前言：尋找寫作靈感？中文期刊網用心挑選的森林災害快速評估，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
雪災是影響森林生態系統結構與功能的重要非生物干擾因子之一［1］，長時間的冰雪災害直接損害森林植物，改變森林生態系統的結構組成，降低森林生態系統的功能與效益，影響森林生態系統的演替方向并危及森林生態系統的穩定性與健康［2］。2008年初，我國遭遇50年一遇的持續冰凍雨雪災害天氣，造成南方多省的森林資源損失嚴重。許多學者利用遙感和地理信息系統等技術，開展了災害范圍確定，災害等級劃分和相關災害評估體系建立等研究，為災后森林生態系統的恢復與重建提供科學依據［3-9］。但上述這些研究在對森林雪災進行評估時，往往以降雪開始到積雪消融作為研究的時間段，忽略了災后的次生災害影響;評估災害依賴的輔助資料過多，缺少一個快速可靠的評估指標和方法，直接影響到評估效率和可行性;同時，采用中低分辨率影像進行省級范圍森林雪災損失評估時，缺少區域尺度的檢驗方法或者檢驗方法過于簡單。針對這些問題，本文首先建立貴州省2005—2008年的MODIS/NDVI時間序列，并基于數據集的可用性指數和S-G(Savitzky-Golay)濾波方法重構關鍵期影像;然后利用不同年份同時段的森林像元NDVI值變化率探測森林毀壞區域，結合統計學方法確定森林災害閾值，對研究區森林損失面積與等級進行快速劃分與評估;最后根據貴州省凝凍災害森林資源損失的小班調查數據對研究結果進行一致性檢驗。 1研究區與數據準備 1．1研究區概況 貴州省介于東經103°36'—109°35'、北緯24°37'—29°13'之間，總面積為17616770hm2，其中林地面積8771550hm2，占國土總面積的49．79%，森林面積為7033936hm2，森林覆蓋率達到39．93%，主要分布在黔東南及北部的遵義地區，西北部和中部地區森林分布較少［10-11］。2008年初，貴州省遭遇了有氣象記錄以來最為嚴重的雪凝災害，致使森林出現大面積的死亡，根據各地(州、市)初步調查結果，確定黎平等83個縣(市、區)為本次災害評估調查對象，對馬尾松、杉木、針闊混和其他闊葉樹等類型樹種展開災害調查。根據調查結果匯總統計，全省森林資源受災面積為(損失程度等級“輕”度以上)1090026hm2，占全省森林資源面積的17．7%［12］。 1．2數據準備 本文的主要采用2005—2008年低分辨率MOD13Q1植被指數科學數據集(貴州省覆蓋景為h27v06.005)，數據空間分辨率為250m，時間分辨率為16d，共計92期。該數據包括歸一化植被指數(NDVI)和植被指數質量標記(QualityAssessment，QA)，QA產品是關于MOD13Q1植被指數科學數據質量信息的綜合評價資料，該資料在像元尺度對植被指數進行質量評價［13］。輔助數據主要包括了2006年研究區MCD12Q1數據和2008年貴州省凝凍災害森林資源損失調查數據。MCD12Q1數據空間分辨率為500m，時間分辨率為1y(modis．gsfc．nasa．gov/)，該產品按照國際地圈生物圈計劃(IGBP)分類標準，將研究區分為17個土地類型［14］。本文所研究的森林區域主要由常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、混交林和多樹地區這6個類型組成(圖1)，在該區域內的像元點統稱為森林像元。而森林災害資源損失調查工作由貴州省林業廳組織，共清查83調查單位，抽取24914個小班，其中林分小班17231個。為了和地面小班調查范圍保持一致，MODIS影像數據將不包括羅甸等5個縣(市)，具體范圍如圖1紅框所示。 2研究方法 2．