森林蓄積量調查數(shù)據(jù)空間化的方法研究

廖順寶，許立民

（1.河南大學 環(huán)境與規(guī)劃學院，河南 開封 475004；2.中國科學院 地理科學與資源研究所，北京 100101）

森林蓄積量調查數(shù)據(jù)空間化的方法研究

廖順寶1,2，許立民1

（1.河南大學 環(huán)境與規(guī)劃學院，河南 開封 475004；2.中國科學院 地理科學與資源研究所，北京 100101）

森林是陸地生態(tài)系統(tǒng)的重要組成部分，蓄積量是森林資源調查的基本指標之一。傳統(tǒng)的森林蓄積量調查數(shù)據(jù)一般以行政單元為記錄進行表示，因此，難以在更細尺度上反映蓄積量的空間分布及其變化。以20世紀80年代全國森林資源清查數(shù)據(jù)為例，在國家和省區(qū)兩個尺度分別分析森林蓄積量與不同土地利用類型面積和不同土地覆被類型面積之間的關系。結果顯示：不論在國家尺度還是省區(qū)尺度，森林蓄積量與土地覆被類型的相關性（國家尺度R2=0.568 2；省區(qū)尺度R2=0.851 1）均優(yōu)于其與土地利用類型的相關性（國家尺度R2=0.528 3；省區(qū)尺度R2=0.775 4），而且分省區(qū)模型優(yōu)于全國整體模型；在此基礎上，基于蓄積量與不同森林類型面積之間的線性回歸模型，利用回歸計算結果與殘差修正相結合的方法，計算得到全國 1 km×1 km分辨率的森林蓄積量空間化產(chǎn)品，該產(chǎn)品既反映了公里網(wǎng)格尺度上蓄積量的空間變化，又可以利用該產(chǎn)品統(tǒng)計全國及省區(qū)、市縣的森林蓄積總量；根據(jù)本研究的空間化結果進一步計算得到，20世紀80年代全國森林蓄積總量為1.348 6×1010m3。

森林；蓄積量；調查數(shù)據(jù)；數(shù)據(jù)空間化

森林是地球上最大的有機碳的貯庫，是控制陸地生物圈能量傳輸?shù)闹匾M成部分。陸地上，森林面積約占地球非冰表面的40%，而森林生物量卻占整個陸地生態(tài)系統(tǒng)生物量的90%左右，其土壤碳儲量約占全球土壤碳儲量的73%[1-2]。森林生物量不僅是森林固碳能力的重要標志，也是評估森林碳收支的重要參數(shù)，對全球碳循環(huán)起著重要作用[3]。因此，森林生物量的定量測算是生態(tài)學及相關領域的重要研究問題，在全球氣候變化背景下開展森林生物量的數(shù)量、時空分布和動態(tài)變化研究具有重要的理論意義及實踐價值[4]。

森林生物量是指單位面積森林內生物群落的現(xiàn)存量，常用t/hm2表示，它包括林木的生物量（根、莖、葉、花、果、種子和凋落物等的總重量）和林下植被層的生物量。另一個反映森林資源的豐富程度、衡量森林生態(tài)環(huán)境優(yōu)劣的重要指標是林木蓄積量，它是指一定森林面積上存在著的林木樹干部分的總材積。蓄積量是反映一個國家或地區(qū)森林資源總規(guī)模和水平的基本指標之一。而且，森林生物量與林木蓄積量在一定的條件下可以通過模型進行轉換[5]，換而言之，當知道一個地區(qū)的林木蓄積量時，就可以推算出該地區(qū)的森林生物量。

