基于CBERS数据的平南县桉树蓄积量遥感估测模型构建

谢进金　唐洪辉　魏丹　严俊　杨清

摘要：采用蓄积量遥感估测的原理，以平南县19.5m分辨率的CBERS-02B遥感影像为基本数据源，结合地面标准地调查，运用相关的数学理论方法建立了桉树蓄积量估测模型，并进行了精度检验。结果表明：所构建的蓄积量遥感估测模型具有较高的精度，可用于在研究区内估测桉树蓄积量。

关键词：桉树；模型；蓄积；遥感估测

文献标识码：A文章编号：1674—9944（2014）09—0062—02

1引言

桉树是世界四大速生栽培树种之一，是桃金娘科（Myrtaceae），桉属（Eucalyptus）。我国实施林业六大工程建设以来，速生桉已经成为广西平南地区工业原料林等主要的用材速生树种[1]。由于桉树在平南种植面积极广，因此，对桉树进行蓄积量的估测具有重要意义。

近几年，随着高分辨率遥感技术的不断发展，3S技术在森林调查和森林资源管理中应用的越来越广泛，结合GIS、GPS、RS及它们的集成技术进行森林的蓄积量估测[2]，可以大大减轻调查者在林业调查方面的工作量。

2研究背景及试验区概况

早在20世纪70年代，遥感技术已被广泛应用于与农林渔牧业和生态环保等领域，并且取得了较大的成就[3]。1999～2003年，我国开展的第6次森林资源连续清查，在调查数据中加入了遥感样地的调查，在原有的固定样地上加大了抽样密度，系统抽样与人工判读相结合，可快速有效地得到森林资源的相关因子信息[4]。遥感技术也早已被广泛应用与其他领域，比如在农业上，遥感技术已经被用来估测农作物的种植面积产量[5]。

平南县地处广西壮族自治区东南部，东经110°03′54″～110°39′42″，北纬23°02′19″～24°02′19″。平南东连藤县，南与容县相连，西与桂平市接壤，北与金秀、蒙山县相邻（图1）。东西宽度约30km，南北长度约110km，属亚热带季风气候区，雨季较长，年平均气温20.3℃，最冷1月的平均气温为12.1℃，极冷温度为-1.8℃，最热在7月，平均温度为28.8℃[6]。

3数据收集与遥感数据处理

3.1调查数据收集

调查数据主要有：采用2009年二类调查设置的样地数据，样地数量为70个，大小为19.5m×19.5m，包括海拔、郁闭度、坡度、坡向、胸径、树高等数据，50个样地数据用于模型构建，20个数据用于模型的检验。

3.2遥感数据

本研究所采用的遥感数据采用中巴资源卫星（CBERS-02B）数据，时间是2008年7月10日与2009年8月12日，包含B1，B2，B3，B4，B5等5个波段，分辨率为19.5m×19.5m，轨道号是3-73、2-74，中心纬度是23.949668°、23.265267°，中心经度是110.112558°、110.41342°。所采用的遥感数据波段信息如表1[7]。

表1传感器波段特征

波段序号1波段波长/um1波段名称1波段用途110.45～0.5211蓝色波段1对水体的投射能力强，能反射浅水水下特征，能区分植被，能用于编制林业专题图210.52～0.591绿色波段1能探测植物反射率，可区分植被类型，能评估作物长势，对水体具有不错的透射力310.63～0.6911红色波段1可用于植物绿色素吸收率的测量，能用于植物分类，能用于区分人造地物的类型410.77～0.8911近红外波段1可用于作物长势和生物量的测量，可区分植被类型，容易获取水体边界，可探测水中生物含量510.51～0.7311全色波段1空间分辨率较高，可用农业、林业调查规划和城市规划，还可用于较大比例尺专题的制图

3.3遥感数据预处理

遥感图像处理主要是利用林业专用1：10000地形图、平南县界和其他相关资料对遥感影像进行图像校正、增强、融合、镶嵌、剪切等过程[8，9]（图2）。

3.4试验样地数据遥感信息获取

用GPS卫星辅助定位，记录标准地中心坐标，根据中心坐标与处理后的影像图相结合，获取样地各波段的灰度值。

4蓄积量估测模型构建

4.1地理信息因子的设置

在蓄积量估测方程构建时，要用到GIS因子，GIS因子可以通过实地调查获得，有海拔、郁闭度、坡度、坡向等。蓄积量估测方程构建后，要对蓄积量进行估测，GIS因子则主要通过地形图、DEM等资料人工获得。