1MODIS/NDVI時間序列重構方法 根據MOD13Q1植被指數科學數據集中QA產品的可用性指數規則，可用性指數共分16個等級，其中像元可用性指數值越低，表明該像元的質量越可靠［13］。利用LDOPE質量分解工具從MOD13Q1得到QA質量評價波段，建立2005—2008年貴州省森林的NDVI時間序列和分解其對應QA值。從分解得到的QA波段中獲取植被指數的“可用性指數”。計算每期MODIS/NDVI影像對應的可用性均值;每期可用性均值越低，表明整幅影像的整體可靠性越高，以此來獲取較為可靠的影像數據。但MODIS/NDVI初始數據由于受氣溶膠、冰雪、太陽光照角度及傳感器觀測視角等因素的影響，仍存在一定的噪聲，有必要對其進行重建［15-16］，而Savitzky-Golay(S-G)濾波在植被類型提取時表現出色，能夠較好的平滑VI曲線，具有反映植被變化趨勢等優點［17-19］。因此，本研究首先利用STL-decomposition方法剔除原始NDVI時間序列的離異值，然后選擇用S-G濾波方法對剔除變異值后完整NDVI時間序列進行重建［20-21］，進一步減少其他因素對影像質量的干擾。 2．2建立森林災害評估指標和評估方法 雪凝災害會造成一段時間森林資源出現大面積的凍死、腰折、斷稍等現象，導致災前與災后森林像元的NDVI變化率與往年同時期相比會發生明顯的改變，將每個森林像元NDVI值的變化率作為探測森林災害的指標，記作R，計算公式如下:式中，NDVIpre表示災害前某個森林像元的NDVI值，NDVIpost表示災后對應位置森林像元NDVI值?？紤]到雪災對森林災害的后續影響和影像的質量，在NDVIpre和NDVIpost關鍵期選擇上，需要滿足兩點:(1)選擇NDVI可用性均值較低影像數據，(2)兩期影像獲取時間處于每年森林的生長期。在大區域尺度上，2005—2007年間研究區沒有出現大規模森林災害，將任一森林像元在某個時間段NDVI變化率記作R2005—2006或R2006—2007，同時R2005—2006或R2006—2007也可以表示為R?2005—2007±δ，其中，R?2005—2007和δ分別為2005—2007年每個森林像元的NDVI變化率平均值和平均絕對偏差，由于平均絕對偏差對異常值有更大的包容性，因而采用平均絕對偏差來代替標準差［22］。計算研究區所有森林像元的R2005—2007，變化范圍可以表示為R?all±δall，認為森林像元變化率在［－δall，+δall］范圍內是屬于正常波動，將δall設定的森林災害閾值(DamageThreshold，DT)。當發生森林災害時，將森林像元的NDVI變化率記作R2007—2008，將任一森林像元的R2007—2008－R－2005—2007值記作R2007—2008'，如果R2007—2008'大于δall，則認為該像元受到了災害的影響。同時對不同年份災害時間段的RNDVI均值(R—)、中心點偏移(ShiftAmplitude)、四分位數距離IQR(InterquartileofRange)和受到破壞的森林像元百分比等統計量進行計算［23］。#p#分頁標題#e# 2．3空間分布一致性檢驗 在貴州省第3次森林資源規劃設計調查成果等資料的基礎上，根據地類、樹種、齡組等因子確定調查類型，按照類型抽取調查小(細)班進行災害調查，通過損失株數或蓄積比例確定林木損失程度等級，具體等級劃分見參考文獻［24］。根據調查報告，2008年初森林資源受災面積共1090026hm2，占全省森林面積資源面積的17．7%，其中，重度、中度和輕度受災面積分別占總受災面積的17．6%、19．2%和63．2%［12］。按照上述災害比例，將利用MODIS/NDVI數據確定的受災森林像元，按照R2007—2008'值從高到低劃分為重、中和輕度受災像元，計算每個縣內受災像元的百分比，計算公式如下:式中，Y1、Y2分別表示每個縣重度受災和中度受災的百分比，m表示每個縣森林受災像元的總數。