下载:
-
竹子具备高强度、高韧性等优点，并且生长速度快，可快速成材，被广泛应用于建筑、家具和造纸等领域[1−3]。作为21世纪最具开发潜力的生物质资源，竹材具有不可比拟的生态、经济以及社会效益[4]，对促进碳达峰、碳中和具有极大的意义。竹材被认为是以薄壁组织为基体，嵌入维管束作为增强相的纤维增强生物复合材料[5−6]。维管束起着承担力学强度的骨架作用，基本组织填充其余部分，起着传递载荷的作用[7]。竹材优异的力学性能主要与纤维鞘组织比量密切相关[8]。目前，竹产业主要生产传统竹胶合板、竹席/竹帘胶合板、竹集成材和重组竹等或新型工程竹复合材料[9]、复合吸波材料[10]和竹缠绕复合管[11]等，大多以毛竹Phyllostachys edulis等大径级的竹材为原料[12−13]，小径级的竹材应用较少。竹材的力学性能决定其利用价值与领域[14]，竹材顺纹抗压强度作为评估竹材不同用途的适用性的重要指标[15−16]，具有测试方便快速等优点[17]。小径级竹材物理力学性能测试并无相关标准，相关科学研究较少，基本上都参照GB/T 15780—1995《竹材物理力学性质试验方法》[18−19]，缺乏评价小径级竹材的系统的物理力学实验方法。
本研究对不同长径比试件进行顺纹抗压试验，探索适合测试小径级竹材顺纹抗压强度的方法，为发掘小径级竹材工业应用提供科学依据[20]。同时利用基于YOLO深度学习算法开发的维管束识别模型对小径级竹材纤维鞘的组织比量和维管束密度作出统计并对其与抗压强度的关系进行线性拟合。通过引入人工智能用于竹材基础性质的研究，不仅可以解决人工处理耗时费力以及容易出错等问题，相较于传统图像处理方法还能提高处理精度和准确性。
-
样品采自安徽省六安市金寨县。随机选取健康、完好无缺陷的3~4年生处于成熟期的竹株，采集胸径在50 mm以下的苦竹Pleioblastus amarus、篌竹Phyllostachys nidularia、水竹Phyllostachys heteroclada和早园竹Phyllostachys propinqua各5株，平均直径分别为12.04、30.44、19.92、33.02 mm，平均壁厚分别为2.38、3.90、3.24、4.58 mm。从离地约0.5 m处向上截取2.0~4.0 m竹段作为试样，并对试样进行标号带回实验室待用。
-
用游标卡尺测量试样同一点在相互垂直的2个方向的直径，求其平均值。沿顺纹方向按上述平均直径的1.0、1.5和2.0倍长度截制不同长径比试件，试件两端面平整并相互平行，端面应与顺纹方向垂直(图1)。参照 GB/T 15780—1995《竹材物理力学性质试验方法》[18]调整试样含水率。
图 1 试件
Figure 1. Samples
-
对截断后的横截面用不同目数的砂纸砂光处理，最后一次精砂目数为320目，直至触摸手感光滑，既保证精确识别纤维鞘和薄壁细胞之间的分界线，又可以利用砂光产生的碎屑填充维管束中的大导管及韧皮部等孔隙，避免大导管等干扰计算机识别[21]。利用高清扫描仪对符合要求的试件横截面进行扫描，用局部聚类算法对图片进行二值化处理，采用经过训练的模型进行识别，检测维管束并统计纤维鞘总面积[22](图2)。
图 2 高清灰度图(A)、识别每个维管束的检测图(B)和利用局部聚类算法获得的二值化图(C)
Figure 2. HD grayscale image (A), detection image identifying each vascular bundle (B) and binarized image obtained using local clustering algorithm (C)
-
①尺寸测量。如图3所示：在扫描计算完的试件两端用游标卡尺测其相互垂直的2个方向长轴(D1)和短轴(D2)，以同样方法测定试件两端竹壁厚(t1、t2、t3、t4)取其均值(t)，准确至0.01 mm，计算试件两端面横截面面积均值。将横截面近似为椭圆计算。②顺纹抗压试验。将试件垂直放置于万能力学试验机球面滑动支座中心位置，调整下支座，从相互垂直的2个方向观察，使试件横截面与压头表面平行，施压方向和纤维方向平行。施加预荷载不大于10.0 N，调整放好试件。沿试件轴向以1 mm·min−1的速度均匀加载，在(90±30) s内破坏，记录试件破坏的最大载荷，精确至0.1 N。③含水率测定。抗压性能试验结束后，立即清理试件上易剥落物，进行称量，准确至0.001 g。测定含水率。测定方法依据GB/T 15780—1995《竹材物理力学性质试验方法》。④计算。顺纹抗压强度按近似椭圆管状件计算。采用$ \sigma_{\text{12}}\text{=}\sigma_{{w}}\left[\text{1+0.045}\left({w}-\text{12}\right)\right] $将含水率为w的顺纹抗压强度$ \sigma_{{w}}$换算为试件含水率为12%的顺纹抗压强度$\sigma_{{12}} $，准确至0.01 MPa。$ \sigma_{{w}}\text{=}\dfrac{\text{2}{{F}}_{\text{max}}}{\text{π}t\left({{D}}_{\text{1}}\text{+}{{D}}_{\text{2}}{-}{2t}\right)} $。其中：$ {{F}}_{\text{max}} $为试件破坏最大载荷(N)；$ {t} $为试件平均壁厚(mm)；$ {{D}}_{\text{1}} $为试件横截面长轴(mm)；$ {{D}}_{\text{2}} $为试件横截面短轴(mm)。
图 3 尺寸测量示意图
Figure 3. Dimension measurement schematic
-
由表1可见：4种小径级竹材的顺纹抗压强度较为优异，采用2.0倍长径比试件测试，早园竹顺纹抗压强度最大，为82.91 MPa，水竹顺纹抗压强度最小，为67.01 MPa。在不同长径比的试件中，顺纹抗压强度测试结果平均值相差不大。方差齐性检验表明：4种小径级竹材的不同长径比试件的顺纹抗压强度差异不显著(P＞0.05)，故进行单因素ANOVA检验。检验结果显示：除苦竹外，其余3种小径级竹材的不同长径比试件对顺纹抗压强度没有产生显著影响(P＞0.05)。然而，苦竹不同长径比试件对顺纹抗压强度产生显著影响(F=3.342，P=0.040＜0.05)。进行LSD多重比较分析苦竹不同长径比试样之间的差异是否显著，结果显示：苦竹的1.0倍长径比试件与其他2种试件之间差异不显著，而1.5与2.0倍试件之间产生显著差异(P=0.012＜0.05)。这可能是由于苦竹平均直径仅为12.04 mm，直径太小并且制备设备落后，对试件造成了不同程度的破坏。
表 1 顺纹抗压测试结果
Table 1. Test results of compressive strength
竹种 长径比 顺纹抗压强度 方差齐性
检验P单因素
ANOVA检验平均值/
MPa标准差/
MPa变异系
