高级检索+

基于改良RSEI模型的泰顺县森林质量动态分析

邬枭楠, 孟森, 伊力塔, 徐鹏

邬枭楠, 孟森, 伊力塔, 徐鹏. 基于改良RSEI模型的泰顺县森林质量动态分析[J]. 浙江林业科技, 2025, 45(1): 16-32. DOI: 10.3969/j.issn.1001-3776.2025.01.003
引用本文: 邬枭楠, 孟森, 伊力塔, 徐鹏. 基于改良RSEI模型的泰顺县森林质量动态分析[J]. 浙江林业科技, 2025, 45(1): 16-32. DOI: 10.3969/j.issn.1001-3776.2025.01.003
shu
WU Xiaonan, MENG Sen, YI Lita, XU Peng. Dynamic Analysis of Forest Quality in Taishun County Based on Improved RSEI Model[J]. Journal of Zhejiang Forestry Science and Technology, 2025, 45(1): 16-32. DOI: 10.3969/j.issn.1001-3776.2025.01.003
Citation: WU Xiaonan, MENG Sen, YI Lita, XU Peng. Dynamic Analysis of Forest Quality in Taishun County Based on Improved RSEI Model[J]. Journal of Zhejiang Forestry Science and Technology, 2025, 45(1): 16-32. DOI: 10.3969/j.issn.1001-3776.2025.01.003
shu

基于改良RSEI模型的泰顺县森林质量动态分析

  • 1.

    浙江省森林资源监测中心，浙江　杭州　310020

  • 2.

    浙江农林大学　林业与生物技术学院，浙江　杭州　311300

  • 3.

    泰顺县自然资源和规划局，浙江　温州　325500

  • 4.

    国家林业和草原局 华东调查规划院，浙江　杭州　310020

详细信息
    作者简介:

    邬枭楠，硕士研究生，从事森林资源监测、森林生态研究工作；E-mail: 86559930@qq.com

  • 中图分类号: S718.55

Dynamic Analysis of Forest Quality in Taishun County Based on Improved RSEI Model

  • 1.

    College of Forestry and Biotechnology, Zhejiang A & F University, Hangzhou 311300, Zhejiang, China

  • 2.

    Zhejiang Forest Resources Monitoring Center, Hangzhou 310020, Zhejiang, China

  • 3.

    Taishun County Natural Resources and Planning Bureau, Taishun 325500, Wenzhou, China

  • 4.

    East China Survey and Planning Institute of the State Forestry and Grassland Administration, Hangzhou 310020, Zhejiang, China

摘要

    摘要
  • 摘要:

    使用NDVI、改良绿度指标进行对比分析，选择较优改良指标进行基于RSEI模型的泰顺县森林质量动态变化研究，以期为山区县域森林质量评价提供理论依据和数据支撑。以泰顺县2016—2020年5期Landsat_8遥感影像、森林资源一张图数据及连续清查样地数据进行数据耦合，利用遥感生态指数（RSEI）模型评价森林质量的时空变化特征，研究森林质量变化影响最大的地类，探究泰顺县森林质量变化内在因素。结果如下：（1）利用普通克里金插值法的改良绿度指标能更好反映山区森林质量变化情况。（2）泰顺县的城市发展对森林质量影响较大，高级种群的阔叶林生物量出现较大幅度的减少，先锋树种的针叶林在逐年增加。（3）2016—2020年，泰顺县改良RSEI指数均值呈先下降后上升的趋势，整体呈现波动下降态势，2016—2020年降低0.045，降幅5.17%。（4）2016—2020年各年度间，恶化面积占研究区面积比例分别为1.6%、2.76%、7.89%、6.43%，呈现上升趋势，改善面积比例分别为10.03%、9.55%、4.08%、9.68%，呈现先下降后上升，整体下降趋势，恶化面积上升的趋势显著，改善能力趋于减弱。（5）泰顺县生态变化的主要因素是乔木林受城市发展和经济发展需要的影响而产生的植被破坏，次要因素是非林地、特灌林、竹林的种植结构调整，导致生态衰减，其面积比例达到26.02%。

    Abstract:

    Comparative analysis was conducted using NDVI and improved greenness indicators, and the better improved indicators were selected to study the dynamic changes in the forest quality of Taishun County based on the RSEI model, in order to provide theoretical basis and data support for the forest quality evaluation of mountainous counties.Using five Taishun County of Landsat_8 remote sensing images from 2016 to 2020, forest resource map data, and continuous inventory sample data for data coupling, the RSEI model was used to evaluate the spatiotemporal change characteristics of forest quality, and study the greatest impact of changes in forest quality. of land types to explore the internal factors of changes in forest quality in Taishun County.The result is as follows:（1） The improved greenness index using Kriging interpolation method can better reflect the changes in forest quality in mountainous areas.（2） Urban development in Taishun County has a greater impact on forest quality. The biomass of broad-leaved forests of advanced populations has decreased significantly, while the coniferous forests of pioneer tree species have increased year by year.（3） From 2016 to 2020, the average value of the improved RSEI in Taishun County showed a trend of first decreasing and then increasing, and the overall value showed a fluctuating downward trend. From 2016 to 2020, it decreased by 0.045, a decrease of 5.17%.（4） The proportion of deteriorated area in the study area in each year was 1.6%, 2.76%, 7.89%, and 6.43%, showing an upward trend. The proportion of improved area was 10.03%, 9.55%, 4.08%, and 9.68%, respectively. After falling, it rises, with an overall downward trend. The deterioration area has a significant upward trend, and the improvement ability tends to weaken.（5） The main factor of forest changes in Taishun County is the destruction of vegetation in arbor forests due to the impact of urban development and economic development needs. The secondary factor is the adjustment of the planting structure of non-woodland, special shrub forests, and bamboo forests, which has led to ecological attenuation reaching an area ratio of 26.02 %.

    • HTML全文

  • 目前，使用遥感生态指数（remote sensing ecological index，RSEI）对不同尺度区域的生态环境质量评估研究已广泛开展，如森林、湿地、县域等[1-7]，这些研究为基于遥感的生态环境评估提供了实践参考和理论支撑。但RSEI是依据城市提出并构建的，在实际使用中存在一定限制，因此有不少学者基于研究区特点对其进行了调整或改进[8-10]。考虑到山区森林RSEI的主要影响因素是绿度指标，但在实际使用中发现，NDVI指数在山区和茂密林区存在以下问题：（1）植被的物候变化规律影响着植被各月份NDVI的变化[11]，使用月份差异大的影像会因NDVI差异而影响RSEI的结果。（2）遥感指数NDVI、LAI和NPP监测山区植被动态存在极大不确定性[12]，对年度连续监测存在较大影响。寻找一个改良绿度指标，使其能更真实反映山区森林质量动态变化情况，具有研究意义。

    结合其他学者研究发现NDVI和郁闭度、植物生长质量（蓄积量）有关[13]。考虑到森林是陆地生态系统的主体，森林生物量不仅能揭示森林生态系统能量平衡、养分循环和生产力等功能过程的变化规律，还可以反映出生态系统功能的强弱[14]。森林为生物提供了生存和繁衍的场所，维护生物多样性是森林的重要生态功能之一[15]。综合以上，考虑森林质量的体现标准，本研究将NDVI指数、生物量、生物多样性指数进行结合，以期绿度指标能更好体现山区茂密森林的真实情况，为后续森林资源连续清查数据、森林资源一张图数据和遥感数据的耦合性研究提供科学依据。

    1.   材料与方法

    1.1   试验地概况

    泰顺县地处浙闽交界的浙南山区（119°37′～120°15′ E，27°17′～27°50' N），属典型的低中山高丘陵地貌，位于中亚热带常绿阔叶林地带南北亚热带的交界线上，地带性森林植被为中亚热带常绿阔叶林（图1）。属中亚热带海洋季风气候区，年平均温度16.2 ℃，年平均降水量2047.5 mm。2016—2020年森林覆盖率（按国家统计口径，森林面积包含乔木林地、竹林地和国家特别规定灌木林地面积）均在76.5%以上。根据2016年和2020年泰顺县国民经济和社会发展统计公报，2016年全县生产总值81.31亿元，总人口37.11万人，全县公路总里程2167 km，其中二、三级公路里程197 km。2020年全县生产总值121.99亿元，年末全县户籍总人口37.19万人，全县公路总里程2274.8 km，其中高速公路里程33.6 km，二、三级公路里程229.9 km。

    图  1  研究区概况图
    Figure  1.  Overview of study area
    下载: 全尺寸图片 幻灯片

    1.2   研究方法

    1.2.1   数据来源
    1.2.1.1   遥感数据

    遥感影像数据为Landsat8-OIL，来源于地理空间数据云（https://www.gscloud.cn/）。研究区植被以常绿阔叶林为主。潘元琪等[16]研究发现亚热带常绿阔叶林在9～10月份结实并在10月份达到了高峰期。因此，泰顺县选取遥感影像时间跨度从6月至10月底是合理的，一定程度上保证了实验的可比性，避免了因时间差异导致的地物变化。选取具体时间为2016年7月27日、2017年11月3日、2018年10月5日、2019年11月9日、2020年10月26日，选取行列号为119/41，空间分辨率均为30 m，云量小于5%的影像作为主影像。由于同一遥感影像存在热红外影像Thermal数据与多光谱MultiSpectral数据范围不一致的情况，考虑影像获取时间和云量影响，再选取2016年7月20日、2017年10月27日、2018年10月15日、2019年8月14日、2020年9月17日，行列号为118/41，空间分辨率均为30 m的影像进行补全。2016年影像因云量大于5%，故选取2016年6月25日，行列号为119/41，空间分辨率为30 m的影像补全云量缺失部分数据。

    1.2.1.2   森林资源调查数据

    森林资源调查数据包含浙江省森林资源连续清查数据（下简称一类数据）和森林资源一张图数据（下简称一张图数据）。一类数据是在国家森林资源连续清查布设的4252个样地基础上进行加密，截至2020年样地数量稳定在5375个，其中泰顺县样地个数为74个，面积0.08 hm2，样地形状为正方形，固定样地间距为 4 km×6 km，每年进行全样地复位调查，林地面积抽样精度达到90.41%，森林面积抽样精度达到87.95%，2016—2020年样地内样木株数总量在5200株以上，样木树种种类在49种以上，该数据来源于浙江省森林资源监测中心调查数据。样地具体抽样精度见表1，树种类型和株数见表2。

