森林自然度等级划分
一二三四级林地划分标准
一二三四级林地划分标准
一二三四级林地划分标准如下：
一级林地：林木种类丰富，植被覆盖率高，具有重要的生态价值和生态功能。
主要用于保护森林生态系统、维护水源、防护土壤以及保护森林生物多样性。
二级林地：林木种类较为丰富，植被覆盖率较高，具有较高的生态价值和生态功能。
主要用于保护森林生态系统，维护水源，以及开展生态旅游等活动。
三级林地：林木种类较为丰富，植被覆盖率在一定范围之内，具有一定的经济和生态价值。
主要用于进行可持续的森林经营，开展林下经济和生态旅游等活动。
四级林地：未成林造林地，指一年内新造但尚未郁闭成林的造林地。
希望以上信息对您有所帮助，如果您还有其他问题，欢迎告诉我。
国家林业局办公室关于开展国有林场改革监测工作的通知
国家林业局办公室关于开展国有林场改革监测工作的通知文章属性•【制定机关】国家林业局(已撤销)•【公布日期】2017.01.12•【文号】办场字〔2017〕9号•【施行日期】2017.01.12•【效力等级】部门规范性文件•【时效性】现行有效•【主题分类】森林资源正文国家林业局办公室关于开展国有林场改革监测工作的通知办场字〔2017〕9号各省、自治区、直辖市林业厅（局），新疆生产建设兵团林业局：为跟踪分析改革进展，总结推广成功经验，发现解决存在问题，科学评估改革成效，按照中发〔2015〕6号文件要求，我局决定开展国有林场改革监测工作。
经研究，选择有代表性的河北等10个省对国有林场改革开展重点监测，其他省区市的国有林场改革监测工作由各省区市根据本地实际情况自行安排。
现将有关事项通知如下：一、监测时间监测期为2016—2020年。
二、重点监测范围和监测对象重点监测范围为河北、吉林、浙江、福建、江西、山东、湖南、广东、四川、甘肃等10个省。
在10个重点监测省内，按林场总数的5%选取不同性质、不同管理层级的94个国有林场作为本次监测样本林场（详见附件1）。
在每个样本林场，按职工总数的5%选取样本职工，每个林场不低于10人。
三、监测指标主要监测指标为全省国有林场改革进展情况、样本林场改革效果及职工满意度等。
具体监测指标见附件2—5。
四、监测方法委托中国林科院，采取抽样问卷调研和现场核查相结合的方法进行跟踪监测。
对于国有林场改革进程、影响、趋势、政策需求等方面的信息，主要采取在样本林场问卷调研的方法来完成。
对于体制改革、机制创新、基础设施建设情况和焦点、热点、难点问题以及改革的成功经验和典型案例等，主要通过专题调研来完成。
对于改革效果，主要通过现场核查来完成。
五、有关要求（一）高度重视，加强领导。
重点监测省林业主管部门要高度重视，采取有效措施，切实加强组织领导，积极支持国有林场改革监测工作，确保监测工作顺利开展。
林地等级划分标准
等级
等地 县城工业园距离 km
措施、建议及 说明
调查人员签字： 调查时间： 年 月 日
质保人员签字：
年 月 日.
项目经理签字： 年 月 日
林地等级调查评定方法及调查表格填写说明
一、概况调查 1、行政单位：按林地所处行政区域位置，据实填写省（市、自治区）、县（市、区）、 乡镇（林场）、行政村（分场、经营区）、村民小组。 2、林地流转编号：根据林地流转顺序，在外业调查工作中，将区划的地块用阿拉伯数 字编号，即 1、2、3…… 3、小班号：在林地流转过程中，外业调查时先编林地流转号，待全村林地流转和小班 调查工作结束后，对流转的地块以行政村为单位，在图幅上按“从上到下、从左到右”的顺 序，用阿拉伯数字编小班号，即 1、2、3……。公司要求在流转林地时，按照小班调查深度 的要求，进行小班区划与调查，以便为造林作业设计和林地经营提供依据。但若在林地流转 中，确实难以按小班调查要求进行详细区划调查的，可按林地流转号进行林地调查，此小班 号在林地流转调查时可暂不编号。 4、图幅号：填写林地所在比例尺为 1：10000 地形图的图幅编号。 5、小地名：填写流转林地所处的小地名，如果确实没有小地名的，可填写较大范围的 地名，如陈家湾、张家湾等等。 6、林地中心距电厂或县城工业园距离：根据公路里程测算或在地形图上量测林地中心 距该县拟建凯迪生物质电厂的水平距离，若电厂厂址未定则量测距县城工业园的距离。 二、林地调查 1、地类：以林业部门区划资料和现地调查相结合，准确填写地类。地类划分如下： （1）有林地； （2）疏林地； （3）灌木林地； （4）未成林造林地；
草本
主要草种： .高度 cm.盖度 %.分布状况： .Biblioteka 林地等级评定海拔得分
石砾含量得 分
森林自然度评价方法
森林自然度评价方法先对各评价指标运用层次分析法赋权重，然后运用熵值法对其进行修正，采用这一方法量化评价森林自然度。
森林自然度(S)为评价指标去量纲后评价值及修正后权重的乘积之和:S=∑=ni i i B 1λ (i= 1,2，…，n)i λ 森林自然评价指标运用熵权法修正后的权重i B 各指标进行标准化后的评价值森林自然度指现实森林状态与地带性原始群落或顶极群落在树种组成、结构特征、树种多样性和林分活力等方面的相似程度以及人为干扰程度的大小，它不仅包括森林的树种组成、水平结构特征、空间结构特征，而且包括森林的更新能力、生产能力及人为干扰程度。
森林自然度评价体系中指标层指标从不同方面反映了林分状态，但由于各指标代表的意义不同，数量级不同，量纲也有所差异，且并不是每个指标的值越大林分的状态越接近自然，因此，要对每个指标进行标准化处理，并尽量使其转化为［0，1］区间内，从而使指标具可比性和区分度。
对于本身没有量纲，且在［0，1］区间内的正向指标则不需要进行处理，即指标值越大越接近自然，对于负向指标则进行转化处理，使其转化为具有正向意义的数值，如采伐强度；对于其他指标则采用定性与定量的方法，尽量引入国家有关标准、科研成果、行业和地方有关规定或行业或区域的最高水平，如蓄积量、结构指标等。
