森林与环境学报  2016, Vol. 36 Issue (04): 461-466   PDF    
http://dx.doi.org/10.13324/j.cnki.jfcf.2016.04.013
0

文章信息

池毓锋, 赖日文, 余莉莉, 苏艳琴, 谢雪莉, 应兴亮
CHI Yufeng, LAI Riwen, YU Lili, SU Yanqin, XIE Xueli, YING Xingliang
平潭岛木麻黄碳储量遥感估测
Remote sensing estimation of Casuarina equisetifolia carbon storage in Pingtan Island
森林与环境学报,2016, 36(04): 461-466.
Journal of Forest and Environment,2016, 36(04): 461-466.
http://dx.doi.org/10.13324/j.cnki.jfcf.2016.04.013

文章历史

收稿日期: 2016-03-04
修回日期: 2016-05-12
平潭岛木麻黄碳储量遥感估测
池毓锋, 赖日文, 余莉莉, 苏艳琴, 谢雪莉, 应兴亮     
福建农林大学林学院, 福建 福州 350002
摘要: 为快速获取选定研究区域内的碳储量,以福建省平潭综合实验区主岛栽植的木麻黄为研究对象,采用遥感与地理信息系统技术对平潭主岛2014年9月美国国家航空航天局陆地卫星影像(Landsat OLI)8进行处理,结合归一化比值植被指数(NDVI)与专家知识分类为基础的像元扩张法对木麻黄林分信息进行提取。结果表明,扩张法对木麻黄林地分类总体精度80.6%,与专家分类相比提高了9.6%。根据采集木麻黄样本生物量与含碳率估测研究区木麻黄碳储量,结果表明平潭主岛木麻黄碳储量总量为331 308.09 t,单位面积碳储量为75.48 t·hm-2,生物量为151.88 t·hm-2,均处于中等水平。其中潭城镇木麻黄碳储量最高,平原镇、流水镇木麻黄碳储量较高,白青乡、中楼乡、岚城乡等地木麻黄碳储量一般,苏澳镇、北厝镇木麻黄碳储量较低。从岛上木麻黄分布情况分析,平潭主岛北部、中部、南部的乡镇均有分布较为集中的地块,而苏澳镇、潭城镇、白青乡整体分布较少。
关键词平潭     碳储量     像元扩张分类     木麻黄    
Remote sensing estimation of Casuarina equisetifolia carbon storage in Pingtan Island
CHI Yufeng, LAI Riwen, YU Lili, SU Yanqin, XIE Xueli, YING Xingliang     
College of Forestry, Fujian Agriculture and Forestry University, Fuzhou, Fujian 350002, China
Abstract: To obtain the carbon storage in research area, Casuarina equisetifolia in the main Island of Pingtan Comprehensive Experimental Community in Fujian Province was taken as the research object and OLI images of main Pingtan Island in September 2014 were processed by the RS and GIS technology. Meanwhile the C. equisetifolia information was extracted by NDVI and the knowledge of repeat pixel expansion classification. Results revealed that pixel expansion classification overall accuracy was 80.6%, higher than the expert knowledge classification 9.6%. The C. equisetifolia carbon storage in the research area was estimated according to the values of sample biomass and C. equisetifolia carbon storage rate. The result showed that the main Pingtan Island C. equisetifolia carbon storage amounted to 331 308.09 t, 75.48 t·hm-2 on average, biomass was 151.88 t·hm-2, the values of C. equisetifolia biomass and carbon storage of the whole research area were medium. Particularly, Tancheng Town had the highest C. equisetifolia carbon storage, followed by Pingyuan and Liushui. And the C. equisetifolia carbon storage in Baiqing, Zhonglou and Lancheng towns kept at the averaged level, which were higher than those in Suao and Beicuo towns. According to analysis of the distribution of C. equisetifolia in Pingtan Island, there were more concentrated distributions of C. equisetifolia in the northern, central and southern towns of Pingtan Island, while less distribution in Suao Town, Tancheng Town and Baiqing Town.
Key words: Pingtan Island     carbon storage     pixel expansion classification     Casuarina equisetifolia Forst.    

