中國東北三省森林生物量及其空間格局

李 明，柴旭榮，張連芝

(1.山西師范大學現代文理學院，山西 臨汾 041000； 2.山西師范大學地理科學學院，山西 臨汾 041000； 3.山西師范大學圖書館，山西 臨汾 041000)

中國東北三省森林生物量及其空間格局

李 明1，2，柴旭榮1，2，張連芝3

(1.山西師范大學現代文理學院，山西 臨汾 041000； 2.山西師范大學地理科學學院，山西 臨汾 041000； 3.山西師范大學圖書館，山西 臨汾 041000)

以2012—2014年SPOT-VGT旬合成歸一化植被指數(NDVI)為數據源，借助Dong模型和遙感物候學的方法，對東北三省森林生物量密度的空間分布格局進行了分析.結果表明：東北三省多數森林生物量在50～150 Mg/hm2之間，平均生物量密度為93.47 Mg/hm2，總量為3.24×109Mg.從空間分布上看，平均生物量密度最高的區域出現在以針闊混交林為主的長白山地區，大于100 Mg/hm2；北部以興安落葉松為主的大興安嶺地區的生物量密度較低，約為40～100 Mg/hm2；以防護林網為主的吉林省西部地區森林生物量密度最低，小于40 Mg/hm2.東北三省森林生物量的空間分布格局與水熱條件的下降是一致的.

生物量；遙感物候；SPOT/NDVI；空間格局；東北森林

IPCC第五次評估報告表明：1880—2012年全球海陸表面平均氣溫升高了0.85℃.氣候的變暖必然會導致植物生長季長度的變化，從而影響到植物光合作用和呼吸作用，進而使全球植被生物量的空間格局發生改變.森林生態系統儲存了全球陸地生態系統中50%～60%的碳，[1]并正以(2.4±0.4)Pg/a的速度起著碳匯作用[2].而森林生物量估算是評價森林生態系統碳匯潛力的前提，因此對于森林生物量及其變化的評估成為目前全球氣候變化研究的熱點之一.

傳統森林生物量估算方法主要是基于小尺度的森林資源清查數據，[3-4]難以及時反映森林生物量分布格局的變化.隨著遙感技術的發展，使得在大尺度上、動態地進行森林生物量估測成為可能[5].目前進行森林生物量估測主要有以下幾種方法：遙感信息參數與生物量擬合方法、[6-7]遙感數據與過程模型融合方法、[8-9]基準樣地法、[10-11]人工神經網絡模型方法[12-13].中國東北森林是世界上3大溫帶森林之一，約占中國森林面積的31%，具有豐富的生物量，存儲著大量的碳；再者，該區域也是氣候敏感區，先前的研究表明，氣候的變化對東北地區植被的生長產生了巨大的影響[14].因此研究該地區森林生物量的空間格局對于中國森林管理及對陸地碳循環的理解有著重要的意義.部分學者也已經使用不同的方法對該區域的森林生物量進行過評估，如方精云和陳安平[15]利用森林清樣調查數據及森林生物量實測資料推算了中國森林植被碳庫的動態變化，在省級尺度上進行了森林生物量密度差異的比較；譚琨等[16]利用森林清樣調查數據和1982-1999年NOAA歸一化植被指數(NDVI)數據建立了森林生物量的經驗擬合公式，進而估算了中國東北地區在這20年里森林碳儲量的時空變化；黃國勝和夏朝宗[8]利用2003年MODIS數據，結合Dong模型，分析了中國東北森林生物量密度及空間分布格局，但其對森林生長季開始和結束日期是以日平均氣溫為指標進行定義的，這可能會因氣象站點的不足(尤其是山區)影響結果的精度.本文首先結合遙感物候學的方法，逐個像元進行森林生長季內NDVI累積值的計算，然后借助Dong模型估算了每個像元的森林生物量密度，并進一步分析了中國東北三省森林生物量密度的空間分布格局及其緣由，旨在探索一套適合中國東北地區的森林生物量遙感估測的技術方法，從而為森林資源的快速宏觀監測和森林生物量遙感反演提供思路.

