劉姍姍，黃鑫毅，趙帥，陳耀亮*

(福建師范大學(xué) a.地理學(xué)國家級實驗教學(xué)示范中心,b.地理科學(xué)學(xué)院，福州 350007)

自20世紀80年代以來，中國亞熱帶地區(qū)森林覆蓋率顯著增加，較小的林齡結(jié)構(gòu)和充沛的雨熱條件使該地區(qū)森林有可能成為全球較大的碳匯區(qū)[1-2]；然而，持續(xù)的森林干擾及其引起的年齡效應(yīng)可能對森林碳收支產(chǎn)生重要影響。森林資源狀況是生態(tài)系統(tǒng)的重要評價指標[3]，森林生態(tài)系統(tǒng)通常會受到諸如森林干旱、火災(zāi)和砍伐等來自自然或人類的干擾，對森林生態(tài)系統(tǒng)的結(jié)構(gòu)和功能產(chǎn)生重要影響[4]。揭示和掌握森林擾動及恢復(fù)的時空變化特征，可為準確評估區(qū)域森林發(fā)展態(tài)勢、實施有針對性的森林經(jīng)營規(guī)劃和管理提供相應(yīng)的理論依據(jù)和技術(shù)支撐，對提高亞熱帶森林的抗干擾能力、增強亞熱帶森林的自然恢復(fù)能力具有重要的借鑒意義。傳統(tǒng)的森林資源及其變化調(diào)查監(jiān)測以地面測量為主，存在工作量大、勞動強度大、成本高、周期長、效率低和時效性差等問題[5]，且其調(diào)查精度低，難以滿足當(dāng)今森林資源變化監(jiān)測的需要。遙感以其大區(qū)域、時效性好等特點成為森林干擾監(jiān)測的重要技術(shù)手段。主要方法有：分類后比較法[6]、影像差異法[7]、分類及統(tǒng)計分析法等[8]。近年來，有學(xué)者基于Landsat長時間序列數(shù)據(jù)提出了時間序列分析法進行森林干擾監(jiān)測，包括基于檢測時序光譜指數(shù)相對于穩(wěn)定狀態(tài)的突變方法和基于擬合算法區(qū)分森林干擾信號與背景噪聲方法[9-11]。與傳統(tǒng)干擾監(jiān)測方法相比，時間序列分析法能夠確定森林干擾發(fā)生的年份、持續(xù)時間、干擾強度等信息，有效地監(jiān)測森林的長期變化狀況[12]。時間軌跡擬合干擾算法主要包括植被變化追蹤VCT[13]、季節(jié)與趨勢斷點算法BFAST[14]和基于光譜軌跡的LandTrendr[15]。VCT能夠較好地檢測出森林轉(zhuǎn)變?yōu)槠渌仡惖淖兓?，但不能有效地檢測間伐、森林退化等干擾變化；BFAST算法是基于植被的物候模型，需要對每年四季多期影像進行曲線擬合，對影像的要求較高，因此在云覆蓋度高的亞熱帶區(qū)域難以實現(xiàn)；LandTrendr方法能夠很好地對森林輕微干擾進行檢測，這些森林干擾監(jiān)測方法主要基于Landsat和MODIS時間序列數(shù)據(jù)。

本研究基于長時間序列的Landsat TM/ETM+/OLI影像數(shù)據(jù)集，采取LandTrendr時間分割算法[15-17]對研究區(qū)內(nèi)的森林干擾及恢復(fù)情況進行監(jiān)測，并對研究區(qū)內(nèi)從沿海至內(nèi)陸地區(qū)的森林干擾及恢復(fù)動態(tài)變化進行分析。

