森林碳储量遥感估测模型构建研究——以闽江流域杉木林为例

刘学龙 ，赖日文 ，b，汪 琴 ，陈 芳 ，叶 伟

(福建农林大学 a.林学院；b. 3S技术应用研究所，福建 福州 350002)

森林碳储量遥感估测模型构建研究
——以闽江流域杉木林为例

刘学龙a，赖日文a，b，汪 琴a，陈 芳a，叶 伟a

(福建农林大学 a.林学院；b. 3S技术应用研究所，福建 福州 350002)

以福建省闽江流域为研究对象，利用年均降水、温度数据，结合改进NPP模型构建基于气象因子的森林生产力估测模型，并通过森林生产力与二类调查结果对应的小班年龄曲线建立森林生物量模型，以此获得遥感估测模型所需的样地生物量，在此基础上利用遥感影像和杉木平均含碳率可以成功构建森林生物量非线性遥感估测模型和碳储量遥感估测模型。本研究不仅能建立森林碳储量模型，而且避免了繁杂的森林生物量野外实测，节省了大量的人力物力，且不需砍伐森林树木。实验计算结果：闽江流域杉木林碳储量2003～2012年从10 337 774 t增加到 19 624 374 t。

森林遥感；森林碳储量；森林生产力估测模型；森林生物量

近年来，全球CO2排放量显著升高，进而影响全球气候变化，造成生态环境恶化，尤其是我国，其未得到遏制，反日益严重，这引起了许多科学家对生态系统中碳平衡以及碳存储和分布的关注[1-3]。森林是地球上最重要的生态系统，在全球碳循环中居重要地位，良好的森林经营可以减少大气中的 CO2含量[4-5]。在当前全球气候变化引起很多环境问题的背景下研究森林碳储量具有重要意义。现如今对森林碳储量的估测，无论在森林群落或森林生态系统尺度上，还是在区域、国家尺度上，普遍采用的方法大多是通过直接或间接测定森林植被的生产量与生物现存量再乘以生物量的含碳率推算而得[6-10]。我国森林普遍采用的含碳率为0.5。对于森林生物量估测方法主要有两类：基于森林资源清查数据的传统估计方法[11]和基于遥感信息技术的估计方法。遥感数据估测作为森林生物量测定的有效手段，已经得到众多学者的认可，与传统的生物量估算方法比较，可快速、准确、无破坏地对生物量进行估算，对森林生态系统碳储量进行宏观和动态的监测[12]。传统森林生物量和森林碳储量的估测模型，都要通过大量的野外实测，获取森林生物量作为因变量来进行模拟，这不仅需要消耗大量的人力物力，而且会破坏生态环境[13]。本研究主要以气象因子估算的森林生产力推算森林生物量，以植被类型斑块（样地）为评价单元，以福建省闽江流域杉木林为研究对象，利用气象因子、遥感信息结合地面一、二类调查资料和地形因子，探索构建基于森林生产力的森林生物量估测模型，提取森林生物量遥感模型所需要的杉木林样地生物量，在此基础上利用遥感影像，以GIS为平台快速构建杉木林生物量和碳储量的非线性遥感模型。研究过程中既节省了人力和物力，也不会造成生态破坏。

1 研究区域概况

闽江流域位于 116°23′～ 119°35′E， 25°23′～28°16′N，是福建省最大的水系。闽江作为中国东南沿海最大河流，也是福建省的第一大江, 发源于福建、江西交界的建宁县均口乡，自西向东流入东海。主流上源为沙溪的水茜溪，全长577 km，河流总长2 872 km，河道平均坡降0.5‰，流域面积60 092 km2，约占福建全省面积的一半,为福建水路交通的大动脉，干支流流经38个县（市、区）（含浙江省庆元、龙泉2县）。闽江流域以南平、水口为界，划分为上、中、下游。闽江流域气候温和，雨量充沛，立地条件良好，森林资源丰富。自改革开放以来，闽江流域的森林覆盖率日益提高，但林分质量较低，结构性失调问题逐渐突出[14]。

