鄭冬梅,智長貴,黃國勝,曾偉生,張 云

(國家林業(yè)局調查規(guī)劃設計院,北京 100714)

0 引言

國家森林資源連續(xù)清查是獲取全國和各省(區(qū)、市)森林資源狀況的重要方法。從1973年全國開展第一次森林資源清查以來,到2013年,我國已開展了八次森林資源清查,目前正在開展第九次森林資源清查。森林資源連續(xù)清查在保證調查精度和可靠性的條件下產出了客觀翔實的數據,森林資源連續(xù)清查結果為制定和調整林業(yè)方針政策、規(guī)劃、計劃,監(jiān)督檢查各地森林資源消長任期目標責任制提供了重要依據。但是,隨著社會經濟的快速發(fā)展,森林資源連續(xù)清查已經不能滿足國家和各省快速發(fā)展的國民經濟的要求,主要表現在調查周期較長,數據時效性差。

為提高全國森林資源監(jiān)測成果的時效性,縮短森林資源數據產出周期,滿足國家和各省國民經濟建設發(fā)展的需要,在保持國家森林資源連續(xù)清查體系穩(wěn)定的基礎上,探索一套快速、準確、高效的森林資源監(jiān)測方法已成為我國森林資源監(jiān)測工作的重要任務之一。

從近幾年國內發(fā)表的相關文獻來看,將抽樣技術和遙感技術相結合,采用遙感大樣地調查是許多專家和學者探討較多的方法。陳振雄等[1]以廣東省森林資源清查為例,采用大樣地雙重抽樣調查方法開展了森林資源監(jiān)測研究。王雪軍等[2]基于全國第八次森林資源清查的41.5萬個地面樣地數據和全國林地利用保護規(guī)劃的“一張圖”成果數據,采用系統抽樣和分層抽樣,探討了全國森林資源森林面積、森林蓄積年度出數的基本方法。曾偉生等[3]基于我國現行森林資源清查體系的實際,探討如何實現全國森林資源年度出數方法。周琦等[4]根據江蘇省森林資源清查歷史數據,采用分層抽樣估計的方法對森林資源清查數據進行了年度更新。王柏昌等[5]用成數面積估計修正方法進行連清數據的年度更新。葛宏立等[6]研究了利用遙感數據、不同時間調查的地面樣地數據之間的關系,構造三相抽樣估計方法,以提高年度監(jiān)測的面積估計精度。

本文在全國2015年開展的森林資源宏觀監(jiān)測的基礎上,對同時開展大樣地群團樣地判讀和區(qū)劃判讀的河北、遼寧、吉林、江蘇、浙江、湖南、貴州、山西、寧夏等9省的判讀結果進行了詳細分析研究,比較群團樣地判讀和區(qū)劃判讀監(jiān)測結果的精度、效率,以期為完善全國森林資源宏觀監(jiān)測方法提供參考。

1 研究方法

項目以抽樣調查理論為基礎,采用統一的坐標系統,在全國范圍內按20km×20 km網格系統布設一套2km×2km的大樣地,在大樣地內均勻布設25個面積為0.0 667hm2(1畝)的小樣地作為一個群團。選取河北、遼寧、吉林、江蘇、浙江、湖南、貴州、山西、寧夏等9省,代表著我國的華北、東北、華東、華中、西南、西北地區(qū)的森林資源特征,同時開展大樣地群團樣地判讀(簡稱點判讀)和區(qū)劃判讀(簡稱面判讀)。9省共設置3 443個大樣地,83 710個群團小樣地(表1)。借助最新遙感影像,對于大樣地,采用圖斑區(qū)劃判讀的方式判讀地類；對于小樣地采用優(yōu)勢地類法判讀地類。根據判讀結果,結合必要的調查核實和現地驗證,統計分析各省主要地類面積。

表1 各省布設的大樣地和小樣地個數 個Tab.1 The number of large plots and cluster plots in each province

1.1 遙感數據收集與處理

遙感影像主要采用國產的資源三號、高分1衛(wèi)星等高分辨率的衛(wèi)星影像數據,時相主要集中在2015年5—10月生長季節(jié)。遙感影像處理主要包括正射校正、波段融合、影像增強、圖像裁切等過程。9省共制作3 443塊大小4mm×4mm的遙感判讀底圖。

1.2 遙感判讀與現地驗證

面判讀與點判讀均按喬木林、竹林、特殊灌木林、一般灌木林、疏林、未成林造林地、苗圃地、跡地和其他土地9種地類。根據判讀結果,9省共抽取149塊大樣地進行了現地驗證,占9省大樣地總數的4.3%。

