天然林资源保护工程区植被覆盖度遥感估算及变化分析.pdf

DOI:10.12171/j.10001522.20220324天然林资源保护工程区植被覆盖度遥感估算及变化分析余涛庞勇蒙诗栎荚文李海奎孙斌(中国林业科学研究院资源信息研究所，国家林业和草原局林业遥感与信息技术重点实验室，北京100091)摘要:【目的】天然林资源保护工程（简称“天保工程”）实施 20 多年来有效保护和恢复了工程区的森林资源。工程实施成效除了森林覆盖面积增加，更多的表现为森林资源质量持续提升。为了更好地评估天保工程建设成效，利用植被覆盖度作为定量评价指标，分析天保一期（20002010 年）、天保二期（20112020 年）工程实施期间的森林质量变化。【方法】综合年度植被指数合成策略、优化纯植被像元和纯裸土像元值域的动态确定方法，构建改进的像元二分模型，生产天保工程区时间序列的植被覆盖度产品。基于森林资源一类清查郁闭度数据、森林生态系统定位研究网络郁闭度数据、机载高光谱植被覆盖度数据，验证该植被覆盖度产品的精度。在此基础上，分析天保工程林区植被覆盖度的时空变化趋势。【结果】天保一期植被覆盖度均值为 0.68，天保二期植被覆盖度均值为 0.71，增加了 4.41%；工程区植被覆盖度呈现增加趋势的面积占林区总面积的 78.22%，而呈减小趋势的面积仅占林区总面积的 9.56%。【结论】在中国天保工程森林地区，基于 MODIS植被指数产品和改进的像元二分模型生产的植被覆盖度产品的精度高于 MODIS 产品的精度。自天保工程实施以来，林区植被覆盖度总体上呈现出明显的增加趋势，说明天保工程实施效果显著，森林资源质量持续提升。关键词：天然林资源保护工程；林业遥感；植被覆盖度；像元二分模型；MODIS中图分类号：S771.8；S754；S718.55文献标志码：A文章编号：10001522(2023)05000113引文格式：余涛，庞勇，蒙诗栎，等.天然林资源保护工程区植被覆盖度遥感估算及变化分析 J.北京林业大学学报，2023，45(5)：113.YuTao,PangYong,MengShili,etal.RemotesensingestimationandchangeanalysisoffractionalvegetationcoverageinNaturalForestResourceProtectionProjectareaJ.JournalofBeijingForestryUniversity,2023,45(5):113.Remote sensing estimation and change analysis of fractional vegetation coverage inNatural Forest Resource Protection Project areaYuTaoPangYongMengShiliJiaWenLiHaikuiSunBin(InstituteofForestResourceInformationTechniques,ChineseAcademyofForestry,KeyLaboratoryofForestryRemoteSensingandInformationSystem,NationalForestryandGrasslandAdministration,Beijing100091,China)Abstract:ObjectiveTheforestresourceshavebeeneffectivelyprotectedandrestoredwiththeimplementofNaturalForestResourceProtectionProject(NFPP)inrecenttwentyyears.Inadditiontoaslightincreaseinforestcoverage,effectsoftheprojectaremainlythecontinuousimprovementofforestresourcequality.ToquantitativelyassesstheeffectsofNFPP,thefractionalvegetationcoverage(FVC)wasusedastheindicatortodemonstratetheforestqualityduringthefirststage(20002010)andsecondstage(20112020)ofNFPP.MethodAmodifieddimidiatepixelmodelwasproposedbasedonthenewvegetationindexcompositionstrategyandthedynamicallydeterminationmethodofthepurevegetationandsoilpixels,andtimeseriesFVCwasgeneratedintheprojectarea.FVCwasthenvalidatedbyforestresourceinventorydata,