謝 敏，李黨輝，王照利

森林是地球生態(tài)系統(tǒng)的重要組成部分，森林生態(tài)系統(tǒng)在抑制地球環(huán)境惡化、保護生物多樣性及應對氣候變化等方面扮演著重要角色。開展森林資源調查，可以掌握森林資源現(xiàn)狀和變化情況，預測森林資源的發(fā)展趨勢，為森林經(jīng)營方案的制定提供依據(jù)和技術支持。遙感作為新興的高新技術已經(jīng)廣泛應用于森林資源調查。應用遙感技術可以及時、快速、準確地提取地物信息，為森林資源動態(tài)變化監(jiān)測提供技術支持［1］。國內外已經(jīng)有大量的利用遙感技術進行森林資源動態(tài)監(jiān)測的研究［2－4］，但針對陜北地區(qū)天然林動態(tài)變化監(jiān)測的實例還未見報道。

本文以陜北地區(qū)大嶺林場為例，利用Landsat TM／ETM＋影像數(shù)據(jù)提取了林地利用信息，對大嶺林場森林資源進行時空變化分析，并采用馬爾科夫預測法對2013年大嶺林場森林資源結構進行預測分析。

1 研究區(qū)概況和數(shù)據(jù)源

1.1 研究區(qū)概況

大嶺林場位于陜北黃土高原，是陜西省延安市黃龍山林業(yè)局下轄十大林場之一。地理坐標為東經(jīng)109°56′～110°12′，北緯35°40′～35°48′，面積239km2。地貌類型以土質中低山為主，相對高差在200～400m之間，土壤以褐土為主，在陰坡和半陰坡森林高覆蓋率地區(qū)有淋溶土分布。氣候屬暖溫帶大陸性半濕潤氣候。優(yōu)勢樹種主要有華山松、油松、落葉松、柏類、樺類、楊類、漆樹、白刺花、黃薔薇及經(jīng)濟作物核桃和花椒。研究區(qū)的地理位置如圖1所示。

圖1 研究區(qū)地理位置

1.2 數(shù)據(jù)來源

本研究使用的數(shù)據(jù)主要包括：（1）研究區(qū)1999年9月24日的ETM＋影像和2006年8月18日的TM影像；（2）1998年森林資源調查數(shù)據(jù)和林相圖及2006年森林資源二類調查數(shù)據(jù)。

2 研究方法與技術路線

本研究首先對兩期影像進行幾何校正、大氣校正、增強和影像增強等預處理工作，其次建立兩期影像的解譯標志并利用馬氏距離分類器對兩期影像進行分類、分類后處理和精度評價。最后將“變化面積”、“變化幅度”和“動態(tài)度”引入本文進行林地動態(tài)變化分析，并使用馬爾科夫預測法進行森林資源結構預測。本研究的技術路線如圖2所示。

圖2 技術路線

2.1 變化面積

變化面積是指每種林地利用類型面積上的變化，其數(shù)學表達式為：

式中：ub，ua分別表示后一時期和前一時期的林地利用面積，S為變化面積。

2.2 變化幅度

變化幅度是指林地利用類型面積相對于初始狀態(tài)的變化［5］，其數(shù)學表達式為：

其中，ub，ua分別表示后一時期和前一時期的林地利用面積，F(xiàn)為變化面積。

2.3 土地利用動態(tài)度

土地利用變化的速率通常用土地利用動態(tài)度來描述，土地利用動態(tài)度在分析研究區(qū)土地利用變化差異和預測土地利用發(fā)展趨勢中起到重要作用［6］。本研究將單一土地利用動態(tài)度用于林地變化的定量描述。

計算土地利用動態(tài)度公式如下：

式中，ub，ua分別表示后一時期和前一時期的林地利用面積，T為兩個時期之間的時間差，K為土地利用動態(tài)度。

2.4 馬爾科夫（Markov）預測模型

馬爾科夫預測模型是一種預測事件發(fā)生概率的方法。這種預測模型基于馬爾科夫鏈，是根據(jù)事件的當前狀況來預測其將來各個時刻的動態(tài)變化情況的一種預測方法。馬爾科夫預測模型是對地理事件進行預測的一種基本方法，其預測的可靠性在眾多方面得到了驗證［7－9］。

從初始狀態(tài)開始，經(jīng)過k次狀態(tài)轉移后到達狀態(tài)，可看做是經(jīng)過（k－1）次狀態(tài)轉移后達到狀態(tài)，然后再經(jīng)過一次狀態(tài)轉移到達狀態(tài)。根據(jù)馬爾科夫過程的無后效性和Bayes條件概率公式得：

其中πj（k）表示k時刻的狀態(tài)向量矩陣。若記行向量πj（k）＝ ［π1（k），π2（k），…，πn（k）］，則可逐次計算到狀態(tài)概率的遞推公式

其中π（0）＝ ［π1（0），π2（0），…，πn（0）］為初始概率向量，由此式可以預測第k個時刻的狀態(tài)。

3 結果與分析

3.1 遙感影像解譯結果

本研究依據(jù)國家林業(yè)局《森林資源規(guī)劃設計調查主要技術規(guī)定》，并結合遙感影像可識別的類型，最終確定將研究區(qū)分為闊葉林、針葉林、混交林、灌木林地、疏林地和耕地六種地類。在ENVI 5.0 和 ArcGIS 10的支持下，對研究區(qū)兩期影像分別建立訓練樣區(qū)，并采用馬氏距離分類器進行分類、分類后處理和精度評價，分類精度均達到85%以上，分類結果如圖3、4所示。

3.2 林地變化分析

各地類的變化面積、變化幅度和動態(tài)度等指標是衡量森林資源時空動態(tài)變化的重要指標，為全面了解研究區(qū)森林資源動態(tài)變化情況，對兩個時期的遙感影像分類結果和變化信息進行了統(tǒng)計（表1）。

