【《森林变化监测指标构建案例分析》3700字】

森林变化监测指标构建案例分析目录TOC\o"1-3"\h\u10678森林变化监测指标构建案例分析 1148511.1森林变化概述 16251.2植被指数构建 2194181.3植被指数评估 370251.3.1指数比较 3116181.3.2指数应用 5森林有不同的变化类型，大多数植被指数能够检测出森林遭到大干扰的变化（如砍伐、火灾、城市扩张等），却忽略了森林微小缓慢的变化（如水土流失、干旱、虫害等），因此本研究将构建一个对干扰变化敏感的植被指标，既能检测森林大的变化也能检测森林微小变化。1.1森林变化概述森林在不同时间、不同区域、不同尺度上受到不同的干扰，发生着不同程度的变化。在干扰的作用下，地球上的森林植被是在不断发生变化的，在一些情况下，这些变化是对自然事件干扰的反应；在另一些情况下，这些变化是人为干扰的响应[13]。获得更精确、全面、实时和概括性的森林变化信息，可用于评估全球碳收支、预测火灾行为、了解生物多样性和土地覆盖类型变换等。陆地卫星TM、ETM+和OLI的数据集具有丰富的历史档案数据可供使用，是评估和监测森林自然资源变化信息的重要支撑。了解森林变化情况对保护森林至关重要，科学研究者和管理者可以根据森林变化信息来制定森林生态系统管理措施。从遥感监测森林景观变化的角度，将森林变化分为四种类型：突变、季节性变化、渐变和短期变化[13,25,27]。突变是由景观干扰事件引起，涉及土地覆盖类型转变的变化，例如与伐木、农业扩展、城市化和火灾等有关的变化，这些干扰事件从根本上改变了陆地表面的光谱特性，并且很容易在陆地卫星图像中辨别出来，使用当前的遥感技术相对容易地探测、绘制和监测[25,81]。季节性变化与植被物候期有关，是对太阳高度角和气候特征等的响应，一般表现为周期性变化[25]。季节变化与年内、年际物候周期性模式有关，物候变化会对植被的光谱特征产生显著的影响，尤其是在草原和落叶林中等植被中[13]。目前，大多数使用遥感数据的季节性研究都是在生长季节进行多次观测，而季节性变化的研究需要高时间分辨率的数据，并且要求数据最好是在每年的同一时间段，使得精确检测季节性变化变得困难。季节性变化会对其他变化研究产生一定的扰乱，因此，在研究其他变化（突变和渐变）时，一般会采用谐波函数去掉季节项，来提高变化检测的精度。与突变形成对比，渐变是发生在植被群落中的微妙的“状态内”变化，不涉及土地覆盖类型的变化，包括与虫害、风、污染、气候、土地退化和森林演替有关的变化[13,25,47,61,82]。也可以理解为森林渐变是指植被内部长期的变化动态，包括年际波动和整体趋势变化等。渐变与正常的物候周期无关，但如果植被的物候周期随时间推移发生了变化，这也被认为是渐变[25]。在大多数情况下，森林的渐变是指森林在中度干扰后逐渐变化的过程；然而，森林遭遇大的突变后缓慢的恢复过程也是一个渐变的过程[25]。这种恢复时间很长，在恢复过程中很容易受到病虫害等事件的进一步干扰[21,23,83,84]。渐变的变化可能非常微妙，并且非常缓慢地发生。渐变在整个森林景观中普遍存在,却很容易被忽视。渐变对景观表面产生长期影响，可以有效刻画地物的变化轨迹。因此，在研究森林变化过程中，渐变是必不可少的一种变化。短期变化是指短期内发生的变化，这种变化持续时间非常短，如短期天气的变化（暴雨、轻度霜冻、风等）和短期的自然灾害（风暴、洪水、龙卷风或其他灾难相关的事件等）。这些事件可能被视为“噪声”，它对森林景观的影响不大，并且这些变化往往很难描述，学者们通常对其兴趣不大，在大多数变化研究中基本上被忽略[13]。由于红壤区主要位于中国南方，而中国南方的云雨天气比较多，影像受到云的污染严重，得不到足够多的影像，无法精确检测到季节性变化，因此，本研究主要针对的是森林的渐变和突变。本文选择了晴天多的时期，即1985–2019年6-9月份的影像，而选择相同时期的影像，是为了减少植被的物候影响。1.2植被指数构建选择合适的监测指标是变化检测的关键步骤，许多植被指数被用于监测森林变化，如归一化差异植被指数(NDVI)[13,85]、增强植被指数(EVI)[50]、短波红外/近红外指数(SWIR/NIR)[12,13]和归一化燃烧比(NBR)[86]等。然而，NDVI值很容易饱和，对高植被区的细微变化的敏感度较低[87]，而EVI增加了对高生物量地区的敏感度，不容易达到饱和度，但对微妙的干扰不敏感[87-89]。此外，SWIR/NIR更适合于低叶面积指数的森林损害监测，对高叶面积指数的干扰变化不敏感[90]，而NBR只对火灾前后森林的变化敏感[91,92]。这些指标对细微变化可能不够敏感，不足以检测森林变化中的细微干扰变化。因此在分析红壤侵蚀区森林生态系统特点的基础上，构建一个既能对突变敏感又能对渐变敏感的植被指数十分重要。NDVI是目前应用最为广泛的植被指标，不仅能够评估环境变化对植物分布和动态的影响[53]，还能够反映地表植被生长状态、植被覆盖度、生物量[93]以及土地退化的程度[94,95]。NDVI通过计算红外和近红外波段的反射率得到，其值的范围从-1到1，负值表示没有植被[96]。