趙修莉，馮仲科，周揚(yáng)揚(yáng)，林奕成

1. 引言

森林作為人類重要的資源寶庫，不僅具有不可替代的經(jīng)濟(jì)效益，更具有維持陸地生態(tài)系統(tǒng)平衡的生態(tài)效益，是生物圈的能量基地。隨著信息化和全球化發(fā)展，為了實現(xiàn)林業(yè)資源的可持續(xù)發(fā)展，人們對從森林資源調(diào)查中獲得有關(guān)單木和林分的準(zhǔn)確信息的需求日益增長[1-6]。與傳統(tǒng)測量工具相比，無人機(jī)（UAV）航空攝影測量技術(shù)具有高效快捷、操作簡便、作業(yè)成本低等優(yōu)勢，在農(nóng)業(yè)、林業(yè)等各個領(lǐng)域都得到了廣泛的應(yīng)用[7-9]。隨著各類傳感器的小型化和多樣化，作為信息獲取的一種重要方式，無人機(jī)將會被應(yīng)用到越來越廣泛的領(lǐng)域。作為數(shù)字化時代中另一種不可代替的技術(shù)——地理信息系統(tǒng)（geographic information system, GIS）也得到了飛速發(fā)展。與此同時伴隨著組件技術(shù)、互聯(lián)網(wǎng)技術(shù)等的發(fā)展。隨著這些技術(shù)的發(fā)展，地理信息系統(tǒng)開始走向組件化和網(wǎng)絡(luò)化，其傳統(tǒng)功能也得到日趨完善。例如，數(shù)據(jù)編輯、查詢統(tǒng)計、空間分析以及空間數(shù)據(jù)引擎等技術(shù)的發(fā)展都為GIS在各行業(yè)的應(yīng)用提供了強(qiáng)有力的技術(shù)支持和理論保障[10]。

森林資源是林地及其所生長的森林有機(jī)體的總稱，是生物多樣性的體現(xiàn)，森林資源為人類的生產(chǎn)生活提供了必需的物質(zhì)基礎(chǔ)。因此，如何高效、準(zhǔn)確、快速地獲取森林資源信息，成為林業(yè)行業(yè)的熱點(diǎn)問題。森林資源檢測是一項對森林資源的數(shù)量、質(zhì)量、空間分布及其利用狀況進(jìn)行定期定位觀測分析和評價的工作，其目的是及時掌握森林資源現(xiàn)狀和消長變化動態(tài)以及預(yù)測森林資源發(fā)展趨勢，為林業(yè)經(jīng)營管理的科學(xué)決策服務(wù)。中國森林資源調(diào)查最早始于甘肅省洮河林區(qū)的森林資源清查，是1950年由國家林墾部（現(xiàn)為中華人民共和國自然資源部）組織的[11]。從20世紀(jì)60年代開始，抽樣調(diào)查理論及技術(shù)、遙感技術(shù)（RS）、GIS技術(shù)、定位和導(dǎo)航系統(tǒng)技術(shù)等新型技術(shù)被應(yīng)用到林業(yè)調(diào)查中[12]，促進(jìn)了森林資源調(diào)查技術(shù)的發(fā)展，以及中國森林資源調(diào)查技術(shù)體系雛形的形成。

到20世紀(jì)80年代，中國森林資源調(diào)查的基本框架才初步形成。國家森林資源調(diào)查被分為三類：① 國家森林資源連續(xù)清查（一類調(diào)查），是以全國為清查對象的森林資源調(diào)查，其目的是摸清家底以及了解宏觀森林資源現(xiàn)狀與動態(tài)，為林業(yè)方針、方案、規(guī)劃、設(shè)計提供依據(jù)；② 森林資源規(guī)劃設(shè)計調(diào)查（二類調(diào)查），是以區(qū)劃的小班為單位開展的調(diào)查，其目的是充分掌握基層林業(yè)生產(chǎn)單位現(xiàn)狀，并為分析和檢查森林活動經(jīng)營效果以及制定森林可持續(xù)經(jīng)營方案提供依據(jù)；③ 作業(yè)設(shè)計調(diào)查（三類調(diào)查），一般是為企業(yè)生產(chǎn)作業(yè)設(shè)計而進(jìn)行的調(diào)查。自21世紀(jì)以來，以信息技術(shù)為先導(dǎo)，單一測樹因子已不能滿足實際生產(chǎn)需求，而森林知識挖掘、森林資源精準(zhǔn)測量以及森林觀測年度數(shù)據(jù)的獲取逐漸成為現(xiàn)代森林資源調(diào)查監(jiān)測的重點(diǎn)[13,14]。

