基于阈值比值法的森林冰雪冻害遥感评估——以湖南省为例

王学成， 杨 飞， 高 星， 张英慧

(1.中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京 100101； 2.中国科学院大学，北京 100049)

0 引言

2008年初，我国南方地区遭遇了50 a一遇(部分地区百年一遇)的冰冻雨雪灾害天气，蒙受了数千亿元的直接经济损失[1]。此次灾害涉及范围广、降温幅度大、持续时间长，给我国林业造成了重大损失[2]。据有关部门统计，此次灾害造成湖南、江西等19个省区森林受灾损害，林地受灾面积达0.186亿hm2，约占全国森林总面积的1/10[3]。对受灾区域内森林资源损害快速作出准确评估，有助于及时掌握森林灾情状况，为灾后修复工作、森林资源管理以及同类灾害预防提供科学依据[4,5]。

目前，已有的森林雪灾损失评估方法主要有人工调查法[6,7]和遥感图像识别法[8-10]2类。人工调查法具有准确度高、可信度高等特点，但需要花费大量的时间、人力、物力和财力，不适应于大区域尺度的森林雪灾损失评估； 而遥感图像识别法具有评估速度快、花费人力少、适应于大区域尺度调查等特点，已广泛应用于各类自然灾害调查[11,12]。遥感图像识别法又大致可分为图像阈值法和影像分类法2种。图像阈值法是比较受灾前后影像变化值(差值、变化率)，评估植被受损程度，如Isaac[8]等利用冰雪冻灾前后两期Landsat7 ETM+影像，调查评估了美国沃希托国家森林冰雪冻灾状况； 影像分类法是将受灾前后影像进行重新组合，采用监督分类等方法，评估植被受损程度，如Olthof[10]等使用监督分类方法评估了1998年加拿大安大略省东南部森林植被冰雪冻灾受损状况。2008年我国南方地区爆发特大冰雪冻灾后，有学者[13-15]使用上述方法评估了湖南省和广西省等地森林植被受损情况。然而上述方法存在以下不足： ①植被受灾阈值的确定存在某种主观性； ②选取的植被受损程度评估指标没有考虑不同像元受灾阈值的差异性，导致部分评估结果不合理。

针对已有方法存在的问题，本研究对图像阈值法加以改进，提出一种新的算法——阈值比值法，对研究区进行了森林雪灾受损评估，分析森林雪灾受损的地形特征，在县级尺度上使用部分地区人工调查数据验证评估结果，以期提供一种森林雪灾损失的快速评估方法。

1 研究区概况及数据源

1.1 研究区概况

本研究选择湖南省为研究区。湖南省地处长江中下游，介于108°47′～114°15′E， 24°38′～30°08′N之间，总面积2 119.84万hm2，其中林地面积达1 283.63万hm2，占全省面积的60.55%。2008年初，湖南省遭遇到50 a一遇的冰雪灾害，境内森林资源损失严重，据该省正式对外公布数据，受灾面积达453.12万hm2，森林受灾率为35.3%。全省123个县(市、区)的177个国有林场、99个国有苗圃、114个森工企业和采育场、12个国家级自然保护区均受到不同程度损害[16]。

1.2 数据源

本文所用数据包括： 土地覆被数据、DEM高程数据、归一化植被指数(normalized difference vegetation index，NDVI)数据产品及其质量评价数据(quality assessment，QA)。

土地覆被数据来自于中国测绘科学院提供的2010年全球土地覆被产品数据集，该产品以人工解译为主，空间分辨率高达30 m。DEM高程数据是通过91位图助手下载的高程数据14级产品，空间分辨率为120 m。由于本研究采用的NDVI数据产品空间分辨率为250 m，需将上述两种数据重采样至250 m，使得3种数据空间分辨率保持一致。

NDVI数据来源于MODIS免费提供的16 d NDVI合成产品(MOD13Q1)，空间分辨率为250 m，时间跨度为2001—2008年，根据雪灾发生时间、持续时间以及研究区范围，本研究选取h28v06、h27v05和h27v06这3个区域，儒略日049—064和065—080这2个时期，共计48景数据。2个时期的评估结果合成可以减少气溶胶、云等大气噪声的影响，更好地反映植被受损状况[17]。

2 研究方法

2.1 NDVI参考值及变化阈值提取

受光照等气象条件、物候时段的影响，植被NDVI值会出现正常波动变化[18]； 不同类型植被对外界因素变化的响应也是不同的。基于这两点，本研究以像元为基本单元，认为不同像元内的植被NDVI值在不同时段具有不同的正常变化范围，根据灾后植被NDVI值与灾前植被NDVI参考值的变化值是否超出其正常变化范围，判断该像元内植被是否受灾。

计算植被NDVI正常变化范围，需获取准确的植被NDVI参考值。由于不同时间光照等气象条件不同，植被NDVI值会产生偏移，因此仅使用受灾前一年的植被NDVI数据作为参考值，显然是不合理的。