数/%F P 苦竹 1.0 71.64 ab 3.80 5.30 0.456 3.342 0.040 1.5 70.27 b 3.20 4.55 2.0 72.65 a 3.89 5.35 篌竹 1.0 74.57 a 8.02 10.76 0.989 0.239 0.788 1.5 74.01 a 7.68 10.38 2.0 73.19 a 7.59 10.37 水竹 1.0 67.09 a 5.75 8.57 0.776 0.222 0.801 1.5 67.78 a 6.01 8.87 2.0 67.01 a 5.12 7.64 早园竹 1.0 83.29 a 9.52 11.43 0.528 0.010 0.990 1.5 83.06 a 8.19 9.86 2.0 82.91 a 7.76 9.36 说明：不同小写字母表示同一竹种不同处理之间LSD检验差异显著(P＜0.05)。 除去由于试件制备中引起的破坏而产生的测量误差，不同长径比的试样对顺纹抗压强度没有产生显著影响。根据表1结果所示：除苦竹外，其他3种竹材均是2.0倍长径比的试件测试的顺纹抗压强度的变异系数最小。其中，篌竹、早园竹和水竹2.0倍长径比试件的顺纹抗压强度变异系数分别为10.37%、9.36%和7.64%。苦竹的3种试件变异系数均较小，1.5倍长径比试件变异系数为4.55%。变异系数越小，说明数据越稳定。早园竹和篌竹的标准差在一定范围内随着长径比的增加而减少。具体而言，2.0倍长径比试件的标准差分别为7.76和7.59 MPa。水竹的2.0倍长径比试件最小，为5.12 MPa。苦竹标准差是1.5倍长径比试件最小，为3.20 MPa。标准差越小，试验数据的离散程度越小。综上所述，2.0倍长径比的试件测试的数据比较稳定，可靠性较好，变异系数小，意味着需要准备的最小试件数量就最少，整个试验的操作就相对容易，试验数据更加准确。因此，2.0倍长径比的试件用于测试小径级圆竹顺纹抗压强度最好。
-
从长径比为2.0的试样的维管束参数 (表2) 可以看出：4种竹材的纤维鞘组织比量的标准偏差均较小，说明同一竹种不同竹株不同部位的纤维鞘组织比量相差不大。其中篌竹纤维鞘组织比量最大，为35.64%，最小的是水竹，为33.05%。苦竹的维管束分布密度最大，达7.94 个·mm−2，早园竹最小，为5.77 个·mm−2。
表 2 4种小径级竹材长径比为2.0试样的维管束参数
Table 2. Vascular bundle parameters of four species of small diameter bamboo at the length-to-diameter ratio of 2.0
竹种 纤维鞘体积分数/% 维管束分布密度/(个·mm−2) 平均值 标准偏差 平均值 标准偏差 苦竹 34.61 2.18 7.94 0.73 篌竹 35.64 1.51 6.32 0.92 水竹 33.05 2.15 7.01 0.31 早园竹 34.65 5.53 5.77 1.07 如图4所示：纤维鞘体积分数 (y) 与顺纹抗压强度 (x) 之间呈线性正相关，即纤维鞘体积分数越大，顺纹抗压强度越大。基于最小二乘法对其进行线性拟合，得到线性方程：y = 260.44x−18.26，R2=0.60，r=0.778，P＜0.001。维管束分布密度和顺纹抗压强度之间的相关性并不强，可能原因是不同竹种的维管束面积以及类型不同。换而言之，不同的竹种即使维管束分布密度相同，也有可能单位面积内所含的纤维含量不同。
图 4 顺纹抗压强度与纤维鞘体积分数和维管束分布密度之间的分布规律
Figure 4. Distribution pattern between the compressive strength and the fiber volume fraction and distribution density of vascular bundles
-
本研究结果发现：4种竹材的顺纹抗压强度较为优异，高于同为圆竹形态测试的4年生毛竹的基部试件的顺纹抗压强度 (48.54 MPa)[23]。 竹子之所以具有轻质且高强度的特性，是由于其薄壁中空和功能梯度结构等优势。竹壁的构造包括表皮、维管束和基本组织等3种组织[24]，其中富含二氧化硅的表皮起着保护竹子抵御外界环境破坏的作用，维管束则承担提供力学强度的骨架作用，基本组织则填充其余部分并起着传递载荷的作用[7]。竹材作为一种典型的单向纤维增强的生物质复合材料，其机械性能主要取决于呈梯度结构分布的维管束的机械特性，如纤维鞘的体积分数和维管束的分布密度等[21, 25]。纤维密度是表征竹子强度性能的良好指标[26]，纤维鞘体积分数正是纤维密度的定量化表述。已有研究对不同纤维鞘体积分数的毛竹进行了顺纹抗压测试，发现顺纹抗压强度和模量随纤维鞘体积分数增加而线性增加的规律[27]。同样，具有梯度结构的竹材在抗弯强度和模量中随着纤维体积分数的增加而增加[28]。此外，针对不同纤维鞘体积分数的毛竹样品的拉伸测试发现，纤维鞘体积分数和拉伸强度之间存在明显的线性关系，并且根据混合定律得出的纤维和基本组织的拉伸强度和MOE分别为581.7 MPa、40.40 GPa、19.0 MPa和0.22 GPa[29]。纤维的力学性能远高于薄壁细胞，纤维在毛竹的抗拉性能中起着决定性作用[29]。这可以归因于纤维和薄壁细胞在结构和化学成分等方面的不同，竹纤维的细胞壁几乎呈实心状，而薄壁细胞则具有较大的细胞腔和较薄的细胞壁[30]，竹纤维和薄壁细胞在化学组成和晶体结构也有一定的差异[31]。因此，纤维鞘体积分数是影响竹材的顺纹抗压强度的重要因素之一。然而，竹子的维管束类型是多样的，包括双断腰型、断腰型、紧腰型、开放型和半开放型等5种维管束类型[32]，不同竹种维管束的面积各异，即使同一类型维管束在不同位置或者不同竹种中的面积也不尽相同[33]，因此，在研究不同种竹材的力学性能中探究维管束分布密度对力学性能的影响意义不大。综上所述，了解竹材结构的影响因素是非常必要的，这有助于掌握竹材的材料特性，充分发挥机械性能。
-
基于YOLO深度学习算法开发的竹材维管束模型应用于小径级竹材维管束数量和纤维鞘面积的测定，可以达到快速且准确的效果。小径级竹材的顺纹抗压性能不亚于大径级的竹材，早园竹顺纹抗压强度高达82.91 MPa，因此，小径级竹材具有较高的开发潜力。纤维鞘体积分数极显著地正向影响顺纹抗压强度。纤维鞘体积分数(x)与顺纹抗压强度(y)关系表述为一元一次方程：$ {y}\text{=260.44}{x}-\text{18.26} $。而维管束密度与顺纹抗压强度相关性较小。对于胸高直径50 mm以下的竹材，测试顺纹抗压强度时，建议采用纵向长度为平均外径2.0倍的试件，采用上述试验方法操作并控制试件在(90±30) s内压溃。另外，对于较小直径竹材制备试件时需避免对竹材造成损伤。
Compressive strength of small-diameter bamboo and its influencing factors
-
摘要:
目的 探究测试小径级圆竹顺纹抗压强度的方法，以及纤维鞘体积分数和维管束分布密度对顺纹抗压强度的影响。 方法 以苦竹Pleioblastus amarus、篌竹Phyllostachys nidularia、水竹Phyllostachys heteroclada和早园竹Phyllostachys propinqua 等4种小径级竹材(胸高直径50 mm以下)为研究对象，采用圆竹形式的试件探究小径级竹材的顺纹抗压性能测试方法，测试不同长径比(试件长度与直径的比值)试件对顺纹抗压强度的影响。同时，利用基于YOLO深度学习算法开发竹材维管束检测模型对维管束数量和纤维鞘面积进行测定，以探索其对顺纹抗压强度的影响。 结果 不同长径比试件测试结果并无显著性差异，以数据稳定性为准，则2.0倍长径比试件测试结果较为合理。采用该长径比试件测试，早园竹顺纹抗压强度最大，为82.91 MPa，水竹顺纹抗压强度最小，为67.01 MPa。篌竹纤维鞘组织比量最大，为35.64%，水竹最小，为33.05%。苦竹的维管束分布密度最大，达7.94 个·mm−2，早园竹最小，为5.77 个·mm−2。