基于遙感信息模型的香格里拉森林生物量估算

王金亮，程鵬飛，徐 申，王小花，程 峰

(1.云南師范大學(xué) 旅游與地理科學(xué)學(xué)院，云南 昆明650500；2.云南省一九八煤田地質(zhì)勘探隊(duì)，云南 昆明650208；3.昆明市西山區(qū)第一中學(xué)，云南昆明650106；4.重慶市梁平縣規(guī)劃局，重慶梁平 405200)

森林生態(tài)系統(tǒng)是陸地最大的碳庫(kù)，森林生物量的估算是進(jìn)行森林碳循環(huán)和碳儲(chǔ)量及變化分析的基礎(chǔ)，開展區(qū)域森林生物量的估算正愈來(lái)愈受到科學(xué)家們的普遍關(guān)注。遙感影像信息具有良好的綜合性和現(xiàn)勢(shì)性，與森林生物量之間存在相關(guān)性，基于遙感信息的森林生物量估測(cè)比傳統(tǒng)方法更加優(yōu)越。區(qū)域植物生物量估測(cè)的遙感模型基礎(chǔ)，是從光合作用即植被生產(chǎn)力形成的生理過(guò)程出發(fā)，根據(jù)植物對(duì)太陽(yáng)輻射的吸收、反射、透射及其輻射在植被冠層內(nèi)及大氣中的傳輸，結(jié)合植被生產(chǎn)力的生態(tài)影響因子，在遙感信息與生物量之間建立數(shù)學(xué)模型及其解析式進(jìn)行遙感信息與環(huán)境因子的反演[1]。香格里拉縣隸屬云南省迪慶藏族自治州，屬于滇西北三江并流區(qū)東段橫斷山地區(qū)，位于 26°52′～28°52′N，99°20′～100°19′E。全縣東、南、西三面被金沙江環(huán)繞，與四川及云南麗江市毗鄰。全縣總面積為1.16萬(wàn)km2，森林覆蓋率達(dá)74.99%，主要植被類型為寒溫性針葉林，常見的森林類型有麗江云杉Picea likiangensis-長(zhǎng)苞冷杉Abies georgei林，川滇高山櫟Quercus aquifolioides林，云南松Pinus yunnanensis林，高山松Pinus densata林等[2]。香格里拉縣屬生態(tài)系統(tǒng)脆弱、敏感區(qū)，其森林碳儲(chǔ)量的變化可以在一定程度上反映全球變化的特征。因此，擬運(yùn)用遙感方法對(duì)森林生物量進(jìn)行研究，以期對(duì)區(qū)域生物量和生態(tài)環(huán)境的研究提供可行的方法和基礎(chǔ)數(shù)據(jù)。

1 模型的選擇與構(gòu)建

1.1 模型的選擇

近年來(lái)，遙感(remote sensing)，地理信息系統(tǒng)(geography information systems)和全球定位系統(tǒng)(global positioning systems)技術(shù)發(fā)展迅速，人們對(duì)空間數(shù)據(jù)的使用不斷深入，地理信息建模也迅速發(fā)展。遙感信息模型由于綜合了遙感、地理信息系統(tǒng)、物理學(xué)等多學(xué)科知識(shí)，在氣象氣候、水文地理、土壤地理、植物地理、地質(zhì)地貌等領(lǐng)域中得到了廣泛的應(yīng)用[3]。

生物量模型表達(dá)式為:

式(1)中:y為樣地生物量，R為生長(zhǎng)季輻射，T為生長(zhǎng)季積溫，W為生長(zhǎng)季降水；P為對(duì)多個(gè)遙感植被指數(shù)進(jìn)行主成分分析得到的遙感植被信息層；S為地理綜合因子層，由植被類型、海拔、坡度、坡向、坡位、 土壤類型經(jīng)過(guò)層次分析得到；a0，a1，a2，a3，a4，a5為常數(shù)[4]。

1.2 建模數(shù)據(jù)

1.2.1 遙感數(shù)據(jù) 采用2009年12月遙感影像，對(duì)其進(jìn)行幾何校正、輻射校正后，提取12個(gè)常用植被指數(shù)，并對(duì)其進(jìn)行主成分分析，以前3個(gè)主成份值分別乘以各自貢獻(xiàn)率之和作為遙感植被指數(shù)層P(表1)。