4.2遥感比值波段设置与选择

构建蓄积量估测模型时，需用到样地的遥感信息，主要包括各个波段的灰度值和灰度比值，因为不同波段比值在研究地物上具有重要的作用。

CBERS-02的B1、B3、B4分别是反射波段、吸收波段、强发射波段。因此波段比值的可能设置主要有比值植被指数：RVI=B4/B3；归一化植被指数：NDVI=（B4-B3）/（B4+B3）；环境植被指数B4-B3；（B4+B1）/B3；B4/B1。其中中B1、B3、B4分别代表CBERS-02B的蓝光、红光、近红外波段灰度值[10]。

4.3估测模型的建立

根据标准地数据，采用SPSS软件进行桉树多元线性回归模型拟合，结果如下：

向、（B4+B1）/B3值。利用影像数据及部分实地调查数据，林分在遥感影响上的像元灰度值以及由判读影像所能得到的立地条件为自变量，拟合了平南县桉树的蓄积量估测模型，但模型的实用性仍需进行验证[11]。结果如表2。

4.4估测模型的检验

用未参与模型构建的20个样地数据及其在遥感影像上的遥感信息进行模型检验，结果如表3。

5结语

当采用较高精度的遥感影像，可以通过部分实地调查与遥感估测的相结合来估测桉树的蓄积量，不需要大量收集研究区域的因子。遥感估测蓄积量的方法应该也可适用于其他树种。蓄积量估测模型除了建立线性估测模型，还可以结合其他方法建立非线性的估测模型。

参考文献：

[1] 祁述雄.中国桉树[M].北京：中国林业出版社，2002.

[2] 李亦秋.基于3S技术的山东省森林蓄积量估测[J].林业科学，2009（9）：85～93.

[3] Charles T Scott.Sampling method for estimating change in forest resources[J].Eco logical Application，1998，8（2）：228～233.

[4] 包盈智，赵宪文.航天遥感资料在森林资源二类调查中的应用研究[J].林业科技通讯，1996（2）.

[5] 焦险峰，杨邦杰，裴志远.全国棉花种植面积遥感监测抽样方法设计[J].农业工程学报，2002（7）.

[6] 平南县志编纂委员会.平南县志[M].南宁：广西人民出版社，1993（9）.

[7] 彭望琭.遥感概论[M].北京：高等教育出版社，2002.

[8] 孙家抦.遥感原理及其应用[M].武汉：武汉大学出版社2003：246～268.

[9] 汤国安.遥感数字图像处理[M].北京：科学出版社，2004：82～89.

[10]李行.植被高光谱遥感影像特征波段的选择方法研究[D].泰宁：山东科技大学，2006.

[11]王松桂，陈敏，陈立萍.线性统计模型-线性回归与方差分析[M].北京：高等教育出版社，1999.endprint

摘要：采用蓄积量遥感估测的原理，以平南县19.5m分辨率的CBERS-02B遥感影像为基本数据源，结合地面标准地调查，运用相关的数学理论方法建立了桉树蓄积量估测模型，并进行了精度检验。结果表明：所构建的蓄积量遥感估测模型具有较高的精度，可用于在研究区内估测桉树蓄积量。

关键词：桉树；模型；蓄积；遥感估测

文献标识码：A文章编号：1674—9944（2014）09—0062—02

1引言

桉树是世界四大速生栽培树种之一，是桃金娘科（Myrtaceae），桉属（Eucalyptus）。我国实施林业六大工程建设以来，速生桉已经成为广西平南地区工业原料林等主要的用材速生树种[1]。由于桉树在平南种植面积极广，因此，对桉树进行蓄积量的估测具有重要意义。

近几年，随着高分辨率遥感技术的不断发展，3S技术在森林调查和森林资源管理中应用的越来越广泛，结合GIS、GPS、RS及它们的集成技术进行森林的蓄积量估测[2]，可以大大减轻调查者在林业调查方面的工作量。