中國的森林資源管理在完整性和成熟度方面還有待進(jìn)一步提高，這也導(dǎo)致中國森林資源調(diào)查依然面臨著一些現(xiàn)實性問題。具體來說，有關(guān)森林資源調(diào)查的檢測系統(tǒng)沒有得到廣泛應(yīng)用，與國外的森林資源測量標(biāo)準(zhǔn)相比，中國的相關(guān)標(biāo)準(zhǔn)還有待進(jìn)一步完善。這些差距不僅體現(xiàn)在森林資源動態(tài)更新的系統(tǒng)建立方面，還體現(xiàn)在數(shù)據(jù)更新技術(shù)方面，因此，中國森林資源動態(tài)評估的現(xiàn)代化程度還不夠。顯而易見，無論是5年一次的一類調(diào)查數(shù)據(jù)，還是10年一次的二類調(diào)查數(shù)據(jù)，都無法全面掌握中國森林資源現(xiàn)狀及動態(tài)變化情況，特別是森林年度生長量狀態(tài)[15]。因此，迫切需要利用森林生長模型來預(yù)測推估森林資源年度數(shù)據(jù)。中國森林資源調(diào)查技術(shù)比較落后，早期的森林資源調(diào)查主要依靠人工完成，研究人員需通過實地調(diào)查，然后手動計算獲取數(shù)據(jù)。這種方法使森林資源調(diào)查的成本高、效率低且精確度不高。隨著科學(xué)技術(shù)的發(fā)展，中國森林資源調(diào)查技術(shù)逐漸從依靠人工轉(zhuǎn)變?yōu)槿斯づc遙感相結(jié)合的模式，遙感技術(shù)的應(yīng)用大大提高了調(diào)查效率。然而，這種轉(zhuǎn)變并未從根本上解決森林資源實地調(diào)查的模式，森林資源調(diào)查仍然需要消耗大量的人力和物力。因此，迫切需要建立動態(tài)的森林資源生態(tài)系統(tǒng)仿真模型，以進(jìn)一步節(jié)約人力和物力，從而實現(xiàn)對森林生態(tài)系統(tǒng)進(jìn)行精細(xì)化的管理與計算。森林資源調(diào)查和檢測體系流程圖如圖1所示。

2. 森林資源檢測系統(tǒng)研建

2.1. 基于互聯(lián)網(wǎng)+的體系研建

中國森林資源調(diào)查主要包括一、二、三類調(diào)查。森林資源一類調(diào)查主要以森林固定樣地為主進(jìn)行每木檢尺調(diào)查。森林資源二類調(diào)查主要以小班為單位進(jìn)行調(diào)查記錄小班的面積、林分蓄積量、林分平均高、郁閉度立地環(huán)境等信息。森林資源三類調(diào)查是以采伐區(qū)為單位進(jìn)行的調(diào)查，是為主伐作業(yè)和營林作業(yè)服務(wù)的。

