王學(xué)成， 楊 飛， 高 星， 張英慧

(1.中國科學(xué)院地理科學(xué)與資源研究所資源與環(huán)境信息系統(tǒng)國家重點實驗室，北京 100101； 2.中國科學(xué)院大學(xué)，北京 100049)

0 引言

2008年初，我國南方地區(qū)遭遇了50 a一遇(部分地區(qū)百年一遇)的冰凍雨雪災(zāi)害天氣，蒙受了數(shù)千億元的直接經(jīng)濟損失[1]。此次災(zāi)害涉及范圍廣、降溫幅度大、持續(xù)時間長，給我國林業(yè)造成了重大損失[2]。據(jù)有關(guān)部門統(tǒng)計，此次災(zāi)害造成湖南、江西等19個省區(qū)森林受災(zāi)損害，林地受災(zāi)面積達0.186億hm2，約占全國森林總面積的1/10[3]。對受災(zāi)區(qū)域內(nèi)森林資源損害快速作出準確評估，有助于及時掌握森林災(zāi)情狀況，為災(zāi)后修復(fù)工作、森林資源管理以及同類災(zāi)害預(yù)防提供科學(xué)依據(jù)[4,5]。

目前，已有的森林雪災(zāi)損失評估方法主要有人工調(diào)查法[6,7]和遙感圖像識別法[8-10]2類。人工調(diào)查法具有準確度高、可信度高等特點，但需要花費大量的時間、人力、物力和財力，不適應(yīng)于大區(qū)域尺度的森林雪災(zāi)損失評估； 而遙感圖像識別法具有評估速度快、花費人力少、適應(yīng)于大區(qū)域尺度調(diào)查等特點，已廣泛應(yīng)用于各類自然災(zāi)害調(diào)查[11,12]。遙感圖像識別法又大致可分為圖像閾值法和影像分類法2種。圖像閾值法是比較受災(zāi)前后影像變化值(差值、變化率)，評估植被受損程度，如Isaac[8]等利用冰雪凍災(zāi)前后兩期Landsat7 ETM+影像，調(diào)查評估了美國沃希托國家森林冰雪凍災(zāi)狀況； 影像分類法是將受災(zāi)前后影像進行重新組合，采用監(jiān)督分類等方法，評估植被受損程度，如Olthof[10]等使用監(jiān)督分類方法評估了1998年加拿大安大略省東南部森林植被冰雪凍災(zāi)受損狀況。2008年我國南方地區(qū)爆發(fā)特大冰雪凍災(zāi)后，有學(xué)者[13-15]使用上述方法評估了湖南省和廣西省等地森林植被受損情況。然而上述方法存在以下不足： ①植被受災(zāi)閾值的確定存在某種主觀性； ②選取的植被受損程度評估指標沒有考慮不同像元受災(zāi)閾值的差異性，導(dǎo)致部分評估結(jié)果不合理。

針對已有方法存在的問題，本研究對圖像閾值法加以改進，提出一種新的算法——閾值比值法，對研究區(qū)進行了森林雪災(zāi)受損評估，分析森林雪災(zāi)受損的地形特征，在縣級尺度上使用部分地區(qū)人工調(diào)查數(shù)據(jù)驗證評估結(jié)果，以期提供一種森林雪災(zāi)損失的快速評估方法。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

本研究選擇湖南省為研究區(qū)。湖南省地處長江中下游，介于108°47′～114°15′E， 24°38′～30°08′N之間，總面積2 119.84萬hm2，其中林地面積達1 283.63萬hm2，占全省面積的60.55%。2008年初，湖南省遭遇到50 a一遇的冰雪災(zāi)害，境內(nèi)森林資源損失嚴重，據(jù)該省正式對外公布數(shù)據(jù)，受災(zāi)面積達453.12萬hm2，森林受災(zāi)率為35.3%。全省123個縣(市、區(qū))的177個國有林場、99個國有苗圃、114個森工企業(yè)和采育場、12個國家級自然保護區(qū)均受到不同程度損害[16]。

