國(guó)家森林資源清查遙感應(yīng)用主要技術(shù)進(jìn)展

丁相元，陳爾學(xué)，李增元，趙 磊，劉清旺，徐昆鵬

(中國(guó)林業(yè)科學(xué)研究院資源信息研究所，國(guó)家林業(yè)和草原局林業(yè)遙感與信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100091)

國(guó)家森林資源(連續(xù))清查[national (continuous) forest inventory,NFI/NCFI，文中統(tǒng)稱NFI]和森林資源經(jīng)理調(diào)查(forest management inventory,FMI)是世界上所有已建立森林資源監(jiān)測(cè)體系國(guó)家的兩大主要森林資源調(diào)查業(yè)務(wù)[1-3]。在中國(guó)，NFI被稱為國(guó)家森林資源清查或國(guó)家森林資源連續(xù)清查(一類調(diào)查)，F(xiàn)MI則被稱為森林資源規(guī)劃設(shè)計(jì)調(diào)查(二類調(diào)查)[4-5]。遙感在這兩大業(yè)務(wù)中都已有廣泛和深入的應(yīng)用，但由于NFI是宏觀尺度的調(diào)查(全國(guó)/省出數(shù))，而FMI是當(dāng)?shù)爻叨鹊恼{(diào)查(每個(gè)小班出數(shù))，遙感在這兩大業(yè)務(wù)中的應(yīng)用方式、方法有較大的不同[6-7]，筆者主要聚焦遙感應(yīng)用于NFI的技術(shù)研究進(jìn)展。

NFI是國(guó)家森林資源監(jiān)測(cè)體系的重要組成部分，可為制定國(guó)家林業(yè)發(fā)展戰(zhàn)略和調(diào)整林業(yè)方針政策提供及時(shí)有效的科學(xué)依據(jù)。遙感在推動(dòng)NFI技術(shù)進(jìn)步方面發(fā)揮了重要作用，已成為支撐NFI業(yè)務(wù)運(yùn)行不可或缺的技術(shù)手段。遙感之所以在NFI中顯得越來(lái)越重要，主要是在3個(gè)方面受到了NFI業(yè)務(wù)剛性需求的驅(qū)動(dòng)：①小面積估計(jì)需求。保持現(xiàn)有的NFI地面樣地?cái)?shù)不變，但希望能得到省以下行政區(qū)域或經(jīng)營(yíng)管理單元(市、縣、林場(chǎng)等)總體參數(shù)(總量或變化等)的有效估計(jì)，也就是要求監(jiān)測(cè)的空間“粒度”更細(xì)。②年度監(jiān)測(cè)需求。在現(xiàn)有NFI基礎(chǔ)上做到年度監(jiān)測(cè)，即要求監(jiān)測(cè)的頻率更高。③實(shí)現(xiàn)前兩個(gè)需求的同時(shí)做到低成本和高精度。在以上需求約束下，依靠對(duì)單元標(biāo)志值敏感的輔助信息是必然的技術(shù)途徑，而遙感數(shù)據(jù)是最常用和最具有潛力的輔助數(shù)據(jù)之一[8]。筆者總結(jié)了目前NFI估測(cè)方法的國(guó)內(nèi)外研究現(xiàn)狀，分析了國(guó)內(nèi)相關(guān)研究存在的問(wèn)題，并給出了后續(xù)重點(diǎn)研發(fā)方向及內(nèi)容建議，以期對(duì)天空地多源觀測(cè)數(shù)據(jù)在我國(guó)NFI業(yè)務(wù)中的深入應(yīng)用起到一定的促進(jìn)作用。

1 NFI遙感應(yīng)用主要技術(shù)方法

針對(duì)NFI應(yīng)用需求而開(kāi)展的抽樣調(diào)查、統(tǒng)計(jì)推斷相關(guān)理論和方法研究，也明顯體現(xiàn)了科研人員在將遙感納入NFI技術(shù)體系方面所做的各種努力。目前，在NFI業(yè)務(wù)需求推動(dòng)下研發(fā)的各種總體參數(shù)統(tǒng)計(jì)推斷方法可概括為4類[9]：①基于設(shè)計(jì)的推斷方法(design-based inference method)，簡(jiǎn)稱設(shè)計(jì)推斷法；②基于設(shè)計(jì)和模型輔助的方法(design-based and model-assisted method)，簡(jiǎn)稱模型輔助法；③基于模型的方法(model-dependent method)，簡(jiǎn)稱模型法；④設(shè)計(jì)和模型混合推斷法(design and model hybrid method)，簡(jiǎn)稱混合法。這4類總體參數(shù)估計(jì)方法的特點(diǎn)對(duì)比見(jiàn)表1。

1)設(shè)計(jì)推斷法。設(shè)計(jì)推斷法是依賴概率抽樣樣本的調(diào)查方法。本研究中設(shè)計(jì)推斷法是指只基于概率抽樣樣本進(jìn)行統(tǒng)計(jì)推斷的方法，也可以采用輔助變量進(jìn)行估測(cè)但不應(yīng)涉及回歸估計(jì)模型的應(yīng)用。簡(jiǎn)單隨機(jī)抽樣、系統(tǒng)抽樣、分層抽樣、整群抽樣、成數(shù)抽樣以及多階抽樣等都可用于設(shè)計(jì)推斷法[10]。適合以遙感特征作為輔助變量的設(shè)計(jì)推斷法主要包括分層抽樣、成數(shù)抽樣等。

該類方法通常是假設(shè)總體由N個(gè)單元組成，通過(guò)對(duì)單元的抽樣調(diào)查估計(jì)總體某個(gè)標(biāo)志的值，可以是某個(gè)標(biāo)志的總量，也可以是平均值、兩個(gè)標(biāo)志的比值等[11]。為了估計(jì)固定但未知的參數(shù)，根據(jù)適當(dāng)?shù)某闃釉O(shè)計(jì)，按一定概率從總體中抽取一套樣本，每個(gè)單元具有大于零的包含概率，然后采用數(shù)學(xué)公式(估計(jì)量)，根據(jù)樣本數(shù)據(jù)估計(jì)目標(biāo)參數(shù)。由于樣本的抽取具有隨機(jī)性，因此估計(jì)量根據(jù)樣本單元所估測(cè)的總體參數(shù)值也是一個(gè)隨機(jī)變量[9]。大范圍的森林資源調(diào)查目的是獲取總體參數(shù)的合計(jì)值或均值，通常情況下會(huì)基于設(shè)計(jì)的抽樣框架進(jìn)行估算，利用抽樣獲得的樣本來(lái)估計(jì)總體值，在該框架下，估計(jì)方法是設(shè)計(jì)無(wú)偏的。由于該方法理論體系成熟，且設(shè)計(jì)無(wú)偏，因此被廣泛使用。然而，該方法對(duì)樣本概率性條件要求苛刻，在小樣本量下，估計(jì)的精度有限[12]。