2.2. 研建一類連續(xù)清查樣地生長模型

為實現(xiàn)中國森林資源的精準(zhǔn)化管理，準(zhǔn)確地掌握森林資源狀況，尤其是資源數(shù)據(jù)的動態(tài)變化情況及樹木生長與立地環(huán)境之間的關(guān)系是十分必要的。具體而言，立地環(huán)境是指對林木生長有影響的各個環(huán)境因子的綜合主要包括地形地勢、氣溫、降雨量、土壤、株數(shù)密度等因子[16]。立地環(huán)境直接關(guān)系到森林經(jīng)營的各個方面如生產(chǎn)效率、經(jīng)濟(jì)效益、采伐收獲、森林培育的方向以及生長速度等。中國森林生長量預(yù)測模型對森林精準(zhǔn)經(jīng)營和規(guī)劃管理具有重大的現(xiàn)實意義。森林資源的量化管理以及森林生長量的預(yù)測預(yù)估，可更好地實現(xiàn)不同林分條件下森林資源的撫育、間伐、輪伐以及補(bǔ)植、移栽等經(jīng)營管理[17]，而且，能夠在獲得較高的經(jīng)濟(jì)價值效益的同時實現(xiàn)森林資源的可持續(xù)發(fā)展。本研究根據(jù)福建省連清樣地多期一類調(diào)查數(shù)據(jù)，即各區(qū)域經(jīng)度緯度、海拔、氣溫、降雨量數(shù)據(jù)以及各樣地坡度、坡向、坡位、土壤厚度數(shù)據(jù)，研建了包括生長格局（立地環(huán)境）指數(shù)和生長結(jié)構(gòu)（地位級）指數(shù)的中國森林生長量預(yù)測模型，如公式（1）所示。

圖1. 中國森林資源調(diào)查和檢測體系流程圖。3S：遙感技術(shù)、全球定位系統(tǒng)、地理信息系統(tǒng)；AI：人工智能。

式中，j是中國主要喬木樹種；Yt是被調(diào)查的喬木胸徑信息；ΔYt+Δt是5年后預(yù)測的生長量；Aj是j樹種生長速度系數(shù)；bj是j樹種生長加速度系數(shù)；XPi是第i種生長格局（立地環(huán)境）指數(shù)；t是樹齡；Xsk是第k種生長結(jié)構(gòu)（地位級）指數(shù)。

3. 微樣地檢測系統(tǒng)觀測

基于互聯(lián)網(wǎng)+，可將縣域級全部森林小班依調(diào)查因子聚類分析為100～300個獨(dú)立異質(zhì)化小班類，通過對這100～300個小班進(jìn)行精測調(diào)查，可反映全部小班的整體情況[12]。對每個森林小班的觀測，可采用精準(zhǔn)測樹法，即微樣地林分觀測法（5～9棵樹）。微樣地觀測是以多邊形樣地法為基礎(chǔ)衍生出的一種高效能、低誤差、標(biāo)準(zhǔn)化的樣地抽樣調(diào)查方法。微樣地觀測的基本方法是以一棵觀測樹木為中心，在其周圍選取5或9棵觀測樹木，測定所有樹木的胸徑值、中心樹木的樹高和樣地半徑，計算林分平均胸徑、林分密度、林分蓄積量等林分參數(shù)。微樣地觀測法的樣地布設(shè)原則：① 各個樣點(diǎn)分布均勻，在不同的地形地勢上都有布設(shè)，樣地之間至少間隔10 km；② 樣地選擇要具有代表性，能體現(xiàn)該地區(qū)樹種的分布；③ 選擇交通便利、利于監(jiān)測的地方，以方便連年觀測；④ 要避開林緣、路邊以及人為干擾嚴(yán)重的地區(qū)，否則會給數(shù)據(jù)帶來較大誤差。圖2為九棵樹微樣地觀測示意圖。林分密度、林分平均胸徑、林分蓄積量的算法如下。林分密度，通常指的是每一塊固定面積的微樣地中的株樹密度，計算公式為：

式中，n是樹木數(shù)量；Rn-1為中心樹木到最遠(yuǎn)第n-1棵樹的距離，單位為m。

圖2. 九棵樹微樣地觀測示意圖。

式中，Di、Dn和Dn-1分別是第i號、第n號和第n-1號樹木的胸徑，單位為cm。

林分蓄積量M（m3·hm-2）需要根據(jù)推導(dǎo)形數(shù)求得，即每棵樹的材積由推導(dǎo)形數(shù)求得，而林分蓄積量根據(jù)材積求得，其計算公式如下：

式中，Vi、Vn和Vn-1分別為第i棵、第n棵和第n-1棵樹的材積，單位為m3。

4. 年度生長量預(yù)測方法

為保證模型在具體實踐運(yùn)用中的適用性與準(zhǔn)確性，本研究對福建樣地數(shù)據(jù)進(jìn)行分析處理，在SPSS中進(jìn)行模型解算。模型匯總結(jié)果如表1所示，利用擬合優(yōu)度（GFI）衡量估計模型與觀測值之間的擬合程度，相關(guān)系數(shù)R越接近1，說明模型與觀測值之間的擬合程度越好。在本研究中，生長量預(yù)測模型的R高達(dá)0.98，此外，調(diào)整的R2為0.98，說明自變量可以解釋因變量98%的變化。綜上所述，該模型方程能夠較好地適用于生長量預(yù)測。