树种组成作为森林自然度的一个重要体现选取林分各树种(组)的株数组成和断面积组成2个评价指标，即用树种(组)的相对多度和相对显著度与顶极适应值(CAN)的乘积来评价自然度。
将调查林分中出现的树种根据自然植被状况及其生物特性把树种在群落中所处的地位或在演替阶段中所处的地位划分为顶极种(组)、伴生种(组)和先锋种(组)分别赋予顶极种组、伴生种组、先锋种组和外来种组4个树种组相的顶极适应值(i A )1.0，0.5,0.2和0.1林分结构从非空间结构和空间结构2个方面来体现森林近自然程度。
径级结构是体现林分非空间结构的重要方面，林分胸径便于测定，而且径级结构在一定程度上反映了林分的时间结构。
林地等级划分标准
林地等级划分标准林地是指有森林植被覆盖的土地，是地球上重要的自然资源，对于生态平衡和环境保护具有重要意义。
为了科学合理地管理林地资源，需要对林地进行等级划分，以便更好地制定保护和利用政策。
林地等级划分标准是对林地进行分类评定的指导性标准，本文将就林地等级划分标准进行详细介绍。
一、林地等级划分的目的。
林地等级划分的目的在于科学评价林地资源的质量和价值，为合理规划和管理林地提供依据。
通过等级划分，可以明确不同林地的功能定位，合理利用和保护林地资源，实现生态、经济和社会效益的统一。
二、林地等级划分的原则。
1.生态原则，根据生态系统的稳定性、多样性和完整性，评价林地的生态功能，保护和恢复生态系统。
2.经济原则，根据林地的资源开发潜力和经济效益，评价林地的经济价值，合理开发和利用林地资源。
3.社会原则，考虑林地对社会的服务功能和影响，评价林地的社会效益，满足人们对美好生活的需求。
三、林地等级划分的指标。
1.植被指标，包括植被类型、植被覆盖率、植被密度等，反映林地的植被状况和生态功能。
2.土壤指标，包括土壤类型、土壤肥力、土壤水分等，反映林地的土壤质量和生产力。
3.地形指标，包括地势起伏、坡度、坡向等，反映林地的地形特征和地貌类型。
4.气候指标，包括气温、降水、日照等，反映林地的气候条件和气候适宜性。
5.水文指标，包括水资源分布、水质、水量等，反映林地的水文状况和水资源利用状况。
6.生物指标，包括野生动物种类、数量、分布等，反映林地的生物多样性和野生动物资源。
四、林地等级划分的方法。
1.定性评价法，根据林地的植被、土壤、地形、气候、水文和生物等指标，进行综合评价，确定林地的等级。
2.定量评价法，采用定量指标和定量分析方法，对林地的各项指标进行量化评价，确定林地的等级。
3.专家评价法，邀请相关领域的专家学者，采用专家打分法或专家咨询法，对林地进行评价，确定林地的等级。
五、林地等级划分的应用。
1.生态保护，根据林地的等级，制定相应的生态保护政策，加强对重点保护林地的保护力度，实现生态环境的持续改善。
林地等级划分标准
林地等级划分标准林地等级划分标准是指根据不同的生态环境特征和植被类型，对林地进行分类和等级划分的标准。
林地等级划分的目的在于科学评价林地的质量和功能，为合理利用和保护林地资源提供依据。
下面将对林地等级划分标准进行详细介绍。
一、生态环境特征。
生态环境特征是林地等级划分的重要依据之一。
生态环境特征包括气候条件、土壤类型、地形地貌等因素。
气候条件是影响林地生长发育的重要因素，不同气候条件下的林地具有不同的生态环境特征。
土壤类型和地形地貌对林地的生长环境也有着重要的影响，不同土壤类型和地形地貌下的林地具有不同的生态环境特征。
二、植被类型。
植被类型是林地等级划分的另一个重要依据。
不同的植被类型反映了不同的生态系统特征，对于评价林地的质量和功能具有重要意义。
常见的植被类型包括针叶林、阔叶林、针阔混交林等，它们在生长环境、物种组成、生态功能等方面存在着显著差异。
三、林地等级划分标准。
根据生态环境特征和植被类型，可以将林地划分为不同的等级。
一般来说，林地等级划分可以分为优良、中等和一般三个等级。
优良林地具有较好的生态环境特征和丰富的植被类型，生态功能完整，对保护生物多样性和维持生态平衡具有重要意义。
中等林地具有一定的生态环境特征和植被类型，生态功能一般，对生态环境的维护和改善有一定作用。
一般林地生态环境特征较差，植被类型单一，生态功能较弱，需要加强保护和恢复。
四、林地等级划分的意义。
林地等级划分对于科学评价林地的质量和功能具有重要的意义。
首先，林地等级划分可以为林地资源的合理利用提供依据。
不同等级的林地具有不同的生态功能和经济价值，科学合理地利用林地资源对于保护生态环境、促进经济发展具有重要意义。
其次，林地等级划分可以为林地资源的保护和管理提供科学依据。
不同等级的林地对于生物多样性、水土保持、气候调节等方面具有不同的重要性，科学合理地保护和管理林地资源可以实现生态效益和经济效益的双赢。
五、结论。
林地等级划分是对林地资源进行科学评价和管理的重要手段，具有重要的理论和实践意义。
基于高分二号遥感数据的森林自然度等级划分
