-
对林分林木进行分类,确定其定位、功能和地位是提出科学的林分经营技术的一项重要基础性工作。目前,林分林木分类常见的方法有2种:一种方法是林木分化形成分级木后,按照林木个体大小、生长状况,分为1~5级木[1]。另一种方法是森林抚育间伐中采用的林木分类方法。如近自然森林经营理论中,提出了林木的空间竞争关系而进行林木分类[2]。第2种方法是与森林抚育经营技术密切相关的技术措施。目前,研究较广泛,但方法不够具体,模糊不清,存在操作性差的问题。如择伐调查设计时,将林木分为目标树、辅助树、干扰树和其他树等4类[3]。近自然森林经营林分施业体系把所有林木分类为目标树、干扰树、生态保护树和其他树木等4类[4]。在森林抚育规程的国家标准中,将林木分类为目标树、辅助树、有害树等3类[5]。在森林采伐作业规程的林业行业标准中规定防护林抚育采伐时,将林木分为优良木、有益木和有害木等3类[6]。在目标树作业体系中将林木分为目标树、干扰树、特别目标树和一般林木等在生态学和林学中作用和意义各不相同的4类[7]。在森林抚育经营中施行上层疏伐时,将林木分成优良木、有益木和有害木等3类[8]等。在过去的森林抚育技术中,围绕抚育目的主要依据林木生长状况,个体大小、生长势等情况来划分林木,缺乏考虑林木位置、格局、用途、作用和其他功能等。过去将林木划分为5级木是主要考虑收获量和木材生产。对于结构优化经营和以突出生态效益的经营来讲,目前的划分方法和标准是远远不够的,需要进一步细化划分依据和方法,便于森林抚育经营。本研究在传统目标树经营技术基础上,围绕优化林分结构,调控演替,促进林分生长,提高林分自然更新能力等目标,依据林木个体大小、年龄、空间位置和用途等,提出了林木分类管理技术,旨在为过伐林结构优化和抚育经营提供技术参考。
-
研究地点选择在内蒙古大兴安岭森林生态系统国家野外科学观测研究站(50°49′~50°51′N,121°30′~121°31′E)。海拔为800~1 100m。属寒温带湿润气候区,年平均气温为-5.4 ℃,最低气温为-50.0 ℃,≥10 ℃积温为1 403.0 ℃;年降水量为450~550 mm,60%集中在7-8月,无霜期为80 d。林下土壤为棕色针叶林土,土层厚度为20~40 cm,基岩以花岗岩与玄武岩为主。森林以兴安落叶松Larix gmelinii为建群种的寒温带针叶林,伴生树种有白桦Betula platyphylla,山杨Populus davidiana等。林下主要有杜鹃Rhododendron dahuricum等灌木和红花鹿蹄草Pyrola incarnate,舞鹤草Maianthemum bifolium等草本植物。
研究区过伐林为在20世纪80年代初主伐利用后形成的。1982-1986年当地林业部门对调查地林分进行了采伐作业,作业方式为100 m等带间隔皆伐,间隔期为10 a,作业面积为150 hm2左右。伐前林龄为120~180 a,蓄积量80~120 m3·hm-2,郁闭度0.2~0.4,上层母树群团状分布,更新密度为1 500~2 400株·hm-2,幼树年龄5~15 a,幼树组成5落5桦。20世纪90年代初开始转为抚育经营。
-
设置6块方形标准地(表 1),面积有20 m × 30 m,40 m× 40 m等2种。进行每木检尺,量测其胸径、树高、冠幅和枝下高等指标;调查更新树种(胸径<5.0 cm)种类、地径、树高等。分别应用Excel软件和SPSS 17.0软件进行数据处理和统计分析。
表 1 标准地基本情况
Table 1. Condition of sample plots
标准地号 林型 面积/ mxm 林分密度/(株’hm-2) 树种组成 平均胸径/cm 平均树高/m 蓄积量/(m3·hm-2) 1 杜鹃-白桦落叶松混交林 40x40 1 994 6桦4落+杨 8.1 9.4 58.19 2 杜鹃-落叶松白桦混交林 40x40 2 238 5落5桦-杨 10.4 10.9 121.18 3 杜鹃-白桦落叶松混交林 20x30 1 983 5桦5落+杨 9.1 10.5 74.47 4 杜鹃-落叶松白桦混交林 40x40 2 775 7落3桦+杨 9.6 10.7 121.16 5 杜鹃-落叶松白桦混交林 40x40 1 750 6落3桦1杨 12.0 10.9 129.62 6 杜鹃-落叶松白桦混交林 40x40 1 425 7落3桦+杨 12.8 12.1 112.99 -
将落叶松作为目的树种,白桦作为伴生树种,山杨作为非目的树种来处理。将林分林木根据经营目的、用途和功能等划分为用材树、用材后备树、伴生树、演替树、母树、更新幼树、间伐树等共7类。分类标准:①用材树。指林分优势木中的1级木。指生长良好,无病虫害,树冠最大且占据林冠上层,在标准地内同龄级林木中,胸径和树高较大,相对胸径≥1.02。属于可采伐利用的林木。②用材后备树。指2级木,具有培育前途的用材后备树。经抚育经营和培育后可采伐利用,与用材树形成阶梯关系,当用材树采伐利用后可替补用材树。③伴生树。主要指白桦。为林分更新、快速郁闭、林分演替、起到重要作用。④演替树。主要指目的树种和伴生树的平均木,为3级木。处于更新层到主林层的林分垂直高度范围内的林木,生长尚好,无病虫害,树冠较窄,胸径和树高较优势木差,位于林冠中层,树干圆满度较好,在标准地内同龄级林木中,胸径和树高与林分平均胸径和平均高比较接近,0.70≤相对胸径<1.02。对林分演替和垂直分布,具有重要作用,也是调控林分演替的切入点。随着林分生长,由演替树逐渐转移为用材后备树。⑤母树。为林分更新起到种源作用,将影响未来林木分布格局以及龄级结构。⑥更新幼树。指天然更新的幼树(胸径<5.0 cm)。更新情况将直接影响林分树种组成、林木格局、林木垂直结构以及龄级组成。⑦间伐树。指被压木,4~5级木,白桦丛生木,非目的树种,以及为调整林木水平格局、垂直结构和调控林分演替的需要必须伐除的林木。其中,被压木指生长不良,无病虫害,树高和胸径生长均落后,树冠受挤压严重,处于明显被压状态,0.35≤相对胸径<0.70[1, 9]。
