李 明，柴旭榮，張連芝

(1.山西師范大學(xué)現(xiàn)代文理學(xué)院，山西 臨汾 041000； 2.山西師范大學(xué)地理科學(xué)學(xué)院，山西 臨汾 041000； 3.山西師范大學(xué)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(xué)現(xiàn)代文理學(xué)院，山西 臨汾 041000； 2.山西師范大學(xué)地理科學(xué)學(xué)院，山西 臨汾 041000； 3.山西師范大學(xué)圖書館，山西 臨汾 041000)

以2012—2014年SPOT-VGT旬合成歸一化植被指數(shù)(NDVI)為數(shù)據(jù)源，借助Dong模型和遙感物候?qū)W的方法，對(duì)東北三省森林生物量密度的空間分布格局進(jìn)行了分析.結(jié)果表明：東北三省多數(shù)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(qū)域出現(xiàn)在以針闊混交林為主的長白山地區(qū)，大于100 Mg/hm2；北部以興安落葉松為主的大興安嶺地區(qū)的生物量密度較低，約為40～100 Mg/hm2；以防護(hù)林網(wǎng)為主的吉林省西部地區(qū)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(píng)估報(bào)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(huì)導(dǎo)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(jìn)而使全球植被生物量的空間格局發(fā)生改變.森林生態(tài)系統(tǒng)儲(chǔ)存了全球陸地生態(tài)系統(tǒng)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(píng)價(jià)森林生態(tài)系統(tǒng)碳匯潛力的前提，因此對(duì)于森林生物量及其變化的評(píng)估成為目前全球氣候變化研究的熱點(diǎn)之一.

傳統(tǒng)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(shù)據(jù)，[3-4]難以及時(shí)反映森林生物量分布格局的變化.隨著遙感技術(shù)的發(fā)展，使得在大尺度上、動(dòng)態(tài)地進(jìn)行森林生物量估測(cè)成為可能[5].目前進(jìn)行森林生物量估測(cè)主要有以下幾種方法：遙感信息參數(shù)與生物量擬合方法、[6-7]遙感數(shù)據(jù)與過程模型融合方法、[8-9]基準(zhǔn)樣地法、[10-11]人工神經(jīng)網(wǎng)絡(luò)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(chǔ)著大量的碳；再者，該區(qū)域也是氣候敏感區(qū)，先前的研究表明，氣候的變化對(duì)東北地區(qū)植被的生長產(chǎn)生了巨大的影響[14].因此研究該地區(qū)森林生物量的空間格局對(duì)于中國森林管理及對(duì)陸地碳循環(huán)的理解有著重要的意義.部分學(xué)者也已經(jīng)使用不同的方法對(duì)該區(qū)域的森林生物量進(jìn)行過評(píng)估，如方精云和陳安平[15]利用森林清樣調(diào)查數(shù)據(jù)及森林生物量實(shí)測(cè)資料推算了中國森林植被碳庫的動(dòng)態(tài)變化，在省級(jí)尺度上進(jìn)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(diào)查數(shù)據(jù)和1982-1999年NOAA歸一化植被指數(shù)(NDVI)數(shù)據(jù)建立了森林生物量的經(jīng)驗(yàn)擬合公式，進(jìn)而估算了中國東北地區(qū)在這20年里森林碳儲(chǔ)量的時(shí)空變化；黃國勝和夏朝宗[8]利用2003年MODIS數(shù)據(jù)，結(jié)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(duì)森林生長季開始和結(jié)束日期是以日平均氣溫為指標(biāo)進(jìn)行定義的，這可能會(huì)因氣象站點(diǎn)的不足(尤其是山區(qū))影響結(jié)果的精度.本文首先結(jié)合遙感物候?qū)W的方法，逐個(gè)像元進(jìn)行森林生長季內(nèi)NDVI累積值的計(jì)算，然后借助Dong模型估算了每個(gè)像元的森林生物量密度，并進(jìn)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(qū)的森林生物量遙感估測(cè)的技術(shù)方法，從而為森林資源的快速宏觀監(jiān)測(cè)和森林生物量遙感反演提供思路.

