基于激光雷達(dá)衛(wèi)星(GEDI)的廣東省森林冠層高度和生物量估算

吳貞江, 張佳華

(1. 自然資源部城市國(guó)土資源監(jiān)測(cè)與仿真重點(diǎn)實(shí)驗(yàn)室,廣東 深圳 518034; 2. 中國(guó)科學(xué)院大學(xué)地球行星科學(xué)學(xué)院,北京 100049; 3. 青島大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院,山東 青島 266071; 4. 海南省空天信息研究院,海南 三亞 572000; 5. 海南省地球觀測(cè)重點(diǎn)實(shí)驗(yàn)室,海南 三亞 572000)

森林冠層高度和生物量是評(píng)估森林生態(tài)系統(tǒng)健康狀況的兩個(gè)重要生態(tài)指標(biāo)[1-3]。準(zhǔn)確反演森林冠層高度和生物量,對(duì)研究森林生態(tài)系統(tǒng)結(jié)構(gòu)和功能、評(píng)估森林對(duì)氣候變化響應(yīng)及森林碳儲(chǔ)量變化有重要意義[4-7]。此外,準(zhǔn)確預(yù)測(cè)森林冠層高度和生物量還可有助于了解森林生長(zhǎng)和演替的情況,為森林保護(hù)和管理提供科學(xué)依據(jù),以實(shí)現(xiàn)森林生態(tài)系統(tǒng)的可持續(xù)發(fā)展[8]。廣東省是我國(guó)人口最為稠密的地區(qū)之一,受城市化和工業(yè)化等人類活動(dòng)的影響,省內(nèi)的生態(tài)環(huán)境受到了一定程度的破壞和威脅。建設(shè)美麗廣東,是對(duì)碳源作“減法”,而廣東省良好的生態(tài)基礎(chǔ),是對(duì)碳匯作“加法”。廣東屬于東亞季風(fēng)區(qū),從北向南分別為中亞熱帶季風(fēng)氣候、南亞熱帶季風(fēng)氣候和熱帶季風(fēng)氣候,是全國(guó)光、熱和水資源最豐富的地區(qū)之一,良好的水熱條件為廣東建設(shè)生態(tài)強(qiáng)省提供了基本保障。廣東森林擁有中國(guó)分布最廣的熱帶和亞熱帶常綠闊葉林,森林覆蓋率保持58%以上[9-10]。廣袤的森林生態(tài)系統(tǒng)擁有強(qiáng)大的碳匯能力,這在助力廣東省率先實(shí)現(xiàn)“碳中和”的過(guò)程中將發(fā)揮不可替代的作用。然而,目前尚缺乏廣東省森林生物量準(zhǔn)確估計(jì)的高精度空間分布制圖。

遙感(RS)技術(shù)是測(cè)量森林冠層高度和生物量的重要工具。與基于現(xiàn)場(chǎng)的測(cè)量相比,RS技術(shù)可提高測(cè)量效率,減少工作負(fù)載,并克服在現(xiàn)場(chǎng)測(cè)量中通常遇到的挑戰(zhàn)[11]。目前,光探測(cè)距(激光雷達(dá))、光學(xué)立體攝影測(cè)量、雷達(dá)測(cè)量等RS技術(shù)被廣泛應(yīng)用于森林冠層高度和生物量的測(cè)量[6-7]。在這些技術(shù)中,激光雷達(dá)通過(guò)激光束穿透森林樹冠,在提供精確的垂直森林結(jié)構(gòu)信息方面非常有效[12-13]。全球生態(tài)系統(tǒng)動(dòng)力學(xué)調(diào)查(global ecosystem dynamics investigation,GEDI)激光雷達(dá)于 2018年 12 月搭載于國(guó)際空間站,是全球首臺(tái)用于高分辨率森林垂直結(jié)構(gòu)測(cè)量的多波束線性體制的激光測(cè)高儀,主要用于森林生物量監(jiān)測(cè)和陸地生態(tài)系統(tǒng)碳循環(huán)研究等。本文開展基于激光雷達(dá)衛(wèi)星(GEDI)的廣東省森林冠層高度和生物量反演,有助于估算廣東省森林生態(tài)系統(tǒng)碳吸收,促進(jìn)該地區(qū)生態(tài)系統(tǒng)健康發(fā)展,緩解全球氣候變化的影響。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

