基于天空地一体化森林资源调查的小班因子设置与信息获取方法

代华兵,李春干,庞 勇,李崇贵

(1.广西壮族自治区林业勘测设计院,南宁 530011；2.广西大学 林学院,南宁 530004；3.中国林业科学研究院资源信息研究所,北京 100083；4.西安科学大学 测绘科学与技术学院,西安710054)

森林资源规划设计调查是林业一项重要的基础性工作,以地面调查为主的传统方法调查内容十分丰富,但也存在着工作量大、人力投入多、劳动强度大、调查工期长、效率低[1-3]、质量难以保证[4-6]等问题。虽然近10余年来SPOT-5,IKONOS,QuickBird,ALOS,GF-1/2,ZY-3,WorldView-2/3等高空间分辨率光学卫星遥感数据广泛应用于森林小班区划[7-11],大大地提高了森林面积调查精度和工作效率,但仍需逐一小班在实地进行林分林木因子调查。因此,传统方法中存在的问题仍未得到根本性改善。

机载激光雷达提供的高精度高程信息和对森林的穿透能力,能够提供精确的树高和直观的冠层垂直和水平结构信息,结合地面样地调查数据,可开展林分尺度森林参数的估测。早在20世纪七八十年代,一些学者开始应用激光雷达进行林分高度、郁闭度等森林参数测量,并取得了良好效果[12-16]；90年代以后,随着DGPS(差分全球定位系统)和IMU(惯性测量单元)技术的发展及其成功用于机载遥感平台的定位和姿态控制,机载激光雷达技术得到了迅速发展,研究者研发和提出了许多采用激光雷达点云数据反演林分参数的算法,极大促进了机载激光雷达在森林资源和生态监测中的应用[17-28]。

当前,航空航天光学遥感技术、机载星载激光雷达遥感技术和地理信息系统技术发展迅速,如何应用这些现代高新技术改造传统森林资源调查技术,实现森林资源的精准、快速、高效、多产调查监测,是森林资源监测工作者面临的重大技术问题。鉴于此,我们分别于2016年在广西国有高峰林场(小规模试验,面积4 770 hm2)，2017年在广西壮族自治区南宁市(应用试点,面积2.21万km2)，试验了以天-空-地多源海量数据为基础的高分遥感小班精细化区划和基本属性准确识别-机载激光雷达遥感小班林分林木调查因子精准估测-历史调查资料和辅助数据小班自然环境和经营管理属性快速提取为总体技术路线的天空地一体化森林资源调查监测新技术体系,取得了良好效果。试验结果表明,小班的绝大部分调查信息均可通过相关技术在室内快速获取,地面调查工作量大幅减少,有效地克服了传统方法中存在的问题。本文将介绍新技术体系总体思路、小班调查因子设置和信息获取方法。

1 新技术体系总体思路

以森林资源天-空-地多源海量数据为基础,通过航空和卫星正射影像(DOM)进行小班区划和基本属性识别并作地面补充调查,通过卫星图像变化检测更新小班区划图,通过机载激光雷达点云数据和地面样地调查数据建模估测林分参数(平均直径、平均高、每公顷断面积、每公顷蓄积量、每公顷林木株数、郁闭度),通过DEM、历史调查资料和经营管理档案资料等提取小班自然环境(地貌、坡向、土壤类型等)和经营管理属性(权属、公益林事权级、林地保护等级等)因子。总体技术路线如图1所示。

图1 天空地一体化森林资源调查新技术体系总体技术路线

2 小班调查因子设置

森林资源规划设计调查是为掌握县级行政区域和森林经营单位(国有林业局和林场)森林资源现状及动态、分析与评价经营活动效果、编制或修订森林经营方案而进行的森林资源清查[29]。森林资源规划设计调查包含:小班调查和专项调查,前者属清查性质,调查数据落实到每个山头地块(小班),具有全覆盖的特点,也是调查的重点；后者为专业调查,具有典型调查的特点,包括森林土壤、森林病虫害、野生动植物资源、森林生态效益、林区非木质资源等调查。

2.1 小班调查内容

小班是森林资源调查、统计和经营管理的基本单元,是指土地利用方式、用途、经营特点和覆盖特征基本相同的地段(块)。小班划分一般依据土地类型、土地和林木权属、林种、优势树种(组)、林木起源等10个基本条件[30]。

小班调查内容包括:各类林地的面积、各类森林和林木的蓄积、林地和森林自然地理环境、森林经营条件等[30]。

2.2 小班调查因子设置

2.2.1基本原则

小班调查因子是小班调查内容的具体体现,是区域森林资源调查内容在每个山头地块的具体落实。作为森林资源调查的基本单元,小班调查因子设置应遵循以下基本原则:

1)在整体上服从于森林资源调查的内容,满足森林资源调查目的。

2)全面反映小班林地和林木资源的类型、数量、质量和结构。

3)较全面地反映小班林地和林木资源的自然环境及经营管理状况。

4)易于直接准确地调查或估测,可操作性强。

5)尽可能地简单、实用,提高成本效益。

2.2.2小班调查因子

根据以上原则,综合考虑森林资源调查的目的、成本和效率,本次调查设置了59项小班调查因子,其中反映小班空间位置(行政区划、森林区划、国有林区划)的因子15项,具有实质性内容的调查因子44项,具体情况如表1所示。

本次调查的林地分类采用了新的分类系统,该分类系统以国标《土地利用现状分类》[31]为基础,结合林业和森林资源调查的特点进一步细化。因此,在表1的小班调查因子中,设置了附加土地类型——林地保护利用规划的土地类型(仅分林地和非林地2个类型)和林地传统类型(与第九次森林资源连续清查的土地分类系统相同),其目的是为了有效地将小班区划与林地保护利用规划、传统调查资料进行有效衔接。

与传统的小班调查内容[30]相比,以上小班调查因子中缺少了下木植被、天然更新、林分健康状况及腐殖质厚度、土壤质地等需要实地调查记录的因子,增加了附加空间位置类组因子,其原因是在国土“一张图”中,国有林场、自然保护区中连片区域单独作为村级行政单位,而其非连片分布区域归入相邻村级行政单位,为便于国有林场、自然保护区的资源统一管理,故增加了此类组调查因子。

表1 小班调查因子设置与信息获取方法

3 小班信息获取方法

在传统的森林资源规划设计调查中,小班的绝大部分调查信息均通过地面调查获取。经过研究与实践,在新技术体系中,除小班基本属性外,这些信息均可在室内通过相关方法自动获取(表1)。现根据数据源将获取方法详细分述如下。

3.1 由林班图自动赋值

国土“一张图”将国有林场、自然保护区等较大面积连片分布部分区划为村级行政单位(但常见界线错误),非连片分布部分划入相邻村级行政单位区划。因此,需采用林场、自然保护区等确权界线调整国土“一张图”的村级行政界线,然后在此基础上区划或调整林班界线。为便于国有林场、自然保护区经营管理,须保留它们原有的森林区划系统。为此,还需采用国有林场、自然保护区非连片区域的边界切割林班图。最后,对林班图的市、县、乡镇、村、林班及林场、自然保护区等各项空间位置和附加空间位置属性进行赋值。

小班区划在林班图的基础上进行。小班区划完成后,除小班号和国有小班号外的空间位置和附加空间位置均已赋值,仅需要进行小班编号和国有小班编号。其方法是:根据从北到南、从西到东的“之”字编号原则,编写小班自动编号计算机程序,然后通过该程序进行小班号和国有小班号自动赋值。

3.2 图像解译和地面补充调查

在航空遥感数字正射影像(图2(a)和图2(b))或高空间分辨率(优于0.5 m)卫星遥感数字正射影像(图2(c))上,树木、房屋、道路、桥梁、田坎、沟渠等各种地物清晰可辨。依据地物的颜色、色调、形状、大小、纹理、图案、阴影、位置和空间关系等,不但通过屏幕矢量化方法可以准确地勾绘小班边界,而且通过目视解译方法可以准确地判别小班的土地类型、优势树种(组)、林木起源和伴生树种(组)等小班基本属性。小班区划质量检验结果表明:469个小班的面积平均误差为0.5%,平均重叠率[32]为99.7%。小班基本属性识别精度实地检验结果表明:12个林班2 160个小班的土地类型正判率达到了99.8%,优势树种(组)总体正判率达到了97.5%,林木起源正判率达到了98.4%。

图2 通过航空和卫星数字正射影像可精细化区划小班和准确识别其基本属性

对于图像解译难以准确识别其基本属性的小班,可通过实地补充调查进行确认。试验结果表明:对于具备一定遥感理论技术基础并经严格训练的专业人员而言,小班基本属性识别准确率可达到95%以上,需要实地补充调查的小班一般不超过小班总数的3%。

3.3 DEM自动提取

试验结果表明:机载激光雷达(航高2 500 m)获取的点云数据,平均点云密度≥2个/m2,高程中误差≤0.2 m,可按2 m格网间距生产1∶10 000数字高程模型(DEM)[33]。

DEM中每个像元均带有高程信息,并且可生产坡度、坡向图(栅格图)。将小班边界与栅格图进行叠合,根据小班覆盖的像元情况(全覆盖、部分覆盖,图3),通过面积加权法可快速提取小班海拔高、坡度、坡向信息。