    表  1  样地抽样精度
    Table  1.  Sample plot sampling accuracy
    类型样本单元数/个样本平均数标准差变动系数/%抽样精度/%
    林地面积740.8510.0424.8990.41
    森林面积740.7840.0486.1587.95
    下载: 导出CSV 
    | 显示表格
    表  2  样地树种和株数统计表
    Table  2.  Statistical table of tree species and plant numbers in sample plots
    树种2016年株数/株2017年株数/株2018年株数/株2019年株数/株2020年株数/株
    总计52065360560859115342
    其他阔类Other hard broad291299343410418
    其他软阔类Other soft broad8889919898
    其他灌木Other shrublands10210210210398
    马尾松Painus massonian12201240125512861051
    黄山松Pinus taiwanensis333335337339275
    湿地松pinus elliottii8181818172
    杉木Cunninghamia lanceolata11561193121912521155
    水杉Metasequoia glyptostroboides11111
    柳杉Cryptomeria fortunei316324329332215
    青冈栎Cyclobalanopsis glauca340360395423399
    甜槠Castanopsis eyrei271282310328344
    乌冈栎Quercus phillyreoides6262626262
    白栎Quercusfabri1212121212
    栲树Castanopsis fargesii222252
    苦槠Castanopsis sclerophylla333540532
    栎类Quercus88886
    枫香Liquidambar formosana4043465454
    木荷Schima superba488517576618629
    浙江樟Cinnamomum chekiangense22221
    豹皮樟Litsea coreana11
    红楠Machilus thunbergii4591418
    大叶冬青Ilex latifolia11
    冬青Ilex purpurea2931323231
    黄檀Dalbergia hupeana3334364041
    杨梅Myrica rubra10110110411498
    迎春樱桃Cerasus discoidea55669
    油桐Vernicia fordii1313142020
    枇杷Eriobotrya japonica11122
    白玉兰Michelia alba44444
    广玉兰Magnolia11111
    乌桕Sapium sebiferum33467
    梧桐Firmiana simplex33333
    山合欢Albizia22222
    漆树Rhus verniciflua stokes812131617
    桦木Betula101010107
    喜树Camptotheca acuminata11111
    茅栗Castanea seguinii11111
    板栗Castanea mollissima4444
    泡桐Paulownia fortunei44555
    柿Diospyros1415162123
    梨Pyrus spp.22222
    肉桂Cinnamomum cassia11111
    山苍子Litsea cubeba55685
    楝树Melia azedarach5671010
    柃木Eurya japonica44444
    檵木Loropetalum33331
    山胡椒Lindera benzoin2222
    石栎Lithocarpus glaber1818212422
    盐肤木Rhus chinensis232323239
    老鼠矢Symplocos stellaris2831343824
    杜鹃Rhododendron simsii2828282828
    下载: 导出CSV 
    | 显示表格

    一张图数据是在森林资源规划设计调查数据的基础上进行的年度更新数据，能较好反映年度间各森林地类面积和蓄积量变化，是计算生物量的重要基础数据，该数据来源于泰顺县自然资源和规划局。为确保数据准确性，2020年外业进行实地抽查图斑347个，涉及面积1384.8 hm2，占2020年林地面积的0.98%，与2020年度一张图数据地类一致性为93.95%，数据质量可用于生物量计算。2020年森林资源一张图地类精度复核情况见表3，树种精度复核情况见表4，2016—2020年各地类面积和蓄积情况见表5。

    表  3  森林资源一张图地类精度
    Table  3.  Land type accuracy of a map of forest resources
    地类图斑总数/个一致性图斑数/个一致性/%
    总计34732693.95
    乔木林地23322998.28
    竹林地514894.12
    国家特别规定灌林地333193.94
    一般灌木林2150
    未成林造林地77100
    采伐迹地300
    规划造林地11654.55
    其他宜林地5480
    耕地20
    下载: 导出CSV 
    | 显示表格
    表  4  森林资源一张图优势树种精度
    Table  4.  The accuracy of the advantageous tree species in a forest resource map
    树种 图斑总数/个 树种一致图斑数/个 一致性/%
    总计 347 306 88.18
    无树种No tree species 20 10 50
    针叶混交林Mixed coniferous forest 33 30 90.91
    马尾松Pinus massoniana 111 100 90.09
    黄山松Pinus taiwanensis 1 1 100
    杉木Cunninghamia lanceolata 10 10 100
    柳杉Cryptomeria fortunei 4 4 100
    阔叶混交林Broadleaf mixed forest 8 7 87.5
    栎类Quercus 4 3 75
    其它硬阔类Other hard broad types 39 37 94.87
    针阔混交林Mixed coniferous and broad-leaved forest 30 29 96.67
    毛竹Phyllostachys heterocycla 50 48 96
    板栗Castanea mollissima 1 1 100
    杨梅Myrica rubra 9 5 55.56
    茶叶Camellia sinensis 10 10 100
    柑桔Citrus reticulata 4 4 100
    桃Amygdalus persica 1 1 100
    栀子花Gardenia jasminoides 6 4 66.67
    其它灌木经济树种Other shrub economic tree species 1 1 100
    其他灌木Other shrubs 1 1 100
    其它松类Other pine species 1 0
    猕猴桃Actinidia chinensis 2 0
    高节竹Phyllostachys prominens 1 0
    　　注：树种一致图斑数是指地类一致前提下树种也一致的图斑情况。
    下载: 导出CSV 
    | 显示表格
    表  5  森林资源一张图地类和蓄积统计表
    Table  5.  A map of forest resources, land types and accumulation statistics table
    类型 2016年 2017年 2018年 2019年 2020年
    土地总面积/hm2 176803 176803 176803 176803 176803
    林地面积hm2 142891.13 142338.27 142061.73 141859.8 141782.60
    森林面积/hm2 135415.13 135327.47 135324.53 135455.13 135643.07
    乔木林地/hm2 114744.67 114740.07 114656.93 114737.60 114868.80
    竹林地/hm2 15515.33 15426.60 15387.13 15369.27 15310.53
    疏林地/hm2 1186.33 824.07 1050.73 881.20 459.40
    灌木林地/hm2 小计 5840.20 5734.80 5879.27 5857.60 5851.67
    国家特别规定灌林地 5155.13 5160.80 5280.47 5348.26 5463.74
    一般灌木林 685.07 574 598.80 509.37 387.93
    未成林造林地/hm2 2151.27 1819.53 2 254.40 2289.26 2843.79
    苗圃地/hm2 27.47 32.80 33.67 33.67 33.67
    迹地/hm2 小计 804.93 808.67 473.47 353.80 428.27
    采伐迹地 191.27 191.07 153.47 41.80 49.07
    火烧迹地 613.67 617.60 320 312 379.20
    其他迹地 0 0 0 0 0
    宜林地/hm2 小计 2 620.93 2 951.73 2 326.13 2 337.40 1 986.47
    造林失败地 79.07 97.20 84.66 84.67 67.87
    规划造林地 2 031.27 2 004.93 1 253.47 1 130.93 723
    其他宜林地 510.60 849.60 988 1 121.80 1 195.60
    活立木总蓄积量/m3 6218735 6632175 6960568 7298896 7568225
    乔木林蓄积量/m3 6122079 6526320 6838637 7163986 7428337
    疏林蓄积量/m3 475 504 718 850 1023
    　　注：森林面积包含乔木林地、竹林地和国家特别规定灌林地。
    下载: 导出CSV 
    | 显示表格
    1.2.1.3   其他数据

    泰顺县气象站数据（表6）表明2016—2020年的年累计温度年度间变化基本稳定，日平均温度都在17 ℃，年累计降水量呈现出年度间波动下降的趋势，因植物生长与降水量和温度有强相关性，在温度相同情况下，降水量差异将会影响植被恢复能力的强弱。由表7可知，6月与11月降水差异较大，表明遥感数据的湿度指标与实地因时间不同产生误差，对RSEI指数精度产生影响，目前受数据来源限制，本研究暂不对湿度指数进行修正。

    表  6  2016—2020年泰顺县气象站年度气象数据
    Table  6.  Annual meteorological data of Taishun county meteorological station, 2016—2020
    年份/年 年累计温度/℃ 日平均温度/℃ 年累计降雨量/mm
    2016 6340.7 17.324 2741.4
    2017 6235.7 17.084 1787.0
    2018 6241.0 17.099 2191.0
    2019 6228.8 17.065 1886.5
    2020 6383.4 17.441 1399.3
    下载: 导出CSV 
    | 显示表格
    表  7  2016—2020年泰顺县月降雨量
    Table  7.  Monthly rainfall in Taishun County, 2016—2020
    年份/年 月份
    1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月
    2016 186.2 110.5 128.1 348.5 295.6 362.4 154.6 128.1 739.9 149.9 127.8 9.8
    2017 51.5 36 235.9 122.5 59.1 435.0 271.2 157.1 223.3 57.7 106.0 31.7
    2018 115.6 37.3 101.8 158.3 398.9 334.7 199.7 222.0 277.3 115.5 163.9 66.0
    2019 49.7 162.4 184.0 221.9 122.8 451.3 336.3 149.3 83.1 72.5 5.4 47.8
    2020 43.7 102.6 262.4 65.5 143.5 190.1 112.5 217.6 193.6 10.2 16.3 41.3
    下载: 导出CSV 
    | 显示表格
    1.3   指标构建

    使用湿度[17]、绿度指标（采用归一化植被指数NDVI[18]、改良绿度指标一、改良绿度指标二），干度指标采用建筑用地指标IBI[19]进行计算，地表温度采用大气校正法[20-21]进行计算四个指数进行RSEI构建。

    1.3.1   绿度改良指标一

    提取样地所对应的二类数据的林地图斑并赋值生物多样性指数，再转30 m×30 m的栅格并提取其中心，用克里金插值法[22-23]进行缺省值的补充，然后将基于IPCC计算的生物量栅格与NDVI、生物多样性指数进行叠加，构建绿度指数。考虑到三个数值大小不同但重要性相等的情况，将三个数值分别进行归一化后再加权平均，形成绿度改良指标一。

    1.3.2   绿度改良指标二

    制作 4 km×6 km渔网，将样地数据赋值入渔网内，结合基于IPCC计算生物量的方法，考虑到三个数值大小不同但重要性相等的情况，将三个数值分别进行归一化后再加权平均，形成绿度改良指标二。

    绿度改良指标公式如下：

    $$ \mathit{\mathit{\mathit{\mathit{\mathit{\mathit{\mathrm{\mathit{ }}\mathit{\mathit{VI_i}}}\mathit{ }}}\mathit{\mathit{\mathit{ }}}}}=\frac{\mathit{\mathit{\mathrm{\mathit{NDVI}}}}+\mathit{B_{Total}}+\left(\mathrm{\mathit{H}}+\mathit{\mathit{\mathrm{\mathit{D}}}}\right)/2}{\mathrm{3}}} $$ (1)

    式中：i为1和2代表改良指标一和二，$ \mathrm{\mathit{B}}_{\mathrm{T}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}} $为生物量，H为Shannon-Wiener指数，D为Simpson指数。

    1.3.3   综合指数构建

    计算以上4个指标后，由于各期影像存在大气校正过度的情况，为保证各指标的可比性，对各指标按照2%和98%的置信范围进行归一化处理，使其值在[0，1]范围内，其公式为[12]：

    $$ {NI}_{i}=\left({I}_{i}-{I}_{min}\right)/\left({I}_{max}-{I}_{min}\right) $$ (2)

    式中：$ {NI}_{i} $为各指标归一化后的结果；$ {I}_{i} $为各指标值；$ {I}_{max} $，$ {I}_{min} $分别为该指标置信范围的98%数值和2%数值。

    对归一化后的4个指标进行主成分分析，得到第一主成分PC1，由于软件计算问题使绿度、湿度相关性呈现负值，热度、干度相关性呈现正值，则必须采用“1–PC1”进行还原，得到的初始生态指数$ {RESI}_{0} $[24]，其公式为：

    $$ {RESI}_{0}=1-\left\{PC1\left[f\left(NDVI,WET,NDBSI,LST\right)\right]\right\} $$ (3)

    考虑到多期指数的度量和比较，对$ \mathit{\mathrm{\mathit{R}}\mathrm{\mathit{E}}\mathit{\mathrm{\mathit{S}}\mathrm{\mathit{I}}}}_0 $进行归一化处理后最终构建遥感生态指数RSEI。取值范围在[0, 1]之间，值越大，说明生态环境状况越好[14]。其公式为：

    $$ RESI=\left({RESI}_{0}-{RESI}_{0min}\right)/\left({RESI}_{0max}-{RESI}_{0min}\right) $$ (4)