(1)

式中NDVIi表示某i年NDVI值，计算R值，当R值大于某一数值时视该年NDVI 值为异常值。

表1 灾前森林像元NDVI变化率统计结果Tab.1 Statistical results of forest NDVI change rate before disaster

(2)

式中NDVIi′表示经过两次筛选后某一年NDVI值。

2.2 冰雪受灾范围提取算法

本研究将受灾后植被NDVI 变化值作为是否受灾判断指标，记作M，即

(3)

式中NDVI2008为2008年同时段植被NDVI值。若M>Diffmax，则认为该像元内植被受灾，反之则认为未受灾。由于光照等气象条件因素影响，某像元植被NDVI值无法获取或有效性较低，无法判断部分森林覆盖区是否受灾。为保证提取结果准确性，本研究选择冰雪消融时段提取森林冰雪受灾范围，分别对049—064和065—080两个时段进行受灾区域提取，采用“或”运算合成提取结果，即任何一个时段判断森林受灾，则视该像元森林植被受灾。

2.3 冰雪受灾程度评估算法

图像阈值法[19,20]以灾后植被NDVI变化值与其灾前植被NDVI参考值的比值作为植被受损程度评估指标，记作A1，即

(4)

该方法考虑了不同植被具有不同NDVI 参考值，但是没有考虑不同植被具有不同的正常生长变化范围，即Diffmax(也称受灾临界阈值)，造成某些植被NDVI值变化较大，刚超出植被的正常生长变化范围，便被错认为受灾严重区域，致使评估结果不合理。

本研究基于此提出了阈值比值法，用来评估森林雪灾损失。阈值比值法以受灾后植被NDVI变化值与植被正常生长变化范围的比值作为植被受损程度评估指标，记作A2，计算公式如下：

(5)

2.4 精度验证方法

本研究将人工调查数据和已发表论文中的森林雪灾植被受损程度评估数据作为真实数据，计算实验数据与真实数据之间的标准误差，用来评价实验结果。此外，作者将实验结果与地形因子(高程、坡向)进行叠加分析，间接对比2种方法评估结果。

3 结果与分析

3.1 森林冰雪灾害损失评估流程

根据研究目的，利用遥感技术对研究区进行森林冰雪灾害受损评估，首先对NDVI和DEM等数据进行预处理，使其空间分辨率、投影坐标一致； 其次，利用灾前数据提取植被NDVI参考值及植被正常生长变化范围Diffmax，结合灾后数据进行森林冰雪受灾范围提取，与土地覆被数据叠加，得到研究区2008年森林冰雪受灾范围； 然后分时段对受灾区进行森林植被受损程度评估，采用最大合成法对049—064和065—080时段评估结果合成，即选取两个时段较大的受损评估值作为最终评估结果； 最后对评估结果进行分级验证，评估流程如图1所示。

图1 森林雪灾损失评估流程Fig.1 Loss assessment process of forest ice-snow disaster

3.2 森林冰雪受灾区域提取结果

森林冰雪受灾范围提取结果如图2所示，统计可知湖南省森林冰雪受灾面积为415.97万hm2，占湖南省森林面积的34.72%，其中，受灾区域主要集中在湖南省南部地区，北部地区分布相对较少。这个结果与湖南省对外公布的2008年全省森林冰雪受灾面积453.12万hm2相比，低了37.15万hm2。分析其原因主要有： ①由中国测绘科学研究院提供的土地覆被数据与实际土地覆被数据存在偏差； ②本文所使用的MODIS 数据由于天气条件等因素，造成部分区域无法判断是否受灾。对比森林受灾率，与实际调查数据仅相差0.58%，间接证明本研究提取森林冰雪受灾范围的准确性。

图2 湖南省2008年森林冰雪受灾区域空间分布Fig.2 Spatial distribution of the 2008 forest ice-snow disaster area in Hunan Province

3.3 森林冰雪灾害损失评估结果

本研究采用图像阈值法和阈值比值法对森林受灾区域进行了受损程度评估。为对比2种方法评估结果精度，本研究参考湖南省道县人工调查法的评估结果[21]，将评估结果分为重度受灾、中度受灾以及轻度受灾3个级别，设置了相应的分级阈值，评估结果如图3所示。

(a) 图像阈值法评估结果 (b) 阈值比值法评估结果

图3森林雪灾损失评估结果

Fig.3Lossassessmentresultofforestice-snowdisaster

从图3可以看出，2种方法对湖南省西北地区的森林受损程度评估结果大致相同，以重度受灾为主。但是南部和东部地区的评估结果相差较大，在图像阈值法评估结果中，中、轻度受灾比重大幅度增加，在阈值比值法评估结果中，中、轻度受灾区域所占比重较小。为更加直观地展示2种方法的评估结果，本研究统计了全省及部分县市的评估结果见表2。

表2 森林雪灾损失评估统计结果Tab.2 Statistical results of loss assessment of forest ice-snow disaster