生物量以及碳储量是2个对生态系统及碳循环都有极其重要作用的指标,其中生物量指立木活体质量,碳储量则由系数转化法计算。木麻黄(Casuarina equisetifolia Forst.)作为一种沿海防风固沙树种,于20世纪50年代开始引进国内种植,现已成为沿海地区与岛屿的重要职能树种,在农田道路防风、滩涂固沙、水土保持等方面具有生态屏障作用。对植被的生物量估测方式众多,吴锡麟[1]、郭瑞红[2]、谢伟东等[3]通过实地调查的方式对木麻黄的碳储量进行了估测,近年来多借助遥感的方式来估测碳储量、生物量,如李仁东等[4]使用Landsat数据估测鄱阳湖湿生植被生物量;徐丽华等[5]利用快鸟卫星传感器(Quick Bird)影像图对城市森林的碳储量进行了估测;SHOEMAKER et al[6]利用人工神经网络叶面积模型估测美国佛罗里达州湿地松(Pinus ellottii Engelm.)碳储量;ZHENG et al[7]使用Landsat数据和植被指数估测美国威斯康辛州北部地上生物量。在遥感的实际处理中,基于知识的专家知识分类法占有很重要的位置,但在实践过程中发现,单纯以影像灰度阈值建立知识库的专家知识分类,容易产生分类结果破碎化、无法利用中高分辨率影像图进行细致分类,特别是较难解决单种树种的分类问题,在单个波段或者多个波段组合的基础上,进行单个树种分类实现结果不理想,组合结果过于庞大。目前多数研究主要集中在自动化拓展方向[8-10],分类破碎化问题与单一林种区分问题的有效解决与突破。在赵芳[11]的研究基础上,采用多波段组合、像元扩张式,缩小分类结果破碎化程度,提升相似像元之间空间关系程度,以提高分类精度。

以福建省平潭综合实验区主岛木麻黄为研究对象,通过对Landsat OLI8卫星影像分类像元扩张法提取树种分布信息,并结合木麻黄生物量估测模型与生物量系数转化法[12],估测平潭岛木麻黄碳储量,旨在为利用遥感技术、低成本、快速地估测区域内单独树种的生物量与碳储量提供方法指导。

1 研究区概况

平潭岛亦称海坛岛,位于福建省东部沿海,北纬25°15′-25°45′,东经119°32′-120°10′,地处福州市与莆田市的海上相接点,东部毗邻台湾省,岛上辖7镇4乡,面积约270 km2,是福建省第一大岛。研究区位于平潭主岛,属于亚热带季风性气候,岛上地势低平,中部略高,最高点的君山海拔434.6 m,全岛以丘陵、平原为主,海岸线曲折,长204 km。

2 数据收集与处理 2.1 样地坐标点信息与样本采集

2014年8-10月多次进行实地木麻黄林地坐标点信息采集,使用手持华测LT500T GPS仪于平潭岛11个乡镇采集108个木麻黄林地匹配坐标点信息,其中15个阈值信息点与93个验证点,验证点中木麻黄林分点58个,非木麻黄林分点35个。按照影像图分类像元扩张法,阈值探测采集点木麻黄林分面积大于500 m×500 m,另外在谷歌地球(Google Earth)软件上选取2014年9月影像,采用目视法随机采样100个有林地与100个无林地验证点的信息,合计200个坐标点。

结合遥感影像图、木麻黄分类结果、与木麻黄分布灰度阈值高低情况,设置生物量采集点,将平潭主岛分类结果中的第3波段[13]木麻黄分布阈值分为低、中、高3组,3组对应的图层上各随机标注出5个点,进行实地测量,记录对应点坐标数据。在对应坐标点上进行实地生物量采集时需要设立样地,以对应点坐标为中心布设样地,样地面积20 m×20 m,按阈值分组计算样地内木麻黄株数,使用围径尺对木麻黄胸径进行每木检尺,使用TRUPULSE 200激光测距仪辅助标杆法测树高,并统计出样地平均胸径、平均树高、单位面积木麻黄株数。各样点单株木麻黄生物量结果见表 1。采伐各1株平均胸径、平均树高木,采伐的时候尽量伐至近地面处,并挖出根系,主干与枝干分离,将根系清洗,干枝分离后分段称重,分主干、枝干、根部,其中枝干包含小枝以及叶与果等。最后带回采集点上采伐的木麻黄样本中的10%至实验室,再使用全自动碳氮分析仪测定混合样品含碳率,最后测得混合样品含碳率为0.497。

