謝家頎,張 釗*,周 穩(wěn),王金旺,陳雅慧

(1.自然資源部溫州海洋中心,浙江 溫州 325013; 2.浙江省亞熱帶作物研究所,浙江 溫州 325005)

0 引言

我國共有海島11 000余個(gè),島上植被覆蓋度較高,覆蓋率約為52.0%[1]。海島作為自然資源的組成部分,具有完整、獨(dú)立的生態(tài)系統(tǒng),在減緩氣候變化、維持碳平衡方面發(fā)揮著不可或缺的作用。海島植被碳儲(chǔ)量本底調(diào)查是對掌握海陸碳儲(chǔ)量分布的有益補(bǔ)充,是制定“雙碳”政策的基礎(chǔ)性任務(wù)。傳統(tǒng)海島植被碳儲(chǔ)量的調(diào)查主要參考陸地森林生態(tài)系統(tǒng),采用樣方清查和生物量相對生長方程相結(jié)合的方式[2]。受海況、地形地貌、物種分布等因素的制約,傳統(tǒng)調(diào)查存在登島困難、調(diào)查過程復(fù)雜、工作周期長等弊端,多應(yīng)用于小尺度的研究[2]。

近年來,利用高分辨率衛(wèi)星遙感研究海島植被碳儲(chǔ)量取得了初步進(jìn)展,如池毓鋒 等[3]采用Landsat8 OLI衛(wèi)星遙感影像結(jié)合歸一化植被指數(shù)(normalized difference vegetation index,NDVI)與以專家知識(shí)分類為基礎(chǔ)的像元擴(kuò)張法提取了平潭島木麻黃林分信息,并根據(jù)采集的木麻黃樣本生物量與含碳率估測了木麻黃林地的碳儲(chǔ)量,林地分類精度達(dá)到了80.6%;魏艷艷[4]采用Landsat8 OLI和Landsat5 TM衛(wèi)星遙感影像,以監(jiān)督分類的方法對崇明島耕地、林地和建設(shè)用地等土地利用類型進(jìn)行分類,估算了2009年和2018年耕地、林地和建設(shè)用地的平均碳密度和碳儲(chǔ)量,分類精度Kappa系數(shù)分別為81.46%和0.795 1;PASCUAL等[5]采用MODIS 17影像和近紅外反射率估算了夏威夷群島的總初級生產(chǎn)力。在上述利用衛(wèi)星遙感影像估算海島植被碳儲(chǔ)量的研究中,影像的分辨率僅為15～500 m,存在估算精度偏低的不足[3-5]。

無人機(jī)遙感影像的分辨率可達(dá)到厘米級,反演的植被碳儲(chǔ)量具有精度高的優(yōu)勢。江萍[6]采用無人機(jī)高光譜影像開展北疆防護(hù)林樹種分類研究,整體分類精度為94.34%,Kappa系數(shù)為0.924 8;趙曉宇[7]通過無人機(jī)多光譜和可見光數(shù)據(jù)對桂林會(huì)仙巖溶濕地植被進(jìn)行分類研究,總體分類精度和Kappa系數(shù)最高分別達(dá)到95.52%和0.900 0;唐佳佳 等[8]聯(lián)合無人機(jī)機(jī)載激光和高光譜數(shù)據(jù)反演了礦山生態(tài)修復(fù)區(qū)植被碳儲(chǔ)量;吳新宇 等[9]利用無人機(jī)機(jī)載激光雷達(dá)估測福建武夷山林場區(qū)域馬尾松的碳儲(chǔ)量,模型精度R2達(dá)到0.78。目前無人機(jī)遙感技術(shù)已經(jīng)廣泛應(yīng)用于陸地森林生態(tài)系統(tǒng)碳儲(chǔ)量調(diào)查中,但在海島植被碳儲(chǔ)量研究方面運(yùn)用還較少。

本文以溫州市洞頭區(qū)大竹峙島為研究對象,提出了一種基于無人機(jī)多光譜遙感的植被分類、冠幅分割和優(yōu)勢種生物量反演的海島植被碳儲(chǔ)量估算方法,可為海島植被碳儲(chǔ)量研究提供參考。

