劉學(xué)龍 ，賴日文 ，b，汪 琴 ，陳 芳 ，葉 偉

(福建農(nóng)林大學(xué) a.林學(xué)院；b. 3S技術(shù)應(yīng)用研究所，福建 福州 350002)

森林碳儲量遙感估測模型構(gòu)建研究
——以閩江流域杉木林為例

劉學(xué)龍a，賴日文a，b，汪 琴a，陳 芳a，葉 偉a

(福建農(nóng)林大學(xué) a.林學(xué)院；b. 3S技術(shù)應(yīng)用研究所，福建 福州 350002)

以福建省閩江流域?yàn)檠芯繉ο?，利用年均降水、溫度?shù)據(jù)，結(jié)合改進(jìn)NPP模型構(gòu)建基于氣象因子的森林生產(chǎn)力估測模型，并通過森林生產(chǎn)力與二類調(diào)查結(jié)果對應(yīng)的小班年齡曲線建立森林生物量模型，以此獲得遙感估測模型所需的樣地生物量，在此基礎(chǔ)上利用遙感影像和杉木平均含碳率可以成功構(gòu)建森林生物量非線性遙感估測模型和碳儲量遙感估測模型。本研究不僅能建立森林碳儲量模型，而且避免了繁雜的森林生物量野外實(shí)測，節(jié)省了大量的人力物力，且不需砍伐森林樹木。實(shí)驗(yàn)計(jì)算結(jié)果：閩江流域杉木林碳儲量2003～2012年從10 337 774 t增加到 19 624 374 t。

森林遙感；森林碳儲量；森林生產(chǎn)力估測模型；森林生物量

近年來，全球CO2排放量顯著升高，進(jìn)而影響全球氣候變化，造成生態(tài)環(huán)境惡化，尤其是我國，其未得到遏制，反日益嚴(yán)重，這引起了許多科學(xué)家對生態(tài)系統(tǒng)中碳平衡以及碳存儲和分布的關(guān)注[1-3]。森林是地球上最重要的生態(tài)系統(tǒng)，在全球碳循環(huán)中居重要地位，良好的森林經(jīng)營可以減少大氣中的 CO2含量[4-5]。在當(dāng)前全球氣候變化引起很多環(huán)境問題的背景下研究森林碳儲量具有重要意義?，F(xiàn)如今對森林碳儲量的估測，無論在森林群落或森林生態(tài)系統(tǒng)尺度上，還是在區(qū)域、國家尺度上，普遍采用的方法大多是通過直接或間接測定森林植被的生產(chǎn)量與生物現(xiàn)存量再乘以生物量的含碳率推算而得[6-10]。我國森林普遍采用的含碳率為0.5。對于森林生物量估測方法主要有兩類：基于森林資源清查數(shù)據(jù)的傳統(tǒng)估計(jì)方法[11]和基于遙感信息技術(shù)的估計(jì)方法。遙感數(shù)據(jù)估測作為森林生物量測定的有效手段，已經(jīng)得到眾多學(xué)者的認(rèn)可，與傳統(tǒng)的生物量估算方法比較，可快速、準(zhǔn)確、無破壞地對生物量進(jìn)行估算，對森林生態(tài)系統(tǒng)碳儲量進(jìn)行宏觀和動態(tài)的監(jiān)測[12]。傳統(tǒng)森林生物量和森林碳儲量的估測模型，都要通過大量的野外實(shí)測，獲取森林生物量作為因變量來進(jìn)行模擬，這不僅需要消耗大量的人力物力，而且會破壞生態(tài)環(huán)境[13]。本研究主要以氣象因子估算的森林生產(chǎn)力推算森林生物量，以植被類型斑塊（樣地）為評價(jià)單元，以福建省閩江流域杉木林為研究對象，利用氣象因子、遙感信息結(jié)合地面一、二類調(diào)查資料和地形因子，探索構(gòu)建基于森林生產(chǎn)力的森林生物量估測模型，提取森林生物量遙感模型所需要的杉木林樣地生物量，在此基礎(chǔ)上利用遙感影像，以GIS為平臺快速構(gòu)建杉木林生物量和碳儲量的非線性遙感模型。研究過程中既節(jié)省了人力和物力，也不會造成生態(tài)破壞。

