聶 靖,陸 馳,3,歐光龍,胥 輝

(1.西南林業(yè)大學(xué) 林學(xué)院,昆明 650224；2.西南林業(yè)大學(xué) 西南山地資源保育與利用教育部重點(diǎn)實(shí)驗(yàn)室,昆明 650224；3.西南林業(yè)大學(xué) 學(xué)報(bào)編輯部,昆明 650224)

森林生物量的精準(zhǔn)估測是研究森林生態(tài)系統(tǒng)結(jié)構(gòu)和功能、減小碳儲(chǔ)量估測不確定性的關(guān)鍵[1-2]。高效精確估測森林地上生物量(AGB)是森林資源調(diào)查的研究熱點(diǎn)和技術(shù)難點(diǎn)[3]。傳統(tǒng)森林AGB估測工作量大、效率低、成本高,對(duì)森林生態(tài)系統(tǒng)有破壞性,不適應(yīng)當(dāng)今森林資源調(diào)查的要求[4-5],抽樣技術(shù)的發(fā)展可以彌補(bǔ)傳統(tǒng)估測方法的不足[6-7],成本與精度反映出抽樣效能的優(yōu)劣[8]。目前國內(nèi)外對(duì)于森林資源調(diào)查主要采用隨機(jī)、系統(tǒng)、整群和分層等抽樣方法[9],但這些方法都存在局限性。隨機(jī)抽樣樣本單元分散,不利于實(shí)際開展；系統(tǒng)抽樣誤差來源不確定,估測精度難把握；整群抽樣代表性差；分層抽樣成本高[10]。相較而言,應(yīng)用較少的二階抽樣成本低、精度可控、有利于實(shí)際調(diào)查開展等優(yōu)點(diǎn)得以顯現(xiàn)[11]。張宗秀等[12]基于2007年四川省森林資源連續(xù)清查數(shù)據(jù),對(duì)比得出二階抽樣能明顯提高各類土地面積的成數(shù)估計(jì)精度。應(yīng)用二階抽樣在東南亞和非洲進(jìn)行森林調(diào)查取得了良好效果,在我國人煙稀少、交通困難的西南地區(qū)也有廣闊前景[13-14]。

遙感技術(shù)的發(fā)展實(shí)現(xiàn)了森林資源實(shí)時(shí)監(jiān)測,但地物光譜特性變化復(fù)雜,易受環(huán)境、地域影響,遙感估測森林資源一直存在精度不高等缺陷[15],遙感與抽樣技術(shù)結(jié)合,既可以顯著提高精度、效率,又能提供詳細(xì)的抽樣框信息。早在1986年,美國國家農(nóng)業(yè)局(NASS)就將兩者結(jié)合,輔以農(nóng)業(yè)普查,實(shí)現(xiàn)了多樣框抽樣[16]；朱磊[17]借助遙感影像進(jìn)行分層抽樣,外業(yè)調(diào)查286個(gè)樣地便達(dá)到94.6%的精度；葛宏力等[18]構(gòu)造的三相抽樣估計(jì)方法,提高了年度監(jiān)測的面積估計(jì)精度；王雪軍等[19]實(shí)踐了大樣地雙重抽樣,結(jié)果表明基于大樣地區(qū)劃調(diào)查的森林面積監(jiān)測方法可充分發(fā)揮遙感的優(yōu)勢,提高數(shù)據(jù)應(yīng)用效率,提升動(dòng)態(tài)監(jiān)測能力。遙感和抽樣調(diào)查結(jié)合是建立科學(xué)森林資源監(jiān)測體系的必然[17],目前兩者結(jié)合的估測方法在森林AGB方面仍有較大空白。高效利用遙感技術(shù)、找到聯(lián)系樣地?cái)?shù)據(jù)和二階抽樣的最優(yōu)遙感因子,從而實(shí)現(xiàn)高精準(zhǔn)低成本大尺度的森林AGB估測,對(duì)于監(jiān)測毀林、分析森林的固碳能力、緩解全球氣候變化有重要意義。

本文選用2016年Landsat8 OLI遙感影像和同年二調(diào)數(shù)據(jù),對(duì)云南省普洱市鎮(zhèn)沅縣思茅松單位面積AGB,單位面積地上蓄積量及12種遙感指數(shù)進(jìn)行二階抽樣。從成本與精度兩方面與隨機(jī)抽樣、系統(tǒng)抽樣對(duì)比,分析不同抽樣標(biāo)志的綜合性能,探索聯(lián)系樣地信息與二階抽樣的最優(yōu)遙感指數(shù),以期為森林碳匯估算、提高森林經(jīng)營水平及制定林業(yè)方針政策提供數(shù)據(jù)指導(dǎo)及理論參考。

