全 文 ：基于 QuickBird影像的城市森林碳储量遥感估测*
徐丽华1 摇 张结存1 摇 黄摇 博1 摇 王欢欢1 摇 岳文泽2**
( 1浙江农林大学环境与资源学院, 浙江临安 311300; 2浙江大学土地管理系, 杭州 310058)
摘摇 要摇 城市森林是增加城市碳吸收的积极因素之一,为全球碳循环作出了重要贡献.本文
基于 Quickbird高分辨率遥感影像,以浙江省义乌市环城路以内区域为研究区,将市区的森林
分为公园森林、防护森林、单位附属森林和其他森林 4 种类型.以实地样地调查碳储量为因变
量,利用逐步线性回归的分析方法从遥感影像中的波段灰度值、植被指数、纹理信息等 50 个
因子中选取自变量因子,最终建立不同森林类型的遥感碳储量估算模型.结果表明: 研究区 4
种森林类型的模型精度都在 70%左右.公园森林、防护森林、单位附属森林和其他森林的碳储
量分别为 3623. 80、5245. 78、5284. 84、5343. 65 t.该区域碳密度主要集中在 25 ~ 35 t·hm-2 .在
今后的城市森林规划中,可通过提高绿化率以及乔木与低矮灌木的套种来进一步加强城市森
林碳吸收的功能.
关键词摇 QuickBird影像摇 碳储量摇 逐步回归
文章编号摇 1001-9332(2014)10-2787-07摇 中图分类号摇 Q948;TP751摇 文献标识码摇 A
Remote sensing estimation of urban forest carbon stocks based on QuickBird images. XU Li鄄
hua1, ZHANG Jie鄄cun1, HUANG Bo1, WANG Huan鄄huan1, YUE Wen鄄ze2 ( 1 School of Environ鄄
ment and Resource, Zhejiang A&F University, Lin爷 an 311300, Zhejiang, China; 2 Department of
Land Management, Zhejiang University, Hangzhou 310058, China) . 鄄Chin. J. Appl. Ecol. , 2014,
25(10): 2787-2793.
Abstract: Urban forest is one of the positive factors that increase urban carbon sequestration, which
makes great contribution to the global carbon cycle. Based on the high spatial resolution imagery of
QuickBird in the study area within the ring road in Yiwu, Zhejiang, the forests in the area were di鄄
vided into four types, i. e. , park鄄forest, shelter鄄forest, company鄄forest and others. With the carbon
stock from sample plot as dependent variable, at the significance level of 0. 01, the stepwise linear
regression method was used to select independent variables from 50 factors such as band grayscale
values, vegetation index, texture information and so on. Finally, the remote sensing based forest
carbon stock estimation models for the four types of forest were established. The estimation accura鄄
cies for all the models were around 70% , with the total carbon reserve of each forest type in the
area being estimated as 3623. 80, 5245. 78, 5284. 84, 5343. 65 t, respectively. From the carbon
density map, it was found that the carbon reserves were mainly in the range of 25-35 t·hm-2 . In
the future, urban forest planners could further improve the ability of forest carbon sequestration
through afforestation and interplanting of trees and low shrubs.
Key words: QuickBird image; carbon reserve; stepwise regression.
*国家自然科学基金青年科学基金项目(41201563)、浙江省科技厅
公益项目(2013C33027)和浙江省自然科学基金青年科学基金项目
(LQ13D010003)资助.
**通讯作者. E鄄mail: wzyue@ zju. edu. cn
2014鄄02鄄01 收稿,2014鄄06鄄30 接受.
