孫福洋,王建和,付 偉,李曉松

(1.東北林業(yè)大學(xué) 林學(xué)院,哈爾濱 150040；2.中國科學(xué)院遙感與數(shù)字地球研究所,北京 100101；3.內(nèi)蒙古自治區(qū)林業(yè)工作總站,呼和浩特 010010；4.中國人民財(cái)產(chǎn)保險(xiǎn)股份有限公司內(nèi)蒙古自治區(qū)分公司,呼和浩特 010010)

由森林病蟲害導(dǎo)致的失葉、樹木死亡是全球森林?jǐn)_動(dòng)的主要因素之一。據(jù)統(tǒng)計(jì)[1],森林病蟲害的發(fā)生對我國森林產(chǎn)生了巨大危害,其發(fā)生頻次和受災(zāi)面積均呈逐年上升趨勢,每年因?yàn)椴∠x害導(dǎo)致的死亡樹木達(dá)4 000多萬株,造成的經(jīng)濟(jì)損失達(dá)1 100億元,生態(tài)服務(wù)功能損失856.1億元。 為實(shí)現(xiàn)我國林業(yè)可持續(xù)發(fā)展,政策性森林保險(xiǎn)在全國范圍內(nèi)得到了廣泛開展,截至2013年底承保面積達(dá)1.30億hm2,全國森林保險(xiǎn)參保率已達(dá)到57.19%,2013年完成理賠45 166起,賠付金額4.35億元[2]。森林保險(xiǎn)在迅速發(fā)展的同時(shí)也面臨著諸多的問題:1)承保面積大、查勘難度高,理賠時(shí)效低,當(dāng)采用人工地面調(diào)查的方式對森林病蟲害進(jìn)行查勘時(shí),由于受限于固定選取的樣地、線路和有限的人手,勘查的實(shí)時(shí)性較差,不能準(zhǔn)確、快速地反映森林質(zhì)量的實(shí)時(shí)變化；2)對于偏遠(yuǎn)的林區(qū)無法采用實(shí)地調(diào)查的方法,調(diào)查覆蓋面不廣,查勘不夠全面,由于不能全面及時(shí)地掌握災(zāi)情,容易導(dǎo)致錯(cuò)失最佳查勘時(shí)機(jī),進(jìn)而出現(xiàn)災(zāi)后查勘不及時(shí)的被動(dòng)局面；3)病蟲害成災(zāi)類型多,災(zāi)害損失評估難度大。因此,如何開發(fā)及應(yīng)用科學(xué)、先進(jìn)的理賠手段對森林病蟲害進(jìn)行理賠,是急需解決的問題。

遙感技術(shù)在森林病蟲害監(jiān)測中具有地面查勘定損不可比擬的優(yōu)越性,其原理在于各種形式的病蟲害最終都會(huì)導(dǎo)致林木的生長受到影響,冠層光譜進(jìn)而發(fā)生變化,而這些光譜變化均可以通過衛(wèi)星記錄的光譜特征進(jìn)行識別。中高分辨率衛(wèi)星數(shù)據(jù),如Landsat(30m)已經(jīng)被廣泛用于午毒蛾(gypsymoth)、山松大小蠹(Dendroctonusponderosae)、賈克松色卷蛾(choristoneurapinus)、落葉松毛蟲(pinemoth)等病蟲害監(jiān)測[3-6]。由于Landsat等傳感器時(shí)間分辨率較低,很難在生長期內(nèi)獲取多期有效數(shù)據(jù),對季節(jié)性明顯的病蟲害發(fā)生無法有效監(jiān)測。 高分辨率商業(yè)衛(wèi)星遙感數(shù)據(jù)可以保障多時(shí)相數(shù)據(jù)獲取能力,但其高昂的成本限制了其在區(qū)域尺度上的應(yīng)用。低分辨率數(shù)據(jù),如NOVV AVHRR(> 4km)也被用于大范圍森林病蟲害導(dǎo)致的失葉監(jiān)測[7-8],其結(jié)果可為在宏觀尺度上發(fā)現(xiàn)森林受災(zāi)區(qū)域提供參考,但其最小單元大概在數(shù)十平方公里左右的空間分辨率,無法滿足精準(zhǔn)理賠的需求。MODIS傳感器以其250m空間分辨率、每天的時(shí)間分辨率,在森林病蟲害監(jiān)測方面顯示出了較好潛力[9-10],成功通過健康綠色葉片變色或損失實(shí)現(xiàn)了森林病蟲害的動(dòng)態(tài)監(jiān)測。值得指出的是,已有MODIS監(jiān)測成果均針對特定蟲害類型、特定地區(qū),其方法在其它區(qū)域推廣必須十分謹(jǐn)慎,并需要經(jīng)地面真實(shí)病蟲害發(fā)生數(shù)據(jù)進(jìn)行標(biāo)定。盡管如此,利用MODIS NDVI監(jiān)測的森林葉片變色或損失可作為地面病蟲害發(fā)生嚴(yán)重程度的指示已達(dá)成共識。因而,利用MODIS NDVI構(gòu)建一個(gè)反映區(qū)域上理賠相對比例指標(biāo),即森林病蟲害理賠指數(shù),是可行的。

