云南省思茅區(qū)思茅松蓄積量與植被指數(shù)關(guān)系研究

靳 莉，李 旭，張 超

(1.云南省林業(yè)調(diào)查規(guī)劃院營(yíng)林分院，昆明 650021； 2.西南林業(yè)大學(xué),昆明 650224)

?

云南省思茅區(qū)思茅松蓄積量與植被指數(shù)關(guān)系研究

靳 莉1，李 旭2，張 超2

(1.云南省林業(yè)調(diào)查規(guī)劃院營(yíng)林分院，昆明 650021； 2.西南林業(yè)大學(xué),昆明 650224)

以普洱市思茅區(qū)2005年森林資源規(guī)劃設(shè)計(jì)調(diào)查 (二類調(diào)查) 數(shù)據(jù)為基礎(chǔ)，基于Landsat TM遙感影像，開展對(duì)普洱市思茅區(qū)思茅松蓄積量與各類植被指數(shù)的定量研究。結(jié)果表明:當(dāng)郁閉度為29%～40%時(shí)，蓄積量與環(huán)境植被指數(shù)EVI的擬合效果最好，相關(guān)性最強(qiáng)，擬合優(yōu)度指數(shù)R2=0.42；郁閉度為40%～70%時(shí)，蓄積量與歸一化植被指數(shù)NDVI的擬合優(yōu)度最好，相關(guān)性最強(qiáng)，擬合優(yōu)度指數(shù)R2=0.561；郁閉度大于70%時(shí)，蓄積量與RVI的擬合優(yōu)度最好，相關(guān)性最強(qiáng)，擬合優(yōu)度指數(shù)R2=0.568。坡向?qū)π罘e量與植被指數(shù)的關(guān)系條件要求不嚴(yán)格，在估測(cè)蓄積量的時(shí)候可以忽略坡向的影響權(quán)重。就蓄積量與植被指數(shù)擬合模型的效果來看，三次多項(xiàng)式擬合模型效果最佳，較適用于蓄積量與植被指數(shù)關(guān)系的定量研究。

思茅松；蓄積量；植被指數(shù)；思茅區(qū)

思茅松(Pinuskeasyavar.langbianensis)為松科松屬常綠喬木針葉樹種，自然分布于云南中南部和西南部，是中國(guó)西南部南亞熱帶特有的暖熱性針葉樹種。集中分布于哀牢山西坡以西的南部地區(qū)，是這一區(qū)域最重要的森林類型，具有極高的生態(tài)價(jià)值及用材價(jià)值[1]。

測(cè)定森林蓄積量是林分調(diào)查工作的主要目的之一。20世紀(jì)70年代，航天遙感技術(shù)逐步應(yīng)用于森林資源調(diào)查工作中[2]，自2000年后林分蓄積量的遙感定量估測(cè)研究成為林業(yè)遙感研究的一個(gè)重要領(lǐng)域[3]。植被指數(shù)(Vegetation Index)是對(duì)植被長(zhǎng)勢(shì)、生物量等具有一定指示意義的數(shù)值，是由若干波段經(jīng)過數(shù)學(xué)運(yùn)算得到的一種簡(jiǎn)單而有效的光譜信號(hào)。近年來，植被指數(shù)已廣泛用來定性和定量評(píng)價(jià)植被覆蓋情況[4]。然而，針對(duì)植被指數(shù)與森林蓄積量之間的(分段)線性/非線性關(guān)系，目前仍未有較為系統(tǒng)研究的相關(guān)報(bào)道[5, 6]。

以普洱市思茅區(qū)2005年森林資源規(guī)劃設(shè)計(jì)調(diào)查 (二類調(diào)查) 數(shù)據(jù)為基礎(chǔ)，基于Landsat TM遙感影像，開展普洱市思茅區(qū)思茅松蓄積量與各類植被指數(shù)的相關(guān)性研究，建立思茅松植被指數(shù)與蓄積量之間的數(shù)量化擬合模型，旨在為今后基于遙感手段的思茅松蓄積量估測(cè)提供借鑒和依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

思茅區(qū)位于云南省南部，隸屬普洱市，是普洱市政府所在地。東沿曼老江與江城縣毗鄰，南與景洪市接壤，西沿瀾滄江與瀾滄縣、勐?？h隔江相望，西北與景谷縣以小黑江為界，北與寧洱縣相連。全區(qū)東西長(zhǎng)118 km，南北寬72 km，土地總面積39.45萬hm2。全區(qū)東西長(zhǎng)而南北窄，地勢(shì)西北高、東南低，由西北分別向東南、西南傾斜。所屬地理單元為高原亞熱帶南部季風(fēng)常綠闊葉林地帶、滇西南中山山原河谷季風(fēng)常綠闊葉林區(qū)的瀾滄江、把邊江中游山原刺栲、小果栲林、思茅松林亞區(qū)[7]。全區(qū)林業(yè)用地總面積為32.95萬hm2，占全區(qū)土地總面積的83.51%，其中林地面積為25.09萬hm2，活立木蓄積量為 2 105.4萬m3。

