基于ArcGIS和二类调查数据的森林资源动态分析系统
基于GIS的香口林场森林资源分析
基于GIS的香口林场森林资源分析许义龙（东至县林业局，安徽东至247200）摘要：以东至县香口林场为研究对象，利用ArcGIS对香口林场森林资源二类调查数据进行编辑处理，结合地形DEM数据对香口林场的森林资源进行分析，以期为香口林场的森林资源的经营管理提供技术支撑。
关键词：GIS；森林资源；DEM；分析中图分类号S757文献标识码A文章编号1007-7731（2019）012-0057-3Analysis of Forest Resources in Xiangkou Forest Farm Based on GISXv Yilong（Dongzhi County Forestry Bureau,Dongzhi247200，China）Absrtact：Taking Xiangkou Forest Farm in Dongzhi County as the research object,this paper uses ArcGIS to edit and process the forest inventory data of Xiangkou Forest Farm,and the forest resources of Xiangkou Forest Farm were analyzed based on topographic DEM data，providing technical support for the management of forest resources of Xiangkou Forest Farm.Key words:GIS；Forest resources；DEM；Analysis对森林资源合理的利用，需要准确掌握森林资源的数量及分布。
传统林业调查成果数据的编制一般都是手工绘图分析，需要大量的时间和人力，其成果数据单一，而且图形数据和属性数据分离，给林业生产经营造成不便［1］。
基于GIS与RS的铜陵县森林资源结构分析
基于GIS与RS的铜陵县森林资源结构分析作者：陈乐蓓徐青云吴开华来源：《安徽农学通报》2015年第11期摘要：该文利用GIS技术结合RS和森林资源二类调查数据等，采集铜陵县森林资源空间与属性数据，建立了林地资源空间数据库，在此基础上分析了铜陵县森林资源结构及空间分布格局，为优化林地结构与空间格局，提高监测、管理水平，规范林地使用程序等提供依据。
关键词：GIS；RS；森林资源结构；铜陵县中图分类号 S757 文献标识码 A 文章编号 1007-7731（2015）11-76-04地理信息系统（GIS）是林业信息化建设的关键技术[1]，伴随着数字林业的提出和“3S”技术的发展，使林业管理全面进入了信息化时代。
林业是我国最早开展GIS应用的行业之一，GIS软件在林业信息化建设中发挥了重要的作用[2-3]。
ArcGIS作为GIS一系列操作工具中功能最强大的应用软件，应用领域非常广泛，其强大的功能和空间数据处理能力深受各行业专业人士的青睐[4]。
由于森林资源具有生长周期长、地域分布复杂以及特殊的动态变化规律，为了更好地对森林资源进行管理，准确监测和预测森林资源的动态变化，就必须建立一个可持续发展的资源管理模式，以便更好地发挥森林的经济效益和生态效益。
由于地理信息系统的强大的空间管理分析能力及森林资源所具有的分布的时空特征，在森林资源管理中，利用地理信息系统技术进行森林资源调查、管理及其动态变化监测势在必行[5]。
1 研究区概况铜陵县地处长江中下游南岸，位于安徽省中南部，东经117°42′42″～118°09′41″，北纬30°45′30″～31°08′18″。
县境内山、丘、圩、洲并存，地形兼有沿江平原和皖南山区之特点。
地势东南部高，为低山丘陵，西北部低，为长江冲积平原，中部岗丘起伏。
低山坡度一般在25～30°，丘陵坡度在15～20°。
按地貌特征，全县可分为南部低山丘陵区、中部岗地区、北部洲圩区3大区域。
xx市数字林业信息化管理系统方案
枣庄市数字林业信息化管理系统项目建设方案北京东方道迩信息技术股份有限公司2013年1月目录1.项目概述 (5)1。
1。
项目名称51.2.项目建设背景 (5)1。
3。
总体目标51。
4。
项目内容61。
5。
基本原则62。
总体设计 (9)2。
1。
系统框架92.2。
软硬件及网络环境 (10)2.2。
1。
网络环境 (10)2.2。
2。
数据库管理平台 (10)2。
2。
3.网络地图服务平台 (10)2。
2。
4.GIS平台应用软件库 (10)2。
2。
5.移动端 (10)2。
3.关键技术 (10)2。
3。
1。
数据实时共享102。
3。
2.海量空间数据的高效存储管理与多用户网络并发访问102。
3。
3。
基于移动GIS的数据采集与传输技术102。
3.4。
元数据技术 (11)3。
项目设计方案 (12)3。
1。
林业基础数据库建设123.1。
1。
建设内容 (12)3.1.2。
建设步骤 (12)3.1.3。
建设思路 (12)3。
1。
3。
1.基于元数据库技术的异构数据集成123。
1。
3。
2.基于Oracle+ArcSDE的图文一体化存储133.1。
3.3。
基于时空一体化数据模型的历史数据管理133.1。
4.数据库逻辑设计 (13)3。
1.4。
1。
矢量数据库逻辑设计133。
1。
4。
2。
栅格数据库逻辑设计143。
1。
4。
3。
关系型数据库逻辑设计143。
1.4.4。
文档媒体库逻辑设计143。
2.应用系统建设 (14)3。
2。
1.森林资源管理系统 (14)3。
2。
2。
森林防火系统153。
2.3。
森保（病虫害监测调查)系统 (16)3.2。
4。
林权管理系统 (17)3。
2.5。
林政管理系统 (18)3。
2。
6。
OA办公自动化系统191.项目概述1.1.项目名称枣庄市数字林业信息化管理系统。
1.2.项目建设背景21世纪是信息化的世纪，全球计算机技术和网络技术取得了突飞猛进的发展,数据库、地理信息等技术已日趋成熟,为系统建设创造的良好的条件。
建立林业资源信息管理系统对林业整体管理的现代化水平具有深远的影响。
简述ARCGIS在森林资源调查规划中的应用
简述ARCGIS在森林资源调查规划中的应用随着信息化技术的快速发展，带动了森林资源调查规划的工作，要求森林资源调查规划工作采用新技术、新手段、新工具科学规划森林资源。
当前，林业领域尤其是关于森林资源调查规划方面，ARCGIS技术的应用范围相当广泛，为林业开展森林资源的调查工作提供了便利，有助于科学而高效的掌握森林的基本信息，包括资源的种类，资源的数量等，提高规划工作的管理效率。
本文主要探讨ARCGIS技术在森林资源调查规划中的应用，采用哪种方法和步骤来实施规划工作，以保证森林资源的调查规划质量。
标签：ARCGIS；森林资源；调查规划；应用就森林资源的调查规划来说，又可称为二类调查，是林业日常调查工作的重要组成部分，实践证明，ARCGIS技术的应用是适合进行调查规划森林资源的，所以被大范围的应用于森林资源的调查规划中，本文主要在介绍ARCGIS技术，以及此项技术在森林资源调查规划中的具体应用。
一、ARCGIS技术的概述森林资源调查规划是利用某种工具来查测森林的种类、数量以及各类林业、森林资源的具体地理位置，分布坐标等，以此来找出被调查的森林区的自然、经济状况以及社会条件等，综合了解情况后制定有关的管理措施，便于及时的将森林资源纳入管理的日程上，发挥保护森林资源的作用。
就ARCGIS的起源而言，最初的形态是嵌入式的GIS，而后变为ARCGIS Desktop、ArcMap以及ArcCatalog 的形式。
ArcMap就其功能来看，主要包括绘图、统计以及观测等功能，优势在于能够最大化的满足用户的各项需求，并且能准确的分析地理信息和数据，在此基础上形成完整的地理图。
但就二类调查的特点而言，ARCGIS技术的更适合进行森林资源的调查规划工作，所以ARCGIS被广泛的应用于调查规划森林资源。
二、ARCGIS在森林资源调查规划中使用的基本方法与步骤ARCGIS在森林资源调查规划中使用的方法是采用卫星遥感工具的特点生成图像，对图像进行高分辨率的解读，然后将卫星图像与实际情况做对比，检查核实，生成关于森林现状的地理信息，便于快捷的建立重要的数据库；关于ARCGIS应用的步骤主要有以下几个方面：将地图矢量化操作，然后计算校正数据，划分小班区域，在此基础上写因子，随后进行外业实地处理，建立数据库后生成统计报表加以分析，最后形成科学的报告。