收稿日期:２０１９－０４－０８修回日期:２０１９－０９－０４基金项目:国家重点研发项目(２０１７ＹＦＣ０５０５５０４０４)ꎮ第一作者简介:张驰(１９９３－)ꎬ男ꎬ硕士研究生ꎬ从事人工林近自然化改造研究ꎮＥｍａｉｌ:２７９３４１５３１＠ｑｑ.ｃｏｍꎮ通信作者:佃袁勇(１９８１－)ꎬ男ꎬ副教授ꎬ从事遥感技术在生态环境中的应用研究ꎮＤＯＩ:１０.１３３２４/ｊ.ｃｎｋｉ.ｊｆｃｆ.２０２０.０１.０１３基于高分二号遥感数据的森林自然度等级划分张㊀驰１ꎬ佃袁勇１ꎬ２ꎬ黄光体３ꎬ周靖靖１ꎬ２ꎬ李㊀源１ꎬ王㊀熊１(１.华中农业大学园艺林学学院ꎬ湖北武汉４３００７０ꎻ２.湖北林业信息工程技术研究中心ꎬ湖北武汉４３００７０ꎻ３.湖北省林业调查规划院ꎬ湖北武汉４３００７９)摘要:以地面样点为基础的森林自然度评价方法很难获得区域范围森林自然度等级ꎬ针对该问题ꎬ提出了利用高分遥感卫星影像数据ꎬ划分区域范围森林自然度等级的方法ꎮ以湖北竹山县九华山林场为试验区域ꎬ在选取研究区典型样地的基础上ꎬ结合高分二号(ＧＦ￣２)遥感影像数据的特点ꎬ从ＧＦ￣２影像上提取遥感光谱㊁纹理等特征并结合地形特征ꎬ采用随机森林算法在大尺度范围对九华山林场森林自然度等级进行分类研究ꎮ结果发现:以ＧＦ￣２数据为基础提取的植被指数㊁光谱㊁纹理等特征与地形特征结合ꎬ采用随机森林算法可较好地划分森林自然度等级ꎬ总体分类精度高达９３.９７％ꎬＫａｐｐａ系开放科学标识码(ＯＳＩＤ码)数为０.９１ꎮ对森林自然度等级影响最重要的６个特征因子为高程㊁坡向㊁坡度㊁纹理均值㊁光谱主成分变化分量和归一化植被指数(ＮＤＶＩ)ꎮ结果表明ꎬ基于遥感影像提取的特征和地形特征结合进行森林自然度等级划分的研究方法具有可行性ꎬ为大面积区域的森林自然度等级划分奠定基础ꎮ关键词:遥感数据ꎻ高分二号ꎻ森林自然度ꎻ随机森林中图分类号:Ｘ８２１文献标识码:Ａ文章编号:２０９６－００１８(２０２０)０１－００９１－０８ＦｏｒｅｓｔｎａｔｕｒａｌｎｅｓｓｃｌａｓｓｉｆｉｃａｔｉｏｎｂａｓｅｄｏｎＧＦ￣２ｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａＺＨＡＮＧＣｈｉ１ꎬＤＩＡＮＹｕａｎｙｏｎｇ１ꎬ２ꎬＨＵＡＮＧＧｕａｎｇｔｉ３ꎬＺＨＯＵＪｉｎｇｊｉｎｇ１ꎬ２ꎬＬＩＹｕａｎ１ꎬＷＡＮＧＸｉｏｎｇ１(１.ＣｏｌｌｅｇｅｏｆＨｏｒｔｉｃｕｌｔｕｒｅａｎｄＦｏｒｅｓｔｒｙＳｃｉｅｎｃｅｓꎬＨｕａｚｈｏｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙꎬＷｕｈａｎꎬＨｕｂｅｉ４３００７０ꎬＣｈｉｎａꎻ２.ＨｕｂｅｉＥｎｇｉｎｅｅｒｉｎｇＴｅｃｈｎｏｌｏｇｙＲｅｓｅａｒｃｈＣｅｎｔｅｒｆｏｒＦｏｒｅｓｔｒｙＩｎｆｏｒｍａｔｉｏｎꎬＷｕｈａｎꎬＨｕｂｅｉ４３００７０ꎬＣｈｉｎａꎻ３.ＩｎｖｅｓｔｉｇａｔｉｏｎａｎｄＰｌａｎｎｉｎｇＩｎｓｔｉｔｕｔｅｏｆＨｕｂｅｉＦｏｒｅｓｔｒｙꎬＷｕｈａｎꎬＨｕｂｅｉ４３００７９ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｉｔｉｓｄｉｆｆｉｃｕｌｔｔｏｏｂｔａｉｎｆｏｒｅｓｔｎａｔｕｒａｌｎｅｓｓｌｅｖｅｌｓａｔａｒｅｇｉｏｎａｌｓｃｏｐｅｂａｓｅｄｏｎｉｎｓｉｔｕｐｌｏｔｓ.ＩｎｒｅｓｐｏｎｓｅｔｏｔｈｉｓｐｒｏｂｌｅｍꎬｔｈｉｓｓｔｕｄｙｐｒｏｐｏｓｅｄａｍｅｔｈｏｄｔｏｃｌａｓｓｉｆｙｔｈｅｎａｔｕｒａｌｎｅｓｓｌｅｖｅｌｓｏｆｆｏｒｅｓｔｓｉｎｒｅｇｉｏｎａｌａｒｅａｓｔｈｒｏｕｇｈｈｉｇｈｓｐａｔｉａｌｒｅｓｏｌｕｔｉｏｎｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｄａｔａｇａｔｈｅｒｅｄｆｒｏｍｒｅｓｅａｒｃｈｃｏｎｄｕｃｔｅｄｉｎＪｉｕｈｕａｓｈａｎＦｏｒｅｓｔＦａｒｍｉｎＺｈｕｓｈａｎＣｏｕｎｔｙꎬＨｕｂｅｉＰｒｏｖｉｎｃｅ.ＷｅｏｂｔａｉｎｅｄｄｉｆｆｅｒｅｎｔｔｙｐｉｃａｌｐｌｏｔｓａｎｄｈｉｇｈｓｐａｔｉａｌｒｅｓｏｌｕｔｉｏｎＧａｏｆｅｎ￣２(ＧＦ￣２)ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｄａｔａｉｎｔｈｅｓｔｕｄｙａｒｅａꎻｓｐｅｃｔｒｕｍꎬｔｅｘｔｕｒｅꎬａｎｄｖｅｇｅｔａｔｉｏｎｉｎｄｉｃｅｓｗｅｒｅｅｘｔｒａｃｔｅｄｆｒｏｍｔｈｅＧＦ￣２ｉｍａｇｅｓ.ＣｏｍｂｉｎｉｎｇｔｈｅｆｅａｔｕｒｅｓｅｘｔｒａｃｔｅｄｆｒｏｍｔｈｅｓｅｉｍａｇｅｓꎬａｓｗｅｌｌａｓｔｏｐｏｇｒａｐｈｉｃｆｅａｔｕｒｅｓꎬｎａｍｅｌｙꎬｅｌｅｖａｔｉｏｎꎬｓｌｏｐｅꎬａｎｄａｓｐｅｃｔꎬａｒａｎｄｏｍｆｏｒｅｓｔａｌｇｏｒｉｔｈｍｗａｓｕｓｅｄｔｏｃｌａｓｓｉｆｙｔｈｅｆｏｒｅｓｔｎａｔｕｒａｌｎｅｓｓｌｅｖｅｌｏｆＪｉｕｈｕａｓｈａｎＦｏｒｅｓｔ.ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｔｈｅｖｅｇｅｔａｔｉｏｎꎬｓｐｅｃｔｒｕｍꎬａｎｄｔｅｘｔｕｒｅｉｎｄｉｃｅｓａｎｄａｃｏｍｂｉｎａｔｉｏｎｏｆｔｈｅｔｅｒｒａｉｎｆｅａｔｕｒｅｓｗｉｔｈａｒａｎｄｏｍｆｏｒｅｓｔａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＧＦ￣２ｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａｃａｎｂｅｔｔｅｒｃｌａｓｓｉｆｙｔｈｅｎａｔｕｒａｌｎｅｓｓｏｆｔｈｅｆｏｒｅｓｔꎻｔｈｅｏｖｅｒａｌｌｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｒｅａｃｈｅｄ９３.９７％ａｎｄｔｈｅＫａｐｐａｃｏｅｆｆｉｃｉｅｎｔｗａｓ０.９１.Ｔｈｅｓｉｘｍｏｓｔｉｍｐｏｒｔａｎｔｆａｃｔｏｒｓａｆｆｅｃｔｉｎｇｔｈｅｎａｔｕｒａｌｎｅｓｓｌｅｖｅｌｏｆｔｈｅｆｏｒｅｓｔｗｅｒｅｅｌｅｖａｔｉｏｎꎬａｓｐｅｃｔꎬｓｌｏｐｅꎬｔｅｘｔｕｒｅｍｅａｎꎬｔｈｅｓｐｅｃｔｒａｌｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔｃｈａｎｇｅꎬａｎｄｔｈｅｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ(ＮＤＶＩ).