1 研究區(qū)域概況

閩江流域位于 116°23′～ 119°35′E， 25°23′～28°16′N，是福建省最大的水系。閩江作為中國東南沿海最大河流，也是福建省的第一大江, 發(fā)源于福建、江西交界的建寧縣均口鄉(xiāng)，自西向東流入東海。主流上源為沙溪的水茜溪，全長577 km，河流總長2 872 km，河道平均坡降0.5‰，流域面積60 092 km2，約占福建全省面積的一半,為福建水路交通的大動脈，干支流流經(jīng)38個(gè)縣（市、區(qū)）（含浙江省慶元、龍泉2縣）。閩江流域以南平、水口為界，劃分為上、中、下游。閩江流域氣候溫和，雨量充沛，立地條件良好，森林資源豐富。自改革開放以來，閩江流域的森林覆蓋率日益提高，但林分質(zhì)量較低，結(jié)構(gòu)性失調(diào)問題逐漸突出[14]。

2 數(shù)據(jù)處理與研究方法

2.1 數(shù)據(jù)收集

本研究所用數(shù)據(jù)為福建省閩江流域晴朗天氣情況下2003年TM、2012年TM遙感影像數(shù)據(jù)；1∶1萬閩江流域地形圖、1∶5萬閩江流域DEM、閩江流域行政區(qū)圖和土壤質(zhì)量有關(guān)因子等專題地圖；收集該區(qū)域1982～2012年各縣市的溫度和降水量數(shù)據(jù)；福建省最近一類調(diào)查樣地資料和最近二類清查數(shù)據(jù)資料。為了研究的準(zhǔn)確性和便于處理，本研究以杉木林為研究對象，其它杉類植被皆歸并于杉木進(jìn)行研究。

2.2 研究方法與數(shù)據(jù)處理

將溫度、降水和土壤因子插值得到柵格圖層，利用已經(jīng)提取的閩江流域土地利用類型專題信息遙感影像柵格圖，借助ERDAS軟件提取林地部分作為研究評價(jià)對象。

式中：E為林地年實(shí)際蒸散量，P為林地年平均降水量，T為林地年平均氣溫。

利用閩江流域林地實(shí)際蒸散量柵格圖層，計(jì)算閩江流域森林氣候生產(chǎn)力并建立相應(yīng)的30 m×30 m（與遙感影像像元大小相一致）柵格圖層[15-17]。

式（1）中：PNPP(E)為由年實(shí)際蒸散量計(jì)算的森林氣候生產(chǎn)力，E為林地年實(shí)際蒸散量。

在此基礎(chǔ)上以林地土壤有機(jī)質(zhì)、土層厚度、N、P、K含量、土壤侵蝕強(qiáng)度作為土壤質(zhì)量因子來修正森林氣候生產(chǎn)力模型，以此來構(gòu)建森林生產(chǎn)力模型，并建立柵格圖層[18]。

式（2）中：PNPP(S)為由森林氣候生產(chǎn)力計(jì)算的森林生產(chǎn)力，Ki為各柵格土壤質(zhì)量訂正系數(shù)，采用加權(quán)指數(shù)和法計(jì)算各柵格林地土壤質(zhì)量綜合指數(shù)所得。

式（3）中：Ki為各柵格土壤質(zhì)量訂正系數(shù)，aj為各評價(jià)因子權(quán)重，Ai為各評價(jià)因子得分值。

基于福建省最近一次一類調(diào)查樣地資料和最近二類清查數(shù)據(jù)資料，結(jié)合已經(jīng)得到的森林生產(chǎn)力柵格數(shù)據(jù)擬合構(gòu)建杉木林小班年齡曲線，計(jì)算各林齡杉木生產(chǎn)力。累計(jì)各年生產(chǎn)力得到的量與相對應(yīng)年份的杉木林蓄積生長曲線斜率的乘積作為杉木林生物量遙感估測模型所需樣地生物量。