-
在各标准地林木株数比例中,更新幼树比例最高,演替树(或理论间伐树)次之。用材树比例小于4.8%;用材后备树比例小于7.0%;演替树比例10.7%~18.8%;母树比例2.0%~12.5%;更新幼树比例42.9%~70.6%;理论间伐树比例7.4%~19.6%(表 2)。由于林分结构不同,标准地间各类林木株数占林分总株数的比例差异较大。如标准地6林分平均胸径12.8 cm,胸径≥10 cm的林木株数较多,选出的母树数量也多,因此,母树比例较高。根据林木分布格局,由胸径≥10 cm的用材树、用材后备树和演替树中选定母树,以尽可能全覆盖标准地的原则,潜在更新区域,确定母树的数量。
表 2 各标准地各类林木株数比例
Table 2. Number proportion of different trees
各类林木株数比例/% > 标准地号 用材树 用材后备树 伴生树演替树 母树 更新幼树 理论间伐树 1 1.8 4.3 13.9 2.0 70.6 7.4 2 4.8 5.0 10.7 5.3 56.7 17.6 3 2.9 1.6 11.0 3.9 61.4 19.2 4 3.5 6.6 12.3 4.2 57.2 16.1 5 3.7 7.0 14.9 9.1 45.7 19.6 6 3.3 7.0 18.8 12.5 42.9 15.5 在选择间伐对象时,除了看林木生长指标以外,还应考虑空间结构因素,有利于提高林木空间利用率,优化树种组成,能够促进林分天然更新。因此划入间伐树时应考虑的因素:对标准地内丛生白桦进行间伐,保留1株·丛-1,其余白桦与萌生枝条(白桦幼树)、山杨等非目的树种一并伐除;被压木(4,5级木)有转换成平均木的可能性,因此不应间伐所有被压木[9],而伐除无转换的被压木;按照经营目标,结合林分演替趋势,从林分主林层和演替层中,适当进行间伐,调整树种组成,调控林分演替,优化林分结构。综上所述,理论间伐树显然不能完全适合林分结构优化的要求。有必要对间伐树的范围、对象进行调整。间伐强度大小主要由林分中被压木的株数比例、丛生白桦株数比例、林分演替状况等决定。
-
根据优化结构,促进林分生长,提高更新能力,调控林分演替的目的,按照综合抚育法,采用了以下技术措施:根据林分垂直结构特征、林分未来演替趋势,通过抚育间伐技术,从林分垂直分布中控制白桦演替趋势,从主林层、演替层和更新层中控制白桦优势,间伐白桦和山杨,减弱垂直各层中白桦成数,提高落叶松比例,在未来林分演替趋势中使落叶松占优势,逐渐形成落叶松白桦混交林。调控林木分布格局,减小林木聚集系数,提高林分空间利用率。基于以上目标和方法,对间伐树株数和构成进行了调整(表 3)。实际间伐树株数比例达12.0%~47.7%(表 3),远远大于理论间伐株数比例(表 2)。其中,更新幼树占77.6%~90.0%。调整间伐树组成后,6块标准地蓄积采伐强度将变为5.1%~19.5%(表 3)。6块标准地间伐树株数及其分配比例有较大差异。这与林分树种组成、林分密度、垂直结构、林木格局、林分演替、林分更新密度等诸多因素有关。大体上,间伐树株数分配从大到小的排序为更新幼树>间伐树>演替树>用材后备树>用材树(表 3)。但标准地2,标准地5和标准地6的排序较特殊。标准地2主林层中白桦占优势,需间伐白桦,控制白桦优势,提高兴安落叶松比例,因此,从用材树中间伐的白桦和山杨较多,提高了用材树分配比例。标准地5主林层中白桦占4成山杨占1成,须间伐山杨,提高兴安落叶松比例,因此,也要从用材树中间伐山杨。标准地6在主林层中白桦占3成并还有山杨,在演替层中兴安落叶松占优势,但更新层白桦占优势。未来林分演替趋势具有白桦占优势的可能性,因此,需减弱更新层中白桦成数,提高兴安落叶松比例。从用材树中伐除山杨,更新层中间伐白桦,而从用材后备树中未进行间伐。
表 3 实际间伐树株数比例及其分配
Table 3. Actual number proportion and allocation of thinning trees
标准地号 实际间伐树比例/% 实际间伐树株数分配/% -蓄积采伐强度/% 小计 用材树 用材后备树 演替树 间伐树 更新幼树 1 43.1 100.0 0.0 1.5 7.1 7.3 84.2 19.5 2 12.0 100.0 9.1 2.0 3.0 5.1 80.8 14.4 3 47.7 100.0 0.7 1.4 5.4 15.0 77.6 16.6 4 17.2 100.0 3.9 4.5 4.5 7.3 79.9 10.6 5 20.2 100.0 3.8 1.9 4.8 5.8 83.7 7.8 6 15.0 100.0 3.3 0.0 5.0 1.7 90.0 5.1 -
本研究从林分整体出发,以恢复并优化过伐林林分结构,促进林分生长,提高林分生产力,提高自然更新能力为目的,根据林木个体大小、年龄、位置、作用、用途和其他重要程度,提出了林木分类管理技术。进一步明确了结构优化的目的性,方便了抚育经营操作,对林分结构优化经营具有重要意义。本研究将林木划分为用材树、用材后备树、伴生树、演替树、母树、更新幼树和间伐树等7类。这也是林分结构优化途径的有效分解方式,明确了间伐树数量和间伐对象,能够确定合理间伐强度,为兴安落叶松过伐林合理间伐强度的确定提供参考。