按照Y1大小排列，確定百分比較大的11個重度災害縣;然后按照Y2大小排列，確定百分比較大的10個中度災害縣，根據排列結果，制作貴州省縣域尺度森林災害等級分布圖;同時利用Kappa系數檢驗其結果與基于小班調查的結果是否具有空間分布一致性。如果兩種方法結果完全一樣，則Kappa=1，通常，當Kappa≥0.75時，兩種方法獲得的結果一致性較高，變化小;當0．4≤Kappa≤0．75時，一致性一般，變化明顯，當Kappa≤0．4時，一致性較差，變化較大［25］。 3結果與分析 3．1MODSI影像時間序列分析與關鍵期影像的重建 經過反復試驗與調整，最終確定S-G濾波的迭代次數為3、上包絡線擬合強度為2和窗口大小為5。圖2為某一沒有受到災害影響森林像元點經過SG濾波的結果，虛線為原始NDVI曲線，實線為SG濾波后平滑曲線，通過S-G濾波可以有效的去除噪聲等因素的干擾。此次南方降雪集中發生在2008年1月10日到2月2日之間，該時間段對應MODIS期數為20080117NDVI。計算2005—2008年92期MODIS影像的可用性指數均值，最終確定災前影像0930期(20050930、20060930和20070930)，災后影像時間為0509期(20060509、20070509和20080509)，兩個時期影像的可用性指數年均值較低(分別為2．06和2．41)，同時該時間段處于森林的生長季。根據S-G濾波后的時間序列，對20050930、20060509和20060930等6期NDVI影像進行重建，重建后的研究區森林像元的NDVI均值有明顯的升高。如圖3所示，6期影像進行重建后的NDVI的均值升高幅度相近(升高幅度約0．04)，表明重構后影像的整體效果比較理想，影像中并沒有出現較大面積壞值或離異值。 3．2災害閾值確定與災害等級空間分布 根據2．2所述的災害評估指標與方法，NDVIpre和NDVIpost確定9月30日和5月9日這個時間段(例如，2005—2006年的NDVIpre和NDVIpos分別為NDVI20050930和NDVI20060509)，計算2005—2006、2006—2007和2007—2008年3個不同時期同時間段的森林像元R值，共有統計分析100多萬個森林像元點，由于2005—2006和2006—2007年的森林像元R值變化大致相同，為了更直觀的顯示數據變化，所以對這兩期數據R做均值處理，記作R2005—2007，同時對森林像元的R2005—2007和R2007—2008的統計采用直方圖的形式替代傳統的餅圖。統計結果如圖4和表1所示，R2005—2007和R2007—2008的直方圖都成近似的鐘型分布，兩組數據的分布主要集中在(－0．2，0．4)之間，占總像元數的99．5%。圖4紅線代表2005—2007年研究區內森林沒有發生大規模干擾的R2005—2007直方圖分布，其中心位置μ2005—2007為0．044，黑線代表2007—2008年研究區內森林受到雪災破壞后R2007—2008分布情況，其中心點μ2007—2008為0．085，研究區森林R在發生雪災之后整體產生了0．041的振幅偏移;R2007—2008直方圖形狀比R2005—2007更扁，頂點高度遠低于R2005—2007的最大值，表明R2007—2008在不同變化區間內的數量與R2005—2007相比，在受到雪災干擾后，R值變化率越高，像元數量增加越明顯，直到兩者趨近相同;同時R值的四分位數間距(IQR)比災害前增加了0．011，表明受災后R2007—2008等級差異更加明顯.計算R2005—2007的平均絕對偏差為δall為0．048，將其設定為森林災害的閾值，計算2007—2008年任意森林像元R2007—2008'值，若該值大于δall，則認定其為受災像元。統計結果如圖5和表1所示，R2007—2008'分布區間為［－0．