2 数据处理与研究方法

2.1 数据收集

本研究所用数据为福建省闽江流域晴朗天气情况下2003年TM、2012年TM遥感影像数据；1∶1万闽江流域地形图、1∶5万闽江流域DEM、闽江流域行政区图和土壤质量有关因子等专题地图；收集该区域1982～2012年各县市的温度和降水量数据；福建省最近一类调查样地资料和最近二类清查数据资料。为了研究的准确性和便于处理，本研究以杉木林为研究对象，其它杉类植被皆归并于杉木进行研究。

2.2 研究方法与数据处理

将温度、降水和土壤因子插值得到栅格图层，利用已经提取的闽江流域土地利用类型专题信息遥感影像栅格图，借助ERDAS软件提取林地部分作为研究评价对象。

式中：E为林地年实际蒸散量，P为林地年平均降水量，T为林地年平均气温。

利用闽江流域林地实际蒸散量栅格图层，计算闽江流域森林气候生产力并建立相应的30 m×30 m（与遥感影像像元大小相一致）栅格图层[15-17]。

式（1）中：PNPP(E)为由年实际蒸散量计算的森林气候生产力，E为林地年实际蒸散量。

在此基础上以林地土壤有机质、土层厚度、N、P、K含量、土壤侵蚀强度作为土壤质量因子来修正森林气候生产力模型，以此来构建森林生产力模型，并建立栅格图层[18]。

式（2）中：PNPP(S)为由森林气候生产力计算的森林生产力，Ki为各栅格土壤质量订正系数，采用加权指数和法计算各栅格林地土壤质量综合指数所得。

式（3）中：Ki为各栅格土壤质量订正系数，aj为各评价因子权重，Ai为各评价因子得分值。

基于福建省最近一次一类调查样地资料和最近二类清查数据资料，结合已经得到的森林生产力栅格数据拟合构建杉木林小班年龄曲线，计算各林龄杉木生产力。累计各年生产力得到的量与相对应年份的杉木林蓄积生长曲线斜率的乘积作为杉木林生物量遥感估测模型所需样地生物量。

式（4）中：S为杉木林生产力，t为小班林龄。

根据福建省森林评估材料可知杉木林蓄积生长曲线为：

式（5）中：V为杉木蓄积量，t为小班林龄。

通过以上方法得到样地生物量，然后利用闽江流域遥感影像和DEM，通过提取各波段的值、各波段比值与植被指数及坡度、坡向、海拔等相关地形因子，采用主成分分析、相关分析和因子分析结合理论分析进行有效地筛选变量，便可建立杉木林遥感估测模型。

图1 闽江流域森林气候生产力Fig. 1 Forest climate productivity of Minjiang watershed

3 结果分析

3.1 构建杉木林碳储量遥感估测模型

在得到样地生物量后，根据上文所提的方法进行逐步回归分析，剩下TM4/TM3、坡向、NDVI三个因子构建杉木林生物量遥感估测模型。

选取22个样地小班用于建模，得到模型公式：

式（6）中：Y为杉林木生物量，X1、X2、X3分别为TM4/TM3、坡向、NDVI。

为了检验反演模型的精度，利用剩下的11个杉木林样地生物量计算值与预测值进行验证，并用决定系数R2和相对误差ERE进行定量精度分析[19]。

式（7）中：VCEsti、VCobsi分别为第i个样地的杉木林生物量的预测值和实测值，n是样本总数。

计算可得ERE=2.508 6%，模型的决定系数R2=0.730，模型的精度是可以用于估算研究区杉木林的碳储量。

利用所得到的森林生物量遥感估测模型，基于森林含碳率（我国森林普遍采用的转化率为0.5）构建杉木林碳储量遥感估测模型，得到闽江流域森林碳储量栅格图，再用ERDAS进行掩膜处理，得到杉木林碳储量栅格图。