传统的目标树经营,更多考虑的是促进目标树生长,围绕目标树结构采取经营措施。目标树经营技术[10]比较适合林分结构优化经营,国外已有不少成功的案例[11]。国内研究也表明,目标树经营较粗放经营和无干扰模式经营具有诸多优点,有利于改善林分结构,提高林分生产力[12]。但目标树经营对森林群落结构和功能产生什么影响还没有得到系统的研究[12],而且实践探索主要以人工林为主[13],现仍处在探索阶段。
过去以采伐量小于蓄积生长量的原则先确定采伐强度。选定间伐对象具有片面性,依据不充分,缺乏考虑林木格局、更新、演替、空间利用等问题。这显然不适宜结构优化经营的要求,存在诸多不足。应从林分整体上考虑优化问题,依据林分结构现状、各类林木范围、数量等分类情况来确定合理间伐强度。这2种方式确定的采伐强度,对林分生长、结构和功能发挥必然产生完全不同的影响和效果。陈辉荣等[14]认为:弱度和中度择伐后林分空间结构正趋向优化;马映栋等[15]认为:采伐强度20%或30%有利于调控林分空间结构;齐麟等[16]认为:中等的采伐强度(30%)既可以使阔叶红松Pinus koraiensis林的群落结构在较短的时间内得到较好的恢复,又可以促进主要乔木树种的更新;周梦丽等[17]认为:采伐强度为30%的森林经营措施更有利于天然云冷杉林的伐后恢复生长;吴蒙蒙等[18]认为:弱度(13%)和中度采伐(29%)可以促进林分结构的调整。
不同结构的林分各类林木株数比例不同,应采取不同的间伐强度,避免出现一刀切的问题。本研究为过伐林结构优化,促进目的树生长,调控林分演替,认为适合采用综合抚育法。因此,伐除一定比例的被压木以外,间伐树的选定方面兼顾考虑了主林层、演替层和更新层等各个层次,从而确定了较低强度(5.1%~19.5%)的采伐模式,这样有利于最大程度减少干扰,促进更新,调整树种组成,整体优化结构,这与相关研究结果一致。
Classification and management technology of trees in overcut forests of Larix gmelinii
-
摘要: 从兴安落叶松Larix gmelinii林分整体出发,围绕优化林分结构,调控演替,促进林分生长,提高林分生产力和自然更新能力为目的,根据林木个体大小、年龄、位置、作用、用途和其他重要程度,提出了林木分类管理方法与技术。①目前林木分类方法应为一般性的指导,针对现实林分,要注重考虑林木格局、更新、演替、空间利用等因素,以符合结构优化经营要求。②将林木分为用材树、用材后备树、伴生树、演替树、母树、更新幼树和间伐树等7类,从而明确了结构优化目的性,有效分解了结构优化途径,方便抚育经营操作,可为确定合理的间伐强度及方式提供依据。③不同结构的林分各类林木株数比例不同,相应的间伐强度、间伐树组成也不同。伐除一定比例的被压木以外,选定间伐树时应考虑主林层、演替层和更新层等各个层次。④依据林分结构现状、各类林木株数比例及构成,从林分整体上考虑优化问题,确定了较低间伐强度(5.1%~19.5%)。这将更有利于减少干扰,促进更新,调整树种组成,优化林分结构。Abstract: To optimize forest stand structure, to regulate succession, to promote the development of a forest stand, and to improve stand yield and natural regeneration capacity, technologies for classification and management methods and were proposed based on scale, age, location, function, and application of an individual forest for an integral forest stand. The procedure included four parts:(1) the existing forest stand classification method was used as a general guide for such factors as distribution patterns, regeneration, succession, and space utilization so as to match requirements for structurally optimized operations. (2) The forest in this study was classified into seven categories, i.e. timber trees, timber reserve trees, associated trees, successional trees, seed trees, regeneration trees and trees for intermediate cuttings. This structural classification facilitated forest tending and provided a basis for determining the proper intensity and method of intermediate cuttings. (3) For intermediate cuttings, the number of tree varieties, the cutting intensity, as well as the composition of trees varied with changes in structural