华盛论文咨询网

　　

　　摘要:在林业研究中，具有空间属性的林业数据分析、建模和预测越来越受到关注。遥感技术与地统计学方法相结合，提供了大尺度空间格局分析、森林资源动态监测和预测的方法。文中简单介绍了遥感技术与地统计学的方法和特点，从监测与分类、估计与模拟2个方面综述地统计学结合遥感技术在林业中的应用，并针对遥感数据结合地统计学方法在林业研究中存在的问题加以讨论。

　　关键词:地统计学,遥感数据,空间效应,变异函数,克里格

　　森林资源的动态监测与精准评价是森林资源管理、规划和研究的重要前提[1]。从景观生态学的角度来看，森林资源的分布具有一定的连续性、随机性和结构性[2]。了解空间效应在森林景观中的变化趋势或统计学规律，是理解森林景观格局本身及其与生态学过程相互作用的重要环节[3]。结合遥感技术的快速、准确、大尺度等特点，采用统计建模方法虽然能够满足一定随机性和结构性的研究需求，但由于缺乏空间均质性的检验，其预测结果依然具有不确定性[4]。

　　地统计学方法基于区域化变量理论和变异函数，为研究者提供了定量描述和解释空间异质性和空间格局的方法[5]。目前，地统计学(或称空间统计学)被应用到很多研究领域，如森林土壤、物种多样性、土地利用、森林资源调查等。因此，本文将从监测与分类及估计与模拟2个方面综述地统计学结合遥感技术在林业中的应用，并针对研究中存在的问题加以讨论。

　　1遥感技术与地统计学的理论方法与特点

　　遥感技术是一个庞大的系统，包含了对遥感数据的获取传输、处理、分析应用等多方面内容。它运用现代光学、电子学探测仪器，不与目标物直接接触，从远距离把目标物的电磁波特性记录下来，通过分析、解译揭示出目标物本身的特征、性质及其变化规律[6]。在林业研究中，遥感技术以光学、雷达、激光雷达等技术手段提供影像数据源，采用多种分类识别技术和生物物理参数定量估测与反演技术实现了对土地覆盖、土地利用状况的分类和对森林生物量、蓄积量等自然资源的预估与评价。

　　近年来，在遥感影像分类方面使用不同的分类方法使遥感影像分类技术取得一些新进展，如支持向量机(SVM)、随机森林、组合分类器、主动遥感和地统计学等。而在森林参数定量反演方面，遥感辐射散射机理模型、多源遥感数据协同反演和遥感信息时空扩展等方法使森林资源的预测更具科学性和严谨性[7]。遥感影像的纹理以不同的灰度值表现出地物的特征规律，这些特征在一定程度上表现出空间结构性和随机性。

　　因此，可将影像中每个像素灰度值的变化看作区域化变量进行地统计学分析[4]。地统计学注重随机变量的空间过程，通过研究对象在空间上不同间隔抽样点的差异，定量描述其空间变化规律，是研究空间变异的有效工具[8]。其核心是利用变异函数获得研究对象的空间分布规律，即根据样本点来确定某一变量随空间位置变化而变化的规律，以此来推算位置点或区域的属性值。对于空间数据的计算与分析，遥感技术与地统计学方法各具不同优势。其中，遥感技术对地理信息进行采集、处理和分析，利用直观的图形显示和图形图像处理来描述空间现象，建立空间模型来评价属性特征的相互关系[9]。

　　比如，采用遥感技术对森林资源监测与评价时，通常采用模型拟合遥感波普反射率、纹理特征等与森林资源的相关关系，按像元计算森林资源状况[10];或根据植物的各种生理过程、林学特性、生物学特性等变化，采用机理模型估算植被生产力[11]。遥感技术监测覆盖范围广、时效性强，在大尺度森林资源动态变化监测时发挥着重要作用，特别是在区域、国家级森林资源变化监测中具有不可替代的优势[12]。

　　我国第八次全国森林资源清查就结合了卫星遥感等科技，对森林资源的数量、质量、结构、分布的现状和动态，以及森林生态状况和功能效益等方面进行了调查[13]。而地统计学以空间结构分析、空间自相关分析、克里格插值和空间模拟等技术对空间坐标变量的空间特征进行计算、模拟和空间插值，以空间特征定量分析的方式描述空间的分布与变化规律[5]。随着空间效应、空间结构等空间属性在林业、农业、生态学等研究中被高度重视，地统计学被广泛应用于土地资源利用状况的监测与分类、森林资源分布格局的估计与建模等诸多研究领域。