Chineseforestecosystemresearchnetworkdataandairbornehyperspectraldata.Atlast,thespatialandtemporalvariationofFVCwasanalyzedinNFPPareaofChina.ResultFVCincreasedfrom0.68to0.71sincetheimplementoftheproject.AreawithincreasedFVCtrendwasabout78.22%ofthetotal收稿日期:20220809修回日期:20221106基金项目:中国林业科学研究院中央级公益性科研院所基本科研业务费专项（CAFYBB2020ZD002），中国科学院 A 类战略性先导科技专项（XDA19000000），亚太森林恢复与可持续管理网络项目（2018P1-CAF），国家自然科学基金项目（32101522）。第一作者:余涛，博士。主要研究方向：生态环境遥感。Email：地址：100091北京市海淀区香山路东小府 1 号。责任作者:庞勇，博士，研究员。主要研究方向：激光雷达遥感。Email：地址：同上。本刊网址:http:/；http:/第45卷第5期北京林业大学学报Vol.45，No.52023年5月JOURNALOFBEIJINGFORESTRYUNIVERSITYMay，2023forest area,while area with decreased FVC trend only accounted for 9.56%of the total forest area.Conclusion Accuracy of the estimated FVC was higher than that of MODIS product.An obviouslyincreasingtrendofFVCcouldbefoundintheNFPParea,whichindicatesthatthequalityofforestisincreasingsincetheimplementofNFPP.Key words:Natural Forest Resource Protection Project;forestry remote sensing;fractional vegetationcoverage;dimidiatepixelmodel;MODIS天然林是我国森林资源的主体，主要分布在西南、西北、东北的江河中上游林区。我国天然林资源保护工程（简称“天保工程”）以维护国家生态安全、改善生态环境、保护生物多样性、促进经济可持续发展为宗旨。工程一期建设时间为 20002010 年，工程区范围包括 17 个省（市、区）的 734 个县和 167 个森工局；二期建设时间为 20112020 年，工程区新增加了丹江口库区的 11个县（市、区）1。天保工程实施成效除了森林覆盖面积略有增加，更多的表现为森林资源质量持续提升2。评估天保工程对森林资源的保护成效，可为天然林保护、修复提供决策依据和科学支撑。植被覆盖度（fractionalvegetationcoverage，FVC）是表征植被冠层结构最基本的物理参数之一，能反映地表植被群落长势，描述生态系统特征及发展过程，可作为评价森林资源状况的重要指标。已有学者用林区 FVC 反映森林资源的分布和覆盖情况、表现林区的生物多样性、分析森林的生态功能和生态服务价值、评价森林景观资源和生态功能脆弱性、分析森林健康状态和退化情况、监测森林扰动等37。遥感技术的发展为快速、高效估算大面积 FVC，进而评价森林资源状况及发展变化规律提供了可能性。基于遥感数据估算天保工程区的 FVC，并分析其发展变化趋势，对于揭示天保工程区森林生态系统的发展变化规律、分析天保工程对于中国生态环境的影响、研究区域乃至全球碳循环具有重要意义811。美国国家航空航天局（NationalAeronauticsandSpaceAdministration，NASA）的 MODIS连续植被覆盖产品（vegetationcontinuousfields，VCF）是当前较常用的植被覆盖度产品，在大区域植被覆盖变化监测、森林损失和退化分析等领域应用广泛12。该产品基于高分辨率的 Ikonos、Quickbird 影像获取训练数据，结合 MODIS 地表反射率、亮度温度和土地覆盖数据，采用 M5 回归树算法生产，包含森林覆盖比（percent-treecover）、非森林覆盖比（percent-nontreevegetation）、非植被比（percentnonvegetated）等数据集13。但是，有研究表明该产品存在诸多局限性，主要表现在：在森林覆盖低的区域，FVC 会出现高估现象，而在森林覆盖高的区域，FVC 会出现低估现象14；在地形异质性较强的区域精度较低1516；在森林、灌丛等不同类型下，MODIS 产品会低估 FVC 约 5.2%31.0%1721；年际变化较大，不适合用简单的变化检测方法分析变化趋势22；在中国森林地区的精度验证的研究较少，该产品用于中国森林地区趋势变化分析的适用性不明确。