蔣維成

(貴州省林業(yè)調(diào)查規(guī)劃院，貴州 貴陽(yáng) 550003)

森林郁閉度是指林分中樹(shù)冠投影面積與林地面積之比[1]，是一個(gè)地區(qū)衡量喬木林地或竹林地面積進(jìn)而計(jì)算森林覆蓋率的重要指標(biāo)；在森林資源經(jīng)營(yíng)管理中，是區(qū)劃小班的重要條件，是反映森林生長(zhǎng)狀況，是確定森林撫育措施和采伐強(qiáng)度的重要指標(biāo)，同時(shí)也是遙感估測(cè)森林蓄積量不可或缺的因子[2]。常用的郁閉度調(diào)查方法有目測(cè)法、樣線法、樣點(diǎn)法、樹(shù)冠投影法、抬望眼法、觀測(cè)管法、冠層分析儀法、Moosehom觀測(cè)儀、遙感圖像判讀法、照片法、理論計(jì)算法等[3]。其中，樹(shù)冠投影法準(zhǔn)確度較高，但勞動(dòng)強(qiáng)度大、耗時(shí)費(fèi)力，且不利于大范圍林分郁閉度測(cè)定；儀器測(cè)定法(Moosehom觀測(cè)儀、球面密度計(jì)、郁閉度測(cè)定器、冠層分析儀)設(shè)備昂貴,難以推廣應(yīng)用；遙感圖像判讀法、目測(cè)法、樣點(diǎn)法、樣線法、照片法等容易受測(cè)定人員主觀性的影響，測(cè)定結(jié)果一致性差，而且也缺乏必要的精確度與準(zhǔn)確度。隨著空間技術(shù)的發(fā)展及遙感數(shù)據(jù)在資源調(diào)查中的推廣應(yīng)用，從測(cè)定成本上、數(shù)據(jù)的時(shí)效性上及精度上把林分郁閉度測(cè)定推到一個(gè)新的高度，使林分郁閉度測(cè)定朝著低成本、高時(shí)效、高精度的方向發(fā)展。因此，尋求一種高精度、低成本且能提高林分郁閉度測(cè)定精度的方法具有重要的現(xiàn)實(shí)意義。對(duì)此，李崇貴、杜曉明、李擎、楊妍婷等在森林郁閉度遙感估測(cè)上做了一系列的研究[4-8]，但在貴州這樣的喀斯特山區(qū)相關(guān)研究卻少見(jiàn)報(bào)道。本文以Landsat-8 OLI為遙感信息源，通過(guò)相關(guān)性分析，選擇12個(gè)遙感自變量因子。為克服自變量因子間嚴(yán)重的多重共線性和模型的不穩(wěn)定性，本研究采用主成分回歸分析法建立郁閉度估測(cè)模型，為郁閉度測(cè)定提供模型參考，為區(qū)域林業(yè)經(jīng)營(yíng)活動(dòng)提供依據(jù)。

1 研究區(qū)概況

貴陽(yáng)市位于貴州省中部，東經(jīng)106°07′～107°17′，北緯26°11′～26°55′?？偟貏?shì)西南高、東北低。苗嶺橫延市境，崗阜起伏，剝蝕丘陵與盆地、谷地、洼地相間。植被種類豐富。據(jù)初步查明，有維管束植物176科、489屬、1 299種，其中蕨類植物29科、6l屬、145種；被子植物147科、428屬、1154種。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來(lái)源

1)遙感數(shù)據(jù)

選取貴陽(yáng)市兩景Landsat-8 OLI影像數(shù)據(jù)(LC81270422013272LGN00和LC81270412013272

LGN00)作為遙感數(shù)據(jù)源，其成像時(shí)間為2017年7月。每景影像數(shù)據(jù)包括9個(gè)波段數(shù)據(jù)，除全色波段(B8)空間分辨率為15 m外，其余8個(gè)波段的空間分辨率為30 m，輻射分辨率均為12 bit。

2)樣地?cái)?shù)據(jù)

采用典型性樣地調(diào)查法，設(shè)置半徑為13.82 m的圓形樣地，郁閉度測(cè)定方法為樹(shù)冠投影法，即通過(guò)測(cè)量樹(shù)冠外圍輪廓邊緣點(diǎn)距離樹(shù)干中心的水平距離，在圖紙上畫(huà)出目標(biāo)樹(shù)的范圍，計(jì)算出樹(shù)冠在樣地內(nèi)的投影面積，其與樣地總面積的比值即為所得的郁閉度值[3]。應(yīng)用此方法在研究區(qū)范圍內(nèi)測(cè)定了115個(gè)樣地的郁閉度值，同時(shí)記錄樣圓的中心點(diǎn)坐標(biāo)。