基于森林资源二类调查的仁义镇森林景观格局及破碎化分析
基于森林资源二类调查的仁义镇森林景观格局及破碎化分析通过景观的观点来审视城镇化的发展，是解决城市化过程中环境问题的新方法、新思路.采用2009年广西壮族自治区贺州市八步区仁义镇森林资源二类调查数据为基础数据，以GIS和Fragstats为技术支撑，从景观的组成结构、斑块特征等方面对研究区域景观的空间分布和结构特征进行了分析.结果表明,景观要素斑块中以小斑块所占比例最大，植被景观以乔木林和灌丛景观为主要类型.由于相对强烈的人类活动影响，区域内林业用地的景观破碎化程度较高.Key words: GIS; Forest landscape pattern; Landscape fragmentation; Babu District随着城镇化速度的明显加快，诸多环境问题日益凸显.建设城市森林是治理环境污染和改善人居环境的有效途径，通过景观现状分析，采用多样性、均匀度、分维度等景观指数分析方法，可以对城市森林建设进行前期格局分析，这为今后城市森林的规划建设奠定了理论基础.在遥感影像分辨率不高的前提下，如果仅依靠遥感影像目视判读很难做到对地物的精准划分.而采用森林资源二类调查的成果数据作为数据源则具备很高的精度，它是以小班为调查单元进行全区调查，是一种更具体更详细的调查.依据2009年广西壮族自治区贺州市八步区森林资源二类调查数据,重新合并、提取所需的属性数据及矢量数据，为景观格局分析提供数据基础.景观格局分析是景观生态学研究的基本内容，是进一步研究景观功能与动态的基础.景观格局既是景观异质性的具体体现，同时又是人类活动的结果与各种生态过程在不同尺度上作用的最终结果［1］.景观破碎化主要表现为斑块数量增加而面积缩小，斑块形状趋于不规则，内部生境面积缩小，廊道被截断以及斑块彼此隔离.景观破碎化会对生存于其中的物种带来一系列的影响.为了揭示该区景观格局特征和破碎化程度，为今后城市林业建设奠定基础，以广西壮族自治区贺州市八步区仁义镇为例，利用GIS建立量化的、空间化的环境数据库，分析了森林景观各斑块的类型及其相互关系，并将这些数据落实到具体的山头地块，在空间上形象地显示出来，最后对景观要素的斑块特征和格局进行分析研究，理清其森林结构布局，并分别从斑块数、斑块面积、斑块周长、分形维数和多样性等角度对各景观组分的数量特征进行分析，以阐明各景观组分间的特征差异，评价景观破碎化程度，进而揭示各组分在整个景观中的地位和作用的差异.1 研究地区概况八步区仁义镇位于广西东部，地理位置为东经111°08′~111°45′，北纬23°52′~24°9′，地处亚热带，气候温和，光照充足，雨量充沛，无霜期长.年均气温19．9℃，日照 1 587．3 h，降雨量 1 550．3 mm，无霜期299 d.属南岭山地丘陵区.全区森林面积为14 330.5 hm2，森林覆盖率为72．3％，活立木蓄积量为6万m3，以松、杉、速生桉为主.主要经济林果有八角、玉桂、板栗、油茶、油桐、龙眼、李子等10多种［2］.2 研究方法2.1 数据来源和预处理本次研究的资料有仁义镇2009 年森林资源二类调查数据、1∶1万遥感影像图、地形图、行政边界图、DEM模型及其他相关地学信息资料.利用GIS 软件将森林资源二类调查数据数字化，包括地形图等高线和林班小班等森林区划，结合属性数据建立了林相图.其中小班因子调查数据包括面积、优势树种、树种组成、经营类型、造林树种、土壤类型、坡度、海拔等20 多个属性数据项.结合广西森林植被景观生态特征和经营需要,对小班类型进行定性分析,并最终确定了8 种景观要素类型,分别为非林地、杉木类、松树类、桉树类、阔叶类、竹类、经济林、灌木林.结合该区域行政界线图，在ArcGIS 软件支持下，将森林植被类型矢量格式转换为栅格格式.每个栅格的大小为10 m×10 m，得到森林景观分布图（图1）.将栅格数据输入景观指数计算软件FRAGSTATS 3.3 中计算森林植被的景观格局指数.2.2 景观指数选取对利用FRAGSTATS软件获得的20 余种景观指数进行相关性分析，去除相关性较大的一些指数，并根据研究需要，最终在斑块类型水平上选取类型面积（CA）、斑块数（NP）、平均斑块面积(AREA)、斑块总面积（TA）等多个景观指数进行森林景观空间格局分析；在景观水平上，选取了斑块密度（PD）、斑块边缘密度（ED）、香农景观多样性指数（SHDI）以及香农景观均匀度指数（SHEI）等景观指数［4］进行景观层次上的森林植被景观异质性和多样性分析.3 景观格局分析3.1 景观要素斑块特征分析3.1.1 景观组成结构分析由表1可见，研究区域的景观类型以非林地为主，其面积占景观总面积的39.29 %；其次是松树类,占24.52%，桉树类占17.51%，阔叶树类占12.03%，是控制景观格局的重要组成部分；竹类面积比最小，仅占总面积的0.13%.从斑块数和斑块比来看，松树类的斑块数最多，为217块，占整个区域斑块数的22.30%；其次是非林地类和桉树类，斑块数和斑块密度分别为210块、21.58%及195块、20.04%；阔叶树类斑块数也较多，斑块比为14.80%；竹林类和灌木林地斑块数最少，斑块比分别为1.44%和1.54%.乔木林、灌木林和非林地的面积比例为1.48∶0.04∶1.由于森林采伐等长期的人类活动影响，森林景观比例在逐渐缩小，当前非林地类型占有较高比例，该区植被现以乔木林和灌丛景观为主要类型，二者面积占全区的59.4%，斑块数占全区的67%(表1).3.1.2 景观斑块特征分析景观类型斑块特征主要是通过斑块大小、形状特征、分维度等指数来反映［1］.斑块形状特征（又称斑块形状指数）反映斑块形状的复杂程度.形状指数越大，表示斑块形状越复杂.由表2可以看出，8种景观类型的斑块形状指数在4.43～24.99.松树林和桉树林的斑块形状指数较大，这是因为本地区松树和桉树种植面积较广、分布不均匀，因此斑块形状不规则，而研究区域很多地方大量种植桉树，使桉树分布面积大，并且分布也很不规则.软阔类次之，它保留了原始林的某些特征，再加上对其采伐一般采用间伐，而后种植桉树或其他树种，所以形状也较不规则.而杉木、经济林和竹林多为人工营造的林分，形状相对规则.由此可见，非林地斑块平均面积最大，远大于其它景观类型，原因是研究区域的居民点、天然水库、湖泊等属于非林地，这些景观类型的面积较大，从而使平均面积增大.在森林景观中，松树类、桉树类和灌木类斑块平均面积较大，斑块平均面积大于22 hm2.杉木类和阔叶树类斑块平均面积偏低，竹林类斑块平均面积最小.竹类的分维数最大，主要原因是其基本上成点状分布，形状不规则，复杂程度较高.景观斑块特征分析结果，在森林景观中，松树类形状最不规则，其余景观类型的分维数都比较高，显示出该区域森林景观破碎化程度较高.3.1.3 景观斑块数量特征分析从8类景观要素斑块面积特征(表1)可以看出，全林区8种景观要素类型斑块总数为973个，斑块总面积为24 732.64 hm2.非林地、松树类、桉树类和阔叶树类占总面积的93.36%，是该林区的主要森林景观要素，其斑块数由多到少依次为松树类、非林地、桉树类和阔叶树类，但差别不明显.平均斑块面积最小的为竹林和经济林.在各类森林景观要素中，松树类的斑块数最多且具有最大的总面积和最大的平均斑块面积，在整个景观中数量占绝对优势，是构成该林区森林景观基质的要素类型；同时，又有最大和最小的斑块面积，说明其斑块形状的差异最大.3.1.4 景观粒级结构景观粒级结构是指景观要素的粗、细粒结构，斑块在很大程度上受自然和人为干扰因素的影响，而粒级大小又取决于整个景观研究的尺度［5］.本研究把斑块体分为5级:小斑块(200 hm2)(表3).从表3可看出，8种景观要素中，以小斑块比例最大，占总斑块数的60%以上，中、小斑块之和约占总斑块数的90%，大斑块和超大斑块占10%，因此该区以中小斑块为主.就单个景观要素类型看，杉木类、经济林类、松树类和桉树类4种类型以小斑块为主；松树类和桉树类中、大斑块相对较多.超大斑块和巨大斑块主要分布在桉树类、松树类和阔叶树类中，占全部景观范围内超大斑块和巨大斑块的90%以上,说明针阔混交林相对完整，接近该区的天然植被.综上所述，森林景观要素中小斑块占斑块数比重最大，显示出该区域森林景观破碎化程度较高.3.2 景观的异质性分析目前关于景观异质性有很多不同的定义，但较为一致的是“景观异质性是景观尺度上景观类型组成和空间结构上的变异性和复杂性”［7］.