.2 冷杉林地上生物量建模相關(guān)因子選取

影響植被生長(zhǎng)的因素復(fù)雜多樣, 參考生物量相關(guān)定量遙感研究[14], 本文共選取三類相關(guān)性顯著且信息獨(dú)立性好的建模因子。即: 遙感影像7個(gè)波段(藍(lán)波段、綠波段、紅波段、近紅外波段、短波紅外1波段、長(zhǎng)波紅外波段、短波紅外2波段); 7個(gè)植被指數(shù)(比值植被指數(shù): RVI、差值植被指數(shù): DVI、歸一化植被指數(shù): NDVI、綠度植被指數(shù): GVI、亮度植被指數(shù): BVI、濕度植被指數(shù): WBI、中紅外植被指數(shù): VI3), 其計(jì)算公式見表1; 3個(gè)地學(xué)因子(坡度、坡向、海拔), 由DEM數(shù)據(jù)生成; 3個(gè)生長(zhǎng)因子(郁閉度、蓋度、林齡), 由地面實(shí)測(cè)林業(yè)小班數(shù)據(jù)獲得。再使用ArcGIS軟件的“提取至點(diǎn)”工具, 針對(duì)90個(gè)有效樣地, 分別提取上述20個(gè)建模所需相關(guān)因子信息。研究區(qū)建模樣本的基本統(tǒng)計(jì)量見表2。

注: 前圖縱坐標(biāo)為大氣校正前的原始圖像像元DN值(無量綱), 橫坐標(biāo)為波長(zhǎng)(單位: μm); 后圖縱坐標(biāo)是大氣校正后的地表反射率值, 橫坐標(biāo)為波長(zhǎng)(單位: μm)

Figure 2 The original image, vegetation pop curve and FLASSH vegetation image after atmospheric correction

表1 植被指數(shù)計(jì)算公式

2.3 碳儲(chǔ)量研究方法

選取野外樣地實(shí)測(cè)的梭磨鄉(xiāng)冷杉植株的胸徑和樹高等信息, 以二元材積表為依據(jù), 計(jì)算冷杉植株的材積, 其公式[15]為:

G= C0×DC1×HC2

式中G為材積(m3); D為平均胸徑(cm); H為樹高(m); C0為0.0000711712520; C1為1.9327326; C2為0.91161229。

在計(jì)算冷杉材積的基礎(chǔ)上, 進(jìn)而來求得樣地冷杉的蓄積量, 然后利用材積源生物量法, 選取適合本地區(qū)的蓄積—生物量模型, 計(jì)算出樣地冷杉的生物量[16]。

W=2.137×V0.7532

式中: W為生物量(t·hm-2); V為蓄積量(m3·hm-2)。

通過資料查找, 研究區(qū)冷杉生物量和碳儲(chǔ)量之間的轉(zhuǎn)換系數(shù)為50.50%[12], 以此計(jì)算出樣地區(qū)森林植被的碳儲(chǔ)量。再依據(jù)樣地相關(guān)因子與碳儲(chǔ)量的相關(guān)性, 建立多元線性回歸模型, 實(shí)現(xiàn)整個(gè)研究區(qū)森林植被碳儲(chǔ)量的估算。最后, 再基于偽不變特征原理的相對(duì)輻射校正法計(jì)算2010年梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量估測(cè)模型與1995年、2000年、2005年和2015年四期影像數(shù)據(jù)的相關(guān)關(guān)系, 推演其他四個(gè)年份的冷杉林地上碳儲(chǔ)量估測(cè)模型, 實(shí)現(xiàn)研究區(qū)森林植被碳儲(chǔ)量的時(shí)空動(dòng)態(tài)研究。

3 結(jié)果與分析

3.1 冷杉林地上碳儲(chǔ)量模型構(gòu)建

3.1.1 因子相關(guān)性分析

以樣地生物量為因變量, 其它因子為自變量, 做雙變量相關(guān)性分析, 計(jì)算相關(guān)系數(shù)矩陣[17]。從分析結(jié)果中可得, 由Landsat遙感數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)提取的相關(guān)因子與生物量有很好的相關(guān)性。其中有B(藍(lán)光波段)、BVI、海拔、林齡和郁閉度等多個(gè)因子與生物量在0.01水平上呈現(xiàn)顯著相關(guān), 說明各因子中包含了大量的植被生長(zhǎng)信息(見表3)。

