樊 晶 楊燕瓊

（華南農業(yè)大學 林學與風景園林學院，廣東 廣州 510642）

基于遙感的森林健康度分析*
——以東莞桉樹林為例

樊 晶 楊燕瓊

（華南農業(yè)大學 林學與風景園林學院，廣東 廣州 510642）

以東莞市內桉樹林為研究對象，2014年Landsat 8數據及森林資源調查數據作為主要信息源，通過相關分析和主成分分析，探討TM光譜值、植被指數對東莞桉樹健康度的解釋作用。結果表明：公頃株數、郁閉度、TM11/TM10、TM7、TM11-TM10、EVI、平均胸徑、坡向、坡位、PVI、TM5/TM4、坡度、海拔和NDVI是反映桉樹林健康度的主要因子，利用遙感因子TM7、TM11-TM10、TM5/TM4、TM11/TM10、NDVI、EVI、PVI可快速判斷桉樹林的健康狀況，判對率達92.00%。

森林健康；主成分分析；遙感；桉樹

遙感技術可對森林資源狀況進行實時動態(tài)分析，能克服傳統(tǒng)森林資源調查代價高昂、時空局限性、整體結果可信度低的缺點[1-2]，利于較好地了解時空異質性和等級結構復雜的森林健康狀況，被廣泛應用于單木[3]、 林分[4-8]、 景觀[9-15]和區(qū)域[16-19]4 個尺度的森林健康研究。為進一步推進森林城市建設科學規(guī)范有序開展，2012年2月23日，國家林業(yè)局批準公布了《國家森林城市評價指標林業(yè)行業(yè)標準》，并于2012年7月1日起正式實施[20]。該標準對東莞市森林城市建設以及城市森林健康指標體系提出了明確要求，為森林保護和可持續(xù)經營方案及措施的制定提供了參考。但當前森林健康研究偏重于生態(tài)水平，指標選擇方面存在交叉重復現象，有較高的正、負關聯(lián)性；指標獨立性差，對特定森林類型的評價針對性不強，而利用3S技術在內的多尺度技術和方法進行森林健康研究，不僅能夠克服這些缺點，而且能夠實現長時間的森林健康監(jiān)測和健康狀況預測。本文以Landsat 8 TM圖像為遙感數據源，采用非線性拉伸法處理遙感圖像，提取、構建桉樹林的光譜信息，利用主成分分析研究東莞市桉樹林分的健康度和遙感因子及其他外業(yè)調查因子之間的關系，找出反映桉樹林健康度最重要的因子，探討快速判斷森林健康狀況的遙感方法，能為基于遙感技術的森林健康評價提供參考。

1 材料與方法

1.1 研究區(qū)概況

廣東省東莞市國土面積24.6萬hm2，地處113°31′～114°15′E， 22°39′～23°09′N，屬亞熱帶季風氣候，日照充足，雨量充沛。地勢東南高、西北低，以丘陵臺地、沖積平原為主，海拔200～600 m。東莞市地形復雜，氣候條件優(yōu)越，孕育了豐富的植物資源。該共有野生維管植物1 630種，其中蕨類植物125種，裸子植物7種，被子植物1 498種，被子植物中雙子葉植物有1 135種，單子葉植物363 種[21-22]。

1.2 遙感數據獲取與處理

綜合考慮東莞市天氣狀況，衛(wèi)星影像分辨率、性能和價格等因素，本文以2014年1月的Landsat-8數據為主要信息源，對東莞市桉樹林健康度進行遙感分析。該數據共有11個波段，空間分辨率為30 m。利用ENVI的FLAASH模塊對TM圖像進行大氣校正（除熱紅外波段外），以2008年美國Quickbird影像圖和均勻分布的52個控制點為基準對TM圖像進行幾何精校正，地面分辨率均重采樣到30 m，中誤差均小于0. 386 7 m；用ERDAS圖像處理軟件對圖像進行分段線性拉伸、裁剪、假彩色合成（圖1）。

采用2 000個桉樹林小班的外業(yè)調查數據，從中隨機抽取1 100個小班進行相關分析和主成分分析，其余900個小班用于精度檢驗。根據外業(yè)調查數據，用ERDAS軟件對每個桉樹小班均勻讀取3～5次，取平均值作為該桉樹小班的光譜值。