表 1 各样点单株木麻黄样本生物量 Table 1 Biomass of single C. equisetifolia sample plant at plots
样点
Plot
生物量
Biomass/kg
1 102.325
2 168.033
3 18.001
4 67.798
5 206.632
6 276.423
7 59.185
8 197.451
9 87.596
10 106.977
11 32.197
12 99.971
13 71.201
14 356.722
15 32.089
2.2 遥感数据收集与预处理

采用原始2014年9月Landsat OLI8卫星中条带号118、行编号42的陆地成像仪(the operational land imager,OLI)传感器OLI遥感影像图,共含9个波段(除第8个全色波段分辨率为15 m,其余各波段分辨率均为30 m),将影像图经过ERDAS软件进行预处理,含波段组合、大气校正、几何校正、去云、去条带等步骤处理得到清晰无云、无遮蔽的平潭主岛影像图,由于融合的方式极易损伤像元波谱与灰度特征,预处理不含图像融合。运用ArcGIS软件对预处理后的影像图叠加平潭主岛矢量数据进行裁剪,获得所需研究区影像图。

2.3 图像信息提取方法

影像图分类像元扩张法是一种利用Landsat OLI8影像图,以知识库为基础的专家知识分类方法为基础,实现对知识库中标的对象分类的方法。利用归一化比值植被指数(normalized difference vegetation index,NDVI)区分出影像中的有林地与无林地,并剔除无林地。第1波段与第8波段分别为海蓝波段与全色波段,不参与分类提取。利用ERDAS软件,将实地采集的15个木麻黄分布点坐标导入,其中木麻黄样点探测得到阈值范围见表 2,结合裁剪后影像图,获得对应木麻黄分布点上的阈值,并以此建立专家分类知识库(knowledge base system,KBS);基于前次研究[12],依据表 2建立知识库,分类上选择Landsat OLI8影像中第5、第4、第3波段为基础结合实际木麻黄点的灰度阈值,两两组合建立像元扩张方法知识库,进行初次木麻黄分布信息提取;初次分类结果以知识基础数据类型库[14]为基础增加1个波段进行迭代信息提取处理,增加波段的顺序为第2波段、第6波段、第7波段;分类结果上利用ArcGIS软件中扩展功能按像元一周8个角度扩张出一圈栅格范围,如果扩张过程中有叠加,则合并处理,直至3个波段逐次叠加完整,最终输出结果图;分类输出结果叠加平潭主岛各乡镇行政区划矢量图,得到平潭木麻黄分布图(图 1)。

表 2 地物采样点光谱灰度阈值1) Table 2 Gray thresholds of surface features spectrum
波段Band 阈值Threshold
最大Max 最小Min
波段2 Band 2 60 25
波段3 Band 3 77 15
波段4 Band 4 39 33
波段5 Band 5 30 22
波段6 Band 6 49 40
波段7 Band 7 155 50
1)阈值为无量纲数字序列。Note : the threshold is dimensionless digital sequence.
图 1 木麻黄分布 Fig. 1 C. equisetifolia distribution

利用平潭木麻黄分布图对裁剪后的影像进行掩膜(Mask)处理,得到平潭主岛木麻黄分布影像,利用ERDAS软件将木麻黄分布影像图根据第3波段阈值分为低、中、高3组(图 2)。

图 2 木麻黄阈值分类 Fig. 2 C. equisetifolia threshold classification
2.4 碳储量计算方法

碳储量采用生物量系数换算法计算,其中生物量为实际测量的木麻黄活立木全株总质量(含地上与地下部分,不含枯枝落叶层),木麻黄的生物量模型多以幂方程进行表达,拟合树高、胸径等因子的关系[15]。采用实际使用达到0.01的显著效果木麻黄生物量关系式[16-17]

$ \ln W=a+b\ln \left( {{D}^{2}}H \right) $ (1)

