云南森林资源遥感监测及时空变化分析

苏 莉，戴春莉，杨荣凤，马 品*

(1.云南省审计厅，昆明 650032；2.云南省地图院，昆明 650034)

森林影响着生态系统内部与外部的物质能量交换，对全球能量循环及物质的生物化学循环具有重要的影响[1-2]，森林覆盖的动态变化，是地球系动态变化的重要驱动力，可以间接反映多种陆地生态系统的情况，包括生物多样性丰富度，碳储存和供水，土地覆盖/土地利用[3-4]、水土流失[5-6]、气候变化[7]、自然灾害[8-10]、地表生物量[11-13]、陆地碳循环[14-18]等。森林动态监测也是生态环境研究的热点问题[19]，一直备受专家关注。植被是地表重要的覆被物，监测森林动态变化，揭示覆盖在时间和空间上的变化规律等，可对区域生态环境评价提供重要基础数据和科学参考。先前的研究缺乏基于高分辨率、长时间系列的森林量化数据和森林时空变化详细信息，特别是地图形式数据，限制了对森林重要性的准确判断和对森林变化的精确预测。

云南省广阔的森林对全球碳储存和生物多样性保护做出了重大贡献。为了减少人口、经济和社会的快速变化，尤其是大规模基础设施建设、农业用地扩张和木材市场需求的扩大对该区域的森林构成威胁和压力，影响区域生态系统的可持续发展，人们不得不重视森林保护。为了更有效地将科学和政策与生态系统联系起来，我们必须完善森林监测、报告和核查。利用陆地卫星数据记录森林变化的趋势对于制定和执行政策至关重要。且自1972年以来Landsat卫星系列不断观测地球[20]，提供了地图式的地球表面数据，在空间上连续且高度一致，并且可以在一定空间和时间尺度上获得。因此，我们基于高分辨率、多时相卫星图像，分析研究了云南省2010-2018年森林覆盖时空动态变化特征、森林总损失与收益及其趋势等。

2 研究区概况及数据与方法

2.1 研究区概况

云南省位于中国的西南地区，西部与缅甸接壤，南部和老挝、越南毗邻。云南省地跨长江、珠江、元江、澜沧江、怒江、大盈江6大水系，全省河川纵横，湖泊众多。云南的滇池是中国西南地区最大的淡水湖，面积为330 km2。该省的国土面积为394.1×103km2，在行政上划分为8个地级市和8个自治区。2018年云南省总人口为4 829万人，实现生产总值17 881亿元。云南地形较为复杂，最高海拔高达6 726 m，最低海拔为负80 m。地势呈西北高、东南低，东部的滇中高原是云贵高原的组成部分，西部地势险峻，形成山岳冰川地貌。云南属于亚热带和热带季风气候。云南地处东经97°～106°，北纬21°～29°，地理位置如图1所示。

图1 研究区区位图

2.2 数据获取与筛选

为了实现本研究的目标，本文采用了空间分辨率为30 m的遥感影像数据集，提取云南省区域土地覆盖分类数据。研究区卫星数据的可用性有限，我们使用来自不同传感器的图像，包括Landsat5 Thematic Mapper(TM)，Landsat7 Enhanced Thematic Mapper Plus(ETM +)和Landsat8 Operational Land Imager(OLI)。Landsat图像是一个重要的和流行的数据资源，很容易获取数据源，并且有一个合适的空间分辨率。表1提供了有关Landsat数据的详细概述。覆盖整个研究区域需要31个场景的OLI/TM/ETM +图像(列号：127-135，行号：40-46)，Landsat图像可以在http://earthexplorer.ugus .GOV /免费下载。目视检查每个图像以排除具有可见积雪的冬季图像。当云覆盖率达到诸如30%的阈值时，时序图像被认为是不可用的，并且剩余的70%的图像也将被丢弃。由于该地区的季风气候模式，在雨季期间难以获得该地区的无云图像，应在雨季结束(11月)和干燥季节(三月)开始之间获取图像。根据物候和云层选择了最佳时相图像数据，所有的选Landsat图像中有90%的云层覆盖率为零。

2.3 研究方法

图2解释了基于Landsat图像进行土地覆盖分类以及相关的变化检测分析的策略。首先对30 m空间分辨率Landsat遥感数据进行预处理；利用预处理后的数据，基于决策树分类算法对云南土地覆盖类型进行分类；基于混合矩阵精度认证法对分类数据进行精度认证；将栅格数据和研究区边界矢量数据进行叠加分析，提取研究区域内的栅格数据；然后基于空间矩阵转移法检测森林的空间覆盖变化，对2010-2018年的时间序列数据进行森林变化的时空分析。