2)模型輔助法。模型輔助法通過(guò)使用模型和輔助數(shù)據(jù)來(lái)提高估計(jì)精度,是一種介于設(shè)計(jì)推斷法和模型法之間的方法[12]。該方法的總體估計(jì)和方差估算形式與傳統(tǒng)設(shè)計(jì)推斷法以及模型法有較大區(qū)別，可用的模型形式包括線性、非線性回歸以及非參數(shù)方法等[13]。

該類方法的基礎(chǔ)假設(shè)與設(shè)計(jì)推斷法相同，在獲取概率抽樣樣本基礎(chǔ)上，建立輔助數(shù)據(jù)(自變量)和樣本觀測(cè)值(因變量)之間的關(guān)系模型，基于該模型得到每個(gè)實(shí)測(cè)樣本的估測(cè)值，利用樣本估測(cè)值與實(shí)測(cè)值之間的偏差，校正基于模型計(jì)算得到的總體參數(shù)估測(cè)值。該方法繼承了設(shè)計(jì)推斷法的所有優(yōu)點(diǎn)，同時(shí)又利用了輔助數(shù)據(jù)和模型，通?？商岣呖傮w參數(shù)的估測(cè)精度[14-16]。模型輔助法可利用的輔助數(shù)據(jù)包括遙感、地形、土壤、氣象等數(shù)據(jù)，其中利用最多的還是遙感數(shù)據(jù)[9]。

3)模型法。該類方法也是在抽樣調(diào)查背景下產(chǎn)生的[17-19]，然后被應(yīng)用于森林資源清查中[20-23]。模型法理論上是有偏的，因此模型估測(cè)結(jié)果不確定性的估計(jì)方法是國(guó)際上模型法研究的熱點(diǎn)。

模型法中的假設(shè)與設(shè)計(jì)推斷法、模型輔助法有很大不同。首先，模型法假設(shè)對(duì)總體單元的觀察是一個(gè)隨機(jī)變量，而不是像設(shè)計(jì)推斷法和模型輔助法那樣假設(shè)每個(gè)單元的觀測(cè)值是一個(gè)固定常數(shù)。其次，模型法的基礎(chǔ)是“模型”，其隨機(jī)性是通過(guò)總體單元取值分布的隨機(jī)性實(shí)現(xiàn)的，而設(shè)計(jì)推斷法和模型輔助法的隨機(jī)化是通過(guò)總體單元被隨機(jī)選擇樣本而實(shí)現(xiàn)的[24]。

相對(duì)于設(shè)計(jì)推斷法和模型輔助法，模型法具有2個(gè)優(yōu)勢(shì)。首先，模型法不依賴于概率抽樣樣本，因此可適用于采用更多種抽樣方案所獲得的地面觀測(cè)數(shù)據(jù)。其次，模型法可以使用感興趣區(qū)域之外的數(shù)據(jù)，因此，它可以用于樣本大小可能不足以進(jìn)行設(shè)計(jì)推斷的小區(qū)域，或者無(wú)法到達(dá)并獲得采樣數(shù)據(jù)的區(qū)域[25]。模型法的缺點(diǎn)為估計(jì)結(jié)果有偏[26]。然而，在地面實(shí)測(cè)樣本量很小的情況下，模型法的估測(cè)精度一般會(huì)更高[12]。

4)混合法?；旌戏ㄊ且环N將設(shè)計(jì)推斷法和模型法混合應(yīng)用的方法，最初由St?hl等[27]提出，后來(lái)被Corona等[28]稱為混合法。該方法充分發(fā)揮了模型法和統(tǒng)計(jì)推斷法的優(yōu)勢(shì)，也可以認(rèn)為是一種特殊的模型法[9]?；旌戏ㄗ裱O(shè)計(jì)推斷和模型法的基本假設(shè)，一種典型應(yīng)用場(chǎng)景就是當(dāng)模型法所用的遙感輔助數(shù)據(jù)不是對(duì)總體全覆蓋，而是采用概率抽樣方式獲取。這時(shí)仍然需要建立一個(gè)估測(cè)模型，這和模型法完全一致，但總體參數(shù)估計(jì)方差的計(jì)算需要考慮遙感輔助數(shù)據(jù)以概率抽樣獲取時(shí)所引起的不確定性。