1 研究區(qū)概況

鎮(zhèn)沅縣是云南省普洱市下轄縣之一,國土總面積4 136.81 km2,海拔774～3 137.6 m,位于云南省西南部,地理位置為23°34′～24°22′N,100°21′～101°31′E,屬亞熱帶季風(fēng)區(qū)。地處四河(者干河、恩樂河、勐統(tǒng)河、景谷河)、兩山下(哀牢山、無量山),造就其北高南低、山高谷深的復(fù)雜地貌。地貌基本輪廓導(dǎo)致氣候垂直差異突出而水平變化微小,具典型的“立體氣候”特點(diǎn),呈現(xiàn)出熱帶、亞熱帶、暖溫帶3種氣候類型[20]。據(jù)2016年鎮(zhèn)沅縣二調(diào)成果數(shù)據(jù),鎮(zhèn)沅縣有林地面積292 823.6 hm2,森林覆蓋率達(dá)70.64%,主要優(yōu)勢樹種思茅松(Pinuskesiyavar.langbianensis)的面積為186 528.71 hm2。

2 研究方法

2.1 數(shù)據(jù)來源與處理

1) 調(diào)查數(shù)據(jù)?；?016年云南省森林資源二類調(diào)查小班數(shù)據(jù)(二調(diào)數(shù)據(jù)),在ArcGIS 10.6中用鎮(zhèn)沅縣行政邊界對(duì)其進(jìn)行裁剪,選取優(yōu)勢樹種為思茅松的林分,進(jìn)行數(shù)據(jù)分析。

2) 遙感數(shù)據(jù)。Landsat8 OLI數(shù)據(jù)從地理空間數(shù)據(jù)云網(wǎng)站(http://www.gscloud.cn/)獲得,空間分辨率為30m,利用ENVI 5.3對(duì)遙感影像(表1)進(jìn)行輻射定標(biāo)、大氣校正、地形校正等預(yù)處理,最后通過融合、鑲嵌及裁剪得到研究區(qū)影像。在ArcGIS 10.6中用思茅松AGB密度分布圖對(duì)提取出來的遙感影像進(jìn)行掩膜提取,進(jìn)行遙感因子提取步驟。利用ENVI 5.3提取這2類遙感因子(表2),而后利用ArcGIS 10.6“多值提取到點(diǎn)”工具將遙感因子數(shù)據(jù)賦值予二調(diào)數(shù)據(jù)。

表1 研究區(qū)遙感影像信息Tab.1 Remote sensing image information of the study area

表2 參與鎮(zhèn)沅縣思茅松AGB估算的遙感因子Tab.2 Remote sensing factors involved in AGB estimation of Simao pine in Zhenyuan County

3) 生物量數(shù)據(jù)。由于小班屬性表里沒有AGB數(shù)據(jù),所以本研究參考胥輝等[24]的林木生物量擴(kuò)展因子法計(jì)算思茅松小班單位面積AGB。

B=V×SVD×BEF

(1)

式中:B為小班單位面積AGB(t/hm2)；V為小班單位面積林分蓄積(m3/hm2)；SVD為思茅松的木材密度(t/m3),本研究中,SVD=0.454；BEF為生物量轉(zhuǎn)換因子,本研究中,BEF=1.304。

2.2 二階抽樣設(shè)計(jì)

1) 一階抽樣單元設(shè)計(jì)。不同尺寸一階單元的變異系數(shù)不同,變異系數(shù)的大小會(huì)影響抽樣成本,而抽樣比的增大,精度也隨之提高并趨于穩(wěn)定[10]。陽帆等[25]在60%抽樣比的情況下,重復(fù)30次試驗(yàn),計(jì)算的精度滿足《國家森林資源連續(xù)清查技術(shù)規(guī)定》[26]。綜合考慮抽樣精度、抽樣效率及方案可靠性,本研究在60%的一階抽樣比基礎(chǔ)上增加10%的保險(xiǎn)系數(shù),以70%作為本研究最適宜抽樣比。選取一階抽樣尺寸時(shí),綜合考慮一階抽樣比接近70%且一階變異系數(shù)較小的尺寸作為一階抽樣框的大小,重復(fù)100次抽樣以減小抽值的極端。利用ArcGIS 10.6“漁網(wǎng)”工具將提取出的研究區(qū)數(shù)據(jù)劃分為1～8 km的一階抽樣單元,在95%的可靠性指標(biāo)和90%抽樣精度下,采用單位面積地上蓄積量作為依據(jù)計(jì)算一階變動(dòng)系數(shù)、樣本一階樣本單元數(shù)、一階抽樣比,具體計(jì)算方法參考《抽樣調(diào)查技術(shù)》[10]。