1.3 研究方法

根據國家森林資源連續(xù)清查森林健康等級評定標準，把森林劃分為健康、亞健康、中健康、不健康 4 個等級[23]，因中健康與不健康的桉樹林光譜值差異微小，所以將中健康和不健康放在一起研究。利用數量化理論I對地形、坡位、坡向、齡組和健康度共5個非量化因子進行數量化[24]。

圖1 2014年東莞市假彩色合成

表1 桉樹林健康度指標因子

用IBM SPSS22.0統(tǒng)計分析軟件，對98個遙感因子與22個外業(yè)調查因子（表1）進行相關分析，篩選出0.05以上顯著水平的遙感因子和外業(yè)調查因子，然后用主成分分析法選出解釋桉樹林健康度的最重要的遙感因子，并進行精度檢驗。

2 結果與分析

2.1 相關分析

通過對1 100個桉樹林分的遙感因子與外業(yè)調查因子的相關分析，得到遙感因子和外業(yè)調查因子中與桉樹林健康顯著相關的因子，見表2。坡位、坡向、海拔、郁閉度、林齡、平均高、平均胸徑、公頃株數、TM7、TM10、TM11、TM10-TM4、TM10-TM7、TM11-TM5、TM11-TM6、TM11-TM7、TM11-TM10、TM10/TM5、TM10/TM6、TM11/ TM10、NDVI、EVI、PVI、公頃蓄積、喬木生物量、下木生物量共27個因子與桉樹林健康度極顯著相關（P＜ 0.01）。坡度、TM5、TM6、TM9、TM5-TM4、TM7-TM5、TM7-TM6、TM9-TM7、TM10-TM3、TM11-TM1、TM11-TM4、TM5/TM3、TM6/TM5、TM9/TM7、TM10/TM3、TM10/TM4、TM11/TM3、TM11/TM4、TM11/ TM5、TM11/TM6、TM11/TM7、TM11/TM9、 GNDVI、TVI、SAVI、OSAVI、干生物、枝生物量、葉生物量、根生物量、草本生物量、灌木生物量共32個因子與桉樹林健康度顯著相關（P＜0.05）。其中，與桉樹林健康度相關性較高的遙感因子有TM11-TM10、TM11/TM10、TM7、NDVI 和PVI；與桉樹林健康度相關性較高的外業(yè)調查因子有郁閉度、坡向、海拔、坡位、坡度。這說明綠色波段（第3波段）、紅色波段（第4波段）、近紅外波段（第5波段）、中紅外波段（第7波段）和熱紅外波段（第10、11波段）直接或間接反映了桉樹林健康度。

2.2 主成分分析

為減少信息冗余，探討遙感因子對桉樹林健康度的解釋作用，用相關分析篩選出的與桉樹健康度相關度較高的因子和健康度進行主成分分析，結果抽樣適度測定值KMO為0.627（大于0.5），表明主成分分析結果有效[25-26]。由主成分分析的累積誤差知，前4個主成分可以反映59個因子的94%信息，且健康度的系數較大，故取4個主成分來分析，各主分量的表達式如下：

第1主成分：F1 = 0.458公頃株數-0.334健康度+ 0.276坡向-0.262坡位-0.219坡度-0.212海拔 + 0.174 TM7-0.167DBH+ ……

表 2 桉樹林健康度相關分析

第2主成分：F2 = 0.456郁閉度-0.338 DBH + 0.253PVI+ 0.249公頃株數+0.247 (TM11/TM10 )+ 0.230健康度 + 0.171坡位 + 0.158海拔+ 0.151 （TM11-TM10）+ ……

第3主成分：F3 = 0.371TM7+ 0.344 EVI + 0.220 （TM5/TM4）+ 0.209 PVI+ 0.204 NDVI+ 0.180健康度+ ……

第4主成分：F4 = 0.446（ TM11/TM10） + 0.363 （TM11-TM10）+ 0.213健康度 + 0.195坡位-0.120公頃株數 + ……

這說明第1主成分主要反映了桉樹林的公頃株數和健康度，公頃株數、健康度、坡位、坡度、坡向、海拔和平均胸徑之間關系密切。從桉樹的生物學特性可知，坡位、坡度、坡向、海拔這4個地形因素與水熱條件息息相關，因而對桉樹林的公頃株數和健康度造成影響。

