包青格樂,張潤卿,王藝宸,崔嵬,趙俊福,烏蘭,4,孫仲益,4*
1.海南大學生態與環境學院,???570228
2.國家林業和草原局發展研究中心,北京 100714
3.海南省生態環境監測中心,???571126
4.海南省農林環境過程與生態調控重點實驗室,???570228
由于對天然橡膠產品的需求量增加,天然橡膠(Hevea brasiliensis)人工林(簡稱“橡膠林”)在過去的20 年里迅速擴張,已成為全球熱帶地區最重要的種植生態系統之一[1-2]。根據聯合國糧食及農業組織(FAO)報告,在過去的20 年中,全球橡膠林面積擴大了20%,其中90%的擴張在亞洲,主要分布在印度尼西亞、泰國、馬來西亞和中國[3]。橡膠林面積的擴大在很大程度上改變了原有的土地利用類型,是全球熱帶地區土地利用變化的重要驅動因素,顯著地改變了區域碳水循環、生物多樣性等生態系統服務功能[4]。在我國,橡膠林主要大面積分布在海南省、云南省和廣東省,其中海南省作為天然橡膠林保護區是我國第二大天然橡膠種植區[5-6]。根據2021 年海南省第三次國土調查主要數據公報,橡膠林占海南島全域面積的20.45%[7],其顯著改變了區域下墊面組成與生態環境;但也提供了較高占比的生態系統服務價值,有助于增進人類福祉。因此,準確監測和繪制海南島橡膠林空間分布情況和動態變化趨勢,對我國政府部門及時制定或調整產業發展政策,保障天然橡膠資源供應安全,維護橡膠產業的健康發展以及海南島區域生態環境保護、生態系統服務功能與價值提升等具有重要意義。
近年來,遙感技術已被廣泛用于繪制橡膠林分布范圍[8],與傳統的人工測量相比,遙感技術具有宏觀快速的優勢[9]。相對早期的研究中,中分辨率成像光譜儀(Moderate-Resolution Imaging Spectroradiometer,MODIS)數據常用來提取橡膠林分布,對于區域物種組成與大尺度生態系統功能評估中起到了重要作用[10-12];但由于MODIS 傳感器的空間分辨率低,難以識別面積小且碎片化分布的橡膠林[5],無法滿足生產實踐要求,因此高分辨率遙感影像逐漸被用于橡膠林識別[13-14]。相比于其他熱帶森林,橡膠樹存在明顯的旱季落葉期[4],因此,基于橡膠樹的物候特征,采用多時相的遙感影像開展橡膠林識別逐漸流行[15-17]??墒芟抻跓釒У貐^常年的多云覆蓋影響,很難獲取到橡膠林關鍵物候期的影像,因此在大尺度和特定時期研究中仍存在很大的局限性[9]。為克服上述困境,Dong等人通過融合合成孔徑雷達與光學遙感影像的方式,首次完成了海南島橡膠林分布區的識別[18],并且很大程度上改善了識別結果。目前主要依靠上述光譜影像中的歸一化差值植被指數(Normalized Difference Vegetation Index,NDVI)、增強型植被指數(Enhanced Vegetation Index,EVI)、地表水分指數(Land Surface Water Index,LSWI)等常規植被指數來識別橡膠林[19]。然而,橡膠林在生長旺季或林齡達到一定齡組后,由于光譜指數趨于飽和,光譜特征與天然林相似[20],并且部分海南島的橡膠林與天然林相鄰[4],這導致一些常規植被指數在區分橡膠林與天然林時效果欠佳。另外,海南島分布較大面積的果園,相似的紋理結構也給橡膠林的識別帶來了一定困難。綜合來看,雖已有大量針對橡膠林分布與動態變化的研究成果,但仍缺乏公開共享的高精度海南島長時間序列橡膠林動態變化數據集。
在本數據集研發中,基于多時期多時相合成的Landsat 數據,在多波段反射率與常規植被指數的基礎上,增加了抗飽和性和處理混合像素能力強的kNDVI 指數(kernel Normalized Difference Vegetation Index,kNDVI)[21]和能有效減輕植被-土壤混合像元影響的NIRv 指數(Near-Infrared Reflectance of vegetation,NIRv)[22-23],提高分類精度;并對比支持向量機、高斯過程回歸、人工神經網絡、隨機森林等多種分類方法,最終確定,以5 年為步長,利用RF 提取了海南島2000 年、2005年、2010 年、2015 年、2020 年共5 期橡膠林分布數據,為橡膠林生態系統監測、管理與決策、生物量與碳儲量計算以及土地覆蓋類型變化分析等方面提供數據支持。
1.1.1 影像數據采集
本研究使用的Landsat TM/OLI 影像數據全部從GEE 云平臺(https://code.earthengine.google.co m/)上下載獲取。分別下載目標年份及前后兩年的橡膠林落葉期(每年12 月至次年3 月)和展葉期(每年5 月至10 月)的合成影像,共150 幅合成影像。海南島數字高程模型(DEM)數據由地理空間數據云平臺(https://www.gscloud.cn/search)下載獲取,具體信息詳見表1、表2。