differences of forest stands. Except for the cleaning of suppressed trees under a certain size, arrangement of the main story, the successional story, and the regeneration story should be considered when selecting trees for intermediate cuttings. (4) Optimization should be considered from the aspect of a general forest stand based on existing stand structure as well as tree proportion and composition to achieve a low intermediate cutting intensity of 5.1%-19.5%. In this way, disturbance will be reduced, regeneration will be improved, tree varieties will be regulated, and forest stand structure will be optimized.
-
Key words:
- forest management /
- Larix gmelinii /
- tree classification /
- thinning intensity /
- forest tending
-
宁夏回族自治区固原市位于黄土高塬沟壑区[1]。长期的过度放牧、不合理耕作,导致该地区植被稀疏、水土流失加剧[2],严重影响了当地社会经济发展和生态安全。梯田有效缓解了农业生产带来的水土流失问题[3],从20世纪80年代开始,固原市实施了大面积的坡改梯工程[4]。加之2000年开始实施的国家退耕还林还草工程[5],该地区的水土流失问题有所缓解,生态环境持续向好[6]。随着遥感技术的快速发展,如何从遥感影像中高效、准确、大尺度地获取梯田时空分布信息,对于指导农业生产、水土保持监测和防治水土流失具有重要的意义。传统的梯田遥感识别主要采用目视解译[7],该方法精度较高,但存在耗时耗力、成本高、方法复用性差等问题,目前更多用来采集机器学习(machine learning)的样本[8]。近年来,大部分学者采用面向对象或基于像元的监督识别技术,利用决策树(CART)、随机森林(RF)、支持向量机(SVM)、深度学习(DL)等[9-11]机器学习算法,先学习采集的样本,然后利用学习好的模型识别新的样本。面向对象技术较基于像元识别技术,不仅依靠地物的光谱特征,还利用像元和像元之间的关系提高识别精度,识别过程更加复杂,影像分辨率要求更高[7]。但是,无论采用哪种方法进行梯田遥感识别,基本上都是基于单机处理,普遍存在遥感数据获取困难、预处理复杂、性能限制等问题[9],难以开展大尺度的遥感识别研究。为了解决这些问题,Google公司借助其强大的计算资源与海量数据存储,推出了遥感云平台Google Earth Engine(GEE)[12]。借助该平台,研究人员可以极大扩展自身原有研究的覆盖范围,提供国家乃至全球尺度的研究成果[13]。目前,GEE在大尺度森林变化监测、土地利用类型分类、人类居住地动态监测等[14-16]方面应用广泛,但大尺度梯田遥感识别未见相关报道。为此,本研究在GEE平台支持下,利用Landsat时间序列数据和SRTM数字高程模型(digital elevation model,DEM),建立每年时间序列影像的百分位数特征。对比3种机器学习算法的分类精度大小,选择分类精度最高的识别结果,应用LandTrendr时序算法逐像元拟合修正时间序列,实现固原市1988−2019年度梯田动态监测的目的。研究结果可为黄土丘陵地区梯田的高效、准确识别和水土保持监测、评价提供参考。
1. 研究区概况
固原市(35°14′~36°31′N,105°19′~106°57′E)位于宁夏回族自治区南部的六盘山地区,辖原州区、西吉县、隆德县、泾源县、彭阳县,国土面积1.05 万km2。属大陆暖温带半干旱气候,年均气温6.3 ℃,年均降水量493.5 mm,降水量由东南向西北递减,年均蒸发量1 472.9 mm,年均无霜期152.0 d。域内地形南高北低,沟壑纵横,黄土丘陵面积达67.9%。地带性土壤以黑垆土为主,但严重的土壤侵蚀导致土壤母质层出露,黄绵土广布。植被总体上由东南的半湿润森林草原区向西北的干旱半干旱草原区过渡[4]。
2. 数据源与研究方法
黄土梯田动态监测的流程可分为4个主要功能模块:遥感数据加载、数据预处理、分类算法优选、序列优化。各模块从上到下,层层递进,最终实现黄土梯田动态监测(图1)。
2.1 数据源
2.1.1 Landsat影像
使用T1级别(质量最高)的Landsat地表反射率数据(surface reflectance, SR)。该数据产品已经过几何校正、辐射校正和大气校正,空间分辨率30 m,时间分辨率16 d。由于Landsat 5/7/8卫星的服务年限不同,1988−2011年使用Landsat 5影像,2012年使用Landsat 7影像,2013−2019年使用Landsat 8影像,共使用1 690景影像。
2.1.2 高程数据
采用30 m空间分辨率的数字高程模型,具体编号为SRTMGL1_003。
2.1.3 样本数据