将不同种竹材作为整体对象的研究表明：纤维鞘体积分数正向影响顺纹抗压强度，而维管束分布密度对顺纹抗压强度的影响较小。 结论 小径级竹材顺纹抗压强度的测试宜采用2.0倍长径比试件，控制试件在(90±30) s内压溃。该试验选用的小径级竹材的顺纹抗压性能较为优异，纤维鞘体积分数(y)与顺纹抗压强度(x)之间存在$ {y}\text{=260.44}{x}{-}\text{18.26} $线性相关性。图4表2参33 Abstract:Objective This study is aimed to investigate the testing method for determining the compressive strength of small-diameter bamboo culms as well as the impact of fiber sheath volume fraction and distribution density of vascular bundles on it. Method Four species of small-diameter bamboo, namely Pleioblastus amarus, Phyllostachys nidularia, Phyllostachys heteroclada, and Phyllostachys propinqua, with a diameter at breast height of less than 50 mm, were selected as research subjects before bamboo culm samples were utilized to investigate the compressive strength testing method for small-diameter bamboo and to examine the impact of varying length-to-diameter ratios on compressive strength. At the same time, a bamboo vascular bundle detection model based on the YOLO deep learning algorithm was employed to determine the number of vascular bundles and fiber sheath area so as to investigate their influence on compressive strength. Result There were no significant differences in the test results among specimens with different length-to-diameter ratios and the test results for the specimen with a length-to-diameter ratio of 2.0 were more reasonable. Of specimens at the length-to-diameter ratio of 2.0, Phyllostachys propinqua exhibited the highest compressive strength at 82.91 MPa while Phyllostachys heteroclada demonstrated the lowest strength at 67.01 MPa. The volume fraction of fiber sheath was highest in Phyllostachys nidularia at 35.64% and lowest in Phyllostachys heteroclada at 33.05%. The density of vascular bundles in Pleioblastus amarus was highest at 7.94 pieces·mm−2, while that of Phyllostachys propinqua was the lowest at 5.77 pieces·mm−2. Studies that treated various species of bamboo as a unified entity have shown that the positive effect of the volume fraction of fiber sheath on compressive strength was significant while the influence of vascular bundle distribution density on compressive strength was relatively minor. Conclusion A specimen with a length-to-diameter ratio of 2.0 is an ideal choice for testing the compressive strength of small-diameter bamboo and the specimen should be controlled for a period of (90±30) seconds before it collapses. Furthermore, the small-diameter bamboo selected for this experiment exhibited excellent compressive performance while there was a direct correlation between the volume fraction of fiber sheath (y) and compressive strength (x), as shown in the equation y=260.44x−18.26. [Ch, 4 fig. 2 tab. 33 ref.] -
森林作为陆地生态系统的主体，是全球气候系统的重要组成部分，森林生态系统的碳循环是全球陆地碳循环与气候变化响应研究的重要内容[1−4]。森林容易受海陆位置以及气候条件(如夏季高温、台风等)的影响，同时，人类活动对森林的干扰也较为频繁，因此森林所受干扰特性较为复杂。森林干扰与恢复引起的森林变化，直接影响地表水文、气候以及生物地球化学循环过程[5−7]。干扰与恢复是森林生态系统动态变化的主要驱动力，干扰与恢复的历史会影响林分的生长状态，不同干扰与恢复的类别、强度与大小将会改变林分物种组成与林分结构[8−10]。典型的自然干扰(雨雪灾害等)与人为干扰(采伐、土地利用变化等)以及干扰后更新，都将影响森林碳汇[11−12]。目前，缺乏长时期的森林时空动态监测资料，森林干扰与恢复对于森林碳循环的贡献仍不确定[13−15]。因此，监测森林干扰与恢复，揭示和掌握森林干扰与恢复的时空变化特征，对于理解景观、区域甚至全球尺度的森林碳循环和气候变化至关重要[16−17]。