表1 研究中使用的Landsat 影像數據信息Table 1 Landsat image data information used in the study
表2 研究中使用的DEM 數據信息Table 2 DEM data information used in the study
1.1.2 樣本點數據采集
為了訓練隨機森林分類模型,在谷歌地球(Google Earth Pro)高清影像上進行了樣本點預選,并在2022 年8 月開展了野外核實。對于橡膠林樣本點,觀察了周圍區域以確定橡膠林的邊界,并評估了橡膠樹的生長情況,包括樹高、樹干直徑和冠幅大小等指標。此外,還調查了與橡膠林分布和生長相關的環境要素,如土壤類型、土壤濕度、降水情況、氣溫和光照條件,最終選取了7848 個樣本點,其中橡膠林樣本點1850 個,非橡膠林樣本點5998 個(包括建筑物、水體、草地、耕地、灌木林和天然林)。樣本點將用于提取海南島橡膠林及分類驗證。圖1 為樣本點分布。
圖1 樣本點分布圖Figure 1 Sample point distribution
(1)Landsat 影像數據處理
首先在GEE 云平臺上對Landsat TM/OLI 影像數據進行輻射定標、大氣校正和幾何校正。其次進行遙感影像的去云處理、中值合成、植被指數計算以及影像下載。目標是獲取2000–2020 年5 期(2000 年、2005 年、2010 年、2015 年和2020 年)的海南島橡膠林分布情況,限于熱帶地區的全年高云覆蓋,因此,以目標年份及前后兩年的中值合成影像作為目標年份橡膠林分布識別的基礎數據(如,2020 年橡膠林分布是利用2018–2022 年合成影像所識別)。影像信息如表1 所示,包含6 個波段的地表反射率和NDVI 指數、歸一化差值水指數(Normalized Difference Water Index,NDWI)、歸一化建筑物指數(Normalized Difference Built-up Index,NDBI)、LSWI 指數、差值植被指數(Difference Vegetation Index,DVI)、歸一化燃燒指數(Normalized Burn Ratio,NBR)、EVI 指數、kNDVI 指數和NIRv 指數,共計9 個遙感植被指數。
(2)指數計算
指數計算公式如下:
式中ρBLUE、ρGREEN、ρRED、ρNIR、ρSWIR1和ρSWIR2分別為藍色波段、綠色波段、紅色波段、近紅外波段、短波紅外1 波段和短波紅外2 波段的地表反射率,參數σ和C 分別為1 和0.08[21,23],k為核函數。
(3)利用樣本點數據在MATLAB 2022b 中訓練分類器模型,使用包括支持向量機、高斯過程回歸、人工神經網絡、隨機森林等模型,最終選取精度最高的隨機森林模型進行海南島橡膠林分布提取。
(4)使用GIS 軟件對分類結果進行可視化。
利用1998–2022 年Landsat 數據獲得的海南島橡膠林分布數據集,主要包括:2000 年、2005 年、2010 年、2015 年、2020 年5 個時期的海南島橡膠林分布數據和2020 年海南島18 個市縣橡膠林分布數據。數據集包含5 個地理空間數據庫,每個地理空間數據庫均以“年份+海南島橡膠林分布.gdb”命名。地理空間數據庫下的數據文件均是“Esri FGDBR”格式數據,每個文件均以“海南島橡膠林分布”命名,2020 年海南島18 個市縣橡膠林分布數據文件以“市縣名稱”命名。文件屬性表可詳見柵格數量、橡膠林面積(其中包含m2和km2兩種不同單位面積)+信息,具體信息詳見表3。
表3 2000-2020 年海南島橡膠林變化數據集詳細信息Table 3 Detailed information of the dataset of distribution changes of natural rubber plantations in Hainan Island from 2000 to 2020
圖2 為2015 年、2020 年海南島橡膠林分布和2020 年海南島臨高縣、三亞市橡膠林分布圖。
圖2 海南島與部分市縣橡膠林分布圖:(a)和(b)分別為2015 年和2020 年海南島橡膠林分布、(c)和(d)分別為2020 年臨高縣和三亞市橡膠林分布Figure 2 Distribution map of rubber plantations in Hainan Island and some cities and counties:(a)and(b)show the distribution of rubber plantations in Hainan Island in 2015 and 2020,respectively;(c)and(d)show the distribution of rubber plantations in Lingao County and Sanya City in 2020,respectively.
