南方集体林区典型毛竹经营区林分质量遥感量化研究

doi:10.13466/j.cnki.lyzygl.2019.06.015

林业资源管理 ›› 2019›› Issue (6): 84-90.doi: 10.13466/j.cnki.lyzygl.2019.06.015

南方集体林区典型毛竹经营区林分质量遥感量化研究

林丽丽¹^,²(), 郝振帮¹^,³, 戴姗霖², 杨柳青¹^,², 刘健¹^,²^,³, 余坤勇¹^,³()

1. 3S技术与资源优化利用福建省高等学校重点实验室,福州 350002
2. 福建农林大学艺术学院园林学院,福州 350002
3. 福建农林大学林学院,福州 350002

收稿日期:2019-06-28 修回日期:2019-09-30 出版日期:2019-12-28 发布日期:2020-05-09
通讯作者: 余坤勇
作者简介:林丽丽(1991- ),女,福建莆田人,在读博士,主要研究方向:风景园林规划设计、林业3S技术应用。Email: fjldd@outlook.com
基金资助:
“十三五”国家重点研发计划(2018YFD0600100)

Using Remote Sensing to Conduct Quantitative Study on the Quality of Typical Moso Bamboo Management Area in Southern Collective Forest Area

LIN Lili¹^,²(), HAO Zhenbang¹^,³, DAI Shanlin², YANG Liuqing¹^,², LIU Jian¹^,²^,³, YU Kunyong¹^,³()

1. University Key Lab for Geomatics Technology and Optimize Resources Utilization in Fujian Province,Fuzhou 350002
2. College of Arts,College of Landscape Architecture,Fujian Agriculture and Forestry University,Fuzhou 350002
3. College of Forestry,Fujian Agriculture and Forestry University,Fuzhou 350002

Received:2019-06-28 Revised:2019-09-30 Online:2019-12-28 Published:2020-05-09
Contact: YU Kunyong

摘要/Abstract

摘要：

以福建省顺昌县大干镇的2017年SPOT-7数据为基础,获取同期地面调查基础数据,通过主成分分析提取响应毛竹林分质量变化的植被复合指数,结合植被净初级生产力(NPP)、干扰指数,采用层次分析法构建基于遥感数据源的林分质量评价模型,开展毛竹经营质量的量化评价。结果表明:基于SPOT所构建的毛竹林分质量与平均胸径、毛竹林分龄级具有相关性;评价结果与地面样地调查的林分质量进行拟合,决定系数R²为0.757,总平均精度达83.29%,具有一致性;研究区各乡镇毛竹林分质量整体情况为干山村>乡林场>土垄村>良坊村>武坊村。整体表明,通过遥感数据的转换与挖掘,结合地形因子、植被净初级生产力和干扰指数,可实现南方集体林区毛竹资源经营成效的有效监测。

关键词: 毛竹, 林分质量, 遥感, 地形因子, 植被指数

Abstract:

Based on the SPOT-7 remote sensing image of Dagan town,Shunchang county,Fujian province in 2017,and the data of ground survey of the same period were obtained.In this paper,the main indicators responding to the change of stand quality of Moso bamboo were extracted through principal component analysis.Then combined with the net primary productivity(NPP) and interference index,an evaluation model of stand quality was constructed by analytic hierarchy process(AHP) to quantify the management quality of Moso bamboo.The results showed that the stand quality evaluation of Moso bamboo forest based on SPOT remote sensing image was correlated with mean DBH and stand density.The evaluation results were fitted with the stand quality evaluation in field sample plot survey.The coefficient of determination R² was 0.757,and the total average accuracy was 83.29%,which indicated that the study was consistent.The overall stand quality of Moso bamboo in villages is Ganshan village >Xianglinchang>Tulong village >Liangfang village >Wufang village.The results show that using the conversion and mining of remote sensing data,combined with topographic factor,net primary productivity of vegetation and interference index,it can effectively monitor the management effect of Moso bamboo resources in southern collective forest area.

Key words: Moso bamboo, stand quality, remote sensing, topographic factor, vegetation index

中图分类号:

林丽丽, 郝振帮, 戴姗霖, 杨柳青, 刘健, 余坤勇. 南方集体林区典型毛竹经营区林分质量遥感量化研究[J]. 林业资源管理, 2019,(6): 84-90.