遥感技术具有大面积同步观测、覆盖范围广、时效性好等特点，可作为森林干扰与恢复监测的重要技术手段[11, 18−19]。传统的森林变化监测往往采用时间跨度大的2期或者多期同一地区影像进行分类对比分析[20]。过去20 a内通常采用MODIS和AVHRR等高时间分辨率和低空间分辨率的影像进行长时间序列分析[21]。此类方法对于面积较小区域的(如县域)森林变化监测能力较差。近年来，30 m的Landsat卫星影像构成的时间序列堆栈(LTSS)数据为精确的森林干扰监测提供了重要的数据支撑[22−23]。
森林干扰与恢复的监测方法主要有分类比较法、影像差异法、分类及统计分析法、时间序列分析法、数据融合法等[16, 23]。与其他方法相比，时间序列分析方法能够确定森林干扰与恢复发生的年份、持续时间、干扰强度等信息，能够有效地监测森林的长期变化状况[19, 23]。时间序列分析法主要包含基于光谱轨迹的Landsat干扰和恢复趋势监测(LandTrendr)、持续变化监测与分类(CCDC)、植被变化跟踪(VCT)以及季节与趋势断点监测(BFAST)等算法[24−29]。其中，VCT能够较好监测森林变化，但不能有效监测间伐与森林退化等干扰；BFAST算法对于影像要求较高，在云覆盖高的区域监测效果欠佳；LandTrendr算法却能识别急剧(皆伐等)和缓慢变化(干扰后更新等)的事件，能够有效且精确地监测到森林干扰与恢复。因此，采用LandTrendr算法监测森林干扰与恢复逐渐成为森林干扰与恢复监测的主要方法[30−33]。
自20世纪80年代起，中国亚热带森林覆盖率显著增加，较小的林龄结构与充沛的雨热条件使得该区域森林有可能成为全球较大的碳汇区[34−35]。持续的森林干扰与恢复带来的林龄效应将会严重影响该区域的碳收支情况[16, 36]。浙江省松阳县森林资源丰富，碳汇潜力巨大，是百山祖国家公园三级联动区，因此，监测松阳县森林变化可为准确评估该区域森林发展态势，为森林经营规划提供理论依据与技术支撑，也对提高亚热带森林的抗干扰能力，增强亚热带森林的自然恢复能力和保护百山祖国家公园生态环境具有重要的参考意义。本研究以松阳县为例，基于长时间序列的LandsatTM/OLI影像数据，采用LandTrendr算法监测松阳县森林干扰与恢复，分析其时空动态变化，从而为松阳县亚热带森林管理提供参考。
1. 材料与方法
1.1 研究区概况
松阳县位于浙江省丽水市，地理坐标为28°14′~28°36′N，119°10′~119°42′E。地处浙江省西南部，东连丽水市莲都区，南接龙泉市、云和县，西北靠遂昌县，东北与金华市武义县接壤。全境以中、低山丘陵地带为主，属亚热带季风气候，温暖湿润，四季分明。全县辖3个街道，5个镇，11个乡，总面积为1406.00 km2。截至2022年，松阳县森林面积达1 119.23 km2，森林覆盖率为79.83%。其中公益林面积为637.88 km2，占全县林地总面积的54.9%，松林面积占全县森林面积的59.39%。
1.2 数据与处理
1.2.1 遥感时间序列数据
本研究基于谷歌地球引擎(GEE)云平台，选取1987—2020年所有可获得的LandsatTM/OLI地表反射率影像作为LandTrendr算法的数据基础。所选择的影像都属于Landsat Collection 1 L1TP级别，且经过辐射定标、大气校正和几何校正等，质量较高，适用于长时间序列的定量分析。影像选取原则为：①尽量获取在植被生长茂盛期(6—9月)的影像，以减少物候对植被光谱识别的干扰；②尽量选取云量少(＜10%)的影像，以保证时间序列内有相对较高的影像质量。利用美国地质勘探局(USGS)的CFMask算法去云，并使用邻近月份的清晰像素填充，以确保生成无云影像。最终，收集到符合条件的影像共计52幅。将所有选定的地表反射率影像组合在一起，形成年度Landsat时间序列影像堆栈(LTSS)，通过每年1幅影像组成Landsat影像的时间序列。每年1幅影像的像元值是该年符合时间和云量条件的影像对应像元值的中值，后续通过年度LTSS数据与LandTrendr算法监测森林干扰。
1.2.2 土地覆盖数据
松阳县森林信息分布数据(图1A~B)来源于ZHANG等[37]的1985—2020年全球30 m精细地表覆盖动态监测产品(GLC_FCS30-1985-2020)。从产品中剔除水体、农田、不透水表面3类土地覆盖，确定1985与2020年森林(阔叶林、针叶林)区域，并将2期森林区域合并，取两者并集作为本研究的森林变化潜在区域。此森林变化潜在区域将用来掩膜LandTrendr结果中非林地区域，以此来避免与农田、草地的错误检测。
图 1 1985和2020年研究区土地覆盖空间格局Figure 1 Spatial pattern of land cover in 1985 (A) and 2020 (B) of the study area1.2.3 验证样本数据
森林干扰与恢复的样点数据来源于1986—2014年浙江省森林资源连续清查与谷歌高清影像目视解译。根据样点位置，结合样地的地类、树种及林龄等信息，通过目视解译来区分1987—2020年清查样点的变化情况(森林干扰、恢复、稳定)。共随机标记了100个样点，其中包括32个森林损失样点，40个森林恢复样点，其余为森林持续(未变化)样点。这些样点将用于LandTrendr分割结果的验证分析。
1.3 LandTrendr算法
LandTrendr算法是最有效的监测森林干扰和恢复的方法之一[38−39]，主要通过时间序列分割算法获取影像光谱值突变和缓慢变化的信息[25, 40]。目前，LandTrendr算法移植到GEE平台后，简化了数据管理与图像预处理，作为LT-GEE算法被广泛使用[41−42]。本研究采用LT-GEE来实现LandTrendr算法。
KENNEDY等[25]与COHEN等[40]研究表明：归一化燃烧比指数(RNB)对于捕捉干扰事件具有最大敏感性，且具备较好的解释能力[25, 40]。因此，本研究使用$ {R}_{\mathrm{N}\mathrm{B}} $作为LandTrendr算法的监测指数，其计算公式为：
$$ {R}_{\mathrm{N}\mathrm{B}}=\frac{{\sigma }_{\mathrm{N}\mathrm{I}\mathrm{R}}-{\sigma }_{\mathrm{S}\mathrm{W}\mathrm{I}\mathrm{R}2}}{{\mathrm{\sigma }}_{\mathrm{N}\mathrm{I}\mathrm{R}}+{\sigma }_{{\rm{S}}\mathrm{W}\mathrm{I}\mathrm{R}2}} 。 $$ (1) 式(1)中：$ {\sigma }_{\mathrm{N}\mathrm{I}\mathrm{R}} $为近红外波段反射率，反映健康绿色植被，$ {\sigma }_{\mathrm{S}\mathrm{W}\mathrm{I}\mathrm{R}2} $为短波中红外波段反射率，反映岩石和裸土。健康的森林有高的$ {\sigma }_{\mathrm{N}\mathrm{I}\mathrm{R}} $值与低的$ {\sigma }_{{\rm{SWIR2}}} $值，从而具备高的$ {R}_{\mathrm{N}\mathrm{B}} $值。一旦森林经过干扰，$ {R}_{\mathrm{N}\mathrm{B}} $将会大幅度下降。
LandTrendr算法将对时间序列LTSS中的每个像元构建归一化燃烧比指数光谱轨迹，并利用时间序列分割算法来回归出归一化燃烧比指数光谱直线轨迹，从而识别归一化燃烧比指数急剧变化的断点并判断得到变化的年份。整个过程将识别归一化燃烧比指数值的3种特性，即整体下降(干扰)、整体增加(恢复)和整体保持不变(稳定)。LandTrendr算法在GEE上运行的具体参数设置如表1所示。分别利用LandTrendr算法对森林干扰与恢复事件进行检测，从而获得1987—2020年松阳县森林干扰与恢复发生的年份。基于森林干扰与恢复的样点数据，通过混淆矩阵计算总体精度、生产者精度、用户者精度，评估森林干扰与恢复的监测效果。