2 NFI遙感應(yīng)用主要技術(shù)方法發(fā)展現(xiàn)狀

2.1 設(shè)計(jì)推斷法的提出和應(yīng)用

19世紀(jì)初，國(guó)外森林資源調(diào)查的主要方法為詳查，后來(lái)，在抽樣技術(shù)的支持下，開(kāi)始選取具有代表性樣本進(jìn)行調(diào)查，并逐漸發(fā)展為現(xiàn)在的設(shè)計(jì)推斷法[29]。該方法的基礎(chǔ)理論最初由Neyman[30]提出，給出了樣本估計(jì)的置信區(qū)間，奠定了隨機(jī)抽樣和分層抽樣的應(yīng)用基礎(chǔ)。設(shè)計(jì)推斷法是最常用的森林資源抽樣調(diào)查方法，也是NFI的基本方法，但完全基于實(shí)地樣地調(diào)查成本很高，且難于對(duì)不可到達(dá)區(qū)域進(jìn)行監(jiān)測(cè)，而遙感手段的引入，大大提高了傳統(tǒng)NFI的監(jiān)測(cè)效率和精度[31]。對(duì)于設(shè)計(jì)推斷法，遙感數(shù)據(jù)可輔助抽樣設(shè)計(jì)規(guī)劃、樣地地類識(shí)別和參數(shù)估計(jì)，以及作為分層依據(jù)等[32]。如在利用雙重分層抽樣進(jìn)行總體森林參數(shù)估計(jì)時(shí)，可通過(guò)目視判讀與解譯，估計(jì)不同地類的權(quán)重與分配比例，提高總體參數(shù)的估測(cè)精度與效率[33-34]；北美地區(qū)在20世紀(jì)初便采用該方法對(duì)地類進(jìn)行分類識(shí)別，然后利用分層抽樣技術(shù)實(shí)現(xiàn)森林資源參數(shù)的估算[35]；其他發(fā)達(dá)地區(qū)如歐洲等也利用了該方法以提高監(jiān)測(cè)效率與精度[36-38]。該方法早期以航空遙感數(shù)據(jù)為主，隨著衛(wèi)星技術(shù)的發(fā)展，Landsat系列衛(wèi)星、SPOT系列衛(wèi)星、Quickbird系列衛(wèi)星以及哨兵系列衛(wèi)星等遙感數(shù)據(jù)也被廣泛應(yīng)用于NFI監(jiān)測(cè)中[39-42]。目前，設(shè)計(jì)推斷的方法理論已較成熟，在各個(gè)國(guó)家NFI中得到了廣泛應(yīng)用[31,38]。

抽樣技術(shù)也是國(guó)內(nèi)NFI監(jiān)測(cè)的基礎(chǔ)。國(guó)內(nèi)自20世紀(jì)60年代開(kāi)始引進(jìn)抽樣技術(shù)[43]，并進(jìn)行了大量的研究[44-45]。在一類調(diào)查中進(jìn)行遙感技術(shù)的應(yīng)用研究始于20世紀(jì)70年代，主要以應(yīng)用試點(diǎn)的形式進(jìn)行;90年代末，第六次全國(guó)森林資源清查后開(kāi)始全面應(yīng)用[4,46]。

針對(duì)以遙感數(shù)據(jù)為輔助的設(shè)計(jì)推斷法，李芝喜等[47]將陸地衛(wèi)星數(shù)據(jù)、航片數(shù)據(jù)、地形圖以及角規(guī)樣地?cái)?shù)據(jù)相結(jié)合，利用多階不等概率抽樣(PPS)進(jìn)行了總體森林蓄積量的估測(cè)研究，其中，一階單元面積成數(shù)和二階單元蓄積，均采用人工解譯和判讀，三階單元采用角規(guī)測(cè)量，研究認(rèn)為該方法可大大提高監(jiān)測(cè)效率；歐潤(rùn)貴[48]介紹了Landsat ETM+衛(wèi)星遙感數(shù)據(jù)在NFI中的應(yīng)用，包括利用衛(wèi)星數(shù)據(jù)對(duì)面積的成數(shù)抽樣，以及雙重抽樣方法，均屬于設(shè)計(jì)推斷法。

曾偉生[49]介紹了用遙感判讀代替地面調(diào)查的應(yīng)用方式，尤其是沙漠、戈壁以及草原地區(qū)，遙感判讀正確率較高，可將遙感判讀樣地視同地面調(diào)查樣地對(duì)待，對(duì)于一些不可及區(qū)域，也可以將遙感判讀結(jié)果近似作為地面調(diào)查結(jié)果參與抽樣估計(jì)。新疆、西藏、青海等省(區(qū))的一類調(diào)查中遙感技術(shù)的應(yīng)用便采取(或部分采取)了這種方式。林輝等[50]基于Landsat TM和ETM+數(shù)據(jù)，對(duì)湖南省森林總面積進(jìn)行了實(shí)驗(yàn)研究，通過(guò)對(duì)遙感樣地進(jìn)行目視解譯，進(jìn)而估算全省各地類森林總面積，加權(quán)精度達(dá)到85.31%，一級(jí)地類正判率超過(guò)90%，二級(jí)地類正判率在70%以上；鄭冬梅等[51]以全國(guó)森林資源宏觀監(jiān)測(cè)9個(gè)省的遙感判讀結(jié)果為依據(jù)，對(duì)比分析了群團(tuán)樣地判讀和圖斑區(qū)劃判讀的森林覆蓋率、森林面積、正判率、抽樣精度和差異原因，結(jié)果表明群團(tuán)樣地判讀的結(jié)果效率更高。

近年來(lái)，為了實(shí)現(xiàn)年度監(jiān)測(cè)目標(biāo)，國(guó)內(nèi)學(xué)者研究了遙感大樣地與地面調(diào)查數(shù)據(jù)結(jié)合的年度出數(shù)方法，部分研究便應(yīng)用了基于遙感的設(shè)計(jì)推斷法，如程志楚等[52]研究了遙感大樣地用于森林資源清查面積出數(shù)的可行性，分析了遙感大樣地的大小對(duì)面積估測(cè)精度的影響，遙感大樣地的解譯判讀和地面調(diào)查融合在一起，將解譯結(jié)果作為真值，采用系統(tǒng)抽樣方法計(jì)算總體平均數(shù)和方差；王雪軍等[53]探討了全國(guó)森林面積和森林蓄積年度出數(shù)方法，在現(xiàn)有NFI抽樣框架基礎(chǔ)上，每年按20 km×20 km網(wǎng)格系統(tǒng)抽取1/17的樣地開(kāi)展固定樣地調(diào)查，遙感解譯樣地仍保持不變，采用固定樣地和遙感解譯樣地按成數(shù)抽樣估計(jì)全國(guó)各地類面積，只用固定樣地的方式采用分層抽樣估測(cè)全國(guó)蓄積量，分層依據(jù)為全國(guó)林地“一張圖”。

