留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用ALOS PALSAR双极化数据估测山区森林蓄积量模型

王晓宁 徐天蜀 李毅

方国景, 汤孟平. 天目山常绿阔叶林优势种群胸径的空间连续性分析[J]. 浙江农林大学学报, 2014, 31(5): 663-667. DOI: 10.11833/j.issn.2095-0756.2014.05.001
引用本文: 王晓宁, 徐天蜀, 李毅. 利用ALOS PALSAR双极化数据估测山区森林蓄积量模型[J]. 浙江农林大学学报, 2012, 29(5): 667-670. DOI: 10.11833/j.issn.2095-0756.2012.05.005
FANG Guojing, TANG Mengping. Spatial continuity for DBH in dominant populations of an evergreen broadleaved forest in National Nature Reserve of Mount Tianmu, China[J]. Journal of Zhejiang A&F University, 2014, 31(5): 663-667. DOI: 10.11833/j.issn.2095-0756.2014.05.001
Citation: WANG Xiao-ning, XU Tian-shu, LI Yi. Estimating forest volume in hilly regions with the ALOS PALSAR model’s dual polarization data[J]. Journal of Zhejiang A&F University, 2012, 29(5): 667-670. DOI: 10.11833/j.issn.2095-0756.2012.05.005

利用ALOS PALSAR双极化数据估测山区森林蓄积量模型

DOI: 10.11833/j.issn.2095-0756.2012.05.005
详细信息
    通信作者: 徐天蜀

Estimating forest volume in hilly regions with the ALOS PALSAR model’s dual polarization data

More Information
    Corresponding author: XU Tian-shu
  • 摘要: 合成孔径雷达(SAR)技术以其独特的成像机制及其全天候、全天时成像能力,在森林生物量估测方面发挥着越来越重要的作用。利用野外实测数据分析了ALOS PALSAR双极化数据后向散射系数(HH0,HV0,HV/HH0)与云南山区松林蓄积量的关系,并分别构建简单线性、自然指数和加入地理因子的多元回归模型。研究结果表明:极化比值(HV/HH0)与蓄积量的相关系数(r=-0.407)比任何单极化(HH0和HV0分别为0.204和-0.242)都要高,加入地理因子的多元回归模型在森林蓄积量估算中有较好的精度。图3表2参12
  • 常绿阔叶林是中国亚热带地区最复杂、生产力最高、生物多样性最丰富的地带性植被类型之一,对保护环境、维持全球性碳循环的平衡和人类的持续发展等都具有极重要的作用[1]。对常绿阔叶林的研究是维护亚热带地区生物多样性和构建稳定森林结构的基础工作,也是近年来生态学研究的热点之一[2-4]。地统计学(GS,geostatistics)于20世纪50年代初开始形成,60年代在法国著名统计学家Matheron[5]的大量理论研究工作基础上形成一门新的统计学分支。地统计学如今已经被广泛用于地理学、生态学、环境科学、土壤学等诸多领域的研究中[6]。在林业上,通常把林分中的树木视为离散点,分析林木空间分布格局[7]。实际上,树木的属性特征(胸径、冠幅、树高等)的空间分布被认为是具有空间连续性的[8]。在树木的各属性特征中,胸径是最常用的指标,也是最容易准确测定的指标。本研究通过对浙江省天目山国家级自然保护区内的常绿阔叶林优势种群的胸径空间分布进行地统计分析,以便揭示常绿阔叶林的空间结构特征,为常绿阔叶林的保护和恢复重建提供理论依据。

    浙江省天目山国家级自然保护区位于浙江省西北部临安市境内的西天目山,距省会杭州94 km,30°18′30″~30°24′55″N,119°23′47″~119°28′27″E。区内年平均气温为8.8~14.8 ℃[9];≥10 ℃积温2 500~5 100 ℃;年降水量1 390~1 870 mm,相对湿度76%~81%。自然保护区受海洋暖湿气候影响较深,具有中亚热带向北亚热带过渡特征,森林植被十分茂盛。由于区内地势较为陡峭,海拔上升快,气候差异大,植被的分布有着明显的垂直界限,自山麓到山顶垂直带谱为:海拔870 m以下为常绿阔叶林;870~1 100 m为常绿、落叶阔叶混交林;1 100~1 380 m为落叶阔叶林;1 380~1 506 m为落叶矮林。其中,常绿阔叶林是自然保护区内重点保护植被类型。