由表1可知，1999年闊葉林地、針葉林地、混交林地、灌木林地、疏林地和耕地分別占研究區(qū)的38.93%、7.30%、12.01%、6.25%、33.42%和2.09%；到2006年其比例分別為51.07%、8.17%、13.09%、10.07%、16.28和1.31%?？梢钥闯?，闊葉林地、針葉林地、混交林地和灌木林地面積比例均有所增加，其中闊葉林地變化幅度最大，其次是灌木林地和混交林地；耕地和疏林地呈減少趨勢。這些變化情況說明天然林保護工作取得了巨大成果。

圖3 1999年遙感影像分類圖

圖4 2006年遙感影像分類圖

表1 各地類變化分析

3.3 林地發(fā)展變化預測

統(tǒng)計分析森林資源不同地理之間的相互變化情況也是森林資源動態(tài)監(jiān)測的重要內容，根據(jù)不同林地類型之間的相互轉化情況，可以預測森林資源動態(tài)變化趨勢，同時也可以為制定森林經(jīng)營決策方案提供依據(jù)。

本研究利用ENVI 5.0軟件計算處理出林地變化轉移概率矩陣（表2）。對7a內的林地變化進行分析，可以看出闊葉林7a內，有72.53%面積未發(fā)生變化，由 6.15%、5.99%、4.01%、1.12%和0.12%變?yōu)楣嗄玖值?、混交林地、針葉林地、疏林地和耕地；闊葉林增加的部分主要來自疏林地和混交林地；針葉林地增加部分主要來自混交林地；耕地主要向灌木林地和疏林地轉化，變化區(qū)域發(fā)生在溝道、河流和道路等人為影響較大區(qū)域。在1999～2006年間，耕地和疏林地分布面積減少，有林地面積持續(xù)增加，說明研究區(qū)人工造林和天然林更新作用顯著。

表2 1999～2006年大嶺林區(qū)土地利用變化轉移概率矩陣

根據(jù)依據(jù)馬爾可夫過程性質和條件概率的定義，運用馬爾可夫預測法，利用初始狀態(tài)轉移矩陣，在保持某個時段中干擾條件不變的前提下，求出各類型的轉移概率矩陣，由此預測2013年林地利用格局的變化。經(jīng)計算得到2013年林地面積結構。

表3 2006年和2013年林地面積統(tǒng)計 km2

經(jīng)預測，2013年，闊葉林地、針葉林地、混交林地、灌木林地、疏林地和耕地面積分別約為124.80、19.55、29.45、27.15、35.52 和2.29km2。2006年至2013年變化面積最大的疏林地，其次是灌木林地、闊葉林地、混交林地、耕地和針葉林地。

4 結論與討論

（1）利用不同時相的遙感影像進行森林資源的時空動態(tài)變化分析，能及時直觀地反映森林資源消長變化和動態(tài)轉換情況。

（2）通過計算林地變化狀態(tài)概率轉移矩陣，得出在1999～2006年間，耕地和疏林地分布面積減少，有林地面積持續(xù)增加，說明自從實施天然林保護工程以后，天然林保護工程有利于森林資源的更新和林場的可持續(xù)發(fā)展。

（3）通過馬爾科夫預測得出，2013年闊葉林地、針葉林地、混交林地、灌木林地、疏林地和耕地面積分別為124.80、19.55、29.45、27.15、35.52和2.29km2。2006～2013年變化面積最大的是疏林地，其次是灌木林地、闊葉林地、混交林地、耕地和針葉林地。

（4）黃土高原天然林樹種單一，且分布特征明顯，是遙感技術進行天然林資源時空變化監(jiān)測研究的理想場所。隨遙感技術的發(fā)展，遙感技術會越來越多的應用于天然林資源的變化監(jiān)測中，并向高分辨率和高光譜遙感方向發(fā)展，以期取得更好的監(jiān)測精度。

［1］ 游先祥.遙感原理及在資源環(huán)境中的應用［M］.北京：中國林業(yè)出版社，2003：320－324.

［2］ 劉冰，宏家宜.Landsat－7ETM＋遙感影像在三北防護林工程縣級森林資源調查中的應用［J］.防護林科技，2005（4）：24－27.

［3］ 任建，洪定安，鄧杰，等.IRS－P5與RapidEye遙感影像在森林資源調查中的應用［J］.陜西林業(yè)科技，2011（4）：15－16，21.

［4］ Gunlu A，Sivrikaya F，Baskent EZ，Keles S，Cakir G，Kadiogullari AI.Estimation of stand type parameters and land cover using Landsat－7ETM image：A case study from Turkey［J］.Sensors，2008，8（4）：2509－2525.

［5］ 朱會義，李秀彬，何書金，等.環(huán)渤海地區(qū)土地利用的時空變化分析［J］.地理學報，2001，56（3）：253－260.

［6］ 孫存舉.基于GIS和RS的黃龍山林區(qū)林地時空動態(tài)變化分析［D］.西北農(nóng)林科技大學，2011.

［7］ Fan F L，Weng Q H，Wang Y P.Land use and land cover change in Guangzhou，China，from 1998to 2003，based on Landsat TM／ETM＋imagery［J］.Sensors，2007，7（7）：1323－1342.

［8］ 楊國清，吳志峰，祝國瑞.廣州地區(qū)土地利用景觀格局變化研究［J］.農(nóng)業(yè)工程學報，2006，22（5）：218－221.

［9］ 牛星，歐名豪.基于Markov理論的揚州市土地利用結構預測［J］.經(jīng)濟地理，2007，27（1）：153－156.