表2 研究區(qū)建模樣本的基本統(tǒng)計(jì)量

表3 因子與生物量相關(guān)性分析

*在0.05水平上顯著相關(guān), **在0.01水平上顯著相關(guān)。

3.1.2 冷杉林地上碳儲(chǔ)量模型建立

在SPSS統(tǒng)計(jì)分析軟件中, 將120個(gè)相關(guān)因子, 作為多元線性回歸方程的自變量代入方程。利用逐步多元線性回歸方法對(duì)以上所有樣地?cái)?shù)據(jù)進(jìn)行回歸分析, 構(gòu)建冷杉林地上生物量多元線性回歸模型[18], 再依據(jù)生物量與碳儲(chǔ)量的轉(zhuǎn)換系數(shù), 獲得研究區(qū)冷杉林地上碳儲(chǔ)量估算模型:

C=2.754L+0.623F+0.362G—76.319B—33.010

式中: C為碳儲(chǔ)量(t·hm-2); L為林齡(a); F為植被蓋度(%); G為坡度(°); B為藍(lán)光波段地表反射率。

3.1.3 冷杉林地上碳儲(chǔ)量模型精度驗(yàn)證

對(duì)梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量模型進(jìn)行方差分析, 模型的R2值為0.837, 調(diào)整后的R2值為0.825。研究中的碳儲(chǔ)量和建模因子顯著相關(guān), 所構(gòu)建的模型具有統(tǒng)計(jì)學(xué)意義[19], 能較好的篩選出相關(guān)性因子, 并依據(jù)因子構(gòu)建合適的碳儲(chǔ)量估算模型。

然后, 再對(duì)模型預(yù)測(cè)值與實(shí)測(cè)值進(jìn)行配對(duì)樣本T檢驗(yàn), 結(jié)果表明: 模型預(yù)測(cè)值與實(shí)測(cè)值在0.01水平上顯著相關(guān), 相關(guān)性達(dá)到0.869, 兩者之間差異性不顯著。說明模型擬合度較好, 在估測(cè)生物量時(shí)有著較高的可靠性, 見表4。

最后利用22個(gè)精度驗(yàn)證樣地?cái)?shù)據(jù), 計(jì)算與該模型的擬合效果, 評(píng)價(jià)建立多元線性回歸模型的精度。結(jié)果表明生物量模型的預(yù)測(cè)值與實(shí)測(cè)值的擬合趨勢(shì)一致性較高(圖3), 擬合率滿足精度要求, 該估算模型的估測(cè)結(jié)果可信度較強(qiáng)。

3.2 冷杉林地上碳儲(chǔ)量反演

依據(jù)上述建立的2010年梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量估測(cè)模型, 使用基于偽不變特征原理的相對(duì)輻射校正法, 計(jì)算該估測(cè)模型與1995年、2000年、2005年和2015年四期影像的相關(guān)關(guān)系, 繼而求得這四個(gè)年份梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量估測(cè)模型。該方法主要通過對(duì)比多時(shí)相遙感影像上的不隨時(shí)間變化而改變的固定特征地物象元, 并對(duì)其進(jìn)行回歸分析, 尋找模型間的相關(guān)關(guān)系。各年份相同自變量之間的回歸關(guān)系方程見表5。

上表公式中B2010為2010年樣地藍(lán)光波段表觀反射率值, B1995、B2000、B2005和B2015分別是1995年、2000年、2005年與2015年樣地藍(lán)光波段表觀反射率值。

表4 預(yù)測(cè)值&實(shí)測(cè)值配對(duì)T檢驗(yàn)統(tǒng)計(jì)

圖3 模型預(yù)測(cè)值和實(shí)測(cè)值擬合圖

Figure 3 The fitting graph of predicted and measured values

表5 相同自變量之間的回歸關(guān)系方程

將上述回歸關(guān)系方程代入2010年梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量模型, 可獲得另外四個(gè)年份的梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量估算模型(表6)。

其中C1995、 C2000、C2005和 C2015分別是1995年、2000年、2005年與2015年梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量(t·hm-2); L為林齡(a); F為植被蓋度(%); G為坡度(°); B為藍(lán)光波段地表反射率。

3.3 1995—2015年梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量時(shí)空動(dòng)態(tài)變化分析

3.3.1 1995—2015年梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量時(shí)間動(dòng)態(tài)變化分析