2.2 研究方法及技術(shù)路線

2.2.1研究方法

1)遙感數(shù)據(jù)的處理：為消除水汽、二氧化碳、影像本身存在的幾何變形和噪聲的影響以及提取研究區(qū)范圍內(nèi)的影像圖，本研究運(yùn)用ENVI 5.1遙感圖像處理軟件對(duì)Landsat-8 OLI數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、幾何精校正、圖像增強(qiáng)處理、圖形裁剪、鑲嵌、波段分離、計(jì)算差值植被指數(shù)(DVI)、歸一化植被指數(shù)(NDVI)、比值植被指數(shù)(RVI)、B5/B2、B7/B4、B5*B4/B7，得到研究區(qū)遙感信息。

2)樣地?cái)?shù)據(jù)的處理：將樣地中心點(diǎn)坐標(biāo)導(dǎo)入ArcGIS軟件并導(dǎo)出shp格式的點(diǎn)圖層數(shù)據(jù)，建立樣地面圖層，以shp點(diǎn)圖層中的點(diǎn)為圓心，以13.82m為半徑，將樣地以樣圓的形式展繪到已進(jìn)行幾何精校正的遙感影像圖上，并將相關(guān)信息錄入對(duì)應(yīng)樣地。

3)自變量因子的篩選：本研究初選的遙感因子共15個(gè)，因B8為全色波段(分辨率為15m)，B1和B9分別為深藍(lán)波段和短波波段，用于觀測(cè)氣溶膠與卷云，本研究不考慮這3個(gè)波段，在前人研究和經(jīng)驗(yàn)知識(shí)的基礎(chǔ)上，只研究B2～B7波段和DVI、NDVI、RVI、B5/B2、B7/B4、B5*B4/B7共12個(gè)因子與郁閉度的相關(guān)性，結(jié)果如表1所示。12個(gè)自變量因子對(duì)郁閉度均有意義。一般地，當(dāng)VIF>10時(shí)，說(shuō)明因子間存在較強(qiáng)的共線性，當(dāng)VIF越大，表明多重共線性越嚴(yán)重[9]。本研究擬建模的12個(gè)自變量因子VIF均大于10，說(shuō)明因子間存在嚴(yán)重的多重共線性。根據(jù)已有的研究文獻(xiàn)資料，解決多重共線性的方法主要有嶺回歸、偏小二乘回歸、主成分回歸和逐步回歸[10]，本研究采用主成分回歸法構(gòu)建林分郁閉度估測(cè)模型。

4)主成分分析：應(yīng)用SPSS 21.0對(duì)12個(gè)自變量因子進(jìn)行主成分分析，按特征根>1的原則提取主成分。

5)模型構(gòu)建及精度驗(yàn)證：應(yīng)用SPSS 21.0對(duì)模型進(jìn)行構(gòu)建，并利用該軟件對(duì)模型進(jìn)行線性顯著性檢驗(yàn)、參數(shù)顯著性檢驗(yàn)、殘差正態(tài)性檢驗(yàn)及等方差性檢驗(yàn)。用15個(gè)樣地實(shí)測(cè)數(shù)據(jù)對(duì)模型的預(yù)報(bào)精度進(jìn)行驗(yàn)證。

表1 自變量因子的相關(guān)系數(shù)