    选择保存较完好的常绿阔叶林设置样地,样地大小为100 m×100 m(图 1)。用相邻格子调查方法,把样地划分为100个10 m×10 m的调查单元。在每个调查单元内,对胸径大于或等于5 cm的木本植物进行每木调查,记录树木种类,测定每株树木的胸径、树高、活枝下高、冠幅等因子,采用激光对中全站仪(徕卡TCR702Xrange)测定每株树木坐标(x,y,z)。

    图  1  样地三维地形图
    Figure  1.  3D map of the plot
    2.2.1   优势种确定

    优势树种按优势度分析法确定[10]。其方法是首先计算群落乔木层每个树种的相对胸高断面积,并作为优势度,按优势度从大到小排序。然后,通过下式确定优势树种数:

    $ d=\frac{1}{N}\left[{\sum\limits_{i \in T} {{{\left({{x_i}-x} \right)}^2}+\sum\limits_{i \in U} {x_j^2} } } \right]. $

    (1)

    式(1)中:xi为排序在前的上位种(T)的相对胸高断面积,x为优势树种所占的理想百分比,xj为上位种以外的剩余种(U)的相对胸高断面积,N为总种数。如果群落只有1个优势树种,则优势树种的理想百分比为100.0%。如果有2个优势树种,则它们的理想百分比为50.0%,如果有3个优势树种,则理想百分比为33.3%,依次类推,分别计算d值。当d为最小值时的上位种数为群落乔木层优势树种数。

    2.2.2   空间统计分析

    地统计学的核心是半变异函数。半变异函数分析是通过测定区域化变量分隔等距离的样点间的差异来研究变量的空间相关性和空间结构。分隔距离h的2点x0x的区域化变量Zxi)和Zxi+h)之间的变异,可用增量值Zxi)-Zx+h)平方的数学期望(即区域化变量增量的方差)表示:

    $ 2\gamma \left(h \right)=E\left\{ {{{\left[{Z\left({{x_i}} \right)-Z\left({{x_j}+h} \right)} \right]}^2}} \right\}{\mathop{\rm var}} \left[{Z\left({{x_i}} \right)-Z\left({{x_i}+h} \right)} \right]. $

    (2)

    式(2)中:γh)称为半变异函数。半变异函数既是距离h函数,又是方向a的函数。半变异函数曲线图(semivariogram)是半变异函数值γh)对距离h的函数的图形,它有3个特征参数:基台值(sill),变程(range)和块金值(nugget),可作为各个方向的平均值,也可作为某一特定方向的值。基台值表示变量在研究系统中最大的变异程度,包括空间结构方差(c)和块金方差(c0)。空间结构方差表示非随机的结构原因形成的变异,块金方差则反映的是由实验误差和小于最小取样尺度所引起的随机变异。变程表示研究变量在空间上自相关的范围。对于观测的数据系列Zxi)(其中i=1,2,3,…,n),样本半变异函数值可由下式计算:

    $ \gamma \left(h \right)=\frac{1}{{2N\left(h \right)}}\sum\limits_{i=1}^{N\left(h \right)} {{{\left[{Z\left({{x_j}} \right)-Z\left({{x_j}+h} \right)} \right]}^2}}. $

    (3)

    式(3)中:γh)是相隔距离为h的半变异函数曲线图的估计值,Nh)为被h分割的数据对(xixi+h)的总数即是相隔距离为h的所有点的配对数,Zxi)和Zxi+h)分别为在点x和(xi+h)处样本的测量值,h为样点间距离(图 2)。当用变异函数定量描述整个区域时,需给变异曲线配制相应的数学模型。本研究拟合了有基台值的3个模型:球状模型、指数模型和高斯模型(表 1)。Journel等[11]推荐遵循间距和最远配对样品之间的距离。间距距离4 m保证有1个足够的间距配对数。最大搜索距离使用相应样地宽的一半,即50 m[12]。地统计学计算分析使用的是GS+软件。