式中:W为单株生物量(kg);a, b分别为算式系数;D为胸径(cm);H为树高(m)。

区域生物量估测方法采用木麻黄生物量关系与分类所得区域结果结合计算,其中含碳率采用全自动碳氮分析仪进行测定,并在平潭木麻黄分布图的基础上,根据实测的生物量、碳储量数据快速估测研究区内整体生物量与碳储量,并对结果进行验证与分析。

3 结果与分析 3.1 木麻黄分布信息提取与精度对比

根据影像图分类像元扩张法获得平潭木麻黄分布图(图 1)后,根据实地调查点中200个有无林地点与93个结论验证点的信息对分类结果使用ERDAS软件中的Accuracy Assessment功能进行精度评价,其中经过NDVI处理的结果,有林地与非林地的精度达到96%。对比像元扩张法与以单一知识库为基础的专家分类法,得出分类的总体精度(表 3),像元扩张法的结果达到要求,相比传统专家分类法精度提高9.6%。

表 3 2种分类方法精度对比 Table 3 Comparison of accuracy between two classification methods
类型
Type
验证点总数
TTotal verified spots
分类样本正确数
TCorrect samples
分类准确率
TAccuracy rate/%
扩张法分类
TExpansion classification
93 75 80.6
传统专家分类
TGeneral expert classification
93 66 71.0
3.2 木麻黄生物量模型与碳储量计算

根据野外采集的15组木麻黄生物量数据,计算木麻黄生物量关系式系数ab,得出a值为-2.488 2,b值为0.941 7,其中R2为0.850 1(图 3),相关性达到0.05显著水平,满足所需要求。生物量系数转化法获取碳储量是目前较为普遍的计算方式,是根据实测生物量结合样品测定含碳率获得的,而大区域的生物量计算反演也可以参照这种方法估测,平潭岛木麻黄碳储量=平潭岛木麻黄分布面积×木麻黄单位面积碳储量,结合影像图上木麻黄分类结果,得到平潭岛木麻黄分布面积4 388.13 hm2,木麻黄单位面积生物量为151.88 t · hm-2,木麻黄单位面积碳储量为75.48 t · hm-2,木麻黄总生物量为666 615.89 t,木麻黄总碳储量为331 308.09 t。

图 3 木麻黄生物量模型验证 Fig. 3 C. equisetifolia biomass model verification
3.3 平潭岛木麻黄碳储量分布

利用平潭主岛各乡镇区域行政矢量图对分布数据进行掩膜分割,计算得出岛上各地碳储量(表 4)。其中潭城镇木麻黄单位面积碳储量最高(141.48 t · hm-2),苏澳镇单位面积碳储量最小(36.56 t · hm-2)。从图 1上看,平潭主岛北部、中部、南部的乡镇(北厝镇、岚城乡、流水镇、芦洋乡等)都有较为集中的木麻黄林分分布,苏澳镇、潭城镇、白青乡整体木麻黄分布都较少。同时从图 2表 4上可以发现,北厝镇分布面积较大,但是集中分布多为低阈值对应的未成熟木麻黄林分,单位面积碳储量明显较小,潭城镇单位面积碳储量却是最高。

表 4 平潭主岛各乡镇碳储量分布 Table 4 Carbon storage distribution in towns of Pingtan Island
乡镇
Town
面积
Area/hm2
总碳储量
Carbon storage/t
单位面积生物量
Per hectare biomass/(t·hm-2)
单位面积碳储量
Per hectare carbon storage/(t·hm-2)
北厝镇Beicuo Town 389.94 18 923.61 97.65 48.53
流水镇Liushui Town 555.01 46 827.01 169.76 84.37
苏澳镇Suao Town 31.32 1 145.22 73.56 36.56
白青乡Baiqing Town 1 228.09 93 195.53 152.69 75.89
澳前镇Aoqian Town 304.16 18 706.24 123.75 61.50
岚城乡Lancheng Town 381.39 28 393.31 149.79 74.45
平原镇Pingyuan Town 248.73 22 508.75 182.08 90.49
中楼乡Zhonglou Town 269.94 20 371.87 151.85 75.47
敖东镇Aodong Town 215.39 15 833.24 147.91 73.51
芦洋乡Luyang Town 581.83 39 607.47 136.97 68.07
潭城镇Tancheng Town 182.33 25 795.84 284.67 141.48
总计Total 4 388.13 331 308.09 151.88 75.48