1 研究區及數據源

圖1 中國東北三省森林分布范圍

1.1 研究區

本文以中國東北三省作為研究區，即黑龍江、吉林、遼寧三省.東北三省同屬于大陸性季風氣候區，氣溫由南向北降低，年均氣溫11.5℃～-4℃；年降水量從西到東為400～1 100 mm.東北三省的森林植被(見圖1)大都分布在山地和丘陵區，包括寒溫帶落葉針葉林區、溫帶針闊葉混交林區.主要森林類型有以興安落葉松(Larixgmelinii)、紅松(Pinuskoraiensis)、樟子松(Pinussylvestris)、沙冷杉(Abiesholophylla)、紫杉(Taxuscuspidata)、長白側柏(Thujakoraiensis)為主的針葉林；以蒙古櫟(Quercusmongolica)、白樺(Betulaplatyphylla)、黑樺(Betuladavurica)、擰筋槭(Acertriflorum)、假色槭(Acerpseudo-sieboldianum)、水曲柳(Fraxinusmandshurica)、山槐(Albiziamacrophylla)、核桃楸(Juglansmandshurica)、黃檗(Phellodendronamurense)、大青楊(Populusussuriensis)和香楊(Populuskoreana)為主的闊葉林.

1.2 數據源

本文所用的數據主要包括：旬最大值合成的SPOT-VGT/NDVI、土地利用及數字高程數據.其中SPOT-VGT/NDVI來源于http：//free.vgt.vito.be/，空間分辨率1 km×1 km，投影方式為可利投影(plate-carree)；時間范圍為2012年1月上旬至2014年12月下旬，共108期影像.土地利用數據為來源于http：//westdc.westgis.ac.cn的中國WESTDC1.0數據集，空間分辨率1 km×1 km，投影方式為阿爾伯斯投影(Albers)，用以提取中國東北三省的森林覆蓋.數字高程數據為來源于http：//srtm.csi.cgiar.org的SRTM，空間分辨率90 m×90 m；坐標系統采用1984年世界大地坐標系統(WGS-84)，用以提取柵格的緯度信息.

1.3 數據預處理

(1) 空間參考.各類數據因空間投影方式和空間分辨率不一致，故在數據處理過程中將所有的數據轉換成Albers投影格式(中央經線E105°，第一標準緯線N25°，第二標準緯線N47°)，并重采樣成像元大小相同(1 km×1 km)的柵格.

(2) NDVI數據集.盡管旬最大值合成的SPOT-VGT/NDVI在一定程度上已經減少了云的影響，但仍然會有某些不可預測的噪聲存在(因傳感器觀測角、太陽高度角、氣溶膠和水汽的變化導致)，故采用時間序列諧波分析法[17]對NDVI數據的異常值進行了進一步處理.另外，東北三省地處中高緯地區，冬春季由于冰雪覆蓋的影響，NDVI數據的值可能為負，因此本文將NDVI值小于零的值賦為0.

(3) 緯度柵格的獲取.首先利用Arcgis10.2中的空間分析將柵格轉換成點要素，再通過從http：//www.dataeast.com/en/XToolspro.asp獲取的Xtools工具中的table operations添加各點的經緯度坐標，最后再利用空間分析將點要素的緯度字段轉成柵格，并采樣成與其他數據集一樣大小的柵格.

2 研究方法

2.1 模型介紹

Dong模型[18]是由Dong和Kaufmann等學者針對北半球中高緯度森林和溫帶林區域，利用森林清查數據及同期的NOAA/NDVI生長季累計值建立的遙感參數模型.與一般的遙感參數模型不同，它同時把NDVI和緯度地帶性這兩個影響因素納入到了森林生物量密度模型的構建中，具體模型如下：

1/λ=α+β*[1/(ρ*τ2)]+γ*τ.