本文以內(nèi)蒙古東部林區(qū)為試驗(yàn)區(qū),分析了內(nèi)蒙古東部林區(qū)常見病蟲害危害發(fā)生特征,發(fā)展了基于時(shí)間序列MODIS NDVI的森林病蟲害損失評估模型,結(jié)合地面病蟲害實(shí)際受災(zāi)特點(diǎn)與嚴(yán)重程度信息,構(gòu)建了區(qū)縣尺度上的大區(qū)域森林病蟲害理賠指數(shù),計(jì)算了2016年內(nèi)蒙古東部林區(qū)的理賠指數(shù),并與地方森林病蟲害報(bào)災(zāi)數(shù)據(jù)進(jìn)行了對比以驗(yàn)證其應(yīng)用效果。

1 研究區(qū)概況

研究區(qū)共包括內(nèi)蒙古呼倫貝爾市、興安盟、錫林郭勒盟、通遼市、赤峰市、烏蘭察布市。區(qū)域內(nèi)現(xiàn)有森林面積近2 000萬hm2。近幾年來,內(nèi)蒙古每年發(fā)生森林病蟲鼠害面積高達(dá)100萬hm2,災(zāi)害種類有109種之多[11],不僅對生態(tài)、經(jīng)濟(jì)造成十分嚴(yán)重直接危害,還進(jìn)一步影響我國北方綠色屏障生態(tài)安全。

2 研究方法

2.1 遙感數(shù)據(jù)及預(yù)處理

歸一化差值植被指數(shù)(NDVI)是最為常用的指示植被變化的植被指數(shù)。本研究利用MODIS TERRA NDVI產(chǎn)品(MOD13Q1),空間分辨率250m,時(shí)間分辨率為16d。數(shù)據(jù)涵蓋時(shí)間范圍為2010—2016年,每年24期。數(shù)據(jù)從美國地址調(diào)查局網(wǎng)站下載。利用MODIS提供的MRT工具從中提取NDVI波段,并轉(zhuǎn)為tiff格式,將原始SIN投影轉(zhuǎn)換為Albers 投影。利用時(shí)間域上的濾波處理(S-G濾波)對數(shù)據(jù)集進(jìn)行重構(gòu),以降低噪聲水平。

2.2 專題數(shù)據(jù)

森林分布數(shù)據(jù)來源于“全國生態(tài)十年評估” 2010土地覆蓋分類數(shù)據(jù)[12]。該數(shù)據(jù)集采用以國產(chǎn)衛(wèi)星HJ為主的數(shù)據(jù)源,基于超算平臺的數(shù)據(jù)處理方法,自動(dòng)完成分類工作,并經(jīng)過海量地面調(diào)查點(diǎn)的修訂,最終分類精度高于85%。

2.3 地面調(diào)查

2016年在赤峰市與通遼市進(jìn)行了50個(gè)森林病蟲害地面的樣地調(diào)查,為校正基于遙感參數(shù)的森林病蟲害災(zāi)情提供數(shù)據(jù)支持。調(diào)查原則如下:1)以小班為單位,發(fā)生面積至少在6.67hm2(100畝)以上,坐標(biāo)盡可能定在中心位置,不能在邊緣位置。2)涵蓋內(nèi)蒙東部地區(qū)主要病蟲害類型,具體調(diào)查標(biāo)準(zhǔn)參見林業(yè)有害生物發(fā)生及成災(zāi)標(biāo)準(zhǔn)[13];3)樣地空間分布需要有一定代表性。

2.4 森林病蟲害遙感監(jiān)測模型

通過地面調(diào)查與文獻(xiàn)調(diào)研可知,試驗(yàn)區(qū)內(nèi)發(fā)生病蟲害導(dǎo)致樹葉變色或落葉情況在一個(gè)生長季內(nèi)重新變綠或長出的可能性較小。因此,如果發(fā)生森林病蟲害,7—8月份的NDVI肯定會(huì)收到影響降低。另外,常規(guī)森林病蟲害爆發(fā)通常持續(xù)1～3年左右,因此,相對于2016年,在2010—2015年中7—8月時(shí)間序列的NDVI中總會(huì)有一年或幾年健康的NDVI值的可以用作參考。