關于森林蓄積量的估算，目前主要有兩種途徑。一是以遙感信息源為主，輔之以其他相關數(shù)據(jù)進行蓄積量的估算。例如，基于ALOS PALSAR和森林資源二類清查固定樣地數(shù)據(jù)，利用非線性回歸方法建立蓄積量與所對應的 PALSAR像元后向散射系數(shù)之間的關系[6]；利用Landsat TM數(shù)據(jù)和人工神經(jīng)網(wǎng)絡方法研究中紅外波段與森林蓄積量之間的負相關關系[7]；以TM可提取因子（不同波段比值或線性組合）及樣地林分立地條件因子為可選變量，通過逐步回歸構建馬尾松林分蓄積量估測模型[8]；蓄積量與平均冠幅、海拔、坡位、坡向、QuickBird Band1-4以及NDGI（歸一化綠度指數(shù)）、GI（綠度指數(shù)） 等因子之間的回歸擬合[9]；利用CBERS-02B 影像為數(shù)據(jù)源, 同時提取海拔、 坡度、坡向等GIS因子，運用偏最小二乘法建立森林蓄積量估測模型[10]；以郁閉度、陰坡、陽坡、TM1、TM2、TM3、TM5、TM7、NDVI、TM（4-3）、TM4/3 為輸入變量，建立蓄積量估測的神經(jīng)網(wǎng)絡模型[11]；以 CBERS/CCD 影像和同步實測樣地數(shù)據(jù)為基礎，構建基于 NDVI、RVI及NDVI和RVI組合的人工速生林地蓄積量回歸估測模型[12]，等等。利用遙感信息進行森林蓄積量的估算主要在林場或小區(qū)域尺度上開展工作，目前尚未見到利用遙感信息在大范圍內進行森林蓄積量估算的文獻。

第二種途徑是以微觀地理因子以及森林本身的參數(shù)為變量，構建蓄積量與這些變量之間的相關關系，從而進行蓄積量的測算。例如，以林分斷面積和平均樹高為自變量，以林分蓄積量為因變量，構建杉木、馬尾松和闊葉樹等不同樹種的蓄積量模型[13]；利用林木采伐伐區(qū)設計資料及蓄積表，以海拔、年齡、郁閉度、坡向、坡度、坡位、林分起源等因子為解釋變量進行多元線性回歸，建立馬尾松、 黃山松、 杉木純林等的蓄積量數(shù)學模型[14]；榿木人工林蓄積量與密度、平均高度之間的非線性相關關系模型[15]；通過建立杉木人工林廣義干曲線模型模擬不同立地、 不同密度、不同年齡杉木人工林單株材積和林分蓄積量[16]，等等。通過這類途徑進行蓄積量的估算也主要在林場甚至是樣地尺度上開展，一般比利用遙感信息進行蓄積量估算的區(qū)域范圍更小，因此仍然是局地性質的研究。

當前，進行生物量空間分布估算的研究，特別是在較大范圍（如省區(qū)、全國）的研究還不多見。2004年，樸世龍等[17]利用中國草地資源清查資料，并結合同期的遙感影像，建立了基于修正的歸一化植被指數(shù)( NDVI )的我國草地植被生物量估測模型，并利用該模型研究了我國草地植被生物量及其空間分布；2011年，彭守璋等[18]根據(jù)祁連山地區(qū)野外調查資料、青海云杉林相圖和氣象資料，在GIS技術的支持下估算了祁連山地區(qū)青海云杉林的生物量和碳儲量及其空間分布；2012年，劉雙娜等[19]以中國第六次國家森林資源清查資料為基礎，同時結合1∶100萬植被分布圖及同期基于MODIS反演的NPP空間分布，定量估算了1 km分辨率下全國森林生物量的空間分布。而進行大范圍森林蓄積量空間分布的研究，尚未見到相關研究。

本文基于全國縣級森林資源調查數(shù)據(jù)和同時期的土地利用/土地覆被數(shù)據(jù)，根據(jù)屬性數(shù)據(jù)空間化的思路和方法，將基于縣級行政單元的森林蓄積量調查數(shù)據(jù)重新分布到規(guī)則格網(wǎng)上，以實現(xiàn)森林蓄積量調查數(shù)據(jù)的空間化。空間化結果是進行全國森林生態(tài)系統(tǒng)以及森林資源研究與評價的基礎數(shù)據(jù)產(chǎn)品。所謂屬性數(shù)據(jù)空間化，是指將地學矢量目標（點、多邊形）中的屬性要素向同要素柵格目標轉化的過程。通過屬性數(shù)據(jù)空間化，一方面可以增加屬性要素在空間分布上的信息量，盡可能地反映該要素在空間上的實際分布狀況；另一方面，又可以改變數(shù)據(jù)的存儲格式，即從不規(guī)則的矢量結構（點、多邊形）轉變成規(guī)則網(wǎng)格，以便進行跨學科的綜合分析[20]。從定義可以看出，屬性數(shù)據(jù)空間化不是簡單的矢量數(shù)據(jù)柵格化。