通常采用多样性指数、斑块密度、边缘密度等指标来描述和分析景观异质性.3.2.1 景观斑块密度和边缘密度景观斑块密度反映景观整体斑块分化程度.斑块密度高,表明一定面积上异质景观要素斑块数量多,斑块规模小,景观异质性高.斑块的边缘密度反映景观中异质性斑块之间物质、能量和物种交换的潜力及其相互影响的强度,可直接表征景观整体的复杂程度［3］.松树类斑块密度最大，达0.88块/hm2，非林地类、桉树类和阔叶树类斑块密度大于0.5块/hm2，其它景观类型斑块密度较小，竹林地斑块密度最小，仅为0.06块/hm2.这说明本区域内主要森林景观的异质性较高.景观类型的边界密度即斑块边缘度，是指景观类型周长与类型面积的比，是一个景观类型单位面积所拥有的周长.单位面积上的周长值大，景观类型被边界割裂的程度高；反之，景观类型保存完好,连通性高.因此，该指标在一定程度上反映了景观类型的破碎化程度.由表4可知，所有景观中，斑块边缘度最高的为松树类（30.01 km/km2），最低者为竹林（0.40 km/km2）.将各个景观组分边缘度排序，发现该顺序与景观组分斑块总周长的分布顺序大体相同.这意味着两种情况:面积和周长皆大者，边界密度比较大，景观破碎化程度较高，如非林地；反之，面积和周长皆小者，边界密度比较低，分布面积虽小，类型仍保持完整，如竹林.这2种情况的破碎化都比较严重.3.2.2 景观多样性景观多样性指数(SHDI)和景观均匀度指数(SHEI)是一种基于信息理论的测量指数，在生态学中应用很广泛.均匀度指数(SHEI)为1时是景观多样性最大，均匀度指数(SHEI)值较小时优势度一般较高，可以反映出景观受到一种或少数几种优势斑块类型所支配；均匀度指数（SHEI）值趋近1时，优势度低，说明景观中没有明显的优势类型且斑块类型在景观中均匀分布.利用上述数据，依据景观多样性指数指标公式，得出本研究区域的景观多样性指数为1.52，表明景观异质性较高；均匀度指数为0.73，表明各景观类型所占比例差别大，景观中有一定的优势类型，其中松树林、桉树林和非林地景观类型占优势，但景观类型丰富，多样性仍然较高.3.3 景观要素空间相互关系分析景观要素的空间关系包括同质景观要素的空间关系和异质景观要素的空间关系,可以用蔓延度指数、聚集度指数、距离指数、分离度指数等加以描述和分析(表5).CONTAG（蔓延度）指标描述的是景观不同拼块类型的团聚程度或延展趋势.由于该指标包含空间信息，是描述景观格局的最重要的指数之一.一般来说，高蔓延度值大说明景观中的某种优势拼块类型形成了良好的连接性；反之，则表明景观是具有多种要素的密集格局，景观的破碎化程度较高.经计算，本地区的蔓延度指数为44.54，说明景观的破碎化程度较高.景观分离度是指某一景观类型中不同斑块个体分布的分离程度.分离度的值越大,表明景观在地域分布上越分散,景观分布越复杂.由表5可以看出，竹类的分离度最大,说明竹林在其中最为分散，非林地的分离度最小,说明该类型之间聚集状况较好.斑块聚集度指数可以量化相应景观类型的自然连接性.聚集度指数高说明景观斑块聚集更加紧密,而聚集度指数低说明景观要素在景观中分散于许多不同景观要素斑块之间.在8个一级景观要素类型的聚集度指数中,以非林地的聚集度指数最高(83.83),其次为桉树类、阔叶树类、松树类、杉木类、经济林类和竹类、灌木林类.非林地的聚集度最高,说明非林地斑块比较集中,灌木林类聚集度最小,说明灌木林斑块比较分散.距离指数用来描述同质景观内斑块间的连接程度或隔离程度,而分离度指数用来描述景观内斑块间的离散程度.在本研究中,其表明的结果与分离度指数结果大体一致.松树类、非林地、桉树类、阔叶树类、竹类、经济林类、杉木类、灌木林类各斑块间的距离指数依次增大,即斑块间的隔离程度越来越大，聚集度减小.4 结论对仁义镇森林景观格局进行分析，可以初步量化认识景观格局的现状，有利于充分认识人类活动对景观和资源分布格局的影响，从而为科学的规划和利用提供科学依据.研究结果表明，该地区共划分8类景观要素，其中以桉树类、松树类和阔叶树类为主，3者面积之和高达13 371.30 hm2，占森林景观的94%，占全区的54.06%，是该地区的主要森林景观要素类型.松树类的形状指数、分维数较高，其斑块形状和布局较为复杂，经济林类和杉木类形状指数和分维数较低，说明其受人类活动影响较大，形状规则.景观要素以中、小斑块比例最大，占总斑块数的90%以上，大斑块和巨大斑块主要分布于松树类和桉树类.景观多样性指数为1.52，说明景观异质性较高，均匀度指数为0.73，说明各景观类型所占比例差别大，景观中有一定的优势类型，其中桉树类和松树类占有优势.森林景观斑块多呈小面积零散分布，森林景观斑块平均面积较小，显示出较高程度的破碎化.森林植被景观关系着区域社会经济的可持续发展,在城市化进程中，人类在利用土地资源的同时不可避免地会带来一些不利影响.因此,在今后的城市林业建设中，必须以保护现有林地为主,尽量减少各种不利的干扰,合理地增加城镇森林景观的异质性,控制森林景观斑块数以降低森林景观的破碎程度,从而维持整个生态系统的稳定.加强区域森林景观建设和生态安全控制,对于区域的物质循环、能量流动，生物的迁移及生物多样性的保护均有重要作用.参考文献:［1］邬建国.景观生态学——格局、过程、尺度及等级［M］.北京:高等教育出版社，2000.［2］/basicdata/ressituation/forestsituation/200706/t20070611_120413.ht ml［3］角媛梅,马明国,肖笃宁.黑河流域中游张掖绿洲景观格局研究［J］.冰川冻土,2003,25(1):94-991.［4］McGarigal K，Cushman S A，Neel M C，et al. FRAGSTATS：Spatial Pattern Analysis Program for Categorical.Maps.［EB/OL］.［2009-05-11］.http///landeco/research/fragstats/fragstats.html．［5］赵文武,傅伯杰,陈利项.景观指数的粒度变化效应［J］.第四季研究,2003,23(3):326-333.［6］邬建国.景观生态学中的十大研究论题［J］.生态学报,2002,24(9):2074-2076.［7］郭晋平.森林景观生态研究［M］.北京:北京大学出版社,2001.［8］杨三红.基于GIS的刘家流域景观格局及其生态环境效应研究［D］.山西农业大学,2005.。
基于ArcGIS的森林资源管理信息系统的研究与应用
基于ArcG IS 的森林资源管理信息系统的研究与应用杜 娟Ξ 王 颖(华北电力大学计算机系,北京 102206)摘 要:在简单介绍Arc G IS9技术的基础上,本文结合森林资源信息管理中空间数据管理的特点,探讨了A rc G IS9技术在森林资源管理信息系统中的应用。
关键词:A rc G IS ;森林资源;信息管理 地理信息系统(G IS )是利用现代计算机图形和数据库技术来输入、存储、编辑、查询、分析空间图形及其属性数据的计算机系统。
由于G IS 具有较强的空间管理和空间分析功能,目前被广泛地应用于电力、城市规划、管网、电信、以及水利等领域,成为一个跨学科、多方向的研究领域。
随着我国数字化进程的加速,“数字林业”也提到议事的日程。
”数字林业”的基础是首先实现森林资源信息的数字化、共享和管理。
森林资源信息主要包括两大类信息,一类是森林资源档案,另一类是林相图。
森林资源信息是”数字林业”信息化的基础,林业的重大应用系统如防火指挥、资源监测等都离不开森林资源信息的管理和查询、分析。
而基于GIS 技术实现森林资源管理信息的共享、交换、整合、调度与集成应用是“数字林业”发展的必由之路。
目前,市场上林业管理信息系统依托的GIS 平台主要有Arc G IS ,Mapinfo ,M apG IS 等。
Mapin fo 是一种“桌面”地理信息系统,无法实现管理海量数据。
Map G IS 是国产的G IS 软件,在海量数据管理、空间分析、二次开发支持、系统稳定性等方面,还须进一步的提高。
而Arc G IS 是国际领先的G IS 品牌,海量数据管理及空间分析功能强大,组件化的二次开发手段更有利于系统的深入应用,是林业应用系统首选的GIS 平台。
本文以山西省最新进行的森林资源二类调查和林相图作为数据源,采用Arc G IS9平台技术实践开发了森林资源管理信息系统,并得到了良好的应用。
1.Arc G IS9平台技术(1)Arc In fo 和ArcObjectsArc In fo 是ArcGIS 平台软件中功能最全面的产品,包含ArcV iew 和Arc E ditor 所有功能。