通過構(gòu)建的冷杉林地上碳儲(chǔ)量估算模型, 估算各年份冷杉林地上碳儲(chǔ)量, 結(jié)果表明: 梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量從1995年的591339.68 t增長(zhǎng)至2015年的992845.88 t(圖4), 而平均碳密度由1995年的30.03 t·hm-2, 變化至2015年的50.41 t·hm-2。其冷杉林的碳儲(chǔ)量值呈持續(xù)增長(zhǎng)狀態(tài), 年均碳儲(chǔ)量增長(zhǎng)20075.31 t。

分析1995年、2000年、2005年、2010年和2015年五年估測(cè)的地上碳儲(chǔ)總量和平均碳密度變化速率信息(圖5), 梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量增長(zhǎng)量和平均碳密度增長(zhǎng)量分別從1995年的81710.66 t和4.15 t·hm-2, 變?yōu)?015年的127728.91 t和6.49 t·hm-2。1995—2015年間的20年間的碳儲(chǔ)量增長(zhǎng)量和碳密度增長(zhǎng)量變化總趨勢(shì)均為: 整體增加, 局部呈現(xiàn)先上升, 后下降, 再上升的波動(dòng)式狀態(tài)。

表6 1995、2000、2005與2015年的梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量模型

圖4 1995—2015年梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量變化

Figure 4 The changes of aboveground carbon storage of fir forest in Suomo township from 1995 to 2015

圖5 1995—2015年梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量增長(zhǎng)量變化

Figure 5 The changes in growth quantity of aboveground carbon storage of fir forest in Suomo township from 1995 to 2015

把冷杉林碳儲(chǔ)量分為≤20、20—30、30—40、40—50和>50五個(gè)等級(jí), 依次為低密度、較低密度、中等密度、較高密度和高密度。低密度和較低密度等級(jí)碳儲(chǔ)量冷杉林面積比重由1995年的46.25%下降到2015年的10.06%; 中密度等級(jí)碳儲(chǔ)量冷杉林面積由1995年的53.32%下降到2015年的31.28%; 較高密度和高密度等級(jí)碳儲(chǔ)量冷杉林面積由1995年的0.44%上升到2015年的58.66%。由此表明: 這 20年間, 受天然林保護(hù)和退耕還林政策影響, 且受外界干擾較小, 梭磨鄉(xiāng)較高密度和高密度冷杉林的面積比重不斷增加, 冷杉林碳儲(chǔ)量結(jié)構(gòu)進(jìn)入良性發(fā)展, 見表7。

3.3.2 1995—2015年梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量空間動(dòng)態(tài)變化分析

森林碳儲(chǔ)量的空間動(dòng)態(tài)變化受自然和人類活動(dòng)的共同影響, 由于梭磨鄉(xiāng)人口密度小, 破壞性經(jīng)濟(jì)開發(fā)活動(dòng)較少。多年來, 當(dāng)?shù)乇４媪讼鄬?duì)原始的森林群落結(jié)構(gòu)。在水平空間上, 梭磨鄉(xiāng)冷杉林分布范圍穩(wěn)定, 生長(zhǎng)在河谷兩側(cè)。碳儲(chǔ)量分布區(qū)域大致以東西向貫穿梭磨鄉(xiāng)全境的梭磨河谷為中心, 并沿梭磨河各南北向支流河谷向上游延展。其整體依托梭磨河流域, 呈樹枝狀分布(圖6)。

表7 1995—2015年梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)總量等級(jí)分布統(tǒng)計(jì)

為研究梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量在垂直空間上的分布變化特征, 把海拔劃分為≤3000、3000—3500、3500—4000、4000—4500和≥4500五個(gè)等級(jí), 再將五期碳儲(chǔ)量分布圖與DEM進(jìn)行疊加分析。結(jié)果表明: 梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量在垂直空間上呈現(xiàn)出整體分布一致, 中間大, 兩頭小的空間分布特征, 即: 梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量總體分布于海拔2900—5000 m之間的區(qū)域, 但主要集中分布于海拔3000—4000 m的范圍內(nèi), 而海拔在3000 m以下和4000 m以上的區(qū)域則相對(duì)分布較少。

