汪求来 薛春泉 林寿明 陈传国 杨志刚 温小荣 叶金盛 郑文松

（1.南京林业大学，江苏 南京210037；2.广东省林业调查规划院，广东 广州510520）

我国森林资源连续清查体系始建于20 世纪70年代，2018 年完成了全国第九次清查工作，历次成果为我国和各省制定林业方针和政策，制定国民经济和社会发展宏观决策提供了重要依据[1]。40 多年来，我国森林资源清查体系不断优化完善，于2002年采用遥感与地面样地相结合的系统双重抽样技术监测森林资源、沙化土地和湿地资源[2]，2007 年在广东开展森林生态状况监测试点，新增森林健康度、自然度、生态功能、生物多样性、生物量等生态调查因子[3-6]，积累了丰富的样地调查数据和监测体系研究经验，受到国际社会广泛认可[7]。然而，我国森林资源连续清查仍每年调查1/5 省份，每5 年产出全国监测成果，不能满足新时代对生态文明建设的需要。在中央要求建立国土生态空间规划体系，健全森林增长指标考核制度的要求下，亟需实现每年度产出一套森林资源数据满足国家决策和各类考核需要[8]。为了满足森林资源年度出数，国家林业局资源司组织开展了多项试点研究，自2011 年提出一体化监测思路后，先后在广东、辽宁、上海、浙江、湖南、云南、陕西等省开展大样地调查及一体化试点，2015 年开展了覆盖全国31 个省的基于大样地调查的森林资源宏观监测[9-12]。本文在广东2012 年至2017 年大样地监测试点中，试验基于连清固定样地体系的森林资源面积年度出数，并对监测结果和方法进行分析，提出可行的优化方案。

1 材料与方法

1.1 广东森林资源连续清查体系概况

广东省森林资源连续清查体系始建于1978年。1983、1988、1992、1997、2002、2007、2012、2017 年先后进行了8 次复查。其间1986 年部分复查，1992 年另增设了1 228 个临时样地，2002 年增加了部分森林生态状况调查或评价的指标和内容，并增设25 个红树林和沿海湿地样地。体系采用系统抽样方法，在五万分之一地形图上，按8 km×6 km 网交叉点布设有3 685 个固定样地。样地形状为正方形，面积0.066 7 hm2。以样地内优势地类确定样地地类，然后按照面积成数抽样方法估计总体各地类面积。总体林木蓄积调查，即在样地内每木编号、定方位、定距离、测记检尺木树种、胸径等，按各树种一元材积式计算样木、样地蓄积，用简单随机抽样方法估计总体的各类林木蓄积。同时，为进一步优化和完善国家森林资源连续清查体系，为建立国家森林资源综合监测体系作准备，2002 年的复查采用了遥感与地面样地调查相结合的系统双重抽样技术进行森林资源、沙化土地和湿地资源调查。为此，全省按2 km×2 km 间距布设遥感判读样地44 562 个。2007 年、2012 年广东省在开展常规连续清查的基础上开展了国家森林资源和生态资源综合监测试点工作，为国家进一步优化监测体系，提高森林资源与生态状况监测水平积累经验，为全国森林资源清查体系发展提供借鉴。

1.2 2016 年和2017 年固定样地调查

2016 年对2012 年3 685 个固定样地进行外业复查，2017 年第九次清查时继续对2016 年所有固定样地进行复查，两个年度均调查样地的地类、优势树种、郁闭度、龄组、地类变化原因等因子。2016 年和2017 年地类标准分别按《广东省森林资源连续清查第七次复查操作细则》、《第九次全国森林资源清查广东省2017 年清查暨大样地监测试点操作细则》。地类及代码详见表1。

1.3 试验分析

1.3.1 数据处理 试验对比分析2016—2017 年和2012—2017 年两个间隔期主要林地地类面积成数变化情况及估计精度，进一步分析满足估计精度的样本数，并提出优化和应用对策。因此，对2012、2016、2017 年全省3 685 个固定样地地类进行统一后，完成地类、优势树种、龄组等因子逻辑检查，并修正特殊对待样地因子。对非森林的小地类进行合并，最终按林地、森林、乔木林、竹林、特殊灌木林地和其他林地等地类进行统计分析。

1.3.2 地类面积现状估计 主要地类面积现状按系统成数抽样公式[13]计算：

表1 2016 年和2017 年固定样地调查林业用地划分标准Tab.1 Criteria of forest land type by permanent plots of NFI in 2016 and 2017

式中，n 为总样地数，mi为土地类型（地类）i 的样地数，pi为地类i 的面积成数估计值，ipS 为地类i 面积成数估计值的标准差。

式中， ΔAi为地类i 面积估计值的误差限，tα为可靠性指标。地类i 的面积估计区间为：±ΔAi。

式中，iAP 为地类i 面积估计值的抽样精度。1.3.3 地类面积变化估计 两期系统抽样地类面积变化量计算公式[14]如下：

样地面积净增量平均数的估计值：

样地地类面积净增量估计值的方差：

样地地类i 面积成数净增量估计值的标准误：

相关系数：

总体地类i 面积成数净增量估计值的误差限：

式中，tα为可靠性指标。如果抽样精度P＜0，则取P=0。

1.3.4 地类面积差异性分析 各年度固定样地为不同总体中抽取一个样本，且各样本间有较强的相关性，因此，可采用配对样本T 检验分析各年度代表的总体是否差异显著，从而对不同年度面积差异及其变化趋势作判断。一般sig.值（或P值）小于0.05 为差异显著或变化趋势明显，小于0.01 为差异极显著或变化趋势极明显。

2 结果与分析

2.1 各年度主要林地面积现状分析

2012、2016 和2017 年度的林地、森林、乔木林地的面积抽样精度均在96%以上且变化不大，平均抽样精度分别达到97.42%、96.93%、96.27%，结果可靠。竹林、特殊灌木林地和其他林地的面积抽样精度较低，3 年度平均抽样精度分别为80.07%、88.37%、89.34%。对比3 个年度，同一地类面积估计精度变化幅度与地类面积成数变化幅度呈正相关。结果符合成数抽样理论，即抽样精度随地类成数的增加而增加。根据抽样精度与成数估计值的关系式，抽样精度分别达到95%、90%、85%和80%的成数临界值为29.43%、9.44%、4.43%和2.54%，总体成数低于2.54%的地类抽样精度一般达不到森林资