刘启波 ,张 贵,毛克俭 ,叶 霖
(1.中南林业科技大学 林学院,湖南 长沙 410004;2.中南林业科技大学 芦头实验林场,湖南 平江 410400;3.平江县林业局,湖南 平江 414500)
流域湿地森林生态系统界定研究
刘启波1,张 贵1,毛克俭2,叶 霖3
(1.中南林业科技大学 林学院,湖南 长沙 410004;2.中南林业科技大学 芦头实验林场,湖南 平江 410400;3.平江县林业局,湖南 平江 414500)
为了明确流域湿地森林生态系统的边界范围,根据流域湿地森林生态系统定义和森林水文作用过程,选取土地覆盖类型、郁闭度、坡度、坡向作为分析指标,提出了流域湿地森林生态系统实体边界和水文功能边界的划分方法。以资江流域为案例,划分出了资江流域湿地森林生态系统实体边界和水文功能边界。研究结果能为流域湿地森林生态系统的经营管理提供科学依据。
流域湿地;森林生态系统;界定;流域水文信息提取
流域湿地森林生态系统是一项重要的自然资源,它不仅能够给人们提供木材等物质资料,而且与影响范围内的水文环境有着紧密复杂的联系[1],具有保持水土[2]、涵养水源[3-4]、净化水质等一系列生态水文功能。因此,确定流域湿地森林生态系统的边界具有重要研究意义。目前,国内外研究者针对流域湿地森林生态系统的研究热点专注于森林水文过程[5-6]及其森林水文模型[7]的研究,对于流域湿地森林生态系统的边界范围划分的研究较少,尚未形成明确定义和确定方法。本研究利用“3S”技术强大的空间分析功能,结合流域湿地森林生态系统的定义特征和水文过程特征,提出了提取流域湿地森林生态系统实体边界和水文功能边界的方法,为流域湿地森林生态系统研究提供了一种划分方法。
本文中利用的研究数据包括DEM数据、遥感图像数据和森林资源二类调查数据。
DEM数据来自地理空间数据云平台ASTGTM2的数据,是通过aster传感器提取的DEM数据,分辨率为30 m×30 m,采用的是WGS-84坐标系,数据类型为Grid网格数据。地理位置为北纬25°~29°,东经110°~113°。
遥感图像数据是来自Google earth,通过图像截取位于北纬 25°27′~ 29°01′、东经 109°58′~113°00′范围内的遥感卫星图像拼接而成[8]。
森林资源二类调查数据是湖南省新化县二类调查数据及其相关图鉴。
本文中,根据《森林资源规划设计调查主要技术规定》中对于森林的标准,划分森林生态系统的实体边界;根据森林水文过程,划分流域范围为流域湿地森林生态系统水文功能边界。针对流域湿地森林生态系统的实体边界和生态水文功能边界,分别利用遥感图像监督分类技术和DEM数据数字流域水文信息提取技术进行流域湿地森林生态系统边界提取。
Google earth online卫星遥感图像是多源遥感图像的二级产品,遥感图像已经在遥感图像的原始数据上进行了遥感图像的几何校正[9]。本研究采用的是单幅遥感图像进行监督分类,大气等因素对于整个图像中的像元影响一致,不会对分析结果产生影响。在本文中,只对遥感图像进行RGB模式图像增强处理。
在研究中选取的遥感图像分类工具为ENVI 4.8。
研究中,将研究区域内的分类类型划分为森林、草地、建筑用地以及水体4类。其中森林分类是本文的主要研究内容,仅仅指符合《森林资源规划设计调查主要技术规定》标准的森林,草地分类表示包括除去森林以外一切具有植被覆盖的土地类型(包括部分裸露的农田),建筑地分类包括了城市建筑用地、公路等无植被覆盖土地类型,水体分类包括了河流、湖泊和水库。
研究中采用了较为常用的4种分类器,分别是最小距离分类器、最大似然分类器、平行体分类器和马氏距离分类器。
研究采用ArcGIS 10.2软件自带hydrology处理模块和Arc Hydro Tools扩展软件进行流域水文信息提取。
本文中原始DEM数据为GIRD栅格数据,不需要对数据进行数据类型进行转化。但是为了进行流域水文信息提取,需要对DEM数据进行洼地判定和洼地填平处理。采取JD算法,利用hydrology模块中sink工具进行洼地提取,然后利用 fi ll工具进行洼地填平处理。
利用“水往低处流”的生活常识,采用单流向法的D8算法对处理过的无洼地DEM数据中各个栅格进行流向计算。D8算法的原理是,计算中心栅格与相邻8个栅格之间的坡度,选取与坡度最陡栅格的方向为水流方向。坡度的计算公式为:
式(1)中:hi为中间栅格的高程值;hj为周围栅格的高程值;D为相邻栅格中心连线的距离,由于是规则栅格,所以D为倍栅格边长。
利用ArcGIS 10.2平台下Arc Hydro Tools扩展软件中的Flow Direction工具实现。
河流网络提取需要经过汇流量计算和阀值确定两个过程。其中汇流量计算的原理是假设每个栅格都有一个单位的水,然后栅格中的水都按照D8算法计算出的流向流入下一个栅格,而每一个栅格的汇流量是能够流入栅格水的总量。而阀值确定是根据水流量汇聚到一定程度会形成河流的原理,而阀值正好是形成河流的最小水流量值。在阀值确定时候,可以通过提取出的河流网格密度来确定汇流量阀值。
河流流域边界的提取用的是运用最为广泛的坡面径流模型[10]。对提取的河流网络,根据栅格流向数据,逆水流流向进行搜索,整个河流网络你想搜索出的区域,就是整个河流的边界。
在选取的训练样本中选取了森林类型180个、草地类型25个、建筑用地类型66个和水体类型59个。其中森林类型的分离度与其他类型的分离度在1.839 9~1.996 5之间。利用4种常用的分类器进行分类的结果见图1。
图1 4种分类器的分类结果Fig.1 The results from four different ways of supervised classi fi cation
在本研究中,遥感监督分类是为了提取森林分类类型的边界,所以精度分析以森林覆盖类型分类精度作为标准,而不是以总体分类精度作为标准。
研究各种分类方法中,森林类型的分类准确度见表1。
表1 森林类型分类准确率Table 1 The accuracy rate of forest classification
4种不同分类器的分类结果精度分析显示,最小距离分类法的分类精度最高,最高精度达到97.80%,能够准确地划分出流域湿地森林生态系统的实体边界(见图2)。
分别选择了7个不同汇流量阀值进行流域河网提取,然后计算河流网络密度。
根据不同汇流量阀值提取的河流网络密度与汇流量阀值之间建立函数关系式,具体数据见表2。由二者函数图像(见图3)可知,河网密度和汇流量阀值之间整体呈现负相关性,在汇流量阀值较小时,随着汇流量阀值增加,河网密度迅速减小,随后会逐渐趋于平稳,所以选取函数曲线趋于平稳时的汇流量阀值作为河流网络提取值,故选取阀值为50 330。
图2 最小距离分类精度分析结果Fig.2 Precision-analysis results of land-cover types minimum distance classifying