1 研究區(qū)及數(shù)據(jù)源

圖1 中國東北三省森林分布范圍

1.1 研究區(qū)

本文以中國東北三省作為研究區(qū)，即黑龍江、吉林、遼寧三省.東北三省同屬于大陸性季風(fēng)氣候區(qū)，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(qū)，包括寒溫帶落葉針葉林區(qū)、溫帶針闊葉混交林區(qū).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(cè)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(shù)據(jù)源

本文所用的數(shù)據(jù)主要包括：旬最大值合成的SPOT-VGT/NDVI、土地利用及數(shù)字高程數(shù)據(jù).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(shí)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(shù)據(jù)為來源于http：//westdc.westgis.ac.cn的中國WESTDC1.0數(shù)據(jù)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(shù)字高程數(shù)據(jù)為來源于http：//srtm.csi.cgiar.org的SRTM，空間分辨率90 m×90 m；坐標(biāo)系統(tǒng)采用1984年世界大地坐標(biāo)系統(tǒng)(WGS-84)，用以提取柵格的緯度信息.

1.3 數(shù)據(jù)預(yù)處理

(1) 空間參考.各類數(shù)據(jù)因空間投影方式和空間分辨率不一致，故在數(shù)據(jù)處理過程中將所有的數(shù)據(jù)轉(zhuǎn)換成Albers投影格式(中央經(jīng)線E105°，第一標(biāo)準(zhǔn)緯線N25°，第二標(biāo)準(zhǔn)緯線N47°)，并重采樣成像元大小相同(1 km×1 km)的柵格.

(2) NDVI數(shù)據(jù)集.盡管旬最大值合成的SPOT-VGT/NDVI在一定程度上已經(jīng)減少了云的影響，但仍然會(huì)有某些不可預(yù)測(cè)的噪聲存在(因傳感器觀測(cè)角、太陽高度角、氣溶膠和水汽的變化導(dǎo)致)，故采用時(shí)間序列諧波分析法[17]對(duì)NDVI數(shù)據(jù)的異常值進(jìn)行了進(jìn)一步處理.另外，東北三省地處中高緯地區(qū)，冬春季由于冰雪覆蓋的影響，NDVI數(shù)據(jù)的值可能為負(fù)，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(zhuǎn)換成點(diǎn)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(diǎn)的經(jīng)緯度坐標(biāo)，最后再利用空間分析將點(diǎn)要素的緯度字段轉(zhuǎn)成柵格，并采樣成與其他數(shù)據(jù)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(xué)者針對(duì)北半球中高緯度森林和溫帶林區(qū)域，利用森林清查數(shù)據(jù)及同期的NOAA/NDVI生長季累計(jì)值建立的遙感參數(shù)模型.與一般的遙感參數(shù)模型不同，它同時(shí)把NDVI和緯度地帶性這兩個(gè)影響因素納入到了森林生物量密度模型的構(gòu)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(nèi)的NDVI累積值；τ是緯度；α，β，γ是回歸系數(shù).考慮到東北三省森林分布的生態(tài)區(qū)不同，本文中α，β，γ參數(shù)取值依據(jù)黃國勝和夏朝宗[8]的研究結(jié)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(qū)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(shù)的提取示意圖

NDVI是植被類型、植株密度、植物個(gè)體葉面積指數(shù)和葉綠素濃度的復(fù)雜函數(shù)，從生長季開始到結(jié)束這一時(shí)間段內(nèi)的NDVI 累積值代表了植被在年內(nèi)生長與分布的綜合狀況，選取它作森林生物量的估算指標(biāo)更加穩(wěn)定.利用遙感數(shù)據(jù)劃分植物物候生長季節(jié)已被許多學(xué)者[19-20]證明是可行的，本文中森林的物候期參數(shù)是在改進(jìn)后的Timesat程序[21]中計(jì)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(shù)據(jù)往往只能提取n-1個(gè)完整年份的物候參數(shù)，故本文以提取的2013年森林物候期參數(shù)為探討對(duì)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(shù)的，而森林的開始生長和結(jié)束生長是兩個(gè)不同的生物物理過程，在開始日期和結(jié)束日期設(shè)置相同的NDVI閾值是不合理的.基于此，本文采用動(dòng)態(tài)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(diǎn)所對(duì)應(yīng)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(diǎn)所對(duì)應(yīng)的NDVI值與曲線右邊振幅之間的比值定為該像元生長季結(jié)束的比例閾值，這將更加符合森林實(shí)際的生長規(guī)律.具體的物候參數(shù)見圖2.

