基于多源数据集的2000-2013年中国森林覆盖变化的不一致评估：参数、空间分辨率和定义的差异外文翻译资料

 2022-12-20 21:14:26

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

基于多源数据集的2000-2013年中国森林覆盖变化的不一致评估：参数、空间分辨率和定义的差异

Yan Li1,2,3, Damien Sulla-Menashe4, Safa Motesharre2,5, Xiao-Peng Song6, Eugenia Kalnay1,2, Eugenia Kalnay1,2, Qing Ying6, Shuangcheng Li3,7 amp; Zongwen Ma8.

中国国家森林清查(NFI)报告说，自2000年以来，中国的森林覆盖率增加了，但是新的卫星数据集全球森林变化(GFC)发现森林覆盖率下降了。本研究利用4个卫星数据集对2000-2013年我国森林覆盖变化估计值的差异进行了研究：利用MODIS归一化燃烧比(NBR)、现有MODIS土地覆盖(LC)和植被连续场(VCF)产品以及基于Landsat的GFC估算森林覆盖变化。在这些卫星数据集中，在总变化面积和空间格局上，森林损失比森林增加表现出更好的一致性。森林占中国陆地面积覆盖率的净变化从NBR增加1.56%、VCF增加1.93%、LC增加3.40%，到GFC减少-0.40%，差异较大。由MODIS数据集得出的森林净增加量(1.56-3.40%)低于NFI报告(3.41%)。算法参数、不同的空间分辨率和不一致的森林定义可能是造成差异的重要原因。虽然MODIS数据集支持中国森林总体增长，但由于卫星估算的巨大不确定性，森林净变化的方向和幅度仍不清楚。

森林变化对气候、生态、水文和人类健康有广泛的影响。大量观测和建模的研究表明：森林砍伐和造林通过直接的生物物理效应和间接的对碳循环的影响产生重大环境影响。因此，监测森林覆盖率的变化对了解这些影响和林业政策的制定和管理是至关重要的。

可以通过国家森林调查或遥感观测来监测森林变化。由政府组织领导的国家森林清查(NFIs)在很长一段时间内提供了系统而准确的森林资源信息。例如，在中国，国家林业局已经实施了8次森林清查，收集了大量分布式永久样地的数据(第7次NFI中有4.1times;105个样地，但这些样地级别的数据不对外开放)。然而，NFI对森林、抽样标准和抽样方法的定义因国家和时间的不同而不同，这些定义可能导致数据不一致。

数据名称

时间间隔

来源

空间分辨率

数据类型

变化检测方法

MODIS NBR (基于MODTrendr)

2000–2013年

MODIS

500 m

二进制

检测时间序列的变化

MODIS LC

2001–2012年

500 m

二进制

两个时期间土地覆盖类型的变化

MODIS VCF

2000–2013年

250 m

数字

两个时期间小乔木覆盖度的变化

GFC

2000–2012

增加和减少按年计算

Landsat

30 m

二进制

检测时间序列的变化

NFI

1999–2013

每5年一次

统计数据

省

数字

两个时期森林序列的变化

表1 用于森林覆盖变化估计的不同数据集的概述。二进制:改变(失去或得到)或没有改变。数值:以面积单位表示的变化。

基于遥感的方法可以提供高时空分辨率的实时数据，更好地捕捉森林动态，例如退化和森林的增加。来自中分辨率成像光谱仪(MODIS)的卫星数据以及来自Landsat专题制图仪(TM)和增强型专题制图仪(ETM )的卫星数据已被广泛用于识别各种类型的森林变化，包括干扰、损失和再生长。MODIS数据具有较高的时间分辨率，但空间分辨率相对较低(250或500m)。这种分辨率使得数据在区域和全球尺度的应用中有用，但限制了它们检测更精细尺度变化的能力。相比之下, 更高空间分辨率的Landsat数据(30m)伴随着大数据量，直到最近计算资源的改进，区域到全球尺度的应用才变得可行。基于陆地卫星图像的最新全球森林变化(GFC)产品是此类数据集中第一个提供从2000年开始的全球和年度森林覆盖变化的高分辨率数据集。

来自NFI和遥感数据集的信息应相互补充，并可以结合起来，以便更好地了解森林动态(例如，在估计森林面积和生物量时)。然而，在实践中，由于采用了不同的定义和方法，森林覆盖率的变化不一定是这样。例如，NFI和GFC的数据集对2000-2013年中国森林覆盖变化显示了相互矛盾的结果。中国NFI数据显示，与第6次NFI(1999-2003)相比，第7次NFI(2004-2008)和第8次NFI(2009-2013)国家森林覆盖率分别增加了2.15%和3.41%。森林面积的增加是由于几个造林和森林保护方案的成功实施，其中包括天然林保护方案(NFCP)、“三北”防护林方案和“退耕还林”方案。相比之下，GFC数据集由于其前所未有的全球高空间分辨率，被认为比以往的遥感数据集更加准确。它的结果表明，2000年至2012年中国森林面积变化为净损失38,743 km2，相当于全国森林覆盖率(即，森林面积除以中国的总面积)下降0.40%。这种差异可能对依赖森林变化数据的研究产生深远影响，是评估中国造林影响的一个重要不确定因素。例如，NFI的森林增加经常被用来解释中国近几十年来观察到的植被绿化趋势，其对气候的影响也引起了研究人员的注意。然而, 如果其他独立数据集不支持NFI所报告的森林覆盖率增加，这些研究的结论可能受到影响。

