松花湖生態區森林生物量遙感技術研究

杜春雨 張雙義

摘 要 以松花湖生態區為研究區，收集該地區主要樹種的生物量模型及TM遙感影像數據，對影像數據進行處理，提取遙感變量，建立影像數據與固定樣地生物量數據之間的遙感模型，用逐步回歸方法對25個遙感變量進行篩選，確定了b2、b5、KT2、KT3作為模型的自變量，用未參加建模的數據對模型進行精度檢驗。結果表明，多元線性回歸模型的擬合精度為74.9%，精度較高。利用生物量遙感模型進行反演估算，分析松花湖森林生物量質量。

關鍵詞 生物量;遙感;模型

中圖分類號：TP79 文獻標志碼：B DOI：10.19415/j.cnki.1673-890x.2020.33.048

生物量數據是研究眾多林業問題和生態問題的基礎[1-2]，松花湖流域是吉林省重要的水源地和生態保護區。因此，研究該地區森林生物量水平，在生產上和生態環境的監測方面以及碳匯研究方面都有著十分重要的意義[3-4]。

1 實驗數據處理

1.1 數據獲取分類

研究區域固定樣地數據取自林業部門收集森林資源連續清查固定樣地數據，還有部分野外調查樣地數據。下載Landsad 5 TM影像1～5和7波段組成多光譜數據作為遙感數據源。使用ENVI遙感圖像處理平臺對數據進行幾何校正、輻射定標、大氣校正等處理。采用監督分類最大似然法進行土地利用土地覆蓋遙感分類。將松花湖地區的土地利用類型分為植被、水體、裸地和居民用地4類。

1.2 樣地數據獲取與計算

課題組在松花湖實驗林場、林科院林場等設立臨時標準地20塊，規格為20 m×30 m，并記錄樣地中心坐標及海拔高度，對標準地內活立木進行每木檢尺，記錄胸徑、坡位、坡向、郁閉度等信息。

選用長白山林區生物量模型，對應樣地內單木類型，逐個計算累加得到固定樣地的生物量。

2 模型構建

2.1 模型變量選擇

從各波段光譜輻射值、不同波段輻射值之間的線性和非線性組合所派生出的變量因子出發，初步選出自變量因子25個，在SPSS軟件中對這些因子與對應樣地生物量作相關性分析，相關系數見表1。可以看出B2、TM4/2、SAVI、KT2與樣地生物量相關系數在0.01水平上具有顯著性。

2.2 建立生物量多元線性回歸模型

選擇了60塊標準地數據和對應的遙感變量數據構建模型，32塊未參加建模的數據進行模型評價分析，模型采用逐步回歸法來構建。SPSS輸出結果見表2所示。

通過表中R2的大小確定最佳模型，在4個模型中模型4的R2值為0.799，均為最大值。因此，選定第4個模型為最佳模型，模型方程如公式（1）所示。

生物量=74.574+4.134×KT2-2.714×KT3-2.044×B2+8.522×B5（1）

2.3 模型精度驗證

精密度根據公式（2）計算。

式中，i和n分別表示驗證樣本的序號和總數。

利用參加建模的樣本計算的擬合精度為71.6%，未參加建模的驗證樣本計算的檢驗精度為74.9%。

利用生物量模型計算檢驗樣本生物量對應的擬合值，與生物量值生成對比圖，查看檢驗效果如圖1所示。

3 結論

通過對松花湖設立樣地進行調查，并結合森林二類調查成果，利用長白山地區生物量方程計算生物量，提取遙感因子，構建生物量估測模型，估算研究區域地面生物量，建立松花湖生態區森林生物量遙感反演模型。模型的R值為0.894，相關性顯著，R2值為0.799，擬合效果良好，用未參加建模的驗證樣本計算的檢驗精度為74.9%。

通過反演結果可以得出，松花湖區域的生物量主要集中在60～120 t·hm-2，大于120 t·hm-2的區域所占比例很小，全國平均生物量水平為150 t·hm-2。這些數據說明雖然松花湖地區森林覆蓋率較高，但是森林生物量含量不高，森林質量一般，應該加強該地區的森林經營管理水平，提高森林質量。

參考文獻：

[1] 方精云，劉國華，徐嵩齡.我國森林植被的生物量和凈生產量[J].生態學報，1996（5）：497-508.

[2] 唐世浩，朱啟疆，閆廣建.遙感地表參量反演的理論與方法[J].北京師范大學學報（自然科學版），2001（2）：266-273.

[3] 趙敏，周廣勝.基于森林資源清查資料的生物量估算模式及其發展趨勢[J].應用生態學報，2004，15（8）：1468-1472.

[4] 國慶喜，張鋒.基于遙感信息估測森林的生物量[J].東北林業大學學報，2003，31（2）：13-16.

（責任編輯：趙中正）