基于GIS海南森林资源调查抽样方法研究

李苑菱，陈宗铸，雷金睿，陈小花，杨琦，吴庭天

（海南省林业科学研究所，海南海口 571100）

森林资源作为陆地生态系统的构建主体，是社会经济发展的基础与根本[1]。定期进行森林资源调查，了解森林资源的增减动态变化，对森林资源的保护与发展利用具有重要意义。但因受到经济条件和时间等因素的制约，目前仍以抽样调查为主要技术手段进行[2]。随着社会经济条件发生变化，中国的森林资源调查内容的增加和调查精度要求的提高[3]，传统抽样方法的局限与缺陷也越发突出。传统抽样方法在调查中具有客观性差、工作量大、准确率低以及无法进行多方案的模拟实验和比较分析等缺点。因此，设计研制出具有严格统计学基础、低成本高效率、适应性强的抽样方法已成为林业工作者的一项重要研究内容。

空间自相关性是指在空间上一些事物或现象彼此间靠近和相似的程度。在森林资源调查中，由于受外在环境与人类活动干扰等因素及其相互作用的影响，许多森林调查因素在空间分布上并不具有独立、随机性，而是表现出高度的空间自相关性[4]。现有森林资源调查抽样方法以研究随机变量变化规律的经典统计学为理论基础，由于森林资源调查因子中大多是区域变化变量，而不是纯随机变量，具有随机性和结构性双重属性。若要有效解决森林资源调查中这种空间分布数据的双重属性问题，可应用地统计学分析和空间抽样技术等兼具考虑空间相关性的理论方法[5]。

空间平衡抽样(Spatial Balanced Sampling,SBS)在1997 年由美国Stevens 提出[6]，在算法设想上不仅结合了传统抽样的优点，还强调了在抽取样本时的空间随机等概和均匀分布。空间平衡抽样在国外仍主要处于理论探索开发阶段[7～9]，而在国内也尚处于起步阶段，李明阳等人在空间平衡抽样上展开了大量的研究，他在森林资源调查、森林生物多样性监测及野生哺乳动物调查等多方面中对于空间平衡抽样方法的原理与应用均展开了相关的探讨[10～14]。利用GIS 为技术手段，空间平衡抽样在抽样框创建、可视化、定位寻找等方面具有显著优势，同时也为地统计学空间自相关等方面的空间分析提供了强大的技术支撑，这为目前森林抽样调查中所面临的问题提供了新的解决方式。

该文以海南省为研究区域，GIS 平台为技术支撑，以2017 年海南省Landsat-8 OLI-TIRS 遥感影像数据和海南省森林资源二类调查本底数据为主要信息源，对遥感图像进行校正、融合等预处理步骤，按照森林调查类型分类标准，获取各类型的准确资料。通过简单随机、系统、空间平衡3 种不同抽样方法，提取样本信息，并对研究区域的地类信息进行参数估算。在此基础上对不同抽样结果进行空间相关性分析，并对不同抽样结果的抽样精度进行比较分析，为森林资源调查探索出更为经济适用的抽样方法，为林业发展提供借鉴性依据。

1 研究区域概况

海南省属中国最南端，坐标18°10′～20°10′N，108°37′～111°03′E，处于热带季风气候区。北临琼州海峡，西邻北部湾，东、南部濒南海。全年气候宜人，年均气温22～27℃；降水充足，年均降水量为1639mm，可划分为多雨季和少雨季[15]；地形四周低中部高，以五指山、鹦哥岭等中部山区为隆起中心，并向外组成由山地、丘陵到台地再到平原逐级下沉的环形层状地貌；土壤类型大多为红壤、砖红壤和黄壤等[16]；森林植被类型繁杂多样，通常划分为热带雨林、季雨林、针叶林、常绿阔叶林、红树林和人工林等。

2 材料与方法

2.1 数据来源与预处理

2009 年海南省森林资源二类调查数据来源于海南省林业局，按林地分类标准，分为有林地、疏林地、灌木林地、未成林造林地、苗圃地、无立木林地、宜林地、非林地7 个地类，并根据矢量数据统计各地类的面积百分比。

