李軍吉,費佳寧,周 婷,高 廣,趙玨晶,吳 敦
(1. 紹興市勘察測繪院,浙江 紹興 312000; 2. 寶略科技(浙江)有限公司,浙江 寧波 315000)
全球氣候變暖、自然災(zāi)害頻發(fā)及能源危機等環(huán)境問題嚴重影響人類的生產(chǎn)和生活,如何減少環(huán)境污染、低碳環(huán)保逐漸成為國內(nèi)外的研究熱點。作為碳排放的主體,中國城市實現(xiàn)“雙碳”目標面臨嚴峻挑戰(zhàn)[1-3]。城市植被具有直接增匯、間接減排作用[4],通過分析不同植被固碳能力,科學(xué)估算植被碳儲量,可以有效促進城市低碳發(fā)展。
國內(nèi)外在碳匯量、碳儲量方面的研究主要集中在森林、草地和濕地等方面[5],對于城市植被的固碳能力研究較少?,F(xiàn)有的城市植被研究方法主要分為兩個階段,第一個階段是生物量測算法,具體細分為平均生物量法、生物量轉(zhuǎn)換因子法、模型測算法[6-7]。如文獻[8]采用平均標準木法測算北京城區(qū)園林綠地總生物量;文獻[9—10]通過樣地實際測量數(shù)據(jù)和樹木生物量方程分別估算出沈陽和南京城市森林的碳儲量;文獻[11]將野外調(diào)研與定位試驗相結(jié)合,研究毛竹林分碳儲量和空間分布。上述研究深入現(xiàn)場采集數(shù)據(jù)時會對環(huán)境產(chǎn)生一定的影響,整個流程耗時費力,速度慢效率低,不適合大面積和多尺度植物碳儲量研究。
第二個階段為基于遙感技術(shù)的大范圍、大尺度、高精度估算植被碳儲量[12]。如文獻[13]通過遙感圖像和GIS技術(shù)分析樹木、植被、土壤和水體4種地物類型的碳匯情況;文獻[14]通過擬合生物初級生產(chǎn)力GPP和植物指數(shù),建立回歸統(tǒng)計模型;文獻[15]以北京海淀區(qū)城市綠地為研究區(qū)域,估算4種綠地碳儲量;還有其他學(xué)者憑借遙感技術(shù)研究分析西安、義烏、溫州[16-18]等地區(qū)的碳儲量分布情況。上述研究仍需要人工方法配合驗證,耗費一定的時間和人力。
本文以紹興市上虞區(qū)的3個街道為研究區(qū)域,采用珠海一號高光譜遙感數(shù)據(jù)進行城市植被碳儲量估算分析。通過植被固碳指數(shù)(carbon sequestration index,CSI)對植被固碳能力進行定性分析,采用單位面積生物量法定量計算碳儲量,將兩者擬合,得到高光譜植被碳儲量估算模型,以期實現(xiàn)遠距離植被碳儲量高效估算,為高光譜數(shù)據(jù)在植被碳儲量估算研究方面提供一種新思路。
上虞區(qū)位于浙江東北部,屬于北亞熱帶南緣季風(fēng)氣候區(qū),其林木綠化率為37.92%,林地種類包括喬木地、竹林地、灌木林地、苗圃地等。本文主要圍繞上虞區(qū)百官街道、曹娥街道、崧廈街道的中心城區(qū)展開研究,區(qū)域內(nèi)植被屬亞熱帶常綠闊葉林區(qū),天然植被以次生常綠闊葉林、針葉林、針闊混交林和竹林為主,人工栽培以杉類和經(jīng)濟林樹種為主[19]。針對研究區(qū)植被分布情況,選擇喬木、灌木、竹林和草地4種類型作為研究對象。
1.2.1 數(shù)據(jù)源
采用的高光譜遙感數(shù)據(jù)來源于“珠海一號”03組衛(wèi)星。每景遙感影像包含32個波段信息,空間分辨率為10 m,光譜分辨率為2.5 m,波長范圍為400~1000 nm。其中上虞區(qū)3個街道使用的影像成像時間為2020年2月17日。
選擇飛馬無人機D200、D2000采集并制作1∶500 DOM數(shù)據(jù),采集流程包括資料收集、空域申請、技術(shù)設(shè)計、檢校和測區(qū)航飛。
1.2.2 數(shù)據(jù)預(yù)處理