對(duì)比20年梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量在垂直空間上隨時(shí)間變化的特征, 結(jié)果表明冷杉林碳儲(chǔ)量總量整體持續(xù)增長(zhǎng), 中間核心區(qū)持續(xù)上升, 邊緣區(qū)持續(xù)下降。即: 梭磨鄉(xiāng)冷杉林碳儲(chǔ)量在海拔2900—5000 m范圍內(nèi)總量整體持續(xù)增長(zhǎng), 在海拔3000—4000 m的范圍內(nèi)碳儲(chǔ)量持續(xù)增長(zhǎng), 而在海拔3000 m以下和海拔4000 m以上的區(qū)域碳儲(chǔ)量則呈多年連續(xù)下降趨勢(shì)。究其原因: 梭磨鄉(xiāng)的自然地理環(huán)境適宜冷杉的生長(zhǎng)且實(shí)施了天然林保護(hù)等森林保護(hù)措施, 冷杉林地上碳儲(chǔ)量總量多年持續(xù)增長(zhǎng); 海拔3000—4000 m的核心區(qū)域, 森林植被群落完備使其結(jié)構(gòu)穩(wěn)定, 對(duì)外界干擾抵抗力較強(qiáng), 此區(qū)域冷杉林長(zhǎng)勢(shì)良好, 地上碳儲(chǔ)量持續(xù)增長(zhǎng); 3000 m以下的下邊緣區(qū)域, 受到人類活動(dòng)影響較大, 地上碳儲(chǔ)量持續(xù)減少; 在海拔4000 m以上的上邊緣區(qū)域, 地上碳儲(chǔ)量也持續(xù)減少, 雖此區(qū)域人類活動(dòng)較少, 但氣候變化會(huì)導(dǎo)致的冷杉林退化, 見表8。

圖6 1995—2015年碳儲(chǔ)量空間分布

Figure 6 The spatial distribution of carbon storage from 1995 to 2015

坡度的變化調(diào)控著物質(zhì)和能量的分布, 控制了植被生長(zhǎng)的水熱要素, 進(jìn)而影響森林碳儲(chǔ)量。把梭磨鄉(xiāng)坡度劃分為平坡(≤5°)、緩坡(5—15°)、斜坡(15—25°)、陡坡(25—35°)、急坡(35—45°)和險(xiǎn)坡(>45°)六個(gè)梯度, 再將五期碳儲(chǔ)量分布圖與DEM進(jìn)行疊加分析。結(jié)果表明: 梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量在坡度45°內(nèi)呈現(xiàn)出隨著坡度的上升而增加, 到45°后碳儲(chǔ)量呈現(xiàn)下降的空間分布特征。梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量在坡度3—88°的區(qū)域均有分布, 但相對(duì)集中分布于25—45°的坡度范圍內(nèi), 平均約占當(dāng)年總碳儲(chǔ)量的69.04%, 而在坡度26°以下和45°以上的區(qū)域則相對(duì)分布較少, 平均約占當(dāng)年總碳儲(chǔ)量的30.96%。

對(duì)比20年梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量在坡度上隨時(shí)間變化的特征, 結(jié)果表明冷杉林碳儲(chǔ)量整體持續(xù)增長(zhǎng), 碳儲(chǔ)量在小坡度區(qū)域受人類活動(dòng)影響較為顯著, 而在大坡度區(qū)域與自然因素關(guān)系更為密切。即: 在坡度25—45°間碳儲(chǔ)量先略有增加, 隨后維持平穩(wěn); 在坡度大于45°時(shí), 碳儲(chǔ)量變化不大, 但略有下降; 而坡度小于25°時(shí), 碳儲(chǔ)量先減少后略有增加。探其原因: 梭磨鄉(xiāng)的自然地理環(huán)境適宜冷杉的生長(zhǎng)且實(shí)施了天然林保護(hù)政策, 所以冷杉林地上碳儲(chǔ)量總量多年持續(xù)增長(zhǎng); 坡度為25—45°的高碳儲(chǔ)量區(qū)域, 由于坡度逐漸不適于人類的生產(chǎn)開發(fā)活動(dòng), 減少了對(duì)森林的人為擾動(dòng), 森林生長(zhǎng)發(fā)育進(jìn)入良性發(fā)展, 所以碳儲(chǔ)量在這個(gè)坡度區(qū)間上持續(xù)增長(zhǎng)后日趨穩(wěn)定。坡度在45°以上的區(qū)域, 由于坡度較大同樣不利于人類活動(dòng), 但其相對(duì)不穩(wěn)定地表易產(chǎn)生更多的滑坡等自然災(zāi)害, 所以碳儲(chǔ)量在這個(gè)坡度區(qū)間的積累受自然因素的干擾大于人為因素; 坡度在25°以下的區(qū)域, 受到人類活動(dòng)影響較大, 但隨著近些年天然林保護(hù)和退耕還林等政策的實(shí)施以及公民環(huán)保意識(shí)的提升, 森林得到有效保護(hù), 故碳儲(chǔ)量在這個(gè)坡度區(qū)間上先減少后略有增加, 見表9。

