俄羅斯森林資源二類調查成果驗證分析

智長貴,鄭冬梅,王六如,陳新云,張 喬

(國家林業(yè)局調查規(guī)劃設計院,北京 100714 )

俄羅斯森林資源二類調查成果驗證分析

智長貴,鄭冬梅,王六如,陳新云,張 喬

(國家林業(yè)局調查規(guī)劃設計院,北京 100714 )

根據(jù)項目區(qū)2006年的森林資源二類調查資料,以及2005年、2013年、2014年的3期TM遙感影像,典型選取29個小班開展了外業(yè)驗證調查,對比分析了典型驗證調查結果和二類調查結果。根據(jù)U檢驗結果,29個小班驗證調查的蓄積平均值和二類調查蓄積平均值基本是一致的,沒有顯著性差異,說明俄方提供的森林資源二類調查數(shù)據(jù)的總體蓄積是可信的；根據(jù)F檢驗結果,單個驗證調查小班公頃蓄積與二類調查公頃蓄積差值波動較大,可信度較低。

森林資源;規(guī)劃設計調查；驗證分析

0 引言

俄羅斯是世界上森林資源第一大國。根據(jù)聯(lián)合國糧農組織2010年的統(tǒng)計,俄羅斯森林面積8.09億hm2,約占世界的20%,森林蓄積804.79億m3,約占世界的21%,森林資源面積和蓄積均居世界第一[1]。進入21世紀以來,我國國內木材需求大增,同時,國內自身森林資源提供木材數(shù)量不斷減少,許多企業(yè)開始投資開發(fā)境外森林資源[2]。俄羅斯因其與中國的天然接壤優(yōu)勢、合作歷史悠久等有利條件,成為中國企業(yè)投資境外的有利選擇。在對俄羅斯森林資源投資開發(fā)前,投資方一般會委托有森林資源調查資質單位對境外森林資源進行調查,充分掌握國外森林資源數(shù)量和質量,為境外森林資源開發(fā)編制可行性研究報告提供重要基礎數(shù)據(jù),減少項目盲目投資的風險。承擔調查單位一般會收集項目區(qū)的森林資源規(guī)劃設計調查(簡稱“二類調查”)資料,包括林相圖和小班調查卡片,然后對二類調查資料進行現(xiàn)地驗證調查,以便準確評估其二類調查資料的資源可利用情況。俄羅斯的二類調查,每10年進行一次,全國三分之二的森林面積采用地面調查方法,西伯利亞和遠東交通不便的山地森林,采用航空調查與抽樣調查相結合的方法。本文以位于俄羅斯伊爾庫茨克州的一個項目區(qū)為研究對象,詳細分析了驗證方法和驗證結果,旨在為國內企業(yè)了解俄羅斯森林資源二類調查數(shù)據(jù)的可利用情況提供一些參考。

1 區(qū)域概況

項目區(qū)位于俄羅斯的伊爾庫茨克州,地理坐標為北緯54°31′～54°56′,東經(jīng)103°9′～103°43′，總面積10萬hm2。屬大陸性氣候,嚴寒期長。1月份平均氣溫-20°,7月份平均氣溫17°。年均降水量約400mm。森林資源以落葉松、樟子松、白樺、云杉、山楊、冷杉、紅松為主,其中針葉林樹種較多。

2 驗證方法

2.1 資料收集處理

收集了項目區(qū)2005年、2013年、2014年生長季節(jié)的TM遙感數(shù)據(jù)和2006年二類調查數(shù)據(jù)(包括林相圖和小班卡片)。采用PCI遙感數(shù)據(jù)處理軟件,對3期TM遙感數(shù)據(jù)進行大氣校正、正射校正、彩色合成、影像拼接等預處理。采用ArcGIS軟件,對二類調查數(shù)據(jù)的林相圖小班界線進行矢量化跟蹤,形成小班圖層數(shù)據(jù),根據(jù)小班卡片信息,將小班屬性錄入到小班數(shù)據(jù)庫。將處理好的遙感影像和小班圖層在ArcGIS軟件中進行疊加分析,根據(jù)前后期遙感影像特征變化情況,采取人工目視判讀的方法,在林相圖中去除采伐小班。對于保留的小班,根據(jù)優(yōu)勢樹種和齡組兩個因子將保留小班劃分進行類型。根據(jù)分類結果,典型抽取29個小班,開展驗證調查。