在本研究中，我们从多个来源收集数据，并根据不同的方法比较他们对森林覆盖变化的估计，以便更好地理解中国森林覆盖的变化和调查这些数据集之间的潜在分歧来源。解决森林覆盖变化差异的理想方法是直接使用地面参考数据验证每个数据集的变化，并给出无偏估计。但是，由于缺乏地面参考数据，目前无法做到这一点。此外，验证森林覆盖变化估计数非常具有挑战性，特别是在大的区域。

数据和方法

在本研究中，我们使用了4个卫星数据集和1个独立的林业统计库存数据集(表1)。包括三个基于MODIS数据集的卫星数据集：(1)采用归一化燃烧比(NBR)的新算法MODTrendr(基于MODIS的扰动和恢复趋势检测)产生的森林覆盖变化；(2)采集5个MODIS土地覆被产品；(3)采集5个MODIS植被连续场(VCF)产品；和(4)Landsat衍生的全球森林变化产品，空间分辨率合计为500m。除了这些卫星数据集外，我们还使用了(5)中国林业目录(NFI)数据集，该数据集采用统计数据的形式。值得一提的是，MODIS NBR和GFC的森林覆盖变化估计值直接来自卫星图像时间序列的光谱变化，而MODIS LC、VCF和NFI的估计值则是基于不同时期森林地图/统计数据的比较。

基于MODTrendr的MODIS NBR。MODTrendr是基于LandTrendr算法开发的，利用Landsat反射率数据的时间序列检测森林变化，并将其应用于MODIS地表反射率数据。该算法产生一个反映时间序列的时间分割，可以有助于描述森林性质的长期动态，包括干扰过程(突然或逐渐)和植被生长与恢复。在这里，我们将MODTrendr算法应用于归一化燃烧比(NBR)的年度时间序列(2000年至2013年)，NBR是MODIS收集的5个最低点BRDF调整反射产品(MCD43A4)的每年夏季峰值观测得到的光谱指数。NBR已被证明对各种类型的森林扰动(如火灾、昆虫、基础设施建设和扰动后的恢复敏感；因此，它已被广泛应用于森林变化检测问题。森林覆盖在每一个像素的变化(森林损失，增加或没有变化)可以从NBR时间序列片段(即，MODTrendr生成的线段斜率，补充图S1)中识别。需要指定一些用户定义的参数，包括区分森林和非森林的NBR阈值，区分森林覆盖变化和无变化的阈值，以及过滤非林地覆盖类型中发生的变化信号的独立森林掩码(详情请参阅补充信息)。由此产生的森林覆盖变化估计数以后称为“MODIS NBR”。MODTrendr算法的优点之一是它的灵活性；它可以应用于任意空间分辨率下任意光谱波段或指数的时间序列。该特性使我们能够研究结果对参数值的敏感性，这些参数值对于森林覆盖变化的检测是其他现有MODIS产品无法做到的。

MODIS LC。MODIS土地覆盖(LC)产品(MCD12Q1)提供2001年至2012年的年度土地覆盖信息。本产品提供的IGBP(国际地圈-生物圈计划)分类方案由17种陆地覆盖类型组成，包括5种森林类型：常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林和混交林。这些森林类被分组在一起，定义MODIS LC产品中的“森林”, 因为它们在MODIS像素尺度上都有大于2m的木质植被和大于60%的覆盖率。为了最小化MODIS LC产品中土地覆被类型的人为年际变化，我们首先在2001-2003年和2010-2012年两个时期，使用每个像素上最频繁的土地覆被类型创建了两个稳定的土地覆被图。通过比较这两幅稳定的土地覆被图，我们把开始为森林像素但是后来转化为非森林像素的定义为森林减少。相反方向的变化被定义为森林增加。MODIS LC一年的土地覆被分类准确率见参考文献54，但是这种分类后变化检测方法可能会夸大误差。

MODIS VCF。MODIS植被连续场产品(MOD44B)提供了全球范围内每年树木覆盖率的信息。将树木覆盖率解释为每个MODIS像素中林地的比例。与我们对MODIS LC数据集的预处理类似，我们通过创建2000-2002年和2011-2013年两个时期的平均树木覆盖百分比的两幅地图，消除了一些不代表森林覆盖变化的年际变化。森林的增加和减少分别被定义为这两个时期之间树木覆盖度的增加或减少。参考文献62中已经报道了VCF数据的准确性，但与MODIS LC类似，分类后变化检测可能会夸大误差。

GFC 数据。全球森林变化(GFC)数据来源于30m空间分辨率下的Landsat ETM 时间序列。这些数据提供了2000年的基本树木覆盖百分比，以及从2000-2012年每个像素的森林的损益标签(二进制)。GFC中森林的定义是所有高于5米的植被。应当指出，森林减少是每年提供的，而森林增加是在整个期间提供的。因此，如果某一年发生了森林减少，可以将任何像素标记为“森林减少”，从而在这段时间内累积森林减少(类似于MODIS NBR结果)。参考文献33对全球森林覆盖的森林减少和增加进行了明确的准确性评估。

NFI 数据。中国国家森林清查(NFI)数据集包含了官方森林统计数据，这些数据来自于每五年进行一次的大规模实地调查，并结合遥感技术。每一份清单都是在5年期间进行的，但是对于每个省份，调查可以在5年期间的不同年份完成。NFI中的森林定义为冠层覆盖率大于20%的林地。更多关于NFI技术和标准的细节可以在参考文献63和64中找到。为了更好的匹配卫星的时间覆盖数据，我们利用来源于第6期(1999-2003年)和第8期(2009-2013年)

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[19539]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章