1.2 數(shù)據(jù)及來源

a.普洱市思茅區(qū)2005年森林資源二類調(diào)查數(shù)據(jù)，來源于普洱市林業(yè)局。b.覆蓋思茅區(qū)的Landsat TM數(shù)據(jù)來源于USGS數(shù)據(jù)共享平臺(tái)，空間分辨率為30 m，成像于2005年1月31日。c.覆蓋思茅區(qū)的數(shù)字高程模型DEM數(shù)據(jù)來源于USGS數(shù)據(jù)共享平臺(tái)，空間分辨率為30 m，成像于2009年。

1.3 數(shù)據(jù)處理

1.3.1 郁閉度及坡向等級(jí)劃分

基于思茅區(qū)2005年ASTER-DEM數(shù)字高程模型，利用空間分析中的坡向分析，生成研究區(qū)坡向柵格數(shù)據(jù)?；?005年思茅區(qū)森林資源二類調(diào)查小班數(shù)據(jù)，提取各思茅松小班的坡向數(shù)據(jù)及郁閉度信息。對(duì)郁閉度、坡向兩個(gè)因子，參照國(guó)家林業(yè)局2011年《森林資源規(guī)劃設(shè)計(jì)調(diào)查技術(shù)規(guī)程》[8]進(jìn)行等級(jí)劃分，其中，郁閉度分高、中、低三個(gè)等級(jí)，坡向分陽坡和陰坡兩個(gè)等級(jí)。

1.3.2 小班屬性信息提取

在ENVI軟件下通過在Basic Tools→Band Math下輸入各類植被指數(shù)的計(jì)算公式，提取思茅區(qū)Landsat TM影像的植被指數(shù)數(shù)據(jù)，包括NDVI、RVI、EVI等[9, 10]。利用arctoolbox模塊→Convert Shapes To Centroids，提取各思茅松小班的中心點(diǎn)；通過ArcToolbox→Spatial Analyst→區(qū)域分析-分區(qū)統(tǒng)計(jì)工具，提取思茅松各個(gè)小班內(nèi)的平均植被指數(shù)；利用ArcToolbox→Spatial Analyst→提取分析→值提取點(diǎn)工具，將平均植被指數(shù)賦值于小班中心點(diǎn)，獲得小班中心點(diǎn)上的蓄積量、郁閉度、坡向等信息[9]。

1.3.3 蓄積量與植被指數(shù)關(guān)系方程的擬合以及檢驗(yàn)

對(duì)不同等級(jí)郁閉度以及坡向分類在SPSS軟件下進(jìn)行回歸分析以及相關(guān)分析[11]，并擬合出蓄積量與植被指數(shù)之間的最優(yōu)方程，并對(duì)方程的最終結(jié)果進(jìn)行擬合優(yōu)度檢驗(yàn)、顯著性檢驗(yàn)、回歸系數(shù)的顯著性檢驗(yàn)[12]，獲取檢驗(yàn)系數(shù)包括Pearson相關(guān)系數(shù)[11]。

2 結(jié)果與分析

2.1 蓄積量與各類植被指數(shù)的相關(guān)性

2.1.1 不同郁閉度等級(jí)

郁閉度分別為低 (20%～39%，R2=0.05) 和中等 (40%～70%，R2=0.52) 兩個(gè)級(jí)別時(shí)，蓄積量與NDVI在0.01顯著性水平上呈顯著相關(guān)。低郁閉度情況下蓄積量與NDVI雖然呈現(xiàn)正相關(guān)關(guān)系，但關(guān)系比較微弱，相關(guān)性不強(qiáng)。中等郁閉度情況下蓄積量與NDVI相關(guān)性較強(qiáng)，蓄積量越大，NDVI值越大，即植被生長(zhǎng)狀態(tài)較好，分布比較密集。高郁閉度 (大于70%，R2=0.23) 時(shí)，蓄積量與NDVI在0.05顯著性水平上呈顯著相關(guān)，蓄積量與NDVI呈現(xiàn)正相關(guān)，但相關(guān)系數(shù)R2=0.23，相關(guān)關(guān)系比較微弱。