最近10年以來，屬性數(shù)據(jù)空間化已經(jīng)成為地理學、生態(tài)學、環(huán)境科學、社會科學中的研究熱點，其主要內容包括自然要素的空間化和社會經(jīng)濟要素的空間化，如氣象觀測要素的空間化[21-25]、人口統(tǒng)計數(shù)據(jù)空間化[26-29]、國民經(jīng)濟各行業(yè)產(chǎn)值數(shù)據(jù)的空間化[30]等。

1 數(shù)據(jù)資料

本研究使用的數(shù)據(jù)資料主要包括森林蓄積量調查數(shù)據(jù)、土地利用/土地覆被數(shù)據(jù)和全國縣級行政區(qū)劃數(shù)據(jù)等三部分，具體情況說明如下：

（1）全國各省、自治區(qū)、直轄市分縣森林蓄積量調查數(shù)據(jù)（1980 s）：來源于各省區(qū)森林資源清查，包括除香港、澳門和臺灣以外的全國31個省級行政單元的數(shù)據(jù)，各省區(qū)調查的時間不盡相同，但基本上都集中在20世紀80年代，核心數(shù)據(jù)指標是縣級行政單元的活立木總蓄積量。

（2）全國公里網(wǎng)格土地利用/土地覆被數(shù)據(jù)：分別來源于中國科學院資源環(huán)境科學數(shù)據(jù)中心和國家科技基礎條件平臺——地球系統(tǒng)科學數(shù)據(jù)共享網(wǎng)。這兩種數(shù)據(jù)分別利用與蓄積量調查數(shù)據(jù)時間基本一致的全國1∶10萬土地利用數(shù)據(jù)和全國1∶25萬土地覆被數(shù)據(jù)加工形成。需要說明的是，該公里網(wǎng)格數(shù)據(jù)產(chǎn)品不是將某一柵格單元全部表示成某一種特定的土地利用/土地覆被類型，而是詳細記錄每個柵格單元中不同土地利用/土地覆被類型占整個柵格單元面積的比例，因此特別適合用作屬性數(shù)據(jù)空間化的參數(shù)。該產(chǎn)品是目前我國在國家尺度上精度最高的土地利用/土地覆被數(shù)據(jù)產(chǎn)品，已經(jīng)在國家土地資源調查、水文、生態(tài)研究中被廣泛應用。

全國1∶10萬土地利用數(shù)據(jù)將全國土地利用類型分為耕地、林地、草地、水域、工礦居民用地和未利用土地等6個一級類25個二級類，其中，林地又分為有林地、灌木林、疏林地、其他林地等4個二級類型；全國1∶25萬土地覆被數(shù)據(jù)將全國土地覆被類型分為森林、草地、農(nóng)田、聚落、濕地水體、荒漠等6個一級類25個二級類，其中，森林又分為常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、針闊混交林和灌叢等6個二級類型。不論是土地利用數(shù)據(jù)還是土地覆被數(shù)據(jù)，本研究只用其中與森林蓄積量有關的數(shù)據(jù)，即僅分別使用土地利用中的“林地”數(shù)據(jù)和土地覆被中的“森林”數(shù)據(jù)。因為森林蓄積量僅與它們相關。

（3）全國縣級行政區(qū)劃數(shù)據(jù)：即與森林蓄積量調查數(shù)據(jù)和土地利用/土地覆被數(shù)據(jù)時間接近的全國縣級行政區(qū)劃數(shù)據(jù)，包括縣級行政區(qū)劃圖（邊界）、行政區(qū)名稱和行政區(qū)劃代碼。

2 數(shù)據(jù)預處理

數(shù)據(jù)預處理的目的是為數(shù)據(jù)分析與建模進行數(shù)據(jù)準備，主要包括以下三項內容：

（1）統(tǒng)計各市縣不同林地類型/森林類型的面積。首先，在地理信息系統(tǒng)軟件ArcGIS中將全國縣級行政區(qū)劃的多邊形矢量數(shù)據(jù)轉換為柵格數(shù)據(jù)，用縣級行政區(qū)劃代碼作為柵格單元的屬性值；其次，用縣級行政區(qū)劃柵格數(shù)據(jù)對不同林地類型/森林類型的柵格圖層進行區(qū)域統(tǒng)計，得到每個區(qū)域（市縣單元）內不同林地類型/森林類型的面積，即得到一個包括市縣名稱、市縣代碼、不同林地類型面積（有林地、灌木林、疏林地、其他林地）、不同森林類型面積（常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、針闊混交林、灌叢）等信息的二維屬性表。

