基于3S技术林地立地质量可监测因子分析研究

魏秋桂

(福建省大田桃源国有林场，福建 大田 366100)

1 引言

在造林中，要保证苗木成活率高，就要因地制宜、适地适树，选择适合的立地造林。森林立地质量分析和评价是合理利用土地的基础。正确的森林立地质量分析结果可以为适地适树提供科学依据。

由于植被类型和环境条件多种多样、变化复杂，森林立地质量的测定到目前为止仍是以传统调查的手段为主，这样在偏远和交通难于到达的地区，立地质量的测定和调查有很大的难度，而且森林资源分布面积广、传统调查只能进行抽样调查，所获得的数据往往难于真实、客观地反映森林立地类型的实际情况。3S技术的发展及其在林业中的应用，为监测林分生长因子如林分蓄积量、林分郁闭度以及林分龄组等因子提供了重要的技术手段，为森林立地类型的划分提供了实现手段，也为森林立地质量的测定提供了重要的基础。本文以福建省永安市森林立地质量为研究对象，基于3S技术对森林立地质量的可监测因子进行分析研究，表明实现应用3S技术测定森林立地质量具有重要的意义，是实现科学造林、育林、经营的基础工作，可为指导生产、科学管理提供重要依据和手段。

2 森林立地质量相关概念、研究区域概况

2.1 森林立地质量的相关概念

森林所在地(在一定空间范围内)的地貌、气候、土壤和生物环境，称为森林立地。森林立地质量的高低对造林更新、树种选择、地力维持和经营管理至关重要，是森林生产力的基础。森林立地质量是指所有影响森林生长发育的环境条件的总和，包括气候因子、土壤因子及生物因子。通过研究森林立地质量，适地适树，预估森林生产潜力。

森林立地质量评价是指对森林立地的性状、生产力和立地等级按一定的目的进行评价。森林立地质量评价是对森林立地性能的认识，有利于适地适树，充分发挥森林立地的生产潜力。

植被指数是利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数，反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，可以用来定量说明植被的生长状况。在遥感影像中，近红外波段的反射值与红光波段的反射值之差比上两者之和，即(NIR-R)/(NIR+R)，NIR为近红外波段的反射值，R为红光波段的反射值，称为归一化植被指数(NDVI)。反映农作物的长势和营养信息，NDVI是重要参数之一。

2.2 研究区域概况

永安市为福建省辖县级市，位于福建省境中西部, 北纬25°33′～26°12′，东经116°56′～117°47′。地势四周高,中部低,有沙溪、燕江流贯全域，辖4个街道办事处、8个镇、3个乡,228个行政村,总人口35.8万人。永安市气候温和，雨量充沛，年平均气温在14.3～19.2 ℃之间，全年平均无霜期为302 d，日照充足。年均降水量在1484～2040 mm之间，平均降雨日数为130～169 d，十分有利于林木的生长。

全市总面积2931 km2。其中森林面积382.5万亩,森林覆盖率82.83%,森林总蓄积量2210万m3，竹林面积100.7万亩，是中国笋竹之乡、中国竹子之乡，是我国南方48个重点林区县(市)之一和全国唯一的林业改革与发展示范区。

3 研究内容、方法及技术路线

3.1 研究内容

以永安市森林立地质量为研究对象，确定森林立地质量评价的主导因子，运用遥感技术提取评价主导因子。以森林立地质量等级为观测值，以各评价因子为控制变量，根据数量化模型Ⅰ建立两者的数学模型并进行精度检验和分析，依据建立的数学模型反演永安市森林立地质量。

3.2 研究方法

(1)研究区域的森林立地外业小班调查。

(2)确定森林立地质量评价主导因子。

(3)应用遥感技术提取森林立地质量评价主导因子。

(4)应用数量化理论Ⅰ把定性的森林立地质量评价主导因子转化为定量主导因子，根据数量化模型Ⅰ建立两者的数学模型并进行精度检验和分析，通过编制森林立地质量数量化得分表，定量地预测森林立地质量。

