黃蘭鷹 官鳳英

(國際竹藤中心 國家林業(yè)和草原局竹藤科學(xué)與技術(shù)重點(diǎn)實(shí)驗(yàn)室 北京 100102)

竹子是木質(zhì)莖的禾本科植物，廣泛分布在46°N到47°S的熱帶和亞熱帶地區(qū)[1]，覆蓋面積約3 200萬hm2，約占世界森林總面積的1%[2-3]，竹林分布的最大區(qū)域是亞洲東部和東南部[4]，大約15%的竹林集中分布于中國[1]。中國第8次森林資源清查結(jié)果顯示，我國竹林面積已達(dá)601萬hm2，其中毛竹面積占70%。竹林具有生長快速、生物量高的特性，尤其是毛竹具有較高的固碳能力，使得竹林在森林生態(tài)系統(tǒng)碳循環(huán)中具有重要地位，其巨大的碳儲量在全球碳平衡中發(fā)揮著重要的作用，可以為區(qū)域的生態(tài)、環(huán)境以及全球碳循環(huán)提供關(guān)鍵數(shù)據(jù)。竹子的生長模式與樹木有明顯的不同，其新稈的形成可通過水平根莖系統(tǒng)得到補(bǔ)充[5]，在生長期間，大多數(shù)竹種的生長速率可達(dá)7.5～100.0 cm/d[6]，約2～4個(gè)月達(dá)到高生長最大值。

為準(zhǔn)確掌握竹林資源的變化動態(tài)，傳統(tǒng)的資源調(diào)查方式因耗時(shí)、費(fèi)力已無法滿足現(xiàn)代竹林經(jīng)營管理的需要，遙感技術(shù)(包括光學(xué)遙感技術(shù)和主動遙感技術(shù))具有實(shí)時(shí)、動態(tài)、周期短、大面積同步觀測、信息豐富、自動化和成本低等特點(diǎn)，已廣泛應(yīng)用于森林資源監(jiān)測、地質(zhì)和環(huán)境的調(diào)查和研究中[7]。Nishikawa等[8]利用多時(shí)相的航空像片研究了日本福岡地區(qū)竹林的擴(kuò)鞭特點(diǎn)，認(rèn)為竹林的擴(kuò)張導(dǎo)致了闊葉林的減少。Xu等[9]利用Landsat TM影像估計(jì)了毛竹地上碳儲量，并比較了不同擬合方法的精度。國內(nèi)許多學(xué)者也利用美國陸地衛(wèi)星進(jìn)行了竹林信息提取的研究，杜華強(qiáng)等[10]利用Landsat 5-TM數(shù)據(jù)，結(jié)合野外調(diào)查數(shù)據(jù)，采用不同的分類方法提取了浙江省安吉縣毛竹林信息并達(dá)到較高的精度。施擁軍等[11]采用BP神經(jīng)網(wǎng)絡(luò)法從ETM+遙感影像中提取竹林信息，其結(jié)果精度較高。在主動遙感技術(shù)方面，Cao[12]等利用機(jī)載激光雷達(dá)研究了竹林冠層結(jié)構(gòu)，估計(jì)了竹林生物量。Yan[13]等利用地基激光雷達(dá)對竹闊混交林中的競爭進(jìn)行了研究。本文重點(diǎn)概述了遙感技術(shù)在竹林資源監(jiān)測和竹林相關(guān)參數(shù)提取方面的研究現(xiàn)狀，并對其在竹林中的應(yīng)用前景進(jìn)行展望，旨在為遙感技術(shù)在竹林資源管理方面的深度應(yīng)用提供參考。

