俄罗斯森林资源二类调查成果验证分析

智长贵,郑冬梅,王六如,陈新云,张 乔

(国家林业局调查规划设计院,北京 100714 )

俄罗斯森林资源二类调查成果验证分析

智长贵,郑冬梅,王六如,陈新云,张 乔

(国家林业局调查规划设计院,北京 100714 )

根据项目区2006年的森林资源二类调查资料,以及2005年、2013年、2014年的3期TM遥感影像,典型选取29个小班开展了外业验证调查,对比分析了典型验证调查结果和二类调查结果。根据U检验结果,29个小班验证调查的蓄积平均值和二类调查蓄积平均值基本是一致的,没有显著性差异,说明俄方提供的森林资源二类调查数据的总体蓄积是可信的；根据F检验结果,单个验证调查小班公顷蓄积与二类调查公顷蓄积差值波动较大,可信度较低。

森林资源;规划设计调查；验证分析

0 引言

俄罗斯是世界上森林资源第一大国。根据联合国粮农组织2010年的统计,俄罗斯森林面积8.09亿hm2,约占世界的20%,森林蓄积804.79亿m3,约占世界的21%,森林资源面积和蓄积均居世界第一[1]。进入21世纪以来,我国国内木材需求大增,同时,国内自身森林资源提供木材数量不断减少,许多企业开始投资开发境外森林资源[2]。俄罗斯因其与中国的天然接壤优势、合作历史悠久等有利条件,成为中国企业投资境外的有利选择。在对俄罗斯森林资源投资开发前,投资方一般会委托有森林资源调查资质单位对境外森林资源进行调查,充分掌握国外森林资源数量和质量,为境外森林资源开发编制可行性研究报告提供重要基础数据,减少项目盲目投资的风险。承担调查单位一般会收集项目区的森林资源规划设计调查(简称“二类调查”)资料,包括林相图和小班调查卡片,然后对二类调查资料进行现地验证调查,以便准确评估其二类调查资料的资源可利用情况。俄罗斯的二类调查,每10年进行一次,全国三分之二的森林面积采用地面调查方法,西伯利亚和远东交通不便的山地森林,采用航空调查与抽样调查相结合的方法。本文以位于俄罗斯伊尔库茨克州的一个项目区为研究对象,详细分析了验证方法和验证结果,旨在为国内企业了解俄罗斯森林资源二类调查数据的可利用情况提供一些参考。

1 区域概况

项目区位于俄罗斯的伊尔库茨克州,地理坐标为北纬54°31′～54°56′,东经103°9′～103°43′，总面积10万hm2。属大陆性气候,严寒期长。1月份平均气温-20°,7月份平均气温17°。年均降水量约400mm。森林资源以落叶松、樟子松、白桦、云杉、山杨、冷杉、红松为主,其中针叶林树种较多。

2 验证方法

2.1 资料收集处理

收集了项目区2005年、2013年、2014年生长季节的TM遥感数据和2006年二类调查数据(包括林相图和小班卡片)。采用PCI遥感数据处理软件,对3期TM遥感数据进行大气校正、正射校正、彩色合成、影像拼接等预处理。采用ArcGIS软件,对二类调查数据的林相图小班界线进行矢量化跟踪,形成小班图层数据,根据小班卡片信息,将小班属性录入到小班数据库。将处理好的遥感影像和小班图层在ArcGIS软件中进行叠加分析,根据前后期遥感影像特征变化情况,采取人工目视判读的方法,在林相图中去除采伐小班。对于保留的小班,根据优势树种和龄组两个因子将保留小班划分进行类型。根据分类结果,典型抽取29个小班,开展验证调查。

2.2 外业验证调查

根据我国森林资源规划设计调查技术规定*国家林业局.国家森林资源规划设计调查技术规定.2003.,在抽中的小班内,根据小班面积大小,均匀布设4～7个半径为15m的临时圆形样地。在圆形样地内,采用每木检尺方法,对达到起测径阶(15cm)的林木进行外业验证调查,主要调查每株样木的树种名称、胸径、立木缺陷、出材等级,并调查样地的郁闭度、平均树高等因子。

2.3 数据统计

2.3.1 样木蓄积计算

由于项目区和我国黑龙江省处在同一纬度带,树种生长情况基本相同,本文采用我国北方一元材积表,计算各树种的材积(表1)。

表1 树种材积公式

2.3.2 样圆蓄积计算

单个样圆每公顷蓄积量计算公式:

(1)

2.2.3 小班蓄积计算

(2)

总体验证方法见图1。

图1 森林资源验证调查技术框架

3 结果分析

3.1 蓄积情况

从验证蓄积来看,29个验证小班中,验证每公顷蓄积是355.7m3,不含枯立木的蓄积是329.4m3,原二类调查小班每公顷蓄积是324.1m3。相差5.3(不含枯立木)m3,多1.64%。其中,验证每公顷蓄积比二类小班大5%的11个,小于5%的10个,基本一致的8个,其中大于5%的相差最大的每公顷蓄积为164m3,多63.1%,小于5%的相差最大的每公顷蓄积111m3,少32.6%。

