-
采用“3S”集成技术进行森林蓄积量定量估测,国内外已有学者做过大量研究和试验。现有研究成果多采用TM,SPOT5,ALOS和资源-3号等卫星影像数据,并结合少量地面样地调查因子信息,建立以样地为单位的估测模型,进行区域森林蓄积量定量估测。多在估测模型解算方法、主要影响因子筛选、估测精度影响因素、建模样地抽样等方面进行研讨[1-6]。伴随中国高分系列卫星的发射和应用,如何利用国产高分卫星影像进行森林资源监测,已成为林业遥感学者关注的热点。因GF-1卫星搭载了4台16 m分辨率的多光谱相机,成像幅宽可达800 km,单台相机的幅宽为200 km,单台相机一景16 m分辨率的影像,其覆盖范围将达到40 000 km2,超过30 m分辨率的TM卫星影像。若能利用GF-1卫星影像,结合地面样地调查资料进行森林蓄积量估测,将极大提高监测效率,对促进国产高分卫星影像的应用、减轻野外调查劳动强度和降低调查成本均有重要意义。k-近邻(k-nearest neighbor, k-NN)作为一种非参数化统计方法,不受建模变量间复共线性影响,且对异常样地有一定抵抗作用,不仅可用于分类,也可用于森林蓄积量估测,在芬兰、瑞典等北欧国家已将该方法应用于小面积单元的森林蓄积量估测[7-8],国内也开展了一定探索[9]。本研究采用黑龙江省某林业局一类样地调查资料、试验区GF-1号16 m分辨率的多光谱影像、数字高程模型(DEM)和土地利用类型图,分别采用k-NN算法、最小二乘估计和稳健估计,建立以样地大小为单位的森林蓄积量估测模型,通过分析各种模型的估测精度及GF-1遥感信息对建模的影响,讨论利用GF-1影像和k-NN算法实现县/林业局级尺度森林蓄积量估测的可行性。
HTML
-
提取试验区域样地对应GF-1遥感影像各波段的灰度值,构造比值波段[22],考虑监测区域样地调查因子,设置可能影响蓄积估测的自变量:海拔(h),阴坡(SC),阳坡(SS),坡度(Si),郁闭度(P),b,g,r,nir,$\frac{b-g}{b+g}, \frac{b-r}{b+r}, \frac{b-{{n}_{ir}}}{b+{{n}_{ir}}}$,$\frac{g-r}{g+r}, \frac{r-{{n}_{ir}}}{r+{{n}_{ir}}}, \frac{r-{{n}_{ir}}}{r+{{n}_{ir}}}$,$\frac{b+gr}{b+g+r}, \frac{b+g-{{n}_{ir}}}{b+g+{{n}_{Eir}}}, \frac{r+g-{{n}_{\text{ir}}}}{r+g+{{n}_{\text{ir}}}}, \frac{b\cdot g\cdot r}{b+g+r}$。其中,b,g,r和nir分别表示样地对应的GF-1号16 m多光谱影像的蓝、绿、红及近红外波段的灰度值。
采用平均残差平方和准则,筛选对蓄积量估测起主要作用的影响因子:海拔(h),阴坡(SC),阳坡(SS),坡度(Si),郁闭度(P),b,g,r,$\frac{b-r}{b+r}, \frac{b+g-r}{b+g+r}, \frac{b+g-{{n}_{\text{ir}}}}{b+g+{{n}_{\text{ir}}}}, \frac{b\cdot g\cdot r}{b+g+r}$。在影响蓄积量估测的主要因子中,高分遥感信息占有很大比重。如何有效挖掘遥感信息,对蓄积量估测精度和效率均有重要意义。
利用筛选所得影响蓄积量估测的主要因子建模,当采用k-NN方法时,因监测区域样地较少,采用交叉验证方法进行精度评价。设样地总数为n,每次从n个样地中不重复地抽取1个样地i,其蓄积量实测值为yi,利用剩余的n-1个样地按照k-NN法估测样地i的蓄积量yi′。这样不断抽取,直至全部样地都仅被抽中1次。则相对均方根误差E′RMS可表示为:
式(10)中:Y是yi的平均值。
按照上述方法,利用样地数据分别计算k取5~10时的均方根误差(m3·hm-2),所得结果如图 3所示。
对k取不同值时ERMS计算结果进行分析,认为k取9时具有较好的结果精度。采用最小二乘估计所得模型为:
采用稳健估计所得模型为:
按上述模型,将试验区的GF-1遥感影像分割成样地大小的单元。根据GF-1遥感影像和DEM模型计算方程中各样地大小单元对应自变量的值,并代入估测模型,得到样地大小单元蓄积量的估值(图 4)。
利用估测结果统计研究区域总体森林蓄积量,并与研究区2012年森林资源二类调查蓄积量统计结果进行比较,可得如表 1所示3种建模方法的精度结果。由表 1中数据可得,k-NN方法估测精度最高,稳健估计略优于最小二乘估计。
蓄积量估测方法 蓄积量/m3 相对精度/% 二类调查 39 595 184 100.0 最小二乘估计 40 817 098 96.9 稳健估计 40 762 574 97.1 k-NN法 40 651 710 97.3 Table 1. The comparation of the precision of three estimation methods