    图  2  1个典型的半变异函数
    Figure  2.  A typical Simivariogram
    表  1  地统计模型
    Table  1.  Models of geostatistics
    类型模型说明
    球状模型c0为块金值;c0+c为基台值;a为变程;c为偏基台值。
    高斯模型c0c意义同前,当丨h丨=${\sqrt 3 a}$时,1-exp(-丨h丨/a)2=0.95≈1,故变程为${\sqrt 3 a}$。
    指数模型c0c意义同前,当丨h丨=3a时,1-exp(-丨h丨/a)2=0.95≈1,故变程为3a
    下载: 导出CSV 
    | 显示表格

    根据调查结果进行统计,样地内胸径5 cm以上的乔木共计1 603株,72个种。计算群落乔木层各树种的相对胸高断面积,并按降序排列,根据式(1)确定优势树种。结果显示:群落有13个优势树种(表 2)。13个优势树种的株数和胸高断面积分别占样地的78.66%和81.13%,表明这些树种在森林群落乔木层中占明显的优势。其中细叶青冈Cyclobalanopsis myrsinaefolia(A),杉木Cunninghamia lanceolata(B),短尾柯Lithocarpus brevicaudatus(C),青冈Cyclobalanopsis glauca(E)和豹皮樟Litsea coreana(M)是常绿树种,占样地总株树的61.01%。细叶青冈(A),短尾柯(C)和青冈(E)三者的株树占了总株树的52.71%,胸高断面积占了总样地胸高断面积的34.04%。

    表  2  优势种群及其比例
    Table  2.  Dominant tree species and mingling
    优势种数量/株比例/%胸高断面积/m2比例/%平均胸高断面积/cm2
    细叶青冈(A)48430.195.067 818.50104.71
    松木(B)513.183.197 210.42626.90
    短尾柯(C)18311.422.496 38.14136.41
    枫香(D)422.622.369 47.72564.14
    青冈(E)17811.12.270 97.40127.58
    白栎(F)664.122.175 07.09329.55
    黄连木(G)442.741.792 75.84407.43
    蓝果树(H)80.51.023 03.331 278.75
    天目木姜子(I)482.990.821 22.68171.08
    榉树(J)402.50.803 52.62200.88
    黄檀(K)311.930.798 92.60257.71
    金钱松(L)40.250.745 52.431 863.75
    豹皮樟(M)825.120.724 22.3688.32
    小计1 26178.6624.896 381.13197.43
    样地1 60310030.681 7100191.4
    说明:A细叶青冈Cyclobalanopsis myrsinaefolia;B杉木Cunninghamia Lanceolata;C短尾柯Lithocarpus brevicaudatus;D枫香Liquidambar formosana;E青冈Cyclobdanopsis glauca;F白栎Quercus fabri; G黄连木Pistacia chinensis;H蓝果树Nyssa sinensis ;I天目木姜子Litsea auriculata; J榉树Zelkova schneideriana;K黄檀Dalbergia hupeana;L金钱松Pseudolarix kaempferi;M豹皮樟Litsea coreana。
    下载: 导出CSV 
    | 显示表格

    不同方向上的半变异函数往往会表现出不同的性质,这种不同方向上的差异称为各向异性[13],反之称为各向同性。各向同性是各向异性的特例。对本次调查的数据进行方向差异性检验时发现树木胸径的空间相关性仅仅与2点间的距离有关,即具有各向同性,因此不考虑方向效应,用各向同性变异函数进行分析。在各优势树种中,蓝果树(H)和金钱松(L)的株数太少,达不到最低配对数,不符合地统计分析要求,不予计算。黄檀(K)函数变程大于50 m,超出了最大搜索距离,在空间分布的函数假设中,认为超出最大距离的树是没有意义的,也不予计算。地统计模型的拟合,首要考虑决定系数r2的大小,然后考虑变程和块金值的大小,从而确定最佳模型。结果如表 3