    式中：RSEI0为RSEI初始值；$ {RESI}_{0max} $，$ {RESI}_{0min} $分别为RSEI初始值的最大值和最小值。

    1.4   数据处理
    1.4.1   遥感数据处理

    遥感影像在ENVI5.3软件预处理如下：

    对5个时期影像进行辐射定标、大气校正，利用监督分类确定云范围和影像缺失部分，利用国土年度变更数据提取水域范围等进行预处理。

    1.4.2   生物多样性指数处理

    生物多样性指数选取辛普森多样性指数（Simpson’s Diversity Index）和香农-维纳指数（Shannon Wiener Diversity Index），依据众多学者研究[25-28]，利用这两个指数评价结果更接近理论认识，且结果之间可比性较强。通过Past4.13软件计算2016—2020年一类样地内树种的Shannon指数和Simpson指数。

    1.4.3   生物量处理

    利用Arcgis10.5软件，基于2016—2020年泰顺县一张图数据，依据IPCC公式计算各年度生物量，最终生成30 m×30 m的栅格数据。

    IPCC法[29-32]是生物量转换因子法的一种，该方法比较稳定。其公式为：

    $$ \mathit{\mathit{\mathrm{\mathit{B}}}=\mathit{\mathrm{\mathit{V}}}\times\mathit{\mathit{\mathit{\mathit{\mathit{\mathrm{\mathit{D}}}}}}}\times BEF\times\left(\mathrm{1}+\mathit{\mathrm{\mathit{R}}}\right)} $$ (5)

    式中：B为某一森林类型的总生物量；V为某一森林类型的总蓄积量；D为某一森林类型的木材密度；BEF为某一森林类型的生物量转换因子；R为根茎比。

    选择浙江省温室气体编制单位指南（2020年修订版）的BEF、R、D的值用于计算泰顺县这5年的生物量，能更好更全面地反映泰顺县的森林质量情况，D具体数值详见表8，BEF、R具体数值详见表9，毛竹林、杂竹林、经济林与灌木林的平均单位面积生物量详见表10。

    表  8  主要树种基本木材密度
    Table  8.  Basic wood density of main tree species
    树种 D/t·m−3 树种 D/t·m−3
    马尾松Pinus massoniana 0.38 桦木Betula 0.541
    湿地松pinus elliottii 0.424 浙江樟Cinnamomum chekiangense 0.46
    其它松类Other pine species 0.424 木荷Schima superba 0.598
    杉木Cunninghamia lanceolata 0.307 楠木Phoebezhennan 0.477
    池杉Taxodium ascendens 0.359 硬阔类Hard broad 0.598
    柳杉Cryptomeria fortunei 0.294 软阔类Soft broad 0.443
    其它杉类Other fir species 0.359 针叶混Coniferous mix 0.405
    栎类Quercus 0.676 阔叶混Broadleaf mix 0.482
    枫香Liquidambar formosana 0.598 针阔混Needle and broad mix 0.486
    下载: 导出CSV 
    | 显示表格
    表  9  主要树种BEF值和R值
    Table  9.  BEF value and R value of major tree species
    树种 BEF R 树种 BEF R
    马尾松Pinus massoniana 1.472 0.187 桦木Betula 1.424 0.248
    湿地松pinus elliottii 1.614 0.264 浙江樟Cinnamomum chekiangense 1.412 0.275
    其它松类Other pine species 1.631 0.206 木荷Schima superba 1.894 0.258
    杉木Cunninghamia lanceolata 1.634 0.246 楠木Phoebe zhennan 1.639 0.264
    池杉Taxodium ascendens 1.218 0.435 硬阔类Hard broad 1.674 0.261
    柳杉Cryptomeria fortunei 2.593 0.267 软阔类Soft broad 1.586 0.289
    其它杉类Other fir species 1.667 0.277 针叶混Coniferous mix 1.587 0.267
    栎类Quercus 1.355 0.292 阔叶混Broadleaf mix 1.514 0.262
    枫香Liquidambar formosana 1.765 0.398 针阔混Needle and broad mix 1.656 0.248
    下载: 导出CSV 
    | 显示表格
    表  10  毛竹林、杂竹林、经济林、灌木林平均单位面积生物量
    Table  10.  Average biomass per unit area of moso bamboo forests, miscellaneous bamboo forests, economic forests, and shrub forests
    类型毛竹林杂竹林经济林灌木林
    地上部地下部全林地上部地下部全林地上部地下部全林地上部地下部全林
    平均单位面积生物量/（t·hm-2）37.75522.89260.64719.5211.83631.35629.357.5535.2112.516.7217.99
    下载: 导出CSV 
    | 显示表格
    1.5   森林质量变化赋值

    为了能直观地反映泰顺县森林质量的空间分布及其变化情况，基于已有分级标准，将5期RSEI值以0.2为间隔划分为差（0～0.2）、较差（0.2～0.4）、中等（0.4～0.6）、良（0.6～0.8）、优（0.8～1.0）5个等级[33]。

    2.   结果与分析

    2.1   基于森林调查数据的森林质量分析

    2.1.1   一类样地生物多样性指数分析

    从表11可知，泰顺县样地的物种数、乔木林个数、森林样地个数整体保持稳定，2016—2020年物种个体数分别为5206、5360、5608、5911、5342个，呈现整体增加趋势，其中2020年出现大幅下降，较2019年减少9.63%；Simpson指数分别为0.599、0.601、0.602、0.607、0.587，呈现先增加后下降趋势，其中2019年达到峰值；Shannon-Wiener指数分别为1.207、1.220、1.230、1.267、1.226，呈现先增加后下降趋势，整体呈上升态势，其中2019年达到峰值。说明泰顺县2019年后样地监测到城市发展带来的森林采伐情况，泰顺县生物多样性较好，自然修复力较强，生态抗逆性较佳。

    表  11  泰顺县样地和多样性指数年度变化情况
    Table  11.  Annual changes in sample plots and diversity index in Taishun County
    年份样地数/个物种数/种
    		个体数/个乔木林个数/个森林个数/个Simpson指数Shannon-Wiener指数
    2016年7449520642580.5991.207
    2017年7449536042580.6011.220
    2018年7449560841570.6021.230
    2019年7451591142580.6071.267
    2020年7449534242580.5871.226
    下载: 导出CSV 
    | 显示表格
    2.1.2   森林资源一张图生物量分析

    基于IPCC计算，从表12可知泰顺县森林生物量整体呈现波动增长态势，2017年增长到第一个高位后再下降，到2020年突破高位达到最大值。生物量主要变化，针叶树种呈现逐年增长趋势，从2016年的2 818 627 t增长到2020年4 449 029 t，增幅达到57.84%。阔叶树种生物量呈现整体下降趋势，2017年到达高值后逐年下降，从2016年的2 071 005 t下降到2020年1 165 268 t，降幅达到43.73%。针阔混交林与阔叶树种生物量趋势相同，从2016年的533 585 t下降到2020年298 534 t，降幅达到44.05%。竹林生物量下降趋势不明显，主要是毛竹下降带动的，从2016年的926 086 t下降到2020年915 922 t，降幅达到1.1%。杂竹林生物量从2016年的5724 t增长到2020年6 027 t，增幅达到5.29%。灌木林生物量整体呈现增长趋势，其中灌木经济林贡献主要增长力，从2016年的178341 t增长到2020年192 302 t，增幅达到7.83%；一般灌木生物量从2016年的12 329 t下降到2020年6 981 t，降幅达到43.38%。结合表5地类面积变化情况和图2可知，泰顺县生物量高的分布区域主要在西北部乌岩岭国家级森林公园和中部偏北山区，说明该县的城市发展对森林质量影响较大，高级种群的阔叶林生物量出现较大降幅，先锋树种针叶林的生物量在逐年增加。城市发展后，一般灌木林、迹地和未成林造林地对森林总面积提供正向帮助，使其能逐年稳中有升，但对全县的林分质量和林分结构产生了较大负面影响。

    表  12  泰顺县生物量随年度和树种变化情况
    Table  12.  Changes in biomass by year and tree species in Taishun County
    树种 生物量/t
    2016 年 2017年 2018年 2019年 2020年
    合计 6545697 6907800 6566071 6825259 7034063
    针叶混Coniferous mix 1049764 1125262 1516077 1590116 1649180
    马尾松Pinus massoniana 1490411 1588774 2196740 2305981 2393520
    黄山松Pinus taiwanensis 65937 70085 96638 100517 105644
    湿地松pinus elliottii 391 458 648 691 718
    杉木Cunninghamia lanceolata 168510 182405 225499 230881 236859
    柳杉Cryptomeria fortunei 43614 47692 59338 61350 63091
    池杉Taxodium ascendens 0 14 17 17 17
    阔叶混Broadleaf mix 8008 8293 3984 5064 4928
    栎类Quercus 178485 184764 86231 87843 90995
    桦木Betula 0 9 4 4 4
    浙江樟Cinnamomum chekiangense 7 14 10 12 10
    木荷Schima superba 107 114 60 63 64
    枫香Liquidambar formosana 229 254 125 133 137
    硬阔类Hard broad 1877118 1999108 979836 1027653 1065388
    软阔类Soft broad 7051 7470 3538 3637 3742
    针阔混Needle and broad mix 533585 571996 274100 288376 298534
    毛竹Phyllostachys heterocycla 926086 923179 920521 919445 915922
    杂竹Miscellaneous bamboo 5724 5930 6059 6056 6027
    经济树种Economic tree species 178341 181648 185866 188252 192302
    灌木树种Shrubland tree species 12329 10331 10780 9168 6981
    下载: 导出CSV 
    | 显示表格
    图  2  2016—2020年泰顺县生物量分布图Fig 2 Biomass distribution map of Taishun county，2016-2020
    下载: 全尺寸图片 幻灯片
    2.1.3   NDVI、生物多样性指数和生物量分析

    通过对一类样地、NDVI和生物量数据进行空间叠加分析，由分析结果（表13、14）可知，（1）生物量、生物多样性指数、NDVI三者年度间变化趋势存在不一致的情况，如13385号样地，生物量、生物多样性指数都呈现逐年增长趋势，但NDVI指数则呈现波动下降趋势；13484号样地的NDVI和生物量呈现逐年上升趋势，而生物多样性Simpson指数分别为0.086、0.086、0.086、0.086、0。由于13484样地于2020年受到择伐，物种数量由2019年的3种46株减少到2020年1种29株，森林质量于2020年明显下降，2016—2019年基本保持稳定。13470号样地2016—2020年生物量呈现逐年上升趋势，NDVI指数呈现波动下降趋势，生物多样性指数呈现先增加后下降趋势，三者趋势均不相同。（2）NDVI、生物多样性指数、生物量三者相关性每个年度均呈现中度以下相关，表明三者相关性较差。说明单一的生物多样性指数、生物量和NDVI指数都不能完整反映森林质量。