Ｉｎｔｈｉｓｍａｎｎｅｒꎬｗｅｃｏｎｆｉｒｍｔｈａｔｔｈｉｓｃｏｍｂｉｎａｔｉｏｎｏｆｆａｃｔｏｒｓａｎｄｍｅｔｈｏｄｓｃａｎｈｅｌｐｉｎｃｌａｓｓｉｆｙｉｎｇｆｏｒｅｓｔᶄｓｎａｔｕｒａｌｄｅｇｒｅｅｓꎬｌａｙｉｎｇａｆｏｕｎｄａｔｉｏｎｆｏｒｔｈｅｎａｔｕｒａｌｄｅｇｒｅｅｄｉｖｉｓｉｏｎｏｆｆｏｒｅｓｔｓｉｎｌａｒｇｅａｒｅａｓ.Ｋｅｙｗｏｒｄｓ:ｈｉｇｈｓｐａｔｉａｌｒｅｓｏｌｕｔｉｏｎꎻＧａｏｆｅｎ￣２(ＧＦ￣２)ꎻｆｏｒｅｓｔｎａｔｕｒａｌｎｅｓｓꎻｒａｎｄｏｍｆｏｒｅｓｔａｌｇｏｒｉｔｈｍ森林自然度作为衡量森林群落类型当前状态与地带性顶级群落之间的差距指标ꎬ被广泛用于森林经营现状的评价ꎬ同时也为森林近自然经营提供指导[１－３]ꎮ森林自然度评价是生态系统保护和恢复计划的关键步骤[４－５]ꎮ为定量化评估森林自然度等级ꎬ现阶段主要从两个方面来做:一是比较现实森林植被与相对其存在的天然状态之间的差距或相似性[６－７]ꎻ二是衡量人类对森林的干扰程度ꎬ间接实现对森林自然度的评价[８]ꎮ评估的方法主要依据地面调查[３]ꎬ选择不同的评价指标进行森林自然度评估ꎮ目前国森林与环境学报㊀２０２０ꎬ４０(１):９１－９８第４０卷第１期ＪｏｕｒｎａｌｏｆＦｏｒｅｓｔａｎｄＥｎｖｉｒｏｎｍｅｎｔ２０２０年１月内外学者多从森林群落物种丰富度㊁森林结构㊁群落演替㊁林分更新状况及干扰程度等方面筛选相关指标构建森林自然度评级体系ꎬ如Ｓｈａｎｎｏｎ指数㊁Ｐｉｅｌｏｕ指数㊁乡土树种数量和种类数等[１－３ꎬ６－１１]ꎮ地面调查评估森林自然度的方法虽能较好地评价样地水平的森林近自然状态ꎬ但该方法耗时耗力ꎬ且不能及时反映森林自然度的空间分布及变化情况[８ꎬ１０－１１]ꎮ随着遥感技术日新月异的发展ꎬ现在已实现了高分辨率遥感影像数据大量快速的获取ꎬ为进行大区域范围的森林资源监测提供了丰富的数据源[１２－１４]ꎮ目前遥感技术在林业的应用主要集中在定性分析与定量反演两个方面ꎬ前者被广泛应用于树种分类㊁地表覆盖类型分类等方面ꎬ而定量遥感则主要被应用于诸如郁闭度㊁生物量等各项森林参数的反演[１５－１６]ꎮ在此基础上ꎬ大量研究[１７－１９]结果表明ꎬ遥感技术对森林状态的判别也具有较好的指示作用ꎬ对森林的健康状态㊁生产力能力等都具有较好的判别作用ꎮ因此ꎬ结合样地尺度林分特征数据与区域大尺度遥感影像数据的特点ꎬ构建一种能在区域尺度范围划分森林自然度等级的方法ꎬ为森林近自然经营与森林生态系统保护和恢复提供基础ꎮ１㊀研究区概况与研究数据１.１㊀研究区概况九华山林场位于湖北省十堰市竹山县南部(东经１１０ʎ０８ᶄ~１１０ʎ１２ᶄꎬ北纬３２ʎ０１ᶄ~３２ʎ０６ᶄ)ꎬ地处堵河中上游ꎬ属于北亚热带湿润气候区ꎬ林场土地总面积为７６２８.４ｈｍ２ꎬ森林覆盖率为９７.２％ꎬ属于高山地貌ꎮ林场内地形复杂多样ꎬ主要为新生代地层ꎬ其植物物种丰富多样ꎬ典型林分有杉木[Ｃｕｎｎｉｎｇｈａｍｉａｌａｎｃｅｏｌａｔａ(Ｌａｍｂ.)Ｈｏｏｋ.]㊁马尾松(ＰｉｎｕｓｍａｓｓｏｎｉａｎａＬａｍｂ.)㊁化香(ＰｌａｔｙｃａｒｙａｓｔｒｏｂｉｌａｃｅａＳｉｅｂ.ｅｔＺｕｃｃ.)㊁桦木(ＢｅｔｕｌａｌｕｍｉｎｉｆｅｒａＨ.Ｗｉｎｋｌ.)和枹栎(ＱｕｅｒｃｕｓｓｅｒｒａｔａＴｈｕｎｂ.)等ꎮ１.２㊀研究数据１.２.１㊀样地数据㊀研究区位于北亚热带常绿㊁落叶阔叶混交林地带ꎮ根据所在地区林分分布特点ꎬ选取具有代表性的群落类型ꎬ在试验区内分别设置针叶林㊁针阔混交林㊁阔叶混交林等典型群落类型的不同演替阶段的样地共２１个(编号１~２１号)(图１)ꎬ分别于２０１７年１０月与２０１８年５月进行调查ꎮ样地大小为２０ｍˑ２０ｍꎬ在每个样地内的四周和中心分别设置５ｍˑ５ｍ的灌木样方和１ｍˑ１ｍ的草本样方各５个ꎬ记录样地的经纬度㊁海拔㊁坡向(正北方向计为０ʎꎬ以顺时针方向计算)和坡度(表１)ꎮ调查样地中乔木层㊁灌木层及草本层因子ꎬ乔木层调查树种㊁林龄㊁胸径㊁树高㊁冠幅㊁郁闭度等ꎻ灌木层和草本层分别记录其种名㊁株数㊁多度㊁频度㊁盖度ꎮ其中１号样地为杉木纯林ꎬ其余２０个样地均为混交林ꎮ其中两树种混交的样地中ꎬ２~６号样地为杉木㊁马尾松混交林ꎻ７~８号样地为杉木㊁枹栎混交林ꎻ９号样地为杉木㊁桦木混交林ꎻ１０号样地为杉木㊁其他软阔混交林ꎻ１９号样地为杉木㊁华山松(ＰｉｎｕｓａｒｍａｎｄｉｉＦｒａｎｃｈ.)混交林ꎻ２０号样地为桦木㊁华山松混交林ꎻ２１号样地为枹栎㊁化香混交林ꎮ三树种混交林的样地中ꎬ１１~１４号样地为杉木㊁枹栎㊁桦木混交林ꎻ１５号样地为杉木㊁檫木[Ｓａｓｓａｆｒａｓｔｚｕｍｕ(Ｈｅｍｓｌ.)Ｈｅｍｓｌ.]㊁桦木混交林ꎻ１６~１７号样地为杉木㊁枹栎㊁化香混交林ꎻ１８号样地为杉图１㊀样地分布Ｆｉｇｕｒｅ１㊀Ｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓａｍｐｌｅｐｌｏｔｓ２９ 森㊀林㊀与㊀环㊀境㊀学㊀报第４０卷㊀木㊁马尾松㊁檫木混交林ꎮ表１㊀样地概况Ｔａｂｌｅ１㊀Ｉｎｆｏｒｍａｔｉｏｎｏｆｓａｍｐｌｅｐｌｏｔｓ样地编号Ｓａｍｐｌｅｐｌｏｔｎｕｍｂｅｒ株数Ｎｕｍｂｅｒｏｆｓｔｒａｉｎｓ林层Ｆｏｒｅｓｔｌａｙｅｒ坡向Ｓｌｏｐｅｄｉｒｅｃｔｉｏｎ/(ʎ)坡位Ｓｌｏｐｅｐｏｓｉｔｉｏｎ１４９单层Ｕｎｉｆｏｒｍ１１５上Ｕｐ２５４复层Ｍｕｌｔｉ￣ｓｔｏｒｉｅｄ３０２中Ｍｉｄｄｌｅ３３２复层Ｍｕｌｔｉ￣ｓｔｏｒｉｅｄ２３６中Ｍｉｄｄｌｅ４５３复层Ｍｕｌｔｉ￣ｓｔｏｒｉｅｄ２８１中Ｍｉｄｄｌｅ５９６复层Ｍｕｌｔｉ￣ｓｔｏｒｉｅｄ２９３中Ｍｉｄｄｌｅ６３８单层Ｕｎｉｆｏｒｍ２４５中Ｍｉｄｄｌｅ７３９复层Ｍｕｌｔｉ￣ｓｔｏｒｉｅｄ３３３中Ｍｉｄｄｌｅ８４６复层Ｍｕｌｔｉ￣ｓｔｏｒｉｅｄ３４１上Ｕｐ９５６单层Ｕｎｉｆｏｒｍ１４中Ｍｉｄｄｌｅ１０９２复层Ｍｕｌｔｉ￣ｓｔｏｒｉｅｄ２７８上Ｕｐ１１５９复层Ｍｕｌｔｉ￣ｓｔｏｒｉｅｄ３１４中Ｍｉｄｄｌｅ１２５９单层Ｕｎｉｆｏｒｍ３３９中Ｍｉｄｄｌｅ１３６２单层Ｕｎｉｆｏｒｍ２７７上Ｕｐ１４３６单层Ｕｎｉｆｏｒｍ３５３中Ｍｉｄｄｌｅ１５７１复层Ｍｕｌｔｉ￣ｓｔｏｒｉｅｄ３０上Ｕｐ１６４８复层Ｍｕｌｔｉ￣ｓｔｏｒｉｅｄ２０２上Ｕｐ１７５７复层Ｍｕｌｔｉ￣ｓｔｏｒｉｅｄ１８３上Ｕｐ１８８５单层Ｕｎｉｆｏｒｍ４４中Ｍｉｄｄｌｅ１９６７复层Ｍｕｌｔｉ￣ｓｔｏｒｉｅｄ１山顶Ｈｉｌｌｔｏｐ２０６９复层Ｍｕｌｔｉ￣ｓｔｏｒｉｅｄ３５６中Ｍｉｄｄｌｅ２１３４单层Ｕｎｉｆｏｒｍ２１９上Ｕｐ１.