2.2 模型輔助法的核心思想和應(yīng)用

模型輔助法的核心思想是修正與校準(zhǔn)，20世紀(jì)末該思想便被應(yīng)用于實(shí)驗(yàn)研究，之后便被廣泛應(yīng)用于NFI研究中[54]。Breidt等[55]在森林健康調(diào)查相關(guān)的模擬研究中使用樣條模型估計(jì)總體參數(shù)，結(jié)果顯示，利用多種輔助變量的兩階段模型輔助估計(jì)方法表現(xiàn)較好。Opsomer等[56]在兩階系統(tǒng)抽樣設(shè)計(jì)中使用了模型輔助估計(jì)，應(yīng)用廣義可加模型將地面測(cè)量數(shù)據(jù)與遙感的輔助信息進(jìn)行關(guān)聯(lián)。Boudreau等[57]以GLAS衛(wèi)星數(shù)據(jù)與土地利用數(shù)據(jù)為數(shù)據(jù)源，結(jié)合模型輔助法估計(jì)了加拿大魁北克的生物量，表明GLAS波形激光雷達(dá)數(shù)據(jù)可以改善大區(qū)域森林地上生物量的監(jiān)測(cè)精度。Andersen等[58]基于模型輔助法，利用樣地?cái)?shù)據(jù)和條帶抽樣的LiDAR數(shù)據(jù)估算了阿拉斯加西部基奈市的生物量，證明了模型輔助法在區(qū)域生物量監(jiān)測(cè)中的優(yōu)勢(shì)。

N?sset等[59]利用LiDAR數(shù)據(jù)和干涉合成孔徑雷達(dá)數(shù)據(jù)估計(jì)了挪威奧爾斯科格生物量，并基于模型輔助的方法，比較評(píng)價(jià)了這兩種類型輔助數(shù)據(jù)的估計(jì)精度。Gregoire等[60]采用兩階段的模型輔助法對(duì)森林生物量進(jìn)行了估計(jì)，第1階段為條帶抽樣的機(jī)載LiDAR數(shù)據(jù)(ALS)或條帶更窄的機(jī)載LiDAR數(shù)據(jù)(PALS)，第2階段為系統(tǒng)分布的國(guó)家森林資源清查固定樣地，基于兩種LiDAR數(shù)據(jù)估算的生物量結(jié)果類似。Ene等[61]和Gregoire等[62]也針對(duì)這種設(shè)計(jì)方法進(jìn)行了更加深入的研究。

Stephens等[63]在基于設(shè)計(jì)的框架中應(yīng)用了雙重抽樣回歸估計(jì)量，使用機(jī)載LiDAR數(shù)據(jù)作為輔助信息估計(jì)新西蘭森林中的碳儲(chǔ)量。Strunk等[64]從不同的角度對(duì)模型輔助法進(jìn)行了研究，發(fā)現(xiàn)利用模型輔助法估計(jì)森林面積、蓄積和生物量等參數(shù)時(shí)，激光脈沖的密度對(duì)估計(jì)精度幾乎沒(méi)有影響。Nelson等[65]和Gobakken等[66]以LiDAR為數(shù)據(jù)源，對(duì)挪威海德馬克縣地上生物量進(jìn)行了估算，并比較了模型輔助法與模型法，發(fā)現(xiàn)兩種方法結(jié)果類似。N?sset等[67]進(jìn)一步評(píng)估了Gobakken等[66]開(kāi)發(fā)的兩階段模型輔助法的精度，著重分析了方差估計(jì)對(duì)不相等的樣本條帶長(zhǎng)度和系統(tǒng)選擇條帶的敏感性。

Massey等[68]在瑞士國(guó)家森林清查中開(kāi)展了模型輔助估計(jì)技術(shù)的適用性研究，討論了多種非參數(shù)方法在模型輔助估計(jì)中的優(yōu)勢(shì)和不足，分析了差分估計(jì)和回歸估計(jì)之間的密切聯(lián)系。Saarela等[15]提出在兩相模型輔助采樣研究中，對(duì)激光掃描條帶數(shù)據(jù)進(jìn)行概率比率采樣，并利用該方法估計(jì)了芬蘭庫(kù)奧坦北部森林地區(qū)的總蓄積量；研究還發(fā)現(xiàn)，全覆蓋的陸地衛(wèi)星輔助信息與僅使用采樣激光雷達(dá)條狀數(shù)據(jù)相比，估計(jì)量的精度有所改善。Chirici等[69]以意大利中部的莫利斯地區(qū)為研究區(qū)域，利用模型輔助估計(jì)量，比較了回波參數(shù)和高度變量用于估算地上總生物量的性能，結(jié)果顯示兩者都可以獲得很高的精度，且輔助數(shù)據(jù)的應(yīng)用可提高估計(jì)精度。McConville等[13]對(duì)模型輔助法的應(yīng)用以及公式等進(jìn)行了詳細(xì)的介紹，可為后續(xù)研究提供參考。

由于NFI屬于宏觀尺度的森林資源監(jiān)測(cè)，通常采用衛(wèi)星遙感特征為輔助數(shù)據(jù)，但目前能獲取到的衛(wèi)星遙感影像還都對(duì)森林平均高、蓄積量等參數(shù)不夠敏感，我國(guó)NFI在總體蓄積量估計(jì)上還很少采用遙感數(shù)據(jù)。因此國(guó)內(nèi)還沒(méi)有針對(duì)估計(jì)平均高、蓄積量等森林定量參數(shù)的模型輔助法應(yīng)用研究，但遙感作為輔助因子用于地類面積或成數(shù)估計(jì)已較為普遍。

唐守正[70]提出了兩相抽樣的估測(cè)方法，通過(guò)抽取遙感樣地和地面樣地建立兩相抽樣樣地，通過(guò)轉(zhuǎn)移矩陣調(diào)整面積和蓄積估計(jì)值，對(duì)于部分合并類別項(xiàng)的蓄積，采用最小平方相對(duì)誤差進(jìn)行調(diào)整，方法中雖然并未涉及遙感輔助數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)結(jié)合建模的問(wèn)題，但采用了修正的思想。宋新民等[71]介紹了 “用相片判讀地面修正成數(shù)抽樣”方法，在國(guó)內(nèi)后續(xù)基于遙感解譯樣地的NFI技術(shù)研究中常被稱為“雙重二階抽樣”。葛宏立等[72]在三相估計(jì)中采用了該二相估測(cè)方法，并改進(jìn)了方差、協(xié)方差的計(jì)算方法。該研究利用了系統(tǒng)抽樣遙感解譯樣地(一相樣本)、前期地面樣地?cái)?shù)據(jù)(二相樣本)、年度監(jiān)測(cè)年完成的地面樣地?cái)?shù)據(jù)(三相樣本)，進(jìn)行了森林資源面積三相抽樣年度監(jiān)測(cè)方法研究。先用一、二相樣本進(jìn)行前期面積的二相抽樣估計(jì)，再將結(jié)果用于二、三相樣本的二相估計(jì)，這兩步估測(cè)都采用了地類轉(zhuǎn)移矩陣分別對(duì)一、二相樣本的總體參數(shù)估計(jì)值進(jìn)行了校正。張宗秀等[73]以2007年四川省森林資源連續(xù)清查數(shù)據(jù)為案例，利用遙感解譯樣地和固定樣地?cái)?shù)據(jù)，開(kāi)展了雙重二階抽樣森林資源面積抽樣估計(jì)精度研究，該方法能夠明顯提高各類土地面積的成數(shù)估計(jì)精度，其中也利用了對(duì)遙感數(shù)據(jù)判讀結(jié)果校正的思想。