2017 年海南省Landsat-8 OLI-TIRS 遥感影像数据来源于美国地质调查局数据中心(https://glovis.usgs.gov/）的，轨道号为p124/r46，全色波段分辨率为15*15m，多光谱波段分辨率为30*30m。遥感影像经校正、融合和彩色变换等预处理后，运用ArcGIS 10.2 的栅格计算器生成归一化植被指数（NDVI）栅格图（图1），并以海南省行政界线为掩膜，裁剪获得研究区域NDVI 指数，空间分辨率30m[17]。计算公式为：

式中，NIR 表示近红外波段，R 表示可见光红波段。

图1 海南省NDVI 栅格图层Fig.1 Hainan Province NDVI Raster Layers

2.2 抽样方法

在2013 年的海南省国家森林资源连续清查（一类调查）中采取系统抽样的方式以4×3km 间距网格进行布样调查，在全省范围内共布设了2829 个固定样地。该文为了更好的对系统抽样、简单随机抽样和空间平衡抽样3 种方法的性能进行比较分析，样本容量均抽取了2829 个样点进行比较分析。其抽样样本的实现分别采取以下方法：

（1）传统抽样。2 种传统抽样方法均利用ArcGIS平台外挂的Hawth's Tools 分析工具进行抽样（图2、3）[18]。

（2）空间平衡抽样。研究采用了RRQRR 算法，其算法设计步骤为：①Morton 二维编址；②四分递归排序；③Morton 反向编址；④增加抽样随机成分，生成包含概率栅格层，生成平衡抽样样本点（图4）[18，19]。RRQRR 是在ArcGIS 平台上通过Python 语言编程实现的。

图2 简单随机抽样结果Fig.2 Diagram of Random Sampling results

图3 系统抽样结果Fig.3 Diagram of System Sampling results

图4 空间平衡抽样结果Fig.4 Diagram of Spatial balance Sampling results

2.3 抽样评价指标

针对不同抽样方法的性能评价，研究选取了空间相关性分析和抽样精度来作为评价指标[20，21]。在地统计学当中，通常采用空间自相关系数来度量物理或生态学变量在空间上的分布特征及其对邻域的影响。为评价样点的的空间关联特征和聚集性，以样点的NDVI 值为数据源进行分析。3 种抽样方法种的样点NDVI 值借助ArcGIS 进行提取，空间自相关指数Moran's I 利用ArcGIS 空间分析模块完成计算[18]。计算公式为：

式中，n表示空间单元容量，xi和xj表示x在i单元和j单元的值，wij表示相邻权重矩阵。

在3 种抽样生成的样点基础上，分别以样点为圆心，生成半径为14.57m 的样圆（面积666.67m2），与海南省森林资源二类调查数据叠加，得到每个样圆的各地类面积，统计分析3 种抽样方法的海南省各地类的面积百分比，并与实际二类调查成果进行比较，同时计算抽样精度[22，23]。

式中，s 为各抽样方法获得的各地类面积，a 为二类调查中的各地类面积。

3 结果与分析

3.1 不同抽样方法NDVI 的空间自相关分析

3 种不同抽样调查方法NDVI 指数空间分析LISA 图如图5 至图7 所示，空间自相关Moran'I 系数计算结果如表1 所示，空间平衡抽样(0.112034)＞简单随机抽样 (0.0994846) ＞系统抽样(0.0908457)。结果表明：系统抽样的空间自相关性最弱，空间平衡抽样的自相关性最强，但总体数值差距很小，3 种不同抽样方法的空间相关性大致一样，空间平衡抽样的优势不突出，且呈现较明显的聚集分布格局，导致这一结果的原因可能是样本容量与理论计算容量相差过多，且抽样强度不够，致使它的抽样精度优势和样本点的均衡分布性能无法体现出来。

表1 不同抽样方法空间自相关系数统计Tab.1 Statistical table of spatial autocorrelation coefficient of different Sampling method

图5 随机抽样NDVI 空间自相关分析Fig.5 Spatial autocorrelation analysis of Random sampling NDVI

