基于長時間序列Landsat影像的南方人工林干擾與恢復制圖分析

沈文娟,李明詩,*

1 南京林業(yè)大學林學院, 南京 210037 2 南京林業(yè)大學南方現(xiàn)代林業(yè)協(xié)同創(chuàng)新中心, 南京 210037

基于長時間序列Landsat影像的南方人工林干擾與恢復制圖分析

沈文娟1, 2,李明詩1, 2,*

1 南京林業(yè)大學林學院, 南京 210037 2 南京林業(yè)大學南方現(xiàn)代林業(yè)協(xié)同創(chuàng)新中心, 南京 210037

基于1986年到2011年的Landsat影像,以南方人工林分布區(qū)域廣東省佛岡縣為例,運用Landsat生態(tài)系統(tǒng)自適應處理系統(tǒng)(LEDAPS)預處理生成標準的地面反射率數(shù)據構建Landsat時間序列堆棧(LTSS)用于LandTrendr算法監(jiān)測人工林森林干擾與恢復的長時間序列變化,分析了連續(xù)24a森林干擾的年份變化、干擾量以及干擾持續(xù)的時間,驗證了算法識別干擾的精度,并探討了人工林干擾的驅動力。結果表明佛岡縣的森林干擾較為劇烈,一般都在1000 hm2。而1987、2002、2004、2005、2006、2007和2009年的干擾面積均超過2000 hm2,其中1987、2007年兩年的干擾面積達到6000 hm2以上。相比森林干擾的變化,佛岡縣的森林恢復面積隨時間的變化相對平穩(wěn)。通過對佛岡縣森林干擾和恢復面積的趨勢分析,發(fā)現(xiàn)20世紀80年代末到90年代森林干擾和恢復的面積基本少于2000年以后的變化面積,變化趨勢比2000年以后的顯得平緩；從2000年開始,森林干擾面積逐漸上升,總體面積變化趨勢高于森林的恢復,但森林的恢復面積仍有所提升。其中,佛岡縣的森林干擾持續(xù)1a時間的面積比例約38%,持續(xù)2a時間約28%,持續(xù)3a時間約25%,持續(xù)4a時間約7%,主要為短期急劇的干擾事件。另外,持續(xù)時間為4a以上的森林干擾和恢復的面積在佛岡縣不超過100hm2。2000年之前持續(xù)干擾和急劇干擾面積相當,變化比較平緩；到2000年之后,急劇干擾的面積遠大于持續(xù)干擾,最高約達2800 hm2,但兩者都呈現(xiàn)波動上升的變化趨勢。在選取的兩個4km2的樣方中,基于影像光譜識別以及通過比對干擾資料的可視化驗證方法表明算法結果與真實地表的解譯信息較吻合,誤差約為0.1km2。利用長時間序列遙感影像進行森林干擾的自動化監(jiān)測十分必要,導出的定性、定位與定量信息,一方面為可持續(xù)的森林經營奠定基礎,另一方面為評價森林生產力與森林碳儲量提供有效的數(shù)據支撐。

人工林；Landsat時間序列；LandTrendr；森林干擾與恢復；動態(tài)監(jiān)測；驅動力；中國南方

干擾是森林生態(tài)系統(tǒng)動態(tài)變化的主要驅動力,干擾的歷史影響林分的生長狀態(tài),不同干擾的類別、強度和大小能改變林分物種組成和林分結構[1- 3]。典型的自然干擾(雨雪災害、病蟲害等)和人為干擾(采伐、土地利用變化等)以及干擾后更新事件將影響森林碳匯[4]。不同景觀變化下(如城市化、氣候或災害變化及森林管理活動等),干擾的狀態(tài)受不同程度的影響[5]。森林采伐作為人為干擾及景觀動態(tài)的重要部分,一方面影響著森林碳儲量,另一方面它與森林覆蓋度、物種分布、地形及社會經濟因素等密切關聯(lián)[6]。自從1980年開始,大尺度的造林和再造林計劃的實施使得中國具有了最大的人工林分布面積,占全球人工林面積的1/4[7]。人工林的存在使得森林碳儲量得以增加[8]。在南方區(qū)域,造林和再造林活動是區(qū)域碳匯變化的主要原因之一[9]。人工速生豐產林建設承擔著緩解木材需求,發(fā)揮改善經濟、社會、生態(tài)效益的重要作用,被列為國家產業(yè)政策,具有舉足輕重的作用[10]。但是人工林普遍存在樹種單一、結構和功能較差、病蟲害頻繁發(fā)生的特點。另外,人工林營造時樹種選擇主要考慮速生、豐產、短輪伐期的特性[11-12],這使得中國南方區(qū)域的森林存在快速、廣泛的時空變化。發(fā)展科學可靠的方法來監(jiān)測森林干擾或者恢復時空模式對于人工林健康經營管理及其碳核算意義深遠[9,13]。