第2主成分主要反映了桉樹的郁閉度、平均胸徑、生物量、公頃株數和健康度，可用PVI、TM11/TM10 和TM11-TM10來解釋桉樹的郁閉度、平均胸徑、生物量、公頃株數和健康度。TM10和TM11為熱紅外波段，垂直植被指數PVI與光合作用有關。這說明桉樹林健康度受熱環(huán)境的影響，桉樹的光合作用也影響其健康度，植被指數TM11/TM10、TM11-TM10和PVI能夠較好地反映桉樹林健康度。

第3主成分主要反映了植被指數TM5/TM4、NDVI、EVI、PVI和TM7的信息。中紅外波段TM7可指示土壤濕度；TM5/TM4是綠色植物的靈敏指示參數，與葉面積指數（LAI）和葉干生物量(DM)相關性高；NDVI和EVI可用來檢測植被生長狀態(tài)、植被覆蓋度。這說明土壤、生物量等對桉樹林健康度有一定的影響，TM5/TM4、NDVI、EVI、TM7、PVI是桉樹健康度的最佳遙感反映因子。

第4主成分主要反映了第11、10波段的比值植被指數和差值植被指數信息，這說明熱環(huán)境對桉樹健康的影響不容忽視，TM11/TM10、TM11-TM10能夠較好地反映桉樹林健康狀況。

從這4個主成分得分模型來看，反映桉樹林健康度的主要因子分別是公頃株數、郁閉度、TM11/TM10、TM7、TM11-TM10、EVI、平均胸徑、坡向、坡位、PVI、TM5/TM4、坡度、海拔和NDVI。其中，TM7、TM11-TM10、TM5/TM4、TM11/TM10、EVI、NDVI和PVI是快速判斷東莞市桉樹林健康度的遙感因子。

2.3 桉樹林健康度的遙感因子分析

結合相關分析和主成分分析的結果可知，在衛(wèi)星影像上，森林健康度主要由TM7、TM11-TM10、TM5/TM4（RVI）、TM11/TM10、歸一化植被指數、增強型植被指數、垂直植被指數反映。平均值反映了數據的集中程度，標準差反映了數據的分散程度，極差反映了數據的可取值范圍。健康與亞健康桉樹林的遙感因子取值范圍基本無重疊，中健康和不健康桉樹林遙感因子取值范圍重疊部分較多，故將中健康和不健康桉樹林遙感因子特征放在一起研究。

從表3可見，健康桉樹林光譜值TM7和植被指數TM11-TM10、TM5/TM4、TM11/TM10、NDVI、EVI、PVI的響應范圍分別為46～56、-32～4、6.037 0～12.285 7、0.750 0～1.164 2、0.456 0～0.729 2、0.463 8～0.844 4、18.926 7 ～26.415 3；亞健康桉樹林遙感因子響應范圍分別為 41～48、-3～23、4.024 4～8.740 7、0.800 0 ～1.274 5、0.356 5～0.781 4、0.385 7～0.772 7、9.772 5～19.379 8； 中健康和不健康桉樹林遙感因子響應范圍分別為35～43、23～30、2.292 7～4.764 7、1.086 7～1.371 7、0.281 4～0.329 5、0.272 7～0.472 7、2.176 3～9.688 0?？衫眠b感因子TM7、TM11-TM10、TM5/TM4、TM11/TM10、NDVI、EVI、PVI的取值范圍快速判讀桉樹林健康度狀況。

表3 各健康等級桉樹林遙感因子特征

2.4 森林健康評價的精度檢驗

為了檢驗遙感因子指示森林健康度的可靠性，對900個樣地進行精度分析。通過TM7、TM5/ TM4、TM11/TM10、TM11-TM10、EVI、NDVI、PVI遙感因子不同等級健康度的取值范圍來判讀桉樹林的健康度，然后與外業(yè)調查的健康度數據進行比較，以檢驗其精度。

從表4可見，健康桉樹林的判對率為91.96%，亞健康桉樹林的判對率為93.26%，中健康和不健康桉樹林判對率為92.31%，總體平均判對率為92.00%。這說明可利用遙感因子TM7、TM5/ TM4、TM11/TM10、TM11-TM10、EVI、NDVI、PVI快捷判讀東莞市桉樹林的健康狀況。