图3 面积加权法提取坡度等信息

以DEM生成的三维地形模型为基础进行地貌区划,得到地貌区划图(矢量)；然后将其与小班图进行叠合,按面积优势法可快速提取小班地貌信息。

小班坡位信息的提取算法略为复杂,需要确定小班所在区域的山脊走向和局部最高点,然后根据小班多边形质判定其在坡面的位置。

3.4 历史调查资料和辅助数据自动提取

大部分县级行政区域和森林经营单位都开展过多次森林资源调查,积累了丰富的历史调查资料,并且在长期林业经营管理过程中,积累了大量的重点生态公益林区划界定和调整、林地保护利用规划、林业工程规划等资料。此外,一些机构也制作了较大比例尺的土壤类型分布图、土壤成土母质分布图等,将这些数据整理、修正后,编制调查区域土壤成土母质、土壤类型、土层厚度、石砾含量等级、土地权属、林木权属、林种、森林类型、公益林事权等级、国家级公益林保护等级、林地保护等级、林业工程类别等专题图(栅格或矢量),通过计算机程序按面积加权法(针对栅格图)或面积优势法(针对矢量图),可自动快速提取小班的上述相应信息。

3.5 机载激光雷达遥感估测

将激光雷达点云数据分成地面点、植被点和其他非地面点,用地面点使用TIN插值法生成DEM,将植被点高程减去相应位置的DEM高程,得到去除地形影响的归一化植被点数据集。采用统计方法,将地面样地空间范围内的全部归一化植被点生成两类统计变量:1)与高度相关的变量,包括高度分位数、最高高度、最低高度、高度分布范围等；2)与密度相关变量,包括植被回波数、地表回波数、总植被密度、地表回波百分比等。

利用以上激光点云数据统计变量与地面样地调查数据分别建模,可得到样地尺度各个优势树种(组)的林分平均直径、平均高、单位面积蓄积量、林木密度等林分参数估测模型；结合激光点云数据进行林分参数估计与制图,可得到以样地大小(20 m×20 m)为格网的调查区域林分参数估计值(栅格图)。结合已经完成基本属性识别的小班图,采用面积加权平均法,通过计算机程序可以自动提取小班平均直径、平均高、优势高、每公顷断面积、每公顷蓄积量、每公顷株数、散生木四旁树蓄积和株数等信息。

根据小班内激光点云的垂直分布进行制图,可以直接判断其是否具有乔木层、下木层、草本层,以及是单层林还是复层林,从而可通过计算机程序直接对小班林分群落结构和林层结构因子赋值。

3.6 其他方法

设在某一年度(t0)遥感图像上,某一地段为裸露土地,若干年后(t1)该地段为森林覆盖,则可以认为该地段森林形成于t0～t1年间,取(t1-t0)/2为其形成的年度,则该林分至调查时(tn)的年龄为tn-(t1-t0)/2。

采用1984年以来的长时间序列Landsat MSS/TM/ETM+/OLI系列中分辨率卫星图像和GF-1卫星图像(16m宽幅)等,通过变化检测方法,编制森林形成年度图,用于提取小班林分平均年龄。对于桉树等生长极为迅速的树种,该方法得到的林分平均年龄十分准确；对于杉木、马尾松等中生树种和慢生树种,该方法得到的林分平均年龄存在1～2年、2～4年的延时。由于异龄林中林木年龄相异,该方法不适用,可通过建立林分平均高与平均年龄估计模型进行估计。

2013年以来,广西壮族自治区每年均采用高空间分辨率卫星遥感图像进行林地变更调查,变化图斑均经实地核查,这些成果资料为2013年后的林分年龄提供了可供参考的基础数据。

3.7 小班信息自动获取的实现流程

1) 在GIS软件平台支持下,根据需要调整村级以上行政界线和林班界线,得到林班图。

2) 在GIS软件平台支持下区划小班(或采用配备专用程序的平板电脑),并采用辅助工具进行基本属性识别,然后用林班界线切割小班图。

3) 在GIS软件平台支持下,利用DEM进行地貌类型区划和生成坡向、坡度图。

4) 收集、整理并在GIS软件平台支持下按技术标准检查、修正前期小班调查图和林地“一张图”、重点公益林区划界定和调整成果图、各项林业工程规划设计成果图。

5) 若可能的话,收集、整理大比例尺土壤类型分布图、成土母质分布图等。

6) 获取激光雷达森林参数估测结果图、长时间序列森林变化检测结果图、历年林地变更调查成果图。

7) 运行小班信息自动获取计算机程序,加载上述各种图形图像数据,指定各项调查因子获取的数据源,即可自动完成小班信息获取。

为确保小班信息获取的可靠性,上述各种图形图像数据必须具有相同的投影。

4 讨论

4.1 小班调查的内容

我国林业指导思想已由过往以木材生产为主向以生态建设为主转变,因此,一些学者认为森林资源规划设计调查应增加反映森林生态效益方面的内容[3,34-35],也有学者认为还应加强野生经济植物和其他林副产品的专业调查[36],由单纯的森林资源调查向林区多资源调查转变[37]。总之,普遍认为森林资源规划设计调查不应仅着眼于森林面积和蓄积调查,应对小班的森林植被、自然环境、经营管理状况等进行全面、详细的调查。