一階變動(dòng)系數(shù):

(2)

樣本一階單元個(gè)數(shù):

n=(tαC1/E)2

(3)

式中:E=0.1為相對(duì)誤差;tα=1.96,為可靠性指標(biāo)。

一階抽樣比:

f1=n/N

(4)

2) 二階抽樣單元設(shè)計(jì)。在一階抽樣單元的基礎(chǔ)上,為匹配Landsat8遙感數(shù)據(jù)像素,利用ArcGIS 10.6漁網(wǎng)工具,將二階單元大小設(shè)置為30m×30m的單元,通過計(jì)算不同抽樣指標(biāo)(單位面積AGB,單位面積蓄積量,B1,B2,B3,B4,B5,B6,B7,NDVI,ARVI,SAVI,DVI,RVI)的二階單元變動(dòng)系數(shù),得出不同抽樣指標(biāo)對(duì)應(yīng)的二階變動(dòng)系數(shù)、二階樣本單元數(shù)。

樣本第i個(gè)一階單元內(nèi)二階單元平均數(shù):

(5)

式中:m為一階內(nèi)二階樣本單元數(shù),yij表示第i個(gè)一階單元中第j個(gè)二階單元的標(biāo)志值。

二階樣本單元平均數(shù):

(6)

二階變動(dòng)系數(shù):

(7)

式中:M為總體二階單元數(shù)；yi為樣本第i個(gè)一階單元值。

二階樣本單元數(shù):

(8)

3) 方差及精度計(jì)算。二階抽樣中,方差分為一階間方差和一階內(nèi)二階間方差,根據(jù)下列公式,計(jì)算相對(duì)誤差(E)和總體抽樣精度(P)。

樣本一階間方差:

(9)

樣本一階內(nèi)二階間平均方差:

(10)

二階單元抽樣比:

f2=m/M

(11)

標(biāo)準(zhǔn)誤差:

(12)

估計(jì)誤差限:

(13)

相對(duì)誤差:

(14)

抽樣精度:

P=1-E

(15)

2.3 AGB估計(jì)值及相對(duì)誤差計(jì)算

以2016年森林資源二調(diào)數(shù)據(jù)作為真值,計(jì)算不同抽樣體系下研究區(qū)思茅松AGB估計(jì)值及相對(duì)誤差。當(dāng)抽樣指標(biāo)為單位面積AGB時(shí),思茅松AGB估計(jì)值及相對(duì)誤差按照抽取的樣本值直接計(jì)算；其他抽樣指標(biāo)的AGB估計(jì)值及相對(duì)誤差,需要先找到抽取樣本對(duì)應(yīng)的單位面積地上蓄積量,而后按照林木擴(kuò)展因子法[24]轉(zhuǎn)換為AGB后計(jì)算。

總體估計(jì)值:

(16)

2.4 抽樣設(shè)計(jì)及計(jì)算

為了便于比較,隨機(jī)抽樣與系統(tǒng)抽樣的樣地尺寸與二階抽樣單元尺寸一致,皆為30m×30m的正方形樣地。參考應(yīng)用單位面積AGB與單位面積蓄積量的二階樣本單元數(shù),應(yīng)用隨機(jī)抽樣、系統(tǒng)抽樣對(duì)研究區(qū)的單位面積AGB和單位面積蓄積進(jìn)行抽樣估計(jì),計(jì)算抽樣精度、AGB估計(jì)值及相對(duì)誤差。

3 結(jié)果與分析

3.1 二階抽樣設(shè)計(jì)分析

在95%的可靠性指標(biāo)和90%的抽樣精度下,采用單位面積地上蓄積量作為依據(jù)的1～8km一階抽樣尺寸,其對(duì)應(yīng)的一階變動(dòng)系數(shù)及樣本單元數(shù)如表3所示。

綜合考量變動(dòng)系數(shù)較小且滿足最適宜抽樣比的5 km作為一階抽樣單元尺寸,劃分出226個(gè)5km網(wǎng)格。多次試驗(yàn)證明,邊緣不完整的網(wǎng)格變動(dòng)系數(shù)不規(guī)律,因此保留完整的108個(gè)網(wǎng)格作為總體一階單元,樣本一階單元數(shù)為77。以森林蓄積量作為抽樣指標(biāo)進(jìn)行二階抽樣試驗(yàn),重復(fù)抽樣100次后,抽樣精度隨著重復(fù)次數(shù)增加趨于穩(wěn)定且收斂,可見100次重復(fù)抽樣的精度可靠。