地类仅分为梯田和其他2类。通过Google Earth Pro提供的高清历史影像,利用目视解译法采集样本数据。样本数据包括样点数据和斑块数据。样点数据按时间分为2010−2014年地类属性相同和2000年的样点,以满足Landsat 5/7/8不同卫星分别进行机器学习样本训练的需求。样点采集遵循以下原则:①在研究区生成5 km方形格网,以使样点分布均匀;②保持样点100 m以内属性相同。样点数据共2 673个,梯田样点1 040个,其他样点1 633个。斑块数据为6个随机分布的5 km×5 km正方形区域,参考Google Earth Pro中2019年厘米级高清遥感影像人工勾绘以及实地验证。
2.2 研究方法
2.2.1 合成影像
选择Landsat对应卫星影像的红波段(Br)、绿波段(Bg)、蓝波段(Bb)、近红外(Bnir)、短波红外1(Bswir1)、短波红外2(Bswir2)6个光谱波段;再经裁边(坏像元)、光谱指数计算(计算方法如表1)、去云后,针对黄土梯田全年季相变化特点[17],统计每年度内时间序列影像百分位数特征融合影像[18],即逐像元对某一波段1 a内所有观测值取其10%、25%、50%、75%、90%百分位数,获得该像元位置该波段对应的5个指标波段;再与6个地形特征波段组合,即由数字高程计算得到的海拔、坡度、坡向,以及3个3×3、7×7、11×11像元窗口内地形起伏度波段。共计61个特征波段。
表 1 光谱指数计算方法Table 1 Calculation methods of spectral index光谱指数名称 计算方法 归一化植被指数 BNDVI = (Bnir−Br)/(Bnir + Br) 增强型植被指数 BEVI = (Bnir−Br)/(Bnir + 6Br−7.5Bb + 1) 归一化建筑指数 BNDBI = (Bswir2−Bnir)/(Bswir2 + Bnir) 归一化湿度指数 BNDMI = (Bnir−Bswir1)/(Bnir + Bswir1) 归一化水体指数 BNDWI = (Bg−Bnir)/(Bg + Bnir) 说明:Br为红波段;Bg为绿波段;Bb为蓝波段;Bnir为近红 外;Bswir1为短波红外1;Bswir2为短波红外2 2.2.2 机器学习
3种机器学习算法为随机森林、决策树、支持向量机,GEE均有内建,可直接调用。另外,针对不同卫星分别进行机器学习,把样点数据分年度映射到对应合成影像并汇总(如Landsat 5包括2000、2010和2011年的样本),再按9∶1划分样本,90%的样本用于分类器训练,10%的样本用于精度验证。
2.2.3 LandTrendr算法
LandTrendr算法将以年时间序列的值进行分割、逐段拟合、平滑[19],获取单个像元在整个研究时间段内的整体变化特征。具体介绍参考文献[19]。
2.2.4 识别结果优化
应用前文分类精度最高的机器学习算法,对研究区1988−2019年逐年进行梯田遥感识别。为减少极端天气和人类活动导致识别错误,利用地类在时间序列上连续、稳定的特征,使用LandTrendr算法[19]对识别结果的时间序列(概率为0~1的浮点)拟合平滑处理。参考中国水土保持措施分类[20],提取坡度>2°和坡度<25°区域的梯田,以减少沟壑地及塬地的误分。
2.2.5 精度验证方法
采用混淆矩阵的方法,以总体精度、Kappa系数、生产者精度和用户精度等指标作为识别精度评价依据。具体计算方法参考文献[18]。
2.3 植被覆盖度计算
植被覆盖度(fractional vegetation cover, FVC)采用归一化植被指数和像元二分模型计算。具体计算方法参考文献[21]。
3. 结果与分析
3.1 不同机器学习算法的精度
表2为随机抽取的1 051个样点的验证结果。4种精度指标均为随机森林算法最高,决策树算法次之,支持向量机算法最小。随机森林算法基于样点检验的精度分别为:梯田的生产者精度94.46%、梯田的用户精度89.03%、总体精度94.10%、Kappa系数为0.87,都远大于另外2种算法。因此,后文采用随机森林机器学习算法进行梯田遥感识别。
表 2 不同机器学习算法识别结果的样点验证精度Table 2 Sample points verification accuracy of the results of different machine learning algorithms机器学习
算法梯田的生产
者精度/%梯田的用户
精度/%总体精
度/%Kappa
系数随机森林 94.46 89.03 94.10 0.87 决策树 78.89 78.07 84.40 0.66 支持向量机 70.88 67.36 78.02 0.52 3.2 识别结果与人工勾绘斑块的验证
表3显示:去除交界100 m缓冲区后的验证精度高于未去除时(0 m)的验证精度。另外,经LandTrendr处理后梯田的生产者精度、梯田的用户精度、总体精度和Kappa系数分别为:81.75%、85.97%、93.33%、0.80,均大于LandTrendr处理前的验证精度。
表 3 原始识别结果及使用LandTrendr算法处理后的斑块验证精度(随机森林)Table 3 Speckles verification accuracy of the original results and the results of using LandTrendr algorithm(RF)去除交界
缓冲区/m验证像元数/
(×104个)LandTrendr
处理梯田的生产者
精度/%梯田的用户
精度/%总体精
度/%Kappa