２.２㊀森林资源规划设计调查数据㊀研究中采用了第七次公布的全国森林资源规划设计调查数据中竹山县数据ꎬ主要利用了小班边界㊁森林起源数据ꎮ１.２.３㊀遥感数据㊀ＧＦ￣２影像获取时间为２０１７年７月２９日ꎬ轨道号１０/１６０ꎬ景序列号２６５５３２３ꎬ数据空间分辨率４ｍꎮ采用的高程数据来自于ＡＳＴＲＥＲＤＥＭ(ＮＡＳＡａｎｄＪａｐａｎＭＥＴＩꎬｈｔｔｐｓ:ʊｐｄａａｃ.ｕｓｇｓ.ｇｏｖ/ｐｒｏｄｕｃｔｓ/ａｓｔｇｔｍｖ００２/)ꎬ该数据空间分辨率为３０ｍꎮ２㊀研究方法２.１㊀森林自然度等级样本提取基于２１个样地ꎬ首先确定样地尺度森林自然度等级ꎬ主要从群落组成㊁结构特征㊁群落演替和干扰程度４个方面选择森林自然度评价指标ꎬ共筛选出１３个指标参与评价ꎮ其中群落组成有树种株数组成㊁树种断面积指数组成㊁活地被种类数㊁乔木层Ｓｉｍｐｏｎ指数和Ｓｈａｎｎｏｎ指数指标ꎻ结构特征有胸径标准差㊁林分密度㊁林层结构和郁闭度指标ꎻ群落演替有天然更新数㊁乡土树种比例指标ꎻ干扰程度有林分起源㊁枯立木状况指标ꎮ采用层次分析法ꎬ综合评价样地森林自然度值ꎬ划分为３个等级(Ⅰ㊁Ⅱ㊁Ⅲ)ꎮ其次ꎬ以样地尺度森林自然度等级为基础ꎬ提取遥感影像中森林自然度等级样本ꎮ通过以样地的森林自然度等级为中心ꎬ以森林资源二类调查的森林小班边界为约束条件ꎬ构建样地缓冲区ꎬ提取缓冲区中归一化植被指数(ｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘꎬＮＤＶＩ)值符合条件的像素点作为森林自然度等级的样本点ꎮ２.２㊀特征因子提取为准确划分区域尺度的森林自然度等级ꎬ基于遥感图像中提取不同的特征因子ꎮ多光谱图像的各波段之间高度相关ꎬ但其数字高程值和显示效果近似ꎬ进行主成分(ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔｓꎬＰＣ)分析ꎬ可去除波段间的多元信息ꎬ将多波段的图像信息压缩到少数的光谱主成分变化分量中ꎬ研究中采用含信息量较为丰富的前３个分量ꎬ即第一主成分(ＰＣ１)㊁第二主成分(ＰＣ２)㊁第三主成分(ＰＣ３)ꎮ研究中采用的植被指数包括ＮＤＶＩ和比值植被指数(ｒａｔｉｏｖｅｇｅｔａｔｉｏｎｉｎｄｅｘꎬＲＶＩ)ꎮ研究基于遥感图像中提取光谱主成分变化分量㊁植被指数㊁灰度共生纹理特征及地形特征４个方面共４０个特征因子用于分类(表２)ꎮ３９ ㊀第１期张驰ꎬ等:基于高分二号遥感数据的森林自然度等级划分表２㊀特征因子Ｔａｂｌｅ２㊀Ｆｅａｔｕｒｅｆａｃｔｏｒｓ类别Ｃａｔｅｇｏｒｙ特征因子Ｆａｃｔｏｒｓ地形特征Ｔｏｐｏｇｒａｐｈｉｃｆｅａｔｕｒｅ高程㊁坡度㊁坡向Ｅｌｅｖａｔｉｏｎꎬｓｌｏｐｅꎬａｓｐｅｃｔ光谱主成分变化分量Ｓｐｅｃｔｒａｌｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔｃｈａｎｇｅ第一主成分㊁第二主成分㊁第三主成分ＰＣ１ꎬＰＣ２ꎬＰＣ３植被指数Ｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ归一化植被指数值㊁比值植被指数ＮＤＶＩꎬＲＶＩ灰度共生纹理特征(４个波段各提取８个纹理特征)Ｇｒａｙｃｏ￣ｏｃｃｕｒｒｅｎｃｅｔｅｘｔｕｒｅｆｅａｔｕｒｅｓ(８ｔｅｘｔｕｒｅｆｅａｔｕｒｅｓｅｘｔｒａｃｔｅｄｆｒｏｍ４ｂａｎｄｓ)均值㊁方差㊁同质性㊁对比度㊁差异性㊁熵㊁二阶矩㊁自相关Ｍｅａｎꎬｖａｒｉａｎｃｅꎬｈｏｍｏｇｅｎｅｉｔｙꎬｃｏｎｔｒａｓｔꎬｄｉｓｓｉｍｉｌａｒｉｔｙꎬｅｎｔｒｏｐｙꎬｓｅｃｏｎｄｍｏｍｅｎｔꎬａｕｔｏｃｏｒｒｅｌａｔｉｏｎ２.３㊀分类算法随机森林算法是近年来一种比较流行的分类技术ꎬ是一种新型高效的组合分类器ꎬ远胜于传统的分类方法[２０]ꎮ随机森林算法是利用随机重采样技术Ｂｏｏｔｓｔｒａｐ和节点随机分裂的技术构建多棵决策树ꎬ通过投票得到最终分类的结果ꎬ其在多光谱㊁多时相和高维遥感影像的分类中表现出较高的分类精度㊁较快的运算速度和稳定性[２１]ꎮ该算法的一个重要特点是在使用随机森林进行预测ꎬ正确分类的过程中ꎬ分析每个特征并进行重要性排序ꎬ然后用户可以过滤不必要的特征ꎬ从而得到与因变量高度相关的特征子集ꎬ选择出数量较少的特征变量ꎬ并能够充分得到较好的分类结果ꎬ从而使构建的分类器模型分类精度较高ꎬ同时节省试验运行的时间[２２]ꎮ２.４㊀精度评价不同森林自然度等级的样本被分割成两份ꎬ２０％被保留作为验证模型的数据ꎬ其他８０％用来训练ꎮ在训练中采用三折交叉验证法ꎬ交叉验证重复３次ꎬ每份验证１次ꎬ平均３次的结果最终得到１个单一估测值ꎮ该方法的优势在于同时重复运用随机产生的子样本进行训练和验证ꎬ每次的结果验证１次ꎮ采用混淆矩阵中的总体精度㊁Ｋａｐｐａ系数㊁制图精度及用户精度４个指标评估分类精度ꎮ具体的计算公式如下:总体分类精度(ｏｖｅｒａｌｌａｃｃｕｒａｃｙꎬＡＯ):ＡＯ＝ðｋｉ＝１ＮｉｉＮ(１)用户精度(对于第ｉ类分类数据ꎬｕｓｅｒａｃｃｕｒａｃｙꎬＡＵ):ＡＵꎬｉ＝ＮｉｉＮｉ＋(２)制图精度(对于第ｊ类验证数据ꎬｐｒｏｄｕｃｅｒａｃｃｕｒａｃｙꎬＡＰ):ＡＰꎬｊ＝ＮｊｊＮ＋ｊ(３)Ｋａｐｐａ系数＝Ｎðｋｉ＝１Ｎｉｉ－ðｋｉ＝１(Ｎｉ＋Ｎ＋ｉ)Ｎ２－ðｋｉ＝１(Ｎｉ＋Ｎ＋ｉ)(４)式中:Ｎ为总样本数ꎻｋ为总的类别数目ꎻｉ为分类结果数ꎻｊ为验证分类数ꎻＮｉｉ为被分到正确类别的样本数ꎻＮｊｊ为验证样本中分到正确类别的样本数ꎻＮｉ＋和Ｎ＋ｉ分别是第ｉ行和第ｉ列的总样本数量ꎻＮ＋ｊ为实际分类中被分为ｊ类的样本总数ꎮ３㊀结果与分析３.