    表  13  泰顺县NDVI、生物多样性、生物量随年度变化情况（部分）
    Table  13.  Annual changes in NDVI, biodiversity, and biomass in Taishun county (part)
    年份/年 类型 样地编号
    13385 13439 13448 13451 13454 13461 13470 13475 13481 13484
    2016 Simpson指数 0.834 0.588 0.109 0.706 0.775 0.342 0.651 0.827 0.566 0.086
    Shannon指数 2.039 1.061 0.226 1.591 1.756 0.682 1.308 1.753 1.313 0.231
    生物量/t 741 788 236 488 281 325 77 509 168 112
    NDVI 0.929 0.945 0.835 0.871 0.902 0.937 0.945 0.957 0.973 0.482
    2017 Simpson指数 0.836 0.588 0.104 0.706 0.775 0.360 0.655 0.827 0.605 0.086
    Shannon指数 2.050 1.061 0.217 1.591 1.756 0.702 1.325 1.753 1.354 0.231
    生物量/t 797 838 246 525 302 353 85 535 185 124
    NDVI 0.792 0.832 0.763 0.817 0.766 0.811 0.842 0.795 0.861 0.770
    2018 Simpson指数 0.847 0.588 0.128 0.726 0.785 0.368 0.662 0.808 0.618 0.086
    Shannon指数 2.089 1.061 0.292 1.623 1.762 0.711 1.345 1.699 1.356 0.231
    生物量/t 1108 406 119 730 418 457 108 260 91 177
    NDVI 0.863 0.869 0.829 0.846 0.807 0.863 0.833 0.853 0.875 0.805
    2019 Simpson指数 0.854 0.595 0.146 0.746 0.791 0.368 0.686 0.808 0.584 0.086
    Shannon指数 2.112 1.105 0.319 1.641 1.773 0.711 1.461 1.699 1.275 0.231
    生物量/t 1169 428 122 771 440 483 114 272 96 189
    NDVI 0.749 0.862 0.715 0.786 0.711 0.764 0.806 0.785 0.825 0.749
    2020 Simpson指数 0.856 0.597 0.169 0.743 0.839 0.373 0.683 0.735 0.626 0
    Shannon指数 2.125 1.121 0.393 1.618 1.931 0.703 1.427 1.485 1.391 0
    生物量/t 1241 452 124 819 454 499 118 286 102 203
    NDVI 0.806 0.837 0.775 0.829 0.774 0.824 0.811 0.838 0.857 0.763
    下载: 导出CSV 
    | 显示表格
    表  14  NDVI、生物多样性指数、生物量相关性
    Table  14.  NDVI, biodiversity index, biomass correlation
    年份/年指标Simpson指数Shannon指数NDVI生物量
    2016Simpson指数10.9256967910.2060638720.308872451
    Shannon指数10.2833344630.381037624
    NDVI10.263320509
    生物量1
    2017Simpson指数10.9404847660.1848768430.307078591
    Shannon指数10.2309056770.377223864
    NDVI10.330437449
    生物量1
    2018Simpson指数10.9441553790.18607480.355114718
    Shannon指数10.2326769510.436415987
    NDVI10.313507012
    生物量1
    2019Simpson指数10.9509026310.2577361790.36246865
    Shannon指数10.2744149930.426671862
    NDVI10.331877994
    生物量1
    2020Simpson指数10.9748384470.1988274440.382674526
    Shannon指数10.2322348220.418661156
    NDVI10.219151373
    生物量1
    下载: 导出CSV 
    | 显示表格

    2.2   改良指标指数分析

    2.2.1   绿度改良指标比对分析

    基于三个指标的构成原理[34-35]，将三者组合，构建出绿度改良指标，理论上可较好反映森林的质量变化。由表15可知，VI_1指标最大值和均值年度间波动差异小于VI_2，2017—2020年VI_1指标最大值和均值均大于VI_2，两者标准差差异不大，说明在数据离散程度相当情况下，VI_1指标反映数据上限更优于VI_2。和NDVI指数相比，VI_1的2016—2020年VI_1的值分别为0.490、0.469、0.455、0.463、0.457，变化趋势与2.1.2节生物量变化情况相近，较NDVI指标变化更符合实际情况，说明VI_1指数优于VI_2与NDVI指数，能更好地反映泰顺县森林质量情况。

    表  15  绿度指标逐年度对比表
    Table  15.  Annual comparison table of greenness indicators
    年份/年 2016 2017 2018 2019 2020
    绿度指标 NDVI VI_1 VI_2 NDVI VI_1 VI_2 NDVI VI_1 VI_2 NDVI VI_1 VI_2 NDVI VI_1 VI_2
    最小值 −1 0 0 −0.444 0 0 −1 0 0 −0.569 0 0 −0.481 0 0
    最大值 1 0.935 0.983 1 0.935 0.905 1 0.927 0.815 1 0.927 0.807 1 0.935 0.838
    均值 0.743 0.490 0.557 0.752 0.469 0.447 0.787 0.455 0.433 0.726 0.463 0.438 0.760 0.457 0.429
    标准差 0.219 0.098 0.170 0.128 0.132 0.135 0.128 0.148 0.148 0.129 0.136 0.135 0.125 0.158 0.158
    下载: 导出CSV 
    | 显示表格
    2.2.2   绿度改良指标在RSEI模型中的相关性分析

    运用软件Arcgis 10.5对改良后4个指标的叠加图层进行主成分分析，分析结果（表16）表明，VI_1指标2016—2020年的PC1贡献率分别为85.65%、81.49%、82.41%、81.02%、88.38%，VI_2指标分别为82.41%、81.23%、81.69%、80.43%、87.9%，均大于81%，说明4个指标的大部分属性特征都被较好集中，且VI_1指数较VI_2指数有更高的贡献率。

    表  16  绿度指标主成分PC1分析结果
    Table  16.  Analysis results of PC1 in the principal component of greenness index
    指标 VI_1 VI_2
    2016年 2017年 2018年 2019年 2020年 2016年 2017年 2018年 2019年 2020年
    PC1 PC1 PC1 PC1 PC1 PC1 PC1 PC1 PC1 PC1
    绿度 0.145 0.199 0.242 0.203 0.278 0.245 0.196 0.275 0.223 0.304
    湿度 0.987 0.607 0.617 0.603 0.711 0.967 0.607 0.611 0.601 0.706
    热度 −0.058 −0.238 −0.249 −0.258 −0.645 −0.056 −0.238 −0.248 −0.257 −0.640
    干度 −0038 −0.732 −0.706 −0.727 −0.021 −0.040 −0.732 −0.700 −0.723 −0.019
    特征值 0.199 0.333 0.336 0.341 0.534 0.199 0.333 0.336 0.341 0.534
    贡献率/% 85.65 81.49 82.41 81.02 88.38 82.41 81.23 81.69 80.43 87.90
    下载: 导出CSV 
    | 显示表格
    2.2.3   绿度改良指标空间分析

    对绿度指标进行空间分析（图3）可知，（1）绿度改良指标对森林质量变化的反应更敏感，年度间横向比较，NDVI的森林质量反馈呈现过饱和状态，无法区分森林的年度变化情况，只能体现植被有无存续状态；改良绿度指标在体现森林年度变化方面呈现出更强的差异性，特别是对乔木林、竹林、灌木林、农田绿地差异化凸显更为显著，更符合泰顺县森林变化情况。（2）VI_1和VI_2指标对比，VI_2的森林变化受渔网网格影响明显，块状边际效益显著，自然过渡突兀；VI_1指标的空间分布更合理，自然过渡相对平滑。说明NDVI指数对于山区森林植被茂密区的森林变化反映不敏感；VI_1指标数据自然过渡较好，反映森林变化明显，因此选用VI_1指数用于RSEI模型建立更合理。

    图  3  2016—2020年泰顺县绿度指标分布图Fig 3 Distribution chart of greenness indicators in Taishun county, 2016—2020
    下载: 全尺寸图片 幻灯片

    2.3   改良后RSEI指数分析

    2.3.1   改良RSEI指数结果

    使用VI_1指标构建RSEI指数，对其均值、标准差的变化进行分析（表17）。由表17可知，2016年—2020年RSEI均值呈现先下降后上升的趋势，从2016年的0.87，降到2018年0.71，再上升到2020年的0.825，整体呈现波动下降态势，2016—2020年降低0.045，降幅5.17%，说明泰顺县森林质量整体受城市建设发展影响明显，森林质量存在退化情况；阔叶林面积和生物量减少，也表明改良后RSEI对泰顺森林质量的反映符合现实情况，迹地与未成造林地的面积变化也表明人为正向干扰能促进森林质量的提升。

    表  17  2016—2020年改良RSEI指标统计表
    Table  17.  Statistics of improvement RSEI index, 2016—2020
    年份/年最小值最大值均值标准差
    2016010.870.117
    2017010.7380.101
    2018010.710.103
    2019010.7330.107
    2020010.8250.162
    下载: 导出CSV 
    | 显示表格
    2.3.2   改良后森林质量空间分析

    从图4分析可知，改良RSEI等级分布呈现以下特征：县域北部、城市右侧、县域东部的橙、黄色图斑正在减少，县域南部红色图斑区域在逐渐增大，绿色图斑在减少；县域范围内因城市建设的道路、人为种植结构调整等零散红橙图斑明显面积扩大；较原始RSEI等级分布变化范围更广，更显著。表18、表19中可以看出，改良RSEI等级在2016—2020年各年份泰顺森林质量为良、优级别的面积比例分别为47.5%、49.41%、52.16%、53.26%、50.33%，呈现先上升后下降，整体呈上升趋势，森林质量为差与较差的面积比例分别为30.55%、29.75%、29.52%、29.9%、31.51%，呈现先下降后上升、整体上升趋势；其优和差级别的面积较原始RSEI等级呈现占比更大。改良RSEI等级为优的面积变化呈现整体上升趋势，由2016—2020年总体上升为50.3%。等级为良的面积变化呈现波动下降态势，总体下降为−17.9%，等级为中等的面积变化呈现波动下降态势，总体下降为−17.3%；等级为较差的面积变化呈现波动下降态势，总体下降为−9.2%；等级为差的面积变化呈现波动上升态势，上升为7.3%；表明基于改良绿度指标搭建的RSEI指数，反映森林质量较原始RSEI指数更敏感，区域评价更准确。

    图  4  2016—2020年RSEI等级分布图
    Figure  4.  RSEI grade distribution diagram, 2016—2020
    下载: 全尺寸图片 幻灯片
    表  18  2016—2020年各等级改良RSEI面积与比例
    Table  18.  Areas and proportions of various grades of improvement RSEI, 2016—2020
    年份/年类型差较差中等良优
    2016面积/hm239488.6713251.6037899.3653300.0728704.60
    比例/%22.877.6821.9530.8716.63
    2017面积/hm240831.1110531.1735971.0247964.0637346.94
    比例/%23.656.1020.8427.7821.63
    2018面积/hm237411.5613551.1231623.3952648.8337409.40
    比例/%21.677.8518.3230.5021.66
    2019面积/hm242230.889385.7429068.9255678.8636279.9
    比例/%24.465.4416.8432.2521.01
    2020a面积/hm242358.6812038.8531347.6343753.8643145.28
    比例/%24.546.9718.1625.3424.99
    下载: 导出CSV 
    | 显示表格
    表  19  2016—2020年各等级RSEI面积与比例
    Table  19.  Area and proportion of RSEIs of each level, 2016—2020
    年份/年类型差较差中等良优
    2016面积/hm27478.7712888.9429897.3959105.2467432.66
    比例/%4.237.2916.9133.4338.14
    2017面积/hm29954.0111863.4824487.2255321.6675176.63
    比例/%5.636.7113.8531.2942.52
    2018面积/hm28751.7511739.7226184.5251644.1678482.85
    比例/%4.956.6414.8129.2144.39
    2019面积/hm29618.0812765.1823762.3253871.8776785.55
    比例/%5.447.2213.4430.4743.43
    2020面积/hm29759.5313348.6326927.151626.4875141.26
    比例/%5.527.5515.2329.242.5
    下载: 导出CSV 
    | 显示表格
    2.3.3   改良后森林质量动态变化分析

    在2.3.2的分级基础上，对改良RSEI指数进行分级面积差值变化检测（表20，图5），进一步分析不同年份森林质量的时空变化。从变化检测的结果来看（表20），年度间发生变化面积比例分别为11.63%、12.31%、11.97%、16.11%，2016—2020年变化面积比例为33.9%，表明这5年泰顺县森林质量变化面积呈现上升趋势，环境变化逐年剧烈，5年累计发生变动面积达全县的三分之一以上。

