李苑菱，陳宗鑄，雷金睿，陳小花，楊琦，吳庭天

（海南省林業(yè)科學(xué)研究所，海南?？?571100）

森林資源作為陸地生態(tài)系統(tǒng)的構(gòu)建主體，是社會經(jīng)濟(jì)發(fā)展的基礎(chǔ)與根本[1]。定期進(jìn)行森林資源調(diào)查，了解森林資源的增減動態(tài)變化，對森林資源的保護(hù)與發(fā)展利用具有重要意義。但因受到經(jīng)濟(jì)條件和時間等因素的制約，目前仍以抽樣調(diào)查為主要技術(shù)手段進(jìn)行[2]。隨著社會經(jīng)濟(jì)條件發(fā)生變化，中國的森林資源調(diào)查內(nèi)容的增加和調(diào)查精度要求的提高[3]，傳統(tǒng)抽樣方法的局限與缺陷也越發(fā)突出。傳統(tǒng)抽樣方法在調(diào)查中具有客觀性差、工作量大、準(zhǔn)確率低以及無法進(jìn)行多方案的模擬實(shí)驗(yàn)和比較分析等缺點(diǎn)。因此，設(shè)計研制出具有嚴(yán)格統(tǒng)計學(xué)基礎(chǔ)、低成本高效率、適應(yīng)性強(qiáng)的抽樣方法已成為林業(yè)工作者的一項(xiàng)重要研究內(nèi)容。

空間自相關(guān)性是指在空間上一些事物或現(xiàn)象彼此間靠近和相似的程度。在森林資源調(diào)查中，由于受外在環(huán)境與人類活動干擾等因素及其相互作用的影響，許多森林調(diào)查因素在空間分布上并不具有獨(dú)立、隨機(jī)性，而是表現(xiàn)出高度的空間自相關(guān)性[4]?，F(xiàn)有森林資源調(diào)查抽樣方法以研究隨機(jī)變量變化規(guī)律的經(jīng)典統(tǒng)計學(xué)為理論基礎(chǔ)，由于森林資源調(diào)查因子中大多是區(qū)域變化變量，而不是純隨機(jī)變量，具有隨機(jī)性和結(jié)構(gòu)性雙重屬性。若要有效解決森林資源調(diào)查中這種空間分布數(shù)據(jù)的雙重屬性問題，可應(yīng)用地統(tǒng)計學(xué)分析和空間抽樣技術(shù)等兼具考慮空間相關(guān)性的理論方法[5]。

空間平衡抽樣(Spatial Balanced Sampling,SBS)在1997 年由美國Stevens 提出[6]，在算法設(shè)想上不僅結(jié)合了傳統(tǒng)抽樣的優(yōu)點(diǎn)，還強(qiáng)調(diào)了在抽取樣本時的空間隨機(jī)等概和均勻分布?？臻g平衡抽樣在國外仍主要處于理論探索開發(fā)階段[7～9]，而在國內(nèi)也尚處于起步階段，李明陽等人在空間平衡抽樣上展開了大量的研究，他在森林資源調(diào)查、森林生物多樣性監(jiān)測及野生哺乳動物調(diào)查等多方面中對于空間平衡抽樣方法的原理與應(yīng)用均展開了相關(guān)的探討[10～14]。利用GIS 為技術(shù)手段，空間平衡抽樣在抽樣框創(chuàng)建、可視化、定位尋找等方面具有顯著優(yōu)勢，同時也為地統(tǒng)計學(xué)空間自相關(guān)等方面的空間分析提供了強(qiáng)大的技術(shù)支撐，這為目前森林抽樣調(diào)查中所面臨的問題提供了新的解決方式。

該文以海南省為研究區(qū)域，GIS 平臺為技術(shù)支撐，以2017 年海南省Landsat-8 OLI-TIRS 遙感影像數(shù)據(jù)和海南省森林資源二類調(diào)查本底數(shù)據(jù)為主要信息源，對遙感圖像進(jìn)行校正、融合等預(yù)處理步驟，按照森林調(diào)查類型分類標(biāo)準(zhǔn)，獲取各類型的準(zhǔn)確資料。通過簡單隨機(jī)、系統(tǒng)、空間平衡3 種不同抽樣方法，提取樣本信息，并對研究區(qū)域的地類信息進(jìn)行參數(shù)估算。在此基礎(chǔ)上對不同抽樣結(jié)果進(jìn)行空間相關(guān)性分析，并對不同抽樣結(jié)果的抽樣精度進(jìn)行比較分析，為森林資源調(diào)查探索出更為經(jīng)濟(jì)適用的抽樣方法，為林業(yè)發(fā)展提供借鑒性依據(jù)。