低郁閉度等級(jí)下，蓄積量與RVI的決定系數(shù)R2=0.049，決定系數(shù)相對(duì)較小，相關(guān)性不強(qiáng)。中郁閉度等級(jí)下，蓄積量與RVI的決定系數(shù)R2=0.104，相對(duì)低郁閉度等級(jí)，顯著性提高，相關(guān)性相應(yīng)增強(qiáng)。高郁閉度等級(jí)下，蓄積量與RVI的決定系數(shù)R2=0.57，相對(duì)于中、低郁閉度等級(jí)情況決定系數(shù)陡然增加，增加幅度分別達(dá)到91.4%和81.7%。這說明在高郁閉度等級(jí)下，RVI對(duì)植被十分敏感。即蓄積量越大，RVI指數(shù)越高，能夠很好檢測(cè)出綠色植被的覆蓋區(qū)域。

低郁閉度等級(jí)下，蓄積量與EVI的決定系數(shù)R2=0.42，相關(guān)性比較強(qiáng)。中郁閉度等級(jí)下，蓄積量與EVI的決定系數(shù)R2=0.005，決定系數(shù)偏小，相關(guān)性微弱。高郁閉度等級(jí)下，蓄積量與EVI呈現(xiàn)負(fù)相關(guān)關(guān)系，即蓄積量越大，EVI指數(shù)越小，決定系數(shù)R2=0.02說明EVI對(duì)綠色植被的敏感性差，不能夠監(jiān)測(cè)出該地區(qū)的植被覆蓋情況。即在低郁閉度自然環(huán)境下，EVI植被指數(shù)能夠很好地估測(cè)出蓄積量大小。

2.1.2 不同坡向等級(jí)

陽坡下蓄積量與NDVI在0.01水平上呈顯著正相關(guān)關(guān)系，但決定系數(shù)R2=0.12，相關(guān)關(guān)系微弱。陰坡下蓄積量與NDVI在0.01水平上呈顯著正相關(guān)關(guān)系，但決定系數(shù)R2=0.05。在陽坡下，蓄積量與RVI的決定系數(shù)R2=0.093，相關(guān)性不強(qiáng)。陰坡下蓄積量與RVI的決定系數(shù)R2=0.072，相關(guān)關(guān)系不強(qiáng)。陽坡、陰坡下蓄積量與EVI的決定系數(shù)R2=0.01，相關(guān)性微弱。

2.2 蓄積量與各類植被指數(shù)的曲線擬合

2.2.1 不同郁閉度等級(jí)

回歸模型只有一個(gè)自變量，因此，模型的檢驗(yàn)就等價(jià)與系數(shù)的檢驗(yàn)。

低郁閉度下，NDVI與蓄積量的最佳擬合模型為三次方模型，R2=0.052，但結(jié)果值遠(yuǎn)小于1，說明低郁閉度等級(jí)下郁閉度與NDVI不能夠很好的擬合。中郁閉度下，擬合優(yōu)度指數(shù)最大的為三次方模型，R2=0.516，呈現(xiàn)較強(qiáng)的正相關(guān)關(guān)系。高郁閉度等級(jí)下，蓄積量與NDVI的最佳擬合模型為S模型，擬合優(yōu)度指數(shù)為R2=0.312，即蓄積量與植被指數(shù)的擬合關(guān)系效果一般。

低郁閉度下，RVI與蓄積量的最佳擬合模型為三次方模型，擬合優(yōu)度指數(shù)R2=0.056，說明RVI與蓄積量在低郁閉度下擬合關(guān)系不好。中郁閉度下蓄積量與RVI最佳擬合模型為三次方模型，擬合優(yōu)度指數(shù)R2=0.269。高郁閉度等級(jí)下蓄積量與RVI的擬合優(yōu)度指數(shù)R2=0.568，最佳擬合模型為三次方擬合。說明在郁閉度比較高的自然環(huán)境下，RVI對(duì)植被的靈敏性增強(qiáng)，能夠準(zhǔn)確估測(cè)出該區(qū)域的蓄積量大小。

低郁閉度下EVI與蓄積量的擬合優(yōu)度指數(shù)為R2=0.649，三次方模型的擬合度最高，說明EVI在低郁閉度下能夠準(zhǔn)備監(jiān)測(cè)出自然環(huán)境的植被覆蓋情況。中郁閉度環(huán)境下三次方模型的擬合度最大，擬合優(yōu)度指數(shù)R2=0.007。高郁閉度下三次方擬合和二次擬合的最大擬合優(yōu)度指數(shù)R2=0.146。