2.3 模型法的參數(shù)特點(diǎn)和應(yīng)用

將遙感特征作為輔助數(shù)據(jù)，基于模型法估測(cè)大范圍、全覆蓋的森林資源參數(shù)研究已有很多[74-80]。只要采用若干樣地和遙感特征建立了正確的估測(cè)模型，就可以得到像元尺度的估測(cè)結(jié)果，因此模型法是遙感應(yīng)用于森林資源調(diào)查監(jiān)測(cè)的最基本方法[81-82]，特別是對(duì)于從事遙感應(yīng)用技術(shù)研究的學(xué)者，研發(fā)高精度的生物物理參數(shù)遙感估測(cè)模型是他們的主要科研任務(wù)。

模型法的結(jié)果精度受模型形式、變量等因素影響較大[26]，對(duì)其不確定性的度量是NFI應(yīng)用研究中的重要方向。對(duì)于模型法的不確定性主要利用RMSE、方差、模型效率以及AIC等指標(biāo)衡量[83]，NFI監(jiān)測(cè)中多用MSE或方差[8,84-85]。

20世紀(jì)末，模型法被逐漸應(yīng)用于NFI中[86]，之后研究人員針對(duì)模型形式和不確定性進(jìn)行了大量研究[87-88]。McRoberts[12]分析了GPS位置誤差對(duì)模型輔助法、模型法推算森林面積比例的影響。Saarela等[15]評(píng)估了芬蘭庫(kù)爾坦研究區(qū)模型形式和樣本量對(duì)模型法估計(jì)精度的影響，不同模型形式的結(jié)果存在一定的差異。Saarela等[8]評(píng)估了遙感數(shù)據(jù)和實(shí)地測(cè)量之間的地理不匹配對(duì)模型法、模型輔助法的影響。McRoberts[12,89]將陸地衛(wèi)星數(shù)據(jù)作為輔助信息和野外樣地?cái)?shù)據(jù)相結(jié)合，應(yīng)用模型法估算了美國(guó)明尼蘇達(dá)州北部總體森林面積，并對(duì)方差的估計(jì)進(jìn)行了優(yōu)化。Chen等[90-91]考慮異速生長(zhǎng)模型、單木測(cè)量、單木地上生物量(AGB)預(yù)測(cè)、樣地AGB估算以及遙感像元尺度的AGB估算全過(guò)程的誤差，揭示了利用野外樣地校準(zhǔn)遙感生物量模型時(shí)，考慮地塊AGB估計(jì)不確定性的重要性。

LiDAR數(shù)據(jù)相對(duì)多光譜、高光譜以及SAR等數(shù)據(jù)，對(duì)森林高度、胸徑以及蓄積量等森林參數(shù)的估計(jì)精度更高[92-94]。LiDAR技術(shù)的快速發(fā)展，大大推動(dòng)了模型法在NFI中的應(yīng)用，尤其是 GLAS (ICESat)、ATLAS (ICESat-2)以及GEDI(ISS)星載激光雷達(dá)數(shù)據(jù)的廣泛使用，為大范圍的NFI監(jiān)測(cè)提供了數(shù)據(jù)支撐[95-98]。

Saarela等[99]提出了基于空天地3種數(shù)據(jù)源的分層模型推理法(hierarchical model-based inference，HMB)，可提高總體參數(shù)的估計(jì)精度，但該研究基于模擬數(shù)據(jù)，且僅僅適用于線性模型。針對(duì)這種分層的模型法，Saarela團(tuán)隊(duì)對(duì)無(wú)人機(jī)數(shù)據(jù)的抽樣方式、模型方法以及不同衛(wèi)星數(shù)據(jù)的潛力進(jìn)行了實(shí)際應(yīng)用和優(yōu)化[85,100-101]。為了使該方法適用于非線性模型，Saarela等[102]對(duì)模型殘差以及方差的估算進(jìn)行了優(yōu)化，并考慮單木異速生長(zhǎng)模型的誤差傳遞影響，提出了通用的分層模型推理法(GHMB)。

在非參數(shù)模型方法總體不確定性估計(jì)研究方面，Esteban等[103]利用隨機(jī)森林方法，采用自助法(bootstrapping)估算了西班牙和挪威兩個(gè)試驗(yàn)區(qū)的總體蓄積量不確定性。Sandoval等[104]基于激光雷達(dá)數(shù)據(jù)，提出利用自舉引導(dǎo)對(duì)(bootstrapping-pairs)方法檢驗(yàn)總體估計(jì)的不確定性，估算了亮果桉(Eucalyptusnitens)和藍(lán)桉(Eucalyptusglobulus)林分的平均蓄積和方差，對(duì)比了傳統(tǒng)自舉引導(dǎo)對(duì)、考慮同方差殘差和異方差殘差3種情況，結(jié)果顯示，對(duì)于面積較大的總體結(jié)果不確定性較小，當(dāng)面積較小時(shí)，需考慮異方差殘差。

總之，國(guó)外已經(jīng)對(duì)空天地多源數(shù)據(jù)協(xié)同應(yīng)用中的不確定性進(jìn)行了廣泛的研究，包括參數(shù)和非參數(shù)方法的不確定性量化分析、單木模型-樣地-像元尺度-總體的誤差影響分析等，為森林資源監(jiān)測(cè)提供了重要的技術(shù)支撐。