LIN Lili, HAO Zhenbang, DAI Shanlin, YANG Liuqing, LIU Jian, YU Kunyong. Using Remote Sensing to Conduct Quantitative Study on the Quality of Typical Moso Bamboo Management Area in Southern Collective Forest Area[J]. FOREST RESOURCES WANAGEMENT, 2019,(6): 84-90.

图/表 10

图1

图2

图3

表1

图4

图5

表2

图6

图7

表3

参考文献 31

[1]	牛德奎, 陈防, 张文元. 毛竹林平衡施肥与营养管理[M]. 北京: 科学出版社, 2013.
[2]	Xu Lin, Shi Yongjun, Zhou Guomo, et al. Structural development and carbon dynamics of Moso bamboo forests in Zhejiang Province,China[J]. Forest Ecology and Management, 2018,409:479-488. doi: 10.1016/j.foreco.2017.11.057
[3]	Li C, Shi Y, Zhou G, et al. Effects of different management approaches on soil carbon dynamics in Moso bamboo forest ecosystems[J]. Catena, 2018,169:59-68. doi: 10.1016/j.catena.2018.05.031
[4]	于世川, 张建国, 叶权平, 等. 抚育间伐对黄龙山辽东栎林分质量的影响[J]. 西北林学院学报, 2018,33(3):52-60.
[5]	刘健, 顾林彬, 余坤勇, 等. 毛竹林HJ-1HIS 专题信息的响应与识别[J]. 江西农业大学学报, 2016,38(6):1100-1109.
[6]	余坤勇, 许章华, 刘健, 等. “基于片层-面向类”的竹林信息提取算法与应用分析[J]. 中山大学学报:自然科学版, 2012,51(1):89-95.
[7]	Li M, Li C, Jiang H, et al. Tracking bamboo dynamics in Zhejiang,China,using time-series of Landsat data from 1990 to 2014[J]. International Journal of Remote Sensing, 2016,37(7):1714-1729. doi: 10.1080/01431161.2016.1165885
[8]	高培军, 董大川, 何仁华, 等. 不同氮肥水平与毛竹林反射光谱的关系[J]. 北京林业大学学报, 2011,33(6):53-57.
[9]	官凤英, 邓旺华, 范少辉. 毛竹林光谱特征及其与典型植被光谱差异分析[J]. 北京林业大学学报, 2012,34(3):31-35.
[10]	王聪, 杜华强, 周国模, 等. 基于几何光学模型的毛竹林郁闭度无人机遥感定量反演[J]. 应用生态学报, 2015,26(5):1501-1509.
[11]	张宇, 岳祥华, 漆良华, 等. 利用异速生长关系和地统计方法估算武夷山南麓毛竹林生物量[J]. 生态学杂志, 2016,35(7):1957-1962.
[12]	万盼. 经营方式对甘肃小陇山锐齿栎天然林林分质量的影响[D]. 北京:中国林业科学研究院, 2018.
[13]	肖风劲, 欧阳华, 程淑兰, 等. 中国森林健康生态风险评价[J]. 应用生态学报, 2004,15(2):349-353.
[14]	周超凡, 王博恒, 王蔚炜, 等. 基于空间结构指数的黄龙山林区不同森林群落稳定性评价[J]. 中南林业科技大学学报, 2018,38(7):76-82.
[15]	王智勇, 董希斌, 张甜, 等. 抚育间伐强度对落叶松天然次生林林分结构及健康的影响[J]. 东北林业大学学报, 2018,46(11):1-7.
[16]	梅浩, 彭泰来, 桂来庭. 广东省国家级公益林质量评价[J]. 林业资源管理, 2019(2):15-20.
[17]	谢士琴, 赵天忠, 王威, 等. 结合影像纹理光谱与地形特征的森林结构参数反演[J]. 农业机械学报, 2017,48(4):125-134.
[18]	魏晶昱, 毛学刚, 方本煜, 等. 基于Landsat 8 OLI辅助的亚米级遥感影像树种识别[J]. 北京林业大学学报, 2016,38(11):23-33.
[19]	那日苏. 基于高光谱遥感的阿尔山市杜拉尔林场森林健康评价研究[D]. 呼和浩特:内蒙古师范大学, 2017.
[20]	麻坤. 于高光谱遥感的秦岭火地塘森林健康评价研究[D]. 杨凌:西北农林科技大学, 2013.
[21]	国家林业局. 中国森林资源报告(2009—2013)[M]. 北京: 中国林业出版社, 2014.
[22]	刘婧怡, 汤旭光, 常守志, 等. 森林叶面积指数遥感反演模型构建及区域估算[J]. 遥感技术与应用. 2014,29(1):18-25. doi: doi:10.11873/j.issn.1004\\|0323.2014.1.0018
[23]	Verstrate M M, Pinty B. Designing optimal spectral indexes for remote sensing applications[J]. IEEE Transactions On Geoscience and Remote Sensing, 1996,34(5):1254-1265. doi: 10.1109/36.536541
[24]	桂子凡. 广州市森林健康风险研究[D]. 长沙:中南林业科技大学, 2013.
[25]	朱玉果, 杜灵通, 谢应忠, 等. 不同气象插值方法精度评估及对草地NPP估算的影响[J]. 水土保持研究, 2018,25(6):160-167.
[26]	张峰, 周广胜, 王玉辉. 基于CASA模型的内蒙古典型草原植被净初级生产力动态模拟[J]. 植物生态学报, 2008,32(4):786-797. doi: 10.3773/j.issn.1005-264x.2008.04.007
[27]	陈国荣. 沿海防护林建设防护效益的遥感监测研究[D]. 福州:福建农林大学, 2010.
[28]	Hahn M B, Riederer A M, Foster S O. The Livelihood Vulnerability Index:A pragmatic approach to assessing risks from climate variability and change—A case study in Mozambique[J]. Global Environmental Change, 2009,19(1):74-88. doi: 10.1016/j.gloenvcha.2008.11.002
[29]	姚雄, 余坤勇, 刘健, 等. 南方水土流失严重区的生态脆弱性时空演变[J]. 应用生态学报, 2016,27(3):735-745.
[30]	余坤勇. 林地生产力演变遥感监测研究[D]. 福州:福建农林大学, 2012.
[31]	封焕英. 毛竹林健康评价指标体系构建及实证研究[D]. 北京:中国林业科学研究院, 2014.

