包青格樂，張潤卿，王藝宸，崔嵬，趙俊福，烏蘭,4，孫仲益,4＊

1.海南大學(xué)生態(tài)與環(huán)境學(xué)院，?？?570228

2.國家林業(yè)和草原局發(fā)展研究中心，北京 100714

3.海南省生態(tài)環(huán)境監(jiān)測中心，?？?571126

4.海南省農(nóng)林環(huán)境過程與生態(tài)調(diào)控重點(diǎn)實(shí)驗(yàn)室，?？?570228

引 言

由于對天然橡膠產(chǎn)品的需求量增加，天然橡膠（Hevea brasiliensis）人工林（簡稱“橡膠林”）在過去的20 年里迅速擴(kuò)張，已成為全球熱帶地區(qū)最重要的種植生態(tài)系統(tǒng)之一[1-2]。根據(jù)聯(lián)合國糧食及農(nóng)業(yè)組織（FAO）報(bào)告，在過去的20 年中，全球橡膠林面積擴(kuò)大了20%，其中90%的擴(kuò)張?jiān)趤喼蓿饕植荚谟《饶嵛鱽?、泰國、馬來西亞和中國[3]。橡膠林面積的擴(kuò)大在很大程度上改變了原有的土地利用類型，是全球熱帶地區(qū)土地利用變化的重要驅(qū)動(dòng)因素，顯著地改變了區(qū)域碳水循環(huán)、生物多樣性等生態(tài)系統(tǒng)服務(wù)功能[4]。在我國，橡膠林主要大面積分布在海南省、云南省和廣東省，其中海南省作為天然橡膠林保護(hù)區(qū)是我國第二大天然橡膠種植區(qū)[5-6]。根據(jù)2021 年海南省第三次國土調(diào)查主要數(shù)據(jù)公報(bào)，橡膠林占海南島全域面積的20.45%[7]，其顯著改變了區(qū)域下墊面組成與生態(tài)環(huán)境；但也提供了較高占比的生態(tài)系統(tǒng)服務(wù)價(jià)值，有助于增進(jìn)人類福祉。因此，準(zhǔn)確監(jiān)測和繪制海南島橡膠林空間分布情況和動(dòng)態(tài)變化趨勢，對我國政府部門及時(shí)制定或調(diào)整產(chǎn)業(yè)發(fā)展政策，保障天然橡膠資源供應(yīng)安全，維護(hù)橡膠產(chǎn)業(yè)的健康發(fā)展以及海南島區(qū)域生態(tài)環(huán)境保護(hù)、生態(tài)系統(tǒng)服務(wù)功能與價(jià)值提升等具有重要意義。

近年來，遙感技術(shù)已被廣泛用于繪制橡膠林分布范圍[8]，與傳統(tǒng)的人工測量相比，遙感技術(shù)具有宏觀快速的優(yōu)勢[9]。相對早期的研究中，中分辨率成像光譜儀（Moderate-Resolution Imaging Spectroradiometer，MODIS）數(shù)據(jù)常用來提取橡膠林分布，對于區(qū)域物種組成與大尺度生態(tài)系統(tǒng)功能評估中起到了重要作用[10-12]；但由于MODIS 傳感器的空間分辨率低，難以識別面積小且碎片化分布的橡膠林[5]，無法滿足生產(chǎn)實(shí)踐要求，因此高分辨率遙感影像逐漸被用于橡膠林識別[13-14]。相比于其他熱帶森林，橡膠樹存在明顯的旱季落葉期[4]，因此，基于橡膠樹的物候特征，采用多時(shí)相的遙感影像開展橡膠林識別逐漸流行[15-17]?？墒芟抻跓釒У貐^(qū)常年的多云覆蓋影響，很難獲取到橡膠林關(guān)鍵物候期的影像，因此在大尺度和特定時(shí)期研究中仍存在很大的局限性[9]。為克服上述困境，Dong等人通過融合合成孔徑雷達(dá)與光學(xué)遙感影像的方式，首次完成了海南島橡膠林分布區(qū)的識別[18]，并且很大程度上改善了識別結(jié)果。目前主要依靠上述光譜影像中的歸一化差值植被指數(shù)（Normalized Difference Vegetation Index，NDVI）、增強(qiáng)型植被指數(shù)（Enhanced Vegetation Index，EVI）、地表水分指數(shù)（Land Surface Water Index，LSWI）等常規(guī)植被指數(shù)來識別橡膠林[19]。然而，橡膠林在生長旺季或林齡達(dá)到一定齡組后，由于光譜指數(shù)趨于飽和，光譜特征與天然林相似[20]，并且部分海南島的橡膠林與天然林相鄰[4]，這導(dǎo)致一些常規(guī)植被指數(shù)在區(qū)分橡膠林與天然林時(shí)效果欠佳。另外，海南島分布較大面積的果園，相似的紋理結(jié)構(gòu)也給橡膠林的識別帶來了一定困難。綜合來看，雖已有大量針對橡膠林分布與動(dòng)態(tài)變化的研究成果，但仍缺乏公開共享的高精度海南島長時(shí)間序列橡膠林動(dòng)態(tài)變化數(shù)據(jù)集。

