王曉紅 辛守英 馬明浩 王藝琳 焦琳琳

(華北理工大學,河北·唐山,063210)

森林作為地球上最重要的陸地生態(tài)系統(tǒng)之一,在全球碳循環(huán)與氣候調節(jié)中起著至關重要的作用[1-2]。森林碳儲量是指通過光合作用將大氣中的二氧化碳轉化為有機碳,并儲存在植物組織中的總量,是評估森林生態(tài)系統(tǒng)健康狀態(tài)和碳循環(huán)的關鍵指標之一。人工林是森林的重要組成部分,通過造林、撫育等活動可以提高森林固碳量,推進區(qū)域林業(yè)碳匯不斷發(fā)展。因此,準確估算人工林碳儲量是區(qū)域甚至全球碳循環(huán)的重要內容,對制定應對氣候變化策略,統(tǒng)籌區(qū)域生態(tài)-經(jīng)濟-社會協(xié)調發(fā)展具有重要作用[3]。

目前,估算森林碳儲量的方法主要包括采樣調查法和遙感估算法。其中,森林資源規(guī)劃設計調查數(shù)據(jù)(即森林資源二類調查數(shù)據(jù))的方法作為一種極其重要的碳儲量估算方法,依賴于林班的蓄積量和森林碳儲量轉換參數(shù)進行森林碳儲量估算,其估算結果能夠為遙感估算法提供準確的地面采樣調查數(shù)據(jù)[4]。然而,森林資源二類調查數(shù)據(jù)更新周期較長,滯后性明顯,且不能直觀短周期反映森林碳儲量。為此,引入空間格網(wǎng)化方法[5]進行森林碳儲量的估算,該方法將空間連續(xù)的森林資源二類調查矢量數(shù)據(jù)劃分成為規(guī)則的格網(wǎng)單元,并對每個格網(wǎng)單元內的屬性信息進行提取和分析,最終實現(xiàn)對區(qū)域森林碳儲量的整體性估算?？臻g格網(wǎng)化方法估算森林碳儲量的方法能夠克服傳統(tǒng)采樣調查法的信息缺失,并在保證準確估算的前提下更及時地反映森林碳儲量及其空間分布。此外,由于不同樹種間的碳儲量估算參數(shù)存在較大差異,分樹種進行森林碳儲量估算能夠提高森林碳儲量的估算精度[6]。因此,使用空間格網(wǎng)化方法進行森林碳儲量估算時,應該充分考慮不同樹種的特征與差異,并調整和應用不同樹種的碳儲量估算參數(shù),保證空間格網(wǎng)化的森林碳儲量估算的準確性。

河北塞罕壩機械林場(以下稱塞罕壩林場)是中國最大的人工林林場,承擔著京津冀乃至華北地區(qū)的水源涵養(yǎng)、水土保持和碳循環(huán)的重要功能[7]。目前,對該林場碳儲量的估算研究,大都集中在單一樹種林班區(qū)域碳儲量的估算。張?zhí)锾颷8]、邢娟等[9]、張乃暄等[10]分別對塞罕壩林場的華北落葉松、樟子松、云杉樹種的碳儲量進行了估算。而對塞罕壩林場森林碳儲量的整體性評估的研究相對較少。因此,本文以塞罕壩林場為研究對象,探究分樹種的空間格網(wǎng)化方法在森林碳儲量估算應用中的適用性及優(yōu)越性,結合塞罕壩林場二類調查數(shù)據(jù),對該林場內主要優(yōu)勢樹種進行碳儲量整體性估算,為區(qū)域森林碳儲量估算、森林資源管理和應對氣候變化的決策提供重要的技術支撐。

1 研究區(qū)概況

研究區(qū)位于河北省承德市圍場滿族蒙古族自治縣最北部的塞罕壩林場(116°53′30″E～117°49′50″E,41°5′N～42°2′30″N)(見圖1)[11]。塞罕壩林場面積92 634.7 hm2,海拔1 010～1 940 m,年均氣溫為-1.3 ℃,年均降水日134 d,年均降水量479 mm,其中6—8月降水量明顯集中,占全年降水量的67.6%,該地區(qū)屬于寒溫帶大陸性季風氣候。林場豐富的土壤類型和復雜的氣候,孕育了豐富的植物種群,有森林、草原、草甸、灌叢等。其中,林場的林業(yè)資源豐富,以人工林為主,森林覆蓋率達80%以上,主要優(yōu)勢樹種有華北落葉松(Larixgmeliniivar.principis-rupprechtii(Mayr) Pilger)、白樺(BetulaplatyphyllaSukaczev)、樟子松(Pinussylvestrisvar.mongholicaLitv.)、蒙古櫟(QuercusmongolicaFisch. ex Ledeb.)和云杉(PiceaasperataMast.)等。