2.2.2 不同坡向等級(jí)

陽坡下，NDVI與蓄積量的最佳擬合模型為三次方模型，擬合優(yōu)度指數(shù)R2=0.119。陰坡下，NDVI與蓄積量的最佳擬合模型為三次方擬合和二次擬合，R2=0.06。陽坡下，RVI與蓄積量的最佳擬合模型為三次方模型，擬合優(yōu)度指數(shù)R2=0.1。陰坡下，RVI與蓄積量的最佳擬合模型為三次方模型，擬合優(yōu)度指數(shù)R2=0.088。陽坡下，EVI與蓄積量的最佳擬合模型為二次、三次、線性、三次方模型，擬合優(yōu)度指數(shù)R2=0.011。陰坡下，EVI與蓄積量的最佳擬合模型為三次方模型，擬合優(yōu)度指數(shù)為R2=0.022。

3 結(jié)論與討論

3.1 不同郁閉度等級(jí)與植被指數(shù)擬合度存在差異

在低郁閉度等級(jí)下，森林蓄積量與環(huán)境植被指數(shù)EVI的擬合效果最好，相關(guān)性最強(qiáng)，擬合優(yōu)度指數(shù)R2=0.42。EVI雖能很好地反映植被覆蓋度的變化，但對(duì)土壤背景的變化較敏感。當(dāng)植被覆蓋度在20%～39%時(shí)，EVI隨蓄積量的增加而增加，植被覆蓋度大于40%時(shí)，EVI對(duì)植被的靈敏度有所下降。

在中郁閉度等級(jí)下，森林蓄積量與歸一化植被指數(shù)NDVI的擬合優(yōu)度最好，相關(guān)性最強(qiáng)，擬合優(yōu)度指數(shù)R2=0.561。在植被覆蓋度較低的情況下，NDVI容易受到大氣狀況等因素以及土壤背景的影響，導(dǎo)致不能真實(shí)反應(yīng)地表植被生長(zhǎng)以及覆蓋的情況。對(duì)于同一觀測(cè)冠層，暗土壤背景使冠層整體的反射率下降，亮土壤背景使冠層反射率較強(qiáng)，隨著背景土壤亮度的由暗到亮，冠層NDVI值表現(xiàn)出由高到低的趨勢(shì)。

在高郁閉度等級(jí)下，森林蓄積量與RVI的擬合優(yōu)度最好，相關(guān)性最強(qiáng)，擬合優(yōu)度指數(shù)R2=0.568。RVI是綠色植物的靈敏指示參數(shù)，與LAI、葉干生物量(DM)、葉綠素含量相關(guān)性高，可用于檢測(cè)和估算植物生物量。綠色健康植被覆蓋地區(qū)的RVI遠(yuǎn)大于1，而無植被覆蓋地面(裸土、人工建筑、水體、植被枯死或嚴(yán)重蟲害)的RVI在1附近。植被的RVI通常大于2。當(dāng)郁閉度大于70%的時(shí)候，即在植被覆蓋比較大的自然環(huán)境下，用RVI來估測(cè)蓄積量比較準(zhǔn)確。而當(dāng)郁閉度小于50%的時(shí)候，則不適用于估測(cè)蓄積量。

3.2 坡向?qū)π罘e量與植被指數(shù)關(guān)系的影響可以忽略

無論與何種植被指數(shù)做相關(guān)性分析，陽坡的決定系數(shù)均大于陰坡。即在陽坡條件下，蓄積量與不同植被指數(shù)的關(guān)系較陰坡下的相關(guān)性要強(qiáng)。即在光照充沛的自然環(huán)境下，蓄積量越大，植被生長(zhǎng)狀態(tài)較好，較光照不足的環(huán)境下植被密度更大。但是，坡向?qū)π罘e量與植被指數(shù)的關(guān)系影響不大，在估測(cè)蓄積量的時(shí)候可以對(duì)坡向的影響權(quán)重忽略。

3.3 三次多項(xiàng)式擬合模型效果最佳

雖然在高郁閉度等級(jí)下，蓄積量與NDVI的最佳擬合模型為S形曲線，但擬合優(yōu)度指數(shù)為R2=0.312，代表蓄積量與植被指數(shù)的擬合關(guān)系效果一般。在陽坡下，二次、三次、線性、三次方模型均是EVI與蓄積量的最佳擬合模型，但擬合優(yōu)度指數(shù)R2=0.011，擬合效果并不理想。因此，綜合整體模型的擬合結(jié)果，從蓄積量與植被指數(shù)的擬合模型效果來看，三次方的擬合模型效果最好，適用于蓄積量與植被指數(shù)關(guān)系的研究。

[1] 李浩，張超，許彥紅. 思茅松空間分布特征研究[J]. 西南林業(yè)大學(xué)學(xué)報(bào)，2015，35(01)：47-51.