在本數(shù)據(jù)集研發(fā)中，基于多時(shí)期多時(shí)相合成的Landsat 數(shù)據(jù)，在多波段反射率與常規(guī)植被指數(shù)的基礎(chǔ)上，增加了抗飽和性和處理混合像素能力強(qiáng)的kNDVI 指數(shù)（kernel Normalized Difference Vegetation Index，kNDVI）[21]和能有效減輕植被-土壤混合像元影響的NIRv 指數(shù)（Near-Infrared Reflectance of vegetation，NIRv）[22-23]，提高分類精度；并對比支持向量機(jī)、高斯過程回歸、人工神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林等多種分類方法，最終確定，以5 年為步長，利用RF 提取了海南島2000 年、2005年、2010 年、2015 年、2020 年共5 期橡膠林分布數(shù)據(jù)，為橡膠林生態(tài)系統(tǒng)監(jiān)測、管理與決策、生物量與碳儲量計(jì)算以及土地覆蓋類型變化分析等方面提供數(shù)據(jù)支持。

1 數(shù)據(jù)采集和處理方法

1.1 數(shù)據(jù)采集

1.1.1 影像數(shù)據(jù)采集

本研究使用的Landsat TM/OLI 影像數(shù)據(jù)全部從GEE 云平臺（https://code.earthengine.google.co m/）上下載獲取。分別下載目標(biāo)年份及前后兩年的橡膠林落葉期（每年12 月至次年3 月）和展葉期（每年5 月至10 月）的合成影像，共150 幅合成影像。海南島數(shù)字高程模型（DEM）數(shù)據(jù)由地理空間數(shù)據(jù)云平臺（https://www.gscloud.cn/search）下載獲取，具體信息詳見表1、表2。

表1 研究中使用的Landsat 影像數(shù)據(jù)信息Table 1 Landsat image data information used in the study

表2 研究中使用的DEM 數(shù)據(jù)信息Table 2 DEM data information used in the study

1.1.2 樣本點(diǎn)數(shù)據(jù)采集

為了訓(xùn)練隨機(jī)森林分類模型，在谷歌地球（Google Earth Pro）高清影像上進(jìn)行了樣本點(diǎn)預(yù)選，并在2022 年8 月開展了野外核實(shí)。對于橡膠林樣本點(diǎn)，觀察了周圍區(qū)域以確定橡膠林的邊界，并評估了橡膠樹的生長情況，包括樹高、樹干直徑和冠幅大小等指標(biāo)。此外，還調(diào)查了與橡膠林分布和生長相關(guān)的環(huán)境要素，如土壤類型、土壤濕度、降水情況、氣溫和光照條件，最終選取了7848 個(gè)樣本點(diǎn)，其中橡膠林樣本點(diǎn)1850 個(gè)，非橡膠林樣本點(diǎn)5998 個(gè)（包括建筑物、水體、草地、耕地、灌木林和天然林）。樣本點(diǎn)將用于提取海南島橡膠林及分類驗(yàn)證。圖1 為樣本點(diǎn)分布。