地圖矢量文件審圖號為GS(2019)1822號;高程數(shù)據(jù)來源于地理空間數(shù)據(jù)云網(wǎng)站(https://www.gscloud.cn/search)。圖1 研究區(qū)

2 研究方法

2.1 數(shù)據(jù)資料

本研究采用塞罕壩林場的森林資源二類調查數(shù)據(jù)(以下稱二類調查數(shù)據(jù)),調查因子主要包括林班、林齡、郁閉度、畝株數(shù)、畝蓄積量、小班面積、優(yōu)勢樹種等。根據(jù)二類調查數(shù)據(jù)的優(yōu)勢樹種與小班面積屬性匯總,有林地面積占林場面積的85.24%,其中,華北落葉松林面積為41.04%、白樺林面積為17.18%、樟子松林面積為15.80%、蒙古櫟林面積為3.91%、云杉林面積為3.55%、其他林種面積為3.76%。二類調查數(shù)據(jù)未涉及枯枝落葉層、林下層、土壤層等數(shù)據(jù)的調查,因此本研究僅對森林地上碳儲量進行估算(以下稱為森林碳儲量)。選取塞罕壩林場的華北落葉松、白樺、樟子松、蒙古櫟、云杉的優(yōu)勢樹為研究對象,對塞罕壩林場主要優(yōu)勢樹種的森林碳儲量進行整體性估算。主要優(yōu)勢樹種及非林地在林場的空間分布見圖2。

圖2 塞罕壩林場主要優(yōu)勢樹種及非林地的空間分布

2.2 空間格網(wǎng)化

格網(wǎng)化已有多種成熟的算法和誤差分析的方法,但考慮到格網(wǎng)化的工作量、數(shù)據(jù)量和實用性,結合二類調查數(shù)據(jù)的特點進行空間格網(wǎng)化。根據(jù)二類調查數(shù)據(jù)提取林場邊界范圍,按照不同尺度大小將林場矢量范圍劃分出規(guī)則形狀的格網(wǎng),并用已提取的范圍邊界切割格網(wǎng),并使生成的格網(wǎng)全部落在邊界范圍內。提取格網(wǎng)的幾何中心點作為格網(wǎng)的代表即格網(wǎng)中心,在二類調查矢量圖上進行疊置分析,獲取相關屬性參數(shù)到格網(wǎng)中心,并將獲取的參數(shù)劃分成格網(wǎng)中心的蓄積量和格網(wǎng)中心的其他參數(shù)。將格網(wǎng)中心的蓄積量經(jīng)相關參數(shù)轉化格網(wǎng)中心的碳儲量,與格網(wǎng)中心其他參數(shù)進行數(shù)據(jù)合并,合并的數(shù)據(jù)按照8∶2的比例劃分成訓練集和測試集(見圖3)。

圖3 空間格網(wǎng)化流程

2.3 格網(wǎng)中心碳儲量估算

根據(jù)格網(wǎng)中心提取的森林蓄積量,經(jīng)過蓄積量-生物量轉換模型和生物量-碳儲量轉換模型[12]的轉化計算得到格網(wǎng)中心的森林碳儲量。根據(jù)目前關于森林清查數(shù)據(jù)估算森林碳儲量的研究結果,森林生物量與森林蓄積量之間存在著良好的線性回歸關系[13-14]。因此,格網(wǎng)中心的森林生物量是根據(jù)格網(wǎng)中心提取的森林蓄積量,采用生物量-蓄積量轉換模型進行估算[15],具體的公式如下:

Bj=ajVj+bj。

式中:Bj表示第j種森林類型單位面積森林生物量;Vj表示第j種森林類型單位面積森林蓄積量;aj、bj為j種森林類型回歸參數(shù)。

在aj和bj回歸參數(shù)中,使用邱梓軒[16]利用第六到第八期全國森林資源清查數(shù)據(jù),研建的我國41種主要喬木樹種蓄積量-生物量轉換模型參數(shù),選取符合塞罕壩林場的5種主要優(yōu)勢樹種的轉換模型參數(shù)(見表1)。在回歸參數(shù)中,對沒有明確生物量-蓄積量轉換模型參數(shù)的主要優(yōu)勢樹種采用近似樹種參數(shù)代替。

表1 塞罕壩林場主要優(yōu)勢樹種生物量回歸參數(shù)

根據(jù)以往關于生物量-碳儲量轉換模型研究的相關文獻,森林生物量與森林碳儲量之間存在明顯的正比例關系[17],因此,生物量-碳儲量轉換模型的公式如下:

Cj=BjCc。

式中:Cj表示第j種森林類型的單位面積的森林碳儲量;Cc表示不同森林類型對應的含碳率。

目前國內大多數(shù)研究采用0.5或0.45作為平均含碳率來推算森林碳儲量存在較大差異,僅采用統(tǒng)一固定的含碳率推算碳儲量會導致估算精度降低。因此,本研究同樣采用中國陸表喬木林碳儲量和碳匯估計模型的含碳率[16],沒有涉及的主要優(yōu)勢樹種的含碳率,參考相近樹種的含碳率進行代替(見表2)。

表2 塞罕壩林場主要優(yōu)勢樹種的含碳率

2.4 貝葉斯優(yōu)化隨機森林回歸算法

采用隨機森林回歸算法(RF)是一種集成算法,由多個決策樹組成,既能減少單棵樹的過擬合風險,又能提供更穩(wěn)定的回歸結果,被廣泛應用于非線性模型回歸預測[18]。貝葉斯優(yōu)化隨機森林回歸算法是將Python軟件的Scikit-learn機器學習庫中的隨機森林模塊與貝葉斯優(yōu)化器(BO)結合完成隨機森林回歸算法的超參數(shù)優(yōu)選[18],消除人為調整參的影響,最終實現(xiàn)最優(yōu)超參數(shù)下的BO-RF森林碳儲量估算(見圖4)。

圖4 貝葉斯優(yōu)化隨機森林回歸算法

BO-RF森林碳儲量估算模型的精度評價,為了減少因劃分訓練集和驗證集對估算結果造成的偶然性誤差,隨機選擇80%的格網(wǎng)中心用于森林碳儲量估算模型的構建,其余20%的格網(wǎng)中點用于模型精度評價?？紤]到碳儲量估算模型受多種因素的綜合影響,本文選擇的評價指標有決定系數(shù)(R2)、偏差(BIAS)、均方根誤差(RMSE)、相對偏差(BBIAS)、相對均方根誤差(RRMSE),具體計算公式如下:

2.5 森林碳儲量空間統(tǒng)計及其精度驗證

森林碳儲量空間統(tǒng)計是分樹種將格網(wǎng)中心估算碳儲量,利用ArcGIS軟件的反距離加權插值方法對格網(wǎng)中心估算碳儲量進行空間插值[19],以此完成各主要優(yōu)勢樹種估算碳儲量的空間統(tǒng)計。為了滿足以畝為單位估算碳儲量的需求,將空間插值數(shù)據(jù)重采樣為像元邊長25.819 8 m×25.819 8 m的柵格數(shù)據(jù),再經(jīng)像元統(tǒng)計完成各主要優(yōu)勢樹種碳儲量的整體性估算;并與二類調查數(shù)據(jù)的林班數(shù)據(jù)的蓄積量及對應參數(shù)計算得到的各主要優(yōu)勢樹種整體性碳儲量進行對比研究,分析其碳儲量空間統(tǒng)計的估算精度。