摇 摇 随着城市化进程的不断加快和人类活动的加
剧,城市碳排放量不断增加.碳循环是生物圈发展健
康水平的重要标志,碳排放、碳储量计算是衡量区域
碳循环的重要指标,会对区域以及全球碳循环和气
候变化产生深远影响[1-2] . 由于城市区域多被不透
水面(如道路、建筑物等)所覆盖,加之城市绿地斑
块多为破碎状,景观异质性较高,使得碳吸收功能不
仅远不如乡村,而且其计算过程比较复杂、精度较
低.长期以来,城市在全球碳循环中的作用并未受到
充分重视,碳储量计算也主要集中在森林、农田、草
地、土壤等非城市区域.但城市是人类活动最频繁的
区域,有调查显示,CO2排放量的 80%以上来自于城
应 用 生 态 学 报摇 2014 年 10 月摇 第 25 卷摇 第 10 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Oct. 2014, 25(10): 2787-2793
市[3] .城市建成区近地面的 CO2浓度是城市外地区
的数倍,在此背景下,城镇绿地植被的碳捕获和固定
效率相对较高[4-8] .另外,随着城市规模的扩大和生
态城市理念的普及,城市绿地面积也在逐年增
加[9],到 2012 年全国已有 8 个省、市的建成区绿化
覆盖率达到 39. 5% [10];这些都表明城市绿地的碳
吸收作用越来越重要,强烈地影响着城市的碳库动
态[11] .作为城市绿地重要组成部分的城市森林,除
了美学、观赏、游憩等价值外,其碳存储功能也开始
逐渐被学者关注.近年来,国内外在城市绿地碳循环
模拟、碳储量计算方面的研究已逐渐展开[2,9] .不过
现有的城市绿地碳循环模拟大多直接借用自然或农
业的模型,无法准确计算人类活动强烈干扰下城市
绿地对环境变化的响应[11] . 研究者也试图借用林
学、遥感、计算机技术等方法改进城市碳储量计算方
法,如 Svirejeva鄄Hopkins和 Schellnhuber[12]对土地利
用变化引起的碳动态过程进行模拟,重点考虑了土
地利用变化带来的植被碳动态;应天玉等[13]利用高
分辨影像并结合抽样调查的方法建立哈尔滨市城市
绿地空间建数据库,得到哈尔滨城市森林碳储量空
间分布;周坚华等[1]提出完全由遥感数据驱动的城
镇绿地植被固碳量测算模型,初步探讨了城镇绿地
的碳储量遥感计算方法. 这些都为计算城市森林碳
储量提供了良好思路.
我国在区域尺度上对森林碳储量的估测,普遍
通过直接或间接测定植被的生产量与生物现存量,
再乘以生物量中碳元素的含量推算而得.因此,城市
森林碳储量的估算关键是其生物量的测定[2,9] . 生
物量测定一般包括样地清查法、模型模拟法和遥感
估算法[14] .由于城市区域的森林系统多样性复杂,
通过传统实地测量获取其空间结构工作量庞大且效
率很低,结合遥感数据具有宏观、实时动态等特点,
随着遥感数据的空间分辨率提高,对地探测过程中
城市森林的专题信息能够很好地被表征出来,因此
结合地面样地调查数据,建立基于遥感的城市森林
生物量估算模型进行生物量估算是可取的. 本研究
以浙江义乌市中心城区为研究靶区,利用样地实测
数据,结合 QuickBird 遥感影像,建立城市不同森林
类型的碳储量模型,对研究区的碳储量和碳密度进
行估算.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
本研究区域主要为环城路以内的义乌市中心
(图 1),包括稠江街道、稠城街道、北苑街道的中心
城区部分. 研究区位于浙闽山丘甜槠 (Castanopsis
eyrei)、木荷(Schima superba)林植被区,植被类型属
中亚热带常绿阔叶林,是典型的常绿阔叶林分布区.
城市森林绿化以常绿阔叶树种为主,占总数的二分
之一,同时也兼顾针叶树种、落叶阔叶树种. 主要树
种有樟科、金缕梅科、壳斗科等乔木,山矾属、杜鹃花
属、山胡椒属、山茶属等灌木[15] .
1郾 2摇 数据来源与预处理
样地生物量由实地调查获取.按照均匀分布原
则先在影像上进行初选,大小设置为 30 m伊30 m;由
于城市中的乔木、灌带大部分以条带状分布道路两
边或块状分布在公园、居住区等区域,因此把每块样
地重新划分为 9 个 10 m伊10 m 小样地,使其能够与
城市森林分布更好地结合起来. 以西北点为起始点
坐标,用GPS记录每个样地的坐标位置,对样地内
图 1摇 研究区地理位置示意图
Fig. 1摇 Sketch map of location of the study area.
8872 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
胸径不小于 5 cm的活立木进行每木检尺,统计其树
种、胸径、树高等数据,并测算样地内灌木面积,共调
查 31 个大样地(279 个小样地).样地生物量实测时
间为 2009 年 7、8 月.
遥感数据为 QuickBird 遥感影像,成像时间为
2007 年 7 月 22 日.成像当天晴朗无云,运用黑暗像
元法进行辐射校正,并依据当地 1 颐 2000 的矢量地
形图与 GPS实地测量的经纬度坐标,采用二次多项
式模型进行几何校正,残差控制在 0. 5 个像元范围
内.为了能够更好地同地面调查数据相结合,将影像
重采样为 10 m分辨率.