NDVI=其中ρRed是红光波段的反射率，ρNIR是近红外波段的反射率。SWIR/NIR的比值与森林灾害相关性极好,是监测和评估森林灾害（病虫害）的有效参数，可用于定量研究灾害程度[97,98]。该指数经常被应用于森林虫害监测，当森林植物遭受病虫害时，其叶片的组织结构和功能发生变化,导致受病虫危害的树木光谱特征发生明显变化,而SWIR/NIR对此变化灵敏[13,99,100]。SWIR/NIR其中ρNIR是近红外波段的反射率,ρSWIR1是短波红外波段的反射率。SWIR/NIR能够有效区分针叶林失叶程度的差异,NDVI能更为敏感地辨识阔叶林或落叶林的灾害[99]。NDVI越大说明植被覆盖越好，绿度增加。SWIR/NIR增加说明植被死亡率增加，树冠绿度减少。我们利用NDVI和SWIR/NIR对森林灾害的相反趋势，将两者进行比值，构建了一种新的干扰敏感型植被指数(disturbancesensitivevegetationindex,DSVI),不仅可以检测混合林森林的变化，还能将森林变化过程中微小的变化进行放大。由于NDVI的取值范围为−1到1，而SWIR为1.55到1.75μm，NIR为0.76到0.90μm，因此其比值不为0，因此可以作为分数的分母。DSVI可以定义如下：DSVI=NDVI1.3植被指数评估1.1.1指数比较将DSVI与NDVI、SWIR/NIR进行比较，根据构建原理，总共有七种变化模式（如图3-1）：(a)为三个指数的长时间序列曲线；（b）NDVI呈上升，SWIR/NIR变化不大，DSVI上升且变化大于NDVI；(c)NDVI呈上升，SWIR/NIR呈下降，DSVI上升，变化大且大于NDVI；(d)NDVI变化不大，SWIR/NIR变化不大，DSVI变化也不大；(e)NDVI变化不大，SWIR/NIR下降，DSVI上升；(f)NDVI变化不大，SWIR/NIR上升，DSVI稍微上升，变化大于NDVI；(g)NDVI下降，SWIR/NIR变化不大，DSVI下降；(h)NDVI下降，SWIR/NIR上升，DSVI下降且大于NDVI。通过对其变化的分析，DSVI与NDVI的变化趋势是一致的(蓝线和紫线)，而与SWIR/NIR的变化趋势相反(蓝线和红线)。并且DSVI的变化幅度是高于NDVI和SWIR/NIR，且轻微扰动更敏感。图3-1DSVI与NDVI、SWIR/NIR的比较此外，本研究随机选取10000个点来显示各指标之间的关系（DSVI与NDVI，DSVI与SWIR/NIR)；在图3-2中，DSVI与NDVI呈正相关，而与SWIR/NIR呈负相关。因此，NDVI值越大，DSVI值越大，表明植被绿色度越高；同样，SWIR/NIR值越大，DSVI值越小，表明植被受灾程度越高。因此，DSVI值高表示植被覆盖度高，低值表示森林灾害程度高，DSVI可以反映植被覆盖度、生长状况和受灾情况。在森林覆盖区，DSVI的值主要分布在0.5到2.5之间。图3-2DSVI与NDVI、SWIR/NIR指数之间的相关性从波段的角度比较，NDVI是由红光波段和近红外波段计算所得，植被红光波段有较强的吸收带，其吸收带与叶绿素浓度成反比，是叶绿素的主要吸收波段，而近红外波段有一个高反射峰，对绿色植被的差异很敏感，具有高反射和高透射特性。而DSVI在红光波段和红外波段的基础上又多增加一个短波红外，短波红外对植被含水量反射敏感，处于水的吸收波段，随着叶子水分减少，植物短波红外波段的反射率明显增大。当植被遭受扰动时，红光波段的吸收率下降,而在红外波段的反射率也下降,短波红外波段的反射率上升，从而造成扰动前后的森林光谱变化。1.1.2指数应用本文将DSVI指数应用于不同的森林变化类型，利用实地调查数据和辅助数据识别特定区域的干扰类型，评估DSVI在森林突变和渐变监测中的敏感性。对于森林突变，本研究选择了一些受到砍伐和城市扩张区域的点进行比较。如图3-3a1-a4所示，森林在2009-2010年间遭到砍伐，在砍伐区域显示了4个典型样本点(图3-3c1)，发现DSVI的扰动幅度呈现陡峭下滑的变化（箭头所指的变化）。森林砍伐后，种植了茶树林，DSVI呈现缓慢上升趋势。同样，在城市扩张区域展示了四个样本点(图3-3c2)，1997-1998年间，由森林转变为建筑用地，DSVI的扰动幅度同样呈现陡峭下滑的变化（箭头所指的变化），但是随后DSVI值波动不大，呈现平稳状态（图3-3b1-b4）。因此，DSVI指数是可以检测森林发生的大干扰，对突变的响应灵敏。图3-3DSVI对不同森林突变类型的响应：(a1)-(a4)植被砍伐（森林转变成人工茶树林）引起的干扰;(b1)-(b4)城市扩张引起的扰动;(c1)-(c2)在地图中选择的采样点。针对森林渐变，本研究选择了一些干旱和严重水土流失地区的点进行比较。如图3-4a1-a4所示，干旱发生在1998年、2008年、2009年和2010年。在干旱影响区域显示了4个典型样本点(图3-4c1)，发现干旱年DSVI的扰动幅度有一定的变化。如图3-4a1-a4所示，1998年箭头所指的变化，以及2008、2009和2010年的圆圈所表示