式（4）中：S為杉木林生產(chǎn)力，t為小班林齡。

根據(jù)福建省森林評估材料可知杉木林蓄積生長曲線為：

式（5）中：V為杉木蓄積量，t為小班林齡。

通過以上方法得到樣地生物量，然后利用閩江流域遙感影像和DEM，通過提取各波段的值、各波段比值與植被指數(shù)及坡度、坡向、海拔等相關(guān)地形因子，采用主成分分析、相關(guān)分析和因子分析結(jié)合理論分析進(jìn)行有效地篩選變量，便可建立杉木林遙感估測模型。

圖1 閩江流域森林氣候生產(chǎn)力Fig. 1 Forest climate productivity of Minjiang watershed

3 結(jié)果分析

3.1 構(gòu)建杉木林碳儲量遙感估測模型

在得到樣地生物量后，根據(jù)上文所提的方法進(jìn)行逐步回歸分析，剩下TM4/TM3、坡向、NDVI三個(gè)因子構(gòu)建杉木林生物量遙感估測模型。

選取22個(gè)樣地小班用于建模，得到模型公式：

式（6）中：Y為杉林木生物量，X1、X2、X3分別為TM4/TM3、坡向、NDVI。

為了檢驗(yàn)反演模型的精度，利用剩下的11個(gè)杉木林樣地生物量計(jì)算值與預(yù)測值進(jìn)行驗(yàn)證，并用決定系數(shù)R2和相對誤差ERE進(jìn)行定量精度分析[19]。

式（7）中：VCEsti、VCobsi分別為第i個(gè)樣地的杉木林生物量的預(yù)測值和實(shí)測值，n是樣本總數(shù)。

計(jì)算可得ERE=2.508 6%，模型的決定系數(shù)R2=0.730，模型的精度是可以用于估算研究區(qū)杉木林的碳儲量。

利用所得到的森林生物量遙感估測模型，基于森林含碳率（我國森林普遍采用的轉(zhuǎn)化率為0.5）構(gòu)建杉木林碳儲量遙感估測模型，得到閩江流域森林碳儲量柵格圖，再用ERDAS進(jìn)行掩膜處理，得到杉木林碳儲量柵格圖。

圖2 閩江流域森林生產(chǎn)力Fig. 2 Forest productivity of Minjiang watershed

式（8）中：C為杉木林碳儲量，X1、X2、X3分別TM4/TM3、坡向、NDVI。

3.2 模型校正

欲將以上建立的2003年杉木林碳儲量反演模型應(yīng)用于2012年的杉木林碳儲量反演，需對2003年的模型進(jìn)行相對輻射校正，使其能夠應(yīng)用于2012年的影像?；趥尾蛔兲卣髟韀20]的相對輻射校正是一種最常用的方法[21]。通過采集兩幅影像圖上不隨時(shí)間發(fā)生變化的象元，并對其進(jìn)行回歸法分析，找出兩者關(guān)系并用于校正所建立的模型[19]。

Y1、Y2分別為2012年的TM4/TM3和NDVI，X1和X2分別為2003年的TM4/TM3和NDVI。

將回歸方程（9）、（10）帶入回歸方程（8）中，得到校正后的2012年杉木林碳儲量遙感估測模型。

C2012為碳儲量，X1、X2、X3分別為 2012年TM4/TM3、坡向、NDVI。

利用上文建立的2003、2012年杉木林碳儲量反演模型對各年份的杉木林碳儲量進(jìn)行反演計(jì)算得表1。

表1 閩江流域杉木林碳儲量Table 1 Carbon reserves of Cunninghamia lanceolata of Minjiang watershed

圖3 2003年閩江流域杉木碳儲量Fig. 3 Carbon reserves of C. lanceolata in Minjiang watershed in 2003

