全 文 ：　　收稿日期: 2000-03-17
基金项目: 国家自然科学基金项目“遥感和 GIS 用于森林资源空间动态定量预测方法的研究”的部分内容
作者简介: 李崇贵( 1966-) ,男,四川西充人,讲师,林业遥感博士研究生.
　　文章编号: 1001-1498( 2001) 02-0223-04
以“3S”为基础的森林蓄积动态监测系统研究
李崇贵, 斯　林, 赵宪文
(中国林业科学研究院 资源信息研究所,北京　100091)
关键词: 森林蓄积估测; 稳健估计; 带权最小二乘估计; 计算机仿真
中图分类号: S758. 5+ 1　　　　文献标识码: A
1　系统研究的目的
以“3S”为基础的森林蓄积动态监测系统,即利用遥感( RS)、地理信息系统( GIS)及全球卫
星定位系统( GPS)信息,结合少量地面样地资料,建立以像元为单位的森林蓄积估测方程, 进
行蓄积预报。其主要目的是:尽量减少地面调查的工作量,快速、准确进行森林总蓄积预报;通
过少量的地面调查资料或地面临时样地资料,对林班或小班的蓄积进行估测,以提高局部地段
蓄积可信度。
2　系统组成及功能
如图 1所示, 整个系统包括: RS 及 GIS 信息提取、变量优选、蓄积估测 3大部分。
图 1　系统组成
2. 1　RS 及GIS信息提取
如图 2所示, 该部分包括:图像显示、图像分割、几何精校正、样地灰度读取及样地 GIS 信
图 2　RS及 GIS 信息提取
林业科学研究　2001, 14( 2) : 223～226　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
For est Resear ch　　　　　　　 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
息获取 5部分。能显示、处理包括Landsat、SPOT、RADARSAT 等多种信息源的遥感图像。由
于蓄积估测区域森林分布及生长状况可能存在较大差异,在进行蓄积估测时需分区进行。为减
小遥感图像几何精校正误差的影响,使用于建立蓄积估测方程的样地在遥感图像上能可靠定
位,有时需将 1幅图像分割成多块进行单独校正,并进行蓄积估计。图像分割模块采用人机对
话方式,可根据用户需要对图像进行切割。样地灰度读取模块能根据遥感图像几何精校正后的
地理坐标和样地的地理坐标,将样地展绘在遥感图像上, 并读取对应各波段的灰度值。GIS 信
息获取模块,可根据用户设置, 从 Access、DBASE、Excel、FoxPro、Paradox 等数据库中读取样
地对应的GIS 信息。
2. 2　蓄积估测变量优选
如图 3所示, 该部分包括: RS可选定量因子设置、GIS可选定性、定量因子设置、优选方法
确定及变量优选 5部分。
图 3　森林资源定量估测
RS 可选变量设置,若采用 TM 信息源, 一般可设置 T M 1、T M 2、T M 3、T M 4、T M 5、TM 7
及若干比值波段为可选变量 [ 1]。GIS 信息设置, 可根据估测区域的具体情况及信息的可获取性
来决定。一般可设置样地的地理坐标、坡度、坡向、海拔、地类(仅划分为有林地和无林地)及郁
闭度为可选变量[ 3]。RS和 GIS信息设置,都是通过表格选择方式确定。
优选方法包括平均残差平方和法及岭迹分析法[ 2]。RS 及 GIS 信息中心标准化用于将坡
度、坡向及地类等定性数据定量化[ 4]。变量优选模块,以样地的蓄积观测值为因变量 VO、以设
置的RS 和GIS 信息为自变量 X , 按线性蓄积估测模型( 1) ,由所选变量优选方法, 对所设置的
RS 及 GIS 信息进行组合,以确定对蓄积估测起主要作用的最优变量。
V O= X
+ e ( 1)
( E( e) = 0, COV ( e) = 2I )
式中, e为随机误差; 2为样地蓄积观测方差;
为待定参数, I 为矩阵。
2. 3　蓄积估测
如图 4所示, 该部分包括: 蓄积估测模型及蓄积估测 2部分。其中蓄积估测模型又包括 5
种方法。
等权线性蓄积估测模型,认为各样地蓄积观测值等权,模型( 1)即属该类型。 不等
权线性蓄积估测模型, 认为各样地蓄积观测值的权不相等,对这种模型合理定权是提高蓄积估
测精度的关键。 有偏估计包括岭估计及稳健估计,前者主要用于代替最小二乘估测,以克服