图2 技术路线图

2.3.1 遥感数据预处理 通过遥感卫星传感器获取图像数据集，对原始数据进行数据包解析是获取图像信息的第一步。然后进行数据拼接、准确识别研究区域数据。从视觉上检查Landsat图像以评估图像质量。对原始数据进行辐射定标和大气校正。使用快速视线大气分析模型(FLAASH)进行大气校准。FLAASH是第一原理校正的大气校准工具可见光通过近红外和短波红外区域的波长。

2.3.2 土地覆盖分类数据 基于信息论的CART算法是一种广泛使用的决策树分类方法。分类树策略使用Gini索引。训练特征集主要通过参考Google Earth从ETM+图像的视觉解释中收集，选择具有较纯土地覆盖类型的像素作为特征样本，训练数据集为D, 计算现有特征对训练数据集的基尼指数，对于每个特征A，可以获得每个值a，根据该值将训练样本切割成D1和D2两部分，并且当A=a时的基尼指数根据以下公式(1)计算。在所有可能的特征和所有可能的值中，选择具有最小基尼指数的特征及其分割点作为最佳特征和分割点，从节点生成两个子节点，并将训练数据集分配给子节点。在模型中，数学方法用于自动构建决策树，决策树用于对地表类型进行分类。

表1 LandSat数据信息表

(1)

光谱带通常用于基于光谱特征对土地覆盖进行分类。光谱上的水体通常表现出较低的反射率，并且随波长增长反射率逐渐下降。冰川和永久积雪在影像上的光谱和纹理特征都十分稳定，单景影像的冰雪较易提取。在30 m分辨率影像上，耕地随着生长季的不同，影像上的表现特征不同，在假彩色波段组合的情况下，处于生长期的农田表现出植被的特征，收割后或休耕的农田呈现亮白色。影像特征上，森林光谱特征明显，通常具有较高的植被指数值。裸地光谱与其组成物质特点关系密切，纹理特征则主要由地貌类型决定。本文通过物候数据分析，提高了分类精度。此外，通过手动修改和增加样本点数量，重复测试样本数据，根据不同影像的实际光谱特征使用适当的阈值，可提高土地覆盖分类数据的精度。针对30 m分辨率的尺度特征，本研究采用已有的分类体系，将每个场景分类为七种土地覆盖类型，即森林、水域、耕地、草地、裸地、建筑用地、永久积雪与冰川。

2.3.3 土地覆盖分类数据精度评价 目前，混淆或误差矩阵是准确性评估的核心[22-23]。在遥感文献中已经讨论了许多精确度评估方法[24-29]。混淆矩阵主要用于提供专题图精度的基本描述和精度的比较。本研究采用混淆矩阵精度认证法中的总体分类精度和kappa系数两个指标对分类图像进行精度认证。通过分层随机抽样选择评估样品。总体分类精度和kappa系数两个指标分别根据公式 (2)和(3)计算。

(2)

(3)

为了使采样点的数量与土地利用类型相匹配，使用线性分解方法来分配2 000个采样点。水体，永久积雪和冰川覆盖的地面物体比例最小，因此增加了这两种类型的评估样本点。其中，面积最小的永久积雪和冰川有采样点60个，面积最大的森林有采样点1 050个。

3 结果与分析

3.1 土地覆盖分类数据精度

从表2看出，本研究总体土地覆盖分类数据精度为93.26%，七种土地覆盖类型数据精度也都在85%以上，总体分类精度较高达93.26%，卡帕系数0.901 4。

表2 云南省土地利用分类数据精度评价表

3.2 2010-2018土地利用覆盖变化

3.2.1 森林覆盖空间变化特征 不同规模的土地覆盖信息具有不同的特征，可以用于确定云南省地区的土地利用动态变化。从图3看出，2010-2018年云南省各州、市的土地覆被类型的空间形态差异明显。云南省西部和南部地区的森林空间分布较密集，东部和北部的森林空间分布较稀疏。各州、市的森林面积差异较大，德宏州的国土总面积最小(10 846 km2)，同时森林总面积也最小(7 830 km2)，普洱市拥有最大国土总面积和森林总面积，分别为41 658 km2和31 917 km2；怒江市、普洱市和丽江市的森林空间分布最均匀，昭通市的森林主要分布在中部地区，东部和西部地区森林空间分布面积较小。

图3 2010-2018年云南省各州、市的森林空间覆盖图

3.2.2 云南省森林及其他覆盖的动态变化 从表3可看出，2010-2018年，整个云南省的森林覆盖面积变化较小，共减少695 km2，但大理市森林面积减少的速度远远超过了全省，共减少了1 188 km2，文山的森林面积增加了1 047 km2，其余州、市森林面积变化较小。2010-2018年云南省建筑物面积增加了2 118 km2，耕地、森林和裸地面积分别减少了709、698、281 km2。其中昆明市、红河州和曲靖市的建筑物面积分别增加了517 km2，259 km2和280 km2。期间楚雄市(40 km2)、迪庆州(12 km2)、普洱市(48 km2)和西双版纳州(32 km2)的耕地面积增加，其余州、市的耕地面积减少，其中昆明市耕地减少面积最大(128 km2)；丽江市(267 km2)和西双版纳州(-298 km2)的草地面积变化最大，昭通市草地面积增加42 km2，其余州、市的草地面积基本保持不变。