图2 闽江流域森林生产力Fig. 2 Forest productivity of Minjiang watershed

式（8）中：C为杉木林碳储量，X1、X2、X3分别TM4/TM3、坡向、NDVI。

3.2 模型校正

欲将以上建立的2003年杉木林碳储量反演模型应用于2012年的杉木林碳储量反演，需对2003年的模型进行相对辐射校正，使其能够应用于2012年的影像。基于伪不变特征原理[20]的相对辐射校正是一种最常用的方法[21]。通过采集两幅影像图上不随时间发生变化的象元，并对其进行回归法分析，找出两者关系并用于校正所建立的模型[19]。

Y1、Y2分别为2012年的TM4/TM3和NDVI，X1和X2分别为2003年的TM4/TM3和NDVI。

将回归方程（9）、（10）带入回归方程（8）中，得到校正后的2012年杉木林碳储量遥感估测模型。

C2012为碳储量，X1、X2、X3分别为 2012年TM4/TM3、坡向、NDVI。

利用上文建立的2003、2012年杉木林碳储量反演模型对各年份的杉木林碳储量进行反演计算得表1。

表1 闽江流域杉木林碳储量Table 1 Carbon reserves of Cunninghamia lanceolata of Minjiang watershed

图3 2003年闽江流域杉木碳储量Fig. 3 Carbon reserves of C. lanceolata in Minjiang watershed in 2003

4 结论与讨论

根据本研究，利用气象因子和杉木林小班年龄曲线可以得到杉木林生物量，其数据较精确，可以用于建立生物量遥感估测模型，计算出杉木林生物量和碳储量, 而且本研究方法避免了传统方法中费时费力的调查、取样等。与传统的碳储量估算方法比较，可快速、准确、无破坏地对生物量进行估算，对生态系统碳储量进行宏观和动态监测，为森林生物量和碳储量的研究提供了一种新的、节约便利的研究方法。本次研究计算的碳储量总量结果：2003～2012年福建省闽江流域杉木林碳储量从10 337 774 t增加到19 624 374 t。

不过此方法没有考虑杉木林受到的人为砍伐和自然灾害的影像，在估算的过程中会出现一定的误差。本研究方法可以推广到马尾松林和阔叶林应用，但是对寿命较短的竹林和树种差异较大的经济林类森林还难以建立反演模型[22]。对于这些问题，可做进一步研究。

2003～2012年福建省闽江流域杉木林碳储量从10 337 774 t增加到19 624 374 t，考虑到砍伐因素，杉木林碳储量的增长是因为福建省近年来对森林建造的投入和保护。从图3和图4中可以看出福建省东南靠近海的一侧杉木林较少，而西部靠近内陆一侧杉木林较多。

图4 2012年闽江流域杉木碳储量Fig. 4 Carbon reserves of C. lanceolata in Minjiang watershed in 2012

[1] 葛全胜,戴君虎,何凡能,等. 过去300年中国土地利用、土地覆被变化与碳循环研究[J]. 中国科学:地球科学,2008,38(2): 197-210.

[2] 刘雯雯,项文化 ,田大伦,等. 区域尺度杉木林生物量通用相对生长方程整合分析 [J].中南林业科技大学学报,2010,30(4):7-14.

[3] 何 方.中国生态区划分与评价和保护建设的研究( Ⅰ)[J].经济林研究,2002,20(3):1-6.

[4] Moffat A S. Resurgent forests can be greenhouse gas sponges [J].Science, 1997, 277: 315-316.

[5] 潘勇军,王 兵,陈步峰,等.江西大岗山杉木人工林生态系统碳汇功能研究[J].中南林业科技大学学报,2013,10(10):120-125.

[6] 刘国华,傅伯杰,方精云.中国森林碳动态及其对全球碳平衡的贡献[J].生态学报，2000, 20(5):733-740.

[7] 杨晓梅, 程积民, 孟 蕾. 黄土高原子午岭森林碳储量与碳密度研究[J].水土保持学报,2010,24(6):123-127.

