基于高分辨率卫星影像的森林资源动态变化监测与驱动力分析

谢 敏，龚直文

（1.国家林业和草原局 西北调查规划设计院，陕西 西安 710048；2.西北农林科技大学 经济管理学院，陕西 杨凌 712100）

在全球环境变化的研究背景下，森林资源动态变化反映了气候和人类活动对森林的影响。森林资源类型相互转换不仅包含了人类和自然等诸多领域的综合问题，同时也是目前森林可持续经营的研究热点[1-3]。森林资源动态不仅与生态系统固碳息息相关，而且关系着林区人民的生活质量。国内众多学者积极地加入该领域的研究工作中来，及时分析研究并探讨国际上研究的前沿动态，开展了一系列比对工作，对县级区域、森林资源空间结构、类型数量、变化程度及其驱动机制等方面进行了大量的数据分析与研究[4-6]，以此来加深对于森林资源利用与可持续发展之间关系的认识[7-10]。

目前，在遥感影像分析与应用领域，利用具有宏观、实时等优势的高分辨率遥感影像进行森林资源监测正是研究热点。随着县城的主要劳动力及特色产业陆续向城市迁移，镇巴县等地区逐步呈现出典型的城郊化离心分散发展态势，区域内的建设用地不断扩张，其它非林地也发生了较大的变化，建设用地等与林地之间矛盾也日益突出[5,11-14]。目前，国内外学者根据不同的研究目的，采用不同途径构建了许多森林资源变化模型，例如线性规划模型[16-18]、多目标规划模型[19-21]、灰色模型[22-24]、神经网络[25-26]、Markov 模型以及系统动力学模型等[27-29]，用以了解森林资源动态变化的驱动因素及其变化过程，并预测其未来发展变化趋势及环境影响[5,30-34]。但上述模型并不能准确挖掘出森林资源变化的深层次信息，这就阻碍了使用定量的数据来深入研究区域内森林资源动态变化的原因。

镇巴县地处陕南大巴山腹地，全县人口28.9万人，其中建档立卡贫困户54 159 人，贫困发生率24.7%。贫困面大、贫困程度深是镇巴县基本县情[35]。目前，该地区伴随着建设用地的扩张，森林资源也发生巨大变化，经济建设用地和生态建设用地矛盾突出。为此，本研究采用一种能深入挖掘森林资源变化的有效方法，探讨了镇巴县森林资源系统性转移和随机性转移，挖掘林地变化的主要驱动力，以期为该地区制定区域发展战略和优化森林资源结构提供理论依据。

1 材料与方法

1.1 研究区概况

镇巴县，陕西省汉中市辖县，位于陕西省南端，汉中市东南隅，大巴山西部，米仓山东段，属北亚热带，东南季风湿润区，大陆性较强，气温年差较大。平均气温13.8 ℃，无霜期236 d，年均降水量1 250 ～1 350 mm。本研究区包括了泾洋镇、渔度镇和盐场镇三个辖区，最高点海拔2 534 m，最低点海拔416 m，垂直高差2 118 m。地形以中山地貌为主，海拔800 m 以下低山面积占8.4%，平均高度为1 231.4 m。地势西北高，东南低，南坡缓，北坡陡（图1）。

图1 研究区概况 Fig.1 Map of the research area

1.2 数据及预处理

本研究选用2009年TM 卫星影像和2016年国产高分一号（GF-1）和资源三号（ZY-3）卫星数据（表1），结合镇巴县地区数字高程模型（DEM）、统计年鉴和行政区划图等其他数据资料。本文主要进行的是镇巴县森林资源动态分析的研究，故首先将表1中用到的研究区遥感影像进行图像拼接，并利用镇巴县行政区划图进行裁剪；以DEM 数据为基础，采用正射校正模型，对遥感影像数据进行几何校正配准、图像增强等；对高分影像使用图像分割，采用基于面向对象分类规则（图2），最终结合目视解译对影像中的森林资源类型进行划分。分类结果经抽查和反复校验，除了青水镇和大池镇之外，各乡镇分类准确度均达到80%。

表1 GF-1和ZY-3卫星遥感影像具体参数信息Table1 Parameters of GF-1 and ZY-3 images

图2 面向对象分类规则集 Fig.2 Classification rules set based on objected-based methods

1.3 研究方法

森林资源转移矩阵一般采用表2的格式，t表示时间，Cij表示由林地类型i转变为林地类型j的面积，Cjj（即当i=j时）表示林地类型i保持不变的面积。

表2 两个时期森林资源变化的转移矩阵Table2 Transferring matrix of forestland changes during two periods