    表  20  2016—2020年泰顺县改良RSEI森林质量面积变化
    Table  20.  Changes in the quality area of the improved RSEI forest in Taishun county, 2016—2020
    类型 2016—2017年 2017—2018年 2018—2019年 2019—2020年 2016—2020年
    面积/hm2 比例/% 面积/hm2 比例/% 面积/hm2 比例/% 面积/hm2 比例/% 面积/hm2 比例/%
    恶化 −4 32.04 0.02 473.40 0.27 2.79 0 163.35 0.09 688.50 0.40
    −3 1387.26 0.80 103.05 0.06 15.66 0.01 2102.94 1.22 3550.32 2.06
    −2 608.40 0.35 1658.34 0.96 66.33 0.04 2090.25 1.21 4108.32 2.38
    −1 735.39 0.43 2536.83 1.47 13536.36 7.84 6743.79 3.91 8413.56 4.87
    不变 0 152563.14 88.37 151395.57 87.69 151981.47 88.03 144830.88 83.89 114112.17 66.10
    改善 1 16893.36 9.79 16378.11 9.49 5078.61 2.94 16642.62 9.64 39281.94 22.75
    2 113.85 0.07 22.32 0.01 1942.92 1.13 70.47 0.04 2130.57 1.23
    3 138.15 0.08 44.37 0.03 20.16 0.01 0 0 135.72 0.08
    4 172.71 0.09 32.31 0.02 0 0 0 0 223.20 0.13
    下载: 导出CSV 
    | 显示表格
    图  5  2016—2020年改良指标森林质量变化Fig 5 Changes in forest quality of improvement indicators, 2016—2020
    下载: 全尺寸图片 幻灯片

    各年度间恶化面积占研究区面积比例分别为1.6%、2.76%、7.89%、6.43%，呈上升趋势，5年累计变化比例为9.71%，各年度间改善面积占研究区面积比例分别为10.03%、9.55%、4.08%、9.68%，呈现先下降后上升、整体下降趋势，2016—2020年累计变化比例为24.19%；表明泰顺县森林质量有恶化趋势，因此需要提供正向人为干扰进行生态修复。

    从表21、表22分析可知，改良RSEI的森林质量发生变化区域面积占比前三的地类为乔木林、非林地、竹林，2016—2020年森林质量改善的乔木林面积为32 299.46 hm2，占比77.25%，非林地面积为3 721.19 hm2，占比8.9%，竹林面积为3 273.8 hm2，占比7.83%；森林质量恶化的乔木林面积为11 433.29 hm2，占比68.29%，非林地面积为2 453.75 hm2，占比14.65%，竹林面积为1 493.2 hm2，占比8.92%；表明泰顺县发生森林质量变化的主要因素是乔木林受城市发展和经济发展需要的影响而产生的植被破坏，次要因素是非林地、竹林、特灌林的种植结构调整，导致森林质量恶化面积比例达到26.02%。改良RSEI的森林质量“恶化”与“改善”在乔木林、竹林等林地面积比例较RSEI的森林质量变化占比更高，“恶化”与“改善”在非林地面积比例较RSEI的森林质量变化占比更低；说明改良指标对各地类的森林质量变化都能有效反馈，为进一步制定对策提供科学数据支持。

    表  21  2016—2020年泰顺县RSEI森林质量的地类变化情况
    Table  21.  Changes in land types of RSEI forest quality in Taishun county, 2016—2020
    地类 RSEI
    2016—2017年 2016—2020年 2017—2018年 2018—2019年 2019—2020年
    恶化 改善 恶化 改善 恶化 改善 恶化 改善 恶化 改善
    乔木林面积比例/% 44.64 60.62 47.35 64.26 44.74 47.79 48.41 44.38 47.83 48.21
    竹林面积比例/% 8.14 14.73 9.85 7.28 30.47 6.08 6.70 28.49 26.28 7.95
    疏林面积比例/% 0.43 1.16 0.45 1.17 0.48 0.46 0.38 0.72 0.75 0.37
    特灌林面积比例/% 2.93 4.58 2.62 5.94 2.83 5.61 5.12 3.90 2.72 6.40
    一般灌面积比例/% 0.21 0.77 0.21 0.76 0.30 0.29 0.22 0.45 0.48 0.23
    未成造面积比例/% 0.91 2.25 0.79 2.62 1.15 1.44 1.29 2.03 1.44 1.73
    苗圃地面积比例/% 0.01 0.03 0 0.05 0.02 0.02 0.01 0.04 0.01 0.05
    迹地面积比例/% 0.49 0.76 0.30 0.99 0.26 0.91 0.28 0.41 0.15 0.37
    宜林地面积比例/% 1.28 2.70 1.73 2.33 2.48 1.82 1.28 2.45 2.17 1.48
    非林地面积比例/% 40.95 12.41 36.71 14.58 17.26 35.57 39.81 17.14 18.18 33.21
    变化面积/hm2 31537.88 42774.67 34445.22 41767.54 21240.91 26263.04 27185.45 24673.58 26320.31 23086.1 0
    下载: 导出CSV 
    | 显示表格
    表  22  2016—2020年泰顺县改良RSEI森林质量的地类变化情况
    Table  22.  Land types changes in the quality of improved RSEI forests in Taishun county, 2016—2020
    地类 改良RSEI
    2016—2017年 2016—2020年 2017—2018年 2018—2019年 2019—2020年
    恶化 改善 恶化 改善 恶化 改善 恶化 改善 恶化 改善
    乔木林面积比例/% 72.92 79.24 68.29 77.25 58 78.58 76.25 67.49 70.20 73.58
    竹林面积比例/% 8.13 9.34 8.92 7.83 6.45 6.69 4.44 11.03 11.56 4.26
    疏林面积比例/% 0.03 0.22 0.26 0.19 0.31 1.10 0.67 0.33 0.11 0.25
    特灌林面积比例/% 2.61 2.83 2.45 3.03 6.11 2.68 3.64 3.96 3.51 5.20
    一般灌面积比例/% 0 0.46 0.50 0.26 0.05 0.50 1.28 0.11 0.14 0.32
    未成造面积比例/% 1.36 0.57 2.51 1.50 2.57 1.66 1.37 2.15 1.80 2.54
    苗圃地面积比例/% 0 0 0 0.01 0 0 0 0.01 0 0.01
    迹地面积比例/% 0.20 0.45 0.43 0.27 0.07 0.18 0.60 0.25 0.53 0.57
    宜林地面积比例/% 1.62 0.95 1.99 0.76 3.71 0.92 2.34 2.40 1.27 1.32
    非林地面积比例/% 13.13 5.94 14.65 8.9 22.73 7.69 9.41 12.27 10.88 11.95
    变化面积/hm2 2724.86 17252.81 16741.2 41809.64 4563.85 16338.67 13545.16 6738.06 11023.44 16573.65
    下载: 导出CSV 
    | 显示表格

    3.   讨 论

    改良RSEI指数显示泰顺县森林质量年度变化，主要因素是该县2016—2020年因城市发展导致森林质量退化。李霞[36]研究发现，浙江经济发展迅速，开发利用程度高，人类活动的高度介入导致该地区植被在各区域中退化面积最大，增长率最低；在一些中心城市和城市群周围，NDVI与人类活动呈现出负相关关系，植被出现了显著的退化现象。本研究与李霞的研究结果相一致。

    通过NDVI、生物量、生物多样性指数的趋势分析，仅通过NDVI指数评价泰顺县森林质量缺少足够的信息量，无法充分反映当地森林质量的变化。高伟等[15]研究发现，随着乔木胸径的增大，乔、灌、藤本植物多样性和均匀度逐渐增加，而草本的多样性和丰富度则逐渐降低。衣兰海等[37]研究发现，使用辛普森多样性指数和香农-维纳指数评价生态环境质量，可有效评价森林健康。白嘎力等[38]研究发现，生物量计算与植被指数的相关性最高,纹理特征的相关性次之。王百竹等[39]DHI可以被描述为监测生物多样性的一种间接方法，通过冠层吸收的辐射比例差异进行生产力评价。刘新圣等[40]研究发现，1474 m海拔范围内随海拔升高呈先增加后剧减的海拔格局。刘子源等[12]研究尼泊尔山区不同遥感植被指数空间分布格局差异大。综上所述，生物量、生物多样性指数和NDVI存在密切的相关性，而山区受海拔影响导致植被指数存在差异，通过生物量、生物多样性指标和NDVI相结合的改良绿度指标进行森林质量评价具有科学性、合理性和可行性。

    VI_1指标较NDVI指数和VI_2指标能更好反映山区森林植被质量变化的情况，指标数据自然过渡较好，指数差异化表现佳，用于RSEI模型建立更合理。李鹏飞等[41]研究发现，基于克里金插值法的植被覆盖度分析方法能获得相对准确的植被覆盖度；唐政等[42]研究发现，克里格法是一种有效的动物多样性空间插值方法；刘春洋等[43]研究发现，可用于较客观的模拟出底栖生物栖息密度，插值精确度普通克里格>反距离加权>张力样条>规则样条。选用克里金插值法弥补生物多样性缺值效果较好，这与以上学者研究一致。

    4.   结 论

    本研究结果表明，采用绿度改良指标一（VI_1）可以较好地对山区森林质量进行评价，从空间角度看，森林质量变差区域较原始NDVI计算的差异化更明显；结合地类情况分析，绿度改良指标一的变化情况更符合泰顺县实地发展状态。通过RSEI指数分析，对泰顺县森林质量影响最大的地类为乔木林地，面积均达50%以上；其次为非林地、特灌林、竹林，因种植结构调整导致生态衰减的面积比例达26.02%，说明人为因素是该县森林质量主要负面影响源。2016—2020年泰顺县森林质量整体呈下降趋势，但2020年开始有恢复上升态势。根据研究结果建议后续继续实施严格的保护措施，注重植树造林、林业产业基地建设，保持林地稳定将有助于泰顺县森林质量的恢复与保持。本研究初步探索了遥感数据、样地数据、一张图数据的点面耦合，为下一步深入改良绿度指标用于准确反映山区森林质量提供技术思路和可行性方案。如何更好消除点面耦合的插值边际效益，选择其他遥感指数进行完善将成为以后的研究重点。

  • 图  1   研究区概况图

    Figure  1.   Overview of study area

    下载: 全尺寸图片 幻灯片

    图  2   2016—2020年泰顺县生物量分布图Fig 2 Biomass distribution map of Taishun county，2016-2020

    下载: 全尺寸图片 幻灯片

    图  3   2016—2020年泰顺县绿度指标分布图Fig 3 Distribution chart of greenness indicators in Taishun county, 2016—2020

    下载: 全尺寸图片 幻灯片

    图  4   2016—2020年RSEI等级分布图

    Figure  4.   RSEI grade distribution diagram, 2016—2020

    下载: 全尺寸图片 幻灯片

    图  5   2016—2020年改良指标森林质量变化Fig 5 Changes in forest quality of improvement indicators, 2016—2020

    下载: 全尺寸图片 幻灯片

    表  1   样地抽样精度

    Table  1   Sample plot sampling accuracy

    类型样本单元数/个样本平均数标准差变动系数/%抽样精度/%
    林地面积740.8510.0424.8990.41
    森林面积740.7840.0486.1587.95
    下载: 导出CSV