4 結(jié)論與討論

根據(jù)本研究，利用氣象因子和杉木林小班年齡曲線可以得到杉木林生物量，其數(shù)據(jù)較精確，可以用于建立生物量遙感估測模型，計(jì)算出杉木林生物量和碳儲量, 而且本研究方法避免了傳統(tǒng)方法中費(fèi)時(shí)費(fèi)力的調(diào)查、取樣等。與傳統(tǒng)的碳儲量估算方法比較，可快速、準(zhǔn)確、無破壞地對生物量進(jìn)行估算，對生態(tài)系統(tǒng)碳儲量進(jìn)行宏觀和動態(tài)監(jiān)測，為森林生物量和碳儲量的研究提供了一種新的、節(jié)約便利的研究方法。本次研究計(jì)算的碳儲量總量結(jié)果：2003～2012年福建省閩江流域杉木林碳儲量從10 337 774 t增加到19 624 374 t。

不過此方法沒有考慮杉木林受到的人為砍伐和自然災(zāi)害的影像，在估算的過程中會出現(xiàn)一定的誤差。本研究方法可以推廣到馬尾松林和闊葉林應(yīng)用，但是對壽命較短的竹林和樹種差異較大的經(jīng)濟(jì)林類森林還難以建立反演模型[22]。對于這些問題，可做進(jìn)一步研究。

2003～2012年福建省閩江流域杉木林碳儲量從10 337 774 t增加到19 624 374 t，考慮到砍伐因素，杉木林碳儲量的增長是因?yàn)楦＝ㄊ〗陙韺ι纸ㄔ斓耐度牒捅Ｗo(hù)。從圖3和圖4中可以看出福建省東南靠近海的一側(cè)杉木林較少，而西部靠近內(nèi)陸一側(cè)杉木林較多。

圖4 2012年閩江流域杉木碳儲量Fig. 4 Carbon reserves of C. lanceolata in Minjiang watershed in 2012

[1] 葛全勝,戴君虎,何凡能,等. 過去300年中國土地利用、土地覆被變化與碳循環(huán)研究[J]. 中國科學(xué):地球科學(xué),2008,38(2): 197-210.

[2] 劉雯雯,項(xiàng)文化 ,田大倫,等. 區(qū)域尺度杉木林生物量通用相對生長方程整合分析 [J].中南林業(yè)科技大學(xué)學(xué)報(bào),2010,30(4):7-14.

[3] 何 方.中國生態(tài)區(qū)劃分與評價(jià)和保護(hù)建設(shè)的研究( Ⅰ)[J].經(jīng)濟(jì)林研究,2002,20(3):1-6.

[4] Moffat A S. Resurgent forests can be greenhouse gas sponges [J].Science, 1997, 277: 315-316.

[5] 潘勇軍,王 兵,陳步峰,等.江西大崗山杉木人工林生態(tài)系統(tǒng)碳匯功能研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2013,10(10):120-125.

[6] 劉國華,傅伯杰,方精云.中國森林碳動態(tài)及其對全球碳平衡的貢獻(xiàn)[J].生態(tài)學(xué)報(bào)，2000, 20(5):733-740.

[7] 楊曉梅, 程積民, 孟 蕾. 黃土高原子午嶺森林碳儲量與碳密度研究[J].水土保持學(xué)報(bào),2010,24(6):123-127.

[8] 楊洪曉,吳 波,張金屯,等.森林生態(tài)系統(tǒng)的固碳功能和碳儲量研究進(jìn)展[J].北京師范大學(xué)學(xué)報(bào):自然科學(xué)版,2005,41(2): 172-177.

[9] 鄧 蕾.上官周平. 基于森林資源清查資料的森林碳儲量計(jì)量方法[J]. 水土保持通報(bào),2011,31(6):143-147.

[10] 張 志,陳爾學(xué).森林地上生物量估測方法研究綜述[J].東北林業(yè)大學(xué)學(xué)報(bào),2011,33(5)144-150.

[11] 劉雯雯.區(qū)域杉木林生物量估算方法清單及可靠性檢驗(yàn)[D].中南林業(yè)科技大學(xué),2009,4.