然而,僅憑借兩期或者三期長時間間隔的影像[14- 15]往往不能充分捕捉南方人工林頻繁發(fā)生的采伐及伐后更新活動。近年來基于30m分辨率的Landsat衛(wèi)星遙感技術的發(fā)展為森林干擾的監(jiān)測提供了數(shù)據支撐,特別是時間序列的遙感數(shù)據被成功用于森林干擾或恢復變化監(jiān)測[16]。但是如何能快速有效地識別出不同持續(xù)時間和地域分布的森林干擾或恢復現(xiàn)象仍然是項技術難題。盡管一些森林變化自動化分析算法[17- 21]為森林生態(tài)系統(tǒng)的近實時監(jiān)測提供了強有力的工具,但是很少有方法既能監(jiān)測短期的森林變化又能探測持續(xù)的森林變化現(xiàn)象。基于Landsat時間序列數(shù)據[22- 23]并充分利用不同干擾類型的時間和強度特性識別干擾或恢復的技術,如LandTrendr算法[20],已被成功用于西北太平洋區(qū)域森林干擾的監(jiān)測[19- 20,24]。而且利用1986年起至當前,近乎連續(xù)的時間記錄南方人工林干擾或者恢復分布的研究也未見報道。所以,基于監(jiān)測所得綜合性和連續(xù)性的人工林干擾和恢復數(shù)據記錄對于南方區(qū)域森林管理和政策制定、生態(tài)系統(tǒng)保護和重建、生物多樣性保護和碳評價有重大價值。

本研究主要目的基于不同來源的Landsat長時間序列遙感影像數(shù)據堆棧p122r043(條帶號),利用LandTrendr算法分析廣東省佛岡縣的森林干擾與恢復的時空模式,包括森林干擾年份、森林干擾量、森林干擾持續(xù)時間等,并借助現(xiàn)有影像以及歷史數(shù)據與實地調查記錄,驗證森林干擾與恢復的制圖精度,分析森林變化的驅動力及識別典型干擾類型時空特性及其關聯(lián)要素。

1 研究區(qū)域與數(shù)據

佛岡縣(圖1)位于廣東省中部,珠江三角洲邊緣,清遠市東南角,境內低山、丘陵、谷地、平原交錯,大多在海拔300m以下。全縣山地丘陵區(qū)大部分是人工林,主要樹種為桉樹、馬尾松、濕地松、杉木、荷木、藜蒴、毛竹、荔枝和龍眼等果樹,目前全縣森林以速生豐產的商品林和經濟林占主導(圖1)。本研究選取了1986—2011年間24期Landsat TM/ETM+遙感影像(紅色方形框為p122r043一景數(shù)據邊界)為研究數(shù)據,該一景數(shù)據僅覆蓋佛岡縣大部分區(qū)域(以下均簡稱佛岡縣)作為后續(xù)研究區(qū)(圖1)。

圖1 研究區(qū)地理位置Fig.1 Geographical location of the study area

本研究選取的24期Landsat TM/ETM+遙感影像來源于美國地質調查局的地球資源觀測與科學(USGS/EROS)中心(以下簡稱EROS),其余購買于中國科學院對地觀測與數(shù)字地球中心(中科院地面站,以下簡稱BJGS)或者從地理空間數(shù)據云處免費獲得。影像獲取日期的選擇必須滿足植物生長旺盛的6—9月份,在一些低緯度地區(qū)可以順延至5—10月份,以減少物候對于影像光譜識別的影響。在云量選擇上,由于獲取完全無云影像有一定難度,盡可能保證較少云量,在一個時間序列內要保證一定比例的質量較好的數(shù)據。表1描述了研究所用的Landsat TM/ETM+遙感數(shù)據的相關信息。廣東省林業(yè)生態(tài)規(guī)劃設計院提供了佛岡縣2005年—2011年森林資源數(shù)據庫和2005年—2006年的小班數(shù)據用于識別森林類型和不同地表類型(圖1)。借助Google Earth提供的高清晰圖像了解現(xiàn)地情形,并根據現(xiàn)地調查和查閱當?shù)貧v史資料及向有關人士咨詢發(fā)現(xiàn)該區(qū)域存在大量森林采伐,曾出現(xiàn)一些災害現(xiàn)象。

表1 研究用遙感影像數(shù)據介紹

2 研究方法

2.1 預處理與光譜指數(shù)設定

2.1.1 大氣校正

將以上兩種來源數(shù)據基于LEDAPS進行標準化處理構建LTSS,該方法于沈文娟等[25]中被具體描述。

2.1.2 云、陰影掩膜

圖2 云、陰影掩膜閾值設置Fig.2 Threshold settings for cloud and shadow screening

為了進一步保證影像數(shù)據光譜識別的有效性,基于需要修復的目標影像和無云污染的參照影像,通過參照影像整合創(chuàng)建一個平均的參照影像(參照影像的數(shù)量至少3—5幅,確保影像清晰或者云掩膜效果好),然后將目標影像與參照影像進行比較,通過人為設定的閾值進行云和陰影的掩膜。云掩膜主要借助波段1進行閾值設定,當像元值小于閾值在影像上顯示為黃色,即為需要掩膜的云覆蓋區(qū)域；陰影掩膜主要利用波段4和波段5進行閾值設定,黃色顯示區(qū)域表明需要掩膜的區(qū)域(圖2)。

2.1.3 光譜指數(shù)選取

在Kennedy等[20]的研究中,歸一化燃燒指數(shù)(NBR)對于捕捉干擾事件具備最大敏感性,比起歸一化植被指數(shù)(NDVI)和纓帽變化濕度指數(shù)(Wetness)而言有較高干擾匹配的可能性。另在Cohen等[19](2010)研究中,表明其對于干擾具備較好的解釋能力。本研究中使用NBR[26]作為算法監(jiān)測的指數(shù),該指數(shù)通過近紅外(NIR)和短波紅外(SWIR)的差值與和值的比值用于監(jiān)測干擾。

NBR = (NIR-SWIR)/(NIR+SWIR)

(1)