系数0 20.66 处理前 78.24 73.47 84.73 0.65 处理后 80.82 76.18 86.38 0.68 100 14.43 处理前 77.55 84.93 92.04 0.76 处理后 81.75 85.97 93.33 0.80 说明:去除交界缓冲区是指去除梯田与其他类型交界线缓冲区范围内的像元,减少有地理配准误差较大的像元输入。0 m代表不 去除 3.3 LandTrendr拟合效果示例
选择3个不同位置来展示LandTrendr算法拟合效果(图2),位置A原始识别结果在1994、2002、2004年被错误识别为其他类型,位置B原始识别结果在1997年被错误识别为其他类型,在2015年被错误识别为梯田类型。经LandTrendr算法处理后,这些错误类型均被校正。位置C原始识别结果与经LandTrendr算法处理后的结果均为其他类型,识别类型没有变化。
3.4 近30年梯田面积和植被覆盖度
经LandTrendr算法处理后的研究区梯田面积(图3)变化趋势更稳定,从1988年5 816.59 km2减少到2019年3 146.72 km2,年均减少90.85 km2·a−1。1988−2019年,研究区植被覆盖度则呈现不断增加的趋势,与梯田面积变化趋势相反。另外,处理前、处理后的梯田面积与植被覆盖度极显著(P<0.001)相关,其相关系数分别为−0.50和−0.75。
3.5 梯田使用时间分析
图4显示了研究区1988−2019年梯田使用时间长短的分布。从整体上来看,梯田主要分布在六盘山山脉两侧,且西部的梯田使用时间较东部更长。从局部来看,南部的泾源县区域,梯田零星分布,使用时间相对较短;西部西吉县的沟谷条带、中部的六盘山山脉、北部原州区清水河的河谷冲积平原(红色部分)能明显区分出来。
4. 讨论
4.1 机器学习识别精度的影响与优化
已有的梯田遥感监测研究[3-4]受限于单机处理性能和准确的历史样本采集,其研究内容往往时间短、区域小,限制了长时间序列、大尺度遥感监测的应用与发展。本研究使用模型迁移法,针对每一个传感器独立训练机器学习分类模型,减少了样本采集的难度,得以实现黄土梯田动态监测。然而,机器学习的识别精度主要受样本量、特征、机器学习算法的影响[7]。本研究利用多年采样法增加样本量,选取最优机器学习算法,得到较高的识别精度。另外,关于特征选取,我们前期使用了最大值、最小值、众数、中位数、平均数等多种特征融合方法,但识别精度均低于本研究的百分位数特征融合。而对于深度学习,我们在本地电脑使用相同样本集,多次构建深度学习模型并训练,然而识别精度也低于本研究的随机森林。最后引入LandTrendr算法逐像元拟合时间序列轨迹,有效校正了如图2中的异常值,提高了识别精度。而且,在斑块验证数据与样点采集时同样保留100 m空间误差时,消除2种利用类型相邻区域地理配准误差带来的系统错误后,基于2019年斑块检验总体精度93.33%,与样点验证总体精度94.10%相当,说明训练好的模型随时间迁移应用,识别性能不会降低。
4.2 梯田面积变化分析
整体来看,研究区1988−2019年梯田面积呈减少趋势,植被覆盖度则呈现逐步增长趋势,梯田面积与植被覆盖度极显著相关(P<0.01),说明梯田面积减少有助于生态环境向好发展。局部来看,研究区在1988−1996年梯田面积年均减少69.02 km2·a−1,与该时期宁南山区逐步退耕还林还草时间一致;1997−2000年梯田面积年均增长91.60 km2·a−1,与该时期耕地面积增长趋势相同[22];在2001−2005年梯田面积下降较快,梯田面积年均减少250.51 km2·a−1,远高于1988−2019年年均减少速率90.85 km2·a−1,且2001−2005年植被覆盖度年均增长速率是1988−2019年植被覆盖度年均增长速度的4倍,与宁夏“退耕还林工程”生态政策大力实施的时间节点相符;从2007年开始,为巩固退耕还林工作,持续推进生态文明建设,研究区梯田面积下降减缓[6]。另外,研究区西部的梯田使用时间较东部更长,这可能与东部年降水量达650 mm,而西部年降雨量不到450 mm[4],在东部进行梯田退耕后有利于提高植被成活率有关。
5. 结论
基于GEE云平台,使用随机森林机器学习算法与LandTrendr算法,可以高效、准确地实现长时间序列、大尺度的黄土梯田动态监测。相比1988年,研究区2019年梯田面积减少45.90%,植被覆盖度增长52.44%,说明近30 a梯田农业比例逐渐降低,生态环境持续向好发展。
-
表 1 标准地基本情况
Table 1. Condition of sample plots
标准地号 林型 面积/ mxm 林分密度/(株’hm-2) 树种组成 平均胸径/cm 平均树高/m 蓄积量/(m3·hm-2) 1 杜鹃-白桦落叶松混交林 40x40 1 994 6桦4落+杨 8.1 9.4 58.19 2 杜鹃-落叶松白桦混交林 40x40 2 238 5落5桦-杨 10.4 10.9 121.18 3 杜鹃-白桦落叶松混交林 20x30 1 983 5桦5落+杨 9.1 10.5 74.47 4 杜鹃-落叶松白桦混交林 40x40 2 775 7落3桦+杨 9.6 10.7 121.16 5 杜鹃-落叶松白桦混交林 40x40 1 750 6落3桦1杨 12.0 10.9 129.62 6 杜鹃-落叶松白桦混交林 40x40 1 425 7落3桦+杨 12.8 12.1 112.99 表 2 各标准地各类林木株数比例
Table 2. Number proportion of different trees