（2）對各市縣森林蓄積量調查數(shù)據(jù)與林地/森林面積數(shù)據(jù)進行匹配。根據(jù)市縣名稱和市縣代碼一致的原則，將各市縣的森林蓄積量調查數(shù)據(jù)匹配到上一步形成的二維表中。由于全國縣級行政區(qū)劃的變動（縣改市、縣改區(qū)、市縣合并與拆分等），有些名稱一致或代碼一致的市縣并不表示同一個區(qū)域，因此需要甄別每個市縣的確切含義。

首先根據(jù)名稱和代碼同時一致的原則進行匹配；其次根據(jù)名稱一致（這種情況只包括縣，不含變?yōu)槭械目h）的原則匹配；第三，刪除名稱、代碼均不一致的記錄，特別是縣級市升格為地級市，原來的縣級市成為新的地級市的市轄區(qū)的情況。需要說明的是，這種刪除對后續(xù)的數(shù)據(jù)分析沒有影響，因為各市縣的數(shù)據(jù)主要用于分析和建模，因此不需要全部市縣的數(shù)據(jù)。事實上，通過匹配和刪除不匹配的數(shù)據(jù)后，全國仍然保留了2 175條記錄。

（3）生成省級行政區(qū)劃柵格數(shù)據(jù)。對全國縣級行政區(qū)劃柵格數(shù)據(jù)進行類型歸并，生成全國省級行政區(qū)劃柵格數(shù)據(jù)，用省級行政區(qū)劃代碼作為柵格單元的屬性值。在利用分區(qū)模型計算蓄積量時，該柵格數(shù)據(jù)將作為模型選擇的控制參數(shù)。

3 數(shù)據(jù)分析與建模

3.1 數(shù)據(jù)總體分析

森林蓄積量是一定森林面積上存在的林木樹干部分的總材積，因此，有森林或林地的地方才會有森林蓄積量（也稱林木蓄積量）。森林描述的是地表土地覆被狀況，林地描述的是地表土地利用狀況，它們均與森林蓄積量有關。

以全國各市縣森林蓄積量為因變量，不同森林類型（常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、針闊混交林、灌叢）面積或不同林地類型（有林地、灌木林、疏林地、其他林地）面積為自變量，分別進行多元線性回歸分析，令常數(shù)項為0，得到的線性回歸方程分別為：

式中：y 表示森林蓄積量，104m3；c1、c2、c3、c4、c5、c6分別表示不同森林類型的面積，km2；u1、u2、u3、u4分別表示不同林地類型的面積，km2。

圖1、圖2分別表示根據(jù)方程（1）和方程（2）預測的森林蓄積量與實際調查的蓄積量之間的相關關系。從圖1、圖2可以看出，蓄積量不論是與土地覆被中的不同森林類型面積還是與土地利用中不同林地類型的面積，均已達到統(tǒng)計上的顯著相關。盡管如此，利用這2個方程來預測各市縣的蓄積量仍然存在比較大的問題，因為它們的平均相對誤差分別到達86.29%和86.07%。平均相對誤差的計算公式為：

式（3）中：e表示平均相對誤差（無量綱）；abs()表示求絕對值；n表示參與回歸分析的樣本（市縣）個數(shù)；a0i表示第i個樣本（市縣）的實際調查蓄積量，104m3；a1i表示通過回歸方程預測的第i個市縣的蓄積量，104m3；a0表示所有n個市縣調查蓄積量的總和，104m3。

圖1 根據(jù)不同森林類型面積預測的蓄積量與實際調查蓄積量之間的相關關系（全國統(tǒng)一模型）Fig.1 Relationship between actual and predicted total accumulation of live timber by area of different forest types (unified national model)

從圖1和圖2也可以明顯的看出，分析樣本主要集中在蓄積量比較低的區(qū)域，而且這個區(qū)域的散點圖非常發(fā)散。因此，在全國范圍內構建一個統(tǒng)一的蓄積量模型是不科學的，在實際應用中也是不準確的。分區(qū)建模是解決這一問題的有效手段。

圖2 根據(jù)不同林地類型面積預測的蓄積量與實際調查蓄積量之間的相關關系（全國統(tǒng)一模型）Fig.2 The relationship between actual and predicted total accumulation of live timber by area of different forest-land types (unified national model)