1.2.2 氣候因子的選擇 研究區(qū)生長(zhǎng)季光能輻射、生長(zhǎng)積溫、生長(zhǎng)季降水分別采用云南省農(nóng)業(yè)氣候資源及區(qū)劃[5]和中國(guó)氣象局提供的數(shù)據(jù)[6]。

1.2.3 綜合因子的選擇 通過(guò)分析，選擇了地形地貌、土壤有機(jī)質(zhì)含量、樹種生長(zhǎng)率3組指標(biāo)作為綜合因子并進(jìn)行分析。①地形地貌因子。選取了海拔、坡度、坡向、坡位4個(gè)指標(biāo)(表2)。利用研究區(qū)數(shù)字高程模型(DEM)數(shù)據(jù)，用ArcGis10提取海拔、坡度、坡向、坡位；計(jì)算海拔變化率，并對(duì)坡位進(jìn)行空間分布提取及定量化[7]。②植被因子。植物的類型對(duì)生物量有著直接的影響，不同優(yōu)勢(shì)樹種的生長(zhǎng)速度與生物量積累的速度也不一致。利用多項(xiàng)式復(fù)合模型計(jì)算相同年齡不同樹種積累生物量的速度[8]，云冷杉生長(zhǎng)率為1.00，川滇高山櫟為1.05，高山松為2.29，云南松為3.22。③土壤因子。土壤數(shù)據(jù)采用研究區(qū)2006年森林資源規(guī)劃設(shè)計(jì)調(diào)查數(shù)據(jù)土壤分布數(shù)據(jù)[9]及實(shí)測(cè)土壤有機(jī)質(zhì)數(shù)據(jù)，選取不同土壤類型有機(jī)質(zhì)含量作為生物量估測(cè)的因子之一。指標(biāo)量化后，需要確定不同指標(biāo)的權(quán)重，以確定綜合影響因子層各因子對(duì)生物量積累的貢獻(xiàn)值。采用層次分析法(AHP)對(duì)不同指標(biāo)進(jìn)行權(quán)重賦值，確定因子權(quán)重。根據(jù)各種立地條件在植物生長(zhǎng)中的重要性，利用層次分析軟件yaahp052計(jì)算出生物量各影響因子權(quán)重系數(shù)(表2)。對(duì)表2因子取值，乘以權(quán)重，將不同因子計(jì)算結(jié)果求和，得到地理綜合因素層(S)。

1.3 模型的構(gòu)建

將遙感信息提取的各自變量帶入方程(1)，并對(duì)兩邊取對(duì)數(shù)得到方程(2):

表1 植被指數(shù)主成分分析表Table 1 Principal component analysis of vegetation index

將各樣點(diǎn)數(shù)據(jù)代入式(2)，計(jì)算出模型中參數(shù)值a0，a1，a2，a3，a4，a5。得到香格里拉森林生物量的遙感信息模型，如式(3):利用未參加建模的預(yù)留野外樣點(diǎn)對(duì)模型進(jìn)行適用性檢驗(yàn)，用實(shí)測(cè)值與模型估測(cè)值組對(duì)，建立線性回歸方程y=a+bx，如果模型擬合的很好，常數(shù)項(xiàng)(a)和回歸系數(shù)(b)就分別趨近于0和1。經(jīng)檢驗(yàn)，遙感信息模型的常數(shù)項(xiàng)a及回歸系數(shù)b值分別為0.009和1.021，均接近理想值。這表明，該模型適應(yīng)性較好。

遙感信息模型屬于非線性模型，不能直接用線性模型的檢驗(yàn)方法來(lái)檢驗(yàn)，但可通過(guò)將模型化解為對(duì)數(shù)線性模型后對(duì)擬合的結(jié)果進(jìn)行檢驗(yàn)。檢驗(yàn)得到模型的相關(guān)系數(shù)R，復(fù)相關(guān)系數(shù)R2，判定系數(shù)aR2及F統(tǒng)計(jì)量分別為:0.809，0.655，0.661和101.436；模型相關(guān)系數(shù)、調(diào)整判定系數(shù)值均較高，顯著性較好，系數(shù)顯著。利用預(yù)留的22個(gè)野外樣方生物量值，與模型估測(cè)的森林生物量估測(cè)值進(jìn)行了比較，估算精度達(dá)到了76.43%。