(5)依据建立的数学模型反演永安市森林立地质量。

(6)采用主成分分析法，建立回归模型，分析筛选自变量因子，获得影响森林立地质量的首要因子。

4 数据资料与图象处理

4.1 数据资料

本研究主要的数据资料有：2018年永安市的ALOS遥感影像、永安市1∶5万地形图、永安市行政区划边界图。根据研究需要，开展林地外业小班调查，收集研究区域的水热因子、土壤因子、植被因子等各种资料，并获取永安市林地外业小班调查的GPS点坐标。

4.2 遥感图象预处理

4.2.1 遥感图象几何校正

以永安市1∶5万地形图为参考图对ALOS影像图进行几何精校正。重采样采用立方卷积法，采用高斯-克吕格投影坐标系统校正，校正后的ALOS影像图误差为0.4819个像元，达到研究所需要的精度要求。

4.2.2 图像裁剪

利用福建省行政边界矢量图层，通过GIS，提取永安市地域范围SHP图 (图1)。并通过遥感图像处理软件将矢量图层转换为研究区域AOI，裁剪出永安市2018年ALOS遥感影像图(图2)。

图1 研究区SHP图

图2 研究区2008年ALOS遥感影像

4.2.3 DEM数据的裁剪

DEM数据是实现地理环境因子提取和利用的重要基础数据源。通过GIS的工作平台，以永安市SHP图层裁剪DEM数据(图3)，作为基础数据之一，通过GIS的空间分析工作生成坡度图和坡向图，作为研究的地形因子(图4)。

图3 研究区DEM

图4 研究区海拔

5 森林立地质量主导因子选择及信息提取

5.1 森林立地质量主导因子选择

森林立地质量的划分及分析，立地因子的拟定和选择很关键。在这方面，国内外学者主要从定性描述、数量化方法、数学建模或综合多种方法的集成进行研究。根据遥感和地理信息系统技术特点，基于3S技术森林立地分类的主导因子大致可以分为以下几类。

5.1.1 海拔

海拔是林地变化最明显的因子之一，在遥感影像上最容易确定，不同的海拔高度反映了立地条件在垂直方向上的变化。因不同海拔的气候—土壤条件不同，树木的生长及形态特征均有差异。

5.1.2 坡度

坡度直接影响到森林立地质量的状况。随着坡度的增大，水土流失的可能性也越大，土壤变得越来越瘠薄，森林立地质量也越来越差。反之，土层深厚，保水保肥能力强，森林立地质量好。

5.1.3 坡向

由于太阳辐射强度和日照时数不同，不同坡向的光照、温度、雨量、风速、土壤质地等特性均有很大的差异。

5.1.4 小气候

地形的微小凹凸，会改变日照长短、光照强弱、迎风背风、冷空气聚散等，形成局地小气候。林木分布边缘区域，经常受到小气候控制。可见，小气候是一个综合的生态因子。

5.1.5 土壤

土壤是陆地生态系统的基础，是森林赖以生存的载体,它不但是水、光、热、植物等因子的直接承受者，也是各生态因子的综合反映者，土壤性质的好坏直接影响林木的生长发育。土壤因子主要为土壤类型，还有厚度、肥力等。土壤有效厚度，主要指树木根系所占的那部分土壤厚度，它对确定立地性质具有重要意义。