１㊀样地尺度森林自然度等级运用层次分析法对构建的森林自然度评价指标体系进行权重赋值ꎬ最终得到森林自然度数值ꎬ该值分布在０~１之间ꎮ根据样本中森林自然度数值的分布ꎬ结合研究区现实林分演替状态ꎬ将九华山林场的森林自然度值按照０~０.４０００ꎬ０.４０００~０.６０００ꎬ０.６０００~１.００００划分为低㊁中㊁高３个等级ꎬ分别用Ⅰ㊁Ⅱ㊁Ⅲ表示ꎬ具体的样地森林自然度等级见表３ꎮ３个样本处于Ⅰ级ꎬ１４个样本处于Ⅱ级ꎬ４个样本处于Ⅲ级ꎮ总体来看ꎬ森林自然度等级为Ⅲ的主要是混交林(２㊁５㊁８㊁１６号样地)ꎮ但具有相似树种的群落其森林自然度也存在差异ꎬ如以杉木㊁马尾松为主要树种的混交林(２㊁３㊁４㊁５㊁６号样地)ꎬ森林自然度涵盖Ⅰ~Ⅲ级ꎮ通过对比森林自然度评价的指标ꎬ发现这些林分的郁闭度㊁树种的空间比例配 ４９ 森㊀林㊀与㊀环㊀境㊀学㊀报第４０卷㊀制不同ꎬ林下灌草组成㊁植被多样性指标有明显差异ꎬ如２号样地郁闭度为０.３ꎬ林下光照条件好ꎬ乔木㊁灌草层生长较好ꎬ生物多样性指标高ꎬ而６号样地郁闭度为０.８ꎬ林下几乎没有灌草植被ꎬ生物多样性低ꎮ这些指标综合影响到森林自然度等级ꎬ导致虽然树种相似但森林自然度等级确存在差异ꎮ３.２㊀遥感图像中不同森林自然度等级样本点确定为严格限定样本的质量ꎬ需基于样地尺度设置２００ｍ的缓冲区以扩充样本点ꎮ根据实地踏查及现场拍摄照片ꎬ发现该缓冲区范围的样地周围植被类型情况一致ꎬ植被具有相似性ꎬ即缓冲区的设置符合试验实际标准(图２)ꎮＮＤＶＩ值在缓冲区范围内满足在１倍标准差范围内ꎬ且不低于０.２ꎬ主要为了保证所选样本点均为植被类型ꎬ且与样地点的差异小ꎮ根据以上方法ꎬ得到不同森林自然度等级的样本１６８２３个ꎬ其中Ⅰ级５３５９个㊁Ⅱ级４４６２个㊁Ⅲ级７００２个ꎮ表３㊀样地的森林自然度等级与数值Ｔａｂｌｅ３㊀Ｆｏｒｅｓｔｎａｔｕｒａｌｎｅｓｓｌｅｖｅｌｓａｎｄｖａｌｕｅｓｏｆｓａｍｐｌｅｐｌｏｔｓ样地编号Ｓａｍｐｌｅｐｌｏｔｎｕｍｂｅｒ森林自然度数值Ｆｏｒｅｓｔｎａｔｕｒａｌｎｅｓｓｖａｌｕｅ森林自然度等级Ｆｏｒｅｓｔｎａｔｕｒａｌｎｅｓｓｌｅｖｅｌ１０.３４９４Ⅰ２０.６５０３Ⅲ３０.５２８３Ⅱ４０.５７６０Ⅱ５０.６１３１Ⅲ６０.３９４５Ⅰ７０.３８４９Ⅰ８０.６３８５Ⅲ９０.４４３６Ⅱ１００.５３５８Ⅱ１１０.５０９７Ⅱ１２０.５２５３Ⅱ１３０.４７３４Ⅱ１４０.５１３８Ⅱ１５０.４２１２Ⅱ１６０.６４６７Ⅲ１７０.５７０５Ⅱ１８０.５８４１Ⅱ１９０.５０２５Ⅱ２００.４２２９Ⅱ２１０.４６０１Ⅱ遥感影像Ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅ实地照片Ｆｉｅｌｄｐｈｏｔｏ(ａ)森林自然度等级ⅠＦｏｒｅｓｔｎａｔｕｒａｌｎｅｓｓｌｅｖｅｌⅠ(３２ʎ２８ᶄ３７ᵡＮꎬ１１０ʎ１０ᶄ０３ᵡＥ)遥感影像Ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅ实地照片Ｆｉｅｌｄｐｈｏｔｏ(ｂ)森林自然度等级ⅡＦｏｒｅｓｔｎａｔｕｒａｌｎｅｓｓｌｅｖｅｌⅡ(３２ʎ０３ᶄ３６ᵡＮꎬ１１０ʎ１０ᶄ２５ᵡＥ)遥感影像Ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅ实地照片Ｆｉｅｌｄｐｈｏｔｏ(ｃ)森林自然度等级ⅢＦｏｒｅｓｔｎａｔｕｒａｌｎｅｓｓｌｅｖｅｌⅢ(３２ʎ０３ᶄ５５ᵡＮꎬ１１０ʎ０７ᶄ４７ᵡＥ)图２㊀不同森林自然度的遥感影像和实地图Ｆｉｇｕｒｅ２㊀Ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓａｎｄｐｉｃｔｕｒｅｓｏｆｄｉｆｆｅｒｅｎｔｆｏｒｅｓｔｎａｔｕｒａｌｎｅｓｓ５９ ㊀第１期张驰ꎬ等:基于高分二号遥感数据的森林自然度等级划分３.３㊀森林自然度等级分类精度评价随机森林算法的总体精度为９３.９７％ꎬＫａｐｐａ系数为０.９１ꎬ具有较好的分类结果(表４)ꎮ其中制图精度最高的是森林自然度Ⅰ级ꎻ用户精度最高的是森林自然度Ⅰ㊁Ⅲ级ꎻ错分误差和漏分误差最高的均是森林自然度Ⅱ级ꎮ各森林自然度等级的精度评价均较高ꎬ说明随机森林算法能较好地对研究区的森林自然度等级进行分类ꎮ表４㊀精度评价结果Ｔａｂｌｅ４㊀Ａｃｃｕｒａｃｙｅｖａｌｕａｔｉｏｎｒｅｓｕｌｔｓ总体精度Ｏｖｅｒａｌｌａｃｃｕｒａｃｙ/％Ｋａｐｐａ系数Ｋａｐｐａｃｏｅｆｆｉｃｉｅｎｔ森林自然度等级Ｆｏｒｅｓｔｎａｔｕｒａｌｎｅｓｓｌｅｖｅｌ制图精度Ｐｒｏｄｕｃｅｒａｃｃｕｒａｃｙ/％用户精度Ｕｓｅｒａｃｃｕｒａｃｙ/％错分误差Ｍｉｓｃｌａｓｓｉｆｉｃａｔｉｏｎｅｒｒｏｒ/％漏分误差Ｌｅａｋａｇｅｅｒｒｏｒ/％Ⅰ９５９５５５９３.９７０.９１Ⅱ９３９１９７Ⅲ９４９５５６３.４㊀地形及遥感特征因子重要性分析根据随机森林算法中获得的各特征因子的重要值绘制成柱形图(图３)ꎮ重要值最高的分别为地形特征中的高程㊁坡向㊁坡度ꎬ其重要值分别为０.１９５１㊁０.１５９４㊁０.０９０６ꎮ在纹理特征因子中ꎬ４个波段均值的重要值均较高ꎮ光谱主成分变化分量中ＰＣＡ１㊁ＰＣＡ２㊁ＰＣＡ３重要值也较高ꎮ而植被指数中的ＮＤＶＩ重要值也较高ꎬ数值为０.