利用表 4中各乡镇碳储量以及生物量统计数据,结合SPSS统计软件的聚类功能单连接法将各乡镇碳储量进行聚类分析,结果分为高、较高、中与低4类(表 5)。由表 5可以看出,多数乡镇水平较一致,处于中等水平,仅一个潭城镇处于高位,单独一类。

表 5 各乡镇木麻黄单位面积碳储量聚类分析 Table 5 Cluster of carbon storage per unit area of C. equisetifolia in different towns
类别
Type
乡镇
Town
木麻黄碳储量聚类
Cluster of C. equisetifolia carbon storage
1 潭城镇Tancheng Town    高The highest
2 平原镇、流水镇Pingyuan Town, Liushui Town    较高High
3 芦洋乡、澳前镇、敖东镇、岚城乡、中楼乡、白青乡LuyangTown, Aoqian Town, Aodong Town, Lancheng Town, Zhonglou Town, Baiqing Town    中Medium
4 苏澳镇、北厝镇Suao Town, Beicuo Town    低Low
4 结论与讨论

在对Landsat OLI数据预处理基础上,结合以单一阈值为基础的专家分类以及研究区的多光谱影像,建立像元扩张式分类法,提取出木麻黄分布信息,并绘制出平潭木麻黄分布图。实际分类结果与普通方法进行对比发现精度有所提高,并达到研究要求,该方法在传统基础上更加深入地发掘图像信息,达到数据的深入利用。所运用的像元扩张分类法对比以单一阈值为基础的专家分类法精度有所提高,根据以往研究可以得出结论,仅依靠灰度阈值容易出现结果碎片化,并且方法不考虑物体分布空间性,有一定偏差,扩张法考虑到物体分布空间特性在解决破碎的结构物体的同时也顾及到林分分布特征,由此整体精度得到提高。运用SPSS分析软件中的聚类分析功能,将各乡镇碳储量按面积均值进行聚类分析,聚类按量分为高、较高、中与低4类结果,其中潭城镇最高,芦洋乡、澳前镇、敖东镇、岚城乡、中楼乡、白青乡、平原镇、流水镇水平处于中位,而苏澳镇、北厝镇水平则相对较低。平潭主岛木麻黄分布上主要呈现东多西少,南北多中间少,沿海集中,内部分散,从分布区位上正好证明其防风固沙的作用本质,岛屿内部分布较零散,主要是作为农田防风、道路护路等作用。

由于前人对平潭主岛木麻黄碳储量研究内容较少且代表性不强,又因为碳储量计算是以生物量系数换算方法为基础,所以采用生物量对比的形式评价结果。平潭主岛位于亚热带北部,根据LARCHER[18]的研究,认为亚热带生物量应该在300-400 t · hm-2之间,另根据黄义雄等[19]对福建平潭主岛木麻黄防护林带的生物生产力测定的生物量是147.17 t · hm-2,叶功富等[20]对福建惠安不同生长发育阶段木麻黄的碳储量研究认为,不同林龄木麻黄的碳储量不同,其中幼龄林80-110 t · hm-2,中龄林90-230 t · hm-2,成熟林90-300 t · hm-2,因此,木麻黄生物量151.88 t · hm-2在一个可靠区间内。同时与黄义雄等[19]、叶功富等[20]的结果相比有所提高,也可以从侧面说明当地生态投入已经有成果。

采用遥感与地理信息系统技术,对平潭主岛木麻黄碳储量进行估测,结果可靠,整体达到实际应用水平,成本与传统调查方法相比较为节约,实际研究周期较短,为快速估测碳储量提供了一个方法指导。从实际研究过程中发现分类方法可以提升影像图的价值空间,但无法定量分析分类方法的内在关系,希望后续研究能对这类方法进行定量分析,形成完善结构与体系,另外研究过程中发现不同波段图像上的灰度阈值在变化的过程中与实际碳储量存在一定的相关关系,但由于条件限制,无法定量分析,希望后续研究可以在该基础上深入探讨。