5.1.6 植被

植物叶面对可见光红光波段和近红外波段有很强的吸收特性和反射特性，利用卫星不同波段探测数据组合而成的植被指数，能定量说明植被的生长状况。

综上所述，海拔、坡度、坡向、土层厚度、植被指数5个因子能比较全面地反映森林立地质量，是森林立地类型划分的主导因子。

5.2 森林立地质量各因子划分标准

5.2.1 海拔划分标准

山地、丘陵占福建省总面积的80%以上，根据福建省海拔高度的特点并结合国家森林资源调查技术规定，将海拔划分为3个等级，见表1。

表1 海拔划分标准

5.2.2 土层厚度划分标准

根据福建省土层厚度的特点并结合国家森林资源一类调查，将土层厚度划分为厚、中、薄3个等级，见表2。

表2 土层厚度划分标准

5.2.3 坡向划分标准

根据福建省坡向的特点并结合国家森林资源一类调查，将坡向划分为8个等级，见表3。

表3 坡向划分标准

5.2.4 坡度划分标准

根据福建省坡度的特点并结合国家森林资源一类调查，将坡度划分为斜坡、缓坡、陡坡3个等级，见表4。

表4 坡度划分标准

5.2.5 NDVI等级划分

根据福建省森林和林木生长状况的特点，将植被指数划分为3个等级[1,2]，见表5。

表5 NDVI等级划分

5.2.6 林地类型分类标准表

根据上述所选取的项目和各项因子划分的类别，建立林地类型分类标准，见表6。

表6 森林立地质量各主导因子划分标准

5.3 森林立地质量各因子信息提取

由DEM数据经过GIS的空间叠加分析，建立新的空间、属性特征，获得每一个新图斑的综合属性，包含高程、坡度、坡向的信息。根据森林立地分类方案，给每一个新图斑填充相应的属性，重新划分图斑，获取最终的立地质量分类结果[3]。通过GPS地理坐标分别从森林立地质量栅格空间数据库以及DEM数据的高程图所派生的坡度图，用ERDAS确定各栅格图象上的位置并提取相应属性值。

利用上述的数据生成海拔图(图4)、坡向图(图5)、坡度图(图6)、土层厚度图(图7)、植被指数图(图8)。

图5 研究区坡向

图6 研究区坡度

6 森林立地质量反演模型

6.1 数量化模型Ⅰ基本原理

以相应样地立地质量为观测值，所确定的测定因子为控制变量，通过数量化理论Ⅰ建立二者的关系模型并进行处理和分析。

表7 项目、类目反映

δi(j,k)=

由元素δi(j,k)构成的n×p阶矩阵：

称为反应矩阵。反应δi(j,k)有个重要性质，即对每个固定的i和j，有

这是因为样品在每个项目中只有一个类目的反映，其余的反映皆为0。

6.2 森林立地质量数量化得分表编制

6.2.1 编制反映表

在提取的各种因子中，有的为定量因子，如坡度、海拔等，有的为定性因子，如坡向。首先采用分级法把定量因子转化为定性因子，然后通过引进一个示函数(即0-1化数量方法)实现定量变换。各样地立地因子、项目、类目反映表如表8所示。

表8 各样地立地因子、项目、类目反映

续表8

续表8

以各样地提取的森林立地质量和各评价因子作为因变量和自变量，建立数量化理论Ⅰ数学模型：

(1)