０２７４ꎮ所选取的４０个遥感特征因子中ꎬ地形因子占主导作用ꎬ其他因子起辅助分类的作用ꎮ分析其原因ꎬ针对高山地区ꎬ地形因子为影响该地区植被分布的重要因素ꎮ而均值反映了灰度共生矩阵的纹理因子ꎬ可指示计算窗口内像素值分布均匀与否ꎬ纹理规则性与均值是正相关关系ꎮ而ＮＤＶＩ是植被生长状态和植被覆盖度最佳指示因子ꎬ其反应了遥感图像中红波段与近红外波段的变化ꎬ这两个波段对绿色植物变化的反映十分灵敏ꎮ图３㊀各特征因子重要值Ｆｉｇｕｒｅ３㊀Ｉｍｐｏｒｔａｎｔｖａｌｕｅｓｏｆｔｈｅｆｅａｔｕｒｅｆａｃｔｏｒｓ６９ 森㊀林㊀与㊀环㊀境㊀学㊀报第４０卷㊀３.５㊀森林自然度空间分布针对森林自然度Ⅰ㊁Ⅱ㊁Ⅲ等级样本ꎬ采用随机森林算法对研究区的森林自然度进行分类(图４)ꎮ研究区大部分地区森林自然度等级为Ⅱ㊁Ⅲ级ꎬ其中Ⅲ级所占面积为５２.５１％ꎬⅡ级所占面积为３６.９８％ꎬ其面积分别为２７２０.０２７２㊁１９１５.８０１６ｈｍ２ꎬ主要分布在远离道路和的村庄ꎬ海拔为１０００~１３００ｍꎬ群落结构较为复杂ꎬ起源为天然起源的混交林ꎮ森林自然度等级为Ⅰ级的林分较少ꎬ其所占面积为９.７５％ꎬ面积约为５０６.３９３６ｈｍ２ꎬ主要分布在道路和村庄附近ꎬ起源主要为人工林ꎮ图４㊀随机森林算法分类结果Ｆｉｇｕｒｅ４㊀Ｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｏｆｔｈｅｒａｎｄｏｍｆｏｒｅｓｔａｌｇｏｒｉｔｈｍ４㊀讨论与结论森林自然度等级评价对森林近自然经营管理具有重要作用ꎬ现有的评价方法主要是在样地水平构建森林自然度的评价指标体系ꎬ从而评价森林自然度等级ꎮ该模式在推广到区域范围时存在一定的难度ꎮ鉴于遥感技术在大面积区域范围的应用优势ꎬ提出了基于高分遥感数据的森林自然度等级划分方法ꎬ该方法以ＧＦ￣２号遥感影像数据为基础ꎬ在选取研究区典型林分样地的基础上ꎬ结合样地尺度林分特征数据与区域大尺度遥感影像数据的特点ꎬ从遥感影像中提取遥感特征因子ꎬ利用随机森林算法在大尺度范围对研究区森林自然度等级进行分类研究ꎬ拓展了区域范围森林自然度的评价思路ꎮ高分辨率的遥感影像数据可将样地尺度森林特征与遥感尺度特征关联ꎮ相较于传统的基于样地调查结果推算整体区域ꎬ森林自然度评估的精度受限于地面样本数量ꎮ如何将地面样地数据尺度转换到遥感尺度是研究的难点ꎮ本研究采用了少量(２１个)的地面样地评估样地尺度的森林自然度ꎬ并以此为基础ꎬ利用缓冲区的方法ꎬ结合ＮＤＶＩ筛选了遥感影像中的不同森林自然度等级样本ꎬ实现了样地尺度与遥感尺度之间的联系ꎬ为后续区域尺度的森林自然度等级划分奠定了基础ꎮ基于数字高程及遥感影像提取的特征指标与森林自然度等级有一定关联ꎮ其中数字高程㊁坡向㊁坡度ꎬ纹理特征中的均值ꎬ光谱主成分 ７９ ㊀第１期张驰ꎬ等:基于高分二号遥感数据的森林自然度等级划分８９ 森㊀林㊀与㊀环㊀境㊀学㊀报第４０卷㊀变化分量ꎬＮＤＶＩ在森林自然度等级分类中有较高的重要性ꎬ可以较好地反映森林自然度等级ꎮ高程㊁坡度㊁坡向可以反映森林植被生长的环境特征ꎬ遥感影像中的纹理可以反映植被冠层均匀度与复杂程度ꎬ而冠层的均匀度与复杂度与森林树种构成㊁群落结构等相关ꎬＮＤＶＩ利用了红边波段和红波段信号ꎬ反映植被对光的利用效能ꎬ可间接反映植被的生长状态ꎬ这些特征因子的综合可以从森林植被生长的外因(地形)㊁内因(群落特征及生长)ꎮ森林植被生长的外因和内因同时也是影响森林自然度等级的因素ꎬ因此ꎬ遥感影像提取的特征可间接反映森林自然度等级状态ꎮ利用随机森林的机器学习方法ꎬ结合遥感影像中提取的森林特征ꎬ可以很好地建立森林自然度等级分类ꎮ对森林自然度等级分类的总体精度可达９３.９７％ꎬＫａｐｐａ系数为０.９１ꎮ该方法在应用在九华山林场森林自然度评价中ꎬ发现研究区范围内主要的森林自然度等级为Ⅱ㊁Ⅲ级ꎬ其中Ⅲ级所占面积为５２.５１％ꎬⅡ级所占面积为３６.９８％ꎬⅠ级的林分较少ꎬ其所占面积为９.７５％ꎮ参考文献[１]刘宪钊ꎬ马帅ꎬ陆元昌.森林自然度评价研究[Ｊ].西南林业大学学报ꎬ２０１５ꎬ３５(４):９９－１０５.[２]ＭＣＲＯＢＥＲＴＳＲＥꎬＷＩＮＴＥＲＳꎬＣＨＩＲＩＣＩＧꎬｅｔａｌ.Ａｓｓｅｓｓｉｎｇｆｏｒｅｓｔｎａｔｕｒａｌｎｅｓｓ[Ｊ].ＦｏｒｅｓｔＳｃｉｅｎｃｅꎬ２０１２ꎬ５８(３):２９４－３０９. [３]ＢＡＲＴＨＡＤ.Ｃｈａｎｃｅｓｆｏｒａｓｔａｎｄ￣ｌｅｖｅｌｅｖａｌｕａｔｉｏｎｏｆｔｈｅｎａｔｕｒａｌｎｅｓｓｏｆｆｏｒｅｓｔｓ[Ｊ].ＡｌｌｇｅｍｅｉｎｅＦｏｒｓｔｕｎｄＪａｇｄｚｅｉｔｕｎｇꎬ２００４ꎬ１７５(４２７３７):８－１３.[４]刘世荣ꎬ杨予静ꎬ王晖.中国人工林经营发展战略与对策:从追求木材产量的单一目标经营转向提升生态系统服务质量和效益的多目标经营[Ｊ].生态学报ꎬ２０１８ꎬ３８(１):１－１０.[５]杨玉盛ꎬ陈光水ꎬ谢锦升ꎬ等.中国森林碳汇经营策略探讨[Ｊ].森林与环境学报ꎬ２０１５ꎬ３５(４):２９７－３０３. [６]ＦＥＲＲＡＲＩＣꎬＰＥＺＺＩＧꎬＤＩＡＮＩＬꎬｅｔａｌ.Ｅｖａｌｕａｔｉｎｇｌａｎｄｓｃａｐｅｑｕａｌｉｔｙｗｉｔｈｖｅｇｅｔａｔｉｏｎｎａｔｕｒａｌｎｅｓｓｍａｐｓ:ａｎｉｎｄｅｘａｎｄｓｏｍｅｉｎｆｅｒｅｎｃｅｓ[Ｊ].ＡｐｐｌｉｅｄＶｅｇｅｔａｔｉｏｎＳｃｉｅｎｃｅꎬ２００８ꎬ１１(２):２４３－２５０.[７]郭廷栋ꎬ王得祥ꎬ王涛ꎬ等.延安市城郊侧柏纯林及混交林的近自然度评价[Ｊ].西北农林科技大学学报(自然科学版)ꎬ２０１５ꎬ４３(９):４３－５０.[８]吴银莲ꎬ李景中ꎬ杨玉萍ꎬ等.森林自然度评价研究进展[Ｊ].生态学杂志ꎬ２０１０ꎬ２９(１０):２０６５－２０７１. [９]彭舜磊ꎬ吕建华ꎬ陈昌东ꎬ等.宝天曼自然保护区主要森林类型自然度评价[Ｊ].生态学报ꎬ２０１６ꎬ３６(２４):８１６４－８１７３.[１０]赵中华ꎬ惠刚盈.基于林分状态特征的森林自然度评价:以甘肃小陇山林区为例[Ｊ].林业科学ꎬ２０１１ꎬ４７(１２):９－１６.[１１]ＷＩＮＴＥＲＳꎬＦＩＳＣＨＥＲＨＳꎬＦＩＳＣＨＥＲＡ.