該比值中,NIR反映健康綠色植被,SWIR反映巖石和裸土。健康的森林有高的NIR值和低的SWIR值,并具備高的NBR值。森林干擾后,SWIR值增加,NBR值表現(xiàn)為更低。然后,時間序列堆棧中的影像數(shù)據被轉化成NBR值,與云掩膜數(shù)據進行像元與像元之間的匹配。并將這些時間序列源數(shù)據用于算法分割。

2.2 時間序列分割算法與濾波

LandTrendr算法的核心為時間序列分割。分割算法使用時間序列中的每個像元來識別變化的NBR值,并保留時間序列中NBR值的最大變化,對應的小的變化進行濾波操作,目的是增加信噪比。具體參數(shù)設置如表2所示。分割的第一步是由頂點的年份決定,用于定義分割的結束點,第二步是基于這些頂點,使用點與點或者回歸線的靈活混合得到最好的直線軌跡,從分割算法得到的值有：每年的源數(shù)據(每年對應像元最好的無云NBR值)、頂點對應的年份、每年的擬合NBR數(shù)據(分割中每個點的NBR值被用于描述軌跡),這些數(shù)據被用于后續(xù)的制圖算法。整個過程識別出NBR值的3種特性,即增加(恢復)、下降(干擾)和保持不變。其中基于地表數(shù)據使用回歸模型轉換NBR值來評估植被覆蓋的比例生成干擾量值[20]。考慮到該回歸模型是基于西北太平洋區(qū)域不同植被覆蓋與密度構建,本研究區(qū)植被組合和密度與其的不一致性,在算法參數(shù)設置時進行了相應的調整以適應目前的研究區(qū)的植被特征(表2)。干擾持續(xù)時間值為1—25a(取決于影像堆棧的年份數(shù)),由下降的NBR值對應的年份數(shù)決定。

表2 LandTrendr處理所需參數(shù)

2.3 森林干擾制圖

基于年份干擾量和干擾持續(xù)時間影像創(chuàng)建干擾圖(圖3)。最小制圖單位用于確保干擾的斑塊至少有11個像元,約為1 hm2的大小,此閾值可以捕捉到大多數(shù)的森林采伐活動,也避免了干擾事件制圖面積太小而使得大范圍內驗證困難的問題(表2)。生成的干擾圖有3個圖層,即干擾發(fā)生年份、相對干擾量、干擾持續(xù)時間。當出現(xiàn)超過一種干擾的情形,根據斑塊面積與相對干擾量的乘積之和進行干擾斑塊的分類,來平衡不同干擾量事件。獲得最高值的斑塊即為主要干擾,第2高值的為次要干擾,第3則為第3干擾,但第3種情況較少而不被考慮。最后使用人工解譯獲取的森林訓練區(qū)樣本對影像進行隨機森林分類[27]。掩膜中識別的森林像元在整個時間序列中始終保持森林的狀態(tài),最終的干擾圖濾波去除了非森林像元中的任何干擾。本研究獲取了佛岡縣研究區(qū)域變化最大的干擾模式、持續(xù)4a之內變化最大的干擾模式、持續(xù)4a之內變化次要大的干擾模式、持續(xù)超過4a的干擾模式。由于該算法能監(jiān)測急劇或持續(xù)干擾(恢復)事件,將發(fā)生于4a內的干擾定義為急劇干擾或恢復,超過4a則定義為發(fā)生了持續(xù)干擾或恢復。另外整個算法處理的是整幅影像,最后用研究區(qū)域邊界切割干擾結果影像。

圖3 LandTrendr分割算法檢測森林干擾和恢復事件流程圖Fig.3 Work flow for detecting forest disturbance and recovery events using LandTrendr segmentation algorithm

2.4 森林恢復制圖

為了獲取干擾后的森林恢復,本研究計算了植被恢復的兩種指標(絕對和相對指標)。絕對指標與干擾后的恢復有關,表示干擾發(fā)生后5a之間NBR值的變化。計算公式如下：

ΔNBRregrowth=NBRfitted,t5-NBRfitted,t0

(2)

式中,NBRfitted,t5和NBRfitted,t0分別表示干擾發(fā)生后擬合的5a時間內NBR值和頂點定義恢復分割開始的NBR值(末端為干擾的分割)。ΔNBRdisturbance定義為時間序列開始之前干擾引起的森林損失。干擾后恢復值RI,稱為恢復指標,計算公式為：

(3)

式中,分母在干擾分割時隨著NBR值變化,并先于恢復發(fā)生。

2.5 森林干擾產品驗證

基于LandTrendr算法得到佛岡縣森林變化最大的干擾年份圖,由于變化最大的干擾年份圖記錄的是像元發(fā)生多次干擾,只記錄其中變化最大的一次干擾,即記錄在該區(qū)域發(fā)生的最主要的干擾,也為典型森林變化區(qū)域。典型區(qū)域一般分布著主要干擾和次要干擾。主要干擾,如皆伐、林分替換事件(火),干擾后的像元在影像上顯示不再為森林像元；次要干擾其干擾后像元顯示的亮度大,比起干擾前像元綠色程度下降,但是始終保持為森林像元。通常情況下主要干擾能夠反映區(qū)域干擾事件的發(fā)生,影響次要干擾的主要為一些低干擾量事件,一般發(fā)生在主要干擾事件之后,與主要干擾保持緊密的關系,在一定程度上,次要干擾事件可以忽略。再結合主要干擾和次要干擾圖的分布,通過光譜可視化方法對于主要干擾和次要干擾的發(fā)生進行目視識別。由于森林恢復一般需要經過較長的過程,獲取當?shù)仳炞C資料不容易,本研究暫不考慮森林恢復的驗證,主要驗證佛岡縣變化最大的干擾年份圖。