ArcGIS技术在林业制图中的应用
ArcGIS技术在林业制图中的应用随着科技的不断发展和 GIS 技术的日益成熟，地理信息系统（GIS）已经成为林业资源调查和管理中不可或缺的工具。
ArcGIS 技术作为当前最为流行和先进的 GIS 技术之一，在林业制图中得到了广泛的应用。
本文将就 ArcGIS 技术在林业制图中的应用进行分析和探讨。
1. 地理定位利用 ArcGIS 技术，可以对林地进行精确的地理定位，包括林地的地理坐标、地形地貌、地貌特征等进行精确测量和分析，从而为林业资源的调查提供了重要的基础数据。
2. 空间分析通过 ArcGIS 软件的空间分析功能，可以对林地的空间分布、林分结构、林木分布等进行全面的分析和评价，为林业资源的评估和规划提供有力的支持。
3. 数据整合ArcGIS 能够实现来自不同数据源的数据整合，将遥感数据、地图数据、GPS 数据、采样数据等整合到一个统一的空间数据库中，为林业资源调查和研究提供了全面、准确的数据支持。
二、ArcGIS 技术在林地资源管理中的应用1. 林地资源监测利用 ArcGIS 技术，可以对林地资源进行动态监测，实现对森林覆盖、森林类型、森林变化等情况的实时监测和分析，为林地资源的合理利用和保护提供了重要依据。
2. 林业规划ArcGIS 技术可以利用专业的规划和设计工具对林业资源进行规划和设计，包括森林分布规划、树种配置规划、采伐设计规划等，实现对林地资源的科学、合理规划。
3. 林业资源评估通过 ArcGIS 技术对林地资源进行全面评估，包括土壤质量评估、水源保护评估、生态系统评估等，为林地资源的可持续利用提供了科学依据。
2. 森林分布图制作利用 ArcGIS 软件的专业绘图功能，可以实现对森林的分布情况进行详细制图，包括林木分布、森林类型、森林功能区划等，为林业资源管理提供了重要的空间信息。
ArcGIS 技术在林业制图中的应用给林业资源调查和管理带来了巨大的便利和效益，为林业资源的合理利用和保护提供了有力的技术支持。
211198597_基于森林资源二类调查数据的森林生物量抽样设计对比研究
第48卷第2期2023年3月㊀林㊀业㊀调㊀查㊀规㊀划Forest Inventory and PlanningVol.48㊀No.2Mar.2023doi:10.3969/j.issn.1671-3168.2023.02.002基于森林资源二类调查数据的森林生物量抽样设计对比研究田志艳,延原原,张超(西南林业大学,云南昆明650224)摘要:探究和对比不同抽样方法对森林生物量抽样调查中样地数量㊁样地布设及估算精度等方面的影响,优选适宜的抽样方案,在保证精度的前提下节省外业调查的工作量和成本㊂基于云南省大理市2016年森林资源二类调查小班数据,以森林起源㊁龄组㊁优势树种作为分层变量,在可靠性为95%㊁抽样精度为90%和85%的条件下,计算分层抽样所需的样本单元数,并与系统抽样进行比较分析;以分层抽样方法进行大理市森林地上生物量的抽样设计,将抽样结果与系统抽样方法进行比较分析㊂结果表明,抽样精度为90%时,分层抽样所需的样本单元数分别比系统抽样少21.91%㊁12.92%和45.51%;抽样精度为85%时,分层抽样所需的样本单元数分别比系统抽样少21.51%㊁12.66%和45.57%;在相同的抽样精度条件下,抽样单元数呈现起源>优势树种>龄组的变化趋势㊂按抽样精度90%,系统抽样估测的大理市森林地上总生物量为1914.83万t,按起源㊁优势树种和龄组,其总生物量估测值分别为1608.22万t㊁1679.03万t㊁1536.08万t㊂在可靠性和抽样精度相同时,实际抽样精度排序为起源>优势树种>龄组,其中,利用优势树种估测的森林地上总生物量为1679.03万t,最接近实际值,按优势树种估测的抽样效果较好,抽样精度为96.63%㊂由于分层抽样具有样本数量少㊁抽样精度高的明显优势,可为区域森林生物量抽样调查和估测提供方法参考㊂关键词:分层抽样;系统抽样;森林地上生物量;抽样精度;森林资源二类调查数据中图分类号:S718.556;S757.2㊀㊀文献标识码:A㊀㊀文章编号:1671-3168(2023)02-0009-07引文格式:田志艳,延原原,张超.基于森林资源二类调查数据的森林生物量抽样设计对比研究[J].林业调查规划,2023,48(2):9-15.doi:10.3969/j.issn.1671-3168.2023.02.002TIAN Zhiyan,YAN Yuanyuan,ZHANG parative Study on Sampling Design of Forest Biomass Based on Forest Management Inventory Data[J].Forest Inventory and Planning,2023,48(2):9-15.doi:10.3969/j.issn.1671-3168.2023.02.002Comparative Study on Sampling Design of Forest Biomass Based onForest Management Inventory DataTIAN Zhiyan,YAN Yuanyuan,ZHANG Chao(Southwest Forestry University,Kunming650224,China) Abstract:This paper explored and compared the effects of different sampling methods on the number, layout,and estimation accuracy of sample plots in forest biomass sampling surveys,and selected suitable sampling plans to save the workload and cost of field surveys while ensuring accuracy.Based on the sub -compartment data of forest management inventory in Dali City,Yunnan Province in2016,using forest收稿日期:2022-02-04.基金项目:国家自然科学基金项目(32160405);云南省 万人计划 人才培养项目(YNWR-QNBJ-2018-334).第一作者:田志艳(1997-),女,陕西榆林人,硕士研究生.研究方向为数字林业和森林资源管理.Email:1143449086@ 责任作者:张超(1980-),男,河北唐山人,博士,教授.研究方向为森林经理学.Email:42668600@林业调查规划origin,age group,and dominant tree species as stratified variables,the number of sample units required for stratified sampling was calculated and compared with systematic sampling under the conditions of relia-bility of95%,sampling accuracy of90%and85%;the sampling design of forest aboveground biomass was made by using stratified sampling method,and the sampling results were compared with systematic sampling method.The results showed that when the design accuracy was90%,stratified sampling was 21.91%,12.92%,and45.51%less than systematic sampling,respectively;when the design accuracy was85%,stratified sampling was21.51%,12.66%,and45.57%less than the systematic sampling, respectively;under the same design precision,the number