方差分析（ANOVA）主要針對方差結(jié)果進(jìn)行分析。F值為方差分析結(jié)果，是對整個回歸方程的總體檢驗，該結(jié)果有助于確定模型中自變量與所有因變量之間是否存在顯著線性關(guān)系。由表2可以看出，本模型獨(dú)立自由度（DOF）為52，樣本容量為37 798，因此，在0.05的顯著性水平下計算所得的F值遠(yuǎn)小于本研究中模型的F值。這表明本模型選擇的所有自變量對胸徑生長量有顯著影響。此外，顯著性為0（<0.05），表明該模型的設(shè)計與選擇是正確可用的。

5. 微樣地生長模型精度驗證

為了驗證模型對森林生長量的預(yù)測精度，本研究選取100個福建省樣地數(shù)據(jù)，同時保證每組數(shù)據(jù)均包含經(jīng)度、緯度、海拔、坡度、坡向、坡位等地理因子，降雨量、平均氣溫等氣象因子，土壤厚度和類型等土壤因子以及林分密度、RS指數(shù)等樹種信息。接下來，對來自100個樣地的567個數(shù)據(jù)進(jìn)行回歸分析，計算出偏差（bias）、相對偏差（relative bias）、均方根誤差（RMSE）、相對RMSE以及R2，然后運(yùn)用上述評價指標(biāo)對模型進(jìn)行綜合評價。結(jié)果如表3所示，從表中可以看出，偏差值為-2.187 mm、相對偏差值為-1.235%、RMSE值為14.154 mm、相對RMSE值為7.993%、R2值為0.941（大于0.9）。上述結(jié)果表明，本模型能夠有效地對森林年度生長量進(jìn)行預(yù)測。

6. 結(jié)論

本研究選取福建省37 798個樣地的一類調(diào)查數(shù)據(jù)，包括各區(qū)域經(jīng)度、緯度、海拔、氣溫、降雨量數(shù)據(jù)以及各樣地坡度、坡向、坡位、土壤厚度數(shù)據(jù)，研建包括生長格局（立地環(huán)境）指數(shù)和生長結(jié)構(gòu)（地位級）指數(shù)的中國森林生長量預(yù)測模型。以初始胸徑、各區(qū)域經(jīng)度、緯度、海拔、氣溫、降雨量數(shù)據(jù)以及各樣地坡度、坡向、坡位、土壤厚度數(shù)據(jù)為自變量，預(yù)測森林生長量。通過對福建地區(qū)進(jìn)行模型擬合發(fā)現(xiàn)，年度生長量預(yù)測精度可高達(dá)0.98以上，說明該模型能夠較好地進(jìn)行森林生長量預(yù)測。為了驗證模型對森林生長量的預(yù)測精度，本研究選取未參與森林生長量模型構(gòu)建的福建省100個樣地數(shù)據(jù)，并保證每組數(shù)據(jù)包含所有的樹種信息。通過對567 個數(shù)據(jù)進(jìn)行精度驗證可知，R2均在0.9以上，說明本模型能夠有效地對森林年度生長量進(jìn)行預(yù)測。因此，該模型可被廣泛應(yīng)用于全國森林資源調(diào)查體系，以保障森林年度生長量的可靠數(shù)據(jù)的獲取，從而為森林碳匯計算、年產(chǎn)量、森林質(zhì)量評價提供基礎(chǔ)數(shù)據(jù)。

表1 模型擬合結(jié)果

表2 ANOVA結(jié)果

表3 胸徑預(yù)測精度的驗證與分析

致謝

感謝北京林業(yè)大學(xué)北京精密林業(yè)重點(diǎn)實驗室的工作人員，感謝所有為本文做出貢獻(xiàn)的人。本研究由中央高校基本科研業(yè)務(wù)費(fèi)專項資金（2015ZCQ-LX-01）和國家自然科學(xué)基金（U1710123）共同資助。