遙感參數(shù)反演研究數(shù)據(jù)應(yīng)包含準確幾何定位的反射率信息,通過ENVI軟件將32個單獨的高光譜波段組合在一起,同時賦以中心波長、定標系數(shù)等字段信息。使用輻射定標工具自動從數(shù)據(jù)文件中讀取定標參數(shù),完成輻射定標。采用QUAC快速大氣校正方法,通過ENVI 中的校正工具自動從圖像上收集不同物質(zhì)的波譜信息,獲取經(jīng)驗值完成高光譜的大氣校正。將校正后的圖像與對應(yīng)的一景DOM圖像配準,從而獲得地理坐標。
研究的整體流程如圖1所示。
圖1 研究流程
結(jié)合2021年《第三次全國國土調(diào)查主要數(shù)據(jù)公報》發(fā)布的數(shù)據(jù)庫,選取上虞區(qū)3個街道的中心城區(qū)數(shù)據(jù)作為分類參考。根據(jù)高光譜圖像的波譜特征及分類的復(fù)雜度,選擇采用光譜角制圖(spectral angle mapper,SAM)[20]對4種植被進行分類,計算公式為
(1)
式中,ρri為參考波譜;ρti為未知光譜;L為光譜曲線數(shù)。
高光譜圖像的每個像元均可以獲取一條連續(xù)的波譜曲線,以此作為參考波譜ρr,未知光譜為ρt,通過余弦計算兩者間的夾角,夾角越小,相似性越大,即最小光譜角對應(yīng)的類別即為未知波譜的類別。利用ERDAS軟件進行評估,4種植被總體分類精度為88.10%,Kappa系數(shù)為0.84。
2.2.1 固碳指數(shù)
由于NDVI能夠反映植被長勢和營養(yǎng)信息,PRI能夠反映光能利用率或碳吸收效率,將兩者有效結(jié)合可用于植被固碳能力的定性分析,因此本文提出固碳指數(shù)CSI用于衡量植被固碳能力強弱,相關(guān)計算公式為
CSI=100×NDVI×fPRI
(2)
(3)
式中,ρNIR代表近紅外波段的反射率值,ρRED代表紅光波段的反射率值。
(4)
式中,ρ531、ρ570分別表示波長為531、570 nm對應(yīng)的反射率值。
(5)
NDVI與PRI數(shù)值區(qū)間在[-1,1],綠色植被的NDVI值通常大于0,為了避免PRI出現(xiàn)負數(shù),利用數(shù)學(xué)方法將其調(diào)整為正值fPRI,其數(shù)值范圍為[0,1]。鑒于NDVI和fPRI乘積得到的數(shù)值量級較小,不利于定性分析,因此增加系數(shù)100以擴大數(shù)量級。
2.2.2 生物量經(jīng)驗公式
為了進一步確定城市植被的碳儲量,采用經(jīng)驗公式進行推算。通過結(jié)合喬木、灌木、竹林和草地的生物量與平均含碳率,利用單位面積生物量法計算4種植被的碳儲量。表達式為
CBj=Bj×CFj
(6)
式中,j∈[1,4]表示喬木、灌木、竹林和草地4種植被類別;Bj表示j類植被的單位面積生物量;CFj表示j類植被的平均含碳率。結(jié)合浙江省內(nèi)及寧波周邊城市,包括杭州、臺州、義烏等城市植被分布情況[21-22],得到4類植被單位面積生物量和平均含碳率參考值,見表1。
表1 4種植被單位面積生物量與平均含碳率參考值
2.2.3 高光譜碳儲量估算模型建立與精度評價
根據(jù)固碳指數(shù)的定性分析結(jié)果及碳儲量定量估算結(jié)果,分析兩者間的關(guān)系,并建立擬合模型。固碳指數(shù)與碳儲量均與植物光合作用能力呈正相關(guān),但兩者相關(guān)程度不同,因此需要結(jié)合數(shù)學(xué)中的非線性最小二乘法進行擬合,調(diào)用Python中的curve_fit函數(shù),尋找最優(yōu)擬合曲線,本文將擬合數(shù)據(jù)與驗證數(shù)據(jù)比例設(shè)置為4∶1。
回歸模型的精度評價采用擬合優(yōu)度R2和均方根誤差(root mean square error,RMSE),計算公式為
(7)
(8)
(9)
(10)
(11)