利用對(duì)總體全覆蓋的遙感影像，結(jié)合若干地面調(diào)查樣地觀測(cè)數(shù)據(jù)，估測(cè)每個(gè)像元的地類或定量參數(shù)，這是最典型的遙感應(yīng)用情景，國(guó)內(nèi)在相關(guān)分類、估測(cè)模型方法方面的研究非常多，具體可參考李增元等[105]、龐勇等[106]、黃華國(guó)[107]、張王菲等[108]的總結(jié)?？傮w來(lái)看，國(guó)內(nèi)森林遙感監(jiān)測(cè)應(yīng)用技術(shù)研究學(xué)者所研發(fā)的森林參數(shù)遙感定量反演、估測(cè)方法，基本上都屬于模型法。而針對(duì)NFI業(yè)務(wù)的以遙感為輔助變量的模型法研究卻很少。

張煜星等[109]研究了森林面積和空間分布的“多階遙感監(jiān)測(cè)”技術(shù)，為建立全國(guó)森林資源年度監(jiān)測(cè)技術(shù)框架提供技術(shù)支持。將中空間分辨率遙感(中分遙感)地類判讀樣地?cái)?shù)據(jù)、高分遙感地類判讀樣地?cái)?shù)據(jù)和地面驗(yàn)證地類數(shù)據(jù)，共3級(jí)數(shù)據(jù)采用了級(jí)聯(lián)的回歸估計(jì)模型對(duì)省級(jí)總體森林面積進(jìn)行估計(jì)。雖然中分遙感樣地的布設(shè)采用系統(tǒng)抽樣，但總體參數(shù)方差的計(jì)算只考慮了回歸模型引起的不確定性，并沒(méi)有考慮遙感系統(tǒng)抽樣會(huì)導(dǎo)致的抽樣誤差。該研究還將中分遙感樣地判讀結(jié)果用于確定低分遙感森林-非森林分類的NDVI閾值，這相當(dāng)于用一個(gè)簡(jiǎn)單的模型實(shí)現(xiàn)低分遙感每個(gè)像元的森林分類，主要用于森林分布圖的制作，這一步也屬于模型法。

在以遙感為輔助變量的模型法不確定性估計(jì)方法研究方面，GHMB方法用于樣地-抽樣激光雷達(dá)-衛(wèi)星遙感協(xié)同估測(cè)像元森林參數(shù)，第2步估測(cè)模型以第1步基于抽樣獲取的LiDAR數(shù)據(jù)估測(cè)的森林參數(shù)作為因變量，不同像元之間的因變量取值不可避免具有空間相關(guān)性[102]，因此Zhao等[110]在第2步建模時(shí)將GHMB的非空間模型改為回歸克里格(RK)模型，提出了基于地統(tǒng)計(jì)學(xué)方法的森林參數(shù)估測(cè)及其不確定性估計(jì)方法RK-GHMB。該方法雖然以林場(chǎng)為實(shí)驗(yàn)區(qū)進(jìn)行驗(yàn)證，但所提出的方法也同樣可用于NFI。

2.4 混合法與其他方法的區(qū)別及應(yīng)用

國(guó)外已根據(jù)具體的NFI應(yīng)用需求，開(kāi)展了多種混合法研究，可概括為3類。

1)設(shè)計(jì)推斷法所基于的樣地?cái)?shù)據(jù)采用單木生長(zhǎng)模型估計(jì)得到。在只基于抽樣樣地對(duì)總體參數(shù)進(jìn)行估測(cè)時(shí)，若假設(shè)樣地蓄積量等參數(shù)是真值，這種估計(jì)方法就是純粹的設(shè)計(jì)推斷法；但若樣地蓄積量等參數(shù)是由樣地上單木參數(shù)求和得到的，而單木參數(shù)的計(jì)算采用了生長(zhǎng)方程(模型法)，則此估計(jì)方法就成了混合法。McRoberts等[25]利用混合法評(píng)估了單木蓄積量模型預(yù)測(cè)中的不確定性對(duì)大范圍區(qū)域蓄積量估計(jì)的影響。樣地蓄積量的估計(jì)利用了單木生長(zhǎng)方程，自然會(huì)產(chǎn)生模型估測(cè)誤差，進(jìn)而基于單木生長(zhǎng)模型估測(cè)的樣地蓄積量，采用設(shè)計(jì)推斷法進(jìn)行總體蓄積量的估測(cè)。這里所用的數(shù)據(jù)只是按概率抽取的每個(gè)樣地的單木測(cè)量數(shù)據(jù)，并沒(méi)有用到遙感及其他輔助數(shù)據(jù)。

2)模型法所用遙感輔助數(shù)據(jù)采用概率抽樣獲取。在森林資源調(diào)查過(guò)程中，有時(shí)獲取大范圍全覆蓋的遙感輔助數(shù)據(jù)(如LiDAR數(shù)據(jù))的成本可能非常高昂，這時(shí)可采用抽樣的方式獲取遙感輔助數(shù)據(jù)，形成對(duì)整個(gè)研究區(qū)域按一定概率抽取的遙感觀測(cè)樣本，以降低成本。隨著對(duì)如何獲取區(qū)域或國(guó)家可靠、穩(wěn)定和可重復(fù)估測(cè)的森林資源監(jiān)測(cè)數(shù)據(jù)的需求不斷增加[111]，將遙感數(shù)據(jù)和樣地?cái)?shù)據(jù)相結(jié)合的多相和多階抽樣方法研究越來(lái)越多。如兩相抽樣，在第1階段，基于概率設(shè)計(jì)，獲取部分條帶分布的激光雷達(dá)數(shù)據(jù)，然后根據(jù)概率原理在激光雷達(dá)數(shù)據(jù)條帶內(nèi)獲取樣本數(shù)據(jù)，此時(shí)樣本數(shù)據(jù)的位置同時(shí)包含實(shí)測(cè)數(shù)據(jù)和激光雷達(dá)數(shù)據(jù)。第2階段主要利用樣地?cái)?shù)據(jù)和激光雷達(dá)數(shù)據(jù)相關(guān)變量建立模型，并將該模型應(yīng)用于整個(gè)激光雷達(dá)條帶數(shù)據(jù)估算目標(biāo)參數(shù)，進(jìn)而估算總體參數(shù)和方差。該方法提高了設(shè)計(jì)的復(fù)雜性，也提高了估計(jì)精度，為了實(shí)現(xiàn)對(duì)不確定性的量化，該方法中遙感輔助數(shù)據(jù)的抽取也必須遵循嚴(yán)格的概率抽樣框架[9,62,112]。