表3 云南省2010-2018年土地覆盖类型面积变化

云南省2010-2018年森林面积平均每年减少77 km2，不同利用方式土地占国土面积的比例森林比较接近，分别为63.71%和63.38%；建筑面积增加了29.22%，耕地(-0.34%)、裸地(-0.23%)和森林(-0.30%)基本保持稳定，其中昆明市建筑物面积增长最快(52.65%)，其次是红河(42.74%)，迪庆建筑物增长速度最慢(1.53%)，大理市也较慢(11.79%)；文山州草地面积减少最大(398 km2)，怒江市草地面积没有发生变化。2010-2018年全省有1 047 km2森林再生，降低了森林的年损失率，除文山市外，其它所有州、市都有一定程度的森林损失。全省毁林率低(0.29%)，但大理市毁林速度是全省平均值的20倍，昆明市和普洱市的毁林速度是全省毁林速度的2.4倍。

3.2.3 云南省森林空间覆盖率 从图4可以看出，云南省不同州、市森林覆盖率(B)和森林面积占全省森林面积的比例(A)不同。2010-2018年云南省森林覆盖面积变化较小，森林覆盖率仅仅下降了0.19%，全省除文山森林占国土总面积的比例增加3.55%外，其它各州市森林面积所占州市总面积的比例都下降，其中大理市森林占国土总面积的比例下降最大(-4.14%)，其余州市下降幅度较小。

图4 云南省各州、市的森林覆盖率

云南省2010-2018年森林覆盖率保持相对稳定状态，达到63%左右，对绿色生态系统的影响很小，如植被生产力。不同州、市森林覆盖率不同，南部的西双版纳州和普洱市的森林覆盖率最高，东北部的昭通市和曲靖市的森林覆盖率最低。普洱市、大理市和楚雄州森林面积占全省森林总面积的比例排列前三。大理市森林面积急剧减少，毁林率达到5.83%，导致生态系统服务功能退化。

过去30 a，由于人口、经济和旅游业的增长，云南大部分地区都发生了快速的城市化[31-32],相伴的是地形地势、区位等良好的耕地等变更为建筑用地和游览绿地。2010-2018年全省各州市建筑面积占各州市总面积的比例都在增加，其中昆明市增加比例最高(2.56%)，迪庆州增加比例最低(0.01%)；各州、市草地面积占国土面积比例都在减少，其中迪庆占比下降最大(-12.51%)，怒江草地占国土面积比例基本保持稳定；各州、市耕地占各州市国土总面积比例变化相对较小，其中楚雄州、普洱市、红河州和西双版纳州占比增加，其余州市占比下降；永久积雪和冰川、裸地和水体面积所占州市总面积的比例相对保持稳定。

4 结论与讨论

本研究基于30 m空间分辨率的Landsat数据，完成了2010-2018年云南森林空间覆盖遥感制图。根据9年森林的覆盖轨迹，确定了森林覆盖面积减少和增加的区域，量化了森林总损失和收益，提供年度损失信息并量化森林损失趋势，系统分析了森林动态变化特征，以地图形式呈现了两个空间尺度的森林空间覆盖格局。研究结果表明，云南省森林的空间损失和空间覆盖率在通州、市之间差异很大。森林覆盖率较高的城市土地覆盖变化的环境效应与森林覆盖率较低的区域相比有显著差异，由于土地覆被转化过程而出现不稳定的动态平衡。

云南省目前的土地利用空间分布十分不均匀，2010-2018年云南省的植被比例基本保持稳定，陆地生态系统日益协调，各州市的森林空间分布有明显差异，部分州、市的森林空间分布密集且均匀，另一部分州、市的森林空间分布稀疏且不均匀；南部地区森林分布比较密集，东北部森林分布较稀疏。建议综合分析不同生态区域的州、市土地覆盖变化及其生态影响，调整云南省的农业用地管理策略和林地保护策略，东北部地区应大力推进退耕还林，同时农田开垦。

研究期间，植被平衡表现为未改变的、失去的和新的植被。每个州、市的森林空间分布因农业用地的扩张而变得破碎，几乎毗邻的森林区域演变为越来越小的斑块。大理市的植被比例有明显下降(4.14%)，文山州的植被比例略有上升(3.64%)。经济发展快、人口稠密和旅游业发展的地区，森林损失更严重，高海拔地区限制了人们对木材的采集和利用。这种两极化现象主要是由于中部地区大量人口的日益增长资源需求，国家森林资源的控制力下降和偏远高海拔地区限制了人们对木材的采取。大理市经济和旅游业的较快速度发展导致森林损失，大规模和快速旅游业投资应引起政府关注。