遥感大样地点面判读方法在森林资源宏观监测中的应用分析

郑冬梅,智长贵,黄国胜,曾伟生,张 云

(国家林业局调查规划设计院,北京 100714)

0 引言

国家森林资源连续清查是获取全国和各省(区、市)森林资源状况的重要方法。从1973年全国开展第一次森林资源清查以来,到2013年,我国已开展了八次森林资源清查,目前正在开展第九次森林资源清查。森林资源连续清查在保证调查精度和可靠性的条件下产出了客观翔实的数据,森林资源连续清查结果为制定和调整林业方针政策、规划、计划,监督检查各地森林资源消长任期目标责任制提供了重要依据。但是,随着社会经济的快速发展,森林资源连续清查已经不能满足国家和各省快速发展的国民经济的要求,主要表现在调查周期较长,数据时效性差。

为提高全国森林资源监测成果的时效性,缩短森林资源数据产出周期,满足国家和各省国民经济建设发展的需要,在保持国家森林资源连续清查体系稳定的基础上,探索一套快速、准确、高效的森林资源监测方法已成为我国森林资源监测工作的重要任务之一。

从近几年国内发表的相关文献来看,将抽样技术和遥感技术相结合,采用遥感大样地调查是许多专家和学者探讨较多的方法。陈振雄等[1]以广东省森林资源清查为例,采用大样地双重抽样调查方法开展了森林资源监测研究。王雪军等[2]基于全国第八次森林资源清查的41.5万个地面样地数据和全国林地利用保护规划的“一张图”成果数据,采用系统抽样和分层抽样,探讨了全国森林资源森林面积、森林蓄积年度出数的基本方法。曾伟生等[3]基于我国现行森林资源清查体系的实际,探讨如何实现全国森林资源年度出数方法。周琦等[4]根据江苏省森林资源清查历史数据,采用分层抽样估计的方法对森林资源清查数据进行了年度更新。王柏昌等[5]用成数面积估计修正方法进行连清数据的年度更新。葛宏立等[6]研究了利用遥感数据、不同时间调查的地面样地数据之间的关系,构造三相抽样估计方法,以提高年度监测的面积估计精度。

本文在全国2015年开展的森林资源宏观监测的基础上,对同时开展大样地群团样地判读和区划判读的河北、辽宁、吉林、江苏、浙江、湖南、贵州、山西、宁夏等9省的判读结果进行了详细分析研究,比较群团样地判读和区划判读监测结果的精度、效率,以期为完善全国森林资源宏观监测方法提供参考。

1 研究方法

项目以抽样调查理论为基础,采用统一的坐标系统,在全国范围内按20km×20 km网格系统布设一套2km×2km的大样地,在大样地内均匀布设25个面积为0.0 667hm2(1亩)的小样地作为一个群团。选取河北、辽宁、吉林、江苏、浙江、湖南、贵州、山西、宁夏等9省,代表着我国的华北、东北、华东、华中、西南、西北地区的森林资源特征,同时开展大样地群团样地判读(简称点判读)和区划判读(简称面判读)。9省共设置3 443个大样地,83 710个群团小样地(表1)。借助最新遥感影像,对于大样地,采用图斑区划判读的方式判读地类；对于小样地采用优势地类法判读地类。根据判读结果,结合必要的调查核实和现地验证,统计分析各省主要地类面积。

表1 各省布设的大样地和小样地个数 个Tab.1 The number of large plots and cluster plots in each province

1.1 遥感数据收集与处理

遥感影像主要采用国产的资源三号、高分1卫星等高分辨率的卫星影像数据,时相主要集中在2015年5—10月生长季节。遥感影像处理主要包括正射校正、波段融合、影像增强、图像裁切等过程。9省共制作3 443块大小4mm×4mm的遥感判读底图。

1.2 遥感判读与现地验证

面判读与点判读均按乔木林、竹林、特殊灌木林、一般灌木林、疏林、未成林造林地、苗圃地、迹地和其他土地9种地类。根据判读结果,9省共抽取149块大样地进行了现地验证,占9省大样地总数的4.3%。