為了得到可靠穩定的隨機森林分類模型,在本研究中,使用了十折交叉驗證[24]來提高模型分類精度。其中,模型總體分類精度為96.93%,橡膠林生產者精度為89.10%,橡膠林用戶精度為94.72%,Kappa 系數為0.90(表4)。同時,利用了第三次全國國土調查報告數據比較模型分類結果,2020年海南島橡膠林面積預測值為7422.02 km2,比第三次全國國土調查報告數據確定的面積多152.36 km2(偏高估計2.10%)。橡膠林提取的總體精度達97.90%,面積加權總體精度達89.39%,橡膠林識別精度較低(<80%)市縣面積權重僅為0.22,而分類精度較高(>90%)的市縣面積權重高達0.47。橡膠林分布面積最廣的儋州市(1367.87 km2)與瓊中縣(871.01 km2)分類精度高達98.20%與99.23%,而分布面積最低的陵水縣(91.42 km2)與文昌市(106.50 km2)則分類精度較低,分別為75.90%與74.68%;整體上呈現出橡膠林分布面積越大,識別精度越高的趨勢(表5)。
表4 使用隨機森林分類模型分類結果精度評價Table 4 Data accuracy evaluation of classification results based on random forest classification model
表5 利用第三次全國國土調查報告數據進行市縣級精度評價Table 5 Data accuracy evaluation based on the Third National Land Survey Report
本數據集包含了海南島橡膠林分布數據,涵蓋了5 個時期的數據以及2020 年海南島18 個市縣的橡膠林分布信息。用戶可以直接在常用的地理信息系統軟件中打開并使用該數據集。本數據集可用于計算橡膠林的生物量和碳儲量,并了解其動態變化情況。同時,可以通過分析橡膠林面積變化對土地覆蓋類型的影響,進一步了解其對生態環境的影響,并進行生態質量評價等研究。
致 謝
感謝在野外實地調查過程中海南省相關行業部門和單位的支持與配合,感謝Google Earth Engine(GEE)云平臺提供Landsat 影像數據。
數據作者分工職責
包青格樂(1999—),男,內蒙古通遼市人,碩士研究生,研究方向為熱帶海島遙感及應用。主要承擔工作:數據獲取與處理、數據集生產、實地驗證和論文撰寫。
張潤卿(2000—),男,山東淄博人,碩士研究生,研究方向為熱帶森林碳匯。主要承擔工作:數據獲取和實地驗證。
王藝宸(1997—),女,海南??谌?,博士研究生,研究方向為生態遙感與植物物候。主要承擔工作:數據獲取和實地驗證。
崔嵬(1990—),男,北京人,博士,副研究員,研究方向為森林高質量發展。主要承擔工作:數據校核與質量控制。
趙俊福(1986—),男,海南??谌?,博士,研究方向為森林生態系統多尺度效應。主要承擔工作:數據校核與質量控制。
烏蘭(1990—),女,海南??谌?,博士,副教授,研究方向為陸地生態系統模擬和植被與生態遙感。主要承擔工作:數據校核與質量控制。
孫仲益(1989—),男,海南??谌?,博士,副教授,研究方向為生態遙感和全球變化生態學研究。主要承擔工作:總體方案設計和論文撰寫。