研究區(qū)位于廣東省,屬于亞熱帶季風(fēng)氣候,年平均氣溫約為22℃,年降水量約為1500 mm。廣東省地形復(fù)雜,以山地為主,占總面積的70%以上,平原地形主要分布在珠江三角洲和粵西平原地區(qū)。省內(nèi)水系發(fā)達(dá),包括珠江、西江、北江等重要河流及眾多支流、湖泊、水庫(kù)等,是華南地區(qū)的重要水資源基地。其中,珠江是廣東省最大的河流之一,也是中國(guó)南方最重要的河流之一,貫穿廣東省中部,其他河流則主要分布在該省的西部和北部[14]。廣東省的植被類型主要包括熱帶雨林、常綠闊葉林和針葉林,分布在不同的海拔區(qū)間。熱帶雨林分布在海拔較低的地區(qū),包括榕樹、木棉等;常綠闊葉林分布在山地和丘陵地區(qū),包括楠木、水杉等;針葉林則分布在海拔較高的山區(qū),包括松樹、杉樹等。此外,省內(nèi)還有少量草原和濕地等生態(tài)系統(tǒng)[15-16]。

1.2 研究數(shù)據(jù)

使用的數(shù)據(jù)包括GEDI激光雷達(dá)數(shù)據(jù)[17]和Landsat分析就緒數(shù)據(jù)(ARD)。GEDI 用于收集森林冠層高度數(shù)據(jù)等用作模型校準(zhǔn)和驗(yàn)證。Landsat 數(shù)據(jù)用于構(gòu)建森林冠層高度外推模型,并繪制廣東30 m空間分辨率的森林冠層高度空間分布圖。GEDI 采用全波形探測(cè),同時(shí)獲取 8 條地面軌道,經(jīng)地面、植被和云層反射,被望遠(yuǎn)鏡接收后,將光亮轉(zhuǎn)為電壓,以 1 ns 間隔記錄為時(shí)間的函數(shù),然后轉(zhuǎn)換為距離函數(shù)。GEDI 采集密度高,光斑直徑為 25 m,沿軌道間距為 60 m,覆蓋范圍為 51.6°N-51.6°S。其數(shù)據(jù)產(chǎn)品包括表征地球三維特征的足印和格網(wǎng)數(shù)據(jù)集,分為4個(gè)級(jí)別。其中, 1 級(jí)和 2 級(jí)產(chǎn)品分別為定位波形和足印級(jí)冠層高度數(shù)據(jù),由 NASA 陸地過(guò)程分布式數(shù)據(jù)檔案中心(LP DAAC)發(fā)布,3 級(jí)和 4 級(jí)產(chǎn)品(格網(wǎng)冠層高度和地上生物量數(shù)據(jù)產(chǎn)品)由美國(guó)橡樹嶺國(guó)家實(shí)驗(yàn)室分布式活動(dòng)檔案中心(ORNL DAAC)發(fā)布。Landsat ARD數(shù)據(jù)已經(jīng)過(guò)輻射定標(biāo)、大氣校正、云掩膜等預(yù)處理。

1.3 研究方法

1.3.1 林冠高度估算方法

林冠高度估算方法的步驟如下:

(1)采用廣東省的 GEDI 激光雷達(dá)數(shù)據(jù)L2A高度度量產(chǎn)品和 Landsat ARD數(shù)據(jù),GEDI L2A提供直徑為25 m離散光斑。首先剔除非森林光斑;然后將剩余光斑的90%作為模型訓(xùn)練集,10%作為模型驗(yàn)證集。Landsat ARD數(shù)據(jù)用于非森林區(qū)掩膜。