1.2 數(shù)據(jù)源

本文所用數(shù)據(jù)包括： 土地覆被數(shù)據(jù)、DEM高程數(shù)據(jù)、歸一化植被指數(shù)(normalized difference vegetation index，NDVI)數(shù)據(jù)產(chǎn)品及其質(zhì)量評價數(shù)據(jù)(quality assessment，QA)。

土地覆被數(shù)據(jù)來自于中國測繪科學(xué)院提供的2010年全球土地覆被產(chǎn)品數(shù)據(jù)集，該產(chǎn)品以人工解譯為主，空間分辨率高達30 m。DEM高程數(shù)據(jù)是通過91位圖助手下載的高程數(shù)據(jù)14級產(chǎn)品，空間分辨率為120 m。由于本研究采用的NDVI數(shù)據(jù)產(chǎn)品空間分辨率為250 m，需將上述兩種數(shù)據(jù)重采樣至250 m，使得3種數(shù)據(jù)空間分辨率保持一致。

NDVI數(shù)據(jù)來源于MODIS免費提供的16 d NDVI合成產(chǎn)品(MOD13Q1)，空間分辨率為250 m，時間跨度為2001—2008年，根據(jù)雪災(zāi)發(fā)生時間、持續(xù)時間以及研究區(qū)范圍，本研究選取h28v06、h27v05和h27v06這3個區(qū)域，儒略日049—064和065—080這2個時期，共計48景數(shù)據(jù)。2個時期的評估結(jié)果合成可以減少氣溶膠、云等大氣噪聲的影響，更好地反映植被受損狀況[17]。

2 研究方法

2.1 NDVI參考值及變化閾值提取

受光照等氣象條件、物候時段的影響，植被NDVI值會出現(xiàn)正常波動變化[18]； 不同類型植被對外界因素變化的響應(yīng)也是不同的。基于這兩點，本研究以像元為基本單元，認為不同像元內(nèi)的植被NDVI值在不同時段具有不同的正常變化范圍，根據(jù)災(zāi)后植被NDVI值與災(zāi)前植被NDVI參考值的變化值是否超出其正常變化范圍，判斷該像元內(nèi)植被是否受災(zāi)。

計算植被NDVI正常變化范圍，需獲取準確的植被NDVI參考值。由于不同時間光照等氣象條件不同，植被NDVI值會產(chǎn)生偏移，因此僅使用受災(zāi)前一年的植被NDVI數(shù)據(jù)作為參考值，顯然是不合理的。

(1)

式中NDVIi表示某i年NDVI值，計算R值，當R值大于某一數(shù)值時視該年NDVI 值為異常值。

表1 災(zāi)前森林像元NDVI變化率統(tǒng)計結(jié)果Tab.1 Statistical results of forest NDVI change rate before disaster

(2)

式中NDVIi′表示經(jīng)過兩次篩選后某一年NDVI值。

2.2 冰雪受災(zāi)范圍提取算法

本研究將受災(zāi)后植被NDVI 變化值作為是否受災(zāi)判斷指標，記作M，即

(3)

式中NDVI2008為2008年同時段植被NDVI值。若M>Diffmax，則認為該像元內(nèi)植被受災(zāi)，反之則認為未受災(zāi)。由于光照等氣象條件因素影響，某像元植被NDVI值無法獲取或有效性較低，無法判斷部分森林覆蓋區(qū)是否受災(zāi)。為保證提取結(jié)果準確性，本研究選擇冰雪消融時段提取森林冰雪受災(zāi)范圍，分別對049—064和065—080兩個時段進行受災(zāi)區(qū)域提取，采用“或”運算合成提取結(jié)果，即任何一個時段判斷森林受災(zāi)，則視該像元森林植被受災(zāi)。