1 研究區(qū)概況

研究區(qū)域地處浙江省中東部沿海，囊括磐安、天臺、三門、仙居和臨海等5個縣的縣域范圍(圖1)。區(qū)域地屬中亞熱帶季風(fēng)氣候，冬夏季風(fēng)交替顯著，四季冷暖干濕分明，光照適中，雨量充足，主要氣象災(zāi)害有春季低溫陰雨、五月寒潮，夏季的臺風(fēng)、冰雹、高溫干旱，雨季洪澇等。區(qū)域內(nèi)森林植被類型豐富多樣，主要分布著闊葉林、針葉林、針闊混交林、毛竹林等。森林生態(tài)系統(tǒng)易受多種因素影響，浙江省中東部是中國典型的亞熱帶森林區(qū)域，地形復(fù)雜多變，瀕臨東海，受到當(dāng)?shù)貧夂蛞丶昂ｊ懳恢玫纳羁逃绊懀募靖邷?、臺風(fēng)等自然災(zāi)害頻發(fā)，同時人類經(jīng)濟活動對森林的干擾也比較頻繁，因而其森林干擾特性較為復(fù)雜。

圖1 研究區(qū)：浙江省中東部沿海區(qū)域 Figure 1 Study area: Eastern coastal areas of Zhejiang province

2 研究材料和方法

2.1 研究數(shù)據(jù)

選取1984—2015年間共15期軌道號(path/row)為118/040的Landsat TM/ETM+/OLI影像數(shù)據(jù)為研究數(shù)據(jù)。影像選取原則是：(1)盡量獲取在植被生長茂盛期(6—9月)的影像，以減少物候?qū)χ脖还庾V識別的干擾；(2)盡量選取云量少的影像，以保證時間序列內(nèi)有相對較高的影像質(zhì)量。

收集1994、1999和2004年共3期森林資源清查數(shù)據(jù)，并對樣地數(shù)據(jù)進行篩選及分類：(1)篩選3期均有的固定樣地；(2)根據(jù)任意2期樣地的植被類型、優(yōu)勢樹種和林齡等信息將樣地分為干擾、恢復(fù)及穩(wěn)定3類。共篩選研究區(qū)內(nèi)94個樣地，并作為驗證數(shù)據(jù)。

2.2 影像預(yù)處理

影像預(yù)處理主要包括輻射定標、大氣校正、云掩膜、森林信息提取等過程。

2.2.1輻射定標及大氣校正

在Linux環(huán)境下，運行LEDAPS模型算法完成影像的輻射定標及大氣校正。LEDAPS[18]是由美國航空航天局(NASA)針對長時間序列Landsat影像數(shù)據(jù)集的預(yù)處理而開發(fā)的模型。該模型對Landsat數(shù)據(jù)的預(yù)處理包括輻射定標和6S輻射傳輸模型大氣校正[18]。模型的輸出是地表反射率數(shù)據(jù)。

2.2.2云及陰影的掩膜

采用Fmask算法[20-21]對時間序列影像進行云及云影的掩膜，以消除云及陰影對時間分割算法的影響。

2.2.3森林信息提取

通過剔除水體、不透水地表及農(nóng)田，確定森林區(qū)域。綜合考慮31年間森林擾動或恢復(fù)等對森林面積的影響，分別對1984、2015年的影像作森林信息提取，最后取二者并集作為研究的森林區(qū)域。

表1 主要研究數(shù)據(jù)Table 1 Data sets used in research

2.3 研究方法

采用LandTrendr時間分割算法[15]對影像進行處理，得到研究區(qū)31年間的森林植被干擾與恢復(fù)產(chǎn)品。選用歸一化燃燒比(NBR)指數(shù)為算法監(jiān)測指數(shù)，其計算公式為：

(1)

式(1)中：NIR為近紅外波段(850～880 nm，TM/ETM+影像中的Band4，OLI中為Band5)，SWIR為短波中紅外波段(1 570～1 650 nm，Landsat影像中為Band7)。

在對Landsat時間序列影像掩膜及標準化處理后，被掩膜的像元將不參加時間序列分析，軌跡擬合時將根據(jù)分割前后的指數(shù)值進行插值填補。LandTrendr算法得到的結(jié)果見表2。

表2 LandTrendr主要輸出結(jié)果說明Table 2 The main output of LandTrendr algorithms

像元的整體變化趨勢包括恢復(fù)、干擾、穩(wěn)定以及平衡4種狀態(tài)。恢復(fù)指變化軌跡趨勢是整體向上的；干擾是指變化軌跡是整體下降的；穩(wěn)定則指整個時間長度NBR未發(fā)生變化或變化微?。黄胶庵缸兓壽E波動大，上升分割段與下降分割段呈現(xiàn)抵消的態(tài)勢。