3 結果與分析

3.1 主要優(yōu)勢樹種數(shù)據(jù)的空間格網(wǎng)化

由表3可知,以塞罕壩林場的二類調查矢量數(shù)據(jù)和邊界數(shù)據(jù)為基礎,通過ArcGIS軟件的創(chuàng)建漁網(wǎng)工具按照林場邊界數(shù)據(jù)范圍分樹種劃分出規(guī)則形狀的格網(wǎng),利用邊界數(shù)據(jù)切割格網(wǎng),使生成的格網(wǎng)全部落在主要優(yōu)勢樹種邊界數(shù)據(jù)的范圍內。為了滿足二類調查數(shù)據(jù)中以畝為單位進行調查的森林蓄積量的需求,按邊長為3×3、5×5、7×7、9×9等4種不同格網(wǎng)尺度進行空間格網(wǎng)化,并以格網(wǎng)的幾何中心作為邊長為25.819 8 m和面積為666.7 m2的格網(wǎng)中心,即按照77.459 4 m×77.459 4 m、129.099 0 m×129.099 0 m、180.738 6 m×180.738 6 m和232.378 2 m×232.378 2 m格網(wǎng)邊長進行空間格網(wǎng)化,不同格網(wǎng)尺度分樹種提取的格網(wǎng)中心點數(shù)。

表3 塞罕壩林場不同格網(wǎng)尺度不同優(yōu)勢樹種的格網(wǎng)中心

由圖5可知,根據(jù)4種不同格網(wǎng)尺度的格網(wǎng)中心,使用ArcGIS軟件的疊置分析工具分樹種在二類調查矢量數(shù)據(jù)上進行疊置分析獲取林齡、郁閉度、株數(shù)、蓄積量屬性參數(shù)到格網(wǎng)中心,并將格網(wǎng)中心蓄積量通過蓄積量-生物量轉換模型和生物量-碳儲量轉換模型的轉化參數(shù)換算得到格網(wǎng)中心碳儲量,進而完成對塞罕壩林場4種不同格網(wǎng)尺度不同優(yōu)勢樹種的格網(wǎng)中心碳儲量的空間分布。

圖5 塞罕壩林場不同格網(wǎng)尺度不同優(yōu)勢樹種格網(wǎng)中心的空間分布

3.2 不同格網(wǎng)尺度主要優(yōu)勢樹種格網(wǎng)中心碳儲量的估算

由表4可知,根據(jù)格網(wǎng)中心的林齡、林齡、株數(shù)、郁閉度以及格網(wǎng)中心碳儲量參數(shù)進行塞罕壩林場森林碳儲量的估算,其中,3×3、5×5、7×7和9×9等4種不同格網(wǎng)尺度的主要優(yōu)勢樹種碳儲量的BO-RF模型估算精度。不同格網(wǎng)尺度主要優(yōu)勢樹種碳儲量模型中,以3×3和5×5兩種格網(wǎng)尺度的主要優(yōu)勢樹種碳儲量估算模型的華北落葉松、白樺、樟子松、蒙古櫟、云杉的決定系數(shù)(R2)均已超過0.8;偏差、相對偏差、均方根誤差、相對均方根誤差也都表現(xiàn)較優(yōu)。此外,考慮到格網(wǎng)中心碳儲量估算模型的數(shù)據(jù)量、計算量和森林資源調查實用性,結合二類調查數(shù)據(jù)的特點,最終采用5×5格網(wǎng)尺度的主要優(yōu)勢樹種碳儲量估算模型對塞罕壩林場總體碳儲量的估算,能夠很好平衡格網(wǎng)間距與估算精度的相互關系。

表4 塞罕壩林場不同尺度主要優(yōu)勢樹種的碳儲量估算精度

3.3 5×5格網(wǎng)尺度主要優(yōu)勢樹種格網(wǎng)中心碳儲量的估算精度評價

由圖6可知,在5×5格網(wǎng)尺度主要優(yōu)勢樹種碳儲量估算模型的精度評價中,華北落葉松、白樺、樟子松、蒙古櫟、云杉主要優(yōu)勢樹種估算模型的實測碳儲量與預測碳儲量的決定系數(shù)(R2)均在0.8以上,具體分別為0.910、0.887、0.956、0.864、0.913。因此,BO-RF的碳儲量估算模型對不同樹種的林齡、株數(shù)、郁閉度與格網(wǎng)中心碳儲量參數(shù)之間具有很好的擬合效果,適宜塞罕壩林場主要優(yōu)勢樹種森林碳儲量估算的需求。