1.3 统计分析

面判读结果采用系统抽样公式计算,点判读结果采用整群抽样公式计算,二者之间的差异采用假设检验方法。

1.3.1面判读

5) 抽样精度:P%=100-E%

式中:A为某省总面积(km2)；N为总体单元数(N=A/4)；n为样本单元数(大样地个数)；pi为第i个大样地的森林面积成数；ta为可靠性指标,统一取ta=1.96。

1.3.2点判读

5) 抽样精度:P%=100-E%

1.3.3差异检验

为进一步分析点判读与面判读结果之间的关系,本文采用U检验,判定2种监测结果是否存在明显差异。U检验可用于样本均数与总体均数的比较以及2样本均数的比较。理论上要求样本来自正态分布总体。但在实用时,只要样本例数n较大,就可应用u检验。

2 结果与分析

2.1 森林面积

根据9省群团样地判读和图斑区划判读结果(表2),有7个省图斑区划判读的森林面积比群团样地的判读结果偏大,仅辽宁和宁夏2省偏低。2种方法监测的森林面积之间存在明显的线性关系,相关性显著(R2=0.997),判读结果如图1所示。2种方法所得到的森林面积估计值不存在明显差异。

表2 9省图斑区划判读与群团样地判读的森林面积对比Tab.2 Comparison of forest area between zoning interpretation and point interpretation

图1 图斑区划判读森林面积与群团样地

2.2 差异检验

根据9个省U值计算结果(表3),取可靠性α为95%,则Uα=1.96。由于Uα=1.96均大于U,故接受假设,即9个省的点判读与面判读样本平均值无显著性差异。

2.3 正判率

根据149块验证大样地统计(表4),从林地各地类来看,乔木林、竹林由于植被特征明显,2种判读方式的正判率较高,基本达到95%以上；灌木林、疏林、未成林造林地、苗圃地、迹地由于地类特征不明显,2种判读方式的正判率较低,基本上在90%以下。从森林正判率来看,群团样地判读的森林正判率为93.7%,图斑区划判读的森林正判率为94.5%。从综合正判率来看,群团样地判读的森林正判率为93.5%,图斑区划判读的森林正判率为94.9%。总的来看,图斑区划判读正判率比群团样地判读的正判率稍高,但在统计上没有明显差异(表4、表5)。

表3 9省图斑区划判读与群团样地判读U检验结果Tab.3 U test of zoning interpretation and point interpretation

表4 群团样地判读各地类正判率统计Tab.4 The statistics of correct-judgement rate of point interpretation

表5 图斑区划判读各地类正判率统计Tab.5 The statistics of correct-judgement rate of zoning interpretation

2.4 抽样精度

群团样地判读抽样精度总体上与图斑区划判读抽样精度基本一致(表6)。分省来看,山西、吉林、江苏、湖南、宁夏等5省区划判读抽样精度比群团抽样精度略高,河北、辽宁、浙江、贵州等4省群团抽样精度比区划判读抽样精度略高,这说明群团抽样的效果与对整个大样地进行区划判读的效果相当。

表6 9省群团判读与区划判读的森林面积 抽样精度统计 %Tab.6 The statistics of forest area of sampling precision between point interpretation and zoning interpretation

2.5 点面判读不一致原因

通过对吉林和辽宁2省群团样地判读与图斑区划判读的地类(按森林和非森林归类)所作的专题分析,不一致的小样地共690个。经过对不一致小样地逐块查看,因小样地跨2个或2个以上图斑导致不一致的占40.1%,小样地落在林中空地导致不一致的占34.4%;小样地落在大片无林中的小块乔木林导致不一致的占17.3%;有云覆盖、时相不好及阴影等导致不一致的占8.2%。综合来看,图斑区划判读结果偏大的主要原因:一是图斑区划判读的精细化程度不够,导致森林图斑中还存在一定面积的非森林地块；二是区划森林图斑界线时受边界效应和关注效应影响,一般会存在一定的位置偏移,从而导致森林图斑面积偏大。辽宁、吉林群团样地判读和图斑区划判读地类不一致情况如表7所示。