3.2 分區(qū)建模

由于地形、地貌、土壤以及水熱等自然條件的差異，在不同區(qū)域，森林蓄積量與各種土地覆被/土地利用類型面積之間的關系也不盡相同。本研究使用的蓄積量數(shù)據(jù)以行政區(qū)劃為記錄單元，因此，分區(qū)建模也以省級行政區(qū)劃界線作為分區(qū)的界線。用對全國數(shù)據(jù)進行總體分析一樣的方法對各省區(qū)的數(shù)據(jù)進行分析，結果列于表1。從表1不難看出，按省分區(qū)以后，不論是基于森林類型（土地覆被）還是基于林地類型（土地利用）的回歸方程，相關系數(shù)和樣本的平均相對誤差都有明顯的改進。平均相對誤差已經(jīng)從86.29%和86.07%分別下降到46.82%和50.07%，全國各市縣預測蓄積量與實際調查蓄積量的相關系數(shù)（R2）從0.568 2和0.528 3分別上升到0.851 1和0.775 4（見圖3、圖4），且絕大部分省區(qū)的相關系數(shù)明顯提高。與圖1和圖2相比較，圖3和圖4明顯地反映出了這種改進。

根據(jù)上述分析可以得到這樣的結論，不同森林類型（土地覆被）、不同林地類型（土地利用）的面積分布情況均能較好地反映一個區(qū)域的森林蓄積量。但從相關系數(shù)、平均相對誤差（見表1）以及模型預測蓄積量與調查蓄積量之間的分布情況（見圖3、圖4）看，根據(jù)森林類型建立的蓄積量估算模型比根據(jù)林地類型建立的蓄積量估算模型的總體效果要好。因此，本文中利用前者進行蓄積量調查數(shù)據(jù)的空間化。

表1 各省區(qū)森林蓄積量與土地利用/土地覆被的相關性及平均相對誤差Table 1 Correlation coefficients and average relative errors between total accumulation of live timber and landuse or landcover by province

圖3 根據(jù)不同森林類型面積預測的蓄積量與調查蓄積量之間的相關關系（分區(qū)模型）Fig.3 Relationship between actual and predicted total accumulation of live timber by area of different forest types ( provincial models)

4 蓄積量調查數(shù)據(jù)空間化

全國森林蓄積量調查數(shù)據(jù)的空間化由模型計算和殘差修正兩步完成。

4.1 模型計算

（1）土地覆被參數(shù)提取。全國1∶25萬土地覆被數(shù)據(jù)分為6個一級類25個二級類，因此，基于1∶25萬土地覆被數(shù)據(jù)生成的全國公里網(wǎng)格產(chǎn)品由25個柵格圖層組成，每個柵格圖層表示一種二級土地覆被類型，柵格單元的屬性值表示該二級土地覆被類型面積占整個柵格單元面積的比例。因此，理論上講，對于同一個地表柵格單元，可能會同時包括這25個土地覆被二級類型，如果將25個柵格圖層求算術和，則每個柵格單元的屬性值之和為100%。

圖4 根據(jù)不同林地類型面積預測的蓄積量與調查蓄積量之間的相關關系（分區(qū)模型）Fig.4 Relationship between actual and predicted total accumulation of live timber by area of different timberland types ( provincial models)

森林蓄積量只可能分布在有森林的地方，不可能分布在非森林的土地覆被類型中。因此，在進行蓄積量計算時，只需從25個圖層中選擇屬于森林類型的6個二級森林類型（即常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、針闊混交林和灌叢）作為輸入?yún)?shù)，而不必使用全部25個數(shù)據(jù)層。

（2）蓄積量計算。在地理信息系統(tǒng)軟件ArcGIS中，以6個二級森林類型圖層數(shù)據(jù)作為輸入?yún)?shù)，以省級行政區(qū)劃柵格數(shù)據(jù)作為模型選擇的控制參數(shù)，利用3.2節(jié)所建立的分區(qū)模型逐個柵格計算森林蓄積量。結果如圖5所示。

圖5 根據(jù)分區(qū)模型計算的全國森林蓄積量分布Fig.5 Distribution of total accumulation of live timber in China by provincial models

4.2 殘差修正

根據(jù)圖3不難發(fā)現(xiàn)，幾乎所有通過計算得到的蓄積量與實際調查的蓄積量都不相等（即不在1∶1線上，這在統(tǒng)計上也是很正常的），它們之間存在殘差。雖然各分區(qū)模型在總體上較好地反映了全國森林蓄積量與各森林類型面積之間的關系，但如果直接用這些模型的計算結果作為最終的空間化結果，則可能與實際情況有較大的出入，有些柵格上的值甚至為負數(shù)（見圖5）。因此，必須對模型的計算結果進行修正。

