曾偉生,楊學云,孫鄉(xiāng)楠,劉檣漪,張宇超

(國家林業(yè)和草原局林草調(diào)查規(guī)劃院,北京 100714)

2022年1月和4月,自然資源部、國家林業(yè)和草原局就做好森林、草原、濕地資源調(diào)查監(jiān)測工作,相繼聯(lián)合下發(fā)了兩個文件(1)自然資源部,國家林業(yè)和草原局.關(guān)于共同做好森林、草原、濕地調(diào)查監(jiān)測工作的意見.2022.(2)自然資源部,國家林業(yè)和草原局.關(guān)于開展2022年全國森林、草原、濕地調(diào)查監(jiān)測工作的通知.2022.,提出統(tǒng)一開展森林、草原、濕地調(diào)查監(jiān)測工作是落實黨中央、國務(wù)院關(guān)于機構(gòu)改革重大決策部署的重要舉措,要求各級自然資源主管部門與林草主管部門高度重視、協(xié)同推進；還明確了開展2022年全國森林、草原、濕地調(diào)查監(jiān)測工作的目標任務(wù)和職責分工,強調(diào)林草濕調(diào)查監(jiān)測是一項重大的基礎(chǔ)性自然資源調(diào)查監(jiān)測工作,是推進生態(tài)文明建設(shè)的強基之舉,是實現(xiàn)山水林田湖草沙系統(tǒng)治理的基礎(chǔ)支撐。

為了做好林草濕調(diào)查監(jiān)測工作,國家林業(yè)和草原局制定了《2022年全國森林、草原、濕地調(diào)查監(jiān)測技術(shù)方案》,對儲量數(shù)據(jù)的統(tǒng)計分析,提出:“以林草資源面積數(shù)據(jù)為基礎(chǔ),利用儲量調(diào)查樣地得到的單位面積蓄積量、碳儲量、產(chǎn)草量等儲量數(shù)據(jù),按分層抽樣方法估計各省總體儲量及省級以下分區(qū)(層)的儲量,再按分級控制和平差原則,將總體儲量數(shù)據(jù)逐級落實到地市、區(qū)縣、鄉(xiāng)鎮(zhèn)、村屯和圖斑,從而實現(xiàn)儲量數(shù)據(jù)的點面耦合?！钡绾巫龅近c面耦合,尚未給出明確具體的方法。

本文利用近年北京市森林資源調(diào)查監(jiān)測資料,基于試點工作經(jīng)驗及現(xiàn)有相關(guān)成果[1-8],對森林資源調(diào)查監(jiān)測中各級儲量數(shù)據(jù)的一體化方法進行研究,以期為開展全國林草濕調(diào)查監(jiān)測的后期統(tǒng)計出數(shù)提供參考依據(jù)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)資料

本研究所用數(shù)據(jù)包括兩部分:第一部分是固定樣地數(shù)據(jù),包含2016年北京市的森林資源連續(xù)清查1 425個喬木林固定樣地數(shù)據(jù)和2021年國家林草生態(tài)綜合監(jiān)測評價項目北京市8 689個固定樣地數(shù)據(jù)。固定樣地復(fù)查和初查按《森林資源連續(xù)清查技術(shù)規(guī)程》[9]執(zhí)行,包括樣地因子調(diào)查、樣木因子調(diào)查和其他調(diào)查內(nèi)容。第二部分是圖斑監(jiān)測數(shù)據(jù),主要是2021年國家林草生態(tài)綜合監(jiān)測評價項目北京市33.8萬多個喬木林圖斑的監(jiān)測數(shù)據(jù),在2020年森林資源管理“一張圖”更新數(shù)據(jù)基礎(chǔ)上,融合了第三次全國國土調(diào)查數(shù)據(jù),并利用最新高分遙感數(shù)據(jù)進行了更新。