1.3.1 基于转移矩阵的森林资源变化分析

森林资源动态变化分析主要采用Pontius[36]和Braimoh[37]的转移矩阵分析方法，计算公式如下。

式（1）主要表示了时期1 的第i种林地类型所占比例，其中Cij（i≠j）表示从第i种林地类型到j林地类型的转换比例，Cjj则表示了j类的不变量。式（2）表示了时期2 中的第j种林地类型所占比例。式（3）中减少量（Lossi）主要计算了Ci+和不变量之差，代表了第i种林地类型的总损失量；式（4）中增加量（Gainj）代表了C+j与不变量之差，代表了第j种林地类型的总增加量。

式（5）中净变化量（Nj）代表了增加量和减少量之差，是分析林地动态变化最为常用的指标之一。然而这种净变化不能反映某林地类型增加和减少相互抵消的情况(Nj=0)，这种变化信息往往定义为林地类型交换变化量（Sj）（式6）。每种林地类型的总变化值（TCj）则体现了每种林地类型的总变化量（式7）。

1.3.2 森林资源动态变化的持续性

监测森林资源变化最大量的传统方法是将每种林地类型占所有变化量的百分比排序取最大值，而这种方法很难区分变化的系统转移和随机转移。系统转移具有连贯性和渐进性，是一种经常的、普遍的变化过程，比如人口自然增长、商品化增加、边缘地带发展等。随机转移通常是由于突发性的驱动因素相互作用引起的，比如自发性移民、经济环境变化等。

首先，计算各林地类型的期望新增频数（用Gij表示），即在随机增加过程中，新增林地类型j来自林地类型i的期望频数。第二步是计算随机增加过程中实际转换量和期望新增频数的差值，即Cij-Gij。通过二者的对比来发现优势信息，如果差值等于或接近于零，表明该转移为随机转移；若差值偏离零值较远，则表明该转移为系统转移。

然后，计算各林地类型的期望流失频数（用Lij表示），即在随机减少过程中，林地类型i流失到林地类型j的期望频数。最后，计算随机减少过程中实际转换量和期望流失频数的差值，即Cij-Lij。与第二步相似，若差值等于或接近于零，表明该转移为随机转移；若差值偏离零值较远则表明该转移为系统转移。

2 结果与分析

2.1 森林资源格局与结构分析

本研究结合遥感影像的监督分类结果，辅以野外样地调查、实地验证，完成了镇巴县近7年来森林资源分类和变化特征的定量分析（图3）。分类后通过Kappa 系数来衡量结果是否准确，结果显示两期分类精度分别为89%和91%，都符合分类精度要求。最后，结合陕西省镇巴县实际情况共同确定出镇巴县森林资源类别体系，分为有林地、灌木林地、宜林地、疏林地、未成林造林地和非林地。根据结果分别绘制镇巴县2009、2016年2 期森林资源分布图（图3）。

图3 2009(a)和2016(b)镇巴县森林资源空间分布及面积Fig.3 Total area and spatial distribution of the forestland types in 2009(a) and 2016(b)

镇巴县森林资源变化情况如图3所示。2009年，有林地作为镇巴县面积最大的森林资源主体，占64.03%，非林地占16.72%，灌木林地占15.58%，宜林地占2.76%，未成林造林地占0.78%，疏林地占0.12%。到2016年，有林地比例占65.58%，相比2009年有所增加，主要由灌木林地（0.82%）、宜林地（0.47%）和未成林造林地（0.12%）转换而来；未成林造林地增加幅度次之（0.54%）；灌木林地和宜林地出现了下降。

2009—2016年，总变化量最大的为有林地，其变化高达3.25%，其原因主要表现在灌木林地、非林地和宜林地的转换（表3）；非林地（2.99%）、未成林造林地（1.88%）、灌木林地（1.49%）、宜林地（0.86%）和疏林地（0.01%）的变化幅度紧随其后。

林地是镇巴县较为重要的4 种森林资源类型，它们在转移过程中的不变量能够反映重要的森林资源变化信息。图4(a)显示，从2009年到2016年，林地总体的不变量为80.43%，增加量为1.86%，减少量为1.14%，净增量为0.74%，这表示了林地明显的增加趋势；图4(b)展示了非林地不变量为14.86%。镇巴县森林资源动态相对稳定，整体略微增长。

表3 2009—2016年森林资源类型的面积比例、增加量、减少量、净变化量、交换变化量和总变化量Table3 Area percentage,gains (Gain),losses (Loss),net change (Nj),swap change (Sj) and total change (TCj) of each forestland types during the period %