2.3 冰雪受災(zāi)程度評估算法

圖像閾值法[19,20]以災(zāi)后植被NDVI變化值與其災(zāi)前植被NDVI參考值的比值作為植被受損程度評估指標，記作A1，即

(4)

該方法考慮了不同植被具有不同NDVI 參考值，但是沒有考慮不同植被具有不同的正常生長變化范圍，即Diffmax(也稱受災(zāi)臨界閾值)，造成某些植被NDVI值變化較大，剛超出植被的正常生長變化范圍，便被錯認為受災(zāi)嚴重區(qū)域，致使評估結(jié)果不合理。

本研究基于此提出了閾值比值法，用來評估森林雪災(zāi)損失。閾值比值法以受災(zāi)后植被NDVI變化值與植被正常生長變化范圍的比值作為植被受損程度評估指標，記作A2，計算公式如下：

(5)

2.4 精度驗證方法

本研究將人工調(diào)查數(shù)據(jù)和已發(fā)表論文中的森林雪災(zāi)植被受損程度評估數(shù)據(jù)作為真實數(shù)據(jù)，計算實驗數(shù)據(jù)與真實數(shù)據(jù)之間的標準誤差，用來評價實驗結(jié)果。此外，作者將實驗結(jié)果與地形因子(高程、坡向)進行疊加分析，間接對比2種方法評估結(jié)果。

3 結(jié)果與分析

3.1 森林冰雪災(zāi)害損失評估流程

根據(jù)研究目的，利用遙感技術(shù)對研究區(qū)進行森林冰雪災(zāi)害受損評估，首先對NDVI和DEM等數(shù)據(jù)進行預(yù)處理，使其空間分辨率、投影坐標一致； 其次，利用災(zāi)前數(shù)據(jù)提取植被NDVI參考值及植被正常生長變化范圍Diffmax，結(jié)合災(zāi)后數(shù)據(jù)進行森林冰雪受災(zāi)范圍提取，與土地覆被數(shù)據(jù)疊加，得到研究區(qū)2008年森林冰雪受災(zāi)范圍； 然后分時段對受災(zāi)區(qū)進行森林植被受損程度評估，采用最大合成法對049—064和065—080時段評估結(jié)果合成，即選取兩個時段較大的受損評估值作為最終評估結(jié)果； 最后對評估結(jié)果進行分級驗證，評估流程如圖1所示。

圖1 森林雪災(zāi)損失評估流程Fig.1 Loss assessment process of forest ice-snow disaster

3.2 森林冰雪受災(zāi)區(qū)域提取結(jié)果

森林冰雪受災(zāi)范圍提取結(jié)果如圖2所示，統(tǒng)計可知湖南省森林冰雪受災(zāi)面積為415.97萬hm2，占湖南省森林面積的34.72%，其中，受災(zāi)區(qū)域主要集中在湖南省南部地區(qū)，北部地區(qū)分布相對較少。這個結(jié)果與湖南省對外公布的2008年全省森林冰雪受災(zāi)面積453.12萬hm2相比，低了37.15萬hm2。分析其原因主要有： ①由中國測繪科學(xué)研究院提供的土地覆被數(shù)據(jù)與實際土地覆被數(shù)據(jù)存在偏差； ②本文所使用的MODIS 數(shù)據(jù)由于天氣條件等因素，造成部分區(qū)域無法判斷是否受災(zāi)。對比森林受災(zāi)率，與實際調(diào)查數(shù)據(jù)僅相差0.58%，間接證明本研究提取森林冰雪受災(zāi)范圍的準確性。

圖2 湖南省2008年森林冰雪受災(zāi)區(qū)域空間分布Fig.2 Spatial distribution of the 2008 forest ice-snow disaster area in Hunan Province