1.2 基本方法

如何將宏觀層面的森林資源連續(xù)清查樣地數(shù)據(jù)與微觀層面的森林資源規(guī)劃設(shè)計調(diào)查小班數(shù)據(jù)(或森林資源管理“一張圖”圖斑數(shù)據(jù))有機結(jié)合起來,解決長期以來國家與地方存在森林資源兩套數(shù)的問題,一直都受到廣泛關(guān)注[1-3]。對于各省資源總量,曾偉生[8]已經(jīng)研究提出了利用校驗樣地修正更新森林面積數(shù)據(jù)、利用地面樣地分層估計森林儲量數(shù)據(jù)的基本思路。在此基礎(chǔ)上,本文針對各級儲量數(shù)據(jù)的一體化問題,研究提出以全省森林儲量為總體控制數(shù),利用森林蓄積量估測模型及三儲量(蓄積量、生物量、碳儲量)聯(lián)立模型,將儲量數(shù)據(jù)分解落實到圖斑,從而確保各級總量等于下一級分量之和的技術(shù)路線。其關(guān)鍵技術(shù)環(huán)節(jié),一是森林蓄積量估測模型及三儲量(蓄積量、生物量、碳儲量)聯(lián)立模型的建立；二是如何應(yīng)用這些模型,將全省儲量落實到圖斑。

1.2.1儲量模型研建

在森林三儲量中,蓄積量是最基礎(chǔ)、最核心的。生物量可以通過蓄積量和生物量轉(zhuǎn)換因子得到,碳儲量可以通過生物量和平均含碳系數(shù)得到。因此,儲量模型的研建,首先是建立單位蓄積量估測模型,先解決蓄積量的估計問題,然后再建立三儲量聯(lián)立模型,得到與蓄積量估計相容的平均生物量轉(zhuǎn)換因子(或轉(zhuǎn)換因子模型)和平均含碳系數(shù)。

1.2.1.1蓄積量估測模型

林分水平的單位面積蓄積量主要與斷面積和平均高有關(guān)[10-14]。除此之外,還與優(yōu)勢樹種、起源、齡組、平均胸徑、每公頃株數(shù)、郁閉度等林分因子有關(guān)[15]。森林資源管理“一張圖”數(shù)據(jù)庫盡管缺少最關(guān)鍵的林分斷面積和平均高因子信息,但能提供平均胸徑、每公頃株數(shù)、郁閉度等定量因子信息,以及優(yōu)勢樹種、起源、齡組等定性因子信息。因此,從方法學角度考慮,可以建立以下3類蓄積量估測模型,即:只包含定性因子的線性模型(1),只包含定量因子的非線性模型(2)及同時包含定性因子和定量因子的復(fù)合模型(3)。其基本表達式如下:

M=a0+∑bijxij+εM

(1)

M=a0Da1Na2Pa3+εM

(2)

M=(a0+∑bijxij)Da1Na2Pa3+εM

(3)

式中:M為單位面積蓄積量(m3/hm2)；D為林分平均胸徑(cm),N為每公頃株數(shù)；P為郁閉度；xij為定性因子(既可以是優(yōu)勢樹種、起源、齡組等林分特征因子,也可以是坡向、坡位、土壤類型等立地因子)i類型j的指示變量；a0,a1,a2,a3,bij為模型參數(shù),其相應(yīng)的t值一般應(yīng)大于2或p值小于0.05,否則視為無統(tǒng)計學意義,應(yīng)從模型中剔除；εM為誤差項,假定其服從均值為0的正態(tài)分布。

