潘 帥，李 娟，徐 新，薛慶勇，李曉光

(1.柳河縣林業(yè)局，吉林通化 135300;2.吉林省林業(yè)科學(xué)研究院，吉林 長春 130033;3.鎮(zhèn)賚縣林業(yè)局，吉林白城 137300;4.吉林省白河林業(yè)局，吉林 延邊 133613)

傳統(tǒng)的森林蓄積量是利用角規(guī)測樹法進(jìn)行測定，這使得蓄積量的測定存在周期長、數(shù)據(jù)更新慢、人力與資金投入大等問題。遙感技術(shù)發(fā)展至今已經(jīng)普遍應(yīng)用于各行各業(yè)，為很多工作帶來了便利。早在20世紀(jì)70年代中期，國內(nèi)外學(xué)者已經(jīng)開始了利用遙感技術(shù)進(jìn)行森林蓄積量估測的研究工作，取得了令人矚目的成果。目前，蓄積量遙感估測方法主要有線性回歸法、神經(jīng)網(wǎng)絡(luò)模型法與KNN法等，在研究估測方法的同時(shí)，許多專家也將研究重點(diǎn)轉(zhuǎn)移到遙感信息提取方面，取得了很好的效果。但是，利用遙感技術(shù)進(jìn)行森林蓄積量估測一直沒有成為當(dāng)今森林蓄積量估測的主要手段，主要原因是現(xiàn)今取得的成果在應(yīng)用方面都存在一定的局限，使得遙感技術(shù)在林業(yè)中的應(yīng)用受到了很大的限制。作者以柳河縣為研究區(qū)，通過遙感數(shù)據(jù)提取相關(guān)因子進(jìn)行建模，探討森林蓄積量估測的可行性。

1 研究區(qū)簡介

柳河縣位于吉林省東南部長白山林區(qū)，隸屬通化市，地理坐標(biāo):125°17'～ 126°35'E，41°54'～42°35'N。平均海拔434 m，全縣總面積3 349 km2。東北與輝南縣交界，東與白山市八道江區(qū)、江源區(qū)、靖宇縣相連，北與梅河口市毗鄰，南與通化縣相依，西與遼寧省清原縣、新賓縣接壤。柳河縣森林資源豐富，2010年全縣森林覆蓋率達(dá)56.8%，由天然針闊混交林、次生闊葉林和人工林構(gòu)成。主要樹種有落葉松、紅松、紫椴、水曲柳、黃菠蘿、胡桃楸、楊、榆、槭和樺等。

2 數(shù)據(jù)處理

選取研究區(qū)2010年植物生長旺盛季節(jié)的Landsat－5 TM衛(wèi)星影像，該影像空間分辨率為30 m，對(duì)影像進(jìn)行預(yù)處理(影像的大氣校正、幾何精校正、圖幅鑲嵌與邊界裁剪等影像處理);同時(shí)進(jìn)行波段運(yùn)算，計(jì)算研究區(qū)NDVI、EVI等植被指數(shù)，并利用ArcGIS軟件提取影像中每個(gè)像元的灰度值以供分析。利用研究區(qū)地形圖提取等高線，建立研究區(qū)高程模型，并從高程模型中提取研究區(qū)坡度、坡向等信息。

選取研究區(qū)內(nèi)83塊林木分布均勻的樣地(30 m×30 m)，收集樣地的森林資源一類調(diào)查資料與其它相關(guān)資料。利用其中59塊樣地資料建立模型，其余24塊作為檢驗(yàn)?zāi)Ｐ偷臉颖緮?shù)據(jù)，并利用83塊樣地蓄積量實(shí)測值與模型預(yù)測值進(jìn)行精度分析。

3 遙感估測模型

3.1 模型建立

從充分利用遙感數(shù)據(jù)的角度出發(fā)，從各波段灰度值、不同波段間灰度值的組合所派生出來的各種自變量(各種類型的植被指數(shù))，以及其它各種因子?xùn)鸥窕纬傻牟ǘ?，盡量從遙感數(shù)據(jù)中提取各種自變量用于森林蓄積量估測。根據(jù)前人的經(jīng)驗(yàn)與本研究區(qū)的現(xiàn)狀，確定利用郁閉度、高程、坡度、坡向、NDVI、RVI與TM6個(gè)波段12個(gè)因子作為自變量，根據(jù)各項(xiàng)因子的灰度值提取出樣地點(diǎn)的因子信息參與建模。在SPSS軟件中進(jìn)行樣地點(diǎn)的各項(xiàng)因子與森林蓄積量的相關(guān)性分析，得到相關(guān)系數(shù)(見表1)。

表1 自變量因子與樣地蓄積量相關(guān)系數(shù)

采用逐步回歸法，以森林蓄積量作為因變量，表1中12個(gè)相關(guān)因子作為自變量，進(jìn)行回歸分析，得到森林蓄積量遙感估算模型:

模型的決定系數(shù)為0.788，平均擬合精度為 80.40%，RMSE=26.74，平均檢驗(yàn)精度81.10% ，RMSE=26.14。

3.2 精度檢驗(yàn)

根據(jù)建立的蓄積量遙感模型，用驗(yàn)證樣本計(jì)算精度PRECISION，進(jìn)一步分析模型預(yù)測精度。

式中:i和n分別表示驗(yàn)證樣本的序號(hào)和總數(shù)。

應(yīng)用回歸模型估計(jì)的參數(shù)來估算未參與建模的數(shù)據(jù)得到模型的檢驗(yàn)精度為82.36%，見圖1。

4 估測結(jié)果

根據(jù)建立的森林蓄積量遙感估測模型，利用ArcGIS軟件對(duì)研究區(qū)森林蓄積量進(jìn)行定量反演，得到柳河縣森林蓄積量分布圖，見圖2。

圖1 逐步回歸預(yù)測值與真實(shí)樣地測定值對(duì)比

圖2 柳河縣森林蓄積量分布圖

由圖2可見，柳河縣森林蓄積集中在東部以及西北部，多分布在高海拔山地地帶，低海拔地區(qū)森林蓄積量隨著人類活動(dòng)的增加而減少。在ArcGIS軟件中，利用各個(gè)像元值相疊加求算森林蓄積量為1 226×104m3，2010年柳河縣森林資源一類調(diào)查的森林蓄積量為1 533×104m3，遙感模型估測總體精度為80.00%，達(dá)到實(shí)際應(yīng)用要求。

5 小結(jié)

以吉林省柳河縣遙感數(shù)據(jù)為基礎(chǔ)，利用其衍生出來的各項(xiàng)因子建立森林蓄積量遙感估測模型，經(jīng)過檢驗(yàn)，預(yù)測精度達(dá)82.36%。利用模型對(duì)柳河縣森林蓄積量分布進(jìn)行反演，得到森林蓄積量分布圖，通過多元統(tǒng)計(jì)分析疊加各像元值得到該縣的森林蓄積量為1 226×104m3，實(shí)際精度為80.00%，結(jié)論可靠，證明遙感技術(shù)應(yīng)用在森林蓄積量估測中確實(shí)可行。不足之處，由于時(shí)間關(guān)系，只采用了一般線性回歸方法建立模型，并沒有結(jié)合多種建模方法，通過比較選擇效果更佳的模型;在模型自變量選取時(shí)還存在片面之處，以上問題應(yīng)進(jìn)一步開展比較研究，使遙感技術(shù)在森林蓄積量估測中得到廣泛應(yīng)用。