3.2 不同抽樣體系綜合效能比較

3.2.13種抽樣方法綜合效能

由表4可看出,簡單隨機(jī)抽樣與系統(tǒng)抽樣均采取和二階抽樣相同的抽樣樣本數(shù)情況下,二階抽樣精度均高于其他2種抽樣方法。采用單位面積蓄積量時(shí),3種抽樣方法精度大小為二階抽樣精度(95.96%)>系統(tǒng)抽樣精度(95.55%)>簡單隨機(jī)抽樣精度(95.44%)；采用單位面積AGB時(shí),3種抽樣方法精度大小為二階抽樣精度(96.10%)>系統(tǒng)抽樣精度(95.63%)>簡單隨機(jī)抽樣精度(95.53%)。

表3 一階抽樣單元變動(dòng)系數(shù)及樣本計(jì)算Tab.3 First-order sampling unit coefficient of variation and sample calculation

表4 3種抽樣方法綜合效能比較Tab.4 Comparison of the combined effectiveness of the 3 sampling methods

3種抽樣方法的其中1次樣本分布如圖1所示。圖中每1個(gè)抽樣點(diǎn)均表示1塊30m×30m的正方形樣地。3種抽樣方法隨機(jī)點(diǎn)的布設(shè)均應(yīng)用ArcGIS 10.6軟件實(shí)現(xiàn),從3種抽樣方法的樣本分布圖可看出,相同樣本個(gè)數(shù)(385),二階抽樣樣本分布更為集中,實(shí)際操作過程中,二階抽樣相較于其他2種抽樣方法更為便捷。

3.2.2不同抽樣指標(biāo)的二階抽樣效能

從表4中可以看出,二階抽樣中,在一階框固定的情況下,抽樣成本取決于二階變動(dòng)系數(shù),兩者表現(xiàn)出正相關(guān)關(guān)系,即成本隨著二階變動(dòng)系數(shù)的增大而增大。二階變動(dòng)系數(shù)最大的是B4波段(20.43%),NDVI和SAVI的變動(dòng)系數(shù)最小,均為6.08%。在95%可靠性指標(biāo)和90%抽樣精度下,所有抽樣指標(biāo)的二階抽樣精度均達(dá)到高精度抽樣范疇,除B7波段抽樣精度(94.63%)在95%以下,其余所有抽樣指標(biāo)的二階抽樣精度均高于95%。

圖1 3種抽樣方法樣本分布圖Fig.1 Sample distribution of the three sampling methods

基于二調(diào)數(shù)據(jù)的二階抽樣中,2個(gè)抽樣指標(biāo)的成本相同(385個(gè)),但基于單位面積AGB的抽樣精度(96.10%)高于基于單位面積蓄積量的(95.96%)?；?個(gè)單波段的二階抽樣中,B4波段的抽樣成本是所有抽樣指標(biāo)中最高的,為462個(gè)；B7波段的抽樣精度是所有抽樣指標(biāo)中最低的,僅為94.63%。抽樣精度從高到低為B1(97.10%)>B2(96.76%)>B3(96.46%)>B5(96.32%)>B6(95.19%)>B4(95.17%)>B7(94.63%),抽樣成本從低到高為B5(231個(gè))=B6(231個(gè))SAVI(97.57%)>ARVI(97.50%)>RVI(97.15%)>DVI(96.03%),抽樣成本從低到高為NDVI(154個(gè))=SAVI(154個(gè))

3.3 不同抽樣體系A(chǔ)GB預(yù)測值比較分析

不同調(diào)查類別得出的鎮(zhèn)沅縣思茅松AGB的估計(jì)值和2016年思茅松二調(diào)真實(shí)值相比(表5),3種抽樣方法基于單位面積蓄積和基于單位面積AGB相對(duì)誤差相比,抽樣效能不存在明顯優(yōu)劣之分?；诙{(diào)數(shù)據(jù)的3種抽樣方法,二階抽樣的估計(jì)值更接近2016年二調(diào)AGB預(yù)測值。各類別抽樣方法與2016年的二調(diào)AGB預(yù)測值相比,相差都小于5%?？傮w來說,依靠二階抽樣方法估測思茅松AGB結(jié)果可靠。