表8 1995—2015年梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量在不同海拔上的分布特征

表9 1995年—2015年梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量在不同坡度上的分布特征

4 討論

植被的碳儲(chǔ)量值是衡量地區(qū)生態(tài)環(huán)境質(zhì)量的重要指標(biāo), 研究植被碳儲(chǔ)量對(duì)全球生態(tài)環(huán)境的保護(hù)意義重大。本文通過多元線性回歸方法構(gòu)建冷杉林地上碳儲(chǔ)量模型, 并反演20年冷杉林地上碳儲(chǔ)量估算模型, 結(jié)果表明梭磨鄉(xiāng)冷杉林碳儲(chǔ)量呈現(xiàn)持續(xù)增長(zhǎng)的狀態(tài), 該結(jié)果與四川省森林碳儲(chǔ)量多年變化趨勢(shì)一致, 且在不同海拔、坡度的分布特征與已有學(xué)者的研究結(jié)論較一致[20]。說明本文構(gòu)建的冷杉林地上碳儲(chǔ)量估算模型對(duì)高山峽谷區(qū)冷杉林碳儲(chǔ)量的估算結(jié)果較可靠; 大范圍大尺度的碳儲(chǔ)量研究為評(píng)價(jià)宏觀尺度下森林植被的生態(tài)價(jià)值提供了依據(jù)[21-22], 而小范圍碳儲(chǔ)量的研究估算的精度則更準(zhǔn)確, 能更好的估算區(qū)域碳匯價(jià)值及其影響因素[23-24]。本文針對(duì)梭磨鄉(xiāng)特定冷杉樹種的研究, 為該區(qū)域冷杉林地上碳儲(chǔ)量估算建立了恰當(dāng)?shù)哪Ｐ? 能較準(zhǔn)確的反映高山峽谷地區(qū)該樹種的固碳能力, 并估算大渡河上游流域該類型樹種的碳匯價(jià)值, 對(duì)生態(tài)環(huán)境質(zhì)量的評(píng)價(jià)具有重要意義。

在絕大多數(shù)的植被碳儲(chǔ)量遙感研究中, 紅光和近紅外波段對(duì)植被更為敏感。但在本研究中, 藍(lán)光波段卻是梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量估測(cè)模型的主導(dǎo)因素之一, 且排除了紅光波段和近紅外波段。經(jīng)過查閱大量國(guó)內(nèi)外相關(guān)資料發(fā)現(xiàn), 在針葉林植被遙感中, 有多位研究者的研究結(jié)果中也得出了相似的結(jié)論, 即: 相對(duì)于針葉林的碳儲(chǔ)量估算模型來說, 紅光波段和近紅外波段并不一定占主導(dǎo)地位[25-26]。而這種情況是由于當(dāng)?shù)靥厥獾乩憝h(huán)境造成的, 還是針葉林本身的葉片及生理結(jié)構(gòu)造成的, 有待依據(jù)針葉林與Landsat遙感影像各波段之間相互作用的獨(dú)特機(jī)理進(jìn)行深入研究。

氣象因子和土壤因子也會(huì)一定程度的影響森林碳儲(chǔ)量的分布與變化。由于本文缺乏研究區(qū)實(shí)測(cè)氣象數(shù)據(jù)和土壤數(shù)據(jù), 使梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量估測(cè)研究局限于地表空間, 不能將研究空間延展到研究區(qū)森林生態(tài)系統(tǒng)的上層空間和下層空間, 實(shí)現(xiàn)對(duì)冷杉林地下碳儲(chǔ)量及冷杉林植被總碳儲(chǔ)量的完整估算是日后進(jìn)一步研究的重點(diǎn)。

5 結(jié)論及建議

5.1 結(jié)論

依據(jù)Landsat影像數(shù)據(jù)和森林調(diào)查實(shí)測(cè)數(shù)據(jù), 建立研究區(qū)冷杉林地上碳儲(chǔ)量估測(cè)模型, 精度達(dá)到86.9%, 可較準(zhǔn)確的反映研究區(qū)冷杉林地上碳儲(chǔ)量時(shí)空動(dòng)態(tài)變化特征。通過本文研究, 可得出以下結(jié)論:

(1)梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量的空間分布特征表現(xiàn)為: 在水平方向上, 碳儲(chǔ)量整體依托梭磨河流域, 東西貫穿梭磨鄉(xiāng)全境并向南北延伸, 呈樹枝狀分布。垂直方向上, 碳儲(chǔ)量主要集中分布于海拔3000—4000 m之間, 呈現(xiàn)出中間大, 兩頭小的空間分布特征; 從坡度特征角度看, 碳儲(chǔ)量集中分布于25—45°的坡度區(qū)間上, 坡度從0—45°區(qū)間碳儲(chǔ)量呈上升趨勢(shì), 坡度在45°以上的區(qū)間碳儲(chǔ)量呈下降趨勢(shì)。

(2)梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量的時(shí)間變化特征表現(xiàn)為: 1995—2015年, 梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量總量和碳密度在時(shí)間上呈持續(xù)增長(zhǎng)的特征。碳儲(chǔ)量增長(zhǎng)速度整體略微下降, 局部呈現(xiàn)先上升, 后下降, 再上升的波動(dòng)式狀態(tài)。在海拔特征上, 碳儲(chǔ)量總量整體持續(xù)增長(zhǎng), 中間核心區(qū)持續(xù)上升, 邊緣區(qū)持續(xù)下降; 從坡度特征角度看, 碳儲(chǔ)量總量整體持續(xù)增長(zhǎng), 其在小坡度區(qū)域受人類活動(dòng)影響較為顯著, 而在大坡度區(qū)域則與自然因素關(guān)系更為密切。梭磨鄉(xiāng)冷杉林碳儲(chǔ)量結(jié)構(gòu)發(fā)育趨向合理, 碳匯作用顯著, 其所蘊(yùn)藏的經(jīng)濟(jì)效益和生態(tài)價(jià)值巨大。

6.2 梭磨鄉(xiāng)冷杉林保護(hù)管理對(duì)策及建議

森林生態(tài)系統(tǒng)變遷的主要驅(qū)動(dòng)力可分為兩大類: 自然驅(qū)動(dòng)力和人為驅(qū)動(dòng)力。從自然驅(qū)動(dòng)力的角度看, 火災(zāi)、干旱和病蟲害對(duì)當(dāng)?shù)乩渖剂值挠绊戄^為顯著[27]。所以, 要積極研究當(dāng)?shù)乩渖剂值奶卣魈攸c(diǎn), 加強(qiáng)上述自然災(zāi)害的監(jiān)測(cè)預(yù)報(bào)管理, 建立森林災(zāi)害評(píng)估體系, 實(shí)施綜合防治, 提升當(dāng)?shù)乩渖剂謶?yīng)對(duì)自然災(zāi)害的應(yīng)對(duì)能力。從人為驅(qū)動(dòng)力的角度講, 人類的開發(fā)利用活動(dòng)、經(jīng)濟(jì)發(fā)展和政策因素對(duì)當(dāng)?shù)乩渖剂值挠绊懽顬槊黠@。所以, 首先要協(xié)調(diào)好作為森林管理主體的政府、森林經(jīng)營(yíng)者和公眾的利益和訴求, 多元化共同參與以形成合力; 政府制定、完善并嚴(yán)格執(zhí)行相關(guān)森林保護(hù)法律與政策, 森林經(jīng)營(yíng)者要充分了解當(dāng)?shù)厣痔攸c(diǎn)后作出合理的開發(fā)經(jīng)營(yíng)決策, 公眾積極參與森林保護(hù)工作并享有相關(guān)權(quán)益; 制定科學(xué)的森林生態(tài)區(qū)劃, 劃分不同的功能區(qū), 便于合理規(guī)劃開發(fā); 加強(qiáng)森林保護(hù)政策宣傳, 提高公眾環(huán)保意識(shí), 減少濫砍濫伐; 繼續(xù)推進(jìn)各項(xiàng)林業(yè)生態(tài)保護(hù)工程建設(shè), 保證當(dāng)?shù)乩渖剂挚沙掷m(xù)經(jīng)營(yíng)。

[1] Ebermeryer E. Die gesammte Lehre der Waldstreu mit Rücksicht auf die chemische Statik des Waldbaues[M]. Berlin: J Springer, 1876: 116.

[2] Zianis D, Mencuccini M. Aboveground net primary productivity of a beech (Fagus moesiaca) forest: a case study of Naousa forest, northern Greece.[J]. Tree Physiology, 2005, 25(6):713-722.