3.2 树种组成

验证优势树种和二类调查优势树种一致的有17个,占59%。其中,落叶松6个,樟子松10个,冷杉1个。不一致的12个,占41%。

从樟子松来看,本次共抽中17块优势树种为樟子松的小班。优势树种樟子松一致的为10块,7块不一致。不一致的7块中,1块是因为采伐,其余2块分别为二类调查3成,验证调查为2成；二类调查为6成,验证调查为4成。

从29块小班总的树种蓄积组成来看,落叶松、樟子松和山杨的验证调查蓄积比例基本与二类调查结果一致,相差仅1%左右；白桦、云杉验证调查蓄积比例较二类调查蓄积比例低3%；冷杉、红松验证调查蓄积比例比二类调查蓄积比例高3%(表2)。

表2 29个小班中单个树种蓄积统计

3.3 精度分析

采用U检验、F检验、回归分析3种方法,分析验证调查结果与二类调查结果之间的关系。

3.3.1 U检验

U检验是在大样本的情况下,检验随机变量的数学期望是否等于某一已知值的一种假设检验方法,可用两样本均值的比较。理论上要求样本来自正态分布总体。U检验见公式(3):

(3)

根据29个验证小班与原二类调查小班结果,U=0.4068,取可靠性α为95%,则Uα=1.96。由于Uα=1.96>U,故接受假设,即验证样本的平均值与原二类调查样本平均值无显著性差异。说明验证调查总蓄积与原二类调查总蓄积无显著性差异。U检验结果见表3。

表3 验证样本与二类调查样本平均值U检验统计

3.3.2 F检验

F检验又叫方差齐性检验,就是检验两个样本的方差是否有显著性差异。F检验见公式(5)。

(5)

因为F>Fα(0.05,n1=28,n2=28)=1.9,故两样本方差有显著性差异。

3.3.3 回归分析

根据地面验证调查的29个小班实测资料看,回归式为y=1.0045x,相关系数平方r2=0.4031(图2),即相关系数r=0.635,与验证方案设计时0.65相近,因此验证小班数是认可的。回归系数为1.004 5是反映10年来林木生长的正常情况。由此推断,幼中近熟林的增加量还会大一些。为此2014年森林总蓄积要略大于2 134.23万m3。

图2 小班的验证调查公顷蓄积与二类调查公顷蓄积回归关系

4 结论与建议

4.1 结论

1) 项目区二类调查的总体蓄积是可信的。根据平均数差异性显著性检验结果可知,本次验证调查结果的蓄积平均值和二类调查蓄积平均值基本是一致的,没有显著性差异。说明俄方提供的森林资源二类调查数据的总体蓄积是可信的。

2) 项目区二类调查的小班公顷蓄积与实际调查波动较大。从F检验可以看出,调查小班hm2蓄积与二类调查蓄积误差波动相对较大,最大相差-63.1%。其中,误差小于10%的小班为12块,占41.4%；误差在10%～20%之间的4块,占13.8%；误差在30%～40%之间的3块,占10.3%；误差超过40%的有10块,占34.5%。误差较大的原因是,俄方小班蓄积主要靠航片目视解译,小班蓄积精度较低。

3) 项目区二类调查的单个小班树种组成精度相对较低,总体树种组成误差较少。29块小班中,优势树种相一致的为17块,占59%。但从总的树种组成来看,树种蓄积组成比例相差不大,落叶松、樟子松、白桦、云杉、山杨、红松6个树种蓄积比例误差不到5%。冷杉树种蓄积比例误差稍大,为5.4%。

4.2 建议

项目区总的森林蓄积是可信的、树种蓄积组成也是可信的,为森林资源开发利用投资决策起到支撑作用。但在项目实际开发时,应根据图面资料和遥感图像及森林统计表册等,必要时辅以航空视察和地面踏查,选择交通条件较好和商品材富集地区划为首批开发区,进行补充调查并编制首批开发区森林采伐和森林经营实施方案,实施采伐时要做好伐区调查设计。

[1]张松丹,林祚捌,莫沫，等.赴俄罗斯波兰森林可持续经营项目研讨会考察报告[J].林业资源管理,2014(6):154-159.

[2]智长贵,王六如,陈新云，等.境外森林资源调查分层整群抽样案例分析[J].林业资源管理,2015(4):28-32.

Data Validation Analysis of Forest Resources Inventory for Planning of Russia

ZHI Changgui,ZHENG Dongmei,WANG Liuru,CHEN Xinyun,ZHANG Qiao

(AcademyofForestInventoryandPlanning,SFA,Beijing100714,China)

According to data of forest resources inventory for planning of Russia,29 forest resource sub-compartments were selected to carry out the field verification survey,The data of forest resources inventory for planning and the data of validation are compared and analyzed.According to U test results,There was no significant difference between mean volume of the survey and the mean volume of the validation survey,indicating that the data of forest resources inventory for planning is credible.According to F test results,the difference of single mean volume is large between survey and validation,and the reliability is low.

forest resources，inventory,planning,validation analysis

2017-03-16；

2017-06-07

中国清洁发展机制基金赠款项目“2020年后林业增汇减排的行动目标研究”(2013014)

智长贵(1973-)，男，河南商水人，教授级高工，博士，主要从事森林资源监测工作。 Email:zhichanggui@163.com

S757.2

A

1002-6622(2017)04-0151-04

10.13466/j.cnki.lyzygl.2017.04.023