图4 (a)林地，(b)非林地新增量、减少量和不变量的空间表示Fig.4 Spatial distribution of the gains,losses,and persistence (a) Forestland,(b) non-forestland (cultivated field)

2.2 森林资源变化系统性和随机性

2009—2016年，在随机转移增加过程中，有林地和非林地的实际转换量与期望频数之间的差值和相对差值分别为-0.09%和-0.50%，表明在有林地变为非林地的过程中，这种转移为系统性转移。当非林地增加时，新的非林地会系统性地防止从有林地中获得土地。灌木林地和有林地的实际转换量与期望频数之间的差值和相对差值分别为0.11%和0.06%，表明在灌木林地变为有林地的过程中，这种转移也为系统性转移，新的有林地会系统地从灌木林地中获得土地。由于非林地占镇巴县的面积比例较小，因此在随机过程中，灌木林地和非林地的实际转化量和期望频数的差值仅为0.08%，但相对差值达到了2.67%，这说明非林地表现出了强烈的增加趋势。疏林地和有林地的实际转换量与期望频数之间的差值和相对差值为负值（-0.06%，-0.86%），说明当疏林地增加时，会系统性地防止从有林地中获得面积。同样的，有林地增加时会系统性地防止从非林地里获得土地面积。

在随机减少过程中，有林地和非林地以及灌木林地和非林地的实际转换量和期望频数之间的差值分别为0.04%和0.09%。因此，有林地发生系统性的流失，变为非林地，而灌木林地则会发生系统性的流失转变为非林地，灌木林地和非林地之间的相对差值达到了4.50%，说明灌木林地转移为非林地具有很强的趋势。灌木林地和有林地的实际转换量与期望频数之间的差值和相对差值分别为-0.11%和-0.06%，较大且为负值说明灌木林地会系统性的防止流失为有林地。对于表4中的其他转换实际转换量与期望频数的差值都接近于零，因此，此类转移更倾向于随机转移（表4）。

表4 森林资源在随机增加和随机减少过程中实际转换量和期望频数之间的差值和相对差值Table4 Difference and relative difference between the actual conversion amount and the expected frequency in the process of random increase and random reduction of forest resources

由表4可看出，2009—2016年间最优势的系统转移为：灌木林地转为有林地，灌木林地转为非林地。最优势的随机转移为：有林地转为灌木林地和有林地转为疏林地。

2.3 林地变化驱动力分析

镇巴县林地面积占83%，林地变更的因素在一定程度上可以反映该地区森林资源的主要驱动力。通过镇巴县林地变更调查结果，影响林地发生变化的主要因素为：造林更新，占林地变化面积的23.14%；规划调整占44.83%；建设项目占0.86%；毁林开垦占0.02%；灾害因素占1.16%；自然因素占1.14%；调查因素占28.85%（图5）。

图5 森林变化驱动因素类型Fig.5 Types of driving factors of the forest changes

3 结论与讨论

1）本研究使用了森林资源变化转移矩阵的方法，计算得到镇巴县6 种森林资源类型的变化量及类型之间相互转移的面积百分比。由此可知，有林地始终作为镇巴县面积最大的森林资源类型，在2009—2016年间发生的最优势转移类型是从非林地转移为有林地。

2）本研究通过分析计算得到的转移矩阵，收集到了更多镇巴县森林资源变化情况：2009—2016年，增加最多的类型是有林地，其次为未成林造林地；减少量最多的是宜林地，其次是非林地。生态保护工程加快了镇巴县有林地的增加。

3）监测森林资源动态的传统方法很难区分变化的系统性和随机性，故本研究使用统计学的方法来进行区分，并得到镇巴县在2009—2016年间最优势系统转移为：灌木林地转为有林地，灌木林地转为非林地。最优势的随机转移为：有林地转为灌木林地，有林地转为疏林地。而从镇巴县的森林资源主体——有林地分析发现，影响镇巴县森林资源发生变化的主要驱动力由高到低分别是规划调整、调查因素和造林更新。

除此之外，森林资源类型变化量只能反映在分类系统下各利用类型在数量上的变化情况，而不能反映其在内部的质量情况，因此还需要从空间结构上做更深入的研究。使用统计学的方法可以快速区分出森林资源变化中的系统转移和随机转移，从而帮助研究人员有效快捷地得到变化驱动因子，对深入探究其变化机理，为政府制定出优化森林资源格局的政策提供了帮助。