厲香蘊(yùn) 孔 麗

（1．安徽省基礎(chǔ)測繪信息中心，安徽 合肥 230031；2．安徽省智慧城市與地理國情監(jiān)測重點(diǎn)實(shí)驗(yàn)室，安徽 合肥 230031）

森林蓄積量的消長動態(tài)不僅是林業(yè)經(jīng)濟(jì)效益的重要標(biāo)志，也是林業(yè)資源調(diào)查的重要內(nèi)容之一。傳統(tǒng)的森林蓄積量估測方法是對標(biāo)準(zhǔn)地進(jìn)行調(diào)查，以標(biāo)準(zhǔn)木平均胸徑、樹高進(jìn)行估測，人為影響較大[1]。近年來，隨著高空間分辨率遙感技術(shù)的發(fā)展，GIS和GPS技術(shù)在森林資源調(diào)查和管理中應(yīng)用的不斷深入和普及，借助GIS、GPS、RS及其集成技術(shù)與少量地面樣地資料，建立森林蓄積量遙感估測方程，已成為林業(yè)上的熱點(diǎn)問題[2]。

本研究以安徽省霍山縣為例，利用2017年森林資源二類調(diào)查成果和數(shù)字高程模型數(shù)據(jù)為主要數(shù)據(jù)源，結(jié)合Landsat8 OLI遙感影像，采用多元逐步回歸的方法構(gòu)建霍山縣森林蓄積量的反演估算模型，估算研究區(qū)的森林蓄積量，為大范圍監(jiān)測森林資源提供一種可靠的方法。

1 數(shù)據(jù)獲取與處理

1.1 Landsat8 OLI影像預(yù)處理

利用ENVI軟件對所獲取的Landsat8 OLI影像進(jìn)行包括定標(biāo)、大氣校正、幾何精校正等預(yù)處理。由于霍山縣境內(nèi)多山，地形起伏較大，因此在使用之前仍需要對影像進(jìn)行正射校正。經(jīng)過上述預(yù)處理之后得到覆蓋霍山縣的Landsat8 OLI遙感影像。

1.2 樣地數(shù)據(jù)及參考數(shù)據(jù)的獲取和處理

本研究采用霍山縣2017年森林資源二類調(diào)查數(shù)據(jù)為主要參考數(shù)據(jù)，共獲取120組樣本數(shù)據(jù)，并以此數(shù)據(jù)為基礎(chǔ)進(jìn)行森林蓄積量的反演估測建模和精度驗(yàn)證，基于SPSS軟件隨機(jī)選擇100組數(shù)據(jù)作為樣本構(gòu)建森林蓄積量的反演模型，其余數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)。

2 研究方法

依據(jù)遙感技術(shù)手段對森林蓄積量的估算通常選擇遙感影像的原始波段反射率、基于原始光譜波段計算得到的波段比和植被指數(shù)等?，F(xiàn)有的研究證明，隨著紋理特征的引入，相關(guān)模型的反演精度可以得到有效地提升[3]。因此，本研究引入紋理特征，分別從OLI影像中提取采樣點(diǎn)7個波段的光譜、紋理特征、植被指數(shù)及波段比等遙感因子，從數(shù)字高程模型數(shù)據(jù)提取高程、坡度、坡向等地形因子，建立多元逐步回歸模型，對森林蓄積量進(jìn)行反演估算。

2.1 反演模型參數(shù)的選取

本研究選用的Landsat8 OLI影像含有9個多光譜波段，選取其中的Band1～Band 7，共7個多光譜波段的反射率作為模型參數(shù)之一。依據(jù)多光譜波段計算得到各個波段比和多個植被指數(shù)（比值植被指數(shù)、改進(jìn)型土壤調(diào)節(jié)植被指數(shù)、增強(qiáng)植被指數(shù)、歸一化植被指數(shù)、土壤調(diào)節(jié)植被指數(shù)、優(yōu)化土壤植被指數(shù)、大氣阻抗植被指數(shù)）作為光譜衍生特征進(jìn)入模型構(gòu)建。

本研究選擇基于灰度共生矩陣GLCM（Gray Level Cooccurrence Matrix）算法提取遙感影像的8個典型紋理特征：均值、同質(zhì)性、方差、對比度、二階矩、熵、相關(guān)性和差異性[4]。紋理特征提取基于ENVI 5.3軟件完成。

除此之外，根據(jù)研究區(qū)的數(shù)字高程模型數(shù)據(jù)提取相應(yīng)的高程、坡度和坡向等地形因子。綜上，本研究對霍山縣森林蓄積量反演估測選取的模型參數(shù)共有3類，分別是光譜特征及衍生特征、紋理特征及地形特征。

2.2 多元逐步回歸分析

回歸分析在諸多研究領(lǐng)域都有廣泛的應(yīng)用，這種分析方法可以用來分析若干可能相關(guān)對象之間的變化規(guī)律[5]。影響森林蓄積量的因素不是唯一的，在構(gòu)建反演模型的多特征中可能有多個參數(shù)都會對森林蓄積量有影響。

本研究依據(jù)光譜特征及衍生特征、紋理特征和地形特征三類不同的參數(shù)對霍山縣的森林蓄積量進(jìn)行估算。在SPSS中以從2017年森林資源二類調(diào)查數(shù)據(jù)中獲取的樣地森林蓄積量作為因變量，以三種不同類型的特征參數(shù)作為自變量進(jìn)行多重相關(guān)性分，分析前已完成對備選參數(shù)與森林蓄積量的顯著相關(guān)性分析，選擇與蓄積量顯著相關(guān)的自變量，采用多元逐步回歸分析的方法構(gòu)建霍山縣森林蓄積量的反演模型。

3 結(jié)果與分析

經(jīng)過逐步回歸，得到霍山縣的森林蓄積量估算反演方程為：Y=8.299- Slope*0.035- EVI *6.435+ Band3/2*6.844+Band6/2*1.059- B9_WL *1.225，其中，Y為蓄積量，Slope為坡度，EVI為增強(qiáng)植被指數(shù)，Band3/2和Band6/2為波段比，B9_WL為波段2的均值。按照反演方程得到霍山縣森林蓄積量估算分布如圖1所示。

依據(jù)建模前預(yù)留的驗(yàn)證數(shù)據(jù)對該反演模型進(jìn)行精度驗(yàn)證，驗(yàn)證結(jié)果顯示相對誤差為0.728 9，RMSE 為1.591 2，依據(jù)該模型計算得到霍山縣有林地總蓄積量為6 474 709 m3。

圖1 霍山縣森林蓄積量估算分布圖

4 結(jié)語

本研究利用遙感技術(shù)，以Landsat8 OLI為遙感數(shù)據(jù)源，以森林資源二類調(diào)查數(shù)據(jù)和數(shù)字高程模型為主要的輔助數(shù)據(jù)，對安徽省霍山縣的森林蓄積量進(jìn)行反演研究，結(jié)論及討論如下。

（1）利用Landsat8 OLI影像灰度值、影像灰度值線性組合的衍生特征、基于GLCM的典型紋理特征等遙感因子，以及高程、坡度、坡向等GIS因子，構(gòu)建了遙感因子和GIS因子與森林蓄積量之間的多元回歸模型，精度驗(yàn)證結(jié)果理想，達(dá)到了較好的預(yù)測效果。

（2）通過影像屬性值累加計算，獲得霍山縣的森林蓄積量，估測得到的霍山縣森林蓄積量為6 474 709 m3。

（3）本研究在構(gòu)建反演模型的過程中僅考慮了線性回歸，并未涉及非線性模型，在以后的研究中需要進(jìn)一步探討。