分析天保工程区 FVC 的变化规律，评估天保工程的建设成效，亟需更可靠、精度更高的 FVC 数据集。混合像元分解模型是常用的估算 FVC 的模型之一，常见的分解方法有线性分解和非线性分解2324。其基本原理是将反射光谱信息分为植被和非植被两个组分，通过求解植被和非植被部分的比例来确定FVC。为了反映纯植被像元和纯裸土像元的光谱信息，当前常用的取值方法是在某一置信区间内取植被指数的最大值和最小值23。由于混合像元存在，纯植被和纯裸土像元的选择具有一定的不确定性2526。利用混合像元分解模型估算 FVC 时，在不同的尺度上纯植被和纯裸土像元的参数差异较大，存在尺度效应问题。如何选择合适的尺度，并在该尺度上获取纯植被和纯裸土像元参数，使得混合像元分解模型的参数具有本地化特征、FVC 估算结果具有较好的时空连续性，以及该参数的敏感性和对精度的影响，仍是值得研究的问题。针对 MODIS 连续植被覆盖产品和混合像元分解模型的局限性，本文基于 MODIS 植被指数产品，改进年度植被指数的合成策略，优化纯植被像元和纯裸土像元值域的动态确定方法，构建改进的像元二分模型，以期提高天保工程林区 FVC 的估算精度；在此基础上，生产天保工程区时间序列的 FVC产品，分析天保工程区 FVC 的时空变化趋势。1研究区概况及研究方法 1.1 研究区概况天保工程实施范围主要包括长江上游地区、黄河中上游地区、东北和内蒙古地区、新疆维吾尔自治区和海南省的 18 个省（区、市）的重点国有森工企业、地方森工企业、采育场和以采伐天然林为经济支柱的国有林业局（场）、集体林场（图 1）。天然林面积2北京林业大学学报第45卷约 7107hm2，占全国天然林总面积的约 69%。天保工程自 2000 年实施以来，对天然林资源的保护和恢复、生态环境的改善，发挥了重大作用。N05001 000森林 Forest中国森林生态研究网络固定样地 Fixed sample plot in Chinese Forest Ecosystem Research Network吉林省一类清查样地 Class I inventory sample plot in Jilin Province孟家岗机载飞行区域 Airborne flight area in Mengjiagang长江上游地区 The upper reaches of the Yangtze River黄河中上游地区 The middle and upper reaches of the Yellow River海南省重点国有林区 Key state-owned forest area in Hainan Province新疆维吾尔自治区重点国有林区 Key state-owned forest area in Xinjiang Uygur Autonomous Region东北和内蒙古自治区重点国有林区 Key state-owned forest area in Northeast China and Inner MongoliaAutonomous Region2 000 km底图审图号：GS（2019）1823。下同。DrawingreviewNo.ofbasemap:GS（2019）1823.Sameasbelow.图1天保工程（NFPP）区森林分布图及验证样点Fig.1ForestdistributionmapandverificationsamplepointsintheNaturalForestResourceProtectionProject(NFPP)area 1.2 数据及预处理1.2.1遥感数据MODIS 植被指数产品来源于NASA 的MOD13Q1（https:/modis.gsfc.nasa.gov），版本为 C06，时间分辨率为 16d，空间分辨率为 250m，包含了归一化植被指数（normalizeddifferencevegetationindex，NDVI）、增强型植被指数（enhancedvegetationindex，EVI）、数据质量等数据集25。该数据产品通过选择高质量的、无云的近红外（858nm）、红光（670nm）、蓝光（470nm）波段的地表反射率合成每 8d 的地表反射率数据，采用有限视角内的最大值法（constrainedviewangle-maximumvaluecomposite，CV-MVC）合成25。为了减小物候的影响，本文合成了 20002020 年每年生长季（59 月）NDVI 的最大值和中值。MODIS 连续植被产品来源于NASA 的MOD44B（https:/modis.gsfc.nasa.gov），数据版本为 C06，时间分辨率为 1 年，空间分辨率为 250m。利用位于马里兰、巴西的地面站点的数据对产品进行精度验证，结果表明该产品具有较高的精度（RMSE 为 10.46%，平均绝对误差为 9.40%）26。计算了森林覆盖占比和非森林植被覆盖占比的和作为参考数据，与本文估算 FVC 的精度进行比较。