1郾 3摇 研究方法
1郾 3郾 1 森林类型分类 摇 城市森林主要受人为干预,
不同树种呈交叉分布,且多为条带状,是城市规划建
设、城市绿地规划建设共同作用的结果,在遥感影像
上很难将其按不同树种类型进行分类.调查发现,不
同功能的森林在树种和空间布局方面都有一定共
性,如道路周边的防护森林多为常绿阔叶林与灌木
林的立体种植,结合研究区森林分布将其分为公园
森林、防护森林、单位附属森林、其他森林 4 种森林
类型(表 1). 通过目视解译得到研究区城市森林 4
种森林类型分布(图 2).
1郾 3郾 2 样地碳储量估算摇 本研究将乔木碳储量和灌
木碳储量相加计算得到样地总碳储量. 本文中森林
碳储量仅指活立木及灌带生物量,并未包括森林生
态系统中的枯死木、下木层、草本层、枯枝落叶层以
及森林土壤层等的碳库.
1)乔木碳储量.碳储量一般通过测定植被的生
物量再乘以碳含量推算得到,在国际上常用的树木
含碳量是0. 45 ~ 0. 55[12,16-18] ,本文选取0. 5作为转
表 1摇 研究区森林类型分类
Table 1摇 Forest type classification in the study area
森林类型
Forest type
类别定义
Type definition
公园森林
Park鄄forest
以游憩为主要功能,向公众开放,兼具生
态、美化等作用的森林
防护森林
Shelter鄄forest
城市中具有卫生、隔离和安全防护功能的
森林.包括卫生隔离带、道路防护森林、防
风林城市组团隔离带等
单位附属森林
Company鄄forest
城市建设用地中绿地之外各种用地中的附
属森林用地. 包括居住用地、公共设施用
地、工业用地、仓储用地、市政设施用地和
特殊用地中的森林
其他森林
Others
对城市居民休闲生活、生态环境质量、城市
景观和生物多样性有直接影响的森林. 包
括风景名胜区、森林公园、郊野公园、自然
保护区、风景林地、城市绿化隔离带、湿地、
野生动物园等
换系数.碳储量估算先要计算乔木生物量,由于城市
森林中乔木树种较多,现在较多的相对生长模型都
集中在杉木 ( Cunninghamia lanceolata) 和马尾松
(Pinus massoniana)等少量几个树种,因此本研究将
树种归并为硬阔、软阔、马尾松、杉木 4 个模型组,选
择具有代表性的模型和参数进行生物量计算.
硬阔[19]生物量计算方法:
W= 0. 2460D2. 080 +0. 00736D2. 840 +0. 000546D3. 20 +
0. 08280D2. 220 (1)
软阔[20]生物量计算方法:
W=0. 135(D2H) 0. 8020 (2)
杉木[21]生物量计算方法:
W = 0郾 0000015 ( D2H ) 1. 7632 + 0. 00000027
(D2H) 2. 0304+0. 0336(D2H) 0. 7073 (3)
马尾松[22]生物量计算方法:
W=0. 0977D2. 5206 (4)
式中:W代表生物量;D代表胸径;H代表树高.
2)灌木碳储量.当前对灌木植被的碳储量主要
通过收集不同地区样地水平的灌木生物量资料,利
用植被平均生物量密度方法估算各灌木类型的生物
量及其碳储量[23] . 另外,还有一些关于灌木单位面
积生物量的计算方法[24-26],但存在研究地域覆盖面
窄、样地代表性不够的问题.城市森林中灌带种植一
般比较密集,也不易测得基径,收获法必将造成灌带
的大面积破坏.为了减少破坏,本文以 2010 年温家
石[27]求得的杭州市灌丛碳密度(0. 74 Mg·hm-2)作
为参考.
1郾 3郾 3 遥感碳储量估算模型建立摇 在生物量的遥感
估测研究中,回归模型是常用手段[28] . 逐步回归是
目前使用较广泛的最优回归方程的方法,它是在建
立多元回归方程的过程中,按偏相关系数的大小次
序将自变量逐个引入方程,不断对引入方程中的每
个自变量偏相关系数进行统计检验,从而选择显著
相关自变量,最终得到最优的回归方程.本文选择此
方法建立森林碳储量拟合模型.
1郾 3郾 4 模型精度评价摇 本文采取建模数据与诊断数
据 4 颐 1 的方式,以遥感估测结果作为拟合值,以样
地实测数据作为真实值,通过均方差根(RMSE)和
相对均方根误差(RMSEr)对碳储量估算模型进行
精度评价.