2.4 精度驗證

采用森林資源連續(xù)清查數(shù)據(jù)進行驗證。選取1994、1999、2004年3期清查中均有調(diào)查的共94個固定樣地，根據(jù)樣地的地類、優(yōu)勢樹種及林齡等信息，判斷每2期清查樣點的變化情況(干擾、恢復(fù)或穩(wěn)定)，再與LandTrendr時間序列分割結(jié)果做驗證分析。

2.5 分類統(tǒng)計

2.5.1森林干擾與恢復(fù)等級劃分

根據(jù)對研究區(qū)林業(yè)與氣候資料的收集與分析，該區(qū)域內(nèi)的森林擾動因素主要有人為砍伐、火災(zāi)、極端高溫干旱、極端低溫冰凍、臺風(fēng)等。為進一步分析該區(qū)域內(nèi)的干擾程度，按茂密森林變?yōu)榉巧?人為砍伐，林地變?yōu)槁愕?、建筑物?、森林植被嚴重損害(高溫干旱等)、森林退化(長期緩慢變化)等變化分為嚴重干擾、中度干擾、輕微干擾3個等級。同理，對研究區(qū)內(nèi)的恢復(fù)變化劃分為重度恢復(fù)(非森林-茂密森林)、中度恢復(fù)(疏林地-茂密森林)和輕微恢復(fù)(林分自然生長)等3個等級。

以NBR指數(shù)作為等級劃分的指標，基于2015年夏季影像在研究區(qū)內(nèi)選取大量森林(茂密森林、疏林地等)與非森林(裸地、建筑物、水體等)樣本，計算其NBR值域區(qū)間，并結(jié)合不同干擾事件(如人為砍伐、極端高溫干旱等)所造成的NBR值變化的范圍，最終確定干擾等級劃分的閾值區(qū)間。同理可得到恢復(fù)等級劃分的閾值區(qū)間(表3)。

表3 森林干擾與恢復(fù)等級定義Table 3 Class definition of forest disturbance and recovery level

2.5.2森林干擾與恢復(fù)總體分布

在LandTrendr算法中，根據(jù)1984年和2015年像元的NBR值的變化情況，將其分為干擾、恢復(fù)、無變化和平衡(干擾后又恢復(fù)到原始狀態(tài))4種狀態(tài)，并計算出像元在整個變化軌跡中處于該狀態(tài)的總年數(shù)。由此可得到1984—2015年間研究區(qū)內(nèi)的森林干擾與恢復(fù)總體時空分布格局。

2.5.3森林最大干擾量與恢復(fù)量的計算

在LandTrendr算法中，對像元31年間的變化軌跡進行分割，每個分割均代表像元的某一種變化，即像元可能有多個或重復(fù)變化，如干擾-恢復(fù)-干擾等。因此，為了更直觀地展現(xiàn)干擾與恢復(fù)的時空分布格局，本研究中篩選出每個像元變化軌跡中NBR變化量(mags)最大的分割，并以此對像元的干擾或恢復(fù)屬性進行劃分。最后按照表3中的閾值對其森林擾動和恢復(fù)程度進行劃分。

此外，找出像元每個影像年份所在的分割，以此分割的屬性判斷其處于干擾或恢復(fù)狀態(tài)，并對其干擾或恢復(fù)等級進行劃分。由此得到研究區(qū)每個影像年份的森林干擾與恢復(fù)面積并分析其變化特征。