修正的基本思路是將模型計算結果與殘差求和。因為在統(tǒng)計上，回歸方程的預測值與殘差相加正好等于樣本的實際觀測值。不過，這里存在三個問題：（1）模型計算是逐個柵格進行的，理論上，模型計算得到的每個柵格的值都是不一樣的。而殘差針對的是每個縣級行政單元（因為模型是基于縣級行政單元構建），雖然可以把每個縣級行政單元的殘差平均分配到該縣級行政單元的每一個柵格單元上，但這種平均分配的依據(jù)并不充分，因為不能把殘差分配到?jīng)]有森林分布的柵格單元上。（2）如果將殘差平均分配到縣級行政單元的每個柵格單元上，在相鄰縣級行政單元的邊界，殘差可能會出現(xiàn)階梯狀突變；（3）在數(shù)據(jù)預處理階段，因行政區(qū)名稱或代碼不匹配去掉了一些行政單元，這些行政單元未能作為樣本參與建模，因此不存在殘差。

解決上述問題的方法是將殘差僅僅分配到有森林類型分布的柵格單元上，且以森林占柵格單元面積的比例為權重進行分配。具體處理方法是：

（1）統(tǒng)計各市縣各森林總面積（Ai）；

（2）用各市縣殘差除以該市縣森林類型總面積（Ai），得到該市縣單位森林面積的殘差（Ri）；

（3）以Ri為柵格化的屬性代碼，對縣級行政區(qū)劃多邊形數(shù)據(jù)進行柵格化，形成以市縣為單元的殘差系數(shù)柵格圖（GridRi）。因臺灣、香港、澳門無調查數(shù)據(jù)，殘差修正系數(shù)均設為0，即不進行殘差修正。

（4）對各二級森林類型柵格圖求算術和，得到每個柵格單元上不同森林類型的總面積（GridF）；

（5）用GridRi乘以GridF，得到所有有森林分布的柵格單元上的殘差（無森林分布的柵格單元上的殘差為0），結果如圖6所示。

圖6 全國森林蓄積量殘差分布Fig.6 Distribution of residuals of total accumulation of live timber in China

將分區(qū)模型的計算結果（見圖5）與處理后的殘差（見圖6）求和，并將蓄積量為負數(shù)的柵格的值設為0。另外，根據(jù)相關資料，全國單位森林蓄積量的最高值不高于3.813×105m3/km2，因此，將計算結果大于3.813×105m3/km2的柵格單元值設為3.813×105m3/km2，得到最終的空間化結果（見圖7）。

圖7 全國公里網(wǎng)格森林蓄積量分布Fig.7 Distribution of total accumulation of live timber in China at resolution of 1 km by 1 km

4.3 空間化過程與結果分析

（1）盡管在空間化過程中進行了殘差修正，但仍有少量柵格單元的蓄積量為負值，同時，少量柵格單元的空間化結果明顯偏高，這些都是模型計算不可避免的。進一步分析表明，這些柵格單元的數(shù)量并不多，蓄積量為負值的柵格面積僅占全國總面積的5.90%，蓄積量大于3.813×105m3/km2的柵格面積僅占全國總面積的0.025%，因此，對這些柵格單元值的重新設定對最終結果的影響并不大。

（2）根據(jù)最終的空間化結果（見圖7）統(tǒng)計分析得到，20世紀80年代，全國森林資源的總蓄積量為1.348 6×1010m3。圖7既反映了全國森林蓄積量總量，又反映了蓄積量在1 km×1 km尺度上的空間分布狀況。而一般的森林資源蓄積量調查數(shù)據(jù)則不能反映這些細節(jié)，這正是森林資源蓄積量調查數(shù)據(jù)空間化的目的和優(yōu)勢所在。