3.3 森林冰雪災(zāi)害損失評估結(jié)果

本研究采用圖像閾值法和閾值比值法對森林受災(zāi)區(qū)域進行了受損程度評估。為對比2種方法評估結(jié)果精度，本研究參考湖南省道縣人工調(diào)查法的評估結(jié)果[21]，將評估結(jié)果分為重度受災(zāi)、中度受災(zāi)以及輕度受災(zāi)3個級別，設(shè)置了相應(yīng)的分級閾值，評估結(jié)果如圖3所示。

(a) 圖像閾值法評估結(jié)果 (b) 閾值比值法評估結(jié)果

圖3森林雪災(zāi)損失評估結(jié)果

Fig.3Lossassessmentresultofforestice-snowdisaster

從圖3可以看出，2種方法對湖南省西北地區(qū)的森林受損程度評估結(jié)果大致相同，以重度受災(zāi)為主。但是南部和東部地區(qū)的評估結(jié)果相差較大，在圖像閾值法評估結(jié)果中，中、輕度受災(zāi)比重大幅度增加，在閾值比值法評估結(jié)果中，中、輕度受災(zāi)區(qū)域所占比重較小。為更加直觀地展示2種方法的評估結(jié)果，本研究統(tǒng)計了全省及部分縣市的評估結(jié)果見表2。

表2 森林雪災(zāi)損失評估統(tǒng)計結(jié)果Tab.2 Statistical results of loss assessment of forest ice-snow disaster

由表2可知，2種方法在省級尺度的評估結(jié)果比較接近，但在縣級尺度相差較大。因此，本文將部分縣市的人工調(diào)查數(shù)據(jù)作為真實數(shù)據(jù)，驗證2種方法的評估結(jié)果。將新田縣評估結(jié)果和人工調(diào)查數(shù)據(jù)[22]相對比(表3)，發(fā)現(xiàn)2種方法的評估結(jié)果均與人工調(diào)查數(shù)據(jù)相差很大。新田縣和道縣、江永縣均隸屬于湖南省永州市，其所處地理環(huán)境、植被類型相似，新田縣森林雪災(zāi)損失程度應(yīng)與其他兩縣相近，但是根據(jù)人工調(diào)查數(shù)據(jù)，新田縣的評估結(jié)果與其他兩縣的評估結(jié)果相差很大。作者認為，這是由于此次調(diào)查工作是以縣級林業(yè)局為基本單位開展的，不同的調(diào)查人員對森林資源損失程度的評判標準不同，受人為主觀影響較大，造成評估結(jié)果相差較大，特別是大尺度區(qū)域評估工作，有時難以形成統(tǒng)一的評估標準。

表3 新田縣森林雪災(zāi)損失評估統(tǒng)計結(jié)果Tab.3 Statistical results of loss assessment of forest ice-snow disaster in Xintian County

本次研究中了解到，當時江永縣與瀏陽市在人工調(diào)查法中采用的評估標準較為接近，故選取江永縣和瀏陽市作為驗證區(qū)域，以評價2種方法的評估結(jié)果。此外，江永縣和瀏陽市分別位于兩種方法評估結(jié)果相差較大的區(qū)域——湖南省南部地區(qū)和東部地區(qū)(圖4)，具有一定的代表意義。

統(tǒng)計江永縣、瀏陽市的評估結(jié)果，以人工調(diào)查數(shù)據(jù)為真實數(shù)據(jù)[23,24](表4)，計算2種方法的標準誤差。根據(jù)表1顯示，雖然圖像閾值法在江永縣的評估結(jié)果優(yōu)于閾值比值法評估結(jié)果，但是對瀏陽市森林雪災(zāi)損失評估，圖像閾值法評估結(jié)果精度遠低于閾值比值法。參考人工調(diào)查結(jié)果，圖像閾值法評估結(jié)果的標準誤差為2.96，閾值比值法評估結(jié)果的標準誤差僅為0.95。由此可見，閾值比值法更適合于森林雪災(zāi)損失評估。

圖4 驗證單元空間分布Fig.4 Spatial distribution of verification unit表4 江永縣和瀏陽市人工調(diào)查數(shù)據(jù)Tab.4 Manual survey data in Jiangyong County and Liuyang County(104 hm2)