2.2.2技術(shù)路線

研究技術(shù)路線如圖1所示。

圖1 研究路線Fig.1 Research route

3 主成分回歸原理及模型構(gòu)建

3.1 原理和方法

主成分分析的思想是利用降維思想，將多個(gè)互相關(guān)聯(lián)的數(shù)值變量轉(zhuǎn)化成少數(shù)幾個(gè)互不相關(guān)的綜合指標(biāo)。這些綜合指標(biāo)就是原來(lái)多個(gè)變量的主成分，每個(gè)主成分都是原始變量的線性組合，并且各個(gè)主成分之間互不相關(guān)。主成分分析的任務(wù)之一就是計(jì)算主成分，最經(jīng)典的做法就是用 F1( 選取的第一個(gè)線性組合,即第一個(gè)綜合指標(biāo)) 的方差來(lái)表達(dá),即 Var(F1)越大,表示 F1包含的信息越多。在所有的線性組合中選取的 F1 應(yīng)該是方差最大的,故稱 F1 為第一主成分。如果第一主成分不足以代表原來(lái) P個(gè)指標(biāo)的信息,再考慮選取 F2。即選第二個(gè)線性組合。為了有效地反映原來(lái)信息,F1已有的信息就不需要再出現(xiàn)在F2中,用數(shù)學(xué)語(yǔ)言表達(dá)就是要求 Cov(F1,F2)=0,則稱 F2 為第二主成分。依此類推，可以構(gòu)造出第三、第四,……,第P個(gè)主成分。確定主成分個(gè)數(shù)的方法有兩種：①累計(jì)貢獻(xiàn)率：當(dāng)前k個(gè)主成分的累計(jì)貢獻(xiàn)率達(dá)到某一特定值時(shí)，保留前k個(gè)主成分；②主成分的數(shù)目大大少 于原始變量的數(shù)目；③主成分保留了原始變量的絕 大多數(shù)信息，一般累計(jì)貢獻(xiàn)率達(dá)到70%以上[9]。主成分回歸的原理是用主成分分析提取的主成分與因變量回歸建模。由于主成分間互不相關(guān)，并且能較好地反映原來(lái)眾多相關(guān)性指標(biāo)的綜合信息，使得回歸方程及參數(shù)估計(jì)較為可靠。

3.2 模型構(gòu)建

運(yùn)用統(tǒng)計(jì)軟件SPSS 21對(duì)影響林分郁閉度的12個(gè)因子進(jìn)行主成分分析，按照特征根大于1的原則篩選主成分，分析篩選結(jié)果如表2所示。

表2 解釋的總方差

由表2可知，第一主成分特征值為6.555，解釋了原始12個(gè)自變量的54.629%；第二主成分特征值為3.881，解釋了原始12個(gè)自變量的32.341%；第三主成分特征值為1.085，解釋了原始12個(gè)自變量的9.043%。前三個(gè)主成分解釋了原始12個(gè)自變量的96.012%的信息，因此選擇前3個(gè)主成分建立郁閉度估測(cè)模型。

故本研究按照特征根≥1的原則選取前3個(gè)主成分的得分為自變量，因變量選取實(shí)測(cè)郁閉度，建模樣地?cái)?shù)為100個(gè)，建立模型如下：

Y=0.1P1+0.01P2+0.02P3-0.471

式中,P1、P2、P3分別為第一、第二、第三主成分分量。對(duì)模型進(jìn)行擬合優(yōu)度檢驗(yàn)(表3)。

表3 模型匯總

從表3可以看出，模型的復(fù)相關(guān)系數(shù)為0.874，擬合優(yōu)度為0.764，修正后的擬合優(yōu)度為0.756，說(shuō)明該模型達(dá)到較好的擬合效果。

表4 方差分析

從方差分析(表4)結(jié)果可以看出，模型的F=104.423>F0.05，P<0.01，F(xiàn)檢驗(yàn)達(dá)到了0.01的顯著水平，因此，郁閉度和各主成分之間線性關(guān)系顯著。

4 模型精度的驗(yàn)證

用15個(gè)樣地對(duì)模型精度進(jìn)行驗(yàn)證(表5)。結(jié)果表明，精度最低為74.12%，最高為81.04%，精度的平均水平為78.80%，可為區(qū)域林分郁閉度測(cè)定提供模型參考。

5 結(jié)論與討論

5.1 結(jié)論

1)建立的郁閉度估測(cè)模型的復(fù)相關(guān)系數(shù)為0.874，擬合優(yōu)度為0.764，修正后的擬合優(yōu)度為0.756，達(dá)到較好的擬合效果，說(shuō)明該模型在數(shù)學(xué)上是可行的。建成的模型為Y=0.1P1+0.01P2+0.02P3-0.471。

2)本研究利用15個(gè)實(shí)測(cè)樣地對(duì)模型預(yù)報(bào)能力進(jìn)行精度驗(yàn)證后，估測(cè)精度的平均水平為78.80%，可為區(qū)域林分郁閉度估測(cè)提供模型參考。

5.2 討論

1)本研究自變量因子選擇時(shí)，沒(méi)有考慮立地因子，如坡度、坡向、坡位、土層厚度等，也沒(méi)有考慮其他林分因子，如齡組等，故引入立地因子、其他林分因子作為自變量建立林分郁閉度估測(cè)模型有待進(jìn)一步研究。

表5 模型精度檢驗(yàn)

2)本研究以貴陽(yáng)市為研究區(qū)域。貴州作為全國(guó)唯一沒(méi)有平原的省份，因其地形地貌的獨(dú)特性，雖然該模型擬合效果和預(yù)報(bào)能力均較好，但在地形地貌存在明顯差別的其他區(qū)域的適用性有待進(jìn)一步探討。