2.2 外業(yè)驗證調查

根據(jù)我國森林資源規(guī)劃設計調查技術規(guī)定*國家林業(yè)局.國家森林資源規(guī)劃設計調查技術規(guī)定.2003.,在抽中的小班內,根據(jù)小班面積大小,均勻布設4～7個半徑為15m的臨時圓形樣地。在圓形樣地內,采用每木檢尺方法,對達到起測徑階(15cm)的林木進行外業(yè)驗證調查,主要調查每株樣木的樹種名稱、胸徑、立木缺陷、出材等級,并調查樣地的郁閉度、平均樹高等因子。

2.3 數(shù)據(jù)統(tǒng)計

2.3.1 樣木蓄積計算

由于項目區(qū)和我國黑龍江省處在同一緯度帶,樹種生長情況基本相同,本文采用我國北方一元材積表,計算各樹種的材積(表1)。

表1 樹種材積公式

2.3.2 樣圓蓄積計算

單個樣圓每公頃蓄積量計算公式:

(1)

2.2.3 小班蓄積計算

(2)

總體驗證方法見圖1。

圖1 森林資源驗證調查技術框架

3 結果分析

3.1 蓄積情況

從驗證蓄積來看,29個驗證小班中,驗證每公頃蓄積是355.7m3,不含枯立木的蓄積是329.4m3,原二類調查小班每公頃蓄積是324.1m3。相差5.3(不含枯立木)m3,多1.64%。其中,驗證每公頃蓄積比二類小班大5%的11個,小于5%的10個,基本一致的8個,其中大于5%的相差最大的每公頃蓄積為164m3,多63.1%,小于5%的相差最大的每公頃蓄積111m3,少32.6%。

3.2 樹種組成

驗證優(yōu)勢樹種和二類調查優(yōu)勢樹種一致的有17個,占59%。其中,落葉松6個,樟子松10個,冷杉1個。不一致的12個,占41%。

從樟子松來看,本次共抽中17塊優(yōu)勢樹種為樟子松的小班。優(yōu)勢樹種樟子松一致的為10塊,7塊不一致。不一致的7塊中,1塊是因為采伐,其余2塊分別為二類調查3成,驗證調查為2成；二類調查為6成,驗證調查為4成。

從29塊小班總的樹種蓄積組成來看,落葉松、樟子松和山楊的驗證調查蓄積比例基本與二類調查結果一致,相差僅1%左右；白樺、云杉驗證調查蓄積比例較二類調查蓄積比例低3%；冷杉、紅松驗證調查蓄積比例比二類調查蓄積比例高3%(表2)。

表2 29個小班中單個樹種蓄積統(tǒng)計

3.3 精度分析

采用U檢驗、F檢驗、回歸分析3種方法,分析驗證調查結果與二類調查結果之間的關系。

3.3.1 U檢驗

U檢驗是在大樣本的情況下,檢驗隨機變量的數(shù)學期望是否等于某一已知值的一種假設檢驗方法,可用兩樣本均值的比較。理論上要求樣本來自正態(tài)分布總體。U檢驗見公式(3):

(3)

根據(jù)29個驗證小班與原二類調查小班結果,U=0.4068,取可靠性α為95%,則Uα=1.96。由于Uα=1.96>U,故接受假設,即驗證樣本的平均值與原二類調查樣本平均值無顯著性差異。說明驗證調查總蓄積與原二類調查總蓄積無顯著性差異。U檢驗結果見表3。

表3 驗證樣本與二類調查樣本平均值U檢驗統(tǒng)計

3.3.2 F檢驗

F檢驗又叫方差齊性檢驗,就是檢驗兩個樣本的方差是否有顯著性差異。F檢驗見公式(5)。

(5)