孟 家 岗 林 场（13032 13052 E，4620 4630N）位于黑龙江省佳木斯市，林场经营面积约1.6104hm2，主要森林类型为长白落叶松人工林。2017 年 6 月，利用中国林业科学研究院机载遥感系统 CAF-LiCHy，获取了孟家岗 1.1 万 hm2的林区高光谱影像数据。CAF-LiCHy 系统集成了可见光至近红外谱段的高光谱成像仪、全波形 LiDAR 扫描仪、CCD 相机2729。高光谱影像的光谱范围为 4001000nm，光谱分辨率为 3.3nm，波段数为 64 个，空间分辨率为 1m28。基于高光谱数据植被像元面积与总面积的比获取了 250m 的 FVC 的均值（图 2），以验证估算 FVC 的精度。4632N13036EN02.5510 kmFVC1.00.213044E13052E13036E13044E13052E 4628N4624N4620N 4628N4624N4620N图2孟家岗林场机载高光谱植被覆盖度（FVC）Fig.2Fractionalvegetationcoverage(FVC)inMengjiagangForestFarmfromairbornehyperspectralimage1.2.2森林分布数据依据中国林业科学研究院发布的我国天保工程区的 2020 年 30m 森林覆盖产品1（https:/ 250m 森林分布图。聚合方法为计算 250m 像元内的 30m 像元的土地覆盖类型的多数值，作为该像元内的森林覆盖类型。该森林覆盖产品基于公开发布的多种土地覆盖产品构建训练样本数据集，并利用随机森林模型进行分类，利用连续变化检测算法进行一致性分析1，森林分类的精度较高。利用中国森林生态站样地数据、地面调查数据以及森林资源二类调查数据验证该土地覆盖产品，结果表明森林的总体分类精度分别为98.04%、89.82%、84.01%1。1.2.3森林资源清查数据收集了吉林省 2004、2009 和 2014 年 3401 个森林资源连续清查固定样地的森林郁闭度数据，以验证 FVC 估算值的精度。该数据来源于国家林业和草原局林草调查规划院。全国森林资源连续清查中，吉林省的固定样地按 4km4km 等距布设，样地形状为方形，样地面积 0.06hm2。1.2.4森林生态系统定位研究网络数据该数据来源于中国森林生态系统定位研究网第5期余涛等：天然林资源保护工程区植被覆盖度遥感估算及变化分析3络（Chinese Forest Ecosystem Research Network,CFERN）（http:/ 20172019 年 68 个生态站的 570 个固定样地的郁闭度调查数据以验证 FVC 估算值的精度，固定样地形状为方形，样地面积 0.040.06hm2。1.3 研究方法1.3.1改进的像元二分模型像元二分模型对影像辐射校正影响不敏感、简单方便、有一定的物理意义，且在植被覆盖高值区与低值区均有较高的精度21，因此，本文选择像元二分模型估算天保工程林区的植被覆盖度。像元二分模型的基本假设是像元反射的光谱信息仅由纯植被和纯裸土两部分组成，则该像元的反射率 R 为植被反射率 Rv与裸土反射率 Rs之和21：R=Rv+Rs(1)设该像元内植被覆盖度为 FVC，则裸土覆盖度为（1FVC），纯植被覆盖的像元的反射率为 Rveg，纯裸土像元的反射率为 Rsoil，则有：Rv=FVCRveg(2)Rs=(1FVC)Rsoil(3)结合式（1）、式（2）、式（3）：FVC=(RRsoil)/(RvegRsoil)(4)像元的NDVI 值可分解为植被和裸土 NDVI 值的线性之和，所以式（4）可表示为16：FVC=(INDVIINDVIs)/(INDVIvINDVIs)(5)式中：INDVIv、INDVIs分别为纯植被像元、纯裸土像元的 NDVI 值。在像元二分模型中，INDVIv和 INDVIs是影响模型精度的关键参数。理论上 INDVIv的值接近于 1，INDVIs的值接近于 0。但实际上由于受到地表覆盖类型、植被空间分布、混合像元等因素的影响，INDVIv和 INDVIs的取值会随时空发生变化，并影响 FVC 的估算精度。为了最大程度保证所选像元为纯植被和纯裸土像元，并顾及到 NDVI 的值的年内季节变化对 INDVIv、INDVIs值的影响，本文将每景 MODIS 影像分块，动态确定区域纯植被像元 INDVIv和纯裸土像元 INDVIs的值，选取每块 NDVI 最大值的频率累计表上 99.9%处的 NDVI 值作为该块 INDVIv的值，选取每块 NDVI 中值的频率累计表上 0.1%处的 NDVI值作为该块 INDVIs的值。有研究表明 MODISNDVI在植被覆盖区的敏感度降低，在 0.9 左右会出现饱和现象；而在植被覆盖低的区域，NDVI 在 0.20.3 左右精度降低3032。为了减轻 MODISNDVI 在植被覆盖高值区饱和，在植被覆盖低值区精度不高的缺陷对 FVC 估算精度的影响，提高 FVC 产品空间的可对比性，本文当 INDVIv小于 0.90 时，将 INDVIv赋值为 0.90；当 INDVIs大于 0.25 时，则将 INDVIs赋值为 0.25。