表 1 基于GEE的LandTrendr运行所需参数Table 1 Parameters used in LandTrendr processing过程 参数 值 过程 参数 值 过程 参数 值 分割 光谱指数 RNB 分割 恢复阈值 0.25 过滤 年份 1987—2020 轨迹分割最大数量 6.0 拟合最大P值 0.05 变化量 ＞200 尖峰抑制参数 0.9 最优模型比例 0.75 持续时间 ＜4 顶点数量控制参数 3.0 最小观测值数量 6.00 变化前光谱值 ＞300 是否允许1 a恢复 true 2. 结果与分析
2.1 森林干扰与恢复精度评价
图2是森林干扰与恢复监测结果的2个示例。由图2A可见：标记处RNB光谱值在2016年急剧下降，表明森林干扰发生在2016年，与LandTrendr算法计算结果一致；图2B标记处RNB光谱值在2003年开始下降，到2014年最小，并在2014年后逐渐升高，表明森林恢复发生在2004年，也与LandTrendr算法计算结果相一致。由此可见：LandTrendr算法分割的光谱轨迹可有效区分森林干扰与恢复年份。
为了定量评估森林干扰与恢复精度，计算混淆矩阵(表2)。由表2可见：LandTrendr算法计算的总体精度达到了82.00%，森林干扰与恢复监测的生产者精度分别达87.50%、80.00%，干扰与恢复监测的用户者精度分别达84.80%、82.05%。精度均在80.00%，表明LandTrendr可以有效地监测到松阳县森林干扰与恢复情况。
表 2 基于混淆矩阵的LandTrendr检测精度评价Table 2 Accuracy evaluation of LandTrendr detection based on confusion matrix类型 生产精度/% 用户精度/% 总体精度/% 干扰 87.50 84.80 82.00 恢复 80.00 82.05 稳定 78.57 78.57 2.2 森林干扰与恢复空间格局
由图3可见：水体、非森林、持续森林已被掩膜。从空间分布上来看，1987—2020年森林干扰较为破碎，多数分布在不透水地表周边，尤其集中在松阳县东南角(如西屏街道、水南街道、象溪镇)等区域，而森林恢复在各个区域均有发生，分布较广。
图 3 1987—2020年间松阳县森林干扰(A)与恢复(B)发生年份以及各年份森林减少(C)与增加(D)面积Figure 3 Years of forest disturbance (A) and restoration (B) and areas of forest loss (C) and gain (D) in Songyang County during 1987－2020经统计，1987—2020年森林干扰总面积达148.14 km2，占林地面积的12.00%。其中2006—2010年森林干扰面积最高，达36.62 km2，占总干扰的24.00%。这一段时间内森林干扰严重，一方面是受松材线虫Bursaphelenchus xylophilus病影响，松阳县大量马尾松Pinus massoniana林因受侵害而被砍伐；另一方面是由于2008年松阳县受特大暴雪和冻雨灾害侵袭，森林资源损失严重[43]。而1987—2020年森林恢复总面积达236.86 km2，占林地面积的20.37%。其中1987—1990和2006—2010年森林恢复面积较高，分别达67.90和59.55 km2，占总森林恢复的28.67%和25.14%。1987—1990年森林恢复主要原因是改革开放后退耕还林、植树造林等重大工程项目的实施，而2006—2010年森林恢复主要是因为自2008年雪灾后的2009与2010年森林自然更新与人为再造林。
除森林重大受灾或国家重大植树造林工程展开的年份外，松阳县隔5 a的森林干扰与恢复面积一般稳定在20.00~30.00 km2。整体上，松阳县森林恢复面积高于森林干扰面积，森林面积呈现逐渐增加趋势。
2.3 松阳县各乡(镇)森林干扰与恢复面积统计
由表3可见：各乡(镇)在1987—2020年森林总干扰面积为1.62~25.96 km2，总恢复面积为2.43~46.00 km2。各个乡(镇)总恢复面积均高于总干扰面积，说明1987—2020年各乡(镇)森林总面积净增长。其中，大东坝镇、板桥畲族乡、新兴镇、玉岩镇总恢复面积远远高于总干扰面积，森林面积分别增加了20.04、11.03、10.33、8.49 km2。这些乡(镇)位于山地丘陵，自然林和公益林较多，受自然灾害与人为破坏后，森林自然更新以及造林再造林活动等促使了森林大量恢复。位于松阳县平原且人类活动频繁的城镇中心，如往松街道、古市镇、斋坛乡、樟溪乡等乡(镇)森林干扰面积与恢复面积相当，森林面积增加较少。
表 3 松阳县乡(镇)级别森林干扰与恢复面积统计Table 3 Statistics of forest disturbance and restoration area at township level in Songyang County乡(镇) 森林面积/km2 乡(镇) 森林面积/km2 乡(镇) 森林面积/km2 干扰面积 恢复面积 干扰面积 恢复面积 干扰面积 恢复面积 大东坝镇 25.96 46.00 裕溪乡 9.89 14.57 玉岩镇 15.10 25.43 望松街道 1.62 3.84 三都乡 9.05 14.44 竹源乡 5.40 8.60 水南街道 6.63 10.61 古市镇 3.31 4.63 板桥畲族乡 3.54 5.52 西屏街道 8.86 14.22 斋坛乡 2.01 2.43 象溪镇 16.04 27.07 叶村乡 2.60 5.03 新兴镇 14.00 21.64 赤寿乡 6.73 8.00 四都乡 3.40 6.16 枫坪乡 8.04 13.84 安民乡 9.41 17.91 樟溪乡 2.11 3.74 3. 讨论
LandTrendr算法的主要思想是从Landsat时间序列数据中提取归一化燃烧比指数等光谱变化轨迹，并分割轨迹及线性拟合，去除光谱尖峰噪音信息，将复杂的变化特征简化为几段光谱直线，以此来突出变化时刻断点，从而捕获时间序列数据的干扰与恢复信息。本研究利用LandTrendr算法有效地提取了1987—2020年浙江省松阳县森林干扰与恢复发生年份，精度均在70%以上，表明LandTrendr算法可有效监测松阳县森林变化。LandTrendr算法不仅能够监测干扰年份，同时也能够监测干扰量[11, 19]。已有研究通过干扰量来区分干扰类型，以及识别主要与次要干扰的分布，或者划分森林干扰与恢复等级[11, 19, 25, 34]。以往采用最佳的单一指数作为LandTrendr算法监测，不同指数运行好坏的贡献未知，监测效果好坏不一。当前，利用LandTrendr算法完善森林干扰与恢复的研究越来越全面，LandTrendr算法综合多波段、多光谱指数的监测方法已得到很好应用，监测效果要优于单一指数监测效果[44−46]。后续，可以尝试利用多光谱指数，结合LandTrendr监测干扰与恢复变化量来识别松阳县森林主要与次要干扰，区分干扰强度，从而提出相应措施减少森林主要干扰，避免森林急剧减少。