RMSE =
移
n
i = 1
(Oi - Si) 2
n
987210 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 徐丽华等: 基于 QuickBird影像的城市森林碳储量遥感估测摇 摇 摇 摇 摇 摇
图 2摇 研究区城市森林分类结果
Fig. 2摇 Forest classification in the study area.
摇 摇 RMSEr =
移
n
i = 1
(Oi - Si) 2
n
軃y
式中:Oi 为实际值; Si 为拟合值.
2摇 结果与分析
2郾 1摇 不同森林类型样地的碳储量
从表 2 可以看出,研究区每种森林类型样地的
碳储量之间都存在明显差异,其中,单位附属森林及
其他森林的相差较大,最大、最小值之间相差都达到
了 30 倍以上,这与样地中不同树种分布和乔木数量
有很大关系.调查发现,有些区域为突出景观效果种
植一些比较高大的乔木,而一些区域中只有灌木或
小乔木.单位附属森林的平均碳储量相对较高,其他
森林相对较低.
2郾 2摇 不同森林类型碳储量遥感估算模型
通过地面调查样地的GPS坐标数据找到遥感
表 2摇 不同森林类型样地碳储量
Table 2摇 Carbon storage of plot for different forest types
森林类型
Forest type
样地个数
Plot
number
碳储量
最小值
Minimum
carbon
storage
(kg)
碳储量
最大值
Maximum
carbon
storage
(kg)
平均碳储量
Average
carbon
storage
(kg)
公园森林
Park鄄forest
64 30. 37 897. 37 240. 93
防护森林
Shelter鄄forest
56 31. 23 729. 96 294. 54
单位附属森林
Company鄄forest
51 23. 76 910. 93 308. 65
其他森林
Others
41 17. 86 701. 76 221. 44
图 3摇 森林碳密度分布
Fig. 3摇 Distribution of forest carbon density.
影像中与之相对应像元位置,以样地计算碳储量为
因变量,将表 3 中的 50 个因子作为自变量,在给定
显著水平 琢 = 0. 01 的情况下,选定显著性较强的自
变量因子.
从表 3 可以看出,不同森林类型中自变量因子
的显著性各不相同,其中,公园森林与波段 1 ~ 3 的
灰度值(Band1、Band2、Band3)、波段 1 ~ 3 的方差值
(Vari1、Vari2、Vari3)、波段 1 ~ 4 的对比度值(Cont1、
Cont2、Cont3、Cont4)、波段 1、2、4 的相异性值(Diss1、
Diss2、Diss4)、波段 2、4 均一值(Homo2、Homo4 )、缨
帽变化分量 1(Tass1)、第 1、3 主成分(PC1、PC3)等
自变量显著相关;防护森林与地理坐标(Y)、Vari1、
Vari2、 Homo2、 Homo3、 Homo4、 Cont2、 Cont3、 Diss2、
Diss3、Diss4、波段 2 ~ 4 的熵(Entr2、Entr3、Entr4)、波
段 2 ~ 4 的角二阶矩(ASM2、ASM3、ASM4)、第 4 主成
份(PC4)等自变量显著相关;单位附属森林与地理
坐标(X)、比值植被指数(RVI)、Vari2、Vari3、Entr4、
ASM4、PC4等自变量显著相关;其他森林与 Vari1、
Vari2、 Vari3、 Vari4、 Homo1、 Homo2、 Cont1、 Cont2、
Cont3、Cont4、Diss1、Diss2、Diss3、Diss4、Entr2等自变量
显著相关.利用逐步回归方法进行自变量因子筛选,
最终得到 4 类森林类型的碳储量估算模型(表 4).
摇 摇 从表 4 可以看出,不同森林类型的碳储量模型
拟合优度不同,其中,单位附属森林的拟合优度最
好,达到 0. 884,其他森林次之,为 0. 821,防护森林
较低,只有 0. 743.由于单位附属森林和其他森林的
森林类型变化较小,防护森林在不同区域变化程度
较大,使其精度相对较低.