2研究背景及试验区概况

早在20世纪70年代，遥感技术已被广泛应用于与农林渔牧业和生态环保等领域，并且取得了较大的成就[3]。1999～2003年，我国开展的第6次森林资源连续清查，在调查数据中加入了遥感样地的调查，在原有的固定样地上加大了抽样密度，系统抽样与人工判读相结合，可快速有效地得到森林资源的相关因子信息[4]。遥感技术也早已被广泛应用与其他领域，比如在农业上，遥感技术已经被用来估测农作物的种植面积产量[5]。

平南县地处广西壮族自治区东南部，东经110°03′54″～110°39′42″，北纬23°02′19″～24°02′19″。平南东连藤县，南与容县相连，西与桂平市接壤，北与金秀、蒙山县相邻（图1）。东西宽度约30km，南北长度约110km，属亚热带季风气候区，雨季较长，年平均气温20.3℃，最冷1月的平均气温为12.1℃，极冷温度为-1.8℃，最热在7月，平均温度为28.8℃[6]。

3数据收集与遥感数据处理

3.1调查数据收集

调查数据主要有：采用2009年二类调查设置的样地数据，样地数量为70个，大小为19.5m×19.5m，包括海拔、郁闭度、坡度、坡向、胸径、树高等数据，50个样地数据用于模型构建，20个数据用于模型的检验。

3.2遥感数据

本研究所采用的遥感数据采用中巴资源卫星（CBERS-02B）数据，时间是2008年7月10日与2009年8月12日，包含B1，B2，B3，B4，B5等5个波段，分辨率为19.5m×19.5m，轨道号是3-73、2-74，中心纬度是23.949668°、23.265267°，中心经度是110.112558°、110.41342°。所采用的遥感数据波段信息如表1[7]。

表1传感器波段特征

波段序号1波段波长/um1波段名称1波段用途110.45～0.5211蓝色波段1对水体的投射能力强，能反射浅水水下特征，能区分植被，能用于编制林业专题图210.52～0.591绿色波段1能探测植物反射率，可区分植被类型，能评估作物长势，对水体具有不错的透射力310.63～0.6911红色波段1可用于植物绿色素吸收率的测量，能用于植物分类，能用于区分人造地物的类型410.77～0.8911近红外波段1可用于作物长势和生物量的测量，可区分植被类型，容易获取水体边界，可探测水中生物含量510.51～0.7311全色波段1空间分辨率较高，可用农业、林业调查规划和城市规划，还可用于较大比例尺专题的制图

3.3遥感数据预处理

遥感图像处理主要是利用林业专用1：10000地形图、平南县界和其他相关资料对遥感影像进行图像校正、增强、融合、镶嵌、剪切等过程[8，9]（图2）。

3.4试验样地数据遥感信息获取

用GPS卫星辅助定位，记录标准地中心坐标，根据中心坐标与处理后的影像图相结合，获取样地各波段的灰度值。

4蓄积量估测模型构建

4.1地理信息因子的设置

在蓄积量估测方程构建时，要用到GIS因子，GIS因子可以通过实地调查获得，有海拔、郁闭度、坡度、坡向等。蓄积量估测方程构建后，要对蓄积量进行估测，GIS因子则主要通过地形图、DEM等资料人工获得。

4.2遥感比值波段设置与选择

构建蓄积量估测模型时，需用到样地的遥感信息，主要包括各个波段的灰度值和灰度比值，因为不同波段比值在研究地物上具有重要的作用。

CBERS-02的B1、B3、B4分别是反射波段、吸收波段、强发射波段。因此波段比值的可能设置主要有比值植被指数：RVI=B4/B3；归一化植被指数：NDVI=（B4-B3）/（B4+B3）；环境植被指数B4-B3；（B4+B1）/B3；B4/B1。其中中B1、B3、B4分别代表CBERS-02B的蓝光、红光、近红外波段灰度值[10]。

4.3估测模型的建立

根据标准地数据，采用SPSS软件进行桉树多元线性回归模型拟合，结果如下：

向、（B4+B1）/B3值。利用影像数据及部分实地调查数据，林分在遥感影响上的像元灰度值以及由判读影像所能得到的立地条件为自变量，拟合了平南县桉树的蓄积量估测模型，但模型的实用性仍需进行验证[11]。结果如表2。

4.4估测模型的检验

用未参与模型构建的20个样地数据及其在遥感影像上的遥感信息进行模型检验，结果如表3。

5结语

当采用较高精度的遥感影像，可以通过部分实地调查与遥感估测的相结合来估测桉树的蓄积量，不需要大量收集研究区域的因子。遥感估测蓄积量的方法应该也可适用于其他树种。蓄积量估测模型除了建立线性估测模型，还可以结合其他方法建立非线性的估测模型。

参考文献：

[1] 祁述雄.中国桉树[M].北京：中国林业出版社，2002.