    表  2   样地树种和株数统计表

    Table  2   Statistical table of tree species and plant numbers in sample plots

    树种2016年株数/株2017年株数/株2018年株数/株2019年株数/株2020年株数/株
    总计52065360560859115342
    其他阔类Other hard broad291299343410418
    其他软阔类Other soft broad8889919898
    其他灌木Other shrublands10210210210398
    马尾松Painus massonian12201240125512861051
    黄山松Pinus taiwanensis333335337339275
    湿地松pinus elliottii8181818172
    杉木Cunninghamia lanceolata11561193121912521155
    水杉Metasequoia glyptostroboides11111
    柳杉Cryptomeria fortunei316324329332215
    青冈栎Cyclobalanopsis glauca340360395423399
    甜槠Castanopsis eyrei271282310328344
    乌冈栎Quercus phillyreoides6262626262
    白栎Quercusfabri1212121212
    栲树Castanopsis fargesii222252
    苦槠Castanopsis sclerophylla333540532
    栎类Quercus88886
    枫香Liquidambar formosana4043465454
    木荷Schima superba488517576618629
    浙江樟Cinnamomum chekiangense22221
    豹皮樟Litsea coreana11
    红楠Machilus thunbergii4591418
    大叶冬青Ilex latifolia11
    冬青Ilex purpurea2931323231
    黄檀Dalbergia hupeana3334364041
    杨梅Myrica rubra10110110411498
    迎春樱桃Cerasus discoidea55669
    油桐Vernicia fordii1313142020
    枇杷Eriobotrya japonica11122
    白玉兰Michelia alba44444
    广玉兰Magnolia11111
    乌桕Sapium sebiferum33467
    梧桐Firmiana simplex33333
    山合欢Albizia22222
    漆树Rhus verniciflua stokes812131617
    桦木Betula101010107
    喜树Camptotheca acuminata11111
    茅栗Castanea seguinii11111
    板栗Castanea mollissima4444
    泡桐Paulownia fortunei44555
    柿Diospyros1415162123
    梨Pyrus spp.22222
    肉桂Cinnamomum cassia11111
    山苍子Litsea cubeba55685
    楝树Melia azedarach5671010
    柃木Eurya japonica44444
    檵木Loropetalum33331
    山胡椒Lindera benzoin2222
    石栎Lithocarpus glaber1818212422
    盐肤木Rhus chinensis232323239
    老鼠矢Symplocos stellaris2831343824
    杜鹃Rhododendron simsii2828282828
    下载: 导出CSV

    表  3   森林资源一张图地类精度

    Table  3   Land type accuracy of a map of forest resources

    地类图斑总数/个一致性图斑数/个一致性/%
    总计34732693.95
    乔木林地23322998.28
    竹林地514894.12
    国家特别规定灌林地333193.94
    一般灌木林2150
    未成林造林地77100
    采伐迹地300
    规划造林地11654.55
    其他宜林地5480
    耕地20
    下载: 导出CSV

    表  4   森林资源一张图优势树种精度

    Table  4   The accuracy of the advantageous tree species in a forest resource map

    树种 图斑总数/个 树种一致图斑数/个 一致性/%
    总计 347 306 88.18
    无树种No tree species 20 10 50
    针叶混交林Mixed coniferous forest 33 30 90.91
    马尾松Pinus massoniana 111 100 90.09
    黄山松Pinus taiwanensis 1 1 100
    杉木Cunninghamia lanceolata 10 10 100
    柳杉Cryptomeria fortunei 4 4 100
    阔叶混交林Broadleaf mixed forest 8 7 87.5
    栎类Quercus 4 3 75
    其它硬阔类Other hard broad types 39 37 94.87
    针阔混交林Mixed coniferous and broad-leaved forest 30 29 96.67
    毛竹Phyllostachys heterocycla 50 48 96
    板栗Castanea mollissima 1 1 100
    杨梅Myrica rubra 9 5 55.56
    茶叶Camellia sinensis 10 10 100
    柑桔Citrus reticulata 4 4 100
    桃Amygdalus persica 1 1 100
    栀子花Gardenia jasminoides 6 4 66.67
    其它灌木经济树种Other shrub economic tree species 1 1 100
    其他灌木Other shrubs 1 1 100
    其它松类Other pine species 1 0
    猕猴桃Actinidia chinensis 2 0
    高节竹Phyllostachys prominens 1 0
    　　注：树种一致图斑数是指地类一致前提下树种也一致的图斑情况。
    下载: 导出CSV

    表  5   森林资源一张图地类和蓄积统计表

    Table  5   A map of forest resources, land types and accumulation statistics table

    类型 2016年 2017年 2018年 2019年 2020年
    土地总面积/hm2 176803 176803 176803 176803 176803
    林地面积hm2 142891.13 142338.27 142061.73 141859.8 141782.60
    森林面积/hm2 135415.13 135327.47 135324.53 135455.13 135643.07
    乔木林地/hm2 114744.67 114740.07 114656.93 114737.60 114868.80
    竹林地/hm2 15515.33 15426.60 15387.13 15369.27 15310.53
    疏林地/hm2 1186.33 824.07 1050.73 881.20 459.40
    灌木林地/hm2 小计 5840.20 5734.80 5879.27 5857.60 5851.67
    国家特别规定灌林地 5155.13 5160.80 5280.47 5348.26 5463.74
    一般灌木林 685.07 574 598.80 509.37 387.93
    未成林造林地/hm2 2151.27 1819.53 2 254.40 2289.26 2843.79
    苗圃地/hm2 27.47 32.80 33.67 33.67 33.67
    迹地/hm2 小计 804.93 808.67 473.47 353.80 428.27
    采伐迹地 191.27 191.07 153.47 41.80 49.07
    火烧迹地 613.67 617.60 320 312 379.20
    其他迹地 0 0 0 0 0
    宜林地/hm2 小计 2 620.93 2 951.73 2 326.13 2 337.40 1 986.47
    造林失败地 79.07 97.20 84.66 84.67 67.87
    规划造林地 2 031.27 2 004.93 1 253.47 1 130.93 723
    其他宜林地 510.60 849.60 988 1 121.80 1 195.60
    活立木总蓄积量/m3 6218735 6632175 6960568 7298896 7568225
    乔木林蓄积量/m3 6122079 6526320 6838637 7163986 7428337
    疏林蓄积量/m3 475 504 718 850 1023
    　　注：森林面积包含乔木林地、竹林地和国家特别规定灌林地。
    下载: 导出CSV

    表  6   2016—2020年泰顺县气象站年度气象数据

    Table  6   Annual meteorological data of Taishun county meteorological station, 2016—2020

    年份/年 年累计温度/℃ 日平均温度/℃ 年累计降雨量/mm
    2016 6340.7 17.324 2741.4
    2017 6235.7 17.084 1787.0
    2018 6241.0 17.099 2191.0
    2019 6228.8 17.065 1886.5
    2020 6383.4 17.441 1399.3
    下载: 导出CSV

    表  7   2016—2020年泰顺县月降雨量

    Table  7   Monthly rainfall in Taishun County, 2016—2020

    年份/年 月份
    1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月
    2016 186.2 110.5 128.1 348.5 295.6 362.4 154.6 128.1 739.9 149.9 127.8 9.8
    2017 51.5 36 235.9 122.5 59.1 435.0 271.2 157.1 223.3 57.7 106.0 31.7
    2018 115.6 37.3 101.8 158.3 398.9 334.7 199.7 222.0 277.3 115.5 163.9 66.0
    2019 49.7 162.4 184.0 221.9 122.8 451.3 336.3 149.3 83.1 72.5 5.4 47.8
    2020 43.7 102.6 262.4 65.5 143.5 190.1 112.5 217.6 193.6 10.2 16.3 41.3
    下载: 导出CSV

    表  8   主要树种基本木材密度

    Table  8   Basic wood density of main tree species

    树种 D/t·m−3 树种 D/t·m−3
    马尾松Pinus massoniana 0.38 桦木Betula 0.541
    湿地松pinus elliottii 0.424 浙江樟Cinnamomum chekiangense 0.46
    其它松类Other pine species 0.424 木荷Schima superba 0.598
    杉木Cunninghamia lanceolata 0.307 楠木Phoebezhennan 0.477
    池杉Taxodium ascendens 0.359 硬阔类Hard broad 0.598
    柳杉Cryptomeria fortunei 0.294 软阔类Soft broad 0.443
    其它杉类Other fir species 0.359 针叶混Coniferous mix 0.405
    栎类Quercus 0.676 阔叶混Broadleaf mix 0.482
    枫香Liquidambar formosana 0.598 针阔混Needle and broad mix 0.486
    下载: 导出CSV

    表  9   主要树种BEF值和R值

    Table  9   BEF value and R value of major tree species

    树种 BEF R 树种 BEF R
    马尾松Pinus massoniana 1.472 0.187 桦木Betula 1.424 0.248
    湿地松pinus elliottii 1.614 0.264 浙江樟Cinnamomum chekiangense 1.412 0.275
    其它松类Other pine species 1.631 0.206 木荷Schima superba 1.894 0.258
    杉木Cunninghamia lanceolata 1.634 0.246 楠木Phoebe zhennan 1.639 0.264
    池杉Taxodium ascendens 1.218 0.435 硬阔类Hard broad 1.674 0.261
    柳杉Cryptomeria fortunei 2.593 0.267 软阔类Soft broad 1.586 0.289
    其它杉类Other fir species 1.667 0.277 针叶混Coniferous mix 1.587 0.267
    栎类Quercus 1.355 0.292 阔叶混Broadleaf mix 1.514 0.262
    枫香Liquidambar formosana 1.765 0.398 针阔混Needle and broad mix 1.656 0.248
    下载: 导出CSV

    表  10   毛竹林、杂竹林、经济林、灌木林平均单位面积生物量

    Table  10   Average biomass per unit area of moso bamboo forests, miscellaneous bamboo forests, economic forests, and shrub forests

    类型毛竹林杂竹林经济林灌木林
    地上部地下部全林地上部地下部全林地上部地下部全林地上部地下部全林
    平均单位面积生物量/（t·hm-2）37.75522.89260.64719.5211.83631.35629.357.5535.2112.516.7217.99
    下载: 导出CSV

    表  11   泰顺县样地和多样性指数年度变化情况

    Table  11   Annual changes in sample plots and diversity index in Taishun County

    年份样地数/个物种数/种
    		个体数/个乔木林个数/个森林个数/个Simpson指数Shannon-Wiener指数
    2016年7449520642580.5991.207
    2017年7449536042580.6011.220
    2018年7449560841570.6021.230
    2019年7451591142580.6071.267
    2020年7449534242580.5871.226
    下载: 导出CSV

    表  12   泰顺县生物量随年度和树种变化情况

    Table  12   Changes in biomass by year and tree species in Taishun County

    树种 生物量/t
    2016 年 2017年 2018年 2019年 2020年
    合计 6545697 6907800 6566071 6825259 7034063
    针叶混Coniferous mix 1049764 1125262 1516077 1590116 1649180
    马尾松Pinus massoniana 1490411 1588774 2196740 2305981 2393520
    黄山松Pinus taiwanensis 65937 70085 96638 100517 105644
    湿地松pinus elliottii 391 458 648 691 718
    杉木Cunninghamia lanceolata 168510 182405 225499 230881 236859
    柳杉Cryptomeria fortunei 43614 47692 59338 61350 63091
    池杉Taxodium ascendens 0 14 17 17 17
    阔叶混Broadleaf mix 8008 8293 3984 5064 4928
    栎类Quercus 178485 184764 86231 87843 90995
    桦木Betula 0 9 4 4 4
    浙江樟Cinnamomum chekiangense 7 14 10 12 10
    木荷Schima superba 107 114 60 63 64
    枫香Liquidambar formosana 229 254 125 133 137
    硬阔类Hard broad 1877118 1999108 979836 1027653 1065388
    软阔类Soft broad 7051 7470 3538 3637 3742
    针阔混Needle and broad mix 533585 571996 274100 288376 298534
    毛竹Phyllostachys heterocycla 926086 923179 920521 919445 915922
    杂竹Miscellaneous bamboo 5724 5930 6059 6056 6027
    经济树种Economic tree species 178341 181648 185866 188252 192302
    灌木树种Shrubland tree species 12329 10331 10780 9168 6981
    下载: 导出CSV

    表  13   泰顺县NDVI、生物多样性、生物量随年度变化情况（部分）

    Table  13   Annual changes in NDVI, biodiversity, and biomass in Taishun county (part)