[3] Birdsey R, Pregitzer K, Lucier A. Forest Carbon Management in the United States[J]. Journal of Environ-mental Quality, 2006, 35(4): 1461–1469.

[4] 陶玉華. 森林生態(tài)系統(tǒng)碳儲(chǔ)量研究的意義及國(guó)內(nèi)外研究進(jìn)展[J]. 現(xiàn)代農(nóng)業(yè)科技, 2012, (9): 205–212.

[5] 韓愛惠. 森林生物量及碳儲(chǔ)量遙感監(jiān)測(cè)方法研究[D]. 北京: 北京林業(yè)大學(xué), 2009.

[6] 谷勇, 殷瑤, 齊泮倫, 等. 森林碳儲(chǔ)量研究進(jìn)展[A]. 經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變與自主創(chuàng)新–第十二屆中國(guó)科學(xué)技術(shù)協(xié)會(huì)年會(huì), 2010.

[7] 李雷達(dá), 方晰, 李斌, 等. 湖南省2014年森林植被碳儲(chǔ)量、碳密度及其區(qū)域空間分布格局[J]. 中南林業(yè)科技大學(xué)學(xué)報(bào), 2017, (01): 69–77.

[8] 楊洪曉, 吳波, 張金屯, 等. 森林生態(tài)系統(tǒng)的固碳功能和碳儲(chǔ)量研究進(jìn)展[J]. 北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2005, 41(2): 172–177.

[9] Spencer R D, Green M A, Blggs P H. Integrating eucalypt forest inventory and GIS in Western Australia[J]. Photogrammetric Engineering & Remote Sensing, 1997, 63(12): 1345–1351.

[10] Friedl M A, Davis F W, Michaelsen J, et al. Scaling and uncertainty in the relationship between the NDVI and land surface biophysical variables: an analysis using a scene simulation model and data from FIFE[J]. Remote Sensing, 1995, 54: 233–246.

[11] 陸新. 保護(hù)森林資源改善生態(tài)環(huán)境[J]. 自然科學(xué): 全文版, 2016(1): 17.

[12] 蘭斯安, 杜虎, 曾馥平, 等. 不同林齡杉木人工林碳儲(chǔ)量及其分配格局[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2016, 27(04): 1125– 1134.

[13] 郭焱, 周旺明. 長(zhǎng)江上游天然林資源保護(hù)工程區(qū)森林植被碳儲(chǔ)量研究[J]. 長(zhǎng)江流域資源與環(huán)境, 2015, 24(1): 222–228.

[14] Foody G M, Boyd D S, Cutler M E. Predictive relations of tropical forest biomass from Landsat TM data and their transferability between regions[J]. Remote Sensing of Environment, 2003, 85(4): 463–474.

[15] 李?？? 雷淵才. 中國(guó)森林植被生物量與碳儲(chǔ)量評(píng)估[M]. 北京: 中國(guó)林業(yè)出版社, 2010.

[16] 黃從德, 張健. 四川省及重慶地區(qū)森林植被碳儲(chǔ)量動(dòng)態(tài)[J]. 生態(tài)學(xué)報(bào), 2008, (3): 966–975.

[17] 施鵬程, 彭道黎. 三峽庫(kù)區(qū)喬木林生物量和碳儲(chǔ)量的估算[J]. 長(zhǎng)江流域資源與環(huán)境, 2015, 24(6): 1053–1059.

[18] 李濤, 李曼. 多元線性回歸與logistic回歸分析的正確應(yīng)用[J]. 臨床薈萃, 2009, 24(15): 6.

[19] 劉常瑜, 馮仲科, 葛忠強(qiáng), 等. 嶗山林場(chǎng)林分生物量遙感反演估算研究[J]. 山東林業(yè)科技, 2014(3): 1–5.

[20] 黃從德. 四川森林生態(tài)系統(tǒng)碳儲(chǔ)量及其空間分異特征[D].成都: 四川農(nóng)業(yè)大學(xué), 2008.

[21] 徐新良, 曹明奎, 李克讓. 中國(guó)森林生態(tài)系統(tǒng)植被碳儲(chǔ)量時(shí)空動(dòng)態(tài)變化研究[J]. 地理科學(xué)進(jìn)展, 2007, 26(6): 1– 10.