[12] 盧景龍,梁守倫,劉 菊,等.山西省森林植被生物量和碳儲量估算研究[J].中國農(nóng)學(xué)通報(bào),2012,28,( 31):51-56

[13] 羅云建,張小全,王效科,等. 森林生物量的估算方法及其研究進(jìn)展[J].林業(yè)科學(xué),2009,08(8):129-134

[14] 蘇時(shí)鵬,張春霞.閩江流域森林資源與環(huán)境關(guān)系的動態(tài)分析[J].福建環(huán)境, 2004,(3):47-48.

[15] 賴日文,劉 健,余坤勇,等.基于遙感和GIS的森林生產(chǎn)力空間格局與分異[J].福建林學(xué)院學(xué)報(bào),2007,27(4):360-364.

[16] LiethH. Modeling the primary productivity of the world [J].Nature and Resources, 1972, 8(2): 5-10.

[17] 閻淑君,洪 偉,吳承禎,等.自然植被凈第一生產(chǎn)力模型的改進(jìn)[J].江西農(nóng)業(yè)大學(xué)學(xué)報(bào), 2001, 23(2): 248-252.

[18] 余坤勇,劉 健,賴日文.基于RS和GIS林地植被生產(chǎn)力估測研究[J].安徽農(nóng)業(yè)科學(xué), 2009,37(29):14327-14329.

[19] 黃紹霖,徐涵秋,劉智才,等.福建長汀河田盆地的馬尾松林碳儲量時(shí)空動態(tài)變化分析[J].海峽兩岸紅壤區(qū)水土保持研討會論文集,2012,11:155-162.

[20] Schott J R, Salvaggio C, Volchok W J. Radiomatric scene normalization using pseudo invariant features[J].Remote Sensing of Environment, 1988,26(1):1-16.

[21] 徐秋涵.Landsat遙感影像正規(guī)化處理的模型比較研究[J].地球信息科學(xué),2008,10(3):294-301.

[22] 何 方.我國經(jīng)濟(jì)林現(xiàn)狀、問題與對策[J].經(jīng)濟(jì)林研究, 1996,12, 30:11-16.

Research on remote sensing model of forest carbon storage∶ A case study of Chinese fi r in Minjiang watershed

LIU Xue-longa, LAI Ri-wena,b, WANG Qina, CHEN Fanga, YE Weia
(a. College of Forestry; b. Institute of Geomatics Application, Fujian Agriculture and Forestry University, Fuzhou 350002, Fujian, China)

∶ By taking Minjiang watershed in Fujian province as the studied object, using the annual average precipitation and temperature of the area, and adopting the improved NPP model, the forest productivity estimation model for Minjiang watershed of Fujian province was set up. Then, through combining the obtained remote sensing image and forest productivity, the nonlinear remote sensing estimation model of forest biomass and remote sensing estimation model of carbon storage in forests were established based on sub-compartment age curve which is corresponding with second class investigation. The methods can only establish the forest biomass carbon storage model but also avoide the complexity of forest biomass in fi eld measurement, without felling of forest trees, and save a lot of manpower and material resources. The experimental and computational results show that the carbon storage of Chinese fi r in Minjiang watershed increased from 10 337 774 tons to 19 624 374 tons from 2003 to 2012.

∶ remote sensing of forest; forest carbon storage; forest productivity estimation model; forest biomass

S771.8

A

1673-923X(2014)06-0076-05

2013-12-25

福建省自然科學(xué)基金計(jì)劃項(xiàng)目（2011J01258）資助

劉學(xué)龍 （1989-），男，安徽壽縣人，碩士研究生，主要從事3S技術(shù)在資源環(huán)境中的應(yīng)用；E-mail：liuxuelong999@163.com

賴日文（1970-），男，福建政和人，副教授，博士，主要從事3S技術(shù)在資源環(huán)境中的應(yīng)用、森林資源經(jīng)營管理研究；E-mail：fjlrw@126.com

[本文編校：文鳳鳴]