遵循上述原則,參考Jepsen等[9]提出的方法,對試驗(yàn)區(qū)森林區(qū)域的2010—2015年7—8月份的4期時(shí)間序列NDVI數(shù)據(jù)進(jìn)行逐像元統(tǒng)計(jì)分析,選取75分位數(shù)的NDVI作為健康森林的參考NDVI,然后,利用2016年相應(yīng)時(shí)期的NDVI值與參考值進(jìn)行對比,從病蟲害危害效應(yīng)持續(xù)性考慮,規(guī)定如果3個(gè)連續(xù)16d的NDVI值低于參考值的像素則可以判定該處為森林收病蟲害影響區(qū)域。最后,對確定為森林病蟲害影響的像元,計(jì)算2016年7—8月份4期NDVI數(shù)據(jù)與參考值的減少比例,加和構(gòu)建森林病蟲害危害程度參量。

結(jié)合地面森林病蟲害調(diào)查數(shù)據(jù),分析不同程度病蟲害的森林病蟲害危害程度遙感參量,確定合適閾值將森林病蟲害程度進(jìn)行分級。

2.5 理賠指數(shù)設(shè)計(jì)

考慮到森林保險(xiǎn)管理?xiàng)l例,以旗縣為單位,定義森林病蟲害理賠指數(shù)為森林病蟲害受災(zāi)面積比例,即受災(zāi)面積與總承保森林面積之比例,以在宏觀尺度上為保險(xiǎn)公司理賠提供參考。

3 結(jié)果與分析

3.1 森林病蟲害危害程度參量分析

將森林病蟲害危害程度參量對應(yīng)地面調(diào)查數(shù)據(jù)分析可知,闊葉林輕度災(zāi)害、中度災(zāi)害樣地對應(yīng)的森林病蟲害程度參量均為無效值,表明本研究提出的基于MODIS-NDVI時(shí)間序列分析的模型不能對闊葉林的輕、中度受災(zāi)進(jìn)行有效識別,而闊葉林重度受災(zāi)樣地對應(yīng)的森林病蟲害程度參量均為有效值,平均值為-85%,證明該模型可對落葉闊葉林的重度病蟲害受災(zāi)進(jìn)行有效監(jiān)測；針葉林輕度受災(zāi)樣地對應(yīng)的森林病蟲害程度參量均為無效值,表明該模型不能對針葉林的輕度受災(zāi)進(jìn)行有效識別。對于針葉林中、重度受災(zāi)樣地,森林病蟲害危害程度參量則均為有效值,平均值為-45%,中度與重度之間因病蟲害類型不同存在參量重疊情況,因此不作區(qū)分。因此,對于闊葉林選取平均值減標(biāo)準(zhǔn)差為閾值來識別病蟲害重度受災(zāi),閾值為-50%；對于針葉林同樣選取平均值減標(biāo)準(zhǔn)差為閾值來識別病蟲害中、重度受災(zāi),閾值為-30%。

3.2 森林病蟲害成災(zāi)情況空間分析

根據(jù)闊葉與針葉林的閾值,對2016年試驗(yàn)區(qū)的森林病蟲害成災(zāi)情況進(jìn)行了估算,結(jié)果如圖1所示。統(tǒng)計(jì)表明,總體受災(zāi)面積5 252km2,約合52萬hm2。其中受災(zāi)面積超過1萬hm2的有13個(gè)旗縣,分別為鄂倫春自治旗、牙克石市、扎賚特旗、科爾沁右翼前旗、扎魯特旗、額爾古納市、扎蘭屯市、阿爾山市、阿榮旗、莫力達(dá)瓦達(dá)斡爾族自治旗、鄂溫克族自治旗、巴林左旗、科爾沁右翼中旗；受災(zāi)面積在1 000～10 000hm2的有16個(gè)旗縣,分別為克什克騰旗、巴林右旗、涼城縣、阿魯科爾沁旗、根河市、林西縣、烏蘭浩特市、松山區(qū)、敖漢旗、西烏珠穆沁旗、突泉縣、翁牛特旗、正藍(lán)旗、喀喇沁旗、興和縣、寧城縣。受災(zāi)面積小于1 000hm2的有33個(gè)旗縣。

圖1 2016年內(nèi)蒙古東部森林病蟲害受災(zāi)情況

3.3 理賠指數(shù)及驗(yàn)證

通過設(shè)計(jì)好的指數(shù)對2016年內(nèi)蒙古東部林區(qū)森林病蟲害理賠結(jié)果進(jìn)行運(yùn)算并繪制成圖(圖2),將理賠結(jié)果設(shè)為6類:分別為≤1%,>1%～2%的,>2%～3%,>3%～5%,>5%～10%,>10%。理賠指數(shù)1%的有14個(gè)旗縣,>1%～2%的有14個(gè)旗縣,>2%～3%的有10個(gè)旗縣,>3%～5%的有13個(gè)旗縣,>5%～10%的有9個(gè)旗縣,主要分布在通遼市與赤峰市北部,>10%有2個(gè)旗縣。