[8] 杨洪晓,吴 波,张金屯,等.森林生态系统的固碳功能和碳储量研究进展[J].北京师范大学学报:自然科学版,2005,41(2): 172-177.

[9] 邓 蕾.上官周平. 基于森林资源清查资料的森林碳储量计量方法[J]. 水土保持通报,2011,31(6):143-147.

[10] 张 志,陈尔学.森林地上生物量估测方法研究综述[J].东北林业大学学报,2011,33(5)144-150.

[11] 刘雯雯.区域杉木林生物量估算方法清单及可靠性检验[D].中南林业科技大学,2009,4.

[12] 卢景龙,梁守伦,刘 菊,等.山西省森林植被生物量和碳储量估算研究[J].中国农学通报,2012,28,( 31):51-56

[13] 罗云建,张小全,王效科,等. 森林生物量的估算方法及其研究进展[J].林业科学,2009,08(8):129-134

[14] 苏时鹏,张春霞.闽江流域森林资源与环境关系的动态分析[J].福建环境, 2004,(3):47-48.

[15] 赖日文,刘 健,余坤勇,等.基于遥感和GIS的森林生产力空间格局与分异[J].福建林学院学报,2007,27(4):360-364.

[16] LiethH. Modeling the primary productivity of the world [J].Nature and Resources, 1972, 8(2): 5-10.

[17] 阎淑君,洪 伟,吴承祯,等.自然植被净第一生产力模型的改进[J].江西农业大学学报, 2001, 23(2): 248-252.

[18] 余坤勇,刘 健,赖日文.基于RS和GIS林地植被生产力估测研究[J].安徽农业科学, 2009,37(29):14327-14329.

[19] 黄绍霖,徐涵秋,刘智才,等.福建长汀河田盆地的马尾松林碳储量时空动态变化分析[J].海峡两岸红壤区水土保持研讨会论文集,2012,11:155-162.

[20] Schott J R, Salvaggio C, Volchok W J. Radiomatric scene normalization using pseudo invariant features[J].Remote Sensing of Environment, 1988,26(1):1-16.

[21] 徐秋涵.Landsat遥感影像正规化处理的模型比较研究[J].地球信息科学,2008,10(3):294-301.

[22] 何 方.我国经济林现状、问题与对策[J].经济林研究, 1996,12, 30:11-16.

Research on remote sensing model of forest carbon storage∶ A case study of Chinese fi r in Minjiang watershed

LIU Xue-longa, LAI Ri-wena,b, WANG Qina, CHEN Fanga, YE Weia
(a. College of Forestry; b. Institute of Geomatics Application, Fujian Agriculture and Forestry University, Fuzhou 350002, Fujian, China)

∶ By taking Minjiang watershed in Fujian province as the studied object, using the annual average precipitation and temperature of the area, and adopting the improved NPP model, the forest productivity estimation model for Minjiang watershed of Fujian province was set up. Then, through combining the obtained remote sensing image and forest productivity, the nonlinear remote sensing estimation model of forest biomass and remote sensing estimation model of carbon storage in forests were established based on sub-compartment age curve which is corresponding with second class investigation. The methods can only establish the forest biomass carbon storage model but also avoide the complexity of forest biomass in fi eld measurement, without felling of forest trees, and save a lot of manpower and material resources. The experimental and computational results show that the carbon storage of Chinese fi r in Minjiang watershed increased from 10 337 774 tons to 19 624 374 tons from 2003 to 2012.

∶ remote sensing of forest; forest carbon storage; forest productivity estimation model; forest biomass

S771.8

A

1673-923X(2014)06-0076-05

2013-12-25

福建省自然科学基金计划项目（2011J01258）资助

刘学龙 （1989-），男，安徽寿县人，硕士研究生，主要从事3S技术在资源环境中的应用；E-mail：liuxuelong999@163.com

赖日文（1970-），男，福建政和人，副教授，博士，主要从事3S技术在资源环境中的应用、森林资源经营管理研究；E-mail：fjlrw@126.com

[本文编校：文凤鸣]