圖6 塞罕壩林場5×5格網(wǎng)尺度主要優(yōu)勢樹種碳儲量估算模型擬合效果

3.4 主要優(yōu)勢樹碳儲量空間統(tǒng)計和估算精度驗證

由圖7可知,根據(jù)華北落葉松、白樺、樟子松、蒙古櫟、云杉格網(wǎng)中心估算的碳儲量,利用ArcGIS軟件的反距離加權插值方法進行空間插值,完成主要優(yōu)勢樹種碳儲量空間插值后的空間分布和塞罕壩林場總體森林碳儲量的估算。

圖7 塞罕壩林場主要優(yōu)勢樹種碳儲量的空間分布

由表5可知,各主要優(yōu)勢樹種碳儲量估算的精度均超過99%,塞罕壩林場的整體性實測碳儲量與預測碳儲量之差21 958.83 t。說明分樹種進行空間格網(wǎng)化方法能夠以較高的精度對塞罕壩林場主要優(yōu)勢樹種碳儲量的整體性估算。

表5 塞罕壩林場主要優(yōu)勢樹種碳儲量的整體估算結果

4 結論與討論

本研究根據(jù)塞罕壩林場的二類調查數(shù)據(jù),通過空間格網(wǎng)化方法,將二類調查數(shù)據(jù)的林齡、株數(shù)、郁閉度、蓄積量參數(shù)提取至不同尺度的格網(wǎng)中心,通過蓄積量-生物量轉換模型和生物量-碳儲量轉換模型的轉換參數(shù),將格網(wǎng)中心的蓄積量換算為碳儲量,采用Python軟件的BO-RF算法進行建模估算和ArcGIS軟件的反距離加權插值方法進行空間統(tǒng)計,選擇精度較高森林碳儲量估算的格網(wǎng)尺度,對塞罕壩林場的主要優(yōu)勢樹種碳儲量的整體性估算。

塞罕壩林場的3×3、5×5、7×7、9×9等4種格網(wǎng)尺度中,以3×3、5×5格網(wǎng)尺度的主要優(yōu)勢樹種碳儲量估算模型的精度表現(xiàn)較佳,華北落葉松、白樺、樟子松、蒙古櫟和云杉的決定系數(shù)(R2)均在0.8以上,偏差、相對偏差、均方根誤差和相對均方根誤差也都表現(xiàn)較優(yōu)。其中,5×5格網(wǎng)尺度主要優(yōu)勢樹種的BO-RF的碳儲量估算模型對塞罕壩林場5種主要樹種的林齡、株數(shù)、郁閉度與格網(wǎng)中心碳儲量的擬合效果明顯,決定系數(shù)(R2)分別為0.910、0.887、0.956、0.864、0.913,能夠很好地處理數(shù)據(jù)量、計算量和森林資源調查實用性的相互關系。主要優(yōu)勢樹種的格網(wǎng)中心估算的森林碳儲量,通過ArcGIS軟件的反距離加權插值方法進行空間插值實現(xiàn)空間分布,經(jīng)像元統(tǒng)計得到主要優(yōu)勢樹種的整體性碳儲量空間統(tǒng)計,與林班直接估算的整體性碳儲量對比分析,塞罕壩林場碳儲量整體性估算的精度99%以上,林場整體性實測碳儲量與預測碳儲量之差21 958.83 t。因此,分樹種的空間格網(wǎng)化方法能夠有效地森林碳儲量的整體性估算。

塞罕壩林場的二類調查數(shù)據(jù)僅對活立木本身進行了調查,缺少枯枝落葉層、林下層、土壤層等數(shù)據(jù)的調查,因此對塞罕壩林場主要優(yōu)勢樹種森林碳儲量的估算有一定程度的偏低[20]。本研究所用蓄積量-生物量轉換模型和生物量-碳儲量轉換模型的參數(shù),主要來自于區(qū)域和國家尺度森林碳儲量估算研究的文獻。若能開展研究區(qū)實地的森林碳儲量轉換參數(shù)測定,這將有利于提高結果的適用性與準確性[21]。分樹種的空間格網(wǎng)化方法對森林碳儲量估算模型的構建具有一定的現(xiàn)實意義,有利于節(jié)省人力和財力,縮短森林資源調查的更新周期[22]。隨著遙感方法在林業(yè)資源監(jiān)測方面的廣泛應用,遙感技術與二類調查數(shù)據(jù)結合將成為今后不同區(qū)域尺度森林生物量、碳儲量估算的重要途徑[23-24]。