假設(shè)由森林樣地調(diào)查數(shù)據(jù)計(jì)算得到的森林參數(shù)值為真值，作為因變量，以遙感特征為自變量，采用模型法進(jìn)行估測(cè)。這時(shí)，若遙感對(duì)調(diào)查區(qū)域是全覆蓋的，這種模型法就是“純”基于模型的方法；若采用抽樣方式對(duì)調(diào)查區(qū)域進(jìn)行遙感觀測(cè)(非全覆蓋)，則就屬于混合法。如St?hl等[27]采用該框架進(jìn)行總體森林資源參數(shù)的估測(cè)，其中不確定性通過(guò)第1階段的抽樣方差[由抽樣獲取的機(jī)載激光雷達(dá)(ALS)數(shù)據(jù)各條帶預(yù)測(cè)值之間的不一致性引起]和由模型引起的不確定性兩個(gè)加性成分進(jìn)行量化。部分學(xué)者在同一區(qū)域，基于條帶抽樣LiDAR數(shù)據(jù)以及樣地?cái)?shù)據(jù)，使用混合推斷估計(jì)森林資源參數(shù)[66-67,113]。Healey等[114]利用GLAS數(shù)據(jù)在加州進(jìn)行了混合推理模型的應(yīng)用試驗(yàn)。Margolis等[115]也利用抽樣的GLAS數(shù)據(jù)和航空ALS數(shù)據(jù)，估算了北美北方森林地上生物量。

3)模型輔助法所采用的樣地?cái)?shù)據(jù)通過(guò)時(shí)間維預(yù)測(cè)模型得到。假設(shè)遙感對(duì)感興趣區(qū)域的成像觀測(cè)時(shí)間就是目的調(diào)查時(shí)間，并且遙感觀測(cè)可對(duì)感興趣區(qū)域全覆蓋，擬采用模型輔助法進(jìn)行估測(cè)。若樣地和遙感觀測(cè)是同一個(gè)時(shí)間完成的，這屬于純粹的模型輔助法；但若在遙感觀測(cè)時(shí)并沒(méi)有開(kāi)展樣地觀測(cè)，或只采集了部分樣地?cái)?shù)據(jù)，需要借用歷史樣地?cái)?shù)據(jù)，這就需要用生長(zhǎng)方程將歷史樣地的蓄積量等參數(shù)推算到目標(biāo)調(diào)查時(shí)間點(diǎn)，這個(gè)推算方法屬于模型法。以上結(jié)合起來(lái)就是一種典型的混合法,顯然這種方法是實(shí)現(xiàn)年度監(jiān)測(cè)的一種重要方法。如Condés等[116]利用混合法，對(duì)西班牙國(guó)家森林資源清查數(shù)據(jù)進(jìn)行了年度更新。首先利用第2次和第3次國(guó)家森林資源清查數(shù)據(jù)，采用生長(zhǎng)模型將樣地?cái)?shù)據(jù)調(diào)整到第4次清查時(shí)間點(diǎn)，這屬于模型法；然后將經(jīng)調(diào)整得到的樣地?cái)?shù)據(jù)與第4次清查時(shí)間點(diǎn)的樣地?cái)?shù)據(jù)合在一起，并以Landsat數(shù)據(jù)為輔助變量，對(duì)第4次清查時(shí)間點(diǎn)森林資源總體參數(shù)采用模型輔助法進(jìn)行預(yù)測(cè)；整個(gè)估測(cè)過(guò)程既采用了模型法，又采用了模型輔助法，也屬于一種混合估測(cè)法。

尚未查閱到以遙感為輔助變量，針對(duì)NFI應(yīng)用的估測(cè)總體森林平均高、蓄積量等定量參數(shù)的混合法研究文獻(xiàn)。但在地類面積或成數(shù)估計(jì)方面，國(guó)內(nèi)常用的是雙重回歸抽樣法。如魯賽尼·阿特馬維扎扎等[117]對(duì)雙重回歸估計(jì)法進(jìn)行了試驗(yàn)，遙感數(shù)據(jù)采用的是航片。宋新民等[71]介紹了雙重回歸抽樣法，在方差估計(jì)上既考慮了回歸估測(cè)模型誤差，又考慮了抽樣誤差，可歸為混合法。國(guó)內(nèi)后續(xù)開(kāi)展的應(yīng)用研究多引用了該方法，如陳振雄等[118]基于遙感大樣地雙重抽樣方法，采用系統(tǒng)抽樣等間距設(shè)置一定數(shù)量的遙感解譯大樣地和地面樣地，以遙感樣地為一重樣本，用于區(qū)劃判讀，地面樣地為二重樣本，結(jié)合遙感樣地判讀結(jié)果，采用雙重回歸對(duì)廣東省主要地類面積進(jìn)行了估計(jì)。另外，曾偉生等[119]提出了利用聯(lián)合估計(jì)以及雙重回歸估計(jì)兩種方法實(shí)現(xiàn)NFI年度出數(shù)，雖然文中未提及遙感數(shù)據(jù)，但該思路也可歸于混合法。

3 我國(guó)NFI遙感應(yīng)用技術(shù)研究展望

森林資源監(jiān)測(cè)是資源管理的基礎(chǔ)性工作，結(jié)合天空地一體化遙感觀測(cè)數(shù)據(jù)，有助于多尺度、全方位獲取森林資源信息，在資源變化監(jiān)測(cè)、智慧分析與決策方面，為林業(yè)全周期適應(yīng)性經(jīng)營(yíng)、優(yōu)化經(jīng)營(yíng)、多目標(biāo)經(jīng)營(yíng)提供支持[120]。4類NFI估測(cè)方法在我國(guó)應(yīng)用前景廣闊。

1)設(shè)計(jì)推斷法。該方法是NFI的基礎(chǔ)方法，以地面調(diào)查樣地?cái)?shù)據(jù)為主進(jìn)行推斷，遙感能介入的主要是輔助分層抽樣設(shè)計(jì)，如用遙感制作的地類分布圖作為分層依據(jù)；并通過(guò)布設(shè)遙感解譯樣地，將遙感解譯樣地和地面調(diào)查樣地一起用于成數(shù)抽樣。這類方法的國(guó)內(nèi)外技術(shù)水平相差不大。