圖1 樣本點(diǎn)分布圖Figure 1 Sample point distribution

1.2 數(shù)據(jù)處理

（1）Landsat 影像數(shù)據(jù)處理

首先在GEE 云平臺上對Landsat TM/OLI 影像數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正和幾何校正。其次進(jìn)行遙感影像的去云處理、中值合成、植被指數(shù)計(jì)算以及影像下載。目標(biāo)是獲取2000–2020 年5 期（2000 年、2005 年、2010 年、2015 年和2020 年）的海南島橡膠林分布情況，限于熱帶地區(qū)的全年高云覆蓋，因此，以目標(biāo)年份及前后兩年的中值合成影像作為目標(biāo)年份橡膠林分布識別的基礎(chǔ)數(shù)據(jù)（如，2020 年橡膠林分布是利用2018–2022 年合成影像所識別）。影像信息如表1 所示，包含6 個(gè)波段的地表反射率和NDVI 指數(shù)、歸一化差值水指數(shù)（Normalized Difference Water Index，NDWI）、歸一化建筑物指數(shù)（Normalized Difference Built-up Index，NDBI）、LSWI 指數(shù)、差值植被指數(shù)（Difference Vegetation Index，DVI）、歸一化燃燒指數(shù)（Normalized Burn Ratio，NBR）、EVI 指數(shù)、kNDVI 指數(shù)和NIRv 指數(shù)，共計(jì)9 個(gè)遙感植被指數(shù)。

（2）指數(shù)計(jì)算

指數(shù)計(jì)算公式如下：

式中ρBLUE、ρGREEN、ρRED、ρNIR、ρSWIR1和ρSWIR2分別為藍(lán)色波段、綠色波段、紅色波段、近紅外波段、短波紅外1 波段和短波紅外2 波段的地表反射率，參數(shù)σ和C 分別為1 和0.08[21,23]，k為核函數(shù)。

（3）利用樣本點(diǎn)數(shù)據(jù)在MATLAB 2022b 中訓(xùn)練分類器模型，使用包括支持向量機(jī)、高斯過程回歸、人工神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林等模型，最終選取精度最高的隨機(jī)森林模型進(jìn)行海南島橡膠林分布提取。

（4）使用GIS 軟件對分類結(jié)果進(jìn)行可視化。

2 數(shù)據(jù)樣本描述

2.1 數(shù)據(jù)集信息

利用1998–2022 年Landsat 數(shù)據(jù)獲得的海南島橡膠林分布數(shù)據(jù)集，主要包括：2000 年、2005 年、2010 年、2015 年、2020 年5 個(gè)時(shí)期的海南島橡膠林分布數(shù)據(jù)和2020 年海南島18 個(gè)市縣橡膠林分布數(shù)據(jù)。數(shù)據(jù)集包含5 個(gè)地理空間數(shù)據(jù)庫，每個(gè)地理空間數(shù)據(jù)庫均以“年份+海南島橡膠林分布.gdb”命名。地理空間數(shù)據(jù)庫下的數(shù)據(jù)文件均是“Esri FGDBR”格式數(shù)據(jù)，每個(gè)文件均以“海南島橡膠林分布”命名，2020 年海南島18 個(gè)市縣橡膠林分布數(shù)據(jù)文件以“市縣名稱”命名。文件屬性表可詳見柵格數(shù)量、橡膠林面積（其中包含m2和km2兩種不同單位面積）+信息，具體信息詳見表3。

表3 2000-2020 年海南島橡膠林變化數(shù)據(jù)集詳細(xì)信息Table 3 Detailed information of the dataset of distribution changes of natural rubber plantations in Hainan Island from 2000 to 2020

2.2 數(shù)據(jù)樣本

圖2 為2015 年、2020 年海南島橡膠林分布和2020 年海南島臨高縣、三亞市橡膠林分布圖。

圖2 海南島與部分市縣橡膠林分布圖：（a）和（b）分別為2015 年和2020 年海南島橡膠林分布、（c）和（d）分別為2020 年臨高縣和三亞市橡膠林分布Figure 2 Distribution map of rubber plantations in Hainan Island and some cities and counties:(a)and(b)show the distribution of rubber plantations in Hainan Island in 2015 and 2020,respectively;(c)and(d)show the distribution of rubber plantations in Lingao County and Sanya City in 2020,respectively.