模型(1)相當于類型平均數(shù)估測模型,a0為固定參數(shù),bij為定性因子i類型j的響應(yīng)系數(shù)(如,第3個分類因子為齡組,第2類為中齡林,則i=3,j=2)；模型(2)是最常用的非線性模型結(jié)構(gòu)形式,a0,a1,a2,a3均為固定參數(shù)；模型(3)中的定性因子既可以作為啞變量對待,采用啞變量建模方法,也可以作為隨機變量對待,采用混合模型方法[6,16-17]。由于混合模型方法便于判定每個定性因子的統(tǒng)計顯著性,尤其是定性因子及其所分類型數(shù)量較多時,可以避免啞變量模型參數(shù)求解難收斂的問題,因此,模型(3)建議采用混合模型。另外,因蓄積量數(shù)據(jù)具有異方差性,模型(1)—(3)的求解,應(yīng)采用對數(shù)回歸或加權(quán)回歸估計方法[18]。

1.2.1.2三儲量聯(lián)立模型

建立三儲量聯(lián)立模型的主要目的,是要得到與蓄積量估計相容的平均生物量轉(zhuǎn)換因子(或轉(zhuǎn)換因子模型)和平均含碳系數(shù),因此,聯(lián)立模型中的蓄積量模型結(jié)構(gòu)不一定與前述模型(1)—(3)相同,而應(yīng)盡可能采用相關(guān)最緊密的因子,如,林分斷面積和平均高[5,19]。三儲量的估計在邏輯上存在遞進關(guān)系,即:首先根據(jù)林分斷面積G和平均高H估計蓄積量M；再基于蓄積量估計值通過生物量轉(zhuǎn)換因子(與G,H等林分特征因子相關(guān))估計生物量B；最后基于生物量估計值通過平均含碳系數(shù)估計碳儲量C。這樣,3個儲量模型就構(gòu)成一個具有遞進關(guān)系的聯(lián)立方程組,即:

(4)

(5)

即把生物量轉(zhuǎn)換因子模型簡化為平均生物量轉(zhuǎn)換因子。

三儲量模型的建立,既可以根據(jù)不同的優(yōu)勢樹種組數(shù)據(jù)分別建立模型(4),也可以在模型(4)的基礎(chǔ)上,通過引入啞變量代表不同的優(yōu)勢樹種組,利用全部數(shù)據(jù)建立包含啞變量的聯(lián)立模型,具體方法可參見相關(guān)文獻[5,19]。

模型評價一般包括確定系數(shù)(R2)、估計值的標準差(SEE)、總體相對誤差(TRE)、平均系統(tǒng)誤差(ASE)、平均預(yù)估誤差(MPE)和平均百分標準誤差(MPSE)等6項基本指標[21]。本文選用其中的3項核心指標R2,MPE和MPSE進行前述模型的評價。

1.2.2儲量數(shù)據(jù)落圖

儲量數(shù)據(jù)落圖,首先要根據(jù)蓄積量估測模型,基于圖斑監(jiān)測因子估計出每一個森林(實際僅限于森林中的喬木林)圖斑的蓄積量；然后再以全省森林蓄積量或省級以下不同區(qū)域的蓄積量作為總體控制數(shù),對各個圖斑的蓄積量進行修正并作平差處理；最后再根據(jù)平均轉(zhuǎn)換因子和平均含碳系數(shù)推算出每一個喬木林圖斑的生物量和碳儲量。

1.2.2.1蓄積量落圖

根據(jù)所建蓄積量估測模型(1)—(3),利用完成圖斑變化更新后的各項定量因子和定性因子數(shù)據(jù),對每個圖斑的蓄積量進行估計。模型選擇的優(yōu)先順序,應(yīng)該首選模型(3),其次考慮模型(2),最后才選擇模型(1)。在模型應(yīng)用前,一般應(yīng)檢查圖斑因子是否滿足應(yīng)用條件(如,圖斑定量因子信息是否完備),并作必要的邏輯性檢查。完成喬木林圖斑的蓄積量計算后,還需檢查是否存在異常估測值,如,負值或超出現(xiàn)實最大值的數(shù)值。