式(1)中：yv为因变量，bij为项目类目的系数(即称得分),δv是观察中的随机误差，δr(i,j)为类目的反应矩阵[4～6]。

6.2.2 数量化得分表编制

利用唐启义，冯明光编制的“数量化方法Ⅰ”进行建模[7]，按各项目对基准变量的贡献，由小到大逐次筛选，剔除贡献最小的项目，得到以下5个预测方程。

方程1：y=2.857143-0.1371429A1

-0.965251A2

方程2：y=2.349559-0.0832032A1

-0.829938A2+0.607011B1+0.335982B2

-0.1018663B3+0.637510B4+0.733644B5

+0.582978B6+0.679552B7

方程3 ：y=2.299464-0.00066A1

-0.828531A2+0.592021B1+0.364653B2

-0.1264448B3+0.754656B4+0.701198B5

+0.592885B6+0.649117B7-0.85846C1

+0.1386658C2

方程4：y=3.019127+0.2957199A1

-0.692258A2+0.372162B1+0.1325462B2

-0.317891B3+0.491770B4+0.517255B5

+0.480895B6+0.524775B7-0.920802C1

+0.1282929C2-1.083902D1-0.706203D2

方程5：y=3.38751+0.507330A1-

0.5811819A2+0.336569B1+0.0874148B2

-0.2993685B3+0.396533B4+0.345840B5

+0.382381B6+0.486241B7-0.984807C1

+0.1639398C2-1.073063D1-0.677461D2

-0.604128E1-0.344963E2

其中项目Ai、Bi、Ci、Di表示各项目中有i个类目(i=1、2、3、…)。

用数字表示各项目中所有类目的得分值的预测方程，编制森林立地质量得分表(表9)[8]。

表9 森林立地质量数量化得分

根据森林的各项立地因子，按照划分的等级查表得到分值，再加上方程的常数项，即可得到该林地立地质量等级的预测值(表10)。

表10 森林立地质量预测方程显著性及复相关系数检验

6.2.3 相关系数R检验

相关系数R值越大，Y的预估愈好，否则相反，R的大小与样地数量及项目类目有关，所以需要F检验，F>F0.05(自由度为f1=m,f2=n-m-1)所得的效果好，否则不好。

续表9

由表10可以看出，各项类目所对应的F>F0.05，说明所预测的5个方程所得的效果很好。

6.3 森林立地质量等级划分

为了便于评价森林立地质量，将各因子数量化得分表一列中的各类目最大得分值减去最小得分值的和四等分，将其由大到小组合为4个数值范围，即为4个立地类型级别，分别评为优、良、中、差4级，编制成表(表11)[8]。

6.4 精度检验

对照森林立地质量评价表，对各地立地质量进行评价。在“森林立地质量数量化得分表”中查算某个立地类型的“总得分值”，再查找“总得分值”在“评价表”中”的位置，便可确定该森林立地质量级别。如：某小班的立地条件是：海拔330 m，土层厚度100 cm，坡向东北，坡度23°，NDVI为0.103448，查该“森林立地质量数量化得分表”，其总得分值为：

0.5073+0.0874+0.1639+(-1.0731)

+0.0000= -0.3145

查找-0.3145在“评价表”中的位置，可以确定这一小班的森林立地质量级别为2，森林立地质量为良。用同样的方法，可以4个、3个、2个或1个因素查出各自X5、X4、X3、X2、X1列中相应行类目的得分值，对森林立地质量进行预测、评价和研究。

为此研究，随机抽取林地样地点50个，组成大样本，保证数据的相对独立性。将模拟结果进行精度分析。表12为用5个因子根据表9和表11所查出的立地质量等级(预测值)。

表11 森林立地质量数量化评价

根据表12得出拟合模型的精度表，见表13。总精度为80%，符合精度要求，因此，此方法和结果可以采用。

表12 森林立地质量等级预测

表13 精度检验

6.5 森林立地质量反演模型构建

根据所建立的森林立地质量各种因子的关系，结合森林立地质量各因子得分值，应用上述方程5通过ERDAS的model中的条件函数和加和功能函数实现反演，其精度见表9、表10，反演模型如图9所示。

图9 反演模型

7 结果分析

7.1 森林立地质量图反演

根据森林立地类型划分标准，综合上述建模生成的合并简化图层的属性字段值，通过ERDAS的model重新对森林立地类型字段赋值。结果图经过处理后，得到最终的森林立地质量专题图(图10)。

图10 永安市森林立地质量分布

7.2 森林立地质量面积统计

通过编制森林立地质量数量化得分表，将森林立地质量划分为4个等级，各森林立地质量等级面积统计如表14所示。

从表14中可以看出永安市森林立地质量面积以Ⅱ类地和Ⅲ类地分布的范围最广，Ⅳ类地分布的面积最小。

表14 永安市森林立地质量统计表

7.3 森林立地质量空间分布

通过森林立地质量反演图可以看出森林立地质量Ⅱ类地和Ⅲ类地主要分布在永安市市区及主要河流两岸，即永安市行政区的中部地区。该林地的土层厚度较厚、坡度平缓，海拔相对较低。森林立地质量Ⅰ类主要分布在距离市区和主要流域两岸较远的林地上，即分布在永安市行政区的四周。这些林地的特点为低海拔、土层厚度厚、缓坡、坡向为光照丰富的南坡方向。而森林立地质量Ⅳ类地则零散的分布在永安市行政区的各地，主要分布在坡度较陡、土层厚度薄、北坡方向的林地上。