2郾 3摇 模型精度评价
从表5可以看出,几种不同森林类型碳储量估
0972 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
表 3摇 各类森林碳储量与自变量的相关系数
Table 3 摇 Correlation coefficients between each forest car鄄
bon stock and independent variable
自变量
Independent variable
公园森林
Park鄄
forest
防护森林
Shelter鄄
forest
单位附属
森林
Company鄄
forest
其他森林
Others
地理坐标 X 0. 331* 0. 018 -0. 382** -0. 332
地理坐标 Y -0. 202 -0. 441** 0. 025 0. 330
波段 1 的灰度值 Band1 -0. 422** 0. 053 -0. 089 -0. 165
波段 2 的灰度值 Band2 -0. 444** -0. 044 0. 029 -0. 138
波段 3 的灰度值 Band3 -0. 479** -0. 004 -0. 058 -0. 210
波段 4 的灰度值 Band4 -0. 155 0. 035 0. 279 -0. 048
植被指数 RVI 0. 295* 0. 056 -0. 543** 0. 002
归一化植被指数 NDVI 0. 312* 0. 062 0. 214 0. 026
转换行植被指数 TVI 0. 311* 0. 040 0. 216 0. 034
土壤调整植被指数 SAVI 0. 311* 0. 056 0. 214 0. 026
波段 1 的平均值 Mean1 0. 0223 0. 213 -0. 348* 0. 027
波段 1 的方差值 Vari1 0. 611** 0. 464** -0. 346* -0. 555**
波段 1 的均一值 Homo1 -0. 339* -0. 282 0. 104 0. 550**
波段 1 的对比度 Cont1 0. 555** 0. 304* -0. 262 -0. 663**
波段 1 的相异性 Diss1 -0. 527** 0. 316* 0. 219 -0. 680**
波段 1 的熵 Entr1 0. 256 0. 348* -0. 123 -0. 373*
波段 1 的角二阶矩值 ASM1 -0. 196 -0. 364* 0. 115 0. 377*
波段 1 的相关性 Corr1 -0. 266 0. 007 -0. 224 0. 045
波段 2 的平均值 Mean2 -0. 059 0. 191 -0. 248 0. 297
波段 2 的方差值 Vari2 0. 653** 0. 480** -0. 436** -0. 591**
波段 2 的均一值 Homo2 -0. 417** -0. 614** 0. 252 0. 615**
波段 2 的对比度 Cont2 0. 546** 0. 356* -0. 310* -0. 680**
波段 2 的相异性 Diss2 0. 544** 0. 525** -0. 344* -0. 716**
波段 2 的熵 Entr2 0. 274* 0. 473** -0. 228 -0. 470**
波段 2 的角二阶矩值 ASM2 -0. 273* -0. 458** 0. 230 0. 431*
波段 2 的相关性 Corr2 0. 101 -0. 302* -0. 268 0. 268
波段 3 的平均值 Mean3 -0. 125 0. 113 -0. 255 0. 273
波段 3 的方差值 Vari3 0. 576** 0. 369* -0. 470** -0. 488**
波段 3 的均一值 Homo3 -0. 160 -0. 480** 0. 004 0. 433*
波段 3 的对比度 Cont3 0. 395** 0. 454** -0. 283 -0. 752**
波段 3 的相异性 Diss3 0. 324* 0. 417** -0. 344* -0. 708**
波段 3 的熵 Entr3 0. 206 0. 676** -0. 149 -0. 219
波段 3 的角二阶矩值 ASM3 -0. 199 -0. 687** 0. 105 0. 164
波段 3 的相关性 Corr3 0. 000 -0. 271 -0. 104 -0. 144
波段 4 的平均值 Mean4 -0. 016 -0. 098 0. 288 0. 185
波段 4 的方差值 Vari4 0. 117 0. 292 -0. 382* -0. 579**
波段 4 的均一值 Homo4 -0. 359** -0. 466** 0. 100 0. 298
波段 4 的对比度 Cont4 0. 540** 0. 274 -0. 165 -0. 689**
波段 4 的相异性 Diss4 0. 500** 0. 377** -0. 164 -0. 647**
波段 4 的熵 Entr4 0. 256 0. 391** -0. 616** -0. 102
波段 4 的角二阶矩值 ASM4 -0. 237 -0. 394** 0. 562** 0. 123
波段 4 的相关性 Corr4 -0. 008 0. 124 0. 274 -0. 388*
缨帽变换分量 1 Tass1 -0. 481** 0. 022 0. 187 -0. 117
缨帽变换分量 2 Tass2 0. 104 0. 037 0. 271 0. 029
缨帽变换分量 3 Tass3 -0. 238 -0. 032 -0. 173 0. 056
缨帽变换分量 4 Tass4 -0. 247 -0. 291 0. 340* -0. 022
第一主成份 PC1 -0. 464** 0. 022 0. 197 -0. 115
第二主成份 PC2 -0. 125 -0. 038 -0. 268 -0. 034
第三主成份 PC3 0. 548** 0. 003 -0. 132 0. 047
第四主成份 PC4 -0. 076 0. 393** -0. 520** -0. 072
* P<0. 05; ** P<0. 01.