1 竹資源監(jiān)測研究現(xiàn)狀

竹資源監(jiān)測主要是了解竹林資源的分布和動態(tài)變化，通過不同時(shí)期的遙感數(shù)據(jù)可獲得同一區(qū)域竹林資源的動態(tài)變化信息，包括竹林面積的增減、竹林用地性質(zhì)的變化等。Dure[14]等利用1962年和1998年的航空相片對比分析了日本西南部竹林面積的變化，發(fā)現(xiàn)在過去的36年中，研究區(qū)域內(nèi)的竹林面積幾乎增加了2倍。Somyot[15]利用1991年Landsat TM數(shù)據(jù)，通過目視解譯估測了泰國北部和西部的竹資源產(chǎn)量。通過利用LISS多光譜遙感影像和地理信息系統(tǒng)，Nair等[16]估算了印度喀拉拉邦的竹資源分布；Goswami等[17]提取了印度東北地區(qū)的竹林信息；Menon[18]研究了印度Wayanad地區(qū)竹資源分布，并綜合評價(jià)了竹林的分布格局。任國業(yè)[19-20]通過彩紅外遙感技術(shù)結(jié)合FUZZY聚類分析方法研究了四川省平武縣摩天嶺山系大熊貓主食竹的分布以及竹資源信息的判讀技術(shù)。丁麗霞等[21]利用1985年、1991年和2003年3個(gè)時(shí)期天目山國家級自然保護(hù)區(qū)的TM和SPOT遙感影像，通過目視解譯法得到了該地區(qū)3個(gè)時(shí)期竹林的空間分布和面積信息。為研究福建北部山區(qū)20年來竹林分布及變化狀況，范少輝等[22]等利用RS和地理信息系統(tǒng)技術(shù)，結(jié)合地形圖、DEM、森林資源分布圖和地面調(diào)查等資料，對1988、1992、2007年的TM影像和2001年的ETM+遙感影像進(jìn)行分析，研究表明，近20年來順昌縣的竹林增長迅速，面積擴(kuò)大了1.59倍。官鳳英等[23]基于福建省順昌縣的TM多光譜遙感影像數(shù)據(jù)，采用最大似然法、子像元分類法和非監(jiān)督分類法對該區(qū)域典型地物提取進(jìn)行研究和精度評價(jià)，結(jié)果表明，子像元分類方法是提取竹林信息的有效方法。崔瑞蕊等[24]基于浙江安吉縣不同時(shí)期的Landsat-5影像數(shù)據(jù)，采用最大似然法提取該地區(qū)竹林信息，監(jiān)測安吉縣近30年來毛竹林面的積時(shí)空動態(tài)，并利用變化幅度和動態(tài)度2個(gè)指標(biāo)評價(jià)動態(tài)變化，研究表明安吉縣毛竹林總面積逐年增加。Zhao等[25]利用2016年的Landsat影像數(shù)據(jù)繪制了埃塞俄比亞、肯尼亞和烏干達(dá)的竹子分布圖，生產(chǎn)者精度和用戶精度分別達(dá)到79.2%和84.0%。

在高分辨數(shù)據(jù)的應(yīng)用方面，孫曉艷等[26]基于浙江省安吉縣的SPOT 5遙感影像數(shù)據(jù)，采用面向?qū)ο蟮亩喑叨确指罘椒?，研究了毛竹林信息提取技術(shù)，研究表明，增加紋理信息的多尺度分割方法效果最好，分類總精度、Kappa系數(shù)分別為92.16%和88.14%。在對混合像元解混上，徐小軍等[27]基于林區(qū)TM影像數(shù)據(jù)，采用Erf-BP算法對混合像元分解，分解精度達(dá)到89.2%，為碳儲量等竹林參數(shù)的提取提供了精度保證。范渭亮等[28]研究認(rèn)為，基于模擬端元的混合像元解混結(jié)果比基于影像端元和參考端元更加準(zhǔn)確，且具有良好的魯棒性。繆麗娟[29]基于Hyperion EO高光譜遙感影像數(shù)據(jù)和TM遙感影像數(shù)據(jù)，在最佳波段組合的基礎(chǔ)上，采用支持向量機(jī)分類的方法提取了毛竹林信息，該方法提高了毛竹林的分類精度。

遙感技術(shù)在竹林資源監(jiān)測方面的應(yīng)用已經(jīng)逐步趨于成熟，但是提取的精度還需要進(jìn)一步提高，應(yīng)集成利用互聯(lián)網(wǎng)+和“3S”技術(shù)以及相關(guān)技術(shù)手段，建立完善的竹林資源監(jiān)測體系，提高數(shù)據(jù)資源的利用率和實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)更新。

2 遙感技術(shù)在竹林相關(guān)參數(shù)提取中的應(yīng)用

2.1 提取竹林葉面積指數(shù)