25，0．35］，其中超過災害閾值的森林像元共287876個，占森林總像元數的28．6%，受災區間為［0.048，0．035］。為了清晰表述受災森林的空間格局分布和等級分布狀況，將受災森林像元的R2007—2008'值歸一化到［0，1］的區間范圍，按照0．1的等級間隔，共分為10個等級，將其統計結果顯示到空間布局上(圖6)，研究區森林受災較嚴重的區域主要分布在貴州省東南部和東北部，受災較重的地區主要包括銅川市、黔東南自治州和黔西南自治州等。 3．3空間分布一致性分析 利用遙感數據獲取的森林資源受災區域在市域層面上與調查評估報告結果基本一致，但由于MODIS/NDVI影像混合像元的影像以及兩種方法調查尺度差異，基于MODIS/NDVI計算所獲得的森林災害面積占總森林面積28．6%，高于地面小班調查的17．7%的森林受災比例。根據貴州省森林資源損失小班調查結果，共有德江、沿河和都勻等11個重度受災縣，湄潭、甕安和榕江等10個中度受災縣(圖7a)。將歸一化后R2007—2008'劃分為［0，0．145?、［0．145，0．259?和［0．259，1］3個等級區間，分別占總受災像元的63．2%、中度19．2%和17．6%。，按照公式(2)(3)，計算每個縣(市、區)內各個等級的森林像元占每個縣(市、區)受災總面積的百分比。按照Y1的大小，排列了德江、沿河和都勻等11個縣(市、區)為重度受災，根據Y2的大小，湄潭、榕江和桐梓等10個縣(市、區)確定為中度受災(圖7(b))。利用Kappa系數檢驗兩種方法的結果圖的相似度，其Kappa系數為0．86(＞0．75)，具有較高的一致性。如圖7所示，基于MODIS數據統計11個重度受災縣(市、區)和10個中度受災縣(市、區)中，分別有9個重度受災縣(市、區)和6個重度受災縣(市、區)與貴州省森林資源損失調查結果一致;而造成Kappa系數降低主要是因為基于MODIS/NDVI的分析結果將甕安等縣劃分為重度受災，赤水縣等劃分為中度受災，而光明區等劃分為中度受災所造成。通過對比分析，在統計的21個中度以上的受災縣(市、區)中，有20個與地面小班調查結果一致。森林資源面積越大，災害損失越嚴重，該方法探測災害信息的能力越強，如森林受災面積過少時，MODIS/NDVI數據探測能力較差，造成獲取結果偏低;而森林受災面積過大時，該方法對災害信息的敏感度較高，尤其是針對大片的森林區域，會造成森林像元的R2007—2008'升高，所獲取的災害等級偏高;同時由于森林災害的分布具有一定的連續性，用縣域邊界來劃分也會造成結果的偏差，施秉和甕安縣(由小班調查的中度上升為重度受災)緊鄰受災嚴重的黃平縣，并且這兩個縣的重度災害森林像元主要分布在和黃平縣接壤的邊緣地帶。因此，在展開實地調查之前，運用MODIS/NDVI對研究區進行快速評估時，這些問題都是需要重點考慮，還需要借助中高分辨率影像和地面調查數據進一步分析驗證。#p#分頁標題#e# 4結語 本文在構建2005—2008年研究區NDVI時間序列數據集的基礎上，利用S-G濾波和可用性指數重構關鍵期影像;結合統計學方法，對2008年研究區內受到雪災破壞的森林區域和受災等級進行快速評估;通過檢驗，其評估結果與地面調查結果具有較高的一致性。這表明該方法用于大面積森林災害的快速評估和災害空間模擬制圖是可行的，也證明了250m空間分辨率的MODIS/NDVI數據在森林災后評估上的優勢和潛力。雖然采用中低分辨率數據可以快速劃分災害區域，減少相應的實地調查的工作量，但在小區域災害面積與災害等級的確定上，預測效果較差，因此實地對樹木的毀壞情況進行調查和統計是必不可少的;另外，實地調查中還需要對毀壞樹木的樹種、胸徑、蓄積量和碳損失等指標進行分析整理，改進探測森林災害指標體系，提高森林災害評估方法的精度將是今后研究工作的重要方面之一。