表 4摇 不同森林类型碳储量的逐步回归模型
Table 4摇 Step鄄regression models of carbon storage of vari鄄
ous forest types
森林类型
Forest type
模型
Model
R
公园森林
Park鄄forest
C=47Vari3+4. 758Pc3+81. 878 0. 791
防护森林
Shelter鄄forest
C = - 1935. 66sEMO3 - 674. 38hOMO3 +
1001. 385
0. 743
单位附属森林
Company鄄forest
C = - 1024. 301Entr4 - 22. 213Pc4 +
0郾 962Tass2-0. 731Corr2+2345. 421
0. 884
其他森林
Others
C=-11. 549Cont3-0. 702Band3+446. 504 0. 821
表 5摇 模型误差分析
Table 5摇 Model error analysis
森林类型
Forest type
样本个数
Plot
number
均方根误差
RMSE
(kg)
相对均方
根误差
RMSEr (% )
公园森林
Park鄄forest
13 46. 85 16. 9
防护森林
Shelter鄄forest
11 48. 13 15. 3
单位附属森林
Company鄄forest
10 41. 75 14. 9
其他森林
Others
9 46. 18 17. 9
测模型的精度相差不大,均方根误差(RMSE)范围
在 41. 75 ~ 48. 13 kg·pixel-1,相对均方根误差(RM鄄
SEr)范围在 14. 9% ~ 17. 9% .防护森林的 RMSE 最
大,单位附属森林最小;其他森林的 RMSEr 最大,单
位附属森林最小.说明单位附属森林碳储量的估算
模型最精确.
2郾 4摇 不同森林类型碳储量的估算
根据不同森林类型的分类图及碳储量多元线性
模型,在像元尺度上分别估算出 4 种不同森林类型
的碳密度分布图和总碳储量(图 3、表 6).
摇 摇 研究区不同森林类型的平均碳储量主要集中在
25 ~ 35 t·hm-2,其中,单位附属森林的平均碳密度
表 6摇 4 种森林类型碳储量统计
Table 6摇 Carbon storage of four forest types
森林类型
Forest type
面积
Area
(hm2)
平均碳密度
Average carbon
density
( t·hm-2)
总碳储量
Total
carbon storage
( t)
公园森林
Park鄄forest
132. 22 27. 41 3623. 80
防护森林
Shelter鄄forest
210. 70 24. 89 5245. 78
单位附属森林
Company鄄forest
136. 87 38. 61 5284. 84
其他森林
Others
209. 38 25. 52 5343. 65
总计 Total 689. 17 28. 29 19498. 07
197210 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 徐丽华等: 基于 QuickBird影像的城市森林碳储量遥感估测摇 摇 摇 摇 摇 摇
最大,达到 38. 61 t·hm-2,总碳储量为 5284. 84 t
(表 6).调查发现,一些新居住区森林较完善,较老
的居住区的绿化相对较少,很多工业用地、公共设施
用地中虽然有高大乔木,但数量不多,可通过改善从
量上提高单位附属森林的碳储量. 防护森林的平均
碳密度最小,为 24. 89 t · hm-2,总碳储量达到
5245郾 78 t.虽然在一些主干道、河流两边绿化较好,
也有高大的乔木,但大部分区域灌带所占比例较高,
有的区域只有灌木、缺少乔木,导致其整体碳密度较
低(图 3).其他森林类型的平均碳密度稍高于防护
森林,为 24. 89 t·hm-2,总碳储量为 5343. 65 t,主要
分布在城区中心外围,其中东南地区的马尾松林占
主要部分. 公园森林的平均碳密度为 27郾 41
t·hm-2,由于义乌市市级以上公园 90%的为综合性
公园,主要以游憩为目的,草地、休憩地、水域等占了
很大比例,导致公园森林的碳密度不是很高,其总碳
储量为 3623. 80 t.