1 研究區(qū)域概況

海南省屬中國最南端，坐標(biāo)18°10′～20°10′N，108°37′～111°03′E，處于熱帶季風(fēng)氣候區(qū)。北臨瓊州海峽，西鄰北部灣，東、南部瀕南海。全年氣候宜人，年均氣溫22～27℃；降水充足，年均降水量為1639mm，可劃分為多雨季和少雨季[15]；地形四周低中部高，以五指山、鸚哥嶺等中部山區(qū)為隆起中心，并向外組成由山地、丘陵到臺地再到平原逐級下沉的環(huán)形層狀地貌；土壤類型大多為紅壤、磚紅壤和黃壤等[16]；森林植被類型繁雜多樣，通常劃分為熱帶雨林、季雨林、針葉林、常綠闊葉林、紅樹林和人工林等。

2 材料與方法

2.1 數(shù)據(jù)來源與預(yù)處理

2009 年海南省森林資源二類調(diào)查數(shù)據(jù)來源于海南省林業(yè)局，按林地分類標(biāo)準(zhǔn)，分為有林地、疏林地、灌木林地、未成林造林地、苗圃地、無立木林地、宜林地、非林地7 個地類，并根據(jù)矢量數(shù)據(jù)統(tǒng)計各地類的面積百分比。

2017 年海南省Landsat-8 OLI-TIRS 遙感影像數(shù)據(jù)來源于美國地質(zhì)調(diào)查局?jǐn)?shù)據(jù)中心(https://glovis.usgs.gov/）的，軌道號為p124/r46，全色波段分辨率為15*15m，多光譜波段分辨率為30*30m。遙感影像經(jīng)校正、融合和彩色變換等預(yù)處理后，運(yùn)用ArcGIS 10.2 的柵格計算器生成歸一化植被指數(shù)（NDVI）柵格圖（圖1），并以海南省行政界線為掩膜，裁剪獲得研究區(qū)域NDVI 指數(shù)，空間分辨率30m[17]。計算公式為：

式中，NIR 表示近紅外波段，R 表示可見光紅波段。

圖1 海南省NDVI 柵格圖層Fig.1 Hainan Province NDVI Raster Layers

2.2 抽樣方法

在2013 年的海南省國家森林資源連續(xù)清查（一類調(diào)查）中采取系統(tǒng)抽樣的方式以4×3km 間距網(wǎng)格進(jìn)行布樣調(diào)查，在全省范圍內(nèi)共布設(shè)了2829 個固定樣地。該文為了更好的對系統(tǒng)抽樣、簡單隨機(jī)抽樣和空間平衡抽樣3 種方法的性能進(jìn)行比較分析，樣本容量均抽取了2829 個樣點(diǎn)進(jìn)行比較分析。其抽樣樣本的實(shí)現(xiàn)分別采取以下方法：

（1）傳統(tǒng)抽樣。2 種傳統(tǒng)抽樣方法均利用ArcGIS平臺外掛的Hawth's Tools 分析工具進(jìn)行抽樣（圖2、3）[18]。

（2）空間平衡抽樣。研究采用了RRQRR 算法，其算法設(shè)計步驟為：①M(fèi)orton 二維編址；②四分遞歸排序；③Morton 反向編址；④增加抽樣隨機(jī)成分，生成包含概率柵格層，生成平衡抽樣樣本點(diǎn)（圖4）[18，19]。RRQRR 是在ArcGIS 平臺上通過Python 語言編程實(shí)現(xiàn)的。

圖2 簡單隨機(jī)抽樣結(jié)果Fig.2 Diagram of Random Sampling results

圖3 系統(tǒng)抽樣結(jié)果Fig.3 Diagram of System Sampling results

圖4 空間平衡抽樣結(jié)果Fig.4 Diagram of Spatial balance Sampling results

2.3 抽樣評價指標(biāo)