当影响蓄积估测的变量间存在复共线性时造成的不利影响[ 2]。稳健估计主要用于克服样地蓄
积剧烈变化带来的不利影响[ 2, 5]。!人工神经网络包括BP 网络及径向基网络 [ 6～8, 12]。由于森林
的种类、分布及生长状况可能存在较大的差异, 导致蓄积的变化不一定符合线性模型,且很难
用模型准确描述。而人工神经网络是一种非线性动力学系统, 能对信息分布式存储和并行协同
处理,可广泛用于函数逼近、数据聚类及优化计算等。在本系统中, 采用部分样地或临时样地对
应像元的RS 及GIS 信息对神经网络进行训练,对训练好的网络, 采用仿真的方法估测森林蓄
224 　　　　　　　　　　　　　　　林 业 科 学 研 究　　　　　　　　　　　　　　　第 14 卷　　
积。∀ 模糊数学方法,主要用于克服同物异谱及同谱异物对蓄积估测的影响。通过分类统计不
同树种在估测区域出现的灰度区间, 建立相应的隶属度函数, 然后以不同灰度所属的隶属度函
数值为自变量来估测森林蓄积 [ 9, 10, 12]。蓄积估测模块,根据所选估测模型,建立以遥感图像像
元为单位的蓄积估测方程或训练网络系统,最后通过像元积分的方法估测森林总蓄积。
图 4　蓄积估测
3　应用实例分析
以云南思茅地区 1幅( 6 967×5 965) 1992年的 TM 图像和当年样地的一类调查资料为例
进行分析。为保证遥感图像几何精校正精度,利用图像分割模块,从 1幅 TM 图像中分别切割
出 1/ 4区域[ 0∶3483, 0∶2982]及 1/ 2区域[ 0∶3483, 0∶5964]进行试验。应用该地区1991年
1/ 5万地形图, 分别选择了 56及 145个地面控制点,按双线性内插法重采样进行了几何精校
正,几何位置精度均在 1个像元以内。几何精校正后, 1/ 4及 1/ 2幅值区域所含地面样地数分
别为129及384个。采用 RS 信息获取模块分别读取各样地各波段灰度值。利用GIS信息获取
模块, 从 Foxpro 数据库中读取各样地的地理坐标、地类、海拔、坡向及郁闭度因子。对 RS 及
GIS 信息进行中心标准化处理, 选用平均残差平方和准则,选择对蓄积估测起主要作用的最优
变量。结果表明, 1/ 4 幅值区域, 对蓄积估测起主要作用的因子包括: 常数项、TM 2、T M 3、
TM 4、TM 4/ TM 3, 样地纵坐标及郁闭度。1/ 2幅值区域,对蓄积估测起主要作用的因子包括:
常数项、T M 2、T M 3、T M 4/ T M 3、( T M 4- T M3) / ( T M 4+ T M 3)、样地纵坐标、有林地及郁闭
度。由于郁闭度在遥感图像上很难判读,还需通过 RS 和 GIS 信息确定,经研究表明,使用 RS
和 GIS 信息估测郁闭度能达到 95%以上的精度(另文报道)。分别对 1/ 4、1/ 2幅值区域包含样
地采用随机起点的等间隔抽样, 利用抽取样地的 RS及 GIS信息建立蓄积估测方程,预报未抽
取样地的蓄积。当隔 1抽 1或隔 2抽 1时, 采用等权线性模型, 蓄积预报精度均能达到 95%以
上。对 2种幅值区域的遥感图像进行随机抽样, 用 40%左右的被抽样地建立方程,预报其余
60%的样地蓄积, 当被抽样地分布较均时, 蓄积预报精度也在 95%以上。表1为在 1/ 2幅值区
域随机 70个样地, 20次抽样预报精度状况。
4　结论及效益
( 1)经实验研究表明,利用40%左右的一类调查样地资料,结合 RS 及GIS信息,通过建立
以像元为单位的蓄积估测方程或训练网络,就能以不低于 95%的精度预报森林总蓄积。即在
进行森林资源一类调查时, 只需调查现有样地的40%, 就能完成森林总蓄积预报。为提高地面
样地在遥感图像上的配准精度, 在进行少量样地调查时, 最好采用 GPS 接收机以不低于 15 m
的精度测定样地的平面坐标。
( 2)以像元为单位进行蓄积估测,可绕过分类预报蓄积,避免了分类精度限制对蓄积估测
225第 2期　　　　　　　李崇贵等:以“3S”为基础的森林蓄积动态监测系统研究　　　　　　　　　　　　　
造成的不利影响。
( 3)该系统实现了真正意义上的“3S”集成, RS、GIS 信息获取,变量优选等全是计算机自
动完成,可操作性强,便于使用和推广。
( 4)该系统可最大限度地减少一类调查工作量, 并通过少量一类调查资料或临时样地资料