本研究采用的验证方法为基于样地的目视解译。经目视解释可知：松阳县森林干扰类型多为人工采伐以及台风雪灾等自然灾害，恢复类型多为人工造林等，但并没有通过LandTrendr进行具体的类型划分。后续，可结合其他技术手段对干扰与恢复类型进行区分，并优化验证方法。目前，国外研究多采用Timesync工具来验证LandTrendr算法，这种工具可自动获取解译结果，并与算法分割结果作比较[8, 25]。综合现有结果分析，尽管本研究尚未能分析出松阳县森林干扰与恢复的类型和强度，但可有效监测森林干扰与恢复发生的年份，并分析了松阳县森林变化情况，为松阳县森林经营管理提供相应参考数据。
4. 结论
本研究采用GEE云平台的LandTrendr算法监测浙江省松阳县1987—2020年森林干扰与恢复状况，并进行森林干扰与恢复时空特征分析。结论如下：①LandTrendr算法监测森林干扰与恢复的总体精度达到了82%，森林干扰与恢复的生产者精度用户精度均高于80%，表明松阳县森林干扰与恢复监测效果较好。②松阳县森林干扰与恢复总面积分别为148.14与236.86 km2，分别占林地面积的12.74%、20.37%，表明松阳县1987—2020年森林面积呈净增加趋势。③松阳县大东坝镇、板桥畲族乡、新兴镇、玉岩镇森林面积变化较为频繁，森林干扰与恢复面积均比其他乡(镇)高。大东坝镇森林面积变化最大，增加了20.04 km2。
-
图 2 高清灰度图(A)、识别每个维管束的检测图(B)和利用局部聚类算法获得的二值化图(C)
Figure 2 HD grayscale image (A), detection image identifying each vascular bundle (B) and binarized image obtained using local clustering algorithm (C)
图 4 顺纹抗压强度与纤维鞘体积分数和维管束分布密度之间的分布规律
Figure 4 Distribution pattern between the compressive strength and the fiber volume fraction and distribution density of vascular bundles
表 1 顺纹抗压测试结果
Table 1. Test results of compressive strength
竹种 长径比 顺纹抗压强度 方差齐性
检验P单因素
ANOVA检验平均值/
MPa标准差/
MPa变异系
数/%F P 苦竹 1.0 71.64 ab 3.80 5.30 0.456 3.342 0.040 1.5 70.27 b 3.20 4.55 2.0 72.65 a 3.89 5.35 篌竹 1.0 74.57 a 8.02 10.76 0.989 0.239 0.788 1.5 74.01 a 7.68 10.38 2.0 73.19 a 7.59 10.37 水竹 1.0 67.09 a 5.75 8.57 0.776 0.222 0.801 1.5 67.78 a 6.01 8.87 2.0 67.01 a 5.12 7.64 早园竹 1.0 83.29 a 9.52 11.43 0.528 0.010 0.990 1.5 83.06 a 8.19 9.86 2.0 82.91 a 7.76 9.36 说明：不同小写字母表示同一竹种不同处理之间LSD检验差异显著(P＜0.05)。 
下载: 导出CSV
表 2 4种小径级竹材长径比为2.0试样的维管束参数
Table 2. Vascular bundle parameters of four species of small diameter bamboo at the length-to-diameter ratio of 2.0
竹种 纤维鞘体积分数/% 维管束分布密度/(个·mm−2) 平均值 标准偏差 平均值 标准偏差 苦竹 34.61 2.18 7.94 0.73 篌竹 35.64 1.51 6.32 0.92 水竹 33.05 2.15 7.01 0.31 早园竹 34.65 5.53 5.77 1.07
下载: 导出CSV
-
[1] KAUR P J. Bamboo availability and utilization potential as a building material [J]. Forestry Research and Engineering: International Journal, 2018, 2(5): 240 − 242. [2] YUAN Tiancheng, WANG Xinzhou, LIU Xiaorong, et al. Bamboo flattening technology ebables efficient and value-added utilization of bamboo in the manufacture of furniture and engineered composites [J/OL]. Composites Part B: Engineering, 2022, 242: 110097[2023-02-28]. doi:10.1016/j.compositesb.2022.110097. [3] SHAMSURI M A, MAIN N M. Review on the paper making process from bamboo as a paper product [J]. Progress in Engineering Application and Technology, 2021, 2(1): 965 − 971. [4] 李佳, 顾蕾, 朱玮强, 等. 浙江省安吉县CCER竹林经营碳汇交易项目经济效益分析[J]. 浙江农林大学学报, 2018, 35(4): 581 − 588. LI Jia, GU Lei, ZHU Weiqiang, et al. Economic benefit of carbon sequestration project of CCER bamboo forest management in Anji Country, Zhejiang Province [J]. Journal of Zhejiang A&F University, 2018, 35(4): 581 − 588. [5] DAI Fukuan, WANG Ziwei, WANG Hankun, et al. Vascular bundle characteristics and mechanical properties of Dendrocalamus sinicus [J/OL]. Construction and Building Materials, 2023, 363: 129858[2023-02-28]. doi: 10.1016/j. conbuildmat. 