1.3 統計分析

面判讀結果采用系統抽樣公式計算,點判讀結果采用整群抽樣公式計算,二者之間的差異采用假設檢驗方法。

1.3.1面判讀

5) 抽樣精度:P%=100-E%

式中:A為某省總面積(km2)；N為總體單元數(N=A/4)；n為樣本單元數(大樣地個數)；pi為第i個大樣地的森林面積成數；ta為可靠性指標,統一取ta=1.96。

1.3.2點判讀

5) 抽樣精度:P%=100-E%

1.3.3差異檢驗

為進一步分析點判讀與面判讀結果之間的關系,本文采用U檢驗,判定2種監(jiān)測結果是否存在明顯差異。U檢驗可用于樣本均數與總體均數的比較以及2樣本均數的比較。理論上要求樣本來自正態(tài)分布總體。但在實用時,只要樣本例數n較大,就可應用u檢驗。

2 結果與分析

2.1 森林面積

根據9省群團樣地判讀和圖斑區(qū)劃判讀結果(表2),有7個省圖斑區(qū)劃判讀的森林面積比群團樣地的判讀結果偏大,僅遼寧和寧夏2省偏低。2種方法監(jiān)測的森林面積之間存在明顯的線性關系,相關性顯著(R2=0.997),判讀結果如圖1所示。2種方法所得到的森林面積估計值不存在明顯差異。

表2 9省圖斑區(qū)劃判讀與群團樣地判讀的森林面積對比Tab.2 Comparison of forest area between zoning interpretation and point interpretation

圖1 圖斑區(qū)劃判讀森林面積與群團樣地

2.2 差異檢驗

根據9個省U值計算結果(表3),取可靠性α為95%,則Uα=1.96。由于Uα=1.96均大于U,故接受假設,即9個省的點判讀與面判讀樣本平均值無顯著性差異。

2.3 正判率

根據149塊驗證大樣地統計(表4),從林地各地類來看,喬木林、竹林由于植被特征明顯,2種判讀方式的正判率較高,基本達到95%以上；灌木林、疏林、未成林造林地、苗圃地、跡地由于地類特征不明顯,2種判讀方式的正判率較低,基本上在90%以下。從森林正判率來看,群團樣地判讀的森林正判率為93.7%,圖斑區(qū)劃判讀的森林正判率為94.5%。從綜合正判率來看,群團樣地判讀的森林正判率為93.5%,圖斑區(qū)劃判讀的森林正判率為94.9%?？偟膩砜?圖斑區(qū)劃判讀正判率比群團樣地判讀的正判率稍高,但在統計上沒有明顯差異(表4、表5)。

表3 9省圖斑區(qū)劃判讀與群團樣地判讀U檢驗結果Tab.3 U test of zoning interpretation and point interpretation

表4 群團樣地判讀各地類正判率統計Tab.4 The statistics of correct-judgement rate of point interpretation

表5 圖斑區(qū)劃判讀各地類正判率統計Tab.5 The statistics of correct-judgement rate of zoning interpretation

2.4 抽樣精度

群團樣地判讀抽樣精度總體上與圖斑區(qū)劃判讀抽樣精度基本一致(表6)。分省來看,山西、吉林、江蘇、湖南、寧夏等5省區(qū)劃判讀抽樣精度比群團抽樣精度略高,河北、遼寧、浙江、貴州等4省群團抽樣精度比區(qū)劃判讀抽樣精度略高,這說明群團抽樣的效果與對整個大樣地進行區(qū)劃判讀的效果相當。

表6 9省群團判讀與區(qū)劃判讀的森林面積 抽樣精度統計 %Tab.6 The statistics of forest area of sampling precision between point interpretation and zoning interpretation

2.5 點面判讀不一致原因

通過對吉林和遼寧2省群團樣地判讀與圖斑區(qū)劃判讀的地類(按森林和非森林歸類)所作的專題分析,不一致的小樣地共690個。經過對不一致小樣地逐塊查看,因小樣地跨2個或2個以上圖斑導致不一致的占40.1%,小樣地落在林中空地導致不一致的占34.4%;小樣地落在大片無林中的小塊喬木林導致不一致的占17.3%;有云覆蓋、時相不好及陰影等導致不一致的占8.2%。綜合來看,圖斑區(qū)劃判讀結果偏大的主要原因:一是圖斑區(qū)劃判讀的精細化程度不夠,導致森林圖斑中還存在一定面積的非森林地塊；二是區(qū)劃森林圖斑界線時受邊界效應和關注效應影響,一般會存在一定的位置偏移,從而導致森林圖斑面積偏大。遼寧、吉林群團樣地判讀和圖斑區(qū)劃判讀地類不一致情況如表7所示。