为了分析 INDVIv、INDVIs的值敏感性和对FVC 估算结果的影响，本文分析了不同的分块策略下（从 1 块1 块至 10 块10 块）FVC 的估算精度，并基于最优方案生产天保工程区 FVC 产品。1.3.2FVC 精度验证直接利用森林资源清查样点郁闭度、森林生态系统定位研究网络郁闭度数据分别与样点位置所在像元的 FVC 进行比较，验证估算 FVC 的精度；利用机载高光谱获取 FVC 与估算 FVC 逐像元比较，采用决定系数（determinationcoefficient，R2）、均方根误差（rootmeansquareerror，RMSE）来评价 FVC 估算值的精度。1.3.3FVC 趋势分析采用 Theil-Senmedian 趋势分析与 Mann-Kendall显著性检验相结合，分析天保工程实施以来 FVC 的变化趋势。该方法对于显著性水平检验具有较好的统计学理论基础，不要求数据服从一定的分布，并可减小异常数据对趋势的影响3334。本文在 0.05 的置信水平下，依据 Theil-Senmedian 趋势以及 Mann-Kendall 显著性检验的 Z 值，将 FVC 的变化分为明显增加、轻微增加、保持稳定、轻微减小、明显减小5 个等级（表 1）3334。表1FVC 趋势变化分级Tab.1FVCtrendchangegradingTheil-Senmedian趋势Theil-SenmediantrendMann-Kendall显著性检验Z值ZvalueofMann-Kendallsignificancetest分类Classification0.00051.96明显增加Increasingobviously0.00051.96轻微增加Increasingslightly0.00050.00051.96保持稳定Maintainstable0.00051.96轻微减小Decreasingslightly0.00051.96明显减小Decreasingobviously注：引自文献3334。Note:Citedformreference3334.4北京林业大学学报第45卷2结果与分析 2.1 精度验证2.1.1基于森林资源清查数据的验证天保工程区基于 MODIS 数据估算的 FVC 如图 3。采用 2004、2009 和 2014 年吉林省森林资源一类清查的森林郁闭度数据，与本文估算的 FVC 进行直接比较如图 4。本文估算的 FVC 与清查样地的郁闭度之间的 R2分别为 0.56、0.60、0.54，RMSE 分别为 0.15、0.14、0.14。MODISVCF 产品的 R2小于等于 0.03，而 RMSE 大于等于 0.21，表明 MODISVCF产品的精度低于估算 FVC 的精度。当郁闭度小于0.70 时，MODISVCF 产品值主要分布在 0.700.90之间，估算结果偏高；在郁闭度较高时（0.90），估算结果又过早达到峰值，且低于清查郁闭度。本文基于 MODIS 植被指数产品估算的 FVC 在低值区和高值区，精度均较高。2.1.2基于森林生态站数据的验证采用森林生态站观测的郁闭度数据，与本文估算的 FVC 进行直接比较，以验证 FVC 估算值的精度。估算 FVC 与森林生态站郁闭度之间有较好的线性关系，R2为 0.49，RMSE 分别为 0.13（图 5a）。MODISVCF 产品与森林生态站之间的相关性较差，R2为 0.04，RMSE 为 0.22（图 5b）。验证结果表明，估算 FVC 的精度明显高于 MODIS 产品的精度。2.1.3基于机载高光谱 FVC 的验证将 2017 年孟家岗林场机载高光谱影像获取的FVC 与估算 FVC 数据逐像元比较，以验证估算 FVC的精度，如图 6a 所示。机载 FVC 与估算 FVC 之间存在较好相关性，R2为 0.62，RMSE 为 0.11。MODISVCF 产品的精度如图 6b 所示，机载 FVC 与 MODISN05001 000FVC1.002 000 km长江上游地区 The upper reaches of the Yangtze River黄河中上游地区 The middle and upper reaches of the Yellow River海南重点国有林区 Key state-owned forest area in Hainan Province新疆重点国有林区 Key state-owned forest area in Xinjiang Uygur Autonomous Region东北和内蒙重点国有林区 Key state-owned forest area in Northeast China and Inner Mongolia Autonomous Region图320002020 年天保工程区 FVC 估算值Fig.3EstimatedFVCvaluesintheNFPPareafrom2000to20201.0abcdef0.1200420092014200420092014FVC 