本研究選取佛岡縣2個典型的區(qū)域,使用受干擾年份對應的Landsat影像驗證干擾制圖(圖4),使用2km×2km的樣方,將其疊加到時間序列堆棧中的每個影像上,并在每個影像對應的區(qū)域提取干擾區(qū),將目視解譯得到的干擾區(qū)疊加到主要干擾年份圖上,對比真實解譯的干擾面積與算法分割所得的面積,確認正確識別的精度。參與驗證的資料主要來自于對現(xiàn)有24期Landsat影像的目視解譯及含小班區(qū)域的野外實地調查資料,同時結合Google Earth進行輔助判別。

圖4 使用Landsat影像可視化驗證森林干擾年份圖 Fig.4 Visual validation of forest disturbance using Landsat images

3 結果與分析

3.1 驗證森林干擾產品

基于影像光譜目視識別及對照進行干擾制圖精度的驗證,很容易地獲取到干擾發(fā)生的典型區(qū)域。通過解譯典型區(qū)域1每年的Landsat影像,可知圖4典型區(qū)域1的主要干擾發(fā)生在2006年,選取2002年和2005年的影像進行比對,發(fā)現(xiàn)其他年份也有一定量的干擾,但都不是主要干擾。對比目視解譯的面積和干擾年份圖中的面積,目視解譯的干擾面積為0.8768km2,主要干擾年份圖中自動干擾制圖面積為0.7659 km2。通過解譯典型區(qū)域2每年的Landsat影像,可知圖4典型區(qū)域1的主要干擾發(fā)生在2008年,選取2002、2005、2006、2007年的影像進行比對,發(fā)現(xiàn)各年份都有一定量的干擾發(fā)生,2008年的干擾為主要干擾,與算法所得的主要干擾的定義相符合。對比目視解譯面積和干擾年份圖中的面積,目視解譯的面積為0.3165 km2,主要干擾年份圖中的自動干擾制圖面積為0.2511 km2。 經過以上的研究,目視解譯的結果與LandTrendr算法所得濾波干擾圖像的結果有一定的誤差,約為0.1km2。此外,通過影像光譜的識別,也能辨別干擾分布的區(qū)域。

3.2 森林最大干擾和恢復變化的模式分析

3.2.1 森林最大干擾和恢復變化時間分布特征

圖5 佛岡縣森林最大干擾年份圖Fig.5 Fogang county forest greatest disturbance map

圖6 佛岡縣森林干擾和恢復面積隨時間變化特征 Fig.6 Temporal features of forest disturbance and recovery areas detected over Fogang county

圖5為森林變化最大的干擾年份圖,最大的干擾即像元發(fā)生多次干擾,只顯示從分割開始到結束最大的一次干擾,圖中水體、非森林、持續(xù)森林已被掩膜,其余不同顏色表示不同的干擾年份分布。本研究基于像元尺度,刻畫了不同年份的森林干擾面積以及森林恢復面積(圖6)。發(fā)現(xiàn)佛岡縣的森林干擾較為劇烈,一般都在1000 hm2左右。而1987、2002、2004、2005、2006、2007和2009年的干擾面積均超過2000 hm2,其中1987、2007年兩年的干擾面積達到6000 hm2以上。相比森林干擾的變化,佛岡縣的森林恢復面積隨時間的變化相對平穩(wěn),以1987年為最大,達到了19000 hm2。通過對佛岡縣森林干擾和恢復面積的趨勢分析,發(fā)現(xiàn)20世紀80年代末到90年代森林干擾和恢復的面積基本少于2000年以后的變化面積,變化趨勢比2000年以后的平緩；從2000年開始,森林干擾面積逐漸上升,變化趨勢高于森林的恢復,但森林的恢復面積仍有所提升。

將干擾的像元進行鄰近斑塊組合,并確保干擾斑塊的最小面積為1hm2,用于計算不同干擾持續(xù)時間的面積百分比。圖7顯示佛岡縣的森林干擾面積隨著持續(xù)時間總體呈下降趨勢,即干擾事件的發(fā)生時間保持較短的年份,主要發(fā)生在1—5a范圍內,其中1—2a的干擾持續(xù)時間最多,發(fā)生在1a的干擾面積所占比例最高,約占26%,表明佛岡縣的森林干擾主要為急劇的干擾事件。

3.2.2 森林最大干擾變化空間分布特征

佛岡縣的森林干擾存在較強的空間分布特征,圖8為該縣森林干擾面積隨海拔高度變化的分布圖。從圖中可以看出隨著海拔的升高,研究區(qū)的干擾面積百分比呈現(xiàn)明顯的下降趨勢,其中,海拔分布于125—179m之間的干擾分布面積最大。總的來說,超過50%的森林干擾面積發(fā)生在海拔小于179m的低海拔區(qū)域,而當海拔大于787m之后,森林干擾面積占研究區(qū)森林干擾總面積的比例僅為0.96%。