表2 生物量影響因子權(quán)重系數(shù)表Table 2 Weight coefficient of the biomass factors

2 森林生物量估算

2.1 森林生物量估算結(jié)果及精度

用遙感信息模型估算香格里拉云冷杉林(包括長(zhǎng)苞冷杉和麗江云杉)，櫟類林為川滇高山櫟林、云南松林和高山松林等4種森林的生物量(圖1)。4樹種總生物量為1.14億t，各樹種生物量見表3。

利用2006年森林資源規(guī)劃設(shè)計(jì)調(diào)查數(shù)據(jù)及相近區(qū)域相同樹種的蓄積量-生物量轉(zhuǎn)換方程[10]，計(jì)算各樹種生物量，并與遙感信息模型估算的各樹種森林生物量數(shù)據(jù)對(duì)比，對(duì)比結(jié)果如表4。

從表4可知:高山松林生物量的估算精度最高，云冷杉林與云南松林次之，櫟類林估算精度最低，4種森林的平均估測(cè)精度達(dá)到了80.92%，總體精度較高。

2.2 香格里拉縣森林生物量分析

香格里拉4種森林生物量總量較大為1.14億t，其中云冷杉林、櫟類林、云南松林、高山松林的生物量分別是0.71，0.14，0.09和0.20億t。4種森林生物量具有明顯空間分布規(guī)律。

2.2.1 香格里拉森林生物量海拔梯度分布 根據(jù)香格里拉海拔和不同樹種在不同海拔上的分布特征，將海拔劃分為7個(gè)等級(jí)(表5)。將研究區(qū)海拔分布圖與生物量分布圖做疊加分析，結(jié)果顯示:香格里拉森林生物量主要分布在2 400～4 000 m，占總生物量的86.15%；海拔低于2 000 m和超過(guò)4 000 m生物量所占比例較小。從不同海拔等級(jí)來(lái)看，生物量在3 600～4 000 m分布最多，占總生物量的35.01%，其次，在3 200～3 600 m和2 800～3 200m分布也比較集中，分別占到總量的22.63%和19.39%。總體變化呈現(xiàn)出近似正態(tài)分布規(guī)律即生物量主要分布于平均海拔附近，高海拔地區(qū)和低海拔地區(qū)的生物量分布較少。

圖1 香格里拉4種主要森林生物量分布圖Figure 1 Distribution of Shangri-La forest biomass

表3 各樹種林分生物量估測(cè)值Table 3 Estimation value of biomass for the forest types

表4 森林生物量估測(cè)精度對(duì)照表Table 4 Estimation accuracy of forest biomass

2.2.2 香格里拉森林生物量坡度分布 根據(jù)林業(yè)調(diào)查中對(duì)坡度的分級(jí)方法，將坡度從0°～90°分為平坡、緩坡、斜坡、陡坡、急坡、險(xiǎn)坡6類(表6)。將研究區(qū)坡度分級(jí)圖與香格里拉森林生物量分布圖疊加分析顯示:生物量多分布在坡度6°～45°，即緩坡、斜坡、陡坡、急坡。其中又以斜坡和陡坡上分布的最多，分別占33.73%和43.91%，兩者之和近80%。在平坡和險(xiǎn)坡上，生物量分布則較少，兩者之和不足1%，總體呈正態(tài)分布規(guī)律。

2.2.3 香格里拉森林生物量坡向分布 根據(jù)森林調(diào)查中對(duì)坡向的分級(jí)方法，將坡向分為東、南、西、北、東北、東南、西南、西北8類。研究區(qū)森林生物量在各個(gè)坡向上分布較為均勻，其中東北坡生物量分布稍多占14.91%，而生物量分布最少的南坡也有9.49%(表7)。可以看出，香格里拉森林生物量在向上分布較均勻，分布規(guī)律不明顯。

表5 不同海拔森林生物量分布情況Table 5 Distribution of forest biomass at different altitudes

表6 不同坡度森林生物量分布情況Table 6 Distribution of forest biomass in different slopes

3 結(jié)語(yǔ)

利用遙感信息模型估算研究區(qū)4個(gè)樹種的森林生物量總量為1.14億t，與森林調(diào)查規(guī)劃數(shù)據(jù)相比，平均估算精度達(dá)到了80.92%。生物量空間分布的分析結(jié)果顯示:總生物量在海拔3 600～海拔4 000 m分布最多，其次是3 200～3 600 m，總的生物量隨海拔的變化呈現(xiàn)出近似正態(tài)分布規(guī)律；在坡度方面，生物量多分布在坡度為6°～45°，又以斜坡、陡坡最多，坡度平緩和陡峭地區(qū)生物量分布較少，呈正態(tài)分布；在不同坡向上，生物量的分布較為均勻，無(wú)明顯規(guī)律。