1.2.2.2蓄積量修正

完成蓄積量落圖并作邏輯檢查后,即可基于圖斑蓄積量數(shù)據(jù)逐級向上進行匯總。如果該省森林蓄積量是以全省總量作為控制,則一直匯總到省級；如果是以省級以下不同區(qū)域(副總體或“層”)的蓄積量作為控制,則匯總到省級以下各不同區(qū)域。將總體或副總體的總量控制數(shù)與圖斑匯總數(shù)的比值作為修正系數(shù),分別對每個圖斑的蓄積量進行修正。為滿足生成統(tǒng)計表的需要,還應(yīng)進一步作平差處理。

如果某省除了林草濕年度調(diào)查監(jiān)測數(shù)據(jù),還有最新的森林資源規(guī)劃設(shè)計調(diào)查數(shù)據(jù)可供參考,則可統(tǒng)籌考慮不同數(shù)據(jù)的誤差,采用聯(lián)合估計的方法[22],得出省級以下各不同區(qū)域的儲量數(shù)據(jù)及其誤差,再以全省總量作為控制,對不同區(qū)域及市、縣級數(shù)據(jù)作適當調(diào)整。聯(lián)合估計的出發(fā)點是多源信息的綜合利用,在綜合的過程中,誤差小的信息權(quán)重大,誤差大的信息權(quán)重小。聯(lián)合估計的具體計算公式為:

M=M1w1+M2w2

(6)

(7)

式中:M為聯(lián)合估計的蓄積量；M1,M2分別為林草濕調(diào)查監(jiān)測和森林資源規(guī)劃設(shè)計調(diào)查的蓄積量；E1,E2分別為其相對誤差；w1,w2分別為權(quán)重,其中:

(8)

1.2.2.3生物量和碳儲量落圖

在蓄積量落圖和數(shù)據(jù)修正的基礎(chǔ)上,根據(jù)(5)式中的平均生物量轉(zhuǎn)換因子b0和模型(4)中的平均含碳系數(shù)c0,即可根據(jù)不同優(yōu)勢樹種組推算出每一個喬木林圖斑的生物量和碳儲量,并可逐級向上進行匯總,得到鄉(xiāng)、縣、市、省4級的森林生物量和碳儲量估計值。

與蓄積量一樣,如果該省森林生物量和碳儲量是以全省總量作為控制,則一直匯總到省級；如果是以省級以下不同區(qū)域(副總體)的生物量和碳儲量作為控制,則匯總到省級以下各不同區(qū)域。將總體或副總體的總量控制數(shù)與圖斑匯總數(shù)的比值作為修正系數(shù),分別對每個喬木林圖斑的生物量和碳儲量進行修正和作平差處理。

2 結(jié)果與分析

2.1 模型研建結(jié)果

2.1.1蓄積量模型

利用北京市2016年森林資源連續(xù)清查的喬木林固定樣地數(shù)據(jù),分別擬合模型(2)和(3),其擬合結(jié)果和評價指標如表1所示。模型擬合時采用的權(quán)函數(shù)為w=1/(D2N0.9P0.1)。

從表1可以看出,模型(3)優(yōu)于模型(2),因此應(yīng)優(yōu)先選用模型(3)。表1中的評價指標是針對全市森林蓄積量估計而言的,如果落實到10個優(yōu)勢樹種組林分的蓄積量估計,其R2都在0.6以上,最高的達到了0.879；MPE都在15%以內(nèi),相當于對每個優(yōu)勢樹種組林分的蓄積量預(yù)估精度都達到了85%以上；MPSE都在30%以內(nèi),相當于針對單個林分或圖斑的蓄積量預(yù)估精度達到了70%以上。因此,基于以上蓄積量估測模型,將蓄積量落實到每一個圖斑是有精度保證的。