(1)

式中：λ為生物量密度(Mg/hm2)；ρ為森林生長季內的NDVI累積值；τ是緯度；α，β，γ是回歸系數.考慮到東北三省森林分布的生態區不同，本文中α，β，γ參數取值依據黃國勝和夏朝宗[8]的研究結果，即：大興安嶺北端分別為-0.038 6±0.004 61，3 946.15±231.25和0.000 56±0.000 048；小興安嶺及以南區域分別為-0.039 3±0.008 9，3 152.76±403.02和0.000 59±0.000 097.

2.2 NDVI生長季累積值

圖2 森林物候參數的提取示意圖

NDVI是植被類型、植株密度、植物個體葉面積指數和葉綠素濃度的復雜函數，從生長季開始到結束這一時間段內的NDVI 累積值代表了植被在年內生長與分布的綜合狀況，選取它作森林生物量的估算指標更加穩定.利用遙感數據劃分植物物候生長季節已被許多學者[19-20]證明是可行的，本文中森林的物候期參數是在改進后的Timesat程序[21]中計算的，采用的是雙邏輯斯蒂(double Logistic)模型擬合算法.基于Timesat程序，使用n年的影像數據往往只能提取n-1個完整年份的物候參數，故本文以提取的2013年森林物候期參數為探討對象.原模型是采用主觀自定義的比例閾值法提取植被生長季參數的，而森林的開始生長和結束生長是兩個不同的生物物理過程，在開始日期和結束日期設置相同的NDVI閾值是不合理的.基于此，本文采用動態比例閾值替代原模型主觀定義的比例閾值，具體來講，是將給定像元的NDVI生長曲線中斜率最大的點所對應的NDVI與曲線左邊振幅之間的比值，定為該像元生長季開始的比例閾值；類似地，將斜率最小點所對應的NDVI值與曲線右邊振幅之間的比值定為該像元生長季結束的比例閾值，這將更加符合森林實際的生長規律.具體的物候參數見圖2.

圖3 2013年研究區森林生長季長度及生長季NDVI累積值

3 結果與分析

3.1 東北三省森林生長季長度及生長季NDVI累積值空間格局

利用Matlab語言對研究區森林逐個像元進行雙邏輯斯蒂擬合，獲得相應的森林生長季長度和生長季內NDVI的累積值，結果見圖3.由圖3可見：大興安嶺北端森林生長季長度較短，約為120～140 d，小興安嶺森林生長季長度約為140～160 d，長白山地區約為150～180 d.森林生長季NDVI累積值的空間分布格局與森林生長季長度分布有著較大的相似性，小興安嶺、長白山地區較高，平均為75，個別地區甚至達到120；大興安嶺北部地區稍低，平均為68.因為大興安嶺北部地處寒溫帶，年均溫較低，使得森林生長期開始的日期較晚，結束的日期較早，故相應的生長季NDVI累積值也較小.在小興安嶺、長白山等溫帶針闊混交林區，由于降水量相對豐富、溫度相對較高，該區域的森林生長季較長，故NDVI累積值也較大[19]；另外，松遼平原因降水量稀少，致使植被稀疏，NDVI累積值最小.

3.2 東北三省森林生物量

圖4 2013年研究區森林生物量密度

由于緯度地帶性及氣候因素對東北三省森林分布類型及森林生長季長度的影響，導致森林生物量在區域上存在明顯的差異.圖4反映了研究區森林生物量的空間格局，結果表明：研究區多數森林生物量在50～150 Mg/hm2之間，平均生物量密度達93.47 Mg/hm2，森林生物量總量達3.24×109Mg.從區域來看，平均生物量密度最高的區域出現在以針闊混交林為主的長白山地區，大于100 Mg/hm2，這是由于長白山地區生長季NDVI累積值較大，所處緯度相對較低，且潮濕和溫暖的夏季氣候有利于森林生長的緣故；北部以興安落葉松為主的大興安嶺地區生物量密度較低，約為40～100 Mg/hm2，這是因為該區域森林生長季較短，生長季的NDVI累積值較小，且所處緯度較高；吉林省西部地區森林多呈帶狀分布，分布稀疏，以防護林網為主，生長季NDVI累積值在東北三省的森林中最小，再加上降水因子的影響，共同導致該區域的生物量密度最低，小于40 Mg/hm2.總的來說，生物量密度在東部較高、西部和北部較低，這與水熱條件的下降是一致的.