[2] 李亦秋.基于3S技术的山东省森林蓄积量估测[J].林业科学，2009（9）：85～93.

[3] Charles T Scott.Sampling method for estimating change in forest resources[J].Eco logical Application，1998，8（2）：228～233.

[4] 包盈智，赵宪文.航天遥感资料在森林资源二类调查中的应用研究[J].林业科技通讯，1996（2）.

[5] 焦险峰，杨邦杰，裴志远.全国棉花种植面积遥感监测抽样方法设计[J].农业工程学报，2002（7）.

[6] 平南县志编纂委员会.平南县志[M].南宁：广西人民出版社，1993（9）.

[7] 彭望琭.遥感概论[M].北京：高等教育出版社，2002.

[8] 孙家抦.遥感原理及其应用[M].武汉：武汉大学出版社2003：246～268.

[9] 汤国安.遥感数字图像处理[M].北京：科学出版社，2004：82～89.

[10]李行.植被高光谱遥感影像特征波段的选择方法研究[D].泰宁：山东科技大学，2006.

[11]王松桂，陈敏，陈立萍.线性统计模型-线性回归与方差分析[M].北京：高等教育出版社，1999.endprint

摘要：采用蓄积量遥感估测的原理，以平南县19.5m分辨率的CBERS-02B遥感影像为基本数据源，结合地面标准地调查，运用相关的数学理论方法建立了桉树蓄积量估测模型，并进行了精度检验。结果表明：所构建的蓄积量遥感估测模型具有较高的精度，可用于在研究区内估测桉树蓄积量。

关键词：桉树；模型；蓄积；遥感估测

文献标识码：A文章编号：1674—9944（2014）09—0062—02

1引言

桉树是世界四大速生栽培树种之一，是桃金娘科（Myrtaceae），桉属（Eucalyptus）。我国实施林业六大工程建设以来，速生桉已经成为广西平南地区工业原料林等主要的用材速生树种[1]。由于桉树在平南种植面积极广，因此，对桉树进行蓄积量的估测具有重要意义。

近几年，随着高分辨率遥感技术的不断发展，3S技术在森林调查和森林资源管理中应用的越来越广泛，结合GIS、GPS、RS及它们的集成技术进行森林的蓄积量估测[2]，可以大大减轻调查者在林业调查方面的工作量。

2研究背景及试验区概况

早在20世纪70年代，遥感技术已被广泛应用于与农林渔牧业和生态环保等领域，并且取得了较大的成就[3]。1999～2003年，我国开展的第6次森林资源连续清查，在调查数据中加入了遥感样地的调查，在原有的固定样地上加大了抽样密度，系统抽样与人工判读相结合，可快速有效地得到森林资源的相关因子信息[4]。遥感技术也早已被广泛应用与其他领域，比如在农业上，遥感技术已经被用来估测农作物的种植面积产量[5]。

平南县地处广西壮族自治区东南部，东经110°03′54″～110°39′42″，北纬23°02′19″～24°02′19″。平南东连藤县，南与容县相连，西与桂平市接壤，北与金秀、蒙山县相邻（图1）。东西宽度约30km，南北长度约110km，属亚热带季风气候区，雨季较长，年平均气温20.3℃，最冷1月的平均气温为12.1℃，极冷温度为-1.8℃，最热在7月，平均温度为28.8℃[6]。

3数据收集与遥感数据处理

3.1调查数据收集

调查数据主要有：采用2009年二类调查设置的样地数据，样地数量为70个，大小为19.5m×19.5m，包括海拔、郁闭度、坡度、坡向、胸径、树高等数据，50个样地数据用于模型构建，20个数据用于模型的检验。

3.2遥感数据

本研究所采用的遥感数据采用中巴资源卫星（CBERS-02B）数据，时间是2008年7月10日与2009年8月12日，包含B1，B2，B3，B4，B5等5个波段，分辨率为19.5m×19.5m，轨道号是3-73、2-74，中心纬度是23.949668°、23.265267°，中心经度是110.112558°、110.41342°。所采用的遥感数据波段信息如表1[7]。