在森林资源规划设计调查中,小班调查和专项调查各有分工。小班调查以摸清各个山头地块的森林资源现状(类型、数量、质量、结构等)和自然环境条件为主,提供描述森林及其自然环境当前状态的完整信息。若条件成熟尤其是具备专家队伍,根据调查区域的特点在森林资源规划设计调查中选择性开展若干项专项调查是必要的,也是鼓励的。然而,在现实的森林资源规划设计调查中极少开展专项调查,以致造成小班调查就是全部森林资源规划设计调查的错觉,导致很多调查内容都想落实到小班,不但增加了工作量,也由于专业性要求较高而难以确保调查质量。

我国现行小班调查因子50余项[30],可归纳为:基本属性、自然环境与立地条件、经营管理属性、林分因子、散生木/四旁树、下木植被与天然更新、空间结构、森林健康8个类组。在本文设置的小班调查因子中,缺少下木植被(优势或指示种、平均高、盖度)与天然更新(幼树或幼苗种类、年龄、平均高、平均根径、密度、分布状况和生长状况等)、森林健康(病虫害种类、危害程度、火灾受害面积、损失蓄积等)2个类组的调查因子。尽管这两个类组的调查信息对完整描述当前森林状态都十分有用,前者还有利于异龄林的经营管理,后者的专业性较强,但是,把这2个类组的调查内容归入专项调查(森林生态因子、森林病虫害和森林火灾)似更合适。实际上,现行森林资源统计报表中[30]并未体现这2个类组的调查结果,也在某种程度上反映了这2个类组提供的信息并非基本的森林资源信息。

总之,文中设置的小班调查因子,较为全面地反映了每个山头地块的森林自然状态、经营管理属性、自然环境与立地条件,能够提供较为完整的森林资源信息,完全满足集体林区森林经营管理需要和传统方法中资源统计报表的统计需要,也能够满足森林经营方案编制、各种林业规划编制、森林经营成效评估、林业方针政策制定、党政生态文明建设绩效考核、地方自然资源资产负债表编制、空间规划编制等对森林资源基础数据的需要。

4.2 小班信息获取质量

传统方法中,小班调查因子都是由调查员逐项填写调查卡片(现大部分采用平板电脑代替调查卡片),受调查员理论技术水平限制,加上工作量极大(每个小班需填写70多项甚至更多),调查记录错误难以避免,甚至还会大量出现山顶为中山地貌而山脚为丘陵地貌、相邻小班一个为红壤而另一个为黄壤等低级错误。因此,每个调查单位都花大量的时间进行小班调查因子错误检查、修正,这严重影响了工作效率。

在本文介绍的方法中,除小班基本属性需要人工逐一判读及部分补充调查、林分因子需要构建基于机载激光雷达数据的估测模型外,其余调查因子均通过编写计算机程序自动赋值。其中,小班基本属性识别在计算机辅助识别工具下进行,调查人员将自定义好的基本属性组合后,只要单击鼠标,即可实现小班属性数据表中基本属性项的自动赋值,训练有素的调查员每个工作日可完成1 500～2 000个小班的判读。其余调查因子,每个县需7～10个工作日准备、整理相关资料后,通过计算机自动赋值程序,只需12～20 h即可完成一个县的小班信息提取,工作效率大为提高。此外,基础资料的整理、修正等工作只需1～3人,加上可复核检查,小班调查因子的获取质量可控,有效保证了小班调查质量。

5 结论

1) 新技术体系设置的小班调查因子,较为全面地反映了小班林地和林木资源状况及其所在自然环境条件,包括林地类型、森林类型(林种、优势树种组)、数量(面积、蓄积量)、质量(平均直径、平均高、单位面积蓄积量等)和结构(树种结构、群落结构、林层结构)、自然环境和立地条件(地形地貌、森林土壤、立地类型等)、经营管理(权属、林种、公益林事权级、林地保护等级、林业工程类别等),完全满足集体林区森林经营管理需要和森林资源报表的统计需要,并可满足各种相关应用对森林资源基础数据的需要。

2) 除小班基本属性需要逐一进行判读及部分补充调查外,新技术体系的其余小班因子都实现了计算机自动赋值,不但极大地提高了工作效率,而且有效地避免了由于调查员理论技术水平参差不齐造成的错误,小班调查数据质量可控,有效保证了小班调查数据的可靠性,确保森林资源调查成果质量。