7.4 森林立地质量主导因子重要性分析

7.4.1 数量化模型主成分分析

从森林立地质量数量化得分表中可以看出，所选的森林立地质量评价的5个因子中，海拔的得分值最高，所占的比值最大，所以海拔对森林立地质量的影响最大，是森林立地质量的第一制约因子。

7.4.2 成分数据主成分分析

采用主成分分析法，利用降维，把从影响林木生长的诸多环境因子中挑选出最主要的因子作为新的自变量代替原来自变量，构造主成分分析法回归模型，筛选回归变量。用主成分分析筛选变量，实现用较少的计算量来选择最佳变量子集合的效果[9]。

对选择哪些森林立地因子作为森林立地质量评价的自变量进行分析。将表8 的5个立地因子重新整理、运算，得到成分数据。

其特征根：

λ1=1.4836,λ2=1.1239,λ3=0.9999,

λ4=0.7811,λ5=0.6116

贡献率(%)：

X1=29.6723,X2=22.4781,X3=19.9971,X4=15.6215,X5=12.2310

累积贡献率(%)：

X1=29.6723,X2=52.1504,X3=72.1475,X4=87.7690,X5=100.00

按累积变异性贡献率不低于85%为准[10]，选4个主成分分析，降维不明显。从主成分分析结果可以看出坡向、坡度、土层厚度、植被指数对森林立地质量的影响较大，而海拔对森林立地质量的影响最大，是森林立地质量的第一制约因子，为划分所在地的立地类型提供了依据。

7.4.3 小结

通过数量化模型Ⅰ和成分数据主成分分析两种方法分析，海拔、坡向、坡度、土层厚度、归一化差分植被指数对森林立地质量都有重要的影响作用，但海拔对森林立地质量的影响作用最大，是森林立地质量的第一制约因子。

8 结论与讨论

8.1 结论

(1)本文所确定的海拔、坡向、坡度、土层厚度、归一化差分植被指数(NDVI)作为森林立地质量评价因子，能较好地反映森林立地质量。

(2)研究区域的ALOS遥感影像，根据所建立的基于3S技术的森林立地质量测定模型，实现区域森林立地质量的反演，利用其他样地的森林立地质量进行验证,所得验证精度为80%，符合生产实践精度要求，此方法和结果可以采用。

(3)应用数量化模型Ⅰ和成分数据主成分分析两种方法对各主导因子进行重要性分析，同时得到海拔对森林立地质量的影响最大，说明海拔是影响森林立地质量最主要的一个因子。

(4)用数量化模型Ⅰ对森林立地质量主导因子进行分析，通过编制森林立地质量数量化得分表，能过较好、较直观的预测研究区域的森林立地质量。研究可在一定程度上反映出基于3S技术可较易实现提取的永安市森林立地质量的监测因子，使永安市森林立地因子的评价由定性到定量，并可预测造林地的立地质量类型，生产潜力，为森林合理培育经营提供科学依据。

8.2 讨论

(1)利用3S技术划分森林林地立地条件类型，能够快速对森林立地进行分析，实现计算机自动化；定性与定量相结合，能够对森林立地分类进行多因素综合分析。参与分析的分类因子的精度决定了森林立地质量分析结果的精度，各因子定位和定性的准确性决定了森林立地质量分析的准确性、客观性和科学性。

(2)运用3S技术方法，依据各森林立地单元，对整个研究区域的森林立地质量全面统一划分，克服了传统方法存在的问题，将传统的森林立地因子的定性评价转为定量评价。在生产生活中，考虑森林立地质量各影响因子时，要抓住主导因子，突出主导因子的主要影响作用。