1 研究區(qū)與研究方法

1.1 研究區(qū)概況

大竹峙島位于溫州洞頭列島的東部,地理位置121°12′28″E—121°13′19″E,27°49′08″N—27°49′37″N(圖1)。島體長約1 250 m,寬約300 m,整島投影面積約45 hm2,海岸線長6 827.10 m,最高點(diǎn)海拔80.60 m。大竹峙島植被覆蓋率為65.06%,植被生物多樣性較高,2021年調(diào)查發(fā)現(xiàn)植物物種80科181屬232種,其中蕨類植物8科8屬10種,裸子植物2科2屬2種,被子植物70科171屬220種。植被類型涵蓋喬木、灌叢和草叢三大類,喬木優(yōu)勢種為臺(tái)灣相思和椿葉花椒,灌叢優(yōu)勢種為黑松、濱柃、天仙果、野梧桐,草叢優(yōu)勢種為中華結(jié)縷草。

圖1 大竹峙島位置及遙感圖Fig.1 Location and remote sensing map of Dazhuzhi Island

1.2 估算流程

采用無人機(jī)搭載多光譜傳感器獲取大竹峙島遙感影像,結(jié)合光譜的最佳波段組合,根據(jù)監(jiān)督分類方法對海島植被進(jìn)行分類,基于深度卷積神經(jīng)網(wǎng)絡(luò)建立單木樹冠分割模型提取植株冠幅信息,結(jié)合樣方數(shù)據(jù)建立的冠幅和胸徑(基徑)線性方程反演喬木、灌叢的生物量,并根據(jù)現(xiàn)場調(diào)查數(shù)據(jù)構(gòu)建了3種灌木優(yōu)勢種、1種草本植物優(yōu)勢種的生物量反演模型。通過優(yōu)勢種生物量結(jié)合無人機(jī)遙感提取的植被分類數(shù)據(jù),估算大竹峙島植被生物量和碳儲(chǔ)量,用樣方調(diào)查的生物量數(shù)據(jù)驗(yàn)證無人機(jī)遙感估算的精度(圖2)。

圖2 無人機(jī)遙感估算流程圖Fig.2 Flow chart of UAV remote sensing assessment

2 數(shù)據(jù)獲取和處理

2.1 遙感數(shù)據(jù)獲取和處理

2.1.1 無人機(jī)多光譜數(shù)據(jù)獲取

本研究采用大疆M600無人機(jī)搭載MS600多光譜相機(jī)采集數(shù)據(jù),波段包括藍(lán)光(450 nm)、綠光(560 nm)、紅光(650 nm)、紅邊(730 nm)和近紅外(840 nm),傳感器分辨率為1 280×960像素。無人機(jī)飛行高度為200 m,飛行速度為8 m/s,飛行航線總長為22 140 m,航線間距為50 m(圖3),數(shù)據(jù)采集間隔為4 s,采集時(shí)間為2021年7月,照片幅寬為160 m×120 m。對獲取的數(shù)據(jù)進(jìn)行通道校正、波段合成、拼接、地理位置疊加、空三加密、幾何校正等處理,得到空間分辨率為4 cm的多光譜影像。

圖3 無人機(jī)飛行航線Fig.3 Flight route of UAV

2.1.2 波段選擇

選取原始波段間相關(guān)性(R2)較小和最佳指數(shù)因子(OIF)較高的兩個(gè)組合作為待選波段,分別為:紅光-紅邊-近紅外波段(紅光-紅邊R2=0.084,紅光-近紅外R2=0.006,紅邊-近紅外R2=0.810;OIF值為98.42)和藍(lán)光-紅邊-近紅外波段(藍(lán)光-紅邊R2=0.090,藍(lán)光-近紅外R2=0.016,紅邊-近紅外R2=0.810;OIF值為93.98)。結(jié)合表征影像光譜特征的歸一化植被指數(shù)(NDVI)和紋理特征的均值指標(biāo),通過監(jiān)督分類法對兩個(gè)波段組合中每個(gè)像元進(jìn)行分類,結(jié)果顯示:紅光-紅邊-近紅外波段的分類精度OA為99.05%,Kappa系數(shù)為0.981 2;藍(lán)光-紅邊-近紅外波段的分類精度OA為99.72%,Kappa系數(shù)為0.995 4。因此,本文選擇藍(lán)光-紅邊-近紅外波段光譜將大竹峙島植被劃分為喬木、灌叢、草叢和非植被區(qū)4種類型(圖4)。