[2] Huete A R. A soil adjusted vegetation index (SAVI) [J]. Remote Sens Environ，1988 ，(25)：295-309.

[3] 侯長(zhǎng)謀，楊燕瓊,黃平，等.基于RS、GIS的馬尾松林分蓄積量判讀模型研究[J]. 林業(yè)資源管理，2002，(05): 55-78.

[4] 仝慧杰. 基于多項(xiàng)植被指數(shù)的景觀生態(tài)類型遙感解釋與分類-以額濟(jì)納天然綠洲景觀為例[J].自然資源學(xué)報(bào)，2007， 6(08): 52 - 64.

[5] 余坤勇，林芳，劉健，等.基于RS的閩江流域馬尾松林分蓄積量估測(cè)模型研究[J].福建林業(yè)科技，2007，33(01): 22-33.

[6] 劉峰.基于遙感技術(shù)的植被分類研究現(xiàn)狀與發(fā)展趨勢(shì)[J].林業(yè)研究學(xué)報(bào)，2007，12(06): 16 -18.

[7] 溫慶忠，趙元藩，陳曉鳴，等. 中國(guó)思茅松林生態(tài)服務(wù)功能價(jià)值動(dòng)態(tài)研究[J].林業(yè)科學(xué)研究，2010，23(05): 671-677.

[8] GB/T26424-2010. 森林資源規(guī)劃設(shè)計(jì)調(diào)查技術(shù)規(guī)程[S].北京: 中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)，2011.

[9] 廖靖，覃先林，周汝良.利用2種植被指數(shù)監(jiān)測(cè)中國(guó)6種典型森林生長(zhǎng)期的比較研究[J]. 西南林業(yè)大學(xué)學(xué)報(bào)，2014，34(03): 57-61.

[10] 徐天蜀，岳彩榮，章皖秋，等.基于多源遙感數(shù)據(jù)的森林生物量定量評(píng)價(jià)研究[J].西南林業(yè)大學(xué)學(xué)報(bào)，2016，36(03): 126-130.

[11] Fowler J， Cohen L，Jarvis P. Practical Statistics for Field Biology (2nd) [M]. West Sussex: Open University Press，1998.

[12] Noy-Meir I，Walker D，Williams WT. Date transformation in ecological ordination. II. On the meaning of date standardization [J]. J Ecology，1975，(63)：779-800.

Research on the correlation between stocking volume and vegetation indexes of Pinus keasya var. langbianensis in Simao, Yunnan

JIN Li1, LI Xu2, ZHANG Chao2

(1.Yunnan Institute of Forest Inventory and Planning, Kunming 650021, China; 2.Southwest Forestry University, Kunming 650224, China)

Based on the data of the second class investigation of the 2005 Planning and Desining of Forest Resources in Simao District, Puer City and the Landsat TM RS Image, this study carries out the quantitative research of the stocking volume of Pinus Khasys and all kinds of vegetation index in Simao District, Puer City. The results of the research have shown that the stocking volume and the invironmental vegetation index yield the best fitting effects with the strongest correlation of R2=0.42 when the crown density is 29%-40%; the stocking volume and the normalized differential vegetation index (NDVI) yield the best fitting effects with the strongest correlation of R2=0.561 when the crown density is 40%-70%; the stocking volume and the RVI yield the best fitting effects with the strongest correlation of R2=0.568 when the crown density is above 70%. The relationship between the aspect and the stocking volume as well as the vegetation index is not strict, and the influential weightings of the aspect can be ignored when estimating the stocking volume. From the perspective of the effects of the fitting model on the stocking volume and vegetation index, the cubic polynomial fitting model yields the best effects, and it is suitable for the quantitative research of the relation between the stocking volume and the vegetation index.

Pinus keasya var. langbianensis; Stocking volume; Vegetation index; Simao

2017-01-10

云南省林學(xué)一流學(xué)科建設(shè)項(xiàng)目 (No.51600625) 資助；云南省重點(diǎn)學(xué)科野生動(dòng)植物保護(hù)與利用 (XKZ200904) 支持完成

靳莉(1969-)，女，學(xué)士，工程師， e-mail: 351881880@qq.com。

張超(1980-)，男，博士，副教授， e-mail: zhchgis@126.com。

S791.2

A

1674-8646(2017)04-0182-03