3.4 地形因子對森林冰雪災(zāi)害的影響

地形對森林雪災(zāi)危害程度的影響顯著[25]，有學(xué)者[26]在其研究中發(fā)現(xiàn)高海拔地區(qū)森林的受損程度要遠大于低海拔地區(qū)，還有研究[27]表明陰坡森林受損程度更嚴重。為進一步比較2種方法評估結(jié)果的合理性，本研究分別統(tǒng)計不同海拔不同受損程度的森林面積(表5)，以及不同坡向不同受損程度的森林面積(表6)。

表5 不同海拔森林受損面積Tab.5 Damaged area of forest at different altitudes

由表5可知，圖像閾值法評估結(jié)果中，低海拔地區(qū)的森林受損程度更嚴重，與其他研究呈相反結(jié)論； 但在閾值比值法評估結(jié)果中，森林重度受災(zāi)區(qū)域在400 m以下、400～800 m和800 m以上所占面積比重分別為48.51%，57.36%和58.91%，隨海拔升高，森林受損程度加劇，與其他研究結(jié)論相符。與海拔地形因子相比，坡向?qū)Ρ狙芯康膶嶒灲Y(jié)果影響相對較小。對表6數(shù)據(jù)進行橫向比較發(fā)現(xiàn)，閾值比值法評估結(jié)果中位于陰坡(北面、東北和西北)的森林重度受災(zāi)區(qū)域所占面積比重均略高于圖像閾值法評估結(jié)果，位于陽坡(南面、東南和西南)的森林重度受災(zāi)區(qū)域所占面積比重與圖像閾值法評估結(jié)果相近。對表6數(shù)據(jù)進行縱向比較發(fā)現(xiàn)，圖像閾值法評估結(jié)果中位于陽坡的森林資源損失程度略高于陰坡，與其他研究結(jié)論相反； 但閾值比值法評估結(jié)果中，位于陽坡的森林資源損失程度低于陰坡，與其他研究結(jié)論相符。通過比較2種方法在不同地形因子中的森林雪災(zāi)受損評估結(jié)果，可以看出閾值比值法評估結(jié)果更加合理，更適合于森林雪災(zāi)受損程度評估。

表6 不同坡向森林受災(zāi)面積Tab.6 Damaged area of forest at different aspect

4 結(jié)論

本研究利用MODIS/NDVI同時段時間序列影像數(shù)據(jù)，計算災(zāi)前植被NDVI參考值及正常生長變化范圍Diffmax，提取森林冰雪受災(zāi)區(qū)域，采用圖像閾值法和閾值比值法，以湖南省為例，分別評估森林冰雪受損程度。采用人工調(diào)查數(shù)據(jù)和地形數(shù)據(jù)，對評估結(jié)果進行驗證，得出如下結(jié)論：

2)與圖像閾值法相比，閾值比值法的評估指標考慮了不同像元植被受災(zāi)閾值的差異性，其評估結(jié)果更加合理，更適合于大區(qū)域尺度森林雪災(zāi)受損程度評估。

3)人工調(diào)查法，受人為主觀因素影響較大，通常難以形成統(tǒng)一的評估標準，不適合于大區(qū)域尺度的評估工作。

本文尚存在不足之處，如災(zāi)前植被NDVI參考值和植被正常生長變化范圍Diffmax提取算法有待進一步研究。災(zāi)前植被NDVI參考值和Diffmax對森林雪災(zāi)損失評估結(jié)果有重要影響，將直接決定評估結(jié)果好壞。因此，作者今后將對災(zāi)前植被NDVI參考值和Diffmax提取方法的合理性展開研究，比較不同方法提取結(jié)果，改善參數(shù)提取方法，以期提高閾值比值法評估結(jié)果精度，使森林雪災(zāi)受損評估結(jié)果更加合理。