圖4 大竹峙島植被類型空間分布Fig.4 Spatial distribution of vegetation types on Dazhuzhi Island

2.1.3 喬木、灌叢優(yōu)勢種的單木識(shí)別和分割

基于深度卷積神經(jīng)網(wǎng)絡(luò)Mask R-CNN[10]構(gòu)建大竹峙島喬木、灌叢群落的單木樹冠分割模型,主要步驟如下:根據(jù)現(xiàn)場調(diào)查獲得的臺(tái)灣相思、濱柃、椿葉花椒、天仙果、野梧桐、黑松的地面標(biāo)識(shí)信息確定分類目標(biāo),結(jié)合目視結(jié)果,建立實(shí)驗(yàn)樣本集(1 913個(gè)),訓(xùn)練并優(yōu)化Mask R-CNN模型參數(shù);基于優(yōu)化后的模型對多光譜影像進(jìn)行像素級分割,得到每一個(gè)目標(biāo)的分割掩碼,并用顏色和大小區(qū)分不同物種的分割輪廓,實(shí)現(xiàn)優(yōu)勢種的識(shí)別和冠幅分割,獲得臺(tái)灣相思、椿葉花椒和濱柃在全島分布的植株數(shù)、冠幅面積等信息(圖5)。

圖5 大竹峙島(部分區(qū)域)喬木和灌叢優(yōu)勢種的識(shí)別和分割Fig.5 Identification and segmentation of dominant species of arbors and shrubs on Dazhuzhi Island (partial region)

依據(jù)文獻(xiàn)[11]評價(jià)單木識(shí)別和分割的精度,得到該方法的精確率為0.79,召回率為0.86,F測度為0.85。

2.2 樣方設(shè)置

基于植被分布和地形地勢,依據(jù)代表性和隨機(jī)性原則[12],在大竹峙島布設(shè)喬木、灌叢和草叢樣方共51個(gè),其中,21個(gè)樣方用于驗(yàn)證無人機(jī)遙感估算精度,包括3個(gè)喬木樣方(T1～T3)、6個(gè)灌叢樣方(S1～S6)和12個(gè)草叢樣方(H1～H12);另外30個(gè)草叢樣方(H13～H42)用于構(gòu)建草叢生物量模型(圖6)。

圖6 喬木、灌叢、草叢樣方布設(shè)Fig.6 Quadrats setting of arbor, shrub and herb sample plots

2.3 地面數(shù)據(jù)獲取和處理

為構(gòu)建冠幅和胸徑(基徑)的線性關(guān)系,全島隨機(jī)選擇喬木、灌叢優(yōu)勢種15株/種,現(xiàn)場測量其胸徑或基徑以及植株冠幅,具體信息見表1。

表1 優(yōu)勢樹種冠幅與胸徑(基徑)參數(shù)Tab.1 The parameters for crown and diameter at breast height(branch) diameter of dominant plant species

全島隨機(jī)采伐野梧桐、天仙果和濱柃(為減少對海島植被的破壞,盡量選取個(gè)體偏小的植株)用于構(gòu)建灌叢優(yōu)勢種生物量反演方程?，F(xiàn)場測量植株基徑、冠幅,收集其干、枝、葉樣品各5份,帶回實(shí)驗(yàn)室烘干至恒重后稱重,獲得各植株生物量[13],具體信息見表2。

表2 灌叢優(yōu)勢種基徑與生物量Tab.2 The branch diameter and biomass of dominant shrubs

在草叢樣方(H13～H42)中,收集植株的地上部分和地下根系,烘干后稱重,獲得樣方草本生物量。各樣方的歸一化植被指數(shù)(NDVI) 通過ENVI軟件計(jì)算獲得(表3)。

表3 草叢樣方的生物量與歸一化植被指數(shù)Tab.3 The biomass and normalized difference vegetation index(NDVI) of herb plots

2.4 生物量反演

臺(tái)灣相思、椿葉花椒和黑松的生物量反演方程來自文獻(xiàn)[14],濱柃、天仙果、野梧桐的生物量反演方程根據(jù)表2數(shù)據(jù)構(gòu)建,其中胸徑/(基徑)與冠幅的線性方程根據(jù)表1數(shù)據(jù)構(gòu)建。中華結(jié)縷草的生物量方程根據(jù)草叢樣方NDVI值與實(shí)測生物量(表3)進(jìn)行擬合。

構(gòu)建Y=a+bX和Y=aXb兩種回歸方程,R2、F值、估計(jì)標(biāo)準(zhǔn)差(SEE)和p值見表4。從表4可以看出,天仙果、濱柃和野梧桐生物量方程均以Y=aXb表現(xiàn)出較大的R2值,呈極顯著相關(guān)(p<0.01)。優(yōu)勢樹種胸徑(基徑)與冠幅的關(guān)系模型以及中華結(jié)縷草生物量方程,均以Y=a+bX表現(xiàn)出較大的R2值,呈極顯著相關(guān)。大竹峙島各植被優(yōu)勢種生物量方程見表5。