辽宁省群团样地判读和图斑区划判读不一致的有427个,占全省样地总数9 206的4.6%。其中,因小样地跨2个或2个以上图斑导致不一致的占37.5%;小样地落在林中空地导致不一致的占27.6%;小样地落在大片无林中的小块乔木林导致不一致的占24.1%;有云覆盖、时相不好及阴影等导致不一致的占10.8%。辽宁省群团样地判读与图斑区划判读地类不一致转移情况如表8所示。

吉林省群团样地判读和图斑区划判读不一致的有263个,占全省样地总数11 900的2.2%。其中,因小样地跨2个或2个以上图斑导致不一致的占44.5%;小样地落在林中空地导致不一致的占45.3%;小样地落在大片无林中的小块乔木林导致不一致的占6.1%;有云覆盖、时相不好及阴影等导致不一致的占4.2%。吉林省群团样地判读与图斑区划判读地类不一致转移情况如表9所示。

表7 群团样地判读和图斑区划判读地类不一致原因统计Tab.7 The statistics of inconsistent reason between point interpretation and zoning interpretation

表8 辽宁省群团样地判读与图斑区划判读地类不一致转移矩阵 个Tab.8 The transition matrix of land class between point interpretation and zoning interpretation in Liaoning Province

表9 吉林省群团样地判读与图斑区划判读地类不一致转移矩阵 个Tab.9 The transition matrix of land class between point interpretation and zoning interpretation in Jilin Province

3 结论与讨论

1) 高分辨率遥感影像数据对森林植被识别效果较好。本次监测所用的影像数据70%空间分辨率优于2m,森林植被纹理结构特征明显,通过目视判读能够清晰地识别,经实地验证,群团样地判读的森林正判率达到93.7%,图斑区划判读的森林正判率达到94.5%,取得了预期的效果。利用高分辨率遥感数据能够识别出乔木林等森林植被。

2) 从9省监测结果看,大样地图斑区划判读结果比群团样地判读结果偏大。除辽宁、宁夏分别偏小4.18%,2.09%外,其余7省均有所偏大,其中河北、山西、吉林、江苏、浙江、湖南、贵州分别偏大4.87%,4.91%,0.28%,4.99%,0.59%,3.53%,3.75%。从总体上看,9省合计共偏大1.88%。

3) 群团样地花费人力物力较少。从工作量看,群团样地判读比图斑区划判读的工作量小很多(判读工作量大约1∶10的关系),采用群团样地判读的方法监测森林面积,质量相对易控制、工作量较小、工作效率更高。

4) 利用高分辨率遥感技术手段,快速产出全国和各省森林面积的方法是基本可行的,主要地类的正判率达到了预期要求。图斑区划判读结果比群团样地判读结果偏大,群团样地判读比图斑区划判读工作量小得多。采取群团样地判读方法监测森林面积,可以提高工作效率、实现快速出数。

5) 本次监测采取全国20km×20km的统一框架设置2km×2km大样地,有些省份如江苏、宁夏等,布设的大样地数量较少,监测的森林面积精度不足90%。可以考虑适当加密布设大样地,进一步优化各省宏观监测的抽样设计,形成一个科学合理的全国森林资源宏观监测的抽样框架。

[1] 陈振雄,熊志平,曾伟生,等.基于大样地双重抽样方法的广东省森林资源监测研究[J].中南林业调查规划,2014(3):28-33.

[2] 王雪军,张煜星,黄国胜,等.全国森林面积和森林蓄积年度出数方法探讨[J].江西农业大学学报,2016,38(1):9-18.

[3] 曾伟生.全国森林资源年度出数方法探讨[J].林业资源管理,2013(1):26-31.

[4] 周琪,姚顺彬.分层抽样下的森林资源清查数据年度更新探讨[J].林业资源管理,2009(6):117-119.

[5] 王柏昌,张伟东.用成数面积估计修正方法进行连清数据年度更新的探讨[J].华东森林经理,2005,19(2):51-54.

[6] 葛宏立,周国模,张国江,等.遥感地面三相抽样及其在森林资源年度监测面积估计中的应用[J].林业科学,2007,43(6):77-82.