3.3 森林急劇干擾模式分析

佛岡縣主要的急劇干擾事件(主要干擾)和次要的急劇干擾事件(次要干擾)均得到識別(表3)。研究表明20世紀80年代末到90年代末森林的主要干擾面積明顯小于2000年以后,說明急劇干擾在2000年以后發(fā)生較為頻繁,2005、2007、2009三年主要干擾面積在2000 hm2以上,2004、2006、2008年主要干擾面積也在1000 hm2左右,到2010年以后逐漸下降,其中2005年主要干擾面積達到2700hm2。而且2000年以后主要干擾的發(fā)生有明顯的波動趨勢,與佛岡縣速生豐產林、人工林短輪伐期的特性相符,表現(xiàn)出每隔兩年基本出現(xiàn)的一次波動,這種情況在2010年之前特別明顯。圖9為急劇干擾持續(xù)時間分布,主要為發(fā)生在1—4a內的干擾事件,每年的干擾面積比例各不相同,其中,約38%的干擾持續(xù)1a的時間,約28%的干擾持續(xù)2a時間,約25%的干擾持續(xù)3a時間,約7%的干擾持續(xù)4a時間,說明短期的干擾事件發(fā)生較多。

圖7 佛岡縣森林干擾面積隨持續(xù)時間變化分布 Fig.7 Fogang county forest disturbance area changing with duration

圖8 佛岡縣森林干擾面積隨海拔變化分布 Fig.8 Fogang county forest disturbance area changing with altitude

表3 森林主要和次要干擾的面積

圖9 佛岡縣森林急劇干擾持續(xù)時間Fig.9 Fogang county abrupt disturbance changing with duration

3.4 森林持續(xù)干擾和恢復模式分析

圖10 佛岡縣森林持續(xù)干擾和恢復的面積對比 Fig.10 Comparison of gradual forest disturbance areas and gradual forest recovery areas occurred in Fogang county

圖11 佛岡縣急劇干擾和持續(xù)干擾的面積對比 Fig.11 Comparison of abrupt and gradual disturbance areas in Fogang county

由于1987年的相關數(shù)據異常,移除該年的數(shù)據。另外持續(xù)干擾和恢復的定義而言,2007年之后沒有統(tǒng)計數(shù)據。研究發(fā)現(xiàn)持續(xù)的森林干擾和恢復在佛岡縣有一定量的分布(圖10),但總的面積不大,不超過100 hm2,2000年之前的森林持續(xù)恢復面積較持續(xù)森林干擾大,到2000年之后持續(xù)干擾的面積呈現(xiàn)波動上漲的趨勢,2007年的時候達到持續(xù)干擾和恢復的最大值,分別為380 hm2、220 hm2。此外,從2005年開始,森林的持續(xù)恢復面積增加,表明在這段時間森林覆蓋保持生長與更新的狀態(tài),而在1989年也有森林增加的狀態(tài)。另外,通過比較佛岡縣森林持續(xù)干擾和急劇干擾的面積,發(fā)現(xiàn)2000年之前持續(xù)干擾和急劇干擾面積相當,變化比較平緩,到2000年之后,急劇干擾的面積遠大于持續(xù)干擾,最高約達2800 hm2,但兩者的變化趨勢都呈現(xiàn)波動上升(圖11)。

4 討論與結論

4.1 驅動力分析

佛岡縣屬于人工林分布典型區(qū)域,分布著大量的人工林、速生豐產林,其森林干擾劇烈的原因主要由于一些急劇的干擾事件引起,如人工林的采伐、煉山還有一些沿道路和河流的城市建設、惡劣氣候影響等,與已有森林資源調查和小班資料的記載較為符合。20世紀80—90年代廣東省的林業(yè)政策使得大片造林的出現(xiàn),干擾相對較少[28]。然而,1995年佛岡縣實施速生豐產桉樹營造計劃,輪伐期為6a[29]。而2000年以后隨著人工林、速生豐產林達到成熟期,大量的林木被砍伐。同時,為了進一步的造林,造林前煉山整地行為也催生大量的森林干擾事件[30- 31]。并且隨著2004年經濟開始增速,城市化建設不斷發(fā)展,靠近道路和河流的森林不斷受影響,使得森林面積急劇減少,干擾的面積呈現(xiàn)明顯波動式增長[32]。2005年到2007年分布著較為廣泛的火燒跡地,說明人為煉山在這些年份密集出現(xiàn)。2005年至2011年間,用材林、速生豐產林、薪炭林采伐加劇,形成了眾多采伐跡地。其中2008年的冰凍雨雪災害造成了嚴重的森林損毀,隨后的林業(yè)快速恢復政策有助于森林的恢復更新。同時,人工林、速生豐產林比較適宜種植于中低海拔區(qū)域,一方面易于種植管理,另一方面易于運輸管理,海拔越高,森林受干擾可能性越小。1987年和1989年干擾相關數(shù)據出現(xiàn)異常值,由于圖像的全云量覆蓋,數(shù)據質量較差,不能正確地識別地表地物,對于干擾和恢復的錯分現(xiàn)象明顯。