本研究對(duì)喬木層地上部分生物量估測(cè)，雖然取得了較高的精度，但未考慮地下生物量。今后有必要補(bǔ)充這方面的研究。另外，己有的資料表明，森林生物量的主要組成部分——喬木層的生物量在單株樹木的葉、枝、干、根的分布隨樹種不同而差異較大，是否這種差別能在植物葉綠素含量、有效吸收光合輻射等機(jī)理性指標(biāo)上體現(xiàn)，并與遙感信息存在相關(guān)性，目前尚無(wú)具體研究，這是生物量遙感估測(cè)有待解決的問(wèn)題。

表7 不同坡向森林生物量分布情況Table 7 Distribution of forest biomass in different aspects

[1]馬煒，孫玉軍.我國(guó)的森林生物量研究[J].世界林業(yè)研究，2009，22(5):71－76.MA Wei，SUN Yujun.Forest biomass in China [J].World For Res，2009，22 (5): 71－76.

[2]宋發(fā)榮.迪慶藏族自治州森林資源規(guī)劃設(shè)計(jì)調(diào)查報(bào)告[R].大理:云南省林業(yè)調(diào)查規(guī)劃院大理分院，2006:12－18.

[3]李娜.川西亞高山森林植被生物量及碳儲(chǔ)量遙感估算研究[D].雅安:四川農(nóng)業(yè)大學(xué)，2008:32－39.LI Na.Application of Remote Sensing Model in Biomass Estimation and Carbon storage of the Subalpine Coniferous Forest in Western Sichuan Province [D].Ya’an: Sichuan Agricultural University，2008: 32－39.

[4]錢樂(lè)祥，李爽，丁圣彥.面向?qū)ο蟮牡乩磉b感信息模型建模過(guò)程[J].計(jì)算機(jī)工程與應(yīng)用，2003(12):112－113.QIAN Lexiang，LI Shuang，DING Shengyan.Process of modeling object-oriented remote sensing information models of geographical[J].Comp Eng Appl，2003 (12): 112－113.

[5]王宇.云南省農(nóng)業(yè)氣候資源及區(qū)劃[M].北京:氣象出版社，1990:13－118.

[6]中國(guó)氣象局.歷史氣象數(shù)據(jù)查詢[DB/OL].[2009-11-20].http://www.cma.gov.cn/lssjcx/.

[7]秦承志，朱阿興，李寶林，等.坡位的分類及其空間分布信息的定量化[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版，2009，34(3): 374－377.QIN Chengzhi，ZHU Axing，LI Baolin，et al.Taxonomy of slope positions and quantification of their spatial distribution information [J].Geomatics ＆ Inform Sci Wuhan Univ，2009，34 (3): 374－377.

[8]黃春，施本俊.用多項(xiàng)復(fù)合模型預(yù)測(cè)林分蓄積生長(zhǎng)過(guò)程[J].云南林業(yè)調(diào)查規(guī)劃，1996，3(1):16－18.HUANG Chun，SHI Benjun.Number of composite model to predict stand volume growth process[J].For Invent Plann，1996，3 (1): 16－18.

[9]王紹強(qiáng)，周成虎，李克讓，等.中國(guó)土壤有機(jī)碳庫(kù)及空間分布特征分析[J].地理學(xué)報(bào)，2000，55(5):537－541.WANG Shaoqiang，ZHOU Chenghu，LI Kerang，et al.Analysis on spatial distribution characteristics of soil organic carbon reservoir in China [J].Acta Geogr Sin，2000，55 (5): 537－541.

[10]黃從德，張健，楊萬(wàn)勤，等.四川省及重慶地區(qū)森林植被碳儲(chǔ)量動(dòng)態(tài)[J].生態(tài)學(xué)報(bào)，2008，28(3):966－975.HUANG Congde，ZHANG Jian，YANG Wanqin，et al.Dynamics on forest carbon stock in Sichuan Province and Chongqing City [J].Acta Ecol Sin，2008，28 (3): 966－975.