周一至周日 8:00-22:30(免长途费):
学术咨询:400-888-7501 订阅咨询:400-888-7502
征稿授权 经营授权
当前位置:中文期刊网 > 论文资料 > 自然科学 > 农业 > 正文
农业( 共有论文资料 385 篇 )
推荐期刊
热门杂志

森林灾害快速评估

2012-08-17 17:25 来源:农业 人参与在线咨询

 

雪灾是影响森林生态系统结构与功能的重要非生物干扰因子之一[1],长时间的冰雪灾害直接损害森林植物,改变森林生态系统的结构组成,降低森林生态系统的功能与效益,影响森林生态系统的演替方向并危及森林生态系统的稳定性与健康[2]。2008年初,我国遭遇50年一遇的持续冰冻雨雪灾害天气,造成南方多省的森林资源损失严重。许多学者利用遥感和地理信息系统等技术,开展了灾害范围确定,灾害等级划分和相关灾害评估体系建立等研究,为灾后森林生态系统的恢复与重建提供科学依据[3-9]。但上述这些研究在对森林雪灾进行评估时,往往以降雪开始到积雪消融作为研究的时间段,忽略了灾后的次生灾害影响;评估灾害依赖的辅助资料过多,缺少一个快速可靠的评估指标和方法,直接影响到评估效率和可行性;同时,采用中低分辨率影像进行省级范围森林雪灾损失评估时,缺少区域尺度的检验方法或者检验方法过于简单。针对这些问题,本文首先建立贵州省2005—2008年的MODIS/NDVI时间序列,并基于数据集的可用性指数和S-G(Savitzky-Golay)滤波方法重构关键期影像;然后利用不同年份同时段的森林像元NDVI值变化率探测森林毁坏区域,结合统计学方法确定森林灾害阈值,对研究区森林损失面积与等级进行快速划分与评估;最后根据贵州省凝冻灾害森林资源损失的小班调查数据对研究结果进行一致性检验。

 

1研究区与数据准备

 

1.1研究区概况

 

贵州省介于东经103°36'—109°35'、北纬24°37'—29°13'之间,总面积为17616770hm2,其中林地面积8771550hm2,占国土总面积的49.79%,森林面积为7033936hm2,森林覆盖率达到39.93%,主要分布在黔东南及北部的遵义地区,西北部和中部地区森林分布较少[10-11]。2008年初,贵州省遭遇了有气象记录以来最为严重的雪凝灾害,致使森林出现大面积的死亡,根据各地(州、市)初步调查结果,确定黎平等83个县(市、区)为本次灾害评估调查对象,对马尾松、杉木、针阔混和其他阔叶树等类型树种展开灾害调查。根据调查结果汇总统计,全省森林资源受灾面积为(损失程度等级“轻”度以上)1090026hm2,占全省森林资源面积的17.7%[12]。

 

1.2数据准备

 

本文的主要采用2005—2008年低分辨率MOD13Q1植被指数科学数据集(贵州省覆盖景为h27v06.005),数据空间分辨率为250m,时间分辨率为16d,共计92期。该数据包括归一化植被指数(NDVI)和植被指数质量标记(QualityAssessment,QA),QA产品是关于MOD13Q1植被指数科学数据质量信息的综合评价资料,该资料在像元尺度对植被指数进行质量评价[13]。辅助数据主要包括了2006年研究区MCD12Q1数据和2008年贵州省凝冻灾害森林资源损失调查数据。MCD12Q1数据空间分辨率为500m,时间分辨率为1y(http://modis.gsfc.nasa.gov/),该产品按照国际地圈生物圈计划(IGBP)分类标准,将研究区分为17个土地类型[14]。本文所研究的森林区域主要由常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林、混交林和多树地区这6个类型组成(图1),在该区域内的像元点统称为森林像元。而森林灾害资源损失调查工作由贵州省林业厅组织,共清查83调查单位,抽取24914个小班,其中林分小班17231个。为了和地面小班调查范围保持一致,MODIS影像数据将不包括罗甸等5个县(市),具体范围如图1红框所示。

 

2研究方法

 

2.1MODIS/NDVI时间序列重构方法

 

根据MOD13Q1植被指数科学数据集中QA产品的可用性指数规则,可用性指数共分16个等级,其中像元可用性指数值越低,表明该像元的质量越可靠[13]。利用LDOPE质量分解工具从MOD13Q1得到QA质量评价波段,建立2005—2008年贵州省森林的NDVI时间序列和分解其对应QA值。从分解得到的QA波段中获取植被指数的“可用性指数”。计算每期MODIS/NDVI影像对应的可用性均值;每期可用性均值越低,表明整幅影像的整体可靠性越高,以此来获取较为可靠的影像数据。但MODIS/NDVI初始数据由于受气溶胶、冰雪、太阳光照角度及传感器观测视角等因素的影响,仍存在一定的噪声,有必要对其进行重建[15-16],而Savitzky-Golay(S-G)滤波在植被类型提取时表现出色,能够较好的平滑VI曲线,具有反映植被变化趋势等优点[17-19]。因此,本研究首先利用STL-decomposition方法剔除原始NDVI时间序列的离异值,然后选择用S-G滤波方法对剔除变异值后完整NDVI时间序列进行重建[20-21],进一步减少其他因素对影像质量的干扰。

 

2.2建立森林灾害评估指标和评估方法

 

雪凝灾害会造成一段时间森林资源出现大面积的冻死、腰折、断稍等现象,导致灾前与灾后森林像元的NDVI变化率与往年同时期相比会发生明显的改变,将每个森林像元NDVI值的变化率作为探测森林灾害的指标,记作R,计算公式如下:式中,NDVIpre表示灾害前某个森林像元的NDVI值,NDVIpost表示灾后对应位置森林像元NDVI值。考虑到雪灾对森林灾害的后续影响和影像的质量,在NDVIpre和NDVIpost关键期选择上,需要满足两点:(1)选择NDVI可用性均值较低影像数据,(2)两期影像获取时间处于每年森林的生长期。在大区域尺度上,2005—2007年间研究区没有出现大规模森林灾害,将任一森林像元在某个时间段NDVI变化率记作R2005—2006或R2006—2007,同时R2005—2006或R2006—2007也可以表示为R珔2005—2007±δ,其中,R珔2005—2007和δ分别为2005—2007年每个森林像元的NDVI变化率平均值和平均绝对偏差,由于平均绝对偏差对异常值有更大的包容性,因而采用平均绝对偏差来代替标准差[22]。计算研究区所有森林像元的R2005—2007,变化范围可以表示为R珔all±δall,认为森林像元变化率在[-δall,+δall]范围内是属于正常波动,将δall设定的森林灾害阈值(DamageThreshold,DT)。当发生森林灾害时,将森林像元的NDVI变化率记作R2007—2008,将任一森林像元的R2007—2008-R-2005—2007值记作R2007—2008',如果R2007—2008'大于δall,则认为该像元受到了灾害的影响。同时对不同年份灾害时间段的RNDVI均值(R—)、中心点偏移(ShiftAmplitude)、四分位数距离IQR(InterquartileofRange)和受到破坏的森林像元百分比等统计量进行计算[23]。

在线咨询
推荐期刊阅读全部
.