3 數(shù)據(jù)質(zhì)量控制和評估

為了得到可靠穩(wěn)定的隨機(jī)森林分類模型，在本研究中，使用了十折交叉驗(yàn)證[24]來提高模型分類精度。其中，模型總體分類精度為96.93%，橡膠林生產(chǎn)者精度為89.10%，橡膠林用戶精度為94.72%，Kappa 系數(shù)為0.90（表4）。同時(shí)，利用了第三次全國國土調(diào)查報(bào)告數(shù)據(jù)比較模型分類結(jié)果，2020年海南島橡膠林面積預(yù)測值為7422.02 km2，比第三次全國國土調(diào)查報(bào)告數(shù)據(jù)確定的面積多152.36 km2（偏高估計(jì)2.10%）。橡膠林提取的總體精度達(dá)97.90%，面積加權(quán)總體精度達(dá)89.39%，橡膠林識別精度較低（<80%）市縣面積權(quán)重僅為0.22，而分類精度較高（>90%）的市縣面積權(quán)重高達(dá)0.47。橡膠林分布面積最廣的儋州市（1367.87 km2）與瓊中縣（871.01 km2）分類精度高達(dá)98.20%與99.23%，而分布面積最低的陵水縣（91.42 km2）與文昌市（106.50 km2）則分類精度較低，分別為75.90%與74.68%；整體上呈現(xiàn)出橡膠林分布面積越大，識別精度越高的趨勢（表5）。

表4 使用隨機(jī)森林分類模型分類結(jié)果精度評價(jià)Table 4 Data accuracy evaluation of classification results based on random forest classification model

表5 利用第三次全國國土調(diào)查報(bào)告數(shù)據(jù)進(jìn)行市縣級精度評價(jià)Table 5 Data accuracy evaluation based on the Third National Land Survey Report

4 數(shù)據(jù)價(jià)值

本數(shù)據(jù)集包含了海南島橡膠林分布數(shù)據(jù)，涵蓋了5 個(gè)時(shí)期的數(shù)據(jù)以及2020 年海南島18 個(gè)市縣的橡膠林分布信息。用戶可以直接在常用的地理信息系統(tǒng)軟件中打開并使用該數(shù)據(jù)集。本數(shù)據(jù)集可用于計(jì)算橡膠林的生物量和碳儲量，并了解其動(dòng)態(tài)變化情況。同時(shí)，可以通過分析橡膠林面積變化對土地覆蓋類型的影響，進(jìn)一步了解其對生態(tài)環(huán)境的影響，并進(jìn)行生態(tài)質(zhì)量評價(jià)等研究。

致 謝

感謝在野外實(shí)地調(diào)查過程中海南省相關(guān)行業(yè)部門和單位的支持與配合，感謝Google Earth Engine（GEE）云平臺提供Landsat 影像數(shù)據(jù)。

數(shù)據(jù)作者分工職責(zé)

包青格樂（1999—），男，內(nèi)蒙古通遼市人，碩士研究生，研究方向?yàn)闊釒Шu遙感及應(yīng)用。主要承擔(dān)工作：數(shù)據(jù)獲取與處理、數(shù)據(jù)集生產(chǎn)、實(shí)地驗(yàn)證和論文撰寫。

張潤卿（2000—），男，山東淄博人，碩士研究生，研究方向?yàn)闊釒痔紖R。主要承擔(dān)工作：數(shù)據(jù)獲取和實(shí)地驗(yàn)證。

王藝宸（1997—），女，海南海口人，博士研究生，研究方向?yàn)樯鷳B(tài)遙感與植物物候。主要承擔(dān)工作：數(shù)據(jù)獲取和實(shí)地驗(yàn)證。

崔嵬（1990—），男，北京人，博士，副研究員，研究方向?yàn)樯指哔|(zhì)量發(fā)展。主要承擔(dān)工作：數(shù)據(jù)校核與質(zhì)量控制。

趙俊福（1986—），男，海南海口人，博士，研究方向?yàn)樯稚鷳B(tài)系統(tǒng)多尺度效應(yīng)。主要承擔(dān)工作：數(shù)據(jù)校核與質(zhì)量控制。

烏蘭（1990—），女，海南海口人，博士，副教授，研究方向?yàn)殛懙厣鷳B(tài)系統(tǒng)模擬和植被與生態(tài)遙感。主要承擔(dān)工作：數(shù)據(jù)校核與質(zhì)量控制。

孫仲益（1989—），男，海南海口人，博士，副教授，研究方向?yàn)樯鷳B(tài)遙感和全球變化生態(tài)學(xué)研究。主要承擔(dān)工作：總體方案設(shè)計(jì)和論文撰寫。