    表  3  优势种群胸径变异函数计算结果
    Table  3.  Dominant tree species basal area and height variograms
    优势树种胸径半变异函数
    模型块金值c0基台值c1+c0结构比c1/c1+c0决定系数r2变程/m
    细叶青冈(A)指数13.8046.040.700.8811.10
    松木(B)球状21.40150.800.860.303.40
    短尾柯(C)指数20.2144.540.550.9035.70
    枫香(D)指数19.10108.500.820.317.50
    青冈(E)高斯18.5544.020.580.9045.55
    白栎(F)指数27.90118.800.770.234.20
    黄连木(G)高斯2.00102.000.980.144.33
    天目木姜子(I)指数5.2055.990.910.132.70
    榉树(J)高斯0.1057.700.990.094.68
    豹皮樟(M)指数0.0026.801.000.010.30
    总样地高斯25.1082.860.700.855.72
    下载: 导出CSV 
    | 显示表格

    表 3可见:豹皮樟(M)块金值为0,半变异函数值具有纯金块效应,即在该样地空间尺度上不存在空间相关性。杉木(B),枫香(D),白栎(F),黄连木(G),天目木姜子(I)和榉树(J)的结构比大于0.75,空间相关性较强;细叶青冈(A),短尾柯(C),青冈(E)结构比都在0.55以上,具有中度的空间相关性。短尾柯(C),青冈(E)和细叶青冈(A)的变程较大,空间连续性范围分别为35.70 m,45.55 m和11.10 m,其余优势树种的变程都在7.50 m以内。样地整体结构比为0.70,具有中度的空间相关性,平均空间连续性范围为5.70 m。

    天目山国家级自然保护区常绿阔叶林的优势树种中,以细叶青冈、杉木、短尾柯和枫香为主,形成多优势种结构特征,林分胸径特征具有较高的空间相关性,但林分整体的空间连续性范围较小,仅在6 m以内,这也体现了常绿阔叶林的结构复杂性。汤孟平等[14]采用Ripley’s Kd)函数分析优势种群空间分布格局和种间关联关系,认为天目山常绿阔叶林群落的优势种均呈显著聚集分布,多数优势种间有较强的种间关联性。这与本研究的结果是一致的。本研究仅对树木胸径这一属性特征,分析其空间连续性,林分其他因子,包括土壤性质、竞争等的空间连续性有待进一步研究。地统计分析是研究林分特征的有力工具,有必要在林业领域开发出具有林业特色的实用空间统计软件,使空间统计学理论、方法、程序系统一体化[15],以促进空间统计分析在林业领域的广泛应用。