[22] 李?？? 雷淵才, 曾偉生. 基于森林清查資料的中國(guó)森林植被碳儲(chǔ)量[J]. 林業(yè)科學(xué), 2011, 47(7): 7–12.

[23] 劉建泉, 李進(jìn)軍, 邸華. 祁連山森林植被凈生產(chǎn)量、碳儲(chǔ)量和碳匯功能估算[J]. 西北林學(xué)院學(xué)報(bào), 2017, 32(02): 1–7.

[24] 楊傳金, 楊帆, 梅浩, 等. 區(qū)域森林碳儲(chǔ)量估算方法概述[J]. 中南林業(yè)調(diào)查規(guī)劃, 2012, 31(3): 62–66.

[25] Hame T, Salli A, Andersson K, et al. Anew methodology for the estimation of biomass of conifer– dominated boreal forest using NOAA AVHRR data[J]. Int. J. Remote Sensing, 1997, 18(15): 3211–3243.

[26] 徐婷, 曹林, 佘光輝. 基于Landsat 8 OLI的特征變量?jī)?yōu)化提取及森林生物量反演[J]. 遙感技術(shù)與應(yīng)用, 2015, (02): 226–234.

[27] 王新云, 郭藝歌, 何杰. 基于HJ1B和ALOS/PALSAR數(shù)據(jù)的森林地上生物量遙感估算[J]. 生態(tài)學(xué)報(bào), 2016, 36(13): 2–13.

Estimation of upper carbon storage in Abies Forestland in Suomo Township based on Landsat images and their dynamic changes

WU Di1,2, WU Mingyan1,2, CHEN Jiali1,2, DONG Guang1,2, CHENG Wuxue1,2,*

1. Central Laboratory, Faculty of Geography and Resources Science, Sichuan Normal University, Chengdu 610101, China 2. Key Laboratory of Land Resources Evaluation and Monitoring in Southwest, Ministry of Education, Sichuan Normal University, Chengdu 610068, China

Study on the forest carbon storage is significant for evaluating the quality of forest resources, scientific management of forest resources and protection of forest ecological structure. This paper took fir forest in Suomo Township of Sichuan province as an example. Based on forest resources survey data in 2010 and Landsat remote sensing data in the same year, using step wise linear regression, multiple linear regression model, we built a new estimation model especially for obtaining carbon storage above the fir forest ground in 2010. Then, based on the estimation model, we used Pseudo invariant feature principle to search the relationship between estimation model in 2010 with remote sensing image in other 4 years, and respectively estimated the carbon storage of fir forest land in 1995, 2000, 2005, 2010 and 2015 in study area, thus revealed the temporal and spatial variation characteristics above the fir forest ground in Barkam County Suomo Township. The results showed that from the perspective of spatial distribution, the carbon storage of fir forest land was mainly distributed in the east-west direction of the study area whose altitude was between 3000 and 4000 meters. From the perspective of temporal distribution, the total carbon storage and carbon density of the fir forest land increased continuously from 1995 to 2015, and the forest carbon storage structure was in the stage of benign development. The results could provide some reference for further study on forest carbon storage in alpine gorge region.

Landsat image; carbon storage; biomass; fir; regression; Spatio-temporal change

10.14108/j.cnki.1008-8873.2019.01.015

SS771.8; TP79; S758; S718.55

A

1008-8873(2019)01-111-12

2017-08-01;

2017-09-22

四川省科技廳項(xiàng)目(2017JY0155), 四川省教育廳重點(diǎn)項(xiàng)目(13ZA0148), 國(guó)家自然科學(xué)基金項(xiàng)目(41371125)

烏迪(1990—), 男, 內(nèi)蒙古赤峰市人,碩士, 主要從事遙感與測(cè)繪技術(shù)及應(yīng)用研究, E-mail: 656320449@qq.com

程武學(xué), 男, 博士后, 教授, 主要從事生態(tài)遙感及應(yīng)用, E-mail: 398000938@qq.com

烏迪, 巫明焱, 陳佳麗, 等. 基于Landsat影像的梭磨鄉(xiāng)冷杉林地上碳儲(chǔ)量估測(cè)及其時(shí)空動(dòng)態(tài)[J]. 生態(tài)科學(xué), 2019, 38(1): 111-122.

WU Di, WU Mingyan, CHEN Jiali, et al. Estimation of upper carbon storage in Abies Forestland inSuomo Township based on Landsat images and their dynamic changes[J]. Ecological Science, 2019, 38(1): 111-122.