由表2可知，2种方法在省级尺度的评估结果比较接近，但在县级尺度相差较大。因此，本文将部分县市的人工调查数据作为真实数据，验证2种方法的评估结果。将新田县评估结果和人工调查数据[22]相对比(表3)，发现2种方法的评估结果均与人工调查数据相差很大。新田县和道县、江永县均隶属于湖南省永州市，其所处地理环境、植被类型相似，新田县森林雪灾损失程度应与其他两县相近，但是根据人工调查数据，新田县的评估结果与其他两县的评估结果相差很大。作者认为，这是由于此次调查工作是以县级林业局为基本单位开展的，不同的调查人员对森林资源损失程度的评判标准不同，受人为主观影响较大，造成评估结果相差较大，特别是大尺度区域评估工作，有时难以形成统一的评估标准。

表3 新田县森林雪灾损失评估统计结果Tab.3 Statistical results of loss assessment of forest ice-snow disaster in Xintian County

本次研究中了解到，当时江永县与浏阳市在人工调查法中采用的评估标准较为接近，故选取江永县和浏阳市作为验证区域，以评价2种方法的评估结果。此外，江永县和浏阳市分别位于两种方法评估结果相差较大的区域——湖南省南部地区和东部地区(图4)，具有一定的代表意义。

统计江永县、浏阳市的评估结果，以人工调查数据为真实数据[23,24](表4)，计算2种方法的标准误差。根据表1显示，虽然图像阈值法在江永县的评估结果优于阈值比值法评估结果，但是对浏阳市森林雪灾损失评估，图像阈值法评估结果精度远低于阈值比值法。参考人工调查结果，图像阈值法评估结果的标准误差为2.96，阈值比值法评估结果的标准误差仅为0.95。由此可见，阈值比值法更适合于森林雪灾损失评估。

图4 验证单元空间分布Fig.4 Spatial distribution of verification unit表4 江永县和浏阳市人工调查数据Tab.4 Manual survey data in Jiangyong County and Liuyang County(104 hm2)

3.4 地形因子对森林冰雪灾害的影响

地形对森林雪灾危害程度的影响显著[25]，有学者[26]在其研究中发现高海拔地区森林的受损程度要远大于低海拔地区，还有研究[27]表明阴坡森林受损程度更严重。为进一步比较2种方法评估结果的合理性，本研究分别统计不同海拔不同受损程度的森林面积(表5)，以及不同坡向不同受损程度的森林面积(表6)。

表5 不同海拔森林受损面积Tab.5 Damaged area of forest at different altitudes

由表5可知，图像阈值法评估结果中，低海拔地区的森林受损程度更严重，与其他研究呈相反结论； 但在阈值比值法评估结果中，森林重度受灾区域在400 m以下、400～800 m和800 m以上所占面积比重分别为48.51%，57.36%和58.91%，随海拔升高，森林受损程度加剧，与其他研究结论相符。与海拔地形因子相比，坡向对本研究的实验结果影响相对较小。对表6数据进行横向比较发现，阈值比值法评估结果中位于阴坡(北面、东北和西北)的森林重度受灾区域所占面积比重均略高于图像阈值法评估结果，位于阳坡(南面、东南和西南)的森林重度受灾区域所占面积比重与图像阈值法评估结果相近。对表6数据进行纵向比较发现，图像阈值法评估结果中位于阳坡的森林资源损失程度略高于阴坡，与其他研究结论相反； 但阈值比值法评估结果中，位于阳坡的森林资源损失程度低于阴坡，与其他研究结论相符。通过比较2种方法在不同地形因子中的森林雪灾受损评估结果，可以看出阈值比值法评估结果更加合理，更适合于森林雪灾受损程度评估。

表6 不同坡向森林受灾面积Tab.6 Damaged area of forest at different aspect

4 结论

本研究利用MODIS/NDVI同时段时间序列影像数据，计算灾前植被NDVI参考值及正常生长变化范围Diffmax，提取森林冰雪受灾区域，采用图像阈值法和阈值比值法，以湖南省为例，分别评估森林冰雪受损程度。采用人工调查数据和地形数据，对评估结果进行验证，得出如下结论：

2)与图像阈值法相比，阈值比值法的评估指标考虑了不同像元植被受灾阈值的差异性，其评估结果更加合理，更适合于大区域尺度森林雪灾受损程度评估。

3)人工调查法，受人为主观因素影响较大，通常难以形成统一的评估标准，不适合于大区域尺度的评估工作。

本文尚存在不足之处，如灾前植被NDVI参考值和植被正常生长变化范围Diffmax提取算法有待进一步研究。灾前植被NDVI参考值和Diffmax对森林雪灾损失评估结果有重要影响，将直接决定评估结果好坏。因此，作者今后将对灾前植被NDVI参考值和Diffmax提取方法的合理性展开研究，比较不同方法提取结果，改善参数提取方法，以期提高阈值比值法评估结果精度，使森林雪灾受损评估结果更加合理。