of sampling units showed a trend of origin> dominant tree species>age group;according to90%design accuracy,the total biomass estimated by sys-tematic sampling was19.1483million t,the total biomass estimated by origin,dominant tree species and age group was16.0822million t,16.7903million t,15.3608million t,respectively.When the reliability and sampling design accuracy were the same,the actual sampling accuracy results was origin> dominant tree species>age group,in which the overall biomass estimated by the dominant tree species was16.7903million t which was closest to the actual biomass,and the sampling effect of estimated bio-mass based on the dominant tree species was better with the sampling accuracy of96.63%.Due to the obvious advantages of small sample size and high sampling accuracy,stratified sampling could provide a method reference for regional forest biomass sampling and estimation.Key words:stratified sampling;systematic sampling;forest aboveground biomass;sampling accuracy; forest management inventory data㊀㊀森林生物量是森林经过长期的生产和代谢,在一定年龄㊁一定面积上所生长的全部干物质的重量[1]㊂作为森林生态系统最基本的特征数据,森林生物量是研究森林生态系统结构㊁特征㊁功能以及森林生产力的基础,亦是计算森林生态系统碳储量的重要数据来源和全球碳循环的重要组成部分,是林学和生态学领域研究的热点问题[2]㊂为克服传统生物量调查时劳动强度大㊁时间和人力成本高等弊端,研究采用抽样的方式对森林生物量进行估测,这是目前可行的调查方法㊂森林生物量估测方法已成为区域或全国范围内进行森林生物量㊁生产力及其动态变化和碳平衡研究中最具代表性的手段之一㊂森林生物量数据主要通过直接测量和间接估算两种途径获得㊂目前,有关森林生物量间接估算的方法已有大量研究㊂可通过单木生物量推算样地生物量,再通过加权平均等方法推算林分㊁区域甚至更大空间尺度的森林生物量数据[3-11]㊂森林生物量抽样估计方法多基于森林资源连续清查(简称 一类调查 )样地数据或森林资源规划设计调查(简称 二类调查 )小班数据,因此其抽样估计方法多采用系统抽样或分层抽样[12]㊂系统抽样可使样本单元在总体中均匀分布,具有良好的代表性,且计算和操作简便,统计学基础可靠,是目前森林生物量抽样估计最常用且可行的途径[13];分层抽样则在样本量相同的情况下,总体标准误一般小于简单随机抽样㊁系统抽样或整群抽样[14],可显著提高估计精度,减少样本数量,节约调查成本[15]㊂分层抽样可将用地类型㊁森林类型㊁优势树种㊁林龄等属性作为分层变量[16],同时对各层进行参数估计㊂本研究以云南省大理市为研究区,基于全市二类调查小班数据,分别从样地大小㊁样本数量和抽样方法3个方面系统分析森林生物量抽样的不确定性;在可靠性为95%和抽样精度为90%㊁85%的两个水平,对基于不同分层变量的分层抽样和系统抽样进行对比分析,为今后区域森林生物量的精准计量方法研究提供理论依据,为提高森林生物量的抽样效率㊁建立精准高效的森林生物量抽样方法体系提供参考依据㊂1研究区概况研究区位于云南省大理市,地处云南省中部偏西,平均海拔为2090m,地理坐标为东经98ʎ52ᶄ~ 101ʎ03ᶄ,北纬24ʎ41ᶄ~26ʎ42ᶄ㊂土地总面积29459 km2㊂以低纬高原季风气候为主,四季温和,年温差小;由于地形地貌复杂,海拔高差悬殊,气候的垂直差异显著;河谷热,坝区暖,山区凉,高山寒,立体气候特征显著㊂森林资源丰富,是云南省的重点林区㊂主要树种有云南松㊁华山松㊁铁杉㊁冷杉㊁马尾杉㊁思㊃01㊃第48卷田志艳,等:基于森林资源二类调查数据的森林生物量抽样设计对比研究茅松㊁柏树㊁樟树㊁椿树和栎树等㊂珍稀树种有银杏㊁牟尼柏㊁罗汉松㊁秃杉㊁红豆杉和珙桐等㊂森林资源情况,截至2020年底,大理市森林总面积80892hm2,森林覆盖率46.54%,其中,有林地面积70491hm2,占总面积的87.14%;国家特别规定灌木林地面积10400hm2,占12.86%㊂在森林总面积中,天然林面积44417hm2,占54.91%;人工林面积36474hm2,占45.09%㊂与2019年相比,2020年度全市森林面积由70232hm2增长到80891hm2,净增10659hm2,增幅为15.15%;全市森林覆盖率由40.41%增长到46.54%,净增6.13%,呈平稳增长态势㊂2材料与方法2.1森林地上生物量计算以大理市2016年森林二类调查小班矢量数据为主要数据源,设置抽样间隔为1kmˑ1km,对森林地上生物量样本数据进行整理,以此作为本研究基础数据㊂参考‘云南省森林生物量和碳储量估算及发布研究“[17],利用生物量扩展因子法进行蓄积量-生物量转换,计算小班生物量,生物量转换因子模型如式(1)所示㊂各主要优势树种生物量扩展因子及木材密度如表1所示,计算得出的研究区地上生物量统计结果如表2所示㊂B=V㊃SVD㊃BEF(1)式中:B为森林地上生物量;BEF为生物量扩展因子;SVD为某优势树种的木材密度;V为林分蓄积㊂表1㊀森林地上生物量转换因子Tab.1㊀Conversion factors of forest aboveground biomass2.2抽样设计以上述计算得到的大理市森林地上生物量小班数据为基础,根据起源㊁龄组㊁优势树种等常用的森林生物量调查因子作为分层变量,在可靠性为95%时,分别设置抽样精度为90%和85%,并采用系统抽样进行对比分析㊂为确保达到抽样的准确性,共表2㊀大理市森林地上生物量统计Tab.2㊀Statistics of forest aboveground biomass in Dali City云南松227256.2987.3743.4栎类㊀83719.3579.8869.3其他㊀23026.1113.9649.5总计㊀334001.61681.2150.3重复抽取10次,样地大小重采样为30mˑ30m的栅格数据㊂2.2.1样本单元数确定1)系统抽样样本单元数确定对森林地上生物量样本数据进行随机抽取,计算标准差为30.25t/hm2,平均值为46.60t/hm2,利用平均值和标准差计算变异系数(c)㊂在可靠性为95%和抽样精度为90%㊁85%的情况下,计算所需要的样本量(n)为:n=tαcE()2(2)式中:c为总体变动系数;E为给定的相对误差;tα为可靠性指标㊂为避免无反应单元的情况,增加10%的保险系数,系统抽样样本数确定方法与简单随机抽样方法相同㊂2)基于不同分层变量的分层抽样样本单元数确定利用森林起源㊁龄组㊁优势树种作为分层变量,计算不同分层下的样本平均值与标准差,通过总样本和各层样本计算各层权重㊂分层抽样的样本计算方法采用的是最优分配法,根据各层的变动大小和层权重2个方面,再给定n的条件下,合理分配各层的样本单元数(n h),使得误差达到最小;且在各层独立㊁随机地进行抽样,其计算公式为:n=tα2ðm h=1W h S h2E2ðm h=1W h y h()2(3)式中:W h为第h层总体单元占总体N的比重(层权重);S h为第h层的标准差;y h为第h层平均数估计值㊂2.2.2样地布设基于ArcGIS生成研究区公里网格㊂系统抽样的样本点是均匀分布的,计算抽样间隔;分层抽样基㊃11㊃第2期林业调查规划于森林二类调查数据获得不同分层的图层,在层内以网络编号随机确定样地位置㊂两个样地之间实际地面距离(L )公式为:L =100A n(4)式中:A 为总体面积;n 为实际抽取的样本单元数㊂2.3抽样精度计算总体平均数估计值标准误差(S Y st)㊁绝对误差限(ΔY st)㊁相对误差限(AE)㊁抽样精度(p )计算公式分别为:S Y st=S Yst2(5)ΔY st=t αˑS Y st(6)AE =ΔYstY stˑ100%(7)p =100%-AE (8)式中:S Yst2为层平均数方差;Y st 为平均数估计值㊂2.4分层变量的方差分析采用SPSS 中的单因素方差分析法,分别计算起源㊁龄组㊁优势树种的森林地上生物量组间和组内方差,进而解释森林地上生物量调查中对分层抽样变量选择的合理性㊂3结果与分析3.1样地布设利用系统抽样进行了样地单元布设,在设置精度为90%和85%的情况下,计算出2种抽样间隔,分别是4332m ˑ4332m㊁6502m ˑ6502m,结果如图1所示㊂在ArcGIS 中利用Fishnet 对大理市进行不同规格抽样单元的划分,然后对样本进行有规律的抽取㊂3.2分层抽样利用起源㊁龄组㊁优势树种3个常用的森林调查因子,根据其因子特性首先进行分层㊂分层后利用SPSS 中的单因素方差分析结果(表3)以及传统分层抽样的要求,对样本过少的分层进行合并,并根据分类习惯调整㊂最终得出利用3个森林调查因子进行分层的结果,结果如图2所示㊂3.3抽样单元数分层抽样的样本计算方法均采用的是最优分配法,计算出各个因子所占比例,根据公式计算抽样单元数㊂不同抽样方法在不同设计精度情况下的抽样单元数如表4所示㊂图1㊀样地布点Fig.1㊀Layout of sample plots㊀㊀从表4可以看出,在分层抽样中,利用优势树种㊁起源㊁龄组3个分层变量分层抽取所需的样本单元数,在设置可靠性为95%㊁抽样精度为90%时,分别比系统抽样少21.91%㊁12.92%㊁45.51%;抽样精度为85%时,分别比系统抽样少21.51%㊁12.66%㊁45.57%㊂根据样本单元数的计算结果来看,在相同设计精度下,系统抽样的抽样单元数较多,分层抽样单元数相对较少㊂在分层抽样中,抽样单元数呈现起源>优势树种>龄组的变化趋势㊂㊃21㊃第48卷田志艳,等:基于森林资源二类调查数据的森林生物量抽样设计对比研究表3㊀单因子分层抽样方差分析Tab.3㊀Analysis of variance of one-waystratified sampling优势树种云南松㊀41.4223.5068.0栎类㊀㊀64.0041.9425.1其他树种45.9028.42 6.9起源天然㊀㊀49.6833.2972.8人工㊀㊀40.1422.698.1飞播㊀㊀39.9220.0219.1龄组龄组Ⅰ㊀31.4217.0436.3龄组Ⅱ㊀47.2222.0047.1龄组Ⅲ㊀85.1844.0816.7总计46.6130.25100.0注:优势树种的其他树种包括华山松㊁桤木㊁其他阔叶林㊁桉树;龄组Ⅰ(幼龄林)㊁龄组Ⅱ(中龄林)㊁龄组Ⅲ(近熟林㊁成熟林㊁过熟林)㊂表4㊀样本单元数确定Tab.4㊀Determination of sample units number起源㊀㊀155-12.92龄组㊀㊀97-45.518579优势树种62-21.516502起源㊀㊀69-12.66龄组㊀㊀43-45.573.4抽样精度利用不同分层因子进行分析,其分层抽样精度均比系统抽样精度高,重复抽取10次(表5)㊂在系统抽样中,设置可靠性为95%,抽样精度为90%时,实际抽样精度为90.91%,估测的总体生物量为1914.83万t;抽样精度为85%时,实际抽样精度为87.25%,估测的总体生物量为1674.35万t,此时最接近实际生物量㊂在分层抽样中,设置可靠性为95%,抽样精度为90%时,以优势树种为分层变量的实际抽样精度为96.63%;以起源为分层变量的实际抽样精度为96.77%;以龄组为分层变量的实际抽样精度为96.00%;实际抽样精度结果排序为起源>优势树种>图2㊀分层提取结果Fig.2㊀Layered extraction results㊃31㊃第2期林业调查规划表5㊀不同抽样方法的抽样结果Tab.5㊀Sampling results of different sampling methods90系统抽样57.3335.469.0990.911914.83分层抽样优势树种云南松42.6025.091422.85栎类㊀61.9939.502070.48其他㊀树种㊀50.3420.481681.37总计㊀50.2732.33 3.3796.631679.03起源天然㊀50.1333.331674.35人工㊀44.1218.161473.62飞播㊀37.5216.281253.18总计㊀48.1531.23 3.2396.771608.22龄组龄组Ⅰ㊀31.8013.781062.13龄组Ⅱ㊀47.7725.731595.53龄组Ⅲ91.2238.583046.77总计㊀45.9929.224.0096.001536.0885系统抽样50.1328.9712.7587.251674.35分层抽样优势树种云南松42.5222.221420.18栎类㊀86.8856.122901.81其他㊀树种㊀47.2147.681573.82总计㊀59.2845.21 6.0094.001979.96起源天然㊀50.5431.131688.05人工㊀28.789.58961.26飞播㊀39.7219.161326.66总计㊀47.8729.58 4.6195.391598.87龄组龄组Ⅰ㊀29.1614.42973.95龄组Ⅱ㊀43.8520.391464.60龄组Ⅲ66.0021.812204.41总计㊀40.1023.365.5194.491339.35龄组,利用优势树种估测的总体生物量为1679.03万t,最接近实际生物量;抽样精度为85%时,以优势树种为分层变量的实际抽样精度为94.00%;以起源为分层变量的实际抽样精度为95.39%;以龄组为分层变量的实际抽样精度为94.49%;实际抽样精度排序结果为龄组>起源>优势树种,利用起源估测的总体生物量为1598.87万t,最接近实际生物量㊂3.5分层变量对比分析不同分层变量的方差分析结果见表6㊂表6㊀分层变量的组内与组间的方差分析Tab.6㊀Analysis of variance within and betweengroups of stratified variables优势树种组间3549.47758200.610 2.9620.000组内1667.24580960.206总计5216.72313916起源组间4019.01958200.691 1.0000.504组内5592.23680960.691总计9611.25613916龄组组间3948.06458200.678 2.1930.000组内2504.38780960.309总计6452.45113916㊀㊀由表6可以看出,单因子变量分层抽样中,组间方差均高于组内方差,组间差异呈现优势树种>龄组>起源的趋势,其中优势树种变量的组间方差最大,这与实际抽样精度结果一致㊂4结论与讨论1)以大理市2016年森林资源规划设计调查(二类调查)小班矢量数据为基础数据,采用系统抽样和分层抽样方法,在相同可靠性和不同设计精度下,对实际抽样精度㊁抽样样本单元数和抽样效率进行对比分析㊂系统抽样采用计算间隔进行抽样,分层抽样以起源㊁优势树种㊁龄组为分层变量进行抽样㊂2)根据抽样精度计算结果得出,抽样调查精度的高低取决于抽样误差及可靠性指标㊂当可靠性一定时,抽样误差越小,估计误差亦越小,精度则越高㊂当抽样误差一定时,可靠性指标越高,精度越低㊂当设计可靠性为95%㊁抽样精度为85%时,系统抽样的样本量为79,实际抽样精度为87.25%,估测的总生物量为1674.35万t,与实际估测的生物量接近;当设计可靠性为95%㊁抽样精度为90%时,按优势树种进行分层抽样,其样本量为139,实际抽样精度为96.63%,估测的总生物量为1679.03万t,与实际估测的生物量接近,抽样效果最好㊂根据不同抽样方法的样本数量估测的总生物量结果得出,90%和㊃41㊃第48卷田志艳,等:基于森林资源二类调查数据的森林生物量抽样设计对比研究85%的抽样设计精度为不同成本投入和精度要求下开展森林生物量估测提供了多种抽样选择㊂与系统抽样相比,分层抽样具有样本数量少㊁抽样精度高的明显优势㊂3)样本单元数的大小直接与资金投入和外业调查时间相关,是抽样效率的主要评价因子㊂在森林碳储量计算过程中抽样误差主要受样地数量㊁大小㊁抽样方式及自然条件等因素影响[18]㊂在实际调查中调查方式仍以人力调查为主,将增加人为误差,如树高对应错误㊁树木漏测㊁树种记录错误等,均会对内业计算产生影响;有的样本单元分散或部分样地位置特殊,也将增加生物量数据的不确定性㊂单从抽样成本与估测精度来确定抽样方法是不全面的㊂在实际操作中,要考虑森林生物量空间分布存在显著差异[19]㊂4)本研究中森林生物量值通过生物量扩展因子转换得出,最终导致一些生物量值偏高或偏低,在实际调查中可调整计算标准㊂在分层抽样中,为保证抽样精度,可将数据少或差别不明显的层合并优化,保证层间方差大即可,这样进行的生物量分层抽样设计将具有很强的合理性,理论上可获得更高的抽样效率㊂将优势树种部分数据进行合并,抽样效果较好,但由于本次研究的样本数量有限,尚缺乏具体优化设计㊂在下一步研究中,可根据因子属性将一些常规的分层变量进行细化和优化,找到最优抽样设计方案,以达到减小误差,提高效率,降低成本,提高抽样效率的目的㊂参考文献:[1]冯宗炜.