　　2监测与分类

　　土地覆盖变化的映射本质上是时间的空间过程。早在20世纪70年代，土地利用和土地覆盖调查就借助了卫星或遥感资料，随着3S技术、高分辨率影像、计算机软件和硬件等技术的发展，土地调查的效率、精度都得到了极大提升[14]。常用的土地利用动态监测方法可分为光谱直接比较法和分类后比较法2大类[15]。

　　其中，光谱直接比较法以像元为单位进行研究，对各时期土地利用类型变化的解释存在局限性;而分类后比较法直接比较前、后期分类结果，能够确定土地利用类型变化的位置和所属类型。但由于其分类结果精度直接影响研究结果的准确性，提高分类精度成为动态变化监测研究的重要环节[16]。随着高分辨率影像的应用，像元之间的空间效应问题逐渐突显，一般的遥感影像分类方法难以解释这类问题[17]。

　　因此，基于多光谱数据在多个波段的“连续”特征值以及目标对象(地表物体)和遥感数据在空间、时间上表现出一定的随机特征等特点，地统计学方法在影像分类研究中不断发展[18]。相较于其他遥感影像分类方法，地统计学方法中的变异函数能够定量分析遥感影像中波谱特征的空间结构，并在分类中用作简单方差滤波器或无监督分类的平滑函数[19]。

　　Karnieli等[20]采用变异函数描述了中亚干旱地区遥感影像中存在的空间结构，通过差异图即能直观看到饮用水源与牧区的变化情况;应用普通克里格绘制不同时期土地覆盖预测图能够评估土地退化与恢复变化的方向与强度。

　　Yue等[21]从离散和平均/标准偏差半变量中提取半变异函数纹理特征作为面向对象分类方法的补充信息，进一步提高了QuickBird高分辨率影像分类的准确性。Wu等[22]将选定的半变异函数特征和常规光谱特征组合构成支持向量机分类器的特征向量对影像进行分类，并将其分类效果与灰度共生矩阵(GLCM)特征和基于窗口的半变异函数纹理特征(STF)分类结果进行比较。此外，地统计学方法中的指示克里格基于空间中各个特征预定的下限和上限阈值来定义指定类的每个特征的指示性变量，根据每个类所有指标变量的平均值获得不同类别的概率，最终得到指示克里格的分类图像。

　　Boucher等[23]利用多期遥感影像数据，采用基于信息的级联方法将时间序列转换为概率，将空间信息用变差函数建模，并使用指示克里格方法进行综合，提高了土地覆盖变化监测图绘制的准确性，可更好地识别各景观的动态变化情况。

　　Fiorentino等[24]采用整合光谱和空间特征来表征地类的指示克里格方法对Landsat5中等分辨率和IkonosII高空间分辨率影像的土地覆盖类型进行分类，其整体分类精度显著优于传统的“最大似然”监督分类器。

　　Boucher等[25]将土地覆盖类型的时间序列用转移概率建模，并结合变异函数、指示克里格等方法绘制并分析了中国珠江三角洲地区土地利用与覆盖变化。Chiang等[26]对比了指示克里格、支持向量机、高斯最大似然和最近邻方法的4种分类器对遥感图像的分类精度，发现指示克里格和支持向量机显著优于其他2种分类器，且指示克里格的总体精度略高于支持向量机方法。Gil-Yepes等[27]采用交叉半变异函数提取了多期影像数据的特征集合并与其光谱信息相结合，进行基于决策树分类的土地利用与覆盖变化分析，显著提高了决策树分类的准确性。

　　3估计与建模

　　从地面调查数据到基于遥感影像数据，对于不同的数据类型已经研究出一系列不同的森林资源预测和制图方法。通常在预测并绘制森林资源(如蓄积量、生物量等)分布时，可借助地统计学克里格插值方法分析与描述空间相关的林业调查数据[28]。依据研究数据的特点，采用合适的克里格方法不仅能够提高预测效率，还能更准确地预测变量的空间分布特征。在诸如气象温度、土壤矿物质含量等研究中，数据类型属于单一变量，采用单变量克里格插值方法即可。