遼寧省群團樣地判讀和圖斑區(qū)劃判讀不一致的有427個,占全省樣地總數9 206的4.6%。其中,因小樣地跨2個或2個以上圖斑導致不一致的占37.5%;小樣地落在林中空地導致不一致的占27.6%;小樣地落在大片無林中的小塊喬木林導致不一致的占24.1%;有云覆蓋、時相不好及陰影等導致不一致的占10.8%。遼寧省群團樣地判讀與圖斑區(qū)劃判讀地類不一致轉移情況如表8所示。

吉林省群團樣地判讀和圖斑區(qū)劃判讀不一致的有263個,占全省樣地總數11 900的2.2%。其中,因小樣地跨2個或2個以上圖斑導致不一致的占44.5%;小樣地落在林中空地導致不一致的占45.3%;小樣地落在大片無林中的小塊喬木林導致不一致的占6.1%;有云覆蓋、時相不好及陰影等導致不一致的占4.2%。吉林省群團樣地判讀與圖斑區(qū)劃判讀地類不一致轉移情況如表9所示。

表7 群團樣地判讀和圖斑區(qū)劃判讀地類不一致原因統計Tab.7 The statistics of inconsistent reason between point interpretation and zoning interpretation

表8 遼寧省群團樣地判讀與圖斑區(qū)劃判讀地類不一致轉移矩陣 個Tab.8 The transition matrix of land class between point interpretation and zoning interpretation in Liaoning Province

表9 吉林省群團樣地判讀與圖斑區(qū)劃判讀地類不一致轉移矩陣 個Tab.9 The transition matrix of land class between point interpretation and zoning interpretation in Jilin Province

3 結論與討論

1) 高分辨率遙感影像數據對森林植被識別效果較好。本次監(jiān)測所用的影像數據70%空間分辨率優(yōu)于2m,森林植被紋理結構特征明顯,通過目視判讀能夠清晰地識別,經實地驗證,群團樣地判讀的森林正判率達到93.7%,圖斑區(qū)劃判讀的森林正判率達到94.5%,取得了預期的效果。利用高分辨率遙感數據能夠識別出喬木林等森林植被。

2) 從9省監(jiān)測結果看,大樣地圖斑區(qū)劃判讀結果比群團樣地判讀結果偏大。除遼寧、寧夏分別偏小4.18%,2.09%外,其余7省均有所偏大,其中河北、山西、吉林、江蘇、浙江、湖南、貴州分別偏大4.87%,4.91%,0.28%,4.99%,0.59%,3.53%,3.75%。從總體上看,9省合計共偏大1.88%。

3) 群團樣地花費人力物力較少。從工作量看,群團樣地判讀比圖斑區(qū)劃判讀的工作量小很多(判讀工作量大約1∶10的關系),采用群團樣地判讀的方法監(jiān)測森林面積,質量相對易控制、工作量較小、工作效率更高。

4) 利用高分辨率遙感技術手段,快速產出全國和各省森林面積的方法是基本可行的,主要地類的正判率達到了預期要求。圖斑區(qū)劃判讀結果比群團樣地判讀結果偏大,群團樣地判讀比圖斑區(qū)劃判讀工作量小得多。采取群團樣地判讀方法監(jiān)測森林面積,可以提高工作效率、實現快速出數。

5) 本次監(jiān)測采取全國20km×20km的統一框架設置2km×2km大樣地,有些省份如江蘇、寧夏等,布設的大樣地數量較少,監(jiān)測的森林面積精度不足90%。可以考慮適當加密布設大樣地,進一步優(yōu)化各省宏觀監(jiān)測的抽樣設計,形成一個科學合理的全國森林資源宏觀監(jiān)測的抽樣框架。

[1] 陳振雄,熊志平,曾偉生,等.基于大樣地雙重抽樣方法的廣東省森林資源監(jiān)測研究[J].中南林業(yè)調查規(guī)劃,2014(3):28-33.

[2] 王雪軍,張煜星,黃國勝,等.全國森林面積和森林蓄積年度出數方法探討[J].江西農業(yè)大學學報,2016,38(1):9-18.

[3] 曾偉生.全國森林資源年度出數方法探討[J].林業(yè)資源管理,2013(1):26-31.

[4] 周琪,姚順彬.分層抽樣下的森林資源清查數據年度更新探討[J].林業(yè)資源管理,2009(6):117-119.

[5] 王柏昌,張偉東.用成數面積估計修正方法進行連清數據年度更新的探討[J].華東森林經理,2005,19(2):51-54.

[6] 葛宏立,周國模,張國江,等.遙感地面三相抽樣及其在森林資源年度監(jiān)測面積估計中的應用[J].林業(yè)科學,2007,43(6):77-82.