中国森林生态系统生物量和生产力[M].北京:科学出版社,1993.[2]FANG J Y,LIU G H,XU S L.Forest biomass of China:An estimation based on the biomass-volume relationship[J]. Ecological Applications,1998(8):1084-1091. [3]唐守正,张会儒.相容性生物量模型的建立及其估计方法的研究[J].林业科学,2000,36(z1):19-27. [4]雷渊才,唐守正.适应性群团抽样技术方法和应用研究进展[J].林业科学,2009,45(3):118-127. [5]李海奎,赵鹏祥,雷渊才,等.基于森林清查资料的乔木林生物量估算方法的比较[J].林业科学,2012,48(5): 44-52.[6]胥辉.两种生物量模型的比较[J].西南林学院学报,2003,23(2):36-39.[7]曾伟生,唐守正.国外立木生物量模型研究现状与展望[J].世界林业研究,2010,23(4):30-35. [8]雷相东,张会儒,牟惠生.东北过伐林区蒙古栎林分相容性生物量模型研究[J].第四纪研究,2010,30(3): 559-565.[9]王仲锋.森林生物量建模与精度分析[D].北京:北京林业大学,2006.[10]罗云建,张小全,王效科,等.森林生物量的估算方法及其研究进展[J].林业科学,2009,45(8):129-134.[11]AVITABILE V,CAMIA A.An assessment of forest biomassmaps in Europe using harmonized national statistics andinventory plots[J].Forest Ecology and Management,2017(409):489-498.[12]冯仲科,罗旭,石丽萍.森林生物量研究的若干问题及完善途径[J].世界林业研究,2005,18(3):25-28. [13]SHEN W J,LI M S,HUANG C Q,et al.Annual forestaboveground biomass changes mapped using ICESat/GLAS measurements,historical inventory data,and time-series optical and radar imagery for Guangdong province,China[J].Agricultural and Forest Meteorology,2018(259):23-38.[14]STRIMBU V F,ENE L T,GOBAKKEN T,et al.Post-stratified change estimation for large-area forest biomassusing repeated ALS strip sampling[J].Canadian Journalof Forest Research,2017(47):839-847. [15]FASSNACHT F E,LATIFI H,HARTIG ing synthet-ic data to evaluate the benefits of large field plots for for-est biomass estimation with LiDAR[J].Remote Sensing ofEnvironment,2018(213):115-128.[16]张超.三峡库区森林碳储量估测研究[D].北京:北京林业大学,2016.[17]胥辉,张子翼,欧光龙,等.云南省森林生物量和碳储量估算及分布研究[M].昆明:云南科技出版社,2019.[18]PICARD N,GAMARRA J G P,BIRIGAZZI L,et al.Plot-level variability in biomass for tropical forest inventory de-signs[J].Forest Ecology and Management,2018(430):10-20.[19]AHMED R,SIQUEIRA P,HENSLEY S,et al.Uncertaintyof forest biomass estimates in north temperate forests dueto allometry:Implications for remote sensing[J].RemoteSensing,2013(5):3007-3036.责任编辑:陈旭㊃51㊃第2期。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第4期
张会儒等: 基于 ArcGIS 和二类调查数据的森林资源动态分析系统
1 03
分析森林资源的动态变化是森林资源评价和制 定林业发展方针的前提和基础。近年来, 随着计算 机和信息技术的飞速发展, 给森林资源的动态变化 分析提供了新的技术手段。利用计算机和地理信息 系统建立森林资源的动态变化分析系统, 实现森林 资源动态变化分析的自动化和高效率, 成为当前新 的发展趋势。虽然我国以往在森林资源管理系统中 也有一些森林资源统计分析的功能, 但仅限于静态 的, 缺少动态变化的分析, 且从分析的内容上来看, 仅限于森林资源的数量和质量的分析, 未包括景观 格局和生态效益的分 析。本文以北 京市延庆县为 例, 基于 ArcGIS 和二类调查数据, 研究开发了森林 资源动态分析系统。系统除具有一般通用的操作和 查询统计功能外, 主要实现了森林资源动态变化、森 林景观格局变化、森林生态效益变化的统计计算和 分析, 为森林资源动态变化分析提供了实用的手段 和工具。
0 282 pij / aij
根据北京市公布的 十五 森林资源二类调查 结果, 延庆县林地面积为 151 228 5hm2, 占土地面积 的 75 9% ; 林 木 绿 化 率 达 67% , 森 林 覆 盖 率 达 56 3% , 活立木蓄积量达 180 9 万 m3。县内森林资 源丰富, 类型多样, 原始植被类型为暖温带落叶阔叶 林和温带 针叶林, 常 见的森 林类 型主 要有油 松林 ( Pinus tabulaeformis) , 蒙 古 栎 林 ( Quercus mongoli cus) , 山杨林( Populus davidiana) , 阔( 落) 叶混交林 等。此外, 白 桦 ( Betula platyphylla) 、山 杏 ( Prunus armeniaca) 、胡桃楸( Juglans mandshurica) 、臭椿( Ai lanthus altissima) 、毛白杨( Populus tomentosa) 、旱柳 ( Salix matsudana) 、榆树( Ulmus pumila) 、桑树( Mo rus alba) 等华北常见树种也有广泛分布。延庆县人
能架构。
4 系统主要分析模块的实现方法与原理 4 1 森林资源统计分析
森林资源的动态变化包括时间上和空间上 2 个 方面[ 2 -4] , 本研究利用 ArcGIS 具有的强大的归纳统 计和空间叠加分析功能, 进行研究区域森林资源动 态变化的时空分析, 包括面积的变化、蓄积的变化、 林分因子的变化、优势树种的变化和龄组的变化以 及其空间分布等, 分析结果以图表的形式显示。