表4 東莞市桉樹林健康遙感評價精度

3 結論與討論

利用3S技術對廣州市森林健康進行了分析。對于林分尺度的健康研究還是主要通過傳統(tǒng)的外業(yè)調查獲取。本文利用Landsat 8影像數據信息和森林資源調查數據，采用相關性分析和主成分分析對東莞市桉樹林健康度進行遙感分析，研究遙感因子對桉樹林健康度解釋作用，研究獲取林分健康狀況的便捷方法，并對研究區(qū)內桉樹林進行精度分析，得出如下結論。

3.1 反映桉樹林健康度的主要因子分別是郁閉度、公頃株數、平均胸徑、坡位、坡度、坡向、海拔、TM7、TM11-TM10 、TM5/TM4、TM11-TM10、TM11/TM10、NDVI、EVI和PVI，而坡位、坡度、坡向、海拔和郁閉度可由遙感影像直接提取。

3.2 可利用遙感因子TM7、TM11-TM10、TM5/ TM4、TM11/TM10、NDVI、EVI、PVI的取值范圍快速判讀桉樹林的健康度，且判對率為92.00%。

3.3 本文僅針對單一桉屬樹種進行了多重因素對健康度的影響研究，然而在實際應用中，森林往往是多種樹種組成，并且天然林和人工林共存，從而對桉樹林健康度準確判斷造成了很大影響。如何結合野外實測和遙感手段，在充分考慮外業(yè)調查因子和遙感因子對森林健康狀況影響的前提下，為不同尺度森林健康度的準確估測提供參考和驗證，是未來可持續(xù)森林管理研究的趨勢。

森林作為一個具有時空異質性和等級結構的復雜系統(tǒng)，其健康狀況很難通過單一尺度上的評價得以全面揭示。而目前利用3S技術的森林健康研究較少[27-28]，僅有楊超裕等[29]基于區(qū)域尺度，

參考文獻

[1] BENNETT D D, TKACZ B M. Forest health monitoring in the United States: a program overview[J]. Australian Forestry,2008, 71(3): 223-228.

[2] 高廣磊，信忠保，丁國棟，等. 基于遙感技術的森林健康研究綜述[J]. 生態(tài)學報，2013, 33(6):1675-1689.

[3] 程志楚，曹迎春. 國家森林資源連續(xù)清查森林健康監(jiān)測方法的探討[J]. 河北林果研究，2008, 23(2): 142-145.

[4] 姬文元，刑韶華，郭寧，等. 川西米亞羅林區(qū)云冷杉林健康狀況評價[J]. 林業(yè)科學，2009, 45( 3) : 13-18.

[5] 陳高，代力民，姬蘭柱，等. 森林生態(tài)系統(tǒng)健康評估Ⅰ.模式、計算方法和指標體系[J]. 應用生態(tài)學報，2004, 15(10): 1743-1749.

[6] 高志亮，余新曉，陳國亮，等. 北京市八達嶺林場森林健康評價研究[J]. 林業(yè)資源管理，2008(4): 77-82.

[7] 李金良，鄭小賢. 北京地區(qū)水源涵養(yǎng)林健康評價指標體系的探討[J]. 林業(yè)資源管理，2004(1): 31-34.

[8] 魯少波，楊曉菲，魯紹偉，等. 河北省小五臺山森林生態(tài)系統(tǒng)健康評價研究[J]. 林業(yè)資源管理，2011(1)106-110.

[9] 馬向前，王兵，郭浩，等. 江西大崗山森林生態(tài)系統(tǒng)健康研究[J]. 江西農業(yè)大學學報，2008, 30(1): 59-64.

[10] 魯紹偉，劉鳳芹，余新曉，等. 北京市八達嶺林場森林生態(tài)系統(tǒng)健康性評價[J]. 水土保持學報，2006, 20(3): 79-82.

[11] 謝春華. 北京密云水庫集水區(qū)森林景觀生態(tài)健康研究[D]. 北京：北京林業(yè)大學，2005.

[12] 李靜銳. 基于人工神經網絡模型的森林生態(tài)系統(tǒng)健康評價[D]. 北京：北京林業(yè)大學, 2007.

[13] BROUWERS N, MATUSICK G, RUTHROF K, et al. Landscape scale assessment of tree crown dieback following extreme drought and heat in a Mediterranean eucalypt forest ecosystem[J]. Landscape Ecology, 2013, 28(1):69 - 80.