表1 模型(2)和(3)的參數(shù)估計值和評價指標

另外,為了解決少數(shù)圖斑無定量林分因子D和N時的蓄積量估計問題,還建立了模型(3)的簡化形式。由于只有郁閉度P這一個定量因子,模型結(jié)構(gòu)設(shè)計時,在2個固定參數(shù)上都設(shè)置了優(yōu)勢樹種組和齡組的隨機效應(yīng),但結(jié)果顯示,隨機效應(yīng)對參數(shù)a0無顯著影響,僅對P的指數(shù)參數(shù)有顯著影響。只含固定參數(shù)的建模結(jié)果為:M=110.14P1.0648,其中對應(yīng)于油松(Pinustabuliformis)、側(cè)柏(Platycladusorientalis)、櫟樹(Quercusspp.)、樺木(Betulaspp.)、榆樹(Ulmusspp.)、刺槐(Robiniapseudoacacia)、楊樹(Populusspp.)、其他硬闊、其他軟闊和經(jīng)濟樹種10個優(yōu)勢樹種組的隨機效應(yīng)參數(shù)分別為0.110 5,0.397 9,-0.084 5,-0.050 8,-0.136 3,0.305 9,-0.502 4,0.197 2,-0.341 9和0.104 5,對應(yīng)于幼、中、近、成、過5個齡組的隨機效應(yīng)參數(shù)分別為0.798 0,0.158 8,-0.184 0,-0.378 8和-0.393 9,其R2=0.480,MPE=3.86%,MPSE=62.96%。由于缺少了2項重要的定量因子,模型的確定系數(shù)R2顯著低于表1中的2個模型,盡管反映總體的誤差指標MPE相差不大,但反映個體(圖斑)的誤差指標MPSE卻大幅增加。該模型僅應(yīng)用于少數(shù)圖斑,對總體的影響可以認為是很小的。

2.1.2三儲量模型

同樣利用北京市2016年森林資源連續(xù)清查的喬木林固定樣地數(shù)據(jù)擬合聯(lián)立模型(4),其擬合結(jié)果和評價指標如表2所示。3個儲量模型擬合時采用的權(quán)函數(shù)均為w=1/(GH0.25)。

表2 三儲量聯(lián)立模型(4)的參數(shù)估計值和評價指標

表2中的評價指標是針對全市森林三儲量估計而言的,如果落實到10個優(yōu)勢樹種組林分的三儲量估計,其R2都在0.93以上,最高的達到了0.991；MPE都在5%以內(nèi)；MPSE都在15%以內(nèi)。這里可注意到,生物量轉(zhuǎn)換因子與林分平均高總體上是呈負相關(guān)的。如果根據(jù)10個優(yōu)勢樹種組林分分別進行考慮,則7個為負相關(guān),3個為正相關(guān)。但是,考慮到目前的林草資源圖斑監(jiān)測因子中尚無林分平均高信息,因此,聯(lián)立模型(4)中的生物量模型采用簡化的(5)式。表3為10個優(yōu)勢樹種組林分的平均生物量轉(zhuǎn)換因子b0和平均含碳系數(shù)c0的估計值。

表3 北京市10個優(yōu)勢樹種林分類型的平均生物量轉(zhuǎn)換因子和平均含碳系數(shù)

2.2 儲量落圖結(jié)果

根據(jù)2021年全國林草生態(tài)綜合監(jiān)測評價結(jié)果,北京市森林蓄積量為2 735.24萬m3,森林生物量為3 765.92萬t,森林碳儲量為1 847.00萬t?；谇笆鏊ㄐ罘e量模型和三儲量聯(lián)立模型,將全市的森林蓄積量、生物量和碳儲量分別按照不同的優(yōu)勢樹種組逐一落實到每一個喬木林圖斑,最終確保全市總儲量等于各區(qū)儲量之和(表4),各區(qū)儲量等于各鄉(xiāng)鎮(zhèn)儲量之和(表5),各鄉(xiāng)鎮(zhèn)儲量等于鄉(xiāng)鎮(zhèn)范圍內(nèi)各喬木林圖斑儲量之和。