估算值Estimated FVC value郁闭度Canopy density0.20.30.40.50.60.70.8y=0.389 7x+0.485 0R2=0.56RMSE=0.15y=0.374 9x+0.493 3R2=0.60RMSE=0.14y=0.397 6x+0.499 3R2=0.54RMSE=0.14y=0.037 1x+0.784 5R2=0.02RMSE=0.22y=0.048 9x+0.804 4R2=0.03RMSE=0.22y=0.068 2x+0.779 8R2=0.03RMSE=0.210.91.00.90.80.70.60.50.40.30.20.101.00.1FVC 估算值Estimated FVC value郁闭度Canopy density0.20.30.40.50.60.70.80.91.00.90.80.70.60.50.40.30.20.101.00.1FVC 估算值Estimated FVC value郁闭度Canopy density0.20.30.40.50.60.70.80.91.00.90.80.70.60.50.40.30.20.101.00.1MODIS VCF 产品MODIS VCF product郁闭度Canopy density0.20.30.40.50.60.70.80.91.00.90.80.70.60.50.40.30.20.101.00.1MODIS VCF 产品MODIS VCF product郁闭度Canopy density0.20.30.40.50.60.70.80.91.00.90.80.70.60.50.40.30.20.101.00.1MODIS VCF 产品MODIS VCF product郁闭度Canopy density0.20.30.40.50.60.70.80.91.00.90.80.70.60.50.40.30.20.10图4基于森林资源清查数据验证 FVC 估算值、MODIS 连续植被覆盖产品精度Fig.4VerifyingtheestimatedFVCvaluesandtheaccuracyofMODIScontinuousvegetationcoverageproductsbasedonforestresourceinventorydata第5期余涛等：天然林资源保护工程区植被覆盖度遥感估算及变化分析5VCF 产品之间的相关性较弱，R2为 0.12，RMSE 为0.17。FVC 估算值的精度高于 MODIS 产品的精度。2.2 天保工程区 FVC 时空变化在天保一期（20002010 年），全国 FVC 均值为 0.68；在天保二期（20112020 年），全国 FVC 均值为 0.71，相较于天保一期增加 4.41%。总体上，天保实施以来（20002020 年），东北和内蒙古自治区重点国有林区、长江上游地区、黄河中上游地区、新疆维吾尔自治区重点国有林区、海南省重点国有林区的 FVC 都表现出增加趋势（图 7）。在东北和内蒙古自治区重点国有林区，天保一期、二期的 FVC 均值分别为 0.74、0.76，增加 2.70%；在长江上游地区，天保一期、二期的 FVC 均值分别为 0.64、0.68，增加6.25%；在黄河中上游地区，天保一期、二期的FVC 均值分别为 0.71、0.76，增加 7.04%；在新疆维吾尔自治区重点国有林区，天保一期、二期的FVC 分别为 0.60、0.62，增加 3.33%。海南省重点国有林区，天保一期、天保二期的 FVC 分别为 0.75、0.77，增加 2.67%。天保实施以来，工程区 FVC 估算值变化趋势如图 8 所示。在天保一期（图 8a），FVC 呈增加趋势的面积占天保工程林区总面积的 69.31%，增加趋势明显的区域为东北大兴安岭地区、四川省东部、重庆和贵州省北部地区、陕西省南部地区；呈减小趋势的面积占天保工程区总林区面积的 21.38%，主要分布在长江上游林区（如四川省西部、云南省北部的部分林区）。在天保二期（图 8b），FVC 呈增加趋势的面积占天保工程区总面积的 66.66%，增加趋势明显的区域是大兴安岭、四川省和云南省东部、重庆和贵州省林区；呈减小趋势的面积占总林区面积的 22.04%，大部分分布在长江上游四川省西部的部分林区。