  • [1] 邓再春, 张超, 朱夏力, 范金明, 钱慧, 李成荣.  基于无人机多光谱影像的云南松林蓄积量估测模型 . 浙江农林大学学报, 2024, 41(1): 49-56. doi: 10.11833/j.issn.2095-0756.20230263
    [2] 兰洁, 肖中琪, 李吉玫, 张毓涛.  天山雪岭云杉生物量分配格局及异速生长模型 . 浙江农林大学学报, 2020, 37(3): 416-423. doi: 10.11833/j.issn.2095-0756.20190384
    [3] 申家朋, 陈东升, 孙晓梅, 张守攻.  基于似乎不相关回归和哑变量的日本落叶松单木生物量模型构建 . 浙江农林大学学报, 2019, 36(5): 877-885. doi: 10.11833/j.issn.2095-0756.2019.05.005
    [4] 谢福明, 字李, 舒清态.  基于优化k-NN模型的高山松地上生物量遥感估测 . 浙江农林大学学报, 2019, 36(3): 515-523. doi: 10.11833/j.issn.2095-0756.2019.03.012
    [5] 王兰芳, 韦新良, 汤孟平.  浙江省杉木林生产力地理分异特性 . 浙江农林大学学报, 2019, 36(6): 1107-1114. doi: 10.11833/j.issn.2095-0756.2019.06.007
    [6] 周静平, 李存军, 胡海棠, 陶欢, 彭代亮, 谢春春, 葛艳.  森林植被遥感监测影像最佳分辨率选择 . 浙江农林大学学报, 2018, 35(4): 716-723. doi: 10.11833/j.issn.2095-0756.2018.04.017
    [7] 王海宾, 彭道黎, 高秀会, 李文芳.  基于GF-1 PMS影像和k-NN方法的延庆区森林蓄积量估测 . 浙江农林大学学报, 2018, 35(6): 1070-1078. doi: 10.11833/j.issn.2095-0756.2018.06.010
    [8] 吕常笑, 邓华锋, 王少杰, 陈振雄, 王雪军.  马尾松不同区域相容性立木材积和地上生物量模型 . 浙江农林大学学报, 2016, 33(5): 790-797. doi: 10.11833/j.issn.2095-0756.2016.05.010
    [9] 董心玉, 范文义, 田甜.  基于面向对象的资源3号遥感影像森林分类研究 . 浙江农林大学学报, 2016, 33(5): 816-825. doi: 10.11833/j.issn.2095-0756.2016.05.013
    [10] 姚智, 张晓丽.  基于WebGIS平台的森林郁闭度遥感反演信息系统研建 . 浙江农林大学学报, 2015, 32(3): 392-398. doi: 10.11833/j.issn.2095-0756.2015.03.009
    [11] 王月婷, 张晓丽, 杨慧乔, 王书涵, 白金婷.  基于Landsat 8卫星光谱与纹理信息的森林蓄积量估算 . 浙江农林大学学报, 2015, 32(3): 384-391. doi: 10.11833/j.issn.2095-0756.2015.03.008
    [12] 邓静, 陈宇拓.  利用增长量分配模型的杉木林分生长预测建模 . 浙江农林大学学报, 2014, 31(6): 898-904. doi: 10.11833/j.issn.2095-0756.2014.06.011
    [13] 商珍珍, 周国模, 杜华强.  毛竹林地上生物量与胸径的分形关系 . 浙江农林大学学报, 2013, 30(3): 319-324. doi: 10.11833/j.issn.2095-0756.2013.03.002
    [14] 吴兆艳, 汤孟平.  基于SketchUp与GIS的森林景观可视化实现 . 浙江农林大学学报, 2012, 29(3): 352-358.
    [15] 季碧勇, 陶吉兴, 张国江, 杜群, 姚鸿文, 徐军.  高精度保证下的浙江省森林植被生物量评估 . 浙江农林大学学报, 2012, 29(3): 328-334. doi: 10.11833/j.issn.2095-0756.2012.03.002
    [16] 张国江, 季碧勇, 王文武, 方炎杰, 李佐晖.  设区市森林资源市县联动监测体系研究 . 浙江农林大学学报, 2011, 28(1): 46-51. doi: 10.11833/j.issn.2095-0756.2011.01.008
    [17] 王祖华, 蔡良良, 关庆伟, 蔡霞.  淳安县森林生态系统服务价值评估 . 浙江农林大学学报, 2010, 27(5): 757-761. doi: 10.11833/j.issn.2095-0756.2010.05.019
    [18] 徐文兵, 高飞, 杜华强.  几种测量方法在森林资源调查中的应用与精度分析 . 浙江农林大学学报, 2009, 26(1): 132-136.
    [19] 李亦秋, 仲科.  山东省森林资源动态变化的非等间距灰色预测 . 浙江农林大学学报, 2009, 26(1): 7-12.
    [20] 夏伟伟, 韩海荣, 伊力塔, 程小琴.  庞泉沟国家级自然保护区森林景观格局动态 . 浙江农林大学学报, 2008, 25(6): 723-727.
  • 期刊类型引用(8)