    年份/年 类型 样地编号
    13385 13439 13448 13451 13454 13461 13470 13475 13481 13484
    2016 Simpson指数 0.834 0.588 0.109 0.706 0.775 0.342 0.651 0.827 0.566 0.086
    Shannon指数 2.039 1.061 0.226 1.591 1.756 0.682 1.308 1.753 1.313 0.231
    生物量/t 741 788 236 488 281 325 77 509 168 112
    NDVI 0.929 0.945 0.835 0.871 0.902 0.937 0.945 0.957 0.973 0.482
    2017 Simpson指数 0.836 0.588 0.104 0.706 0.775 0.360 0.655 0.827 0.605 0.086
    Shannon指数 2.050 1.061 0.217 1.591 1.756 0.702 1.325 1.753 1.354 0.231
    生物量/t 797 838 246 525 302 353 85 535 185 124
    NDVI 0.792 0.832 0.763 0.817 0.766 0.811 0.842 0.795 0.861 0.770
    2018 Simpson指数 0.847 0.588 0.128 0.726 0.785 0.368 0.662 0.808 0.618 0.086
    Shannon指数 2.089 1.061 0.292 1.623 1.762 0.711 1.345 1.699 1.356 0.231
    生物量/t 1108 406 119 730 418 457 108 260 91 177
    NDVI 0.863 0.869 0.829 0.846 0.807 0.863 0.833 0.853 0.875 0.805
    2019 Simpson指数 0.854 0.595 0.146 0.746 0.791 0.368 0.686 0.808 0.584 0.086
    Shannon指数 2.112 1.105 0.319 1.641 1.773 0.711 1.461 1.699 1.275 0.231
    生物量/t 1169 428 122 771 440 483 114 272 96 189
    NDVI 0.749 0.862 0.715 0.786 0.711 0.764 0.806 0.785 0.825 0.749
    2020 Simpson指数 0.856 0.597 0.169 0.743 0.839 0.373 0.683 0.735 0.626 0
    Shannon指数 2.125 1.121 0.393 1.618 1.931 0.703 1.427 1.485 1.391 0
    生物量/t 1241 452 124 819 454 499 118 286 102 203
    NDVI 0.806 0.837 0.775 0.829 0.774 0.824 0.811 0.838 0.857 0.763
    下载: 导出CSV

    表  14   NDVI、生物多样性指数、生物量相关性

    Table  14   NDVI, biodiversity index, biomass correlation

    年份/年指标Simpson指数Shannon指数NDVI生物量
    2016Simpson指数10.9256967910.2060638720.308872451
    Shannon指数10.2833344630.381037624
    NDVI10.263320509
    生物量1
    2017Simpson指数10.9404847660.1848768430.307078591
    Shannon指数10.2309056770.377223864
    NDVI10.330437449
    生物量1
    2018Simpson指数10.9441553790.18607480.355114718
    Shannon指数10.2326769510.436415987
    NDVI10.313507012
    生物量1
    2019Simpson指数10.9509026310.2577361790.36246865
    Shannon指数10.2744149930.426671862
    NDVI10.331877994
    生物量1
    2020Simpson指数10.9748384470.1988274440.382674526
    Shannon指数10.2322348220.418661156
    NDVI10.219151373
    生物量1
    下载: 导出CSV

    表  15   绿度指标逐年度对比表

    Table  15   Annual comparison table of greenness indicators

    年份/年 2016 2017 2018 2019 2020
    绿度指标 NDVI VI_1 VI_2 NDVI VI_1 VI_2 NDVI VI_1 VI_2 NDVI VI_1 VI_2 NDVI VI_1 VI_2
    最小值 −1 0 0 −0.444 0 0 −1 0 0 −0.569 0 0 −0.481 0 0
    最大值 1 0.935 0.983 1 0.935 0.905 1 0.927 0.815 1 0.927 0.807 1 0.935 0.838
    均值 0.743 0.490 0.557 0.752 0.469 0.447 0.787 0.455 0.433 0.726 0.463 0.438 0.760 0.457 0.429
    标准差 0.219 0.098 0.170 0.128 0.132 0.135 0.128 0.148 0.148 0.129 0.136 0.135 0.125 0.158 0.158
    下载: 导出CSV

    表  16   绿度指标主成分PC1分析结果

    Table  16   Analysis results of PC1 in the principal component of greenness index

    指标 VI_1 VI_2
    2016年 2017年 2018年 2019年 2020年 2016年 2017年 2018年 2019年 2020年
    PC1 PC1 PC1 PC1 PC1 PC1 PC1 PC1 PC1 PC1
    绿度 0.145 0.199 0.242 0.203 0.278 0.245 0.196 0.275 0.223 0.304
    湿度 0.987 0.607 0.617 0.603 0.711 0.967 0.607 0.611 0.601 0.706
    热度 −0.058 −0.238 −0.249 −0.258 −0.645 −0.056 −0.238 −0.248 −0.257 −0.640
    干度 −0038 −0.732 −0.706 −0.727 −0.021 −0.040 −0.732 −0.700 −0.723 −0.019
    特征值 0.199 0.333 0.336 0.341 0.534 0.199 0.333 0.336 0.341 0.534
    贡献率/% 85.65 81.49 82.41 81.02 88.38 82.41 81.23 81.69 80.43 87.90
    下载: 导出CSV

    表  17   2016—2020年改良RSEI指标统计表

    Table  17   Statistics of improvement RSEI index, 2016—2020

    年份/年最小值最大值均值标准差
    2016010.870.117
    2017010.7380.101
    2018010.710.103
    2019010.7330.107
    2020010.8250.162
    下载: 导出CSV

    表  18   2016—2020年各等级改良RSEI面积与比例

    Table  18   Areas and proportions of various grades of improvement RSEI, 2016—2020

    年份/年类型差较差中等良优
    2016面积/hm239488.6713251.6037899.3653300.0728704.60
    比例/%22.877.6821.9530.8716.63
    2017面积/hm240831.1110531.1735971.0247964.0637346.94
    比例/%23.656.1020.8427.7821.63
    2018面积/hm237411.5613551.1231623.3952648.8337409.40
    比例/%21.677.8518.3230.5021.66
    2019面积/hm242230.889385.7429068.9255678.8636279.9
    比例/%24.465.4416.8432.2521.01
    2020a面积/hm242358.6812038.8531347.6343753.8643145.28
    比例/%24.546.9718.1625.3424.99
    下载: 导出CSV

    表  19   2016—2020年各等级RSEI面积与比例

    Table  19   Area and proportion of RSEIs of each level, 2016—2020

    年份/年类型差较差中等良优
    2016面积/hm27478.7712888.9429897.3959105.2467432.66
    比例/%4.237.2916.9133.4338.14
    2017面积/hm29954.0111863.4824487.2255321.6675176.63
    比例/%5.636.7113.8531.2942.52
    2018面积/hm28751.7511739.7226184.5251644.1678482.85
    比例/%4.956.6414.8129.2144.39
    2019面积/hm29618.0812765.1823762.3253871.8776785.55
    比例/%5.447.2213.4430.4743.43
    2020面积/hm29759.5313348.6326927.151626.4875141.26
    比例/%5.527.5515.2329.242.5
    下载: 导出CSV

    表  20   2016—2020年泰顺县改良RSEI森林质量面积变化

    Table  20   Changes in the quality area of the improved RSEI forest in Taishun county, 2016—2020

    类型 2016—2017年 2017—2018年 2018—2019年 2019—2020年 2016—2020年
    面积/hm2 比例/% 面积/hm2 比例/% 面积/hm2 比例/% 面积/hm2 比例/% 面积/hm2 比例/%
    恶化 −4 32.04 0.02 473.40 0.27 2.79 0 163.35 0.09 688.50 0.40
    −3 1387.26 0.80 103.05 0.06 15.66 0.01 2102.94 1.22 3550.32 2.06
    −2 608.40 0.35 1658.34 0.96 66.33 0.04 2090.25 1.21 4108.32 2.38
    −1 735.39 0.43 2536.83 1.47 13536.36 7.84 6743.79 3.91 8413.56 4.87
    不变 0 152563.14 88.37 151395.57 87.69 151981.47 88.03 144830.88 83.89 114112.17 66.10
    改善 1 16893.36 9.79 16378.11 9.49 5078.61 2.94 16642.62 9.64 39281.94 22.75
    2 113.85 0.07 22.32 0.01 1942.92 1.13 70.47 0.04 2130.57 1.23
    3 138.15 0.08 44.37 0.03 20.16 0.01 0 0 135.72 0.08
    4 172.71 0.09 32.31 0.02 0 0 0 0 223.20 0.13
    下载: 导出CSV

    表  21   2016—2020年泰顺县RSEI森林质量的地类变化情况

    Table  21   Changes in land types of RSEI forest quality in Taishun county, 2016—2020

    地类 RSEI
    2016—2017年 2016—2020年 2017—2018年 2018—2019年 2019—2020年
    恶化 改善 恶化 改善 恶化 改善 恶化 改善 恶化 改善
    乔木林面积比例/% 44.64 60.62 47.35 64.26 44.74 47.79 48.41 44.38 47.83 48.21
    竹林面积比例/% 8.14 14.73 9.85 7.28 30.47 6.08 6.70 28.49 26.28 7.95
    疏林面积比例/% 0.43 1.16 0.45 1.17 0.48 0.46 0.38 0.72 0.75 0.37
    特灌林面积比例/% 2.93 4.58 2.62 5.94 2.83 5.61 5.12 3.90 2.72 6.40
    一般灌面积比例/% 0.21 0.77 0.21 0.76 0.30 0.29 0.22 0.45 0.48 0.23
    未成造面积比例/% 0.91 2.25 0.79 2.62 1.15 1.44 1.29 2.03 1.44 1.73
    苗圃地面积比例/% 0.01 0.03 0 0.05 0.02 0.02 0.01 0.04 0.01 0.05
    迹地面积比例/% 0.49 0.76 0.30 0.99 0.26 0.91 0.28 0.41 0.15 0.37
    宜林地面积比例/% 1.28 2.70 1.73 2.33 2.48 1.82 1.28 2.45 2.17 1.48
    非林地面积比例/% 40.95 12.41 36.71 14.58 17.26 35.57 39.81 17.14 18.18 33.21
    变化面积/hm2 31537.88 42774.67 34445.22 41767.54 21240.91 26263.04 27185.45 24673.58 26320.31 23086.1 0
    下载: 导出CSV

    表  22   2016—2020年泰顺县改良RSEI森林质量的地类变化情况

    Table  22   Land types changes in the quality of improved RSEI forests in Taishun county, 2016—2020

    地类 改良RSEI
    2016—2017年 2016—2020年 2017—2018年 2018—2019年 2019—2020年
    恶化 改善 恶化 改善 恶化 改善 恶化 改善 恶化 改善
    乔木林面积比例/% 72.92 79.24 68.29 77.25 58 78.58 76.25 67.49 70.20 73.58
    竹林面积比例/% 8.13 9.34 8.92 7.83 6.45 6.69 4.44 11.03 11.56 4.26
    疏林面积比例/% 0.03 0.22 0.26 0.19 0.31 1.10 0.67 0.33 0.11 0.25
    特灌林面积比例/% 2.61 2.83 2.45 3.03 6.11 2.68 3.64 3.96 3.51 5.20
    一般灌面积比例/% 0 0.46 0.50 0.26 0.05 0.50 1.28 0.11 0.14 0.32
    未成造面积比例/% 1.36 0.57 2.51 1.50 2.57 1.66 1.37 2.15 1.80 2.54
    苗圃地面积比例/% 0 0 0 0.01 0 0 0 0.01 0 0.01
    迹地面积比例/% 0.20 0.45 0.43 0.27 0.07 0.18 0.60 0.25 0.53 0.57
    宜林地面积比例/% 1.62 0.95 1.99 0.76 3.71 0.92 2.34 2.40 1.27 1.32
    非林地面积比例/% 13.13 5.94 14.65 8.9 22.73 7.69 9.41 12.27 10.88 11.95
    变化面积/hm2 2724.86 17252.81 16741.2 41809.64 4563.85 16338.67 13545.16 6738.06 11023.44 16573.65
    下载: 导出CSV
    • 参考文献(43)
  • [1]