自天保工程实施以来（图 8c），FVC 呈现增加趋势的面1.0a0.1FVC 估算值Estimated FVC value郁闭度Canopy density0.2 0.3 0.4 0.5 0.6 0.7 0.8y=0.585 2x+0.349 8R2=0.49RMSE=0.130.9 1.00.90.80.70.60.50.40.30.20.101.0b0.1MODIS VCF 产品MODIS VCF product郁闭度Canopy density0.2 0.3 0.4 0.5 0.6 0.7 0.8y=0.121 0 x+0.767 1R2=0.04RMSE=0.220.9 1.00.90.80.70.60.50.40.30.20.10图5基于森林生态站数据验证估算 FVC、MODISVCF 产品精度Fig.5VerifyingtheestimatedFVCvaluesandtheaccuracyofMODISVCFproductsbasedonChineseForestEcosystemResearchNetworkdata1.0a0.1FVC 估算值Estimated FVC value机载 FVCAirborne FVC0.2 0.3 0.4 0.5 0.6 0.7 0.8y=0.551 0 x+0.378 0R2=0.62RMSE=0.110.9 1.00.90.80.70.60.50.40.30.20.101.0b0.1MODIS VCF 产品MODIS VCF product机载 FVCAirborne FVC0.2 0.3 0.4 0.5 0.6 0.7 0.8y=0.124 1x+0.750 7R2=0.12RMSE=0.170.9 1.00.90.80.70.60.50.40.30.20.10图6基于机载 FVC 数据验证估算 FVC、MODISVCF 精度Fig.6VerifyingtheestimatedFVCvaluesandtheaccuracyofMODISVCFproductsbasedonairborneFVCdata6北京林业大学学报第45卷积占总林区面积的 78.22%，而呈减小趋势的面积占总林区面积的 9.56%（主要分布在四川省西部和云南省北部的部分林区），FVC 增加和保持不变的面积比例较高（90.44%）（表 2）。3讨论 3.1 基于 FVC 的天保工程建设成效分析分析天保工程区 FVC 的动态变化趋势特征，对0.80y=0.002 3x+0.735 3,P 0.01y=0.002 3x+0.723 7,P 0.01y=0.005 4x+0.675 0,P 0.01y=0.003 2x+0.621 1,P 0.01y=0.001 1x+0.596 0,P 60%）（图 10 区域 1）、中森林覆盖区（30%森林覆盖率60%）（图 10 区域 2）、低森林覆盖区（森林覆盖率30%）（图 10 区域 3）的不同取值策略的 INDVIv（分别取 NDVI 频率累计表的 95%，97%，99%和 99.9%）和 INDVIs（分别取 NDVI频率累计表的 5%，3%，1%和 0.1%）的值。NDVI 中值的频率累计 0.1%处的值小于 0.25，可认为是纯裸土像元 INDVIs；NDVI 最大值的频率累计 99.9%处的值大于 0.9，可认为是纯植被像元 INDVIv。同时，和 INDVIs的年际变化较小，增强了 FVC 估算值的时间连续性。3.3 FVC 估算精度不确定性分析利用 NDVI 数据估算 FVC 时，估算精度会随着植被覆盖率的变化而发生变化。在低植被覆盖区域，基于 NDVI 数据估算 FVC 的精度较高22；在高植被覆盖的区域，NDVI 会迅速达到饱和，此时 FVC的估算精度会受到影响5154。在本文中，当郁闭度大于 0.90 时，估算 FVC 的值也会出现一些饱和的现象（FVC 出现饱和像元的比率小于 10%），影响了 FVC的估算精度。此外，采用郁闭度数据来验证 FVC 的估算结果，该验证方法的可靠性、以及对验证精度的影响仍需进一步研究。这是因为 FVC 与郁闭度的贡献主体有所差别：FVC 指包括乔木、灌木和草本植物在地面的垂直投影面积占总面积的比，而郁闭度仅仅指乔木树冠部分在地面的垂直投影面积占总面积的比55。因此，本文在利用郁闭度数据验证估算 FVC的精度时，大部分样点的森林郁闭度的值低于 FVC估算值（图 4、5）。本文除了利用吉林省森林资源清查数据、森林生态系统定位研究网络数据验证 FVC的精度以外，还采用机载高光谱数据来验证 FVC 的精度，结果同样证明估算 FVC 的精度高于 MODIS产品的精度（图 6）。但是，受机载数据的区域的限0.70.60.50.40.30.20.300.250.200.150.1014916253649分块数量Number of image6481 10014916253649分块数量Number of image6481 100R2RMSE200420092014200420092014图9不同分块策略的 FVC 精度Fig.9FVCaccuracyofdifferentblockingstrategies第5期余涛等：天然林资源保护工程区植被覆盖度遥感估算及变化分析9制，本文仅在孟家岗林场对估算 FVC 的结果进行了验证。在以后的研究中，可结合更多的高分辨率数据对估算结果精度进行分析。像元二分法计算 FVC 的方法虽然简单、方便，但是该方法的机理性较弱，不能揭示 FVC 所体现的生态和物理过程。未来的研究中，可结合 FVC 反演的遥感生态机理模型，开展结果对比分析和交叉验证。4结论本文优化了年度植被指数合成策略、纯植被像元和纯裸土像元值域的动态确定方法，在此基础上构建了改进的像元