有可能完成落实到林班或小班的蓄积估测。与传统的森林调查相比,可以为国家节省大量的人
力、物力及财力,并可以实现森林资源的实时监测,具有重要的社会意义及经济意义。
表 1　1/ 2 幅值区域随机抽样蓄积预报精度
编号 被抽样地分布状况 蓄积预报精度/ % 编号 被抽样地分布状况 蓄积预报精度/ %
1 较　均 97. 34 11 较　均 95. 69
2 较　均 95. 78 12 较　均 97. 33
3 较　均 97. 71 13 不　均 95. 36
4 不　均 92. 36 14 较　均 99. 78
5 较　均 96. 02 15 较　均 96. 12
6 较　均 95. 65 16 较　均 98. 07
7 均　匀 96. 28 17 较　均 95. 46
8 不　均 95. 01 18 较　均 98. 84
9 较　均 95. 42 19 较　均 99. 08
10 较　均 96. 70 20 较　均 96. 84
参考文献:
[ 1]　赵宪文.林业遥感定量估测[ M ] .北京:中国林业出版社, 1997.
[ 2]　陈希孺,王松桂.近代回归分析[ M ] .合肥:安徽教育出版社, 1987.
[ 3]　游先祥.森林资源调查、动态监测、信息管理系统的研究[ M ] .北京:中国林业出版社, 1995.
[ 4]　唐守正.多元统计分析方法[ M ] .北京:中国林业出版社, 1989.
[ 5]　武汉测绘科技大学测量平差教研室.测量平差基础[ M ] .北京:测绘出版社, 1994.
[ 6]　史忠植.神经计算[M ] .北京:电子工业出版社, 1993.
[ 7]　焦李成.神经网络计算[ M ] .西安:西安电子科技大学出版社, 1993.
[ 8]　楼顺天,施阳.基于M ATLAB的系统分析与设计——神经网络[ M ] .西安:西安电子科技大学出版社, 1999.
[ 9]　王琦.实用模糊数学[M ] .北京:科学技术文献出版社, 1992.
[ 10]　方述诚,汪定伟.模糊数学与模糊优化[ M ] .北京:科学出版社, 1997.
[ 11]　周忠馍,易杰军,周琪. GPS卫星测量原理与应用[ M ] .北京:测绘出版社, 1995.
[ 12]　张智星,孙春在, [日]水谷英二.神经- 模糊和软计算[ M ] .西安:西安交通大学出版社, 2000.
On the Research of Forest Volume Dynamic Monitoring System
Based on Remote Sensing, GIS and GPS
L I Chong -gui , S I L in, ZH AO X ian-w en
(Res earch Ins ti tu te of Forest Resource Infor mat ion T ech niques , CAF, Beij ing　100091, Ch ina)
Abstract: The components and functions of all parts of fo rest vo lume dynamic monitoring
sy stem based on r emote sensing ( RS) , geog raphic informat ion system ( GIS) and the global
po sit ioning sy stem ( GPS) are presented. The various volume est imate models included in the
sy stem ar e sketched. The act ion and applicat ion of the system in forest r esource quant itative
monitoring is analyzed thr ough pract ical ex ample.
Key words : forest r esource estimate; r obust est imate; w eighted least square est imate; com-
puter simulat ion
226 　　　　　　　　　　　　　　　林 业 科 学 研 究　　　　　　　　　　　　　　　第 14 卷