图6 系统抽样NDVI 空间自相关分析Fig.6 Spatial autocorrelation analysis of System sampling NDVI

图7 空间平衡抽样NDVI 空间自相关分析Fig.7 Spatial autocorrelation analysis of Spatial balance sampling NDVI

3.2 不同抽样方法的抽样精度分析

从表2 可知，海南省森林资源类型中，疏林地、苗圃地和竹林地等类型面积占比较少，乔木林地、混交林地、未成林造林地、灌木林地这4 种类型面积占比较大，3 种抽样调查方法中的样本点主要集中分布在这几种类型中。按照从高往低的顺序，3 种不同抽样调查方法的总体平均精度依次为：空间平衡抽样＞简单随机抽样＞系统抽样，空间平衡抽样的总体抽样精度最高，简单随机抽样居中，系统抽样精度最低。从海南省各地类类型面积比例与二类调查数据相比较来看，空间平衡抽样的比例与二类调查数据更为接近，抽样精度最高，系统抽样与简单随机抽样精度不相上下。简单随机抽样虽简单易行，但样本点空间易分布不均，导致了较低的抽样精度；系统抽样虽保证了样本点的均匀分布，但也存在抽样误差不能合理计算和调查因子的周期性变化影响这两点缺陷，因此抽样精度亦不是最佳；而空间平衡抽样结合了随机抽样、系统抽样的优点，使样本空间格局与总体空间格局具有近似型，因而抽样精度较为理想。

表2 不同地类抽样方法精度分析Tab.2 Accuracy analysis of sampling methods in different classes

4 结论与讨论

该研究以海南省森林资源为研究主体，以2017年海南省Landsat-8 OLI-TIRS 遥感影像数据和2009 海南省森林资源二类调查本底数据为数据基础。同时选取3 种不同抽样方法，通过参数的提取与估算对各样本点的地类信息进行研究，基于此基础上采用空间相关性和抽样精度等评价指标对3 种抽样方法进行分析，并得出如下几点结论：1）不同抽样方法NDVI 地统计学分析表明，3 种不同抽样调查方法NDVI 指数的空间自相关Moran'I 系数计算结果为空间平衡抽样（0.112034）＞随机抽样（0.0994846）＞系统抽样（0.0908457），系统抽样空间自相关性最弱，空间平衡抽样自相关性最强，但总体数值差距很小，空间平衡抽样的优势不突出；2）海南省森林各地类面积模拟抽样精度分析表明，在随机、系统、空间平衡3 种抽样方法当中，空间平衡抽样的总体抽样精度最高、简单随机抽样居中、系统抽样精度最低。

传统的抽样调查法因其本身所存在的固有缺陷已越发不适用于现如今的森林调查当中，当森林处于大面积连续分布的状况时，采用传统抽样方法可以获取较为精确的数据。但由于社会科技的高速发展，随之带来的是大量人为砍伐开垦活动造成的森林生境破碎化和资源日益枯竭，从而导致森林资源存在大量点状、线状或面状分布的情况，传统抽样方法难以对此进行精准测定。且随着森林调查内容增加和精度要求提高，传统抽样方法的局限与缺陷也越发突出[12，24]。

空间平衡抽样作为新颖的自然资源调查方法，目前还没有被广泛应用于资源调查中，且与传统经典抽样方法相比，空间平衡抽样的方法理论还存在较多不完善之处，还有待未来更深入的研讨。李明阳等人的研究表明[10，13]，与2 种传统抽样方法相比，空间平衡抽样无论是在调查成本的减少还是在抽样精度的提升方面均都具有明显的优势，这一结果也验证了该研究所得结论；但也有研究表明[11，12]，如果样本容量与理论计算容量相差过多，且抽样强度不够时，空间平衡抽样的精度优势和样本均匀分布等性能就无法得到很好的表现。该研究中所得结论是建立在海南省地区的森林结构复杂多样、调查因子空间自相关性强等特征基础上，但在其他地区的森林调查中是否适用还不得而知，尚需进一步研究和探讨。