参考文献(References)
[1] 吴锡麟. 厚荚相思木麻黄混交林分结构和生物量的研究[J]. 福建林学院学报, 2003, 23(3): 236–239.
[2] 郭瑞红.滨海沙地木麻黄林生态系统的碳贮量和碳吸存[D].福州:福建农林大学, 2007. http://cdmd.cnki.com.cn/article/cdmd-10389-2007135957.htm
[3] 谢伟东, 温远光, 梁宏温, 等. 广西海岸沙地木麻黄防护林带的生物量和生产力[J]. 防护林科技, 2008(5): 6–8.
[4] 李仁东, 刘纪远. 应用Landsat ETM数据估算鄱阳湖湿生植被生物量[J]. 地理学报, 2001, 56(5): 532–540.
[5] 徐丽华, 张结存, 黄博, 等. 基于Quick Bird影像的城市森林碳储量遥感估测[J]. 应用生态学报, 2014, 25(10): 2787–2793.
[6] SHOEMAKER D A, CROPPERJR W P. Application of remote sensing, an artificial neural network leaf area model, and a process-based simulation model to estimate carbon storage in Florida slash pine plantations[J]. Journal of Forestry Research, 2010, 21(2): 171–176.
[7] ZHENG D L, RADEMACHER J, CHEN J Q, et al. Estimating aboveground biomass using Landsat 7 ETM+ data across a managed landscape in northern Wisconsin, USA[J]. Remote Sensing of Environment, 2004, 93(3): 402–411.
[8] 阳树洪.灰度图像阈值分割的自适应和快速算法研究[D].重庆:重庆大学, 2014. http://cdmd.cnki.com.cn/article/cdmd-10611-1014042922.htm
[9] 穆喜云.森林地上生物量遥感估测方法研究[D].呼和浩特:内蒙古农业大学, 2015. http://cdmd.cnki.com.cn/article/cdmd-10129-1015427497.htm
[10] 李俊明.基于HJ-1A高光谱遥感树种识别的研究[D].哈尔滨:东北林业大学, 2013. http://cdmd.cnki.com.cn/article/cdmd-10225-1013371133.htm
[11] 赵芳.测树因子遥感获取方法研究[D].北京:北京林业大学, 2014. http://cdmd.cnki.com.cn/article/cdmd-10022-1014319151.htm
[12] 续珊珊, 姚顺波. 基于生物量转换因子法的我国森林碳储量区域差异分析[J]. 北京林业大学学报(社会科学版), 2009, 8(3): 109–114.
[13] 叶伟, 赖日文, 池毓锋, 等. 基于HJ-1的长汀县森林绿量分析[J]. 中南林业科技大学学报, 2014, 34(5): 42–46.
[14] 甘淑, 袁希平, 何大明. 遥感专家分类系统在滇西北植被信息提取中的应用试验研究[J]. 云南大学学报(自然科学版), 2003, 25(6): 553–557.
[15] HEPP T E, BRISTER G H. Estimating crown biomass in loblolly pine plantations in the Carolina flatwoods[J]. Forest Science, 1982, 28(1): 115–127.
[16] 叶功富, 林银森, 吴寿德, 等. 木麻黄林生产力动态变化的研究[J]. 防护林科技, 1996(S1): 17–20.
[17] 徐伟强.东南沿海木麻黄人工林生物量及生产力生态学研究[D].福州:福建农林大学, 2009. http://cdmd.cnki.com.cn/article/cdmd-10389-2009170485.htm
[18] LARCHER W. Physiological plant ecology[M]. BIEDERMAN-THORSON M A, Translate. New York:Springer, 1975:1-3, 78-81.
[19] 黄义雄, 沙济琴, 谢皎如, 等. 福建平潭岛木麻黄防护林带的生物生产力[J]. 生态学杂志, 1996, 15(2): 4–7.
[20] 叶功富, 郭瑞红, 卢昌义, 等. 不同生长发育阶段木麻黄林生态系统的碳贮量[J]. 海峡科学, 2008(10): 3–7.