指标	植被复合指数	植被净初级生产力	干扰指数	权重	一致性检验结果
植被复合指数	1.0000	0.5000	3.0000	0.3090	λmax=3.0037
植被净初级生产力	2.0000	1.0000	5.0000	0.5815	CI=0.0036,RI=0.52
干扰指数	0.3333	0.2000	1.0000	0.1095	CR=0.0069<0.1

样地号	土层厚度/cm	土壤容重/(g/cm³)	坡度/(°)	土壤有机质/(g/kg)	林龄等级	平均胸径/cm	林分密度/(株/hm²)	干扰等级	评价得分
1	100	1.004	48.85	69.669	1	12	2895	4	0.410
2	100	0.978	33.08	33.854	1	11	2490	4	0.282
3	100	0.947	16.19	25.090	3	11	3690	5	0.413
4	90	0.933	20.78	48.559	4	12	2700	3	0.565
5	0	1.213	7.25	27.977	3	11	3990	3	0.391
6	90	1.152	23.21	28.447	4	12	3090	2	0.574
7	90	1.219	8.71	28.781	4	10	2595	5	0.397
8	90	1.026	28.51	46.114	4	9	3795	5	0.489
9	100	0.961	18.44	50.227	1	11	6885	4	0.470
10	100	1.057	7.06	34.927	3	10	4290	3	0.481
11	90	0.953	16.52	48.855	1	11	3795	1	0.433
12	90	1.088	8.70	35.043	1	12	3690	1	0.419
13	100	1.040	38.66	19.010	1	12	3900	1	0.442
14	90	1.194	16.92	46.872	1	13	2895	4	0.343
15	0	1.115	20.75	40.637	2	10	3990	1	0.415
16	120	0.822	27.89	33.112	1	11	3990	3	0.391
17	90	1.054	12.65	40.928	3	12	3300	5	0.421
18	80	1.084	25.49	28.046	3	13	4095	1	0.599
19	100	0.931	36.10	46.035	1	11	3795	3	0.409
20	100	0.786	29.94	55.744	1	12	3495	2	0.450
21	100	0.919	6.40	34.282	3	8	4290	1	0.514
22	0	0.893	15.68	30.383	1	10	4800	1	0.355
23	80	0.777	25.10	52.458	3	11	3990	4	0.507
24	90	0.908	12.73	53.629	4	12	3090	4	0.547
25	95	0.827	7.09	63.014	3	12	4290	3	0.581