5 小 結

本研究采用分省區(qū)建模的方法進行全國森林蓄積量調查數(shù)據(jù)的空間化，從計算結果與實際調查數(shù)據(jù)之間的相關系數(shù)以及平均相對誤差看，效果明顯地要比全國使用同一個模型進行空間化好。但同時也存在一個問題，那就是部分省區(qū)接壤處（如內蒙與黑龍江）出現(xiàn)了一個比較明顯的界線，造成這種結果的原因是這兩個省區(qū)的調查數(shù)據(jù)口徑存在差異。雖然用全國統(tǒng)一模型不存在這個問題，且整體性比較好，但具體到每個省區(qū)卻又存在比較大的誤差。因此，相比之下，對全國森林蓄積量數(shù)據(jù)進行空間化，省區(qū)模型仍然優(yōu)于全國統(tǒng)一模型。

雖然本研究使用的森林蓄積量調查數(shù)據(jù)的時間是20世紀80年代，當然，所使用土地覆被數(shù)據(jù)也是同時期的。但作為一種空間化方法研究，數(shù)據(jù)的時間并無明顯影響。下一步將收集較新的數(shù)據(jù)對本研究使用的方法進行進一步改進、完善和應用。

[1] Warring R H, Running S W. Forest ecosystem: analysis at multiple scales[J]. San Diego: Academic Press, 1998: 286-320.

[2] 楊洪曉, 吳 波, 張金屯, 等. 森林生態(tài)系統(tǒng)的固碳功能和碳儲量研究進展[J]. 北京師范大學學報: 自然科學版, 2005,41(2): 172- 177.

[3] Brown S, Sathaye J, Canell M, et a1. Mitigation of carbon emission to the atmosphere by forest management[J].Commonwealth Forestry Rev.,1996,75: 80-91.

[4] 王曉寧,徐天蜀,李 毅. 利用ALOS PALSAR雙極化數(shù)據(jù)估測山區(qū)森林蓄積量模型[J]. 浙江農(nóng)林大學學報, 2012, 29(5):667-670.

[5] 王仲鋒,馮仲科. 森林蓄積量與生物量轉換的CVD模型研究[J]. 北華大學學報：自然科學版,2006,7 (3):265-268.

[6] 楊永恬,李增元,陳爾學,等. 基于ALOS PALSAR數(shù)據(jù)的森林蓄積量估測技術研究[J]. 林業(yè)資源管理, 2010,(1):113-117.

[7] 劉志華,常 禹,陳宏偉. 基于遙感、地理信息系統(tǒng)和人工神經(jīng)網(wǎng)絡的呼中林區(qū)森林蓄積量估測[J]. 應用生態(tài)學報,2008,19(9): 1891-1896.

[8] 余坤勇,林 芳,劉 健,等. 基于RS的閩江流域馬尾松林分蓄積量估測模型研究[J]. 福建林業(yè)科技, 2006, 33(1):16-19.

[9] 許煒敏,孫開銘,陳友飛, 等. 杉木林蓄積量估測的因子選擇研究[J]. 亞熱帶資源與環(huán)境學報,2012, 7(2):76-83.

[10] 洪奕豐, 林 輝, 嚴恩萍, 等. 基于偏最小二乘法的平南縣森林蓄積量估測模型研究[J]. 中南林業(yè)科技大學學報, 2011,31(7): 80-85.

[11] 涂云燕,彭道黎. 基于神經(jīng)網(wǎng)絡的森林蓄積量估測[J]. 中南林業(yè)科技大學學報,2012, 32(3): 49-52.

[12] 王 磊, 張新華, 宋乃平,等. 基于遙感技術的人工速生林蓄積量估測[J]. 林業(yè)資源管理, 2007 ,(12): 84-88.

[13] 曾偉生,方寶新. 福建省林分蓄積量模型的建立[J].華東森林經(jīng)理,2007,21(3):24-25.

[14] 龔道懷. 閩東北鷲峰山針葉林蓄積量模型的研究[J]. 湖南林業(yè)科技,2009,36(4):13-15.

[15] 文仕知,朱光玉,王忠誠,等. 湘西榿木人工林蓄積量模型及適宜經(jīng)營密度研究[J].中國農(nóng)學通報,2012,28(1):92-97.

[16] 佟金權. 廣義干曲線模型在杉木人工林蓄積量測定中的應用[J]. 中南林業(yè)科技大學學報, 2007,27(1): 93-98.

[17] 樸世龍,方精云,賀金生,等. 中國草地植被生物量及其空間分布格局[J].植物生態(tài)學報,2004, 28 ( 4) :491-498.

[18] 彭守璋,趙傳燕,鄭祥霖,等. 祁連山青海云杉林生物量和碳儲量空間分布特征[J]. 應用生態(tài)學報,2011,22(7):1689-1694.