图3 汇流量阈值与河网密度关系Fig.3 The relation between river network densities and threshold values
表2 不同阀值下的河流网络密度Table 2 The river network densities at different threshold values km/km2
图4为资江流域河流网络与水温功能边界提取结果。
(1)在流域森林生态系统界定研究中,通过土地覆盖类型、郁闭度、坡度和坡向指标,借助遥感监督分类和水文特征信息提取能够划分出了流域湿地森林生态系统的实体边界和水文功能边界。确定流域湿地森林生态系统的研究范围。
(2)以资江流域作为研究案例,以最小距离分离法提取的实体边界准确率最高,可达97.8%。通过实体边界和水文功能边界的叠加,能够确定流域湿地森林生态系统的边界,验证了研究方法的可行性。
图4 资江流域河流网络与水文功能边界Fig.4 The boundary of hydrological function and the river network in Zijiang basin
(3)在提取流域湿地森林生态系统水文功能边界中,真实洼地对水文功能边界影响的问题还需要进一步的研究。
[1]郑绍伟,慕长龙,陈祖铭,等. 长江上游森林影响流域水文过程模拟分析[J]. 生态学报,2010, 30(11):3046-3056.
[2]杨鑫荣,伍格致,关 欣,等. 以林地为主的土地利用类型对生态系统服务功能影响研究——以长沙市岳麓区莲花镇为例[J]. 中南林业科技大学学报,2015,35(3):107-111.
[3]王晓学,沈会涛,李叙勇,等. 森林水源涵养功能的多尺度内涵、过程及计量方法[J]. 生态学报,2013,33(4):1019-1030.
[4]王忠诚,华 华,王淮永,等. 八大公山国家级自然保护区林地水源涵养功能研究[J]. 中南林业科技大学学报,2014,34(2):95-101.
[5]Chuyong G B, Newbery D M, Songwe N C. Rainfall input,throughfall and stemflow of nutrients in a central African rain forest dominated byectomycorrhizal trees[J]. Biogeochemistry,2004, 67(1):73-91.
[6]李 勇,葛晓敏,唐罗忠,等. 森林不同组分对降水的生态效应研究进展[J]. 世界林业研究,2015, 28(2):19-24 .
[7]Valente F. Modeling interception loss for two sparse eucalypt and pine forests in central Portugal using reformulated Rutter and Gash analytical models[J]. J. Hydrol.,1997,190:141-162.
[8]方 昆,邱小波,金宏斌. 基于Google Earth影像地图数据获取的研究[J]. 信息技术,2014(4):96-99.
[9]王兴旺. Google Earth图像预处理[J]. 山西建筑,2014,40(12):244-246.
[10]俞伟斌. 基于DEM的数字流域时空特征及提取研究[D].杭州: 浙江大学,2014.
A study about forest ecosystem boundary-demarcating in watershed wetland
LIU Qi-bo1, ZHANG Gui1, MAO Ke-jian2, YE Lin3
(1. College of Forestry, Central South University of Forestry & Technology, Changsha 410004, Hunan, China; 2. Lutou Experimental Forest Farm, Central South University of Forestry & Technology, Pingjiang 410400, Hunan, China; 3. Forestry Bureau of Pingjiang County, Pingjiang 414500, Hunan, China; )
For disgusting the boundary of forest ecosystem in watershed wetland from others, we consider the land cover-types, canopy density, slope and slope aspect as the analysis indexes to present a method that how to demarcate the boundaries of forest ecosystem in watershed wetland and hydrological function, with the definition of forest ecosystem in watershed wetland and the process of hydrological effect gives a way to determine these indexes. This study has demarcated the boundaries of watershed wetland forest ecosystem in Zijiang river basin, which can provide forest ecosystem management and administration in watershed wetland with scienti fi c evidence.
watershed wetland; forest ecosystem; boundary-demarcation; watershed hydrological information extraction
S718.55
A
1673-923X(2016)09-0119-04
10.14067/j.cnki.1673-923x.2016.09.022
2016-03-02
国家自然科学基金项目(31570627)
刘启波,硕士研究生
张 贵,教授,博士,博士生导师;E-mail:csfu3s@163.com
刘启波,张 贵,毛克俭,等.流域湿地森林生态系统界定研究[J].中南林业科技大学学报,2016, 36(9): 119-122.
[本文编校:谢荣秀]