4 討論

本文對東北三省森林生物量的估算高于黃國勝等[8](2.34×109Mg)和方精云等[15](2.57×109Mg)的估算.黃國勝等是利用分類的方法來提取森林面積，而MODIS數據的分辨率又較粗，使得統計的東北三省森林面積(2.92×105km2)少于本文中利用中國土地利用集提取的森林面積(3.47×105km2)；而方精云等是把林冠覆蓋度>30%才定義為森林，因此統計的面積(2.75×105km2)也小于本文.本文對生物量密度的估算約為93.47 Mg/hm2，與譚琨等[16](89.30 Mg/hm2)及方精云等[15](95.80 Mg/hm2，1994—1998年統計結果)的估算結果相近，但高于黃國勝等的估算(80.18 Mg/hm2)，這可能是由黃國勝等對森林生長季開始和結束日期的定義與本文采用的方法不一致引起的.

另外，本文旨在提供一種森林生物量的估算思路和方法，其結果仍具有一定的不確定性.比如，NDVI飽和可能會致使部分樹冠覆蓋稠密地區生物量密度被低估；再如，Dong模型中沒有考慮到海拔和森林類型的影響，而海拔的變化會使得森林植被的類型、結構及生物量均隨之發生變化.在未來的研究中，應進一步對Dong模型進行改進，并探討該區域森林生物量隨時間變化的趨勢及驅動力.

5 結論

利用遙感方法進行森林生物量的估算，改變了在區域尺度生物量研究中嚴重依賴地面測樹因子的現狀，為森林生長過程的模擬與監測提供了精確且連續的測量手段，能夠進一步推動區域及全球碳循環研究.本文以SPOT-VGT/NDVI為數據源，結合遙感物候的方法，估測了東北三省2013年的森林生物量，結果表明：東北森林平均生物量密度為93.47 Mg/hm2，總量為3.24×109Mg；空間分布上，長白山、小興安嶺地區生物量密度較高，大興安嶺北部較低，最小值區域為松遼平原.

[1] GOODALE C L，APPS M J，BIRDSEY R A，et al.Forest carbon sinks in the Northern Hemisphere[J]. Ecological Applications，2002，12(3)：891-899.

[2] PAN Y，BIRDSEY R A，FANG J，et al.A large and persistent carbon sink in the world’s forests[J]. Science，2011，333(6045)：988-993.

[3] 伏鴻峰，閆偉，陳晶晶.內蒙古大興安嶺林區森林碳儲量及其動態變化研究[J]. 干旱區資源與環境，2013，27(9)：167-170.

[4] 曹揚，陳云明，晉蓓，等.陜西省森林植被碳儲量、碳密度及其空間分布格局[J]. 干旱區資源與環境，2014，28(9)：70-73.

[5] 黎夏，劉凱，王樹功.珠江口紅樹林濕地演變的遙感分析[J]. 地理學報，2006，61(1)：26-34.

[6] 徐天蜀.基于遙感信息的森林生物量、碳儲量估測技術研究[J]. 林業調查規劃，2008，33(3)：11-13.

[7] 范文義，李明澤，楊金明.長白山林區森林生物量遙感估測模型[J]. 林業科學，2011，47(10)：16-20.

[8] 黃國勝，夏朝宗.基于MODIS的東北地區森林生物量研究[J]. 林業資源管理，2005(4)：40-44.

[9] CHIESI M，MASELLI F，BINDI M，et al.Modelling carbon budget of Mediterranean forests using ground and remote sensing measurements[J]. Agricultural and Forest Meteorology，2005，135(1/4)：22-34.

[10] 曹慶先，徐大平，鞠洪波.基于TM影像紋理與光譜特征和KNN方法估算5種紅樹林群落生物量[J]. 林業科學研究，2011，24(2)：144-150.