    1. 郑枭,王通,庞春梅,宋思婧,丁山,余树全. 气候变化背景下天目山落叶阔叶林乔木层1996—2017年动态研究. 浙江农林大学学报. 2023(06): 1250-1260 . 本站查看
    2. 韩敏,董希斌,刘慧,张期奇. 大兴安岭天然落叶松次生林不同演替阶段的空间结构. 东北林业大学学报. 2020(06): 123-127 . 百度学术
    3. 王铮屹,戴其林,柏宬,陈涵,库伟鹏,赵明水,余树全. 天目山皆伐毛竹林自然更新群落类型与多样性分析. 浙江农林大学学报. 2020(04): 710-719 . 本站查看
    4. 杜秀芳,汤孟平,郦青,沈钱勇,杨帆. 临安不同森林类型混交度的对比研究. 西南林业大学学报(自然科学). 2019(03): 101-108 . 百度学术
    5. 管杰然,商天其,伊力塔,叶诺楠,余树全. 天目山常绿落叶阔叶混交林优势种生物量变化及群落演替特征. 生态学报. 2017(20): 6761-6772 . 百度学术
    6. 马锦丽,江洪,龚莎莎,舒海燕,方成圆,吴孟霖,孙文文,陈晓峰. 天目山自然保护区典型阔叶林的光合生理特性. 安徽师范大学学报(自然科学版). 2016(02): 157-163 . 百度学术
    7. 马锦丽,江洪,舒海燕,吴孟霖,方成圆,孙文文,陈晓峰,牛晓栋,龚莎莎. 天目山自然保护区典型阔叶林的光合特性. 福建农林大学学报(自然科学版). 2016(04): 381-390 . 百度学术
    8. 范佩佩,韦新良,郭如意,汤孟平. 天目山针阔混交林林木空间特性. 浙江农林大学学报. 2015(05): 675-682 . 本站查看

    其他类型引用(9)

  • 加载中
  • 链接本文:

    https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.2012.05.005

    https://zlxb.zafu.edu.cn/article/zjnldxxb/2012/5/667

计量
  • 文章访问数:  3633
  • HTML全文浏览量:  302
  • PDF下载量:  1401
  • 被引次数: 17
出版历程
  • 收稿日期:  2011-10-12
  • 修回日期:  2012-01-12
  • 刊出日期:  2012-10-20

利用ALOS PALSAR双极化数据估测山区森林蓄积量模型

doi: 10.11833/j.issn.2095-0756.2012.05.005
    通信作者: 徐天蜀

摘要: 合成孔径雷达(SAR)技术以其独特的成像机制及其全天候、全天时成像能力,在森林生物量估测方面发挥着越来越重要的作用。利用野外实测数据分析了ALOS PALSAR双极化数据后向散射系数(HH0,HV0,HV/HH0)与云南山区松林蓄积量的关系,并分别构建简单线性、自然指数和加入地理因子的多元回归模型。研究结果表明:极化比值(HV/HH0)与蓄积量的相关系数(r=-0.407)比任何单极化(HH0和HV0分别为0.204和-0.242)都要高,加入地理因子的多元回归模型在森林蓄积量估算中有较好的精度。图3表2参12

English Abstract

方国景, 汤孟平. 天目山常绿阔叶林优势种群胸径的空间连续性分析[J]. 浙江农林大学学报, 2014, 31(5): 663-667. DOI: 10.11833/j.issn.2095-0756.2014.05.001
引用本文: 王晓宁, 徐天蜀, 李毅. 利用ALOS PALSAR双极化数据估测山区森林蓄积量模型[J]. 浙江农林大学学报, 2012, 29(5): 667-670. DOI: 10.11833/j.issn.2095-0756.2012.05.005
FANG Guojing, TANG Mengping. Spatial continuity for DBH in dominant populations of an evergreen broadleaved forest in National Nature Reserve of Mount Tianmu, China[J]. Journal of Zhejiang A&F University, 2014, 31(5): 663-667. DOI: 10.11833/j.issn.2095-0756.2014.05.001
Citation: WANG Xiao-ning, XU Tian-shu, LI Yi. Estimating forest volume in hilly regions with the ALOS PALSAR model’s dual polarization data[J]. Journal of Zhejiang A&F University, 2012, 29(5): 667-670. DOI: 10.11833/j.issn.2095-0756.2012.05.005

目录

/

返回文章
返回