乡镇	各等级毛竹林分质量面积/km²					平均林分质量得分
乡镇	优秀	良好	一般	差	合计	平均林分质量得分
干山村	1.127	1.003	0.342	0.014	2.486	0.600
乡林场	0.016	0.025	0.008	0.000	0.049	0.585
土垄村	3.464	3.383	2.200	0.152	9.200	0.584
良坊村	0.374	0.418	0.445	0.016	1.253	0.564
武坊村	2.955	3.421	4.549	0.611	11.535	0.541
合计	7.936	8.250	7.545	0.793	24.524	0.569

南方集体林区典型毛竹经营区林分质量遥感量化研究

Using Remote Sensing to Conduct Quantitative Study on the Quality of Typical Moso Bamboo Management Area in Southern Collective Forest Area

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 31

相关文章 15

编辑推荐

Metrics

本文评价

[1]	郝君, 吕康婷, 胡天祺, 王云阁, 徐刚. 基于机器学习的红树林生物量遥感反演研究[J]. 林草资源研究, 2024, 0(1): 65-72.
[2]	朱赞, 王勇军, 王建琦, 许玉兰, 丘鑫琪, 万喜. 基于无人机倾斜摄影的广西桉树冠层碳储量计量模型构建[J]. 林草资源研究, 2024, 0(1): 88-94.
[3]	任晓琦, 侯鹏, 陈妍. 森林地上生物量遥感反演研究进展[J]. 林草资源研究, 2023, 0(6): 146-158.
[4]	周璞, 王瑞辉, 刘凯利, 周阳超, 沈兴. 基于SBE法的毛竹林林内景观质量评价及经营管理[J]. 林草资源研究, 2023, 0(5): 98-104.
[5]	焦全军, 郑焰锋, 黄文江, 张兵, 张鹤译, 史宜梦, 吴发云, 付安民. 陆地生态系统碳监测卫星松材线虫病变色木识别指数研究[J]. 林业资源管理, 2023, 0(4): 123-131.
[6]	邹为民, 陈超, 黄蕾, 宋美萱, 李雪建, 杜华强. 地理加权回归模型结合卫星遥感的松阳县森林地上碳储量估算[J]. 林业资源管理, 2023, 0(4): 132-140.
[7]	梁立成, 傅晓强, 张滨, 程谷栒, 李佐晖. 基于GEE与随机森林的象山港互花米草动态监测[J]. 林业资源管理, 2023, 0(3): 38-45.
[8]	周梅, 李春干, 杨承伶, 李振. 无人机激光雷达人工林参数估测试验[J]. 林业资源管理, 2023, 0(3): 90-97.
[9]	张绘芳, 朱雅丽, 张景路, 高健, 地力夏提·包尔汉. 基于高分遥感数据的阿尔泰山乔木林地上生物量预测[J]. 林业资源管理, 2023, 0(2): 104-110.
[10]	聂靖, 陆驰, 欧光龙, 胥辉. 基于Landsat8 OLI遥感因子的思茅松地上生物量二阶抽样估测[J]. 林业资源管理, 2022, 0(6): 68-75.
[11]	杨雪清, 孙志超, 王立生, 柴政, 邱议文, 蒋春颖. 森林可燃物大样地抽样调查方法研究[J]. 林业资源管理, 2022, 0(5): 53-59.
[12]	秦琳, 孟先进, 张水花, 薛亚东, 刘新科, 邢鹏. 北京三号卫星数据在松材线虫病遥感监测中的应用评价[J]. 林业资源管理, 2022, 0(4): 126-133.
[13]	田海静, 王林, 韩立亮, 范云豹, 杨吉林. 基于哨兵2号多光谱遥感数据的草原植被盖度反演——以内蒙古自治区为例[J]. 林业资源管理, 2022, 0(4): 134-140.
[14]	任天晨, 陈军锋, 刘楠. 山西省五台山地区近30年植被覆盖动态变化及影响因素[J]. 林业资源管理, 2022, 0(4): 89-99.
[15]	龙植豪, 罗鹏, 许等平, 李振, 代华兵. Sentinel-2A红边波段森林蓄积量反演研究[J]. 林业资源管理, 2022, 0(2): 126-134.