表1传感器波段特征

波段序号1波段波长/um1波段名称1波段用途110.45～0.5211蓝色波段1对水体的投射能力强，能反射浅水水下特征，能区分植被，能用于编制林业专题图210.52～0.591绿色波段1能探测植物反射率，可区分植被类型，能评估作物长势，对水体具有不错的透射力310.63～0.6911红色波段1可用于植物绿色素吸收率的测量，能用于植物分类，能用于区分人造地物的类型410.77～0.8911近红外波段1可用于作物长势和生物量的测量，可区分植被类型，容易获取水体边界，可探测水中生物含量510.51～0.7311全色波段1空间分辨率较高，可用农业、林业调查规划和城市规划，还可用于较大比例尺专题的制图

3.3遥感数据预处理

遥感图像处理主要是利用林业专用1：10000地形图、平南县界和其他相关资料对遥感影像进行图像校正、增强、融合、镶嵌、剪切等过程[8，9]（图2）。

3.4试验样地数据遥感信息获取

用GPS卫星辅助定位，记录标准地中心坐标，根据中心坐标与处理后的影像图相结合，获取样地各波段的灰度值。

4蓄积量估测模型构建

4.1地理信息因子的设置

在蓄积量估测方程构建时，要用到GIS因子，GIS因子可以通过实地调查获得，有海拔、郁闭度、坡度、坡向等。蓄积量估测方程构建后，要对蓄积量进行估测，GIS因子则主要通过地形图、DEM等资料人工获得。

4.2遥感比值波段设置与选择

构建蓄积量估测模型时，需用到样地的遥感信息，主要包括各个波段的灰度值和灰度比值，因为不同波段比值在研究地物上具有重要的作用。

CBERS-02的B1、B3、B4分别是反射波段、吸收波段、强发射波段。因此波段比值的可能设置主要有比值植被指数：RVI=B4/B3；归一化植被指数：NDVI=（B4-B3）/（B4+B3）；环境植被指数B4-B3；（B4+B1）/B3；B4/B1。其中中B1、B3、B4分别代表CBERS-02B的蓝光、红光、近红外波段灰度值[10]。

4.3估测模型的建立

根据标准地数据，采用SPSS软件进行桉树多元线性回归模型拟合，结果如下：

向、（B4+B1）/B3值。利用影像数据及部分实地调查数据，林分在遥感影响上的像元灰度值以及由判读影像所能得到的立地条件为自变量，拟合了平南县桉树的蓄积量估测模型，但模型的实用性仍需进行验证[11]。结果如表2。

4.4估测模型的检验

用未参与模型构建的20个样地数据及其在遥感影像上的遥感信息进行模型检验，结果如表3。

5结语

当采用较高精度的遥感影像，可以通过部分实地调查与遥感估测的相结合来估测桉树的蓄积量，不需要大量收集研究区域的因子。遥感估测蓄积量的方法应该也可适用于其他树种。蓄积量估测模型除了建立线性估测模型，还可以结合其他方法建立非线性的估测模型。

参考文献：

[1] 祁述雄.中国桉树[M].北京：中国林业出版社，2002.

[2] 李亦秋.基于3S技术的山东省森林蓄积量估测[J].林业科学，2009（9）：85～93.

[3] Charles T Scott.Sampling method for estimating change in forest resources[J].Eco logical Application，1998，8（2）：228～233.

[4] 包盈智，赵宪文.航天遥感资料在森林资源二类调查中的应用研究[J].林业科技通讯，1996（2）.

[5] 焦险峰，杨邦杰，裴志远.全国棉花种植面积遥感监测抽样方法设计[J].农业工程学报，2002（7）.

[6] 平南县志编纂委员会.平南县志[M].南宁：广西人民出版社，1993（9）.

[7] 彭望琭.遥感概论[M].北京：高等教育出版社，2002.

[8] 孙家抦.遥感原理及其应用[M].武汉：武汉大学出版社2003：246～268.

[9] 汤国安.遥感数字图像处理[M].北京：科学出版社，2004：82～89.

[10]李行.植被高光谱遥感影像特征波段的选择方法研究[D].泰宁：山东科技大学，2006.

[11]王松桂，陈敏，陈立萍.线性统计模型-线性回归与方差分析[M].北京：高等教育出版社，1999.endprint