表4 回歸方程方差分析Tab.4 Variance analysis of regression equations

表5 大竹峙島植被優(yōu)勢種生物量方程Tab.5 Biomass equations for dominant species on Dazhuzhi Island

2.5 植被碳儲(chǔ)量計(jì)算

根據(jù)各優(yōu)勢種生物量方程和分布計(jì)算大竹峙島喬木、灌叢和草叢的生物量。植被碳儲(chǔ)量依據(jù)陸地森林生物量與碳儲(chǔ)量轉(zhuǎn)換經(jīng)驗(yàn)公式[15]計(jì)算:

C=a×W

(1)

式中:C為碳儲(chǔ)量;W為生物量;a為含碳率,取0.45。

3 結(jié)果與分析

3.1 大竹峙島植被碳儲(chǔ)量

通過植被分類、冠幅分割和生物量計(jì)算可得大竹峙島各植被類型的植株數(shù)量、面積、生物量和碳儲(chǔ)量等信息(表6)。從表6可知,大竹峙島碳儲(chǔ)量總計(jì)369.54 t,植被碳儲(chǔ)量分布見圖7。其中,喬木碳儲(chǔ)量300.36 t,灌叢碳儲(chǔ)量47.59 t,草叢碳儲(chǔ)量21.59 t,喬木、灌叢和草叢碳儲(chǔ)量分別占整島植被碳儲(chǔ)量的81.28%、12.88%和5.84%。喬木平均單位面積碳儲(chǔ)量(碳密度)為25.69 t/hm2,灌叢平均單位面積碳儲(chǔ)量為5.96 t/hm2,草叢平均單位面積碳儲(chǔ)量為2.38 t/hm2。

表6 大竹峙島喬木、灌叢和草叢碳儲(chǔ)量估算結(jié)果Tab.6 Carbon storage estimation results of arbors, shrubs and herbs on Dazhuzhi Island

3.2 估算結(jié)果分析

3.2.1 無人機(jī)遙感估算結(jié)果精度驗(yàn)證

將喬木樣方T1～T3和灌叢樣方S1～S6中實(shí)地調(diào)查的植株株數(shù)與遙感冠幅分割的株數(shù)進(jìn)行相關(guān)性分析,驗(yàn)證冠幅分割株數(shù)計(jì)算的精度。結(jié)果顯示,遙感冠幅分割精度較高,決定系數(shù)R2為0.98(p<0.05)(圖8a)。

圖8 樣方內(nèi)無人機(jī)遙感估算和樣方調(diào)查結(jié)果的相關(guān)性Fig.8 Correlation between UAV multispectral remote sensing and quadrat measurement in sample plots(圖8a表示9個(gè)喬木和灌叢樣方內(nèi)無人機(jī)遙感估算株數(shù)和實(shí)地調(diào)查結(jié)果的相關(guān)性;圖8b～圖8d分別表示3個(gè)喬木樣方、6個(gè)灌叢樣方和12個(gè)草叢樣方內(nèi)無人機(jī)遙感估算生物量和實(shí)地測定結(jié)果的相關(guān)性。)(Fig.8a shows the correlation of the plant numbers between UAV multispectral remote sensing and quadrat measurement in shrub and arbor sample plots; Fig.8b to Fig.8d show the correlation of biomass between UAV multispectral remote sensing and quadrat measurement in 3 arbor sample plots, 6 shrub sample plots and 12 herb sample plots, respectively.)

分別將喬木樣方T1～T3、灌叢樣方S1～S6、草叢樣方H1～H12中實(shí)地調(diào)查的生物量與無人機(jī)遙感估算結(jié)果進(jìn)行相關(guān)性分析。結(jié)果顯示,無人機(jī)遙感估算精度較高,其中喬木生物量決定系數(shù)R2為0.97(p<0.05),灌叢生物量決定系數(shù)R2為0.99(p<0.05),草叢生物量決定系數(shù)R2為0.99(p<0.05)(圖8b～8d)。

對于喬木樣方T1～T3,無人機(jī)遙感單木分割得到的植株株數(shù)分別為80、95、39,估算的生物量分別為 5 231.35、2 420.34、879.42 kg;實(shí)地樣方調(diào)查的株數(shù)分別為86、91、46,生物量分別為6 397.01、2 171.10、1 006.23 kg。兩者生物量差值絕對值為126.81～1 165.66 kg,相對偏差為11.48%～18.22%(表7)。