葉面積指數(shù)(LAI)是指單位地表面積上方植物單面葉面積之和。作為表征植被生長狀況的關(guān)鍵物理量，葉面積指數(shù)是分析植被冠層結(jié)構(gòu)最常用的參數(shù)之一，也是描述植物光合作用和物質(zhì)能量交換不可缺少的參數(shù)。葉面積指數(shù)的準(zhǔn)確提取不僅有助于理解植被的整個(gè)生態(tài)過程，而且也是許多生態(tài)模型的輸入?yún)?shù)。當(dāng)前對竹林葉面積指數(shù)的提取多是光學(xué)遙感數(shù)據(jù)，反演的主要理論依據(jù)是基于冠層間隙率，結(jié)合比爾定律和Miller原理進(jìn)行。陸國富[30]利用便捷式野外光譜測量儀(ASD)獲取了5組毛竹林光譜數(shù)據(jù)，通過對冠層參數(shù)的研究建立了葉綠素、葉面積指數(shù)和郁閉度等參數(shù)的定量反演模型。Zhang等[31]基于IRS P6 LISS 3影像數(shù)據(jù)比較了竹林葉面積指數(shù)的估算方法，認(rèn)為SR、MSR、NDVI 3種估算方法的精度依次降低。Mao等[32]等分析了2種數(shù)據(jù)同化法對于提高竹林葉面積指數(shù)時(shí)間序列數(shù)據(jù)質(zhì)量的作用，結(jié)果顯示使用雙集合卡爾曼濾波器(DEnKF)和粒子濾波器(PF)2種方法都能減少毛竹和雷竹MODIS葉面積指數(shù)產(chǎn)品的浮動，且粒子濾波器算法比雙集合卡爾曼濾波器的精度高，因此粒子濾波器算法能有效地提高M(jìn)ODIS葉面積產(chǎn)品精度，為竹林碳循環(huán)的大規(guī)模模擬提供了可靠的關(guān)鍵參數(shù)。Du等[33]使用一種受限的線性光譜解混方法，從Landsat TM數(shù)據(jù)提取了毛竹林葉面積指數(shù)和郁閉度，結(jié)果表明預(yù)測的郁閉度與觀測的郁閉度具有良好的一致性(R2=0.725)，葉面積指數(shù)與陰影背景有最高的相關(guān)系數(shù)，并且可以通過指數(shù)模型擬合(R2=0.497)。但當(dāng)葉面積指數(shù)大于3時(shí)[34]，光譜反射與冠層結(jié)構(gòu)指標(biāo)的關(guān)系傾向于非線性關(guān)系且飽和，導(dǎo)致LAI的低估。

激光雷達(dá)作為一種主動遙感技術(shù)，可以對樹冠表面進(jìn)行非破壞性測量調(diào)查，不僅可以獲取植被冠層的水平分布信息，還能夠獲取被動光學(xué)遙感技術(shù)無法獲得的植被冠層的三維結(jié)構(gòu)信息，因此在獲取葉面積指數(shù)上具有很大的優(yōu)勢。目前利用激光雷達(dá)數(shù)據(jù)對竹林LAI的反演，主要是基于機(jī)載激光雷達(dá)回波強(qiáng)度信息來估測葉面積指數(shù)[35]，以及通過對地基激光雷達(dá)點(diǎn)云數(shù)據(jù)“體元化”求取間隙率，進(jìn)而計(jì)算得到葉面積指數(shù)。Cao等[12]等利用機(jī)載激光雷達(dá)數(shù)據(jù)研究了竹林冠層垂直分布的特性以及毛竹林中生物量的大小和分布。

2.2 提取竹林生物量和碳儲量

竹林生物量是指竹林在一定時(shí)間內(nèi)積累的有機(jī)質(zhì)總量，在生物量基礎(chǔ)上乘以碳轉(zhuǎn)化系數(shù)便得到竹林的碳儲量。許多研究表明，植物體生物量中的碳含量變化不大，多數(shù)國家和學(xué)者估測竹林碳儲量的做法是假設(shè)竹林植物體中碳含量不變，并選擇0.5作為竹林植物體生物量中的碳比例。竹林生物量是竹林生態(tài)系統(tǒng)維持能量交換和養(yǎng)分循環(huán)的基礎(chǔ)，對于竹林生態(tài)系統(tǒng)、森林生態(tài)系統(tǒng)和陸地生態(tài)系統(tǒng)的功能評價(jià)具有重要的指標(biāo)性意義。