各类林木株数比例/% > 标准地号 用材树 用材后备树 伴生树演替树 母树 更新幼树 理论间伐树 1 1.8 4.3 13.9 2.0 70.6 7.4 2 4.8 5.0 10.7 5.3 56.7 17.6 3 2.9 1.6 11.0 3.9 61.4 19.2 4 3.5 6.6 12.3 4.2 57.2 16.1 5 3.7 7.0 14.9 9.1 45.7 19.6 6 3.3 7.0 18.8 12.5 42.9 15.5 表 3 实际间伐树株数比例及其分配
Table 3. Actual number proportion and allocation of thinning trees
标准地号 实际间伐树比例/% 实际间伐树株数分配/% -蓄积采伐强度/% 小计 用材树 用材后备树 演替树 间伐树 更新幼树 1 43.1 100.0 0.0 1.5 7.1 7.3 84.2 19.5 2 12.0 100.0 9.1 2.0 3.0 5.1 80.8 14.4 3 47.7 100.0 0.7 1.4 5.4 15.0 77.6 16.6 4 17.2 100.0 3.9 4.5 4.5 7.3 79.9 10.6 5 20.2 100.0 3.8 1.9 4.8 5.8 83.7 7.8 6 15.0 100.0 3.3 0.0 5.0 1.7 90.0 5.1 -
[1] 玉宝, 张秋良, 王立明, 等.不同结构落叶松天然林生物量及生产力特征[J].浙江农林大学学报, 2011, 28(1):52-58. YU Bao, ZHANG Qiuliang, WANG Liming, et al. Characteristics of biomass and productivity in Larix gmelinii natural forests with different stand structures[J]. J Zhejiang A & F Univ, 2011, 28(1):52-58. [2] 陆元昌, SCHINDELE W, 刘宪钊, 等.多功能目标下的近自然森林经营作业法研究[J].西南林业大学学报, 2011, 31(4):1-6. LU Yuanchang, SCHINDELE W, LIU Xianzhao, et al. Study on operation system towards close-to-nature forest based on multi-function purposes[J]. J Southwest For Univ, 2011, 31(4):1-6. [3] 欧阳君祥.天然次生林择伐木的控制技术[J].中南林业科技大学学报, 2015, 35(8):32-35. OUYANG Junxiang. Control technique on selection cutting tree of natural secondary forest[J]. J Cent South Univ For Technol, 2015, 35(8):32-35. [4] 廖声熙, 李昆, 陆元昌, 等.滇中高原云南松林目标树优势群体的生长过程分析[J].林业科学研究, 2009, 22(1):80-84. LIAO Shengxi, LI Kun, LU Yuanchang, et al. Analysis on growth of the dominant population of Pinus yunnanensis in central Yunnan plateau[J]. For Res, 2009, 22(1):80-84. [5] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. GB/T 15781-2009森林抚育规程[S]. 北京: 中国标准出版社, 2009. [6] 国家林业局. LY/T 1646-2005森林采伐作业规程[S]. 北京: 中国标准出版社, 2006. [7] 陆元昌.近自然森林经营的理论与实践[M].北京:科学出版社, 2006:126-146. [8] 叶镜中, 孙多.森林经营学[M].北京:中国林业出版社, 1995:44-58. [9] 玉宝, 乌吉斯古楞, 王百田, 等.大兴安岭兴安落叶松 (Larix gmelinii) 天然林分级木转换特征[J].生态学报, 2008, 28(11):5750-5757. YU Bao, WU Jisiguleng, WANG Baitian, et al. Analysis on classified stem transformation characteristic of Larix gmelinii natural forest at Daxingan Mountains[J]. Acta Ecol Sin, 2008, 28(11):5750-5757. [10] MCROBERTS R E, WINTER S, CHIRICI G, et al. Assessing forest naturalness[J]. For Sci, 2012, 58(3):294-309. [11] SCHÜTZ J P. Silvicultural tools to develop irregular and diverse forest structures[J]. Forestry, 2002, 75(4):329-337. [12] 梁星云, 何友均, 张谱, 等.不同经营模式对丹清河林场天然次生林植物群落结构及其多样性的影响[J].