表7 喬木、灌叢植株數(shù)、生物量的遙感反演和樣方調(diào)查比較Tab.7 Comparison of arbor and shrub plant number and biomass by remote sensing inversion and quadrat measurement

對于灌叢樣方S1～S6,無人機(jī)遙感單木分割得到的植株株數(shù)在5～11之間,樣方生物量為14.28～219.99 kg;實(shí)地樣方調(diào)查的株數(shù)在6～15之間,生物量在10.03～192.22 kg之間。兩者生物量差值絕對值為4.25～27.77 kg,相對偏差為12.62%～32.82%(表7)。

對于草叢樣方H1～H12,無人機(jī)遙感估算的生物量在0.14～0.77 kg之間,實(shí)地樣方測定的生物量在0.12～0.84 kg之間。生物量差值絕對值為 0～0.08 kg,相對偏差為0%～22.73%(表8)。

表8 草叢生物量的遙感反演和樣方調(diào)查比較Tab.8 Comparison between remote sensing inversion and quadrat measurement of herb biomass

3.2.2 大竹峙島植被碳儲(chǔ)量估算的合理性分析

研究顯示:中國森林生態(tài)系統(tǒng)中喬木幼齡林碳密度為19.51 t/hm2、喬木中齡林的碳密度為37.57 t/hm2[16],溫州市森林生態(tài)系統(tǒng)中喬木碳密度為27.98 t/hm2[17],中國溫帶、亞熱帶落葉灌叢碳密度為6.24 t/hm2[18]。本研究中喬木碳密度為25.69 t/hm2,灌叢碳密度為5.96 t/hm2,略小于文獻(xiàn)值。因海島的風(fēng)、土壤、降水等條件常對植物生長不利,其植株一般小于陸地植株,如大竹峙島喬木的平均高度約為5.6 m,平均胸徑小于10 cm,表明其多為幼齡林和中齡林,因而大竹峙島的碳密度略小于陸地是合理的。

總體來說,本研究中無人機(jī)遙感海島植被碳儲(chǔ)量展現(xiàn)了較高的估算精度。雖然該方法與傳統(tǒng)方法的結(jié)果存在一定偏差,但偏差在合理范圍內(nèi),表明本研究具有較高的可信度。

4 結(jié)論與展望

本文選取OIF值為93.98的藍(lán)光-紅邊-近紅外為波段組合對植被類型進(jìn)行分類,采用深度卷積神經(jīng)網(wǎng)絡(luò)模型對喬木和灌叢進(jìn)行了冠幅分割,構(gòu)建了喬木、灌叢、草叢生物量方程,估算了大竹峙島植被生物量和碳儲(chǔ)量,并用樣方調(diào)查實(shí)測數(shù)據(jù)驗(yàn)證了無人機(jī)遙感估算結(jié)果的精度。研究結(jié)果表明,大竹峙島植被碳儲(chǔ)量總計(jì)369.54 t,其中喬木300.36 t、灌叢47.59 t、草叢21.59 t;植被分類精度OA達(dá)99.72%,Kappa系數(shù)為0.995 4。遙感單木樹冠分割精確率為0.79;無人機(jī)遙感估算的喬木、灌叢和草叢生物量與樣方測定結(jié)果決定系數(shù)均大于0.97。

無人機(jī)遙感估算方法具有作業(yè)周期短、估算精度高的特點(diǎn),可在海島植被碳儲(chǔ)量遙感監(jiān)測體系建設(shè)和業(yè)務(wù)化工作中進(jìn)行推廣和應(yīng)用。研究獲取的監(jiān)測數(shù)據(jù)可作為海島植被衛(wèi)星遙感觀測和實(shí)地調(diào)查數(shù)據(jù)體系的補(bǔ)充。

本文中喬木生物量是在實(shí)測胸徑和冠幅構(gòu)建函數(shù)關(guān)系的基礎(chǔ)上參考陸地生物量推薦方程計(jì)算而得的?？紤]到生境的特殊性,海島喬木的形態(tài)與陸地植物存在一定差別,直接利用陸地喬木生物量方程計(jì)算其生物量可能對結(jié)果準(zhǔn)確性有一定影響。在后續(xù)探索中,將通過實(shí)測獲得的植株胸徑、冠幅等信息,結(jié)合無人機(jī)激光雷達(dá)獲取的空間點(diǎn)云數(shù)據(jù),提取喬木植株高度信息,豐富變量參數(shù),提高生物量反演模型的精度。