針對不同抽樣方法的性能評價，研究選取了空間相關(guān)性分析和抽樣精度來作為評價指標(biāo)[20，21]。在地統(tǒng)計學(xué)當(dāng)中，通常采用空間自相關(guān)系數(shù)來度量物理或生態(tài)學(xué)變量在空間上的分布特征及其對鄰域的影響。為評價樣點(diǎn)的的空間關(guān)聯(lián)特征和聚集性，以樣點(diǎn)的NDVI 值為數(shù)據(jù)源進(jìn)行分析。3 種抽樣方法種的樣點(diǎn)NDVI 值借助ArcGIS 進(jìn)行提取，空間自相關(guān)指數(shù)Moran's I 利用ArcGIS 空間分析模塊完成計算[18]。計算公式為：

式中，n表示空間單元容量，xi和xj表示x在i單元和j單元的值，wij表示相鄰權(quán)重矩陣。

在3 種抽樣生成的樣點(diǎn)基礎(chǔ)上，分別以樣點(diǎn)為圓心，生成半徑為14.57m 的樣圓（面積666.67m2），與海南省森林資源二類調(diào)查數(shù)據(jù)疊加，得到每個樣圓的各地類面積，統(tǒng)計分析3 種抽樣方法的海南省各地類的面積百分比，并與實(shí)際二類調(diào)查成果進(jìn)行比較，同時計算抽樣精度[22，23]。

式中，s 為各抽樣方法獲得的各地類面積，a 為二類調(diào)查中的各地類面積。

3 結(jié)果與分析

3.1 不同抽樣方法NDVI 的空間自相關(guān)分析

3 種不同抽樣調(diào)查方法NDVI 指數(shù)空間分析LISA 圖如圖5 至圖7 所示，空間自相關(guān)Moran'I 系數(shù)計算結(jié)果如表1 所示，空間平衡抽樣(0.112034)＞簡單隨機(jī)抽樣 (0.0994846) ＞系統(tǒng)抽樣(0.0908457)。結(jié)果表明：系統(tǒng)抽樣的空間自相關(guān)性最弱，空間平衡抽樣的自相關(guān)性最強(qiáng)，但總體數(shù)值差距很小，3 種不同抽樣方法的空間相關(guān)性大致一樣，空間平衡抽樣的優(yōu)勢不突出，且呈現(xiàn)較明顯的聚集分布格局，導(dǎo)致這一結(jié)果的原因可能是樣本容量與理論計算容量相差過多，且抽樣強(qiáng)度不夠，致使它的抽樣精度優(yōu)勢和樣本點(diǎn)的均衡分布性能無法體現(xiàn)出來。

表1 不同抽樣方法空間自相關(guān)系數(shù)統(tǒng)計Tab.1 Statistical table of spatial autocorrelation coefficient of different Sampling method

圖5 隨機(jī)抽樣NDVI 空間自相關(guān)分析Fig.5 Spatial autocorrelation analysis of Random sampling NDVI

圖6 系統(tǒng)抽樣NDVI 空間自相關(guān)分析Fig.6 Spatial autocorrelation analysis of System sampling NDVI

圖7 空間平衡抽樣NDVI 空間自相關(guān)分析Fig.7 Spatial autocorrelation analysis of Spatial balance sampling NDVI

3.2 不同抽樣方法的抽樣精度分析

從表2 可知，海南省森林資源類型中，疏林地、苗圃地和竹林地等類型面積占比較少，喬木林地、混交林地、未成林造林地、灌木林地這4 種類型面積占比較大，3 種抽樣調(diào)查方法中的樣本點(diǎn)主要集中分布在這幾種類型中。按照從高往低的順序，3 種不同抽樣調(diào)查方法的總體平均精度依次為：空間平衡抽樣＞簡單隨機(jī)抽樣＞系統(tǒng)抽樣，空間平衡抽樣的總體抽樣精度最高，簡單隨機(jī)抽樣居中，系統(tǒng)抽樣精度最低。從海南省各地類類型面積比例與二類調(diào)查數(shù)據(jù)相比較來看，空間平衡抽樣的比例與二類調(diào)查數(shù)據(jù)更為接近，抽樣精度最高，系統(tǒng)抽樣與簡單隨機(jī)抽樣精度不相上下。簡單隨機(jī)抽樣雖簡單易行，但樣本點(diǎn)空間易分布不均，導(dǎo)致了較低的抽樣精度；系統(tǒng)抽樣雖保證了樣本點(diǎn)的均勻分布，但也存在抽樣誤差不能合理計算和調(diào)查因子的周期性變化影響這兩點(diǎn)缺陷，因此抽樣精度亦不是最佳；而空間平衡抽樣結(jié)合了隨機(jī)抽樣、系統(tǒng)抽樣的優(yōu)點(diǎn)，使樣本空間格局與總體空間格局具有近似型，因而抽樣精度較為理想。