2)模型輔助法。國(guó)外對(duì)模型輔助法有很多的研究，已經(jīng)在NFI業(yè)務(wù)中應(yīng)用，但國(guó)內(nèi)很少開(kāi)展相關(guān)研究，實(shí)際應(yīng)用較少。目前可歸入模型輔助法的研究，如以遙感為輔助數(shù)據(jù)的二相成數(shù)抽樣方法，也只是用于地類面積或成數(shù)的估計(jì)，鮮見(jiàn)有關(guān)采用模型輔助法估計(jì)森林定量參數(shù)的研究報(bào)道。以NFI樣地?cái)?shù)據(jù)為基本數(shù)據(jù)，實(shí)現(xiàn)小面積估計(jì)(實(shí)現(xiàn)市/縣等子總體出數(shù))是驅(qū)動(dòng)國(guó)外模型輔助法研究和應(yīng)用的重要原因。中國(guó)對(duì)實(shí)現(xiàn)國(guó)家-省-縣3級(jí)森林資源一體化監(jiān)測(cè)也有很強(qiáng)的需求，模型輔助法是一種很好的小面積估計(jì)方法，是實(shí)現(xiàn)一體化監(jiān)測(cè)的有效方法，建議今后加強(qiáng)該方法的應(yīng)用示范和推廣工作。

3)模型法。國(guó)內(nèi)林業(yè)遙感應(yīng)用科研人員對(duì)模型法的研究很多，但鮮見(jiàn)對(duì)其不確定性度量的深入探討，更缺乏對(duì)層次化聯(lián)合估測(cè)模型的研究。目前我國(guó)NFI業(yè)務(wù)采用模型法的可能性不大，主要是模型法的統(tǒng)計(jì)推斷理論還不夠完善，國(guó)外雖有一些新的進(jìn)展，但還不夠成熟。另外目前還缺乏對(duì)蓄積等定量參數(shù)較敏感的可大區(qū)域獲取的遙感數(shù)據(jù)，如可對(duì)全國(guó)、省、市等全覆蓋的機(jī)載LiDAR數(shù)據(jù)、P波段SAR數(shù)據(jù)等。但在基于NFI數(shù)據(jù)的增值應(yīng)用上應(yīng)大膽嘗試，比如對(duì)于調(diào)查困難地區(qū)森林資源的監(jiān)測(cè)，應(yīng)充分發(fā)揮模型法最有利于解決小面積估計(jì)問(wèn)題的優(yōu)勢(shì)，以遙感為輔助數(shù)據(jù)通過(guò)模型法，實(shí)現(xiàn)不同尺度森林參數(shù)的有效估計(jì)。后續(xù)研究重點(diǎn)包括外業(yè)樣地調(diào)查方法、模型擬合效果評(píng)價(jià)方法、多尺度估測(cè)結(jié)果不確定性估計(jì)方法等。

4)混合法。國(guó)外已發(fā)展了3類混合法。第1類是在基于NFI樣地進(jìn)行設(shè)計(jì)推斷時(shí)，將樣地的蓄積量、地類等因子看成是通過(guò)單木異速生長(zhǎng)模型估計(jì)得到的，存在模型估計(jì)誤差。國(guó)內(nèi)NFI技術(shù)研究很少考慮這類誤差對(duì)總體參數(shù)估計(jì)不確定性的影響，需要加強(qiáng)這方面相關(guān)研究。第2類混合法的特點(diǎn)是少量樣地調(diào)查數(shù)據(jù)和按概率抽取的遙感數(shù)據(jù)的綜合應(yīng)用；樣地可以主觀選擇，也可以是按概率抽樣，但遙感數(shù)據(jù)必須是按概率抽取[27]。國(guó)內(nèi)NFI的樣地早已將遙感解譯樣地納入，在NFI框架下為實(shí)現(xiàn)年度監(jiān)測(cè)而大量試驗(yàn)的森林資源宏觀監(jiān)測(cè)方法主要采用了遙感大樣地系統(tǒng)抽樣數(shù)據(jù)[118]，適合采用混合法。但國(guó)內(nèi)這方面的研究?jī)H限于用雙重回歸抽樣法估計(jì)地類面積，還沒(méi)有對(duì)蓄積量等定量參數(shù)的混合估測(cè)法開(kāi)展研究。同時(shí)，國(guó)內(nèi)采用雙重回歸抽樣法估計(jì)地類面積的研究，所建立的回歸模型都是將遙感樣地解譯的地類面積或成數(shù)作為自變量，而不是將遙感特征作為自變量。直接通過(guò)遙感模型估測(cè)得到抽樣的遙感區(qū)域所有像元的目標(biāo)參數(shù)，如地類、蓄積量，然后再由遙感估測(cè)的象元尺度地類、蓄積量，通過(guò)設(shè)計(jì)推斷法得到總體參數(shù)，這在國(guó)內(nèi)未進(jìn)行試驗(yàn)研究，有必要深入開(kāi)展相關(guān)研究工作。特別是今后國(guó)家林業(yè)和草原局陸地生態(tài)系統(tǒng)碳監(jiān)測(cè)衛(wèi)星的應(yīng)用，該衛(wèi)星搭載的波形激光雷達(dá)將抽樣式獲取波形LiDAR數(shù)據(jù)，尤其適合這種混合方法。第3類混合法適合用于實(shí)現(xiàn)年度監(jiān)測(cè)。國(guó)內(nèi)主要采用了回歸估測(cè)的方法將“歷史”樣地推算到“當(dāng)前”用于設(shè)計(jì)推斷，可以全部用推算得到樣地?cái)?shù)據(jù)，也可以綜合利用推算樣地?cái)?shù)據(jù)和實(shí)際調(diào)查樣地?cái)?shù)據(jù)[119，121]。這也是國(guó)外常用的年度監(jiān)測(cè)方法。國(guó)外目前的研究熱點(diǎn)是發(fā)展可更加充分利用時(shí)間序列遙感數(shù)據(jù)的、適用于NFI框架森林資源年度監(jiān)測(cè)的“數(shù)據(jù)同化方法”，建議國(guó)內(nèi)也盡快啟動(dòng)相關(guān)試驗(yàn)示范研究。