然而,在驅動力分析中,并沒有考慮到影響人工林森林干擾和恢復所有可能的自然、人為驅動力因子,而且沒有建立它們之間定量的關系,僅從定性角度進行了分析。

4.2 算法與技術分析

4.2.1 預處理與算法分析

LandTrendr算法在監(jiān)測干擾年份、干擾量的基礎之上,能夠監(jiān)測特定年份內發(fā)生的干擾,并能夠識別主要與次要干擾的分布,特別是能夠監(jiān)測急劇干擾和持續(xù)干擾的情況。LandTrendr獲取到的是根據干擾量和面積確定的最大干擾發(fā)生的情況,已經略去了一些細微干擾的發(fā)生。此外, LandTrendr算法在像元尺度基礎上進行不同類型的濾波,保證了干擾斑塊面積的可識別性,有助于監(jiān)測一些典型干擾事件。該算法需要建立在Landsat時間序列數(shù)據堆棧基礎之上,影像數(shù)據配準、質量的好壞以及數(shù)據的格式都將會影響后續(xù)算法的精度。本研究中原始數(shù)據有不同的數(shù)據來源,不同數(shù)據來源數(shù)據的處理與存檔方式不一致,在進行預處理之前必須進行標準化處理操作,而非標準化數(shù)據的標準化過程必將存在誤差；云掩膜、算法參數(shù)設置時人為閾值設定使得結果誤差存在；算法要求的影像日期分布在7、8月份,由于不可能獲取到如此確切日期的數(shù)據并且要保證好的數(shù)據質量,月份上的偏差產生物候的影響；影像1到2年的間隔使得不能很好捕捉缺失年份的信息,影響干擾年際監(jiān)測結果。本研究中含有若干數(shù)據質量不好的年份,致使結果的誤差存在,如出現(xiàn)1987年異常高的森林恢復面積值。基于已有研究中所證明的最優(yōu)指數(shù)基礎上選取了單一指數(shù)用于算法監(jiān)測,不同指數(shù)對于算法運行好壞的貢獻未知,或者不同指數(shù)對于不同地域的監(jiān)測效果可能存在差異性,可以嘗試多種指數(shù)的比較,獲取最優(yōu)指數(shù)的監(jiān)測。

4.2.2 驗證方法分析

國外的驗證技術較為成熟[17,19,33]。如基于Timesync[19,34]工具的LandTrendr算法驗證能夠自動化獲取解譯結果,并與算法分割結果做比對,考慮該方法在國內使用缺乏歷史地面數(shù)據和森林資源數(shù)據以及高清分辨率的影像,未將其在本研究中推廣。但基于本研究中的驗證方法所得的結果,發(fā)現(xiàn)干擾監(jiān)測的結果與目視解譯的結果相比呈偏小的趨勢,主要考慮到該算法對高密度針葉林覆蓋區(qū)域的森林干擾監(jiān)測更為敏感,對于本研究中非完全針葉覆蓋區(qū)域存在一定的限制,并導致結果的錯判和誤判[35]。綜合現(xiàn)有分析結果,盡管存在識別上的不足,監(jiān)測結果仍具備可參照性。在以后國內推廣使用中需將本研究的方法形成具備相應標準的體系,歸檔所需要的森林干擾歷史資料,收集豐富的地面數(shù)據輔助驗證,使得方法應用所得結果更為可靠。

4.2.3 算法與技術應用分析

森林干擾的4個特征,即持續(xù)時間、強度、頻率和面積[36]。本研究未能實現(xiàn)森林干擾各項特征的量化與分析。由于連續(xù)年份的干擾類型與生物量歷史統(tǒng)計資料的缺乏,僅能監(jiān)測出急劇和持續(xù)干擾發(fā)生的持續(xù)時間和面積,對于具體的干擾類型、強度及其發(fā)生原因定位不足[1,5- 6]。

4.3 結論

本研究嘗試探索南方人工林區(qū)域森林干擾與恢復的影像自動化監(jiān)測技術。盡管LandTrendr算法在國內的初次使用存有一些技術與數(shù)據選擇困難,但是通過整合與改進預處理技術能夠成功的進行干擾制圖,并基于量化的森林變化進行驅動力定性分析,不僅能夠提供森林干擾與恢復的歷史,也組成了未來評價森林碳儲量和氣候變化下生物多樣性保護的關鍵部分,并為國內關于森林干擾與恢復長時間變化的自動化分析提供了參考。

致謝：美國俄勒岡州立大學楊志強博士在算法使用中提供技術支持，美國馬里蘭大學黃成全博士幫助寫作，特此致謝。

[1] Cohen W B, Yang Z Q, Stehman S V, Schroeder T A, Bell D M, Masek J G, Huang C Q, Meigs G W. Forest disturbance across the conterminous United States from 1985—2012: The emerging dominance of forest decline. Forest Ecology and Management, 2016, 360: 242- 252.

[2] Edwards D P, Tobias J A, Sheil D, Meijaard E, Laurance W F. Maintaining ecosystem function and services in logged tropical forests. Trends in Ecology & Evolution, 2014, 29(9): 511- 520.

[3] Pflugmacher D, Cohen W B, Kennedy R E. Comparison between Landsat derived disturbance history (1972- 2010) to predict current forest structure. Remote Sensing of Environment, 2012, 122: 146- 165.

[4] Turner D P, Ritts W D, Kennedy R E, Gray A N, Yang Z Q. Effects of harvest, fire, and pest/pathogen disturbances on the West Cascades ecoregion carbon balance. Carbon Balance and Management, 2015, 10: 12.

[5] Kennedy R E, Yang Z Q, Braaten J, Copass C, Anotova N, Jordan C, Nelson P. Attribution of disturbance change agent from Landsat time-series in support of habitat monitoring in the Puget Sound region, USA. Remote Sensing of Environment, 2015, 166: 271- 285.

[6] Levers C, Verkerk P J, Müller D, Verburg P H, Butsic V, Leit?o P J, Lindner M, Kuemmerle T. Drivers of forest harvesting intensity patterns in Europe. Forest Ecology and Management, 2014, 315: 160- 172.

[7] Food and Agricultural Organization of the United Nations. State of the World Forests. Rome: Food and Agricultural Organization of the United Nations, 2001.