(2)使用回歸樹算法,以從Landsat ARD中提取的多種影像特征(包括光譜反射率、植被指數(shù)、時(shí)序特征等)作為解釋變量,以GEDI提取的森林冠層高度作為估算變量,構(gòu)建森林冠層高度外推模型。

(3)將回歸樹算法分別應(yīng)用于每個(gè)單獨(dú)的 Landsat影像圖塊中,對(duì)廣東省的林冠高度進(jìn)行估算。

(4)使用GEDI 驗(yàn)證集對(duì)估算結(jié)果進(jìn)行精度驗(yàn)證。

1.3.2 森林生物量估算方法

森林生物量估算方法步驟如下:

(1) 收集廣東省的GEDI衛(wèi)星數(shù)據(jù)提供的L4B數(shù)據(jù)集。該數(shù)據(jù)集提供了每個(gè)1 km×1 km區(qū)域內(nèi)的估計(jì)生物量信息。由于該數(shù)據(jù)是柵格數(shù)據(jù),為了便于后面的插值分析,需要將該數(shù)據(jù)轉(zhuǎn)成矢量數(shù)據(jù),并使用土地利用圖(如圖1所示)中的森林類別對(duì)非森林區(qū)域進(jìn)行掩膜。

(2) 基于離散的地上生物量數(shù)據(jù)點(diǎn),使用克里金插值方法[18],對(duì)空缺區(qū)域進(jìn)行插值。在進(jìn)行插值前,需對(duì)數(shù)據(jù)進(jìn)行預(yù)處理(包括去除異常值、處理缺失值、數(shù)據(jù)標(biāo)準(zhǔn)化等),以保證數(shù)據(jù)的質(zhì)量和可靠性。選擇普通克里金插值模型擬合已知點(diǎn)的值,對(duì)空間自相關(guān)性進(jìn)行建模。使用最大似然估計(jì)方法估算插值模型的參數(shù),選擇使用加權(quán)平均(權(quán)重由已知點(diǎn)與待插值點(diǎn)之間的空間距離和方差共同決定)計(jì)算未知位置的地上生物量值。最后通過(guò)交叉驗(yàn)證評(píng)估插值結(jié)果的準(zhǔn)確性。

(3) 根據(jù)克里金插值的結(jié)果繪制了廣東省的森林生物量圖。

2 結(jié)果與分析

2.1 廣東省2020年森林冠層高度分布

廣東省林冠高度主要受地形、氣候、土壤和土地利用類別等因素影響。廣東省北部山區(qū)地勢(shì)較高、氣溫較低、水源充足,適宜大型樹木的生長(zhǎng),因此該地區(qū)的林冠也相對(duì)較高。而雷州半島地勢(shì)低平、氣溫較高、土壤貧瘠,不利于大型樹木的生長(zhǎng),因此該地區(qū)的林冠較低。沿海地區(qū)地形平坦、氣候溫暖濕潤(rùn),受氣象災(zāi)害的影響較大,樹高一般約10 m(如圖2所示)。此外,樹高的空間分布也與人類活動(dòng)有關(guān)。廣東省東部地區(qū)人口密集,森林覆蓋度較低,樹高一般在5 m以下。而在廣東省西部人口稀少,城市化程度低,森林覆蓋度相對(duì)較高,林冠也相對(duì)較高?？傮w而言,廣東省的樹木高度普遍在10～20 m,占比超過(guò)50%。而高度在20 m以上的高大樹木相對(duì)較少,占比不足10%。從行政區(qū)劃上來(lái)看,樹高高值出現(xiàn)在粵北的韶關(guān)、肇慶、河源、云浮、梅州等市,樹高普遍在15～20 m;而低值則出現(xiàn)在南部的湛江市,樹高集中分布在5～10 m;其余市如廣州、深圳、汕頭、茂名等地樹高普遍在10～15 m。