表5 不同調(diào)查類別下思茅松AGB估測值比較Tab.5 Comparison of estimated AGB values of Simao Pine under different survey

4 討論與結(jié)論

1) 該試驗(yàn)所有抽樣指標(biāo)預(yù)測值的相對(duì)誤差都小于5%,總體看來,試驗(yàn)高效且真實(shí)可靠。其中,NDVI的抽樣效能最好,抽樣精度能達(dá)到97.67%,SAVI(97.57%)次之,這2個(gè)抽樣指標(biāo)僅需最低成本(154個(gè))便能達(dá)到最優(yōu)抽樣精度。較基于二調(diào)數(shù)據(jù)的二階抽樣,減少231塊樣地,減幅達(dá)到60%,對(duì)比基于單位面積AGB和單位面積蓄積量的二階抽樣精度,分別提升1.57、1.71個(gè)百分點(diǎn)。NDVI對(duì)于植被覆蓋度檢測幅度較寬,與其線性相關(guān),植被覆蓋度大于80%時(shí),NDVI的靈敏度降低,不再隨生物量增加而顯著增加。由于鎮(zhèn)沅縣多數(shù)地區(qū)處于高蓋度植被區(qū),NDVI的二階變動(dòng)系數(shù)較小的原因可能是在較高覆蓋度的地區(qū),NDVI的值不再顯著增加,所以樣地之間的變動(dòng)系數(shù)較小。SAVI是修正了NDVI對(duì)土壤背景的敏感的指數(shù),變動(dòng)系數(shù)較小的原因同上。

2) 基于植被指數(shù)的二階抽樣優(yōu)勢十分明顯,與傳統(tǒng)抽樣方法或基于二調(diào)數(shù)據(jù)單波段等抽樣指標(biāo)應(yīng)用二階抽樣相比,調(diào)查工作量大幅減少,效率顯著提升,精度明顯提高。在追求高精度低成本大尺度的高覆蓋度森林生物量估測中,基于NDVI,SAVI等植被指數(shù)的二階抽樣方法是最優(yōu)的選擇。本試驗(yàn)只對(duì)普洱市鎮(zhèn)沅縣的思茅松進(jìn)行了遙感二階抽樣,該試驗(yàn)結(jié)果可能只適用于高覆蓋度森林,同時(shí),植被指數(shù)受地形影響也較大,NDVI與SAVI這2個(gè)植被指數(shù)對(duì)中低覆蓋度森林的適用性以及不同地形適用何種植被指數(shù),這些問題都有待繼續(xù)研究。

3) 本研究基于研究區(qū)2016年Landsat8 OLI遙感影像和同年森林資源二類調(diào)查數(shù)據(jù),通過合理的二階抽樣設(shè)計(jì),對(duì)森林資源的不同指標(biāo)進(jìn)行抽樣調(diào)查,對(duì)比得出基于植被指數(shù)的二階抽樣設(shè)計(jì)可以在大幅減少成本的情況下,獲得高精度的森林生物量信息。傳統(tǒng)對(duì)于森林資源的估測一般通過模型和常見的幾種抽樣方法實(shí)現(xiàn),遙感技術(shù)與二階抽樣結(jié)合,可以彌補(bǔ)傳統(tǒng)森林資源估測缺乏精度保障及工作量大的缺陷,并且遙感影像具有時(shí)效性強(qiáng)、方便獲取的特點(diǎn),與二階抽樣方法結(jié)合可以快速且精準(zhǔn)地獲取大尺度森林生物量。

4) 本研究中,基于14種抽樣指標(biāo),二階抽樣方法均遠(yuǎn)超預(yù)期效果,無論是基于二調(diào)數(shù)據(jù)還是遙感影像信息,均能夠有效估測森林AGB,且都在高精度范疇內(nèi)。其中基于植被指數(shù)的二階抽樣綜合效能優(yōu)于其他抽樣指標(biāo),NDVI和SAVI是能夠讓二階抽樣與鎮(zhèn)沅縣思茅松樣地信息聯(lián)系的最優(yōu)遙感指數(shù),兩者能在最少樣本數(shù)(154個(gè))的情況下,達(dá)到最高精度,分別為97.67%,97.57%。應(yīng)用NDVI和SAVI植被指數(shù)進(jìn)行二階抽樣能夠使抽樣綜合效能最優(yōu),達(dá)到高效高精度估測森林AGB的目標(biāo)。對(duì)于目前的森林資源調(diào)查,可以采用本研究建議的技術(shù)路線,這對(duì)提高森林資源調(diào)查效率及精度具有較大意義。