3摇 结摇 摇 论
义乌市中心城区 4 种森林类型空间分布特征
为:公园森林分布较广泛,在中心城区多呈均匀分
布;防护森林主要沿道路、河道等呈现线状分布;单
位附属森林分布较均匀;其他森林在城南区域集中
分布,在城北及东北方向分布也较多.单位附属森林
的平均碳密度最大,达到 38. 61 t·hm-2,碳密度分
布整体比较均匀;公园森林和其他森林的平均碳密
度分别为 27. 41、25. 52 t·hm-2,在不同区域都呈现
出高低交叉的分布形式;防护森林平均碳密度最低,
为 24. 89 t·hm-2,其中,城北区域的碳密度相对较
高,而城西区域的碳密度相对较低.整个研究区碳密
度表现为城区外围相对较高,特别是城南区域由于
有大片松林导致碳密度明显偏高,而研究区中心森
林碳密度相对较低. 义乌市中心城区碳储量的整体
水平不强,总碳储量为 19498. 07 t,其中,公园森林
最低,为 2623. 8 t,防护森林、单位附属森林、其他森
林碳储量相差不大,分别为 5245郾 78、 5284郾 84、
5343郾 65 t.
参考文献
[1]摇 Zhou J鄄H (周坚华), Hu Y鄄H (胡永红), Zhou Y鄄F
(周一凡), et al. A design of carbon鄄sink model of
urban landscape vegetation driven by remote sensing.
Acta Ecologica Sinica (生态学报), 2010, 30 (20):
5653-5665 (in Chinese)
[2]摇 Zhao R鄄Q (赵荣钦), Huang X鄄J (黄贤金), Peng B鄄Z
(彭补拙). Research on carbon cycle and balance of
Nanjing urban system. Acta Geographica Sinica (地理
学报), 2012, 67(7): 758-770 (in Chinese)
[3]摇 Churkina G. Modeling the carbon cycle of urban sys鄄
tems. Ecological Modelling, 2008, 216: 107-113
[4]摇 Idso CD, Jr Bailing RC. Seasonal and diurnal variations
of near鄄surface atmospheric CO2 concentration within a
residential sector of the urban CO2 dome in Phoenix,
Arizona, USA. Atmospheric Environment, 2002, 36:
1655-1660
[5]摇 Huang Y (黄 摇 耀), Zhou G鄄S (周广胜), Wu J鄄S
(吴金水), et al. The Models of Carbon Income and
Expenses of the Terrene Ecological System in China.
Beijing: Science Press, 2008 (in Chinese)
[6]摇 Wang M鄄Y (王美玉), Zhao T鄄H (赵天宏), Zhang
W鄄W (张巍巍), et al. The effect of increasing CO2
concentration to the photosynthesis of two species of
urban vegetation in Shenyang of China. Chinese Bulletin
of Botany (植物学通报), 2007, 24(4): 470-476 (in
Chinese)
[7]摇 Liu C鄄F (林长富), Zhao S (赵 摇 爽), Li L (李 摇
玲), et al. Difference analysis of carbon fixation and
pollution removal of urban forest in Shenyang. Journal of
Northwest Forestry University (西北林学院学报 ),
2008, 23(4): 56-61 (in Chinese)
[8]摇 Pouyat RV, Grofman PM, Yesilonic ID, et al. Soil car鄄
bon pools and fluxes in urban ecosystems. Environmen鄄
tal Pollution, 2002, 116: 107-118
[9]摇 National Bureau of Statistic (国家统计局). China City
Statistical Yearbook. Beijing: China Statistics Press,
2012 (in Chinese)
[10]摇 Zhao R鄄Q (赵荣钦), Huang X鄄J (黄贤金), Xu H
(徐摇 慧). Progress in the research of carbon cycle and
management of urban system. Journal of Nature Re鄄
sources (自然资源学报), 2009, 24(10): 1847-1859
(in Chinese)
[11]摇 Kaye JP, Groffman PM, Grimm NB. A distinct urban
biogeochemistry. Trends in Ecology & Evolution, 2006,
21: 192-199
[12] 摇 Svirejeva鄄Hopkins A, Schellnhuber HJ. Modelling car鄄
bon dynamics from urban land conversion: Fundamental
model of city in relation to a local carbon cycle. Carbon
Balance and Management, 2006, 1: 1-9
[13]摇 Ying T鄄Y (应天玉), Li M鄄Z (李明泽), Fan W鄄Y
(范文义). Estimation of carbon storage of urban forest
in Harbin. Journal of Northeast Forestry University (东
北林业大学学报), 2009, 37(9): 33 -35 ( in Chi鄄
nese)
[14]摇 Wang X鄄Y (王秀云), Sun Y鄄J (孙玉军). Review on
research and estimation methods of carbon storage in for鄄
est ecosystem. World Forestry Research (世界林业研
究). 2008, 21(5): 24-29 (in Chinese)
[15]摇 Yiwu County Annals Compiling Committee (义乌县志
