利用遥感数据估测森林蓄积量

潘帅;李娟;徐新;薛庆勇;李晓光

【摘 要】Liuhe County in JiLin Province was taken as the research area , relevant factors was extracted to estab-lish the model of remote sensing estimation of forest stock volume , based on Landsat-5 TM remote sensing im-age data, the results showed that the prediction accuracy of the model was 82.36%with precision test.The for-est stock volume inversion of model showed that forest stock volume was 1 226 ×10 4 m3 ,the realistic accuracy was 80.00%.The method was feasible to estimate forest stock volume by using remote sensing data .%以吉林省柳河县为研究区，以Landsat-5 TM遥感影像为基础数据，提取相关因子，建立柳河县森林蓄积量遥感估测模型，经过精度检验，模型的预测精度达到82．36％。利用模型进行森林蓄积量反演，得出该县森林蓄积量为1226×104 m3，实际精度为80．00％。利用遥感技术进行森林蓄积量估测是可行的。

【期刊名称】《吉林林业科技》

【年(卷),期】2013(000)004

【总页数】3页(P30-32)

【关键词】遥感数据;森林蓄积量;线性回归;估测模型

【作 者】潘帅;李娟;徐新;薛庆勇;李晓光

【作者单位】柳河县林业局，吉林通化 135300;吉林省林业科学研究院，吉林 长春 130033;镇赉县林业局，吉林白城 137300;吉林省白河林业局，吉林延边 133613;吉林省白河林业局，吉林延边 133613

【正文语种】中 文

【中图分类】S758.5+1

传统的森林蓄积量是利用角规测树法进行测定，这使得蓄积量的测定存在周期长、数据更新慢、人力与资金投入大等问题。遥感技术发展至今已经普遍应用于各行各业，为很多工作带来了便利。早在20世纪70年代中期，国内外学者已经开始了利用遥感技术进行森林蓄积量估测的研究工作，取得了令人瞩目的成果。目前，蓄积量遥感估测方法主要有线性回归法、神经网络模型法与KNN法等，在研究估测方法的同时，许多专家也将研究重点转移到遥感信息提取方面，取得了很好的效果。但是，利用遥感技术进行森林蓄积量估测一直没有成为当今森林蓄积量估测的主要手段，主要原因是现今取得的成果在应用方面都存在一定的局限，使得遥感技术在林业中的应用受到了很大的限制。作者以柳河县为研究区，通过遥感数据提取相关因子进行建模，探讨森林蓄积量估测的可行性。

1 研究区简介

柳河县位于吉林省东南部长白山林区，隶属通化市，地理坐标:125°17'～ 126°35'E，

41°54'～42°35'N。平均海拔434 m，全县总面积3 349 km2。东北与辉南县交界，东与白山市八道江区、江源区、靖宇县相连，北与梅河口市毗邻，南与通化县相依，西与辽宁省清原县、新宾县接壤。柳河县森林资源丰富，2010年全县森林覆盖率达56.8%，由天然针阔混交林、次生阔叶林和人工林构成。主要树种有落叶松、红松、紫椴、水曲柳、黄菠萝、胡桃楸、杨、榆、槭和桦等。

2 数据处理

选取研究区2010年植物生长旺盛季节的Landsat－5 TM卫星影像，该影像空间分辨率为30 m，对影像进行预处理(影像的大气校正、几何精校正、图幅镶嵌与边界裁剪等影像处理);同时进行波段运算，计算研究区NDVI、EVI等植被指数，并利用ArcGIS软件提取影像中每个像元的灰度值以供分析。利用研究区地形图提取等高线，建立研究区高程模型，并从高程模型中提取研究区坡度、坡向等信息。

选取研究区内83块林木分布均匀的样地(30 m×30 m)，收集样地的森林资源一类调查资料与其它相关资料。利用其中59块样地资料建立模型，其余24块作为检验模型的样本数据，并利用83块样地蓄积量实测值与模型预测值进行精度分析。

3 遥感估测模型

3.1 模型建立

从充分利用遥感数据的角度出发，从各波段灰度值、不同波段间灰度值的组合所派生

出来的各种自变量(各种类型的植被指数)，以及其它各种因子栅格化所形成的波段，尽量从遥感数据中提取各种自变量用于森林蓄积量估测。根据前人的经验与本研究区的现状，确定利用郁闭度、高程、坡度、坡向、NDVI、RVI与TM6个波段12个因子作为自变量，根据各项因子的灰度值提取出样地点的因子信息参与建模。在SPSS软件中进行样地点的各项因子与森林蓄积量的相关性分析，得到相关系数(见表1)。

表1 自变量因子与样地蓄积量相关系数注:*表示0.05水平上显著;＊＊表示0.01水平上显著。变量类型 变量名称 变量简称 相关系数TM1 X1原始波段－0.464 TM2 X2 －0.478 TM3 X3 －0.485*TM4 X4 0.446＊＊TM5 X5 0.433 TM7 X6 0.407植被指数NDVI X7 0.524*RVI X8 0.577*高程 X9 0.457＊＊坡度 X10 0.376*坡向 X11 －0.394林分变量 郁闭度 X12 0.836地形因子＊＊

采用逐步回归法，以森林蓄积量作为因变量，表1中12个相关因子作为自变量，进行回归分析，得到森林蓄积量遥感估算模型:

模型的决定系数为0.788，平均拟合精度为 80.40%，RMSE=26.74，平均检验精度81.10% ，RMSE=26.14。

3.2 精度检验

根据建立的蓄积量遥感模型，用验证样本计算精度PRECISION，进一步分析模型预测精度。

式中:i和n分别表示验证样本的序号和总数。

应用回归模型估计的参数来估算未参与建模的数据得到模型的检验精度为82.36%，见图1。

4 估测结果

根据建立的森林蓄积量遥感估测模型，利用ArcGIS软件对研究区森林蓄积量进行定量反演，得到柳河县森林蓄积量分布图，见图2。

图1 逐步回归预测值与真实样地测定值对比

图2 柳河县森林蓄积量分布图

由图2可见，柳河县森林蓄积集中在东部以及西北部，多分布在高海拔山地地带，低海拔地区森林蓄积量随着人类活动的增加而减少。在ArcGIS软件中，利用各个像元值相叠加求算森林蓄积量为1 226×104 m3，2010年柳河县森林资源一类调查的森林蓄积量为1 533×104m3，遥感模型估测总体精度为80.00%，达到实际应用要求。

5 小结

以吉林省柳河县遥感数据为基础，利用其衍生出来的各项因子建立森林蓄积量遥感估测模型，经过检验，预测精度达82.36%。利用模型对柳河县森林蓄积量分布进行反演，得到森林蓄积量分布图，通过多元统计分析叠加各像元值得到该县的森林蓄积量为1 226×104 m3，实际精度为80.00%，结论可靠，证明遥感技术应用在森林蓄积量估测中

确实可行。不足之处，由于时间关系，只采用了一般线性回归方法建立模型，并没有结合多种建模方法，通过比较选择效果更佳的模型;在模型自变量选取时还存在片面之处，以上问题应进一步开展比较研究，使遥感技术在森林蓄积量估测中得到广泛应用。