[11] CHIRICI G，BARBATI A，CORONA P，et al.Non-parametric and parametric methods using satellite images for estimating growing stock volume in alpine and Mediterranean forest ecosystems[J]. Remote Sensing of Environment，2008，112(5)：2686-2700.

[12] 汪少華，張茂震，趙平安，等.基于TM影像、森林資源清查數據和人工神經網絡的森林碳空間分布模擬[J]. 生態學報，2011，31(4)：998-1008.

[13] STüMER W，KENTER B，K?HL M.Spatial interpolation of in situ data by self-organizing map algorithms (neural networks) for the assessment of carbon stocks in European forests[J]. Forest Ecology and Management，2010，260(3)：287-293.

[14] PIAO S，FANG J，ZHOU L，et al.Changes in vegetation net primary productivity from 1982 to 1999 in China[J]. Global Biogeochemical Cycles，2005，19(2)：1-16.

[15] 方精云，陳安平.中國森林植被碳庫的動態變化及其意義[J]. 植物學報，2001，43(9)：967-973.

[16] TAN K，PIAO S，PENG C，et al.Satellite-based estimation of biomass carbon stocks for northeast China’s forests between 1982 and 1999[J]. Forest Ecology and Management，2007，240(1/3)：114-121.

[17] JAKUBAUSKAS M E，LEGATES D R，KASTENS J H.Harmonic analysis of time-series AVHRR NDVI data[J]. Photogrammetric Engineering and Remote Sensing，2001，67(4)：461-470.

[18] DONG J，KAUFMANN R K，MYNENI R B，et al.Remote sensing estimates of boreal and temperate forest woody biomass：carbon pools，sources，and sinks[J]. Remote Sensing of Environment，2003，84(3)：393-410.

[19] 于信芳，莊大方.基于MODIS NDVI數據的東北森林物候期監測[J]. 資源科學，2006，28(4)：111-117.

[20] LI M，WU Z，QIN L，et al.Extracting vegetation phenology metrics in Changbai Mountains using an improved logistic model[J]. Chinese Geographical Science，2011，21(3)：304-311.

[21] J?NSSON P，EKLUNDH L.TIMESAT—a program for analyzing time-series of satellite sensor data[J]. Computers & Geosciences，2004，30(8)：833-845.

(責任編輯：方林)

ForestbiomassanditsspatialpatterninNortheastThreeProvincesofChina

LI Ming1，2，CHAI Xu-rong1，2，ZHANG Lian-zhi3

(1.Modern College of Arts and Sciences，Shanxi Normal University，Linfen 041000，China： 2.School of Geographical Sciences，Shanxi Normal University，Linfen 041000，China； 3.Library of Shanxi Normal University，Linfen 041000，China)

Using the Dong model and remote sensed phenology driven by SPOT-VGT normalized difference vegetation index (NDVI) data from 2012 to 2014，this study quantified the spatial distribution of forest biomass density in Northeast China.The result suggested that the biomass of most forests in the study area values from 50～150 Mg/hm2with the average biomass density of 93.47 Mg/hm2and the total biomass of 3.24×109Mg.Spatially，the Changbai Mountainous area that is mainly distributed with mixed broadleaf-conifer forest achieves the highest average biomass density，higher than 100 Mg/hm2.The Greater Khingan Mountain area in the northern region that mainly distributed withLarixgmeliniirepresents lower biomass density，valuing about 40～100 Mg/hm2.Western regions of Jilin Province where is mainly distributed with shelterbelts represent the lowest biomass density，less than 40 Mg/hm2.The spatial pattern of forest biomass in Northeast Three Provinces of China is consistent with the descending of water and temperature conditions.

biomass；remote phenology；SPOT/NDVI；spatial pattern；forest in Northeast China

1000-1832(2017)03-0131-05

10.16163/j.cnki.22-1123/n.2017.03.027

2016-07-26

國家自然科學基金資助項目(41171038)；山西省科技創新項目(20161113)；山西師范大學自然科學基金資助項目(ZR1213).

李明(1982—)，男，博士，講師，主要從事遙感物候和區域氣候研究.

S 771.8 [學科代碼] 220·2530

A