因為F>Fα(0.05,n1=28,n2=28)=1.9,故兩樣本方差有顯著性差異。

3.3.3 回歸分析

根據(jù)地面驗證調查的29個小班實測資料看,回歸式為y=1.0045x,相關系數(shù)平方r2=0.4031(圖2),即相關系數(shù)r=0.635,與驗證方案設計時0.65相近,因此驗證小班數(shù)是認可的?；貧w系數(shù)為1.004 5是反映10年來林木生長的正常情況。由此推斷,幼中近熟林的增加量還會大一些。為此2014年森林總蓄積要略大于2 134.23萬m3。

圖2 小班的驗證調查公頃蓄積與二類調查公頃蓄積回歸關系

4 結論與建議

4.1 結論

1) 項目區(qū)二類調查的總體蓄積是可信的。根據(jù)平均數(shù)差異性顯著性檢驗結果可知,本次驗證調查結果的蓄積平均值和二類調查蓄積平均值基本是一致的,沒有顯著性差異。說明俄方提供的森林資源二類調查數(shù)據(jù)的總體蓄積是可信的。

2) 項目區(qū)二類調查的小班公頃蓄積與實際調查波動較大。從F檢驗可以看出,調查小班hm2蓄積與二類調查蓄積誤差波動相對較大,最大相差-63.1%。其中,誤差小于10%的小班為12塊,占41.4%；誤差在10%～20%之間的4塊,占13.8%；誤差在30%～40%之間的3塊,占10.3%；誤差超過40%的有10塊,占34.5%。誤差較大的原因是,俄方小班蓄積主要靠航片目視解譯,小班蓄積精度較低。

3) 項目區(qū)二類調查的單個小班樹種組成精度相對較低,總體樹種組成誤差較少。29塊小班中,優(yōu)勢樹種相一致的為17塊,占59%。但從總的樹種組成來看,樹種蓄積組成比例相差不大,落葉松、樟子松、白樺、云杉、山楊、紅松6個樹種蓄積比例誤差不到5%。冷杉樹種蓄積比例誤差稍大,為5.4%。

4.2 建議

項目區(qū)總的森林蓄積是可信的、樹種蓄積組成也是可信的,為森林資源開發(fā)利用投資決策起到支撐作用。但在項目實際開發(fā)時,應根據(jù)圖面資料和遙感圖像及森林統(tǒng)計表冊等,必要時輔以航空視察和地面踏查,選擇交通條件較好和商品材富集地區(qū)劃為首批開發(fā)區(qū),進行補充調查并編制首批開發(fā)區(qū)森林采伐和森林經(jīng)營實施方案,實施采伐時要做好伐區(qū)調查設計。

[1]張松丹,林祚捌,莫沫，等.赴俄羅斯波蘭森林可持續(xù)經(jīng)營項目研討會考察報告[J].林業(yè)資源管理,2014(6):154-159.

[2]智長貴,王六如,陳新云，等.境外森林資源調查分層整群抽樣案例分析[J].林業(yè)資源管理,2015(4):28-32.

Data Validation Analysis of Forest Resources Inventory for Planning of Russia

ZHI Changgui,ZHENG Dongmei,WANG Liuru,CHEN Xinyun,ZHANG Qiao

(AcademyofForestInventoryandPlanning,SFA,Beijing100714,China)

According to data of forest resources inventory for planning of Russia,29 forest resource sub-compartments were selected to carry out the field verification survey,The data of forest resources inventory for planning and the data of validation are compared and analyzed.According to U test results,There was no significant difference between mean volume of the survey and the mean volume of the validation survey,indicating that the data of forest resources inventory for planning is credible.According to F test results,the difference of single mean volume is large between survey and validation,and the reliability is low.

forest resources，inventory,planning,validation analysis

2017-03-16；

2017-06-07

中國清潔發(fā)展機制基金贈款項目“2020年后林業(yè)增匯減排的行動目標研究”(2013014)

智長貴(1973-)，男，河南商水人，教授級高工，博士，主要從事森林資源監(jiān)測工作。 Email:zhichanggui@163.com

S757.2

A

1002-6622(2017)04-0151-04

10.13466/j.cnki.lyzygl.2017.04.023