2022.129858. [6] MA Xinxin, LUO Zhiqiang, JI Conghui, et al. Flexural creep behaviors of bamboo subjected to different gradient variation directions and relative humidity [J/OL]. Industrial Crops and Products, 2022, 179: 114679[2023-02-28]. doi: 10.1016/j.indcrop.2022.114679. [7] YU Yanglun, HUANG Yuxiang, ZHANG Yahui, et al. The reinforcing mechanism of mechanical properties of bamboo fiber bundle-reinforced composites [J]. Polymer Composites, 2019, 40(4): 1463 − 1472. [8] LI Hongbo, SHEN Shengping. The mechanical properties of bamboo and vascular bundles [J]. Journal of Materials Research, 2011, 26(21): 2749 − 2756. [9] LIU Yanyan, HUANG Dongsheng, ZHU Junjie. Experimental investigation of mixed-mode I/II fracture behavior of parallel strand bamboo [J/OL]. Construction and Building Materials, 2021, 288: 123127[2023-02-28]. doi: 10.1016/j.conbuildmat.2021.123127. [10] ZHAO Xiaoxiao, YAN Jing, HUANG Ying, et al. Magnetic porous CoNi@C derived from bamboo fiber combined with metal-organic-framework for enhanced electromagnetic wave absorption [J]. Journal of Colloid and Interface Science, 2021, 595: 78 − 87. [11] CHEN Meiling, WENG Yun, SEMPLE K, et al. Sustainability and innovation of bamboo winding composite pipe products [J/OL]. Renewable and Sustainable Energy Reviews, 2021, 144: 110976[2023-02-28]. doi: 10.1016/j.rser.2021.110976. [12] 张亚慧, 黄宇翔, 于文吉, 等. 我国竹产业的发展历程、现状及趋势[J]. 中国人造板, 2019, 26(6): 32 − 36. ZHANG Yahui, HUANG Yuxiang, YU Wenji, et al. Development, current situation and trend of bamboo industry in China [J]. China Wood-Based Panels, 2019, 26(6): 32 − 36. [13] 林敏, 龚媛媛, 石金明, 等. 江西的竹产业发展现状与建议[J]. 能源研究与管理, 2019(3): 1 − 5. LIN Min, GONG Yuanyuan, SHI Jinming, et al. Development status and suggestion of bamboo industry in Jiangxi [J]. Energy Research and Management, 2019(3): 1 − 5. [14] CHEN Lin, YU Zixuan, FEI Benhua, et al. Study on performance and structural design of bamboo helmet [J/OL]. Forests, 2022, 13(7): 1091[2023-02-28]. doi: 10.3390/f13071091. [15] 夏雨, 牛帅红, 李延军, 等. 常压高温热处理对红竹竹材物理力学性能的影响[J]. 浙江农林大学学报, 2018, 35(4): 765 − 770. XIA Yu, NIU Shuaihong, LI Yanjun, et al. Physical and mechanical properties of Phyllostachys iridescins under normal pressure and heat temperature [J]. Journal of Zhejiang A&F University, 2018, 35(4): 765 − 770. [16] BAHTIAR E T, IMANULLAH A P, HERMAWAN D, et al. Structural grading of three sympodial bamboo culms (Hitam, Andong, and Tali) subjected to axial compressive load [J]. Engineering Structures, 2019, 181: 233 − 245. [17] 陈冠军, 袁晶, 余雁, 等. 竹材顺纹抗压性能的种间差异及其影响因子研究[J]. 木材加工机械, 2018, 29(6): 23 − 27. CHEN Guanjun, YUAN Jing, YU Yan, et al. Study on interspecific differences of the compression performance parallel to the grain of bamboo and its influencing factors [J]. Forestry and Grassland Machinery, 2018, 29(6): 23 − 27. [18] 中国木材标准化技术委员会. 竹材物理力学性质试验方法: GB/T 15780—1995[S]. 北京: 中国标准出版社, 1995. National Technical Committee on Timber of Standardization Administrator of China. Testing Methods for Physical and Mechanical Properties of Bamboos: GB/T 15780−1995 [S]. Beijing: Standards Press of China, 1995. [19] 蔡绍祥, 夏雨, 徐冰洁, 等. 小径级圆竹家具用材力学性能及其设计改良研究[J]. 林产工业, 2020, 57(9): 32 − 36. CAI Shaoxiang, XIA Yu, XU Bingjie, et al. Study on mechanical properties and furniture design improvement of small diameter round bamboo [J]. China Forest Products Industry, 2020, 57(9): 32 − 36. [20] 代福宽, 潘怀志, 王传贵. 小径级竹材抗弯性能测试方法[J]. 