3 結(jié)果與分析

3.1 森林擾動及恢復(fù)結(jié)果精度評價

對94個森林清查固定樣地進行驗證，得到精度評價表(表4)。清查數(shù)據(jù)中共有20個發(fā)生過干擾的樣地，69個恢復(fù)樣地及5個穩(wěn)定樣地。從表4中可看出動態(tài)檢測的總體精度為74.47%，干擾的生產(chǎn)精度為50.00%，恢復(fù)的為79.71%，穩(wěn)定的為100%。其中，干擾的生產(chǎn)精度與其他二者相比偏低，結(jié)合清查數(shù)據(jù)與LandTrendr處理結(jié)果分析可以判斷，可能是樣地遭到輕微干擾(如間伐等)但林分整體還是處于恢復(fù)狀態(tài)只引起其恢復(fù)速率變緩，因而造成錯分。恢復(fù)與穩(wěn)定混淆嚴重，監(jiān)測的穩(wěn)定結(jié)果中有近60%的穩(wěn)定樣點在清查數(shù)據(jù)中表現(xiàn)為恢復(fù)，這是由于在實際判讀的森林清查數(shù)據(jù)中，林分的林齡持續(xù)增加的這一狀態(tài)是被認為處于森林恢復(fù)狀態(tài)，但林分在光譜信息中可能未有明顯表現(xiàn)，因此在LandTrendr中會被監(jiān)測為穩(wěn)定。

表4 森林清查數(shù)據(jù)的驗證精度 Table 4 Validation of the forest inventory data accuracy

3.2 森林總體變化空間格局

圖2為研究區(qū)的森林總體變化空間格局。經(jīng)統(tǒng)計，研究區(qū)內(nèi)74.62%的森林均處于恢復(fù)狀態(tài)，1.42%的森林總體呈現(xiàn)出干擾變化，23.81%的森林一直未有變化，其余森林處于干擾與恢復(fù)達到平衡的狀態(tài)?；謴?fù)的森林中，以20～31年的恢復(fù)為主，占86.6%，說明大部分的森林均未受到干擾或受到了短期輕微干擾；其次是1～10年的恢復(fù)，占9%，表明森林為2003年后發(fā)生的干擾后恢復(fù)的過程。由于浙江省內(nèi)城鎮(zhèn)建設(shè)擴張，用地需求大增，仙居縣等多縣均出現(xiàn)了“毀林造地”等現(xiàn)象，根據(jù)監(jiān)測結(jié)果可知森林干擾多分布在不透水地表周邊，呈破碎化分布，且以短期(1～5年)干擾為主，占38%；其次是中長期(10～20年)干擾，占29.31%，說明經(jīng)濟發(fā)展、城鎮(zhèn)擴張等人為因素是導(dǎo)致森林干擾的重要因素。

圖2 研究區(qū)的森林總體變化空間格局Figure 2 Overall changes of forest spatial pattern in the study area

3.3 森林干擾量級時空格局

研究區(qū)的森林干擾量級時空分布格局如圖3。經(jīng)統(tǒng)計，研究區(qū)內(nèi)的最大森林干擾主要發(fā)生在1993—2004年間，占50.7%;其次是發(fā)生在2004—2015年間，占30.55%;1984—1993年間的干擾最少。該區(qū)域內(nèi)的森林干擾以中度干擾為主，占47.68%，嚴重干擾占19.38%，且以短期干擾(1～5年)為主，占比達92.80%。

圖3 研究區(qū)的森林干擾時空格局Figure 3 The spatial and temporal pattern of forest disturbance in the study area

各縣區(qū)的最大干擾事件以中度干擾為主，仙居縣和臨海市的嚴重干擾面積最大，臨海市的中度干擾面積最大。最大干擾事件中，超過90%的干擾事件持續(xù)時間均集中在1～5年，5～10年的干擾事件中以仙居縣最多，占比4%左右，10～20年的干擾事件中以臨海市為最多，占該市森林干擾事件中的4.5%。

圖4為研究區(qū)各年份的干擾面積。1992、2003、2007、2013等年份各縣區(qū)的干擾面積最大，且在2000年后，干擾面積逐年增大。其中，仙居、臨海、天臺、磐安等均在1992年達到第一個峰值，在2000年后均大幅度增長，在2013年及2015年達到最高峰。結(jié)合臺州市統(tǒng)計年鑒信息可知，在1991年、2002—2004年間、2007年、2013年前后等均有夏季極端高溫干旱氣象災(zāi)害發(fā)生，同時研究區(qū)內(nèi)干擾面積大幅度升高，可認為這些年份的森林干擾主要是由高溫干旱引起的。2000年以后受嚴重高溫干旱影響的森林干擾面積遠大于20世紀90年代；同時2000年以后無高溫干旱災(zāi)害的年份的森林干擾面積大于20世紀90年代的森林干擾面積，這表明人為干擾因素已成為森林干擾的重要因素。