Ｒｅｌａｔｉｖｅｑｕａｎｔｉｔａｔｉｖｅｒｅｆｅｒｅｎｃｅａｐｐｒｏａｃｈｆｏｒｎａｔｕｒａｌｎｅｓｓａｓｓｅｓｓｍｅｎｔｓｏｆｆｏｒｅｓｔｓ[Ｊ].ＦｏｒｅｓｔＥｃｏｌｏｇｙａｎｄＭａｎａｇｅｍｅｎｔꎬ２０１０ꎬ２５９(８):１６２４－１６３２.[１２]李振ꎬ胡慧萍ꎬ杨敏华ꎬ等.Ｌａｎｄｓａｔ￣８多时相遥感影像亚热带森林分类[Ｊ].测绘与空间地理信息ꎬ２０１８ꎬ４１(９):１４７－１４９. [１３]佃袁勇ꎬ杨光ꎬ方圣辉.傅里叶谱纹理和光谱信息结合的高分辨率遥感影像地表覆盖分类[Ｊ].武汉大学学报:信息科学版ꎬ２０１７ꎬ４２(３):３６２－３６８.[１４]雷光斌ꎬ李爱农ꎬ谭剑波ꎬ等.基于多源多时相遥感影像的山地森林分类决策树模型研究[Ｊ].遥感技术与应用ꎬ２０１６ꎬ３１(１):３１－４１.[１５]ＤＩＡＮＹＹꎬＰＡＮＧＹꎬＤＯＮＧＹＦꎬｅｔａｌ.ＵｒｂａｎｔｒｅｅｓｐｅｃｉｅｓｍａｐｐｉｎｇｕｓｉｎｇａｉｒｂｏｒｎｅＬｉＤＡＲａｎｄｈｙｐｅｒｓｐｅｃｔｒａｌｄａｔａ[Ｊ].ＪｏｕｒｎａｌｏｆｔｈｅＩｎｄｉａｎＳｏｃｉｅｔｙｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇꎬ２０１６ꎬ４４(４):５９５－６０３.[１６]ＳＵＹＪꎬＧＵＯＱＨꎬＸＵＥＢＬꎬｅｔａｌ.ＳｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｆｏｒｅｓｔａｂｏｖｅｇｒｏｕｎｄｂｉｏｍａｓｓｉｎＣｈｉｎａ:ｅｓｔｉｍａｔｉｏｎｔｈｒｏｕｇｈｃｏｍｂｉｎａｔｉｏｎｏｆｓｐａｃｅｂｏｒｎｅｌｉｄａｒꎬｏｐｔｉｃａｌｉｍａｇｅｒｙꎬａｎｄｆｏｒｅｓｔｉｎｖｅｎｔｏｒｙｄａｔａ[Ｊ].ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔꎬ２０１６ꎬ１７３:１８７－１９９.[１７]池建ꎬ王昭ꎬ徐新疆.天津八仙山自然保护区生态系统健康遥感监测研究[Ｊ].林业调查规划ꎬ２００７ꎬ３２(１):５１－５４. [１８]赵玉ꎬ王红ꎬ张珍珍.基于遥感光谱和空间变量随机森林的黄河三角洲刺槐林健康等级分类[Ｊ].遥感技术与应用ꎬ２０１６ꎬ３１(２):３５９－３６７.[１９]黄春波ꎬ佃袁勇ꎬ周志翔ꎬ等.基于时间序列统计特性的森林变化监测[Ｊ].遥感学报ꎬ２０１５ꎬ１９(４):６５７－６６８. [２０]姚登举ꎬ杨静ꎬ詹晓娟.基于随机森林的特征选择算法[Ｊ].吉林大学学报(工学版)ꎬ２０１４ꎬ４４(１):１３７－１４１. [２１]方匡南ꎬ吴见彬ꎬ朱建平ꎬ等.随机森林方法研究综述[Ｊ].统计与信息论坛ꎬ２０１１ꎬ２６(３):３２－３８.[２２]雷震.随机森林及其在遥感影像处理中应用研究[Ｄ].上海:上海交通大学ꎬ２０１２.(责任编辑:江㊀英)㊀㊀。
长株潭地区森林自然度评价
京市林业国际合作项目管理办公室制定的《近自然森林经营技术手册》中，自然度的概念被定义为森林接近自然状态的程度，是现实植物群落结构与自然群落之间的一个比较性或量化描述１３７】。
综合前人观点，森林自然度就是现实森林生态系统与其自然状态的相似程度。
１．２．２自然度评价国外研究进展对某一区域的森林进行自然度评价，首先必须构建自然度评价指标体系，构建的体系越合理，评价的结果也越准确［３８，３９】。
研究者在进行森林自然度评价时，因其评价对象和目的的不同，所选取的指标和方法也有所差异。
芬兰学者ＡｎｎｅｌｉＵｏｔｉｌａ等人用森林资源清查数据对芬兰的芬诺斯坎迪亚（Ｆｅｎｎｏｓｃａｎｄｉａ）东部森林进行森林自然度评价，研究结果表明该地区的森林均受到不同强度的人为干扰，他根据立地、森林采伐率、枯倒木以及野生动物的种类和数量等因素来判定自然林的自然度高于人工林，并且生长在湿地条件下的自然过熟林的自然度最高，其中有７３％几乎未受到明显的人为或自然干扰，但根据现有树种及林龄，他认为早在１９世纪初期，人类的刀耕火种的农业实践就已深刻影响了该地区自然森林的空间和演替机制，只是在之后的年代影响较少而已【４０】。
ＤｉａｎａＬａａｒｍａｎｎ等人用两期间隔为５年的２９４块固定样地数据并选取了枯倒木、林木死亡率和林分空间特征三个因子作为评价指标对爱沙尼亚的森林进行了自然度评价，他认为通过采用一些林分结构方面的指标能提升自然度评价的准确性并有助于判定林分受到了何种干扰（例如枯倒木指标，可以先观察周边的树木的特征再进行分析），通过比较半自然林和人工林的枯倒木特征和自然度分值，发现在半自然森林中的枯倒木分布比人工林更离散且自然度分值更高，自然度分数与林木枯死原因种类数量高度相关，这说明影响半自然森林形成枯死木的原因是多种多样的，主要为病虫害和风灾，而影响人工林枯死的主要原因是林木之间的竞争【４ｌＪ；Ｗｉｎｔｅｒ等人则建立一种基于多层次的生物多样性指标的自然度评价方法，其主要指标为结构性指标，包括生态系统内的植物和动物的多样性指标【４２１。
- 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)。
森林自然度等级划分
为了在实际生产中应用时便于操作，根据森林自然度的含义，我们将森林自然度划分成I-V个等级，为了研究森林自然度等级划分的定量指标，首先给出I-V级森林自然度划分的原则，可用于外业小班目测划分。
即:
I 未受人为干预的原始林或稳定的顶极森林。
II 上层原始树种林木的郁闭度在0.2以上，其蓄积量在林分中占优势(50%以上)
III 上层原始树种林木以散生木状态保存，其蓄积量虽不占优势，但仍保持三分之一的比重，林分总蓄积量属中上水平。
IV 上层原始树种林木零星可见，林分处中期发育阶段，主林层树种组成中原始树种和侵入的阳性树种都占有一定比例。
V 天然更新幼林地、皆伐迹地、火烧迹地和宜林地。