世界竹藤通讯, 2020, 18(3): 45 − 49, 54. DAI Fukuan, PAN Huaizhi, WANG Chuangui. Test method of bending properties for small diameter bamboo [J]. World Bamboo and Rattan, 2020, 18(3): 45 − 49, 54. [21] LI Jing, XU Haocheng, YU Yan, et al. Intelligent analysis technology of bamboo structure. PartⅠ: The variability of vascular bundles and fiber sheath area [J/OL]. Industrial Crops and Products, 2021, 174: 114163[2023-02-28]. doi: 10.1016/j.indcrop.2021.114163. [22] 黎静, 黄汉霄, 石俊利, 等. 竹环中维管束分布密度和纤维鞘组织比量纵向变异研究[J]. 世界竹藤通讯, 2019, 17(2): 7 − 11. LI Jing, HUANG Hanxiao, SHI Junli, et al. A study of longitudinal variation of vascular bundles distribution density and fiber sheath tissue proportion in internode of moso bamboo [J]. World Bamboo and Rattan, 2019, 17(2): 7 − 11. [23] 张文福. 圆竹性能评价及其帚化加工技术的研究[D]. 北京: 中国林业科学研究院, 2012. ZHANG Wenfu. Mechanical Properties and Brooming Processing of Bamboo-culm [D]. Beijing: Chinese academy of forestry, 2012. [24] AKINBADE Y, HARRIES K A. Is the rule of mixture appropriate for assessing bamboo material properties? [J/OL]. Construction and Building Materials, 2021, 267: 120955[2023-02-28]. doi: 10.1016/j.conbuildmat.2020.120955. [25] 李荣荣, 贺楚君, 彭博, 等. 毛竹材不同部位纤维形态及部分物理性能差异[J]. 浙江农林大学学报, 2021, 38(4): 854 − 860. LI Rongrong, HE Chujun, PENG Bo, et al. Differences in fiber morphology and partial physical properties in different parts of Phyllostachys edulis [J]. Journal of Zhejiang A&F University, 2021, 38(4): 854 − 860. [26] LO T Y, CUI Hongzhi, LEUNG H C. The effect of fiber density on strength capacity of bamboo [J]. Materials Letters, 2004, 58(21): 2595 − 2598. [27] ZHANG Xuexia, LI Jinghao, YU Zixuan, et al. Compressive failure mechanism and buckling analysis of the graded hierarchical bamboo structure [J]. Journal of Materials Science, 2017, 52: 6999 − 7007. [28] HABIBI M K, SAMAEI A T, GHESHLAGHI B, et al. Asymmetric flexural behavior from bamboo’s functionally graded hierarchical structure: underlying mechanisms [J]. Acta Biomaterialia, 2015, 16: 178 − 186. [29] SHAO Zhuoping, FANG Changhua, HUANG Shengxia, et al. Tensile properties of Moso bamboo (Phyllostachys pubescens) and its components with respect to its fiber-reinforced composite structure [J]. Wood Science and Technology, 2010, 44: 655 − 666. [30] WANG Hankun, ZHANG Xuexia, JIANG Zehui, et al. A comparison study on the preparation of nanocellulose fibrils from fibers and parenchymal cells in bamboo (Phyllostachys pubescens) [J]. Industrial Crops and Products, 2015, 71: 80 − 88. [31] REN Wenting, ZHU Jiawei, GUO Fei, et al. Structural evolution of cellulose from bamboo fibers and parenchyma cells during ionic liquid pretreatment for enhanced hydrolysis [J]. Biomacromolecules, 2022, 23(5): 1938 − 1948. [32] DARWIS A, ISWANTO A H. Morphological characteristics of Bambusa vulgaris and the distribution and shape of vascular bundles therein [J]. Journal of the Korean Wood Science and Technology, 2018, 46(4): 315 − 322. [33] XU Haocheng , LI Jing, MA Xingxing , et al. Intelligent analysis technology of bamboo structure. Part Ⅱ: The variability of radial distribution of fiber volume fraction [J/OL]. Industrial Crops and Products, 2021, 174: 114164[2023-02-28]. doi: 10.1016/j.indcrop.2021.114164. -
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20230207
点击查看大图
计量
- 文章访问数: 494
- HTML全文浏览量: 101
- PDF下载量: 32
- 被引次数: 0