由于利用傳統(tǒng)的地面實(shí)測法和依賴森林資源清查數(shù)據(jù)的間接法調(diào)查森林生物量耗費(fèi)人力、物力、財(cái)力，難以估算大尺度森林生物量并研究其空間分布和動態(tài)變化，同時(shí)在現(xiàn)場樣地調(diào)查時(shí)，還存在儀器誤差、樣地分布代表性不足等問題，使得生物量及其碳儲量的估算精度降低。近年來，隨著遙感技術(shù)的發(fā)展，出現(xiàn)了利用遙感手段估算生物量的新方法。遙感以電磁信息快速記錄環(huán)境因子、植被分布與活動以及土地利用等動態(tài)變化，使其在估算大規(guī)模森林碳儲量方面具有獨(dú)特的優(yōu)勢。通過提取的植被指數(shù)、葉面積指數(shù)等遙感變量與現(xiàn)場樣地調(diào)查的生物量數(shù)據(jù)來構(gòu)建生物量模型，通過反演模型來估計(jì)竹林生物量，不僅為估算大規(guī)模區(qū)域碳儲量提供有效的技術(shù)支持，而且為管理部門決策提供了依據(jù)，更加有利于精準(zhǔn)林業(yè)政策的實(shí)施。Nair等[16]通過使用印度遙感衛(wèi)星影像及1∶15000的航空相片對喀拉拉邦的竹林生物量進(jìn)行了估計(jì)。唐嬌萍[36]等采用地理信息系統(tǒng)軟件建立多元線性回歸遙感模型，研究了四川省洪雅縣退耕還林區(qū)域竹林碳儲量的時(shí)空格局。崔瑞蕊[24]基于Landsat-5 TM影像數(shù)據(jù)，估算了近30年來浙江省安吉縣毛竹林地上各時(shí)期的碳儲量并研究了其時(shí)空格局，發(fā)現(xiàn)毛竹林地上部分的碳儲量逐年增加。Du等[37]基于Landsat TM影像數(shù)據(jù)，通過采用非線性偏最小二乘回歸法并結(jié)合留一法和交叉驗(yàn)證構(gòu)建模型來估計(jì)毛竹林碳儲量，研究表明優(yōu)化的非線性偏最小二乘回歸模型可以顯著提高毛竹林碳儲量的估算精度。Xu等[38]基于Landsat TM影像數(shù)據(jù)和實(shí)地調(diào)查調(diào)查數(shù)據(jù)，評估了采用線性回歸、偏最小二乘回歸和人工神經(jīng)網(wǎng)絡(luò)反向傳播3種方法提取浙江省安吉縣毛竹林地上碳儲量的精度，發(fā)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)反向傳播模型提供了最佳預(yù)測性能，線性回歸模型表現(xiàn)最差。Francesco等[39]基于遙感影像評估了阿拉山2005―2011年毛竹生產(chǎn)力的變化及其與野火的關(guān)系，結(jié)果表明竹子的生產(chǎn)力與野火蔓延之間存在明顯的相互關(guān)系，可能產(chǎn)生潛在的社會經(jīng)濟(jì)和環(huán)境影響。有研究表明[31,33]，在生物量高于100 Mg/hm2時(shí)，光譜反射與冠層結(jié)構(gòu)指標(biāo)或者生物量的關(guān)系傾向于非線性關(guān)系且會飽和。

自20世紀(jì)90年代以來，激光雷達(dá)技術(shù)也開始用于研究生物量。利用機(jī)載激光雷達(dá)數(shù)據(jù)提取生物量的研究主要集中于2個(gè)方面：一是基于低密度點(diǎn)云數(shù)據(jù)的空間分布來估算生物量；二是根據(jù)高密度點(diǎn)云基礎(chǔ)上的單木分割計(jì)算單木生物量[35]。在利用地基激光雷達(dá)點(diǎn)云數(shù)據(jù)方面，先進(jìn)行3D重建，然后采用標(biāo)準(zhǔn)幾何模型估算其材積，進(jìn)而轉(zhuǎn)化得到生物量[40]。同時(shí)激光雷達(dá)獲取的小樣地生物量數(shù)據(jù)可以作為大尺度生物量反演的地面驗(yàn)證數(shù)據(jù)，有效減少了地面調(diào)查時(shí)間，且提高了大尺度反演的精度。

3 展望

隨著遙感數(shù)據(jù)采集技術(shù)的不斷發(fā)展，遙感數(shù)據(jù)源也正朝著更加多元化的方向發(fā)展，遙感技術(shù)的應(yīng)用會更加快速、高效和準(zhǔn)確。目前，應(yīng)用遙感技術(shù)在竹林資源監(jiān)測和相關(guān)參數(shù)提取方面已經(jīng)取得眾多成果，但隨著應(yīng)用需求的變化，利用高分辨率遙感數(shù)據(jù)和以激光雷達(dá)為平臺，為精準(zhǔn)林業(yè)、智慧林業(yè)提供便捷的數(shù)據(jù)已展現(xiàn)出巨大優(yōu)勢和發(fā)展前景。如何充分利用深度學(xué)習(xí)和人工智能科技將光學(xué)遙感數(shù)據(jù)與激光雷達(dá)數(shù)據(jù)結(jié)合起來，實(shí)現(xiàn)海量數(shù)據(jù)的自動分類、檢測和分析，提高森林資源監(jiān)測和相關(guān)參數(shù)準(zhǔn)確提取的能力，將是今后需要持續(xù)研究的重點(diǎn)。