　　而在有的研究中，同一空间位置样点的多个属性之间密切相关，属性之间又存在空间相关(如植被指数与生物量)，或存在一部分属性易获取，当需要预测不易获取的属性时，可以考虑多元信息的地统计学方法[8]。

　　4存在的主要问题与研究展望

　　相较于传统的森林资源调查方法，遥感技术结合地统计学方法能在一定尺度上获取环境和植被的空间信息。低分辨率遥感影像适合于大范围森林分类，而高分辨率遥感影像则适合于分析区域性的森林格局或者森林结构[23]。

　　采用地统计学技术与地理信息系统相结合，能在保证一定预测精度的情况下有效提高分析效率和降低研究成本，在林业研究中发挥了一定优势，但在一些相关研究中也存在亟待解决的问题。结合遥感数据和地统计学方法能够实现在有限数量采样点的情况下对连续空间信息的观测与模拟，极大地促进了对大尺度森林的监测和碳库评估。

　　但由于克里格插值结果本身具有“平滑”的特点，在绘制较大区域森林资源分布图时，小范围的空间变异被均化处理而不能准确反映出来，在一定程度上会减小数据值域的范围，降低最大值，增加最小值。因此，取样点的数量与分布对分布图绘制的准确性影响较大。数据的类型和质量直接影响到所采用的插值方法、协变量和插值模型的选择等[51]。

　　因此，根据数据情况选择合适的地统计学方法分析森林资源的空间特征，准确分析出研究区内森林资源的变异规律，才能更好地提高森林资源的预测精度。此外，由于地统计学方法对研究区内采样点的数量和分布有一定要求，几乎所有方法都对样本大小和采样间隔等因素敏感，每添加或删除一个样本点都可能对最终的分析与预测结果产生影响。

　　通过地统计学方法，利用森林资源样地调查的样地点数据预测块或区域的森林资源分布情况虽然实现了由点到块的跨尺度估测，但不同尺度间的转换必然会产生误差。利用遥感数据为协变量数据源，以协同克里格方法减小因空间特征辨识度不足而产生的误差是一种有效的方法，但协变量增多时不一定能有效地提高估计精度。

　　因此，在实际应用中应选择相关程度比较高的变量参与协同。森林资源及其生长过程的空间尺度与时间尺度紧密相关，地统计学方法在空间尺度的研究中发挥了重要作用。在同一尺度域中，由于过程的相似性，模型简单适宜，预测的准确性高;而在跨越多个时间尺度时，由于不同过程在不同尺度上起作用，空间特征变化规律变得复杂化[52]。因此，空间特征在不同时间尺度上变化的描述与估计往往需要借助其他方法才能实现。将时间与空间的研究相结合运用在森林资源动态监测中，能够更充分地获得森林资源状况信息和变化规律。

　　参考文献

　　[1]孙玉军.资源环境监测与评价[M].北京:高等教育出版社，2007:123-127.

　　[2]MEENTEMEYERV.Geographicalperspectivesofspace，time，andscale[J].LandscapeEcology，1989，3(3/4):163-173.

　　[3]邬建国.景观生态学:格局、过程尺度与等级[M].北京:高等教育出版社，2007:17-19.

　　[4]CURRANPJ，ATKINSONPM.Geostatisticsandremotesensing[J].ProgressinPhysicalGeography，1998，22(1):61-78.

　　[5]冯益明.空间统计学理论及其在林业中的应用[M].北京:中国林业出版社，2008:1-9.

　　[6]梅安新.遥感导论[M].北京:高等教育出版社，2001:1-6.

　　[7]陈尔学.林业遥感技术研究新进展[C]//第十届中国林业青年学术论坛论文集.北京:中国林业科学研究院，2012:1-2.

　　[8]刘爱利，王培法，丁园圆.地统计学概论[M].北京:科学出版社，2012:1-4.

　　[9]王学军.空间分析技术与地理信息系统的结合[J].地理研究，1997，16(3):70-74.

　　[10]娄雪婷，曾源，吴炳方.森林地上生物量遥感估测研究进展[J].国土资源遥感，2011，23(1):1-8.

　　[11]徐新良，曹明奎.森林生物量遥感估算与应用分析[J].地球信息科学学报，2006，8(4):122-128.

　　[12]李世明，王志慧，韩学文，等.森林资源变化遥感监测技术研究进展[J].北京林业大学学报，2011，33(3):132-138