圖4 研究區(qū)各年份森林干擾面積Figure 4 The forest disturbance area of each year in the study area

從圖4中可以看出，研究區(qū)內(nèi)的森林擾動面積在2013—2015年呈現(xiàn)跳躍式增長，這是由于2013年影像為當(dāng)年7月至9月所有無云區(qū)域拼接而成的影像，影像的拼接處由于光譜信息差異較大，出現(xiàn)大面積的干擾噪音信息，導(dǎo)致結(jié)果中出現(xiàn)2013年的干擾面積大幅度增加。

3.4 森林恢復(fù)量級時空格局

圖5為研究區(qū)的森林恢復(fù)量級時空分布格局。該區(qū)域的最大森林恢復(fù)主要發(fā)生在1984—1993年間，占96.99%;其次發(fā)生在1993—2004年間，占2.54%;2004—2015年間的恢復(fù)最少。該區(qū)域內(nèi)的森林恢復(fù)以中度恢復(fù)為主，占49.32%，輕微恢復(fù)占46.8%，且以長期恢復(fù)(20～31年)為主，占比達91.06%，其次為中長期(10～20年)恢復(fù)，占6.66%，表明該區(qū)域內(nèi)的森林大部分未受到干擾或干擾后恢復(fù)較好，處于良好的恢復(fù)狀態(tài)。

圖5 研究區(qū)的森林恢復(fù)時空格局Figure 5 The spatial and temporal pattern of forest recovery in the study area

各縣區(qū)的恢復(fù)狀態(tài)以中度恢復(fù)為主，仙居縣和臨海市的面積最大。此外，磐安和三門縣超過92%的森林恢復(fù)持續(xù)時間集中在20～31年，說明磐安和三門縣的森林生長恢復(fù)狀態(tài)良好；仙居縣和臨海市超過2.5%的森林恢復(fù)持續(xù)時間集中在1～10年，說明仙居和臨海的森林生長恢復(fù)狀態(tài)不佳。在森林恢復(fù)等級上，磐安縣近60.2%的森林恢復(fù)處于輕微恢復(fù)狀態(tài)，即自然生長狀態(tài)，三門縣的中度恢復(fù)和最大恢復(fù)比例均為五縣區(qū)中最大，分別為58.77%和5%，表明三門縣的森林恢復(fù)力度大，人工造林成效顯著。

研究區(qū)各個年份的恢復(fù)面積如圖6。在1984—1998年間，各區(qū)縣森林恢復(fù)面積基本保持穩(wěn)定水平，其中天臺縣、磐安縣、仙居縣森林恢復(fù)總面積最低值出現(xiàn)在1992年，而三門縣和臨海市最低值則出現(xiàn)在1987年，但其在1987年與1992年的森林恢復(fù)總面積相差不大；而在2000年后，森林恢復(fù)面積相較于20世紀90年代有一定程度下降，森林恢復(fù)面積變化狀況基本與森林干擾面積的變化狀況相對應(yīng)。

圖6 研究區(qū)各年份森林恢復(fù)面積Figure 6 The forest recovery area of each year in the study area

4 討論與結(jié)論

4.1 討論

LandTrendr算法主要思想是從時間序列數(shù)據(jù)中提取地表光譜變化軌跡，對時間序列軌跡做適當(dāng)分割及線性擬合，去除影像光譜噪音信息，將復(fù)雜的變化特征簡化為相連的幾段直線以突出要點，從而捕獲時間序列數(shù)據(jù)的干擾特征，得到干擾年份、干擾量及恢復(fù)信息。LandTrendr算法在監(jiān)測干擾年份、干擾量的基礎(chǔ)之上, 能夠監(jiān)測特定年份內(nèi)發(fā)生的干擾以及多次的擾動變化，從而能夠識別主要與次要干擾的分布[22-23]。LandTrendr算法相較于其他時間軌跡擬合干擾算法可操作性更強，同時也更易識別出輕微干擾。