编纂委员会). Yiwu County Annals. Hangzhou: Zhe鄄
jiang People爷s Publishing House, 1987 (in Chinese)
[16]摇 Fang J鄄Y (方精云), Chen A鄄P (陈安平), Zhao S鄄Q
(赵淑清), et al. Estimating biomass carbon of China爷s
2972 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
forests: Supplementary notes on report published in sci鄄
ence (291: 2320鄄2322) by Fang et al. (2001). Acta
Phytoecologica Sinica (植物生态学报), 2002, 26
(2): 243-249 (in Chinese)
[17]摇 Zhao M (赵摇 敏), Zhou G鄄S (周广胜). Forest inven鄄
tory data (FID)鄄based biomass models and their pros鄄
pects. Chinese Journal of Applied Ecology (应用生态学
报), 2004, 15(8): 1468-1472 (in Chinese)
[18]摇 Fang JY, Guo ZD, Piao SL, et al. Terrestrial vegetation
carbon sink in China. 1981-2000. Science in China D:
Earth Science, 2007, 50: 1341-1350
[19]摇 Wang X鄄Y (王向雨), Hu D (胡摇 东), He J鄄S (贺金
生). Biomass research of Fagus engleriana and Quercus
aliena var. acuteserrata forest in Shennongjia Foest Dis鄄
trict. Journal of Capital Normal University (Natural Sci鄄
ence) (首都师范大学学报·自然科学版), 2007, 28
(2): 62-67 (in Chinese)
[20]摇 Wu Z鄄M (吴泽民), Sun Q鄄X (孙启祥), Chen M鄄G
(陈美工). Biomass and nutrient accumulation of poplar
plantation on beach land in Yangtze River in Anhui
Province. Chinese Journal of Applied Ecology (应用生
态学报), 2001, 12(6): 806-810 (in Chinese)
[21]摇 Zhao K (赵摇 坤), Tian D鄄L (田大伦). Study on bio鄄
mass of mature Masson pine plantation in Huitong. Jour鄄
nal of Central South Forestry College (中南林学院学
报), 2000, 20(1): 7-13 (in Chinese)
[22]摇 Zhang Z鄄J (张治军), Wang Y鄄H (王彦辉), Yuan Y鄄
X (袁玉欣). Study on the biomass structure and distri鄄
bution of natural secondary forest of Pinus massoniana.
Journal of Agricultural University of Hebei (河北农业大
学学报), 2006, 29(5): 37-43 (in Chinese)
[23] 摇 Hu H鄄F (胡会峰), Wang Z鄄H (王志恒), Liu G鄄H
(刘国华), et al. Vegetation carbon storage of major
shrublands in China. Chinese Journal of Plant Ecology
(植物生态学报), 2006, 30(4): 539-544 ( in Chi鄄
nese)
[24]摇 Zeng H鄄Q (曾慧卿), Liu Q鄄J (刘琪璟), Feng Z鄄W
(冯宗炜), et al. Estimation models of understory shrub
biomass and their applications in red soil hilly region.
Chinese Journal of Applied Ecology (应用生态学报),
2007, 18(10): 2185-2190 (in Chinese)
[25]摇 Yang K (杨摇 昆), Guan D鄄S (管东生). Selection of
gaining quadrat for harvesting the undergrowth vegetation
and its biomass estimation modeling in forest. Acta Eco鄄
logica Sinica (生态学报) 2007, 27(2): 705-714 ( in
Chinese)
[26]摇 He L鄄Y (何列艳), Kang X鄄G (亢新刚), Fan X鄄L
(范小莉), et al. Estimation and analysis of understory
shrub biomass in Changbai Mountains. Journal of Nan鄄
jing Forestry University (Natural Science) (南京林业大
学学报·自然科学版), 2011, 35(5): 45 -50 ( in
Chinese)
[27]摇 Wen J鄄S (温家石). Effects of Urbanization on Carbon
Storage and Sequestration in the Built鄄up Area. Hang鄄
zhou: Zhejiang University Press, 2010 (in Chinese)
[28]摇 Wang S鄄J (王淑君), Guan D鄄S (管东生). Remote
sensing method of forest biomass estimation by artificial
neural network models. Ecology and Environment (生态
环境), 2007, 16(1): 108-111 (in Chinese)
作者简介 摇 徐丽华,女,1977 年生,博士,副教授,硕士生导
师.主要从事城市林业遥感、城乡规划研究. E鄄mail: xulh99g
@ 163. com
责任编辑摇 杨摇 弘
397210 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 徐丽华等: 基于 QuickBird影像的城市森林碳储量遥感估测摇 摇 摇 摇 摇 摇