4) 森林资源数据的生态效益计算和分析, 包括 森林涵养水源、保育土壤、固碳、空气净化等生态效 益的实物量计量和分析;
5) 对区域的森林资源格局实现景观生态学的 分析, 包括景观要素组成结构、斑块特征、景观异质 性、空间分布格局等指数的计算和分析;
6) 森林资源的空间动态分析, 即专题图的制作 生成。
收稿日期: 2011 - 06 - 03; 修回日期: 2011 - 06 - 23 基金项目: 林业公益性行业专项( 200804009) ; 国家 十一五 科技支撑计划 专题( 2006BAD23B0202) 作者简介: 张会儒( 1964 - ) , 男, 甘肃合水人, 研究员, 主要从事森林资源管理与决 策、森林可持续经营研究。
工栽植的树种主 要有油松、侧柏( Platycladus orien talis) 、落叶松( Larix principis rupprechtii) 、刺槐( Rob inia pseudoacacia ) 、国 槐 ( Sophora japonica ) 、黄 栌 ( Cotinus coggygria) 、火炬树( Rhus typhina) 、元宝枫 ( Acer truncatum) 等。
摘要: 以北京市延庆县为例, 基于 1999 年和 2004 年森林资源规划设计调查 ( 二类调查) 数据以及 ArcGIS Engine 开发平台, 研建了具有林业行业 特色的森林资源动态分 析系统 软件。系统 除具有 一般通 用的操作 和查询 统计功 能外, 还实现了森林资源统计分 析、森林 景观格局指 数计算 分析、森林 生态效 益计算 分析等 功能, 系统 操作简 便、高效, 为森林资源动态变化的统计分 析提供了实用 的手段 和工具, 为 今后研 建森林 资源综合 分析评 价系统 奠定了基础。 关键词: 森林资源; 景观格局; 生态效益; 统 计分析; ArcGIS; 二类调查 数据; 延庆县 中图分类号: S757; TP39 文献标识码: A 文章编号: 1002 - 6622( 2011) 04 - 0102 - 07
表 1 景观要素划分因子及分级列表
分类因子
分级范围
I 级: 土地利用类型 有林地、疏林地、灌木林地、未成 林地、苗圃地、 无立木林地、宜林地、辅助生产林地、非林地
II 级: 优势树种组 侧柏、落叶松、油松、栎类、桦木、山杨、刺槐、杨 树、山杏、阔叶树、经济林
Байду номын сангаас
景观格局
景观指数
表 2 系统中应用 的 10 个景观指数
2 系统目标与需求 本研究开发的森林资源动态分析系统( Analysis
System of Forest Resource Dynamic) 所面向的用户主 要是从事森林资源管理的研究者或管理人员。基于 对业务的需求, 结合林业行业的特点和森林资源数 据状况, 以地理信息系统( GIS) 作 为系统开发的基 本平台, 实现森林资源统计分析、森林景观格局指数 计算分析、森林生态效益计算分析等功能。具体来 讲, 主要目标是实现以下几个方面的功能:
第4期
张会儒等: 基于 ArcGIS 和二类调查数据的森林资源动态分析系统
1 05
4 2 森林景观格局分析 选择土地利用类型和优势树种组两个因子进行
景观划分, 形成两级景观类型的体系( 表 1) 。在此 基础上, 采用了常见的 10 个景观指数( 表 2) 对研究 区域两年的景观格局进行 4 方面的动态分析, 包括 景观要素组成结构、斑块特征、景观异质性、空间分 布格局等方面[ 5] 。
1 04
林业资源管理
第4期
为了实现上述目标, 我们以 ArcGIS 作为系统开 发的基本平台[ 1 ] , 将相关 基础功能进行整 合, 开发 形成一个具有林业行业分析意义的应用软件, 满足 森林资源动态变化分析的工作需求。
3 系统主要功能模块设计 根据森林资源动态统计分析系统的设计目标和
相关原则, 在充分利用现有计算机软硬件资源的条 件下, 深入挖掘原始数据 的利用价值, 力求完成全 面、深入、可靠的统计和分析功能。图 1 为本系统功
Analysis System of Forest Resource Dynamics Based on ArcGIS and Forest Management Survey Data
ZHANG Huiru1 , HE Peng1 , JIN Aixian2
( 1 Institute of Forest Resource Informat ion Techni ques, China Academy of Forestry, Beijing 100091; 2 Academy of Forest Inventory and Plan ning, State Forestry Administration, Beijing 100714, China)
本文的基础数据来源于北京市延庆县 1999 年 和 2004 年两期森林资源二类调查结果, 以 ArcGIS 的 shapefile 矢量形式储存, 包含空间数据和属性数 据。空间数据的基本 元素 为多边 形, 采 用北 京 54 坐标系, 高斯 - 克吕 格投 影。属 性数 据严 格按 照 《国家森林资源规划设计调查技术规程》中命名的 要求, 包括小班号、面积、地类、优势树种组、起源、 树种组成、坡度、坡向、海拔等若干数据项。
1 研究区域概况及数据来源 研究区域延庆县位于北京市西北部, 县城距北
京市城区约 745km, 为北京市辖远郊县。地理坐标 介于东经 115 44 ~ 116 34 , 北纬 40 10 ~ 40 47 之 间。县域呈东北向西南延伸的长方形, 境内地势东 北高, 西南低, 东、南、北三面环山, 西面为官厅水库, 在县域 西南 部形成 山间 盆地。土 地总面 积为 1 993 755km2, 现辖 15 个乡镇。
计算公式
斑块个数 NP
N Pi = ni
要素组成
斑块特征 ( 大小、形状)
面积 CA 优势度 D 面积加权的平均形状指数 AWMSI 面积加权的平均分形指数 AWMPFD
n
CA i = ai = j = 1aij
n
n
Di =
j
=
a
1
ij
/A
+
j
= 1nij
/N
100 /2
n
A WMSIi = j = 1
Abstract: This study takes Beijing Yanqing county as an example The analysis system of forest resource dynamics with forestry characteristics was built based on the 1999 and 2004 forest management survey ( class 2 survey) data and ArcGIS Engine development platform The system not only has functions of ge neric operation, inquiry and statistics, but also the functions of forest resources statistics analysis, forest landscape pattern index calculation and analysis, forest ecological benefit calculation and analysis The system is easy to operate and has high efficiency So it provides practical means and tools for statistical a nalysis of of forest resources dynamic change, and also a foundation for future researchon on building for est resources comprehensive evaluation system Key words: forest resource, landscape pattern, ecological benefit statistics and analysis, ArcGIS, forest management inventory data, Yanqing County