本次研究利用LandTrendr算法對浙江省中東部地區(qū)進行森林干擾和恢復(fù)監(jiān)測，采用的是NBR指數(shù)，該指數(shù)常用于北美等區(qū)域的森林干擾監(jiān)測研究中，此次監(jiān)測結(jié)果的總體精度為74.47%，恢復(fù)與穩(wěn)定監(jiān)測的生產(chǎn)精度較高，分別為79.71%和100%，然而干擾的生產(chǎn)精度僅有50%，監(jiān)測精度低。LandTrendr算法中提供多個控制參數(shù)的閾值可調(diào)試以達到更好的森林干擾監(jiān)測效果，本次研究只對其中一部分參數(shù)進行了調(diào)整，這可能會影響森林干擾與恢復(fù)的監(jiān)測精度。此外，基于遙感影像數(shù)據(jù)構(gòu)建的時序地表光譜變化軌跡受到影像質(zhì)量的制約，研究區(qū)遙感影像云量多，一是無法滿足一年一景或隔年一景的高質(zhì)量影像的需求，研究所采用的影像多數(shù)隔2～3年一景，從而導(dǎo)致森林干擾信息被過濾，監(jiān)測精度降低；二是2013年影像為當(dāng)年7月至9月所有無云區(qū)域拼接而成的影像，物候差異和拼接邊界云及陰影遺漏嚴重，給監(jiān)測帶來許多噪音，導(dǎo)致監(jiān)測結(jié)果中2013年森林干擾面積異常增高。在精度驗證方面，國家森林資源連續(xù)清查數(shù)據(jù)只有1994—2004年間的數(shù)據(jù)，每隔5年一期，這也導(dǎo)致許多森林干擾信息被過濾，難以與時許遙感數(shù)據(jù)的森林干擾監(jiān)測結(jié)果相互驗證，從而影響監(jiān)測結(jié)果精度。

在今后的研究中，可以采用波段、其他指數(shù)或多種指數(shù)進行監(jiān)測，對比得到最適用于監(jiān)測中亞熱帶地區(qū)森林干擾與恢復(fù)的方法，此外可將各年份的夏季影像無云部分進行組合，保證每年一景或多景影像，進行森林干擾監(jiān)測，并對LandTrendr算法監(jiān)測指數(shù)及控制參數(shù)閾值等進行調(diào)試，以提高中亞熱帶森林干擾監(jiān)測精度。同時，結(jié)合原始時間序列影像和時序高分影像對多年的森林擾動與恢復(fù)監(jiān)測結(jié)果進行人為判讀，建立混淆矩陣，彌補國家森林資源連續(xù)清查數(shù)據(jù)的時間滯后性[24]。

4.2 結(jié)論

研究表明，雖然臨海市與三門縣均為沿海區(qū)域，自然災(zāi)害頻發(fā)，但近31年來，由于三門縣沿海防護林建設(shè)等工程的積極開展[25]，有效減少了人為森林干擾事件的發(fā)生，自20世紀90年代起，三門縣相較于其他縣市，森林干擾面積較低；臨海市由于人口密度大、經(jīng)濟發(fā)展相對發(fā)達，其森林干擾頻繁且干擾程度重；仙居縣與磐安縣離海域較遠，但仙居縣人口密度比磐安縣大，且經(jīng)濟發(fā)展較為發(fā)達，近31年來森林干擾面積大且干擾程度重，磐安縣的森林干擾相對較少；5個縣區(qū)的森林恢復(fù)面積基本處于穩(wěn)定狀態(tài)，波動幅度小，絕大部分的森林均處于自然恢復(fù)狀態(tài)。

由以上結(jié)果可看出，沿海區(qū)域的森林雖比內(nèi)陸更易遭受臺風(fēng)等自然災(zāi)害侵襲，但隨著森林保護力度的加強，森林抗干擾的能力更強，如三門縣整體呈現(xiàn)出的森林擾動變化較少，在內(nèi)陸森林區(qū)域，由于森林保護力度低，其森林干擾程度反而比沿海區(qū)域的大。因此，除自然因素外，經(jīng)濟發(fā)展導(dǎo)致的森林擾動或是政策驅(qū)動下的森林恢復(fù)等人為因素是森林干擾與恢復(fù)的重要驅(qū)動力。在后續(xù)的研究中，可對研究區(qū)每年的森林干擾量及森林干擾驅(qū)動力等進行分析。