[14] 王前，蒲凌奎，姚愛靜，等. 北京八達嶺國家森林公園森林健康評價[J]. 福建林業(yè)科技，2014, 41(4):83-88.

[15] 楚春暉，佘濟云，陳冬洋. 基于SOM神經網絡的五指山市森林健康評價[J]. 中南林業(yè)科技大學學報，2015, 35(10): 69-73.

[16] 郭鳳芝. 試論森林安全的評價指標和評價方法[J]. 統(tǒng)計與咨詢，2004(4): 26-27.

[17] 周立江. 森林健康內涵及評價指標探討[J]. 四川林業(yè)科技，2008, 29(1): 27-30.

[18] DOBBS C, ESCOBEDO F J, ZIPPERER W C. A framework for developing urban forest ecosystem services and goods indicators[J]. Landscape and Urban Planning, 2011, 99(3):196 -206.

[19] ESCOBEDO F J, KROEGER T, WAGNER J E. Urban forests and pollution mitigation: analyzing ecosystem services and disservices[J]. Environmental Pollution, 2011, 159(8):2078 - 2087.

[20] 中華人民共和國國家林業(yè)局. 國家森林城市評價指標:LY/T2004—2012 [S]. 北京：中國標準出版社，2012.

[21] 沈德才,楊燕瓊,陳躍洲，等. 基于RS與GIS的東莞市熱島效應動態(tài)變化分析[J]. 林業(yè)與環(huán)境科學,2016,32(1):36-40.

[22] 沈德才,楊燕瓊,吳振彪，等. 基于Landsat8的東莞市熱島效應研究[J]. 廣東林業(yè)科技,2014,30(6):20-24.

[23] 中華人民共和國國家林業(yè)局. 森林資源數據采集技術規(guī)范：森林資源連續(xù)清查：LY/T 2188.1—2013[S]. 北京：中國標準出版社，2013.

[24] 唐守正. 多元統(tǒng)計分析方法[M]. 北京:中國林業(yè)出版社,1989.

[25] 林偉樺，楊燕瓊，侯長謀. 用主成分法進行林分及相關因子光譜特征研究[J]. 華南農業(yè)大學學報(自然科學版)，2004,25(2): 22-25.

[26] 楊燕瓊，譚曦光，羅富和. 森林調查因子與植被指數關系的研究[J]. 中南林業(yè)調查規(guī)劃，1998, 17(4): 57-61.

[27] 劉君昂，劉紅娟. 森林健康評價方法與應用[J]. 中南林業(yè)科技大學學報, 2009, 29(6): 197-200.

[28] 張國禎，甘敬，朱建剛. 北京山區(qū)森林健康的多尺度評價[J]. 林業(yè)科學, 2011, 47(6):143-151.

[29] 楊超裕，楊燕瓊，羅富和，等. 基于遙感的廣州市森林健康分析與恢復對策研究[J]. 林業(yè)資源管理, 2013(5):85-90.

Analysis of Forest Health Based on Remote Sensing Technology——A Case Study of Eucalyptus in Dongguan

FAN Jing YANG Yanqiong
(College of Forestry and Landscape Architecture, South China Agricultural University, Guangzhou,Guangdong 510642, China)

Based on the data of Landsat 8 and forest resources investigation, the paper discusses TM spectral values and vegetation indices how to interpret the health degree of the eucalyptus forests in Dongguan. Through the correlation analysis and principal component analysis, the result showed that the main factors that reflect the health of eucalyptus forests are the number of plants per hectare, canopy density, TM11/TM10, TM7, TM11-TM10, EVI, mean DBH, slope aspect, slope position, PVI, TM5/TM4, slope degree, elevation, and NDVI. The health status of eucalyptus forests can be determined quickly through the remote sensing factors of TM7, TM11-TM10, TM5/TM4, TM11/TM10, NDVI, EVI, PVI, and the precision rate is 92.00%.

forest health；principal component analysis；remote sensing；eucalyptus

S771.8

A

2096-2053（2017）01-0040-06

*第一作者：樊晶（1991— ），女，在讀碩士研究生，研究方向為森林資源動態(tài)監(jiān)測，E-mail :990052340@qq.com。

楊燕瓊（1964— ），女，副教授，主要從事3S技術在農林方面的應用研究與教學，E-mail:lik@scau.edu.cn。