圖2 廣東省2020年森林冠層高度空間分布

與已有文獻(xiàn) [19]研究結(jié)果對(duì)比發(fā)現(xiàn),總體趨勢(shì)相似,均呈現(xiàn)出北高南低、西高東低的趨勢(shì),數(shù)據(jù)集間具有較強(qiáng)的一致性。此外,兩個(gè)數(shù)據(jù)集最大值和最小值出現(xiàn)的位置也相似,這進(jìn)一步證明了兩個(gè)數(shù)據(jù)集的一致性。但相較于文獻(xiàn)[19]的研究結(jié)果,本文結(jié)果的絕對(duì)值總體偏低。這可能是由于所采用的森林高度估算方法不同造成的。

2.2 廣東省2020年森林生物量空間分布

如圖3所示,廣東省森林生物量最大值為335.85 t/hm2,最小值為5.25 t/hm2,平均值為98.27 t/hm2。森林生物量高值區(qū)域主要分布在粵東山區(qū)和粵西山區(qū),而廣東省平原和城市化地區(qū)森林生物量則較低。

圖3 廣東省2020年森林生物量空間分布

從行政區(qū)劃上看,廣東省生物量空間分布,生物量高值出現(xiàn)在韶關(guān)、清遠(yuǎn)、河源、肇慶、梅州等市,生物量普遍在100～250 t/hm2;而低值則出現(xiàn)在南部的湛江市,生物量集中分布在100～150 t/hm2;其余市如陽(yáng)江、珠海、江門等地生物量普遍在20～50 t/hm2。

與現(xiàn)有文獻(xiàn)[20]研究結(jié)果對(duì)比發(fā)現(xiàn),森林生物量分布的總體趨勢(shì)相似,具有較高的一致性,均表現(xiàn)出西北部高值聚集,南部雷州半島較低,沿海地區(qū)低于內(nèi)陸地區(qū)的特征,且兩數(shù)據(jù)集的最大值和最小值出現(xiàn)的位置也相同,進(jìn)一步證明了兩個(gè)數(shù)據(jù)集的一致性。然而,本文結(jié)果的絕對(duì)值總體偏高,在肇慶、云浮兩市的估計(jì)值明顯高于文獻(xiàn)[20]的研究結(jié)果。

3 結(jié) 語(yǔ)

準(zhǔn)確反演森林冠層高度和生物量對(duì)實(shí)施科學(xué)的森林資源管理,促進(jìn)森林生態(tài)系統(tǒng)的健康和可持續(xù)利用方面有重要意義。同時(shí),準(zhǔn)確反演這兩個(gè)森林指標(biāo)對(duì)合理規(guī)劃森林資源和保護(hù)生物多樣性,監(jiān)測(cè)和評(píng)估森林資源利用的效率,促進(jìn)森林資源可持續(xù)發(fā)展也至關(guān)重要。通過(guò)本文研究,反演得到了廣東省2020年林冠高度和森林生物量分布數(shù)據(jù)。具體而言,全省的林冠高度普遍在15～20 m,平均林冠最高的是韶關(guān)市,為15～25 m;最低的是湛江市,為5～10 m。從森林生物量分布上來(lái)看,全省的生物量普遍在100～200 t/hm2,河源市平均生物量最高,為150～250 t/hm2。湛江市最低,為100～150 t/hm2。以上數(shù)據(jù)可為估計(jì)廣東省森林的生態(tài)系統(tǒng)碳儲(chǔ)量,了解森林生態(tài)系統(tǒng)在碳循環(huán)中的作用提供數(shù)據(jù)支持。此外,還可以為森林資源的管理和保護(hù)提供科學(xué)依據(jù),為制定相關(guān)政策提供參考。