[8] Fang J Y, Chen A P, Peng C H, Zhao S Q, Ci L J. Changes in forest biomass carbon storage in China between 1949 and 1998. Science, 2001, 292(5525): 2320- 2322.

[9] Piao S L, Fang J Y, Ciais P, Peylin P, Huang Y, Sitch S, Wang T. The carbon balance of terrestrial ecosystems in China. Nature, 2009, 458(7241): 1009- 1013.

[10] 范少輝, 李玉珍, 馬林濤. 21世紀林業(yè)的技術革命——論退化人工林生態(tài)系統(tǒng)恢復和重建技術的作用和前景. 世界林業(yè)研究, 1998, 11(6): 34- 40.

[11] 陳幸良, 巨茜, 林昆侖. 中國人工林發(fā)展現(xiàn)狀、問題與對策. 世界林業(yè)研究, 2014, 27(6): 54- 59.

[12] 黃從德, 張國慶. 人工林碳儲量影響因素. 世界林業(yè)研究, 2009, 22(2): 34- 38.

[13] Frolking S, Palace M W, Clark D B, Chambers J Q, Shugart H H, Hurtt G C. Forest disturbance and recovery: A general review in the context of spaceborne remote sensing of impacts on aboveground biomass and canopy structure. Journal of Geophysical Research, 2009, 114: G00E02.

[14] Coppin P, Jonckheere I, Nackaerts K, Muys B, Lambin E. Digital change detection methods in ecosystem monitoring: a review. International Journal of Remote Sensing, 2004, 25(9): 1565- 1596.

[15] Lu D S, Mausel P, Brondízio E, Moran E. Change detection techniques. International Journal of Remote Sensing, 2004, 25(12): 2365- 2401.

[16] Masek J G, Goward S N, Kennedy R E, Cohen W B, Moisen G G, Schleweiss K, Huang C Q. United States forest disturbance trends observed using Landsat time series. Ecosystems, 2013, 16(6): 1087- 1104.

[17] Huang C Q, Goward S N, Schleeweis K, Thomas N, Masek J G, Zhu Z L. Dynamics of national forests assessed using the Landsat record: Case studies in eastern United States. Remote Sensing of Environment, 2009, 113(7): 1430- 1442.

[18] Zhu Z, Woodcock C E, Olofsson P. Continuous monitoring of forest disturbance using all available Landsat imagery. Remote Sensing of Environment, 2012, 122: 75- 91.

[19] Cohen W B, Yang Z Q, Kennedy R. Detecting trends in forest disturbance and recovery using yearly Landsat time series: 2. TimeSync—Tools for calibration and validation. Remote Sensing of Environment, 2010, 114(12): 2911- 2924.

[20] Kennedy R E, Yang Z Q, Cohen W B. Detecting trends in forest disturbance and recovery using yearly Landsat time series: 1. LandTrendr—Temporal segmentation algorithms. Remote Sensing of Environment, 2010, 114(12): 2897- 2910.

[21] Zhu Z, Woodcock C E. Continuous change detection and classification of land cover using all available Landsat data. Remote Sensing of Environment, 2014, 144: 152- 171.

[22] Woodcock C E, Allen R, Anderson M, Belward A, Bindschadle, R, Cohen W, Gao F, Goward S N, Helder D, Helmer E, Nemani R, Oreopoulos L, Schott J, Thenkabail P S, Vermote E F, Vogelmann J, Wulder M A, Wynne R. Free access to Landsat imagery. Science, 2008, 320(5879): 1011.

[23] Roy D P, Wulder M A, Loveland T R, Woodcock C E, Allen R G, Anderson M C, Helder D, Irons J R, Johnson D M, Kennedy R, Scambos T A, Schaaf C B, Schott J R, Sheng Y, Vermote E F, Belward A S, Bindschadler R, Cohen W B, Gao F, Hipple J D, Hostert P, Huntington J, Justice C O, Kilic A, Kovalskyy V, Lee Z P, Lymburner L, Masek J G, McCorkel J, Shuai Y, Trezza R, Vogelmann J, Wynne R H, Zhu Z. Landsat- 8: science and product vision for terrestrial global change research. Remote Sensing of Environment, 2014, 145: 154- 172.

[24] Meigs G W, Kennedy R E, Cohen W B. A Landsat time series approach to characterize bark beetle and defoliator impacts on tree mortality and surface fuels in conifer forests. Remote Sensing of Environment, 2011, 115(12): 3707- 3718.

[25] 沈文娟, 李明詩. Landsat長時間序列數(shù)據格式統(tǒng)一與反射率轉換方法實現(xiàn). 國土資源遙感, 2014, 26(4): 78- 84.

[26] Key C. H, Benson N C. Landscape assessment: Remote sensing of severity, the Normalized Burn Ratio // Lutes D C, Ed. FIREMON: Fire effects monitoring and inventory system. Ogden, UT: USDA Forest Service, Rocky Mountain Research Station, 2005.

[27] Breiman L. Random forests. Machine Learning, 2001, 45(1): 5- 32.

[28] 廣東省地方史志編纂委員會. 廣東省志林業(yè)志. 廣州: 廣東人民出版社, 1998: 428.

[29] 林紹輝. 引進外資發(fā)展速生豐產林的經濟效益分析——以佛岡縣為例. 林業(yè)科技通訊, 1997, (5): 29- 31, 41- 41.

[30] 歐陽天林, 李遵, 劉志金. 不煉山科學造林. 江西林業(yè)科技, 2013, (3): 29- 32.