林业科学, 2013, 49(3):93-102. LIANG Xingyun, HE Youjun, ZHANG Pu, et al. Effects of different forest management regimes on plant community structure and biodiversity of natural secondary forests in Danqinghe Forestry Farm[J]. Sci Silv Sin, 2013, 49(3):93-102. [13] 张象君, 王庆成, 王石磊, 等.小兴安岭落叶松人工纯林近自然化改造对林下植物多样性的影响[J].林业科学, 2011, 47(1):6-14. ZHANG Xiangjun, WANG Qingcheng, WANG Shilei, et al. Effect of the close-to-nature transformation of Larix gmelinii pure stands on plant diversity of understory vegetation in Xiaoxing'an Mountains of China[J]. Sci Silv Sin, 2011, 47(1):6-14. [14] 陈辉荣, 周新年, 蔡瑞添, 等.天然林不同强度择伐后林分空间结构变化动态[J].植物科学学报, 2012, 30(3):230-237. CHEN Huirong, ZHOU Xinnian, CAI Ruitian, et al. Tracking analysis of forest spatial structure change after different selective cutting intensities in a natural forest[J]. Plant Sci J, 2012, 30(3):230-237. [15] 马映栋, 张宋智, 王鹏, 等.不同采伐强度对小陇山辽东栎天然林空间结构的影响[J].西北林学院学报, 2014, 29(6):164-170. MA Yingdong, ZHANG Songzhi, WANG Peng, et al. Effect of different cutting intensities on spatial structure of Quercus wutaishanica natural secondary forests in Xiaolong Mountaiss[J]. J Northwest For Univ, 2014, 29(6):164-170. [16] 齐麟, 赵福强.不同采伐强度对阔叶红松林主要树种空间分布格局和物种空间关联性的影响[J].生态学报, 2015, 35(1):46-55. QI Lin, ZHAO Fuqiang. Impact of logging intensity on the spatial distribution and association of dominant tree species in a broadleaved Korean pine mixed forest[J]. Acta Ecol Sin, 2015, 35(1):46-55. [17] 周梦丽, 张青, 亢新刚, 等.不同采伐强度对云冷杉天然林主要针叶树种生长的影响[J].东北林业大学学报, 2015, 43(7):7-10. ZHOU Mengli, ZHANG Qing, KANG Xingang, et al. Effects of different cuttings on growth of primary coniferous species in natural spruce-fir forest[J]. J Northeast For Univ, 2015, 43(7):7-10. [18] 吴蒙蒙, 王立海, 侯红亚, 等.采伐强度对阔叶红松林空间结构的影响[J].东北林业大学学报, 2013, 41(9):6-9. WU Mengmeng, WANG Lihai, HOU Hongya, et al. Influence of cutting intensities on spatial structure of broanleaved Kroean pine forest[J]. J Northeast For Univ, 2013, 41(9):6-9. 期刊类型引用(7)
1. 王晶,宋顺喜,王茹楠,张美云. 新型纤维素绝缘纸基材料的研究及应用现状. 中国造纸. 2025(03): 51-59 . 百度学术
2. 贾漫珂,刘钦,周子芸,张荣华,张昕,刘立明,周航旭,范金涛. 多种漂白助剂协同下棉短绒浆粕过硫酸氢钾漂白工艺研究. 中国造纸. 2025(03): 112-121 . 百度学术
3. 邱竑韫,黄慧,闫实,刘春林,刘斌,贺磊,杨杰芳. 疏解工艺对簕竹重组材力学性能及尺寸稳定性的影响. 南方林业科学. 2024(01): 31-35+42 . 百度学术
4. 闫实,杨正勇,周晓剑,陈新义,杨杰芳,贺磊,黄慧. 竹龄和竹秆纵向部位对簕竹材性及纤维性能的影响. 浙江农林大学学报. 2024(04): 861-869 . 本站查看
5. 秦晓,倪静波,肖玉英,胡健,李海龙. 黄竹生长过程中纤维形态与结构的演变过程研究. 中国造纸. 2024(07): 15-23 . 百度学术
6. 王炳智,田英姿. EST-SSR标记在竹亚科植物纤维资源评价中的应用. 造纸科学与技术. 2024(05): 1-6 . 百度学术
7. 张健. 造纸生产中竹材制浆造纸工艺技术的应用研究. 华东纸业. 2024(11): 37-39 . 百度学术
其他类型引用(1)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.2017.02.020