表2 不同地類抽樣方法精度分析Tab.2 Accuracy analysis of sampling methods in different classes

4 結(jié)論與討論

該研究以海南省森林資源為研究主體，以2017年海南省Landsat-8 OLI-TIRS 遙感影像數(shù)據(jù)和2009 海南省森林資源二類調(diào)查本底數(shù)據(jù)為數(shù)據(jù)基礎(chǔ)。同時選取3 種不同抽樣方法，通過參數(shù)的提取與估算對各樣本點(diǎn)的地類信息進(jìn)行研究，基于此基礎(chǔ)上采用空間相關(guān)性和抽樣精度等評價指標(biāo)對3 種抽樣方法進(jìn)行分析，并得出如下幾點(diǎn)結(jié)論：1）不同抽樣方法NDVI 地統(tǒng)計學(xué)分析表明，3 種不同抽樣調(diào)查方法NDVI 指數(shù)的空間自相關(guān)Moran'I 系數(shù)計算結(jié)果為空間平衡抽樣（0.112034）＞隨機(jī)抽樣（0.0994846）＞系統(tǒng)抽樣（0.0908457），系統(tǒng)抽樣空間自相關(guān)性最弱，空間平衡抽樣自相關(guān)性最強(qiáng)，但總體數(shù)值差距很小，空間平衡抽樣的優(yōu)勢不突出；2）海南省森林各地類面積模擬抽樣精度分析表明，在隨機(jī)、系統(tǒng)、空間平衡3 種抽樣方法當(dāng)中，空間平衡抽樣的總體抽樣精度最高、簡單隨機(jī)抽樣居中、系統(tǒng)抽樣精度最低。

傳統(tǒng)的抽樣調(diào)查法因其本身所存在的固有缺陷已越發(fā)不適用于現(xiàn)如今的森林調(diào)查當(dāng)中，當(dāng)森林處于大面積連續(xù)分布的狀況時，采用傳統(tǒng)抽樣方法可以獲取較為精確的數(shù)據(jù)。但由于社會科技的高速發(fā)展，隨之帶來的是大量人為砍伐開墾活動造成的森林生境破碎化和資源日益枯竭，從而導(dǎo)致森林資源存在大量點(diǎn)狀、線狀或面狀分布的情況，傳統(tǒng)抽樣方法難以對此進(jìn)行精準(zhǔn)測定。且隨著森林調(diào)查內(nèi)容增加和精度要求提高，傳統(tǒng)抽樣方法的局限與缺陷也越發(fā)突出[12，24]。

空間平衡抽樣作為新穎的自然資源調(diào)查方法，目前還沒有被廣泛應(yīng)用于資源調(diào)查中，且與傳統(tǒng)經(jīng)典抽樣方法相比，空間平衡抽樣的方法理論還存在較多不完善之處，還有待未來更深入的研討。李明陽等人的研究表明[10，13]，與2 種傳統(tǒng)抽樣方法相比，空間平衡抽樣無論是在調(diào)查成本的減少還是在抽樣精度的提升方面均都具有明顯的優(yōu)勢，這一結(jié)果也驗(yàn)證了該研究所得結(jié)論；但也有研究表明[11，12]，如果樣本容量與理論計算容量相差過多，且抽樣強(qiáng)度不夠時，空間平衡抽樣的精度優(yōu)勢和樣本均勻分布等性能就無法得到很好的表現(xiàn)。該研究中所得結(jié)論是建立在海南省地區(qū)的森林結(jié)構(gòu)復(fù)雜多樣、調(diào)查因子空間自相關(guān)性強(qiáng)等特征基礎(chǔ)上，但在其他地區(qū)的森林調(diào)查中是否適用還不得而知，尚需進(jìn)一步研究和探討。