    HUANG P H,TSAI J S ,LIN W T . Using multiple-criteria decision-making techniques for eco-environmental vulnerability assessment:a case study on the Chi-Jia-Wan Stream watershed,Taiwan[J]. Environmental Monitoring and Assessment,2009,168:141 − 158.
    [2]

    YANG Y J, REN X F, ZHANG S L,et al. Incorporating ecological vulnerability assessment into rehabilitation planning for a post-mining area[J]. Environmental Earth Sciences,2017,76:245.
    [3]

    YANG G F, CHEN Z H. RS-based fuzzy multiattribute assessment of eco-environmental vulnerability in the source area of the Lishui River of northwest Hunan Province,China[J]. Natural Hazards,2015,78:1145 − 1161. doi: 10.1007/s11069-015-1762-2
    [4]

    HOU K, LI X X,WANG J J,et al. An analysis of the impact on land use and ecological vulnerability of the policy of returning farmland to forest in Yan’an,China[J]. Environmental Science and Pollution Research,2015,23:4670 − 4680.
    [5]

    S. GAONA O,KAMPICHLER C, DE JONG BH J,et al. A multi-criterion index for the evaluation of local tropical forest conditions in Mexico[J]. Forest Ecology and Management,2010,260:618 − 627. doi: 10.1016/j.foreco.2010.05.018
    [6]

    SHAN W, JIN X B, REN J, et al. Ecological environment quality assessment based on remote sensing data for land consolidation[J]. Journal of Cleaner Production,2019,239:118126. doi: 10.1016/j.jclepro.2019.118126
    [7]

    LI B S,ZHANG S Y,WANG S X,et al. Research on the evaluation model of the ecological impact of the Saihanba based on multiple regression[J]. Environment, Resource and Ecology Journal, 2021, 5(4):39-43.
    [8] 冯自贤,佘璐,王秀慧,等. 基于改进遥感生态指数的宁夏生态环境质量时空变化[J]. 生态环境学报,2024,33(1):131 − 143.
    [9] 付杰,王萍,张清,等. 基于改进遥感生态指数的海南岛生态环境质量动态变化[J]. 农业资源与环境学报,2021,38(6):1102 − 1111.
    [10] 杨羽佳,张怡,匡天琪,等. 利用改进城市遥感生态指数的苏州市生态分析[J]. 测绘科学技术学报,2021,38(3):323 − 330.
    [11] 康冬,陈传明,王强. 2000—2017年福建省植被NDVI变化特征[J]. 台湾农业探索,2018(6):25 − 31.
    [12] 刘子源,周德成,郝璐,等. 基于3种遥感指数的2000—2020年尼泊尔地区植被生长动态的对比[J]. 环境科学,2024,45(10):5924-5930.
    [13] 于世勇. 2005—2020年北京市主要森林类型NDVI变化研究[J]. 温带林业研究,2023,6(3):27 − 32. doi: 10.3969/j.issn.2096-4900.2023.03.005
    [14] 叶天木,容丽,王梦洁,等. 黔中天龙山典型喀斯特次生林地上生物量与环境因子的关系[J]. 广西植物,2023,43(3):484 − 493.
    [15] 高伟,黄石德,林建丽,等. 亚热带3种森林类型的群落特征与物种多样性的耦合关系[J]. 热带作物学报,2021,42(6):1756 − 1763. doi: 10.3969/j.issn.1000-2561.2021.06.035
    [16] 潘元琪,杜彦君,陈文德,等. 植物物候是否能解释物种共存:以浙江古田山亚热带常绿阔叶林为例[J]. 中国科学:生命科学,2020,50(4):362 − 375.
    [17] CHEN X J, CHEN S B, HE Z W, et al . Developing a system for comprehensive regional Eco-environmental quality assessment in mountainous areas—A case study of Western Sichuan, China[J]. Frontiers in Environmental Science, 2022, 10: 1 − 21.

    CHEN X J,CHEN S B,HE Z W,et al . Developing a system for comprehensive regional Eco-environmental quality assessment in mountainous areas—A case study of Western Sichuan,China[J]. Frontiers in Environmental Science,2022,10:1 − 21.
    [18] 潘洪义,李加安,张琴. 基于RSEI的地震区生态环境质量恢复研究——以汶川县为例[J]. 长江流域资源与环境,2021,30(3):745 − 757.
    [19] 任彦霓,周廷刚,李洪忠,等. 基于遥感和POI数据的重庆市主城区城市生态环境格局研究[J]. 地球物理学进展,2021,36(2):766 − 778.
    [20] 刘晶. 基于Landsat-8数据的地表温度反演算法对比[D]. 西安:长安大学,2018.
    [21] 卢响军,许尘璐,郭金金. 基于Landsat 8数据的地表温度反演方法对比分析[J]. 干旱环境监测,2023,37(3):137 − 144. doi: 10.3969/j.issn.1007-1504.2023.03.008
    [22] 郭仕侗,刘斓. 基于ArcGIS的空间插值方法比较[J]. 科技风,2019(16):227.
    [23] 任艳敏,郜允兵,刘玉. 耕地质量空间插值方法的研究进展与展望[J]. 中国农学通报,2021,37(12):45 − 50. doi: 10.11924/j.issn.1000-6850.casb2020-0404
    [24] 徐涵秋,邓文慧. MRSEI指数的合理性分析及其与RSEI指数的区别[J]. 遥感技术与应用,2022,37(1):1 − 7.
    [25] 洪伟,吴承祯. Shannon-Wiener指数的改进[J]. 热带亚热带植物学报,1999(2):120 − 124.
    [26] 许晴,张放,许中旗,等. Simpson指数和Shannon-Wiener指数若干特征的分析及“稀释效应”[J]. 草业科学,2011,28(4):527 − 531. doi: 10.3969/j.issn.1001-0629.2011.04.001
    [27] 黄伙发. 基于Shannon-Wiener指数的三明市森林生物多样性评价[J]. 福建林业科技,2015,42(4):121 − 124.
    [28] 王兵,郑秋红,郭浩. 基于Shannon-Wiener指数的中国森林物种多样性保育价值评估方法[J]. 林业科学研究,2008(2):268 − 274. doi: 10.3321/j.issn:1001-1498.2008.02.025
    [29] 王秀云,朱汤军,赵彩芳,等. 基于温室气体清单编制的林业碳计量研究进展[J]. 林业资源管理,2013(3):17 − 22. doi: 10.3969/j.issn.1002-6622.2013.03.005
    [30] 蔡博峰,朱松丽,于胜民,等. 《IPCC 2006年国家温室气体清单指南2019修订版》解读[J]. 环境工程,2019,37(8):1 − 11.
    [31] 侯燕南,吴惠俐,项文化,等. 亚热带4种森林生物量估算转换参数的研究[J]. 中南林业科技大学学报,2016,36(8):57 − 65.
    [32] 沈楚楚. 浙江省主要树种(组)生物量转换系数研究[D]. 杭州:浙江农林大学,2013.
    [33] 徐涵秋. 城市遥感生态指数的创建及其应用[J]. 生态学报,2013,33(24):7853 − 7862.
    [34] 钱峻屏,李岩,廖其芳,等. 利用遥感植被指数分析中国东部样带农业生态系统的生产力格局[J]. 生态学杂志,2001(6):46 − 49,77. doi: 10.3321/j.issn:1000-4890.2001.06.012
    [35] 姚红霞. 北京东灵山地上生物量与林层之间的生物多样性依赖关系[D]. 郑州:河南农业大学,2023.
    [36] 李霞,陈永昊,陈喆,等. 中国沿海地区植被NDVI时空变化及驱动力分析[J]. 生态环境学报,2024,33(2):180 − 191.
    [37] 衣兰海. 基于群落结构和生物多样性的森林健康评价研究[D]. 北京:北京林业大学,2019.
    [38] 白嘎力,萨如拉,滑永春,等. 基于哨兵2遥感影像的根河林区森林地上生物量估算[J]. 内蒙古林业调查设计,2023,46(2):19 − 24.
    [39] 王百竹,王丹雨,图雅,等. 动态生境指数在生物多样性领域中的研究进展[J/OL]. 生态学杂志:1 − 9.
    [40] 刘新圣,蔡路路,张亦赟,等. 黄山松林生物量随海拔梯度的变化特征[J]. 森林与环境学报,2023,43(5):516 − 522.
    [41] 李鹏飞,李梦. 基于克里金插值法的植被覆盖度研究——以扎陵湖、鄂陵湖区为例[J]. 安徽农业科学,2015,43(8):321 − 324. doi: 10.3969/j.issn.0517-6611.2015.08.127
    [42] 唐政,单秀娟,关丽莎,等. 基于不同空间插值法的黄海和东海北部游泳动物多样性空间分布研究[J]. 渔业科学进展,2020,41(6):1 − 11.
    [43] 刘春洋,李轶平,董婧. 基于GIS的海洋底栖生物栖息密度空间插值方法[J]. 海洋环境科学,2012,31(3):443 − 447. doi: 10.3969/j.issn.1007-6336.2012.03.029
    • 相关文章
    • 施引文献
    • 资源附件(0)
图(5)  /  表(22)
计量
  • 文章访问数:  13
  • HTML全文浏览量:  0
  • PDF下载量:  4
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-07-26
  • 修回日期:  2024-11-24
  • 刊出日期:  2025-01-28

目录

摘要
HTML全文

  • 1.   材料与方法

  • 1.1   试验地概况

  • 1.2   研究方法

  • 1.2.1   数据来源
  • 1.2.1.1   遥感数据
  • 1.2.1.2   森林资源调查数据
  • 1.2.1.3   其他数据
  • 1.3   指标构建
  • 1.3.1   绿度改良指标一
  • 1.3.2   绿度改良指标二
  • 1.3.3   综合指数构建
  • 1.4   数据处理
  • 1.4.1   遥感数据处理
  • 1.4.2   生物多样性指数处理
  • 1.4.3   生物量处理
  • 1.5   森林质量变化赋值

  • 2.   结果与分析

  • 2.1   基于森林调查数据的森林质量分析

  • 2.1.1   一类样地生物多样性指数分析
  • 2.1.2   森林资源一张图生物量分析
  • 2.1.3   NDVI、生物多样性指数和生物量分析

  • 2.2   改良指标指数分析

  • 2.2.1   绿度改良指标比对分析
  • 2.2.2   绿度改良指标在RSEI模型中的相关性分析
  • 2.2.3   绿度改良指标空间分析

  • 2.3   改良后RSEI指数分析

  • 2.3.1   改良RSEI指数结果
  • 2.3.2   改良后森林质量空间分析
  • 2.3.3   改良后森林质量动态变化分析

  • 3.   讨 论

  • 4.   结 论

参考文献(43)
相关文章
施引文献
资源附件(0)

/

返回文章
返回
版权所有 © 《浙江林业科技》编辑部
地址：杭州市留下浙江省林科院内编辑部邮编：310023电话：0571-87798221

本系统由 北京仁和汇智信息技术有限公司 开发  百度统计

x 关闭 永久关闭

郑重声明：本网站为《浙江林业科技》唯一合法官方网站，敬请广大作者提高警惕，以免上当受骗。