[31] 林開敏, 俞新妥, 何智英. 煉山的生態(tài)影響及其防治對策. 福建水土保持, 1994, (2): 3- 7.

[32] 于詩雯, 王紅梅. 城鄉(xiāng)建設用地增減掛鉤探討——以廣東省佛岡縣為例. 現(xiàn)代農業(yè)科技, 2011, (4): 387- 389.

[33] Huang C Q, Goward S N, Masek J G, Thomas N, Zhu Z L, Vogelmann J E. An automated approach for reconstructing recent forest disturbance history using dense Landsat time series stacks. Remote Sensing of Environment, 2010, 114(1): 183- 198.

[34] Schroeder T A, Healey S P, Moisen G G, Frescino T S, Cohen W B, Huang C Q, Kennedy R E, Yang Z Q. Improving estimates of forest disturbance by combining observations from Landsat time series with U.S. Forest Service Forest Inventory and Analysis data. Remote Sensing of Environment, 2014, 154: 61- 73.

[35] Schmidt C L. Challenges to Sierra Nevada forests and their local communities: An observational and modeling perspective[D]. Santa Cruz: University of California, 2014.

[36] Sousa W P. The role of disturbance in natural communities. Annual Review of Ecology and Systematics, 1984, 15: 353- 391.

Mapping disturbance and recovery of plantation forests in southern China using yearly Landsat time series observations

SHEN Wenjuan1, 2, LI Mingshi1, 2, *

1CollegeofForestry,NanjingForestryUniversity,Nanjing210037,China2Co-InnovationCenterforSustainableForestryinSouthernChina,NanjingForestryUniversity,Nanjing210037,China

Yearly Landsat imagery from 1986 to 2011 of a typical plantation region in Fogang County, Guangdong Province, southern China, was used as a case study. The pre-processing Landsat Ecosystem Disturbance and Adaptive Processing System (LEDPAS) algorithm was implemented to generate standard surface reflectance images to construct a Landsat time series stack (LTSS). The LTSS was fed to the Landsat-based detection of trends in disturbance and recovery (LandTrendr) algorithm to monitor long-term changes in plantation disturbance and recovery, followed by an intensive validation and a continuous 24 years change analyses on annual change, and disturbance amount and duration. Validations derived from two chosen sample plots of 4 km2indicated that the LandTrendr-based mapped disturbance results strongly agreed with those derived from the visual interpretation of the pre- and post-disturbance multispectral images and visualization of the local disturbance documents, with an error of 0.1 km2. Results indicated that the forest disturbances that occurred in Fogang County were relatively drastic. An annual disturbance of 1000 hm2was witnessed for most years of the study, and an annual disturbance of over 2000 hm2occurred in 1987, 2002, 2004, 2005, 2006, 2007, and 2009. Particularly, the disturbance of 1987 and 2007 exceeded 6000 hm2. In comparison to forest disturbance, forest recovery areas were relatively stable. Through a trend analysis of forest disturbance and recovery in Fogang County, forest disturbance and recovery areas mapped in the late 1980s through 1990s were less than those mapped after 2000, and the trend was lower than that after 2000. Since 2000, the forest disturbance areas have gradually increased, with a slight increase in forest recovery, but the overall magnitudes of forest disturbance exceeded those of forest recovery. The area of forest disturbance with a duration of 1 year accounted for 38%, 28% for a duration of 2 years, 25% for a duration of 3 years, and 7% for a duration of 4 years; these disturbances were classified as abrupt and short-term disturbance events. Gradual forest disturbance and recovery events for a duration over 4 years existed, but the overall areas were less than 100 hm2/a, and were highly different from the areas of abrupt disturbance events. Prior to 2000, abrupt and gradual disturbance areas were almost equal, with a gentle change. After 2000, abrupt disturbance areas were greater than those of gradual disturbances, with a maximum of 2800 hm2, and both abrupt and gradual disturbances showed an undulatory increasing trend. Based on the history and status of forest disturbances in Fogang County, the factors contributing to the environmental disturbance of forest plantations were analyzed to develop effective forest management strategies and countermeasures. The current study demonstrated the need to use dense time series images to map forest disturbance and recovery events in plantation forests. This approach could provide qualitative, locational, and quantitative forest change results for the land use decision-makers and conservation communities, enabling the strategic development of sustainable forest management and provide effective data support to evaluate forest productivity and carbon storage.

plantation; landsat dense time series; LandTrendr; forest disturbance and recovery; dynamic monitoring; driving forces; Southern China

國家林業(yè)局“948”項目(2014-04- 25)；林業(yè)公益性行業(yè)科研專項項目(201304208);國家自然科學基金項目(31270587)；南京林業(yè)大學優(yōu)博基金項目；江蘇高校優(yōu)勢學科建設工程資助項目(PAPD)；江蘇省高校研究生科研創(chuàng)新計劃項目(KYLX15_0908)；江蘇高校品牌專業(yè)建設工程資助項目(TAPP)

2015- 10- 14;

日期:2016- 07- 13

10.5846/stxb201510142074

*通訊作者Corresponding author.E-mail: nfulms@aliyun.com

沈文娟,李明詩.基于長時間序列Landsat影像的南方人工林干擾與恢復制圖分析.生態(tài)學報,2017,37(5):1438- 1449.

Shen W J, Li M S.Mapping disturbance and recovery of plantation forests in southern China using yearly Landsat time series observations.Acta Ecologica Sinica,2017,37(5):1438- 1449.