本研究收集到了2016年內(nèi)蒙古自治區(qū)9個(gè)旗縣的森林病蟲害保險(xiǎn)數(shù)據(jù),分別為克什克騰旗、牙克石市、阿榮旗、鄂倫春自治旗、庫倫旗、奈曼旗、阿巴嘎旗、豐鎮(zhèn)市和商都縣。然后,利用本項(xiàng)目的理賠指數(shù)與森林病蟲害報(bào)災(zāi)面積與承保森林面積比例進(jìn)行相關(guān)分析,以驗(yàn)證本項(xiàng)目提出理賠指數(shù)應(yīng)用的可行性。相關(guān)分析結(jié)果如圖3所示,可以看出理賠指數(shù)與上報(bào)比例之間高度線性相關(guān),決定系數(shù)可以達(dá)到0.911 3,這說明理賠指數(shù)具有較好的應(yīng)用效果。考慮到地面查勘的巨大工作量,基于時(shí)間序列高分遙感數(shù)據(jù)的理賠指數(shù)具有極大應(yīng)用潛力。

圖2 2016年內(nèi)蒙古東部森林病蟲害保險(xiǎn)理賠指數(shù)

圖3 理賠指數(shù)與報(bào)災(zāi)實(shí)際比例相關(guān)分析

4 結(jié)語

本文利用時(shí)間序列MODIS NDVI數(shù)據(jù),結(jié)合地面實(shí)際調(diào)查數(shù)據(jù),根據(jù)時(shí)間序列數(shù)據(jù)上森林病蟲害發(fā)生特點(diǎn),設(shè)計(jì)了反映失葉率的森林病蟲害危害程度參量,構(gòu)建了以旗縣為單元的大區(qū)域森林病蟲害理賠指數(shù),驗(yàn)證結(jié)果與實(shí)際報(bào)災(zāi)情況有較好的相關(guān)性,可為森林保險(xiǎn)的理賠工作提供重要支持。然而,受空間分辨率及森林病蟲害發(fā)生及光譜響應(yīng)復(fù)雜性的影響,本研究提出的方法并不能對輕度森林病蟲害有效識別,對闊葉林甚至中度受災(zāi)情況也無法反映,未來尚需要進(jìn)一步完善。

[1] 宋玉雙,蘇宏鈞,于海英,等.2006—2010年我國林業(yè)有害生物災(zāi)害損失評估[J].中國森林病蟲,2011,30(6):1-4.

[2] 高播,張英,趙榮,等.政策性森林保險(xiǎn)制度設(shè)計(jì)創(chuàng)新研究[J].林業(yè)經(jīng)濟(jì),2016(2):27-32.

[3] Nelson R F.Detecting forest canopy change due to insect activity using Landsat MSS[J].PE & RS,1983,49:1303-1314.

[4] Mukai Y,Sugimura T,Watanabe H,et al.Extraction of areas infested by pine bark beetle using Landsat MSS data[J].PE &RS,1987,54:77-81.

[5] Radeloff V C,Mladenoff D J,Boyce M S.Detecting jack pine budworm defoliation using spectral mixture analysis:separating effects from determinants[J].Remote Sensing of Environment,1999,69(2):156-169.

[6] 武紅敢,喬彥友,陳紅林.浙江山地馬尾松林分針葉量的動(dòng)態(tài)變化及其遙感監(jiān)測[J].自然資源學(xué)報(bào),1998,13(4):359-363.

[7] Fraser R H,Abuelgasim A,Latifovic R.A method for detecting large-scale forest cover change using coarse spatial resolution imagery[J].Remote Sensing of Environment,2005,95(4):414-427.

[8] 劉志明,晏明,張旭東,等.用氣象衛(wèi)星監(jiān)測大范圍森林蟲害方法研究[J].自然災(zāi)害學(xué)報(bào),2002,11(3):109-114.

[9] Jepsen J U.Hagen S B,H?gda K A,et al.Monitoring the spatio-temporal dynamics of geometrid moth outbreaks in birch forest using MODIS-NDVI data[J].Remote Sensing of Environment,2009,113(9):1939-1947.

[10] Spruce J P,Sader S,Ryan R E,et al.Assessment of modisndvi time series data products for detecting forest defoliation by gypsy moth outbreaks[J].Remote Sensing of Environment,2011,115(2):427-437.

[11] 趙勝國.內(nèi)蒙古森林病蟲害的發(fā)生、危害及防治對策[J].內(nèi)蒙古林業(yè),2004(1):26-27.

[12] Zhang L,Li X,Yuan Q,et al.Object-based approach to national land cover mapping using HJ satellite imagery[J].Journal of Applied Remote Sensing,2014,8(2):464-471.

[13] LY/T 1681-2006,林業(yè)有害生物發(fā)生及成災(zāi)標(biāo)準(zhǔn)[S].