表4 北京市森林蓄積量、生物量和碳儲量按區(qū)統(tǒng)計表

表5 密云區(qū)森林蓄積量、生物量和碳儲量按鄉(xiāng)鎮(zhèn)統(tǒng)計表

3 結(jié)論與討論

3.1 結(jié)論

通過北京的實例證明,本文提出的以全省森林儲量為總體控制數(shù),利用蓄積量估測模型及三儲量聯(lián)立模型將儲量數(shù)據(jù)分解落實到圖斑,從而確保各級總量等于下一級分量之和的做法,在技術(shù)上是完全可行的。該技術(shù)路線不僅適用于森林資源儲量,對于草原資源儲量也應(yīng)該是適用的。

3.2 討論

為了保證各級儲量數(shù)據(jù)的精度,需積極推進國家監(jiān)測和地方監(jiān)測一體化。國家層面的監(jiān)測只能保障省級數(shù)據(jù)的精度,往下細化到市、縣、鄉(xiāng)各級,還需要適度增加樣地數(shù)量。然而,隨著監(jiān)測范圍的縮小,資源的動態(tài)變異程度就會增大,不能為了保證儲量數(shù)據(jù)要達到同樣的精度要求而無限制增加樣地數(shù)量。因此,隨著監(jiān)測尺度從宏觀到中觀再到微觀逐級縮小,資源數(shù)據(jù)在林長制督查考核中占的權(quán)重應(yīng)該不斷降低,而林草資源保護發(fā)展措施落實和任務(wù)完成情況所占比重應(yīng)該逐漸提高。

為了保證落圖儲量數(shù)據(jù)準確可靠,還需要從以下兩方面不斷努力。一方面,要盡可能提高圖斑監(jiān)測因子的質(zhì)量。不僅要求優(yōu)勢樹種、起源、齡組等定性或分類因子準確無誤,對于反映林分特征的平均胸徑、每公頃株數(shù)等定量因子,更需要確保其達到規(guī)定的精度要求,而且還要進一步增加與蓄積量高度相關(guān)的其他定量因子,如,林分平均高,這些信息可以通過定期開展的森林資源規(guī)劃設(shè)計調(diào)查來獲取。另一方面,要保證所建森林蓄積量估測模型和三儲量聯(lián)立模型達到預(yù)定的精度要求。關(guān)于建模精度,很多人認為就是確定系數(shù)(R2)的大小,這是較為片面的。除R2之外,MPE和MPSE都是很關(guān)鍵的指標,前者反映對總體的估計誤差,后者反映對個體的估計誤差。就儲量落圖而言,反映個體估計誤差的MPSE更應(yīng)關(guān)注。參照《森林資源規(guī)劃設(shè)計調(diào)查技術(shù)規(guī)程》[23]中的主要小班調(diào)查因子允許誤差,每公頃蓄積量A,B,C三個等級的允許誤差分別為15%,20%和25%,則蓄積量估測模型的MPSE原則上不得超過這個允許誤差。從前面的表1和表2看,模型(4)的MPSE在15%以內(nèi),可以認為達到了A級的精度要求；而模型(2)和(3)的MPSE分別為25.31%和22.31%,只能算基本達到C級的精度要求。因此,如果所建模型預(yù)估精度不夠理想,還應(yīng)進一步增加樣地數(shù)量來改進和完善模型。

為了開展調(diào)查監(jiān)測數(shù)據(jù)年度更新,還需研究建立林木和林分水平的生長率模型[7]。對于變化圖斑,需通過驗證核實,更新相關(guān)自然屬性和管理屬性因子；對于沒有變化的圖斑,管理因子保持不變,蓄積量可利用林分水平的蓄積生長率模型進行更新,生物量和碳儲量則利用平均生物量轉(zhuǎn)換因子和平均含碳系數(shù)進行更新,其他定量因子也應(yīng)依據(jù)相關(guān)模型進行更新。具體方法本文不再深入討論。