圖3 2013年研究區(qū)森林生長季長度及生長季NDVI累積值

3 結(jié)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(duì)研究區(qū)森林逐個(gè)像元進(jìn)行雙邏輯斯蒂擬合，獲得相應(yīng)的森林生長季長度和生長季內(nèi)NDVI的累積值，結(jié)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(qū)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(qū)較高，平均為75，個(gè)別地區(qū)甚至達(dá)到120；大興安嶺北部地區(qū)稍低，平均為68.因?yàn)榇笈d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(jié)束的日期較早，故相應(yīng)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(qū)，由于降水量相對(duì)豐富、溫度相對(duì)較高，該區(qū)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(qū)森林生物量密度

由于緯度地帶性及氣候因素對(duì)東北三省森林分布類型及森林生長季長度的影響，導(dǎo)致森林生物量在區(qū)域上存在明顯的差異.圖4反映了研究區(qū)森林生物量的空間格局，結(jié)果表明：研究區(qū)多數(shù)森林生物量在50～150 Mg/hm2之間，平均生物量密度達(dá)93.47 Mg/hm2，森林生物量總量達(dá)3.24×109Mg.從區(qū)域來看，平均生物量密度最高的區(qū)域出現(xiàn)在以針闊混交林為主的長白山地區(qū)，大于100 Mg/hm2，這是由于長白山地區(qū)生長季NDVI累積值較大，所處緯度相對(duì)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(qū)生物量密度較低，約為40～100 Mg/hm2，這是因?yàn)樵搮^(qū)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(qū)森林多呈帶狀分布，分布稀疏，以防護(hù)林網(wǎng)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(dǎo)致該區(qū)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(duì)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(shù)據(jù)的分辨率又較粗，使得統(tǒng)計(jì)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(tǒng)計(jì)的面積(2.75×105km2)也小于本文.本文對(duì)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(tǒng)計(jì)結(jié)果)的估算結(jié)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(duì)森林生長季開始和結(jié)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(jié)果仍具有一定的不確定性.比如，NDVI飽和可能會(huì)致使部分樹冠覆蓋稠密地區(qū)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(huì)使得森林植被的類型、結(jié)構(gòu)及生物量均隨之發(fā)生變化.在未來的研究中，應(yīng)進(jìn)一步對(duì)Dong模型進(jìn)行改進(jìn)，并探討該區(qū)域森林生物量隨時(shí)間變化的趨勢(shì)及驅(qū)動(dòng)力.

5 結(jié)論

利用遙感方法進(jìn)行森林生物量的估算，改變了在區(qū)域尺度生物量研究中嚴(yán)重依賴地面測(cè)樹因子的現(xiàn)狀，為森林生長過程的模擬與監(jiān)測(cè)提供了精確且連續(xù)的測(cè)量手段，能夠進(jìn)一步推動(dòng)區(qū)域及全球碳循環(huán)研究.本文以SPOT-VGT/NDVI為數(shù)據(jù)源，結(jié)合遙感物候的方法，估測(cè)了東北三省2013年的森林生物量，結(jié)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(qū)生物量密度較高，大興安嶺北部較低，最小值區(qū)域?yàn)樗蛇|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，F(xiàn)ANG 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(nèi)蒙古大興安嶺林區(qū)森林碳儲(chǔ)量及其動(dòng)態(tài)變化研究[J]. 干旱區(qū)資源與環(huán)境，2013，27(9)：167-170.

[4] 曹揚(yáng)，陳云明，晉蓓，等.陜西省森林植被碳儲(chǔ)量、碳密度及其空間分布格局[J]. 干旱區(qū)資源與環(huán)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(xué)報(bào)，2006，61(1)：26-34.

[6] 徐天蜀.基于遙感信息的森林生物量、碳儲(chǔ)量估測(cè)技術(shù)研究[J]. 林業(yè)調(diào)查規(guī)劃，2008，33(3)：11-13.

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

[8] 黃國勝，夏朝宗.基于MODIS的東北地區(qū)森林生物量研究[J]. 林業(yè)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(yè)科學(xué)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(shù)據(jù)和人工神經(jīng)網(wǎng)絡(luò)的森林碳空間分布模擬[J]. 生態(tài)學(xué)報(bào)，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，F(xiàn)ANG 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(dòng)態(tài)變化及其意義[J]. 植物學(xué)報(bào)，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(shù)據(jù)的東北森林物候期監(jiān)測(cè)[J]. 資源科學(xué)，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(zé)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(xué)基金資助項(xiàng)目(41171038)；山西省科技創(chuàng)新項(xiàng)目(20161113)；山西師范大學(xué)自然科學(xué)基金資助項(xiàng)目(ZR1213).

李明(1982—)，男，博士，講師，主要從事遙感物候和區(qū)域氣候研究.

S 771.8 [學(xué)科代碼] 220·2530

A