[19] 劉雙娜,周 濤,舒 陽,等.基于遙感降尺度估算中國森林生物量的空間分布[J].生態(tài)學報, 2012, 32(8):2320-2330.

[20] 廖順寶,張 賽.屬性數(shù)據(jù)空間化誤差評價指標體系研究[J].地球信息科學學報, 2009,11(2):176-182.

[21] 廖順寶,李澤輝.基于GIS的定位觀測數(shù)據(jù)空間化[J].地理科學進展,2003,22(1):87-93.

[22] 廖順寶,李澤輝,游松財.氣溫數(shù)據(jù)柵格化的方法及其比較[J]. 資源科學,2003,25(6):83-88.

[23] 于貴瑞,何洪林,劉新安, 等. 中國陸地生態(tài)信息空間化技術研究——氣象/氣候信息的空間化技術途徑[J]. 自然資源學報, 2004, 19(4):537-544.

[24] 何洪林, 于貴瑞, 劉新安, 等. 中國陸地生態(tài)信息空間化技術研究——太陽輻射要素[J]. 自然資源學報,2004, 19(5):679-687.

[25] 劉新安,于貴瑞,范遼生, 等. 中國陸地生態(tài)信息空間化技術研究——溫度、 降水等氣候要素[J]. 自然資源學報, 2004,19(6): 818-825.

[26] 廖順寶,孫九林.基于GIS的青藏高原人口統(tǒng)計數(shù)據(jù)空間化[J]. 地理學報,2003,58(1):25-33.

[27] 廖順寶,李澤輝.基于人口分布與土地利用關系的人口數(shù)據(jù)空間化研究——以西藏自治區(qū)為例[J].自然資源學報, 2003,18(6)659-665.

[28] 廖一蘭, 王勁峰, 孟 斌,等.人口統(tǒng)計數(shù)據(jù)空間化的一種方法[J]. 地理學報, 2007,62(10):1110-1119.

[29] 閆慶武,卞正富,王 紅.利用泰森多邊形和格網(wǎng)平滑的人口密度空間化研究——以徐州市為例[J]. 武漢大學學報：信息科學版, 2011, 36(8):987-990.

[30] 劉紅輝, 江 東, 楊小喚,等. 基于遙感的全國GDP 1 km格網(wǎng)的空間化表達[J]. 地球信息科學, 2005, 7(2): 120-123.

Methodology for spatialization of timber volume data from forest inventory

LIAO Shun-bao1,2, XU Li-min1

(1.College of Environment and Planning, Henan University, Kaifeng 475004, Henan, China; 2. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China)

∶ Forest is a very important part of land ecosystem. Timber volume is one of basic indicators for forest inventory. The timber volume data usually are expressed in attribute tables with administrative divisions as record units, so it is difficult to reflect spatial dynamic of the timber volume in a detail scale. In this study, 1980s’ forest inventory data of China were used to analyze the relationship between timber volume and area of various kinds of forest (by landcover) or timberland (by landuse) in national and provincial levels respectively. The results from regression analysis demonstrated that the timber volume had closer relationships with landcover (R2= 0.568 2 at national scale and 0.851 1 at provincial scale) than with landuse (R2= 0.528 3 at national scale and 0.775 7 at provincial scale) either at national scale or provincial scale, and provincial models were better that national models. Based on the analysis results, the linear regression models between timber volume and area of different forest categories at provincial level were used to calculate the national timber volume product of China at a resolution of 1km by 1 km. And the result from the models computation was rectified with residuals which came from regression analysis at a scale of 1 km by 1 km. The rectified product, which is final product, can not only reflect spatial dynamic of the timber volume at a scale of 1 km by 1 km, but also be used to count total timber volume in light of administrative divisions at national, provincial or county levels. Based on the product there were about 13.486 billion cubic meters of timber volume in China in 1980s.

∶ forest; timber volume; inventory data; spatialization of forest data

S758.5+1；S771.8

A

1673-923X(2013)11-0001-07

2013-01-28

中國科學院戰(zhàn)略性先導科技專項 (XDA05050000)；環(huán)保公益性行業(yè)科研專項(201209030)

廖順寶（1966-），男，四川德陽人，教授，博士，博士生導師，主要從事遙感與GIS在資源環(huán)境中的應用研究；E-mail：liaosb@igsnrr.ac.cn

[本文編校：謝榮秀]