式中,i為數(shù)據(jù)個數(shù);Xobs,i為預(yù)測值;Xmodel,i為真值。
通過上述固碳指數(shù)的定性分析和單位面積生物量方法的定量計算,分別得到4種植被類型的碳儲量相關(guān)指標,共20組數(shù)據(jù)。由表2可知,竹林的固碳指數(shù)平均值最高,喬木次之,而草地最低,說明上虞區(qū)3個街道中的城市植被固碳能力存在明顯差異,其中竹林與喬木固碳能力較強,草地固碳能力較弱。就碳儲量而言,在單位面積范圍內(nèi),4種植被的碳儲量大小順序為竹林>喬木>灌木>草地,這與固碳指數(shù)反映的結(jié)果一致。
表2 4種植被的固碳指數(shù)與單位面積碳儲量
選取16組植被固碳指數(shù)與單位面積碳儲量數(shù)值進行擬合,得到高光譜碳儲量估算模型Y=3.5×10-3×1.86X+1.38,模型曲線如圖2所示。X軸表示固碳指數(shù),Y軸表示碳儲量,R2值為0.937,說明兩者擬合較好。利用其余4組數(shù)據(jù)進行模型驗證,根據(jù)估算值和真實值得到均方根誤差為1.733,證明模型估算結(jié)果較準確(見表3)。
表3 模型精度驗證
圖2 高光譜碳儲量估算模型
該模型可用于上虞區(qū)、寧波等浙江省內(nèi)城市植被的碳儲量估算,如結(jié)合高光譜數(shù)據(jù)得到固碳指數(shù),再代入模型得到碳儲量估計值,但此模型適用的植被類型主要為喬木、灌木、竹林和草地。
為了分析碳儲量估算的合理性和可靠性,進一步對比植被分布、單位面積碳儲量分布及CSI分布結(jié)果。由圖3可知,圖3(a)為城市植被監(jiān)督分類的結(jié)果,包含灌木、喬木、草地、竹林4類,其中喬木分布相對集中,灌木、竹林和草地分布相對分散,他們的面積分別為5.96 、15.30、3.62、20.86 km2。圖3(b)為植被碳儲量分布結(jié)果,4種植被的碳儲量范圍為1.5~22 Mg C/hm2,顏色越深表明碳儲量越多,結(jié)合圖3(a)不難發(fā)現(xiàn),圖3(b)深顏色分布的區(qū)域與植被分布區(qū)域基本一致,說明碳儲量估算結(jié)果具備一定的可信度。圖3(c)為植被固碳指數(shù)分布,取值區(qū)間為[-1,1],數(shù)值越大、顏色越淺代表固碳能力越強,且淺色區(qū)域基本處于植被的覆蓋范圍內(nèi),符合植被的固碳特征。
圖3 碳儲量分析
由圖3可知,竹林的碳儲量最大,固碳能力最強,其次分別為喬木、灌木、草地。根據(jù)每種植被的面積與碳儲量,得到上虞區(qū)百官街道、曹娥街道、崧廈街道的中心城區(qū)植被碳儲量總量分別為喬木12 546 Mg、灌木6426 Mg、竹林11 262 Mg、草地3296 Mg。
上述結(jié)論也為城市的綠化建設(shè)方面提供了參考思路,在合理范圍內(nèi),可以將固碳能力較強的植被(如竹林)種植范圍適當擴大,在不增加額外成本的情況下實現(xiàn)固碳效益最大化,助力城市的“雙碳”建設(shè)。
本文提出了高光譜植被碳儲量估算模型,在缺少人工測量數(shù)據(jù)的情況下,該模型能夠快速高效地估算出城市植被的碳儲量,在一定程度上實現(xiàn)了遠程環(huán)保的碳儲量研究,也為浙江省內(nèi)相似地域的城市植被碳儲量估算研究提供了新思路。此外,該模型的變量為植被固碳指數(shù),僅與高光譜圖像的光譜信息有關(guān),因此在使用該模型進行估算時,無需樣本分類,簡化研究的流程并縮短時間。
接下來的研究工作可以分為兩個方向,一是從時間維度切入,獲取一個區(qū)域長時間連續(xù)的高光譜數(shù)據(jù),進而分析植被固碳能力的變化及影響變化的因素,從而更好地指導(dǎo)城市綠地建設(shè);二是從樣本容量的豐富度切入,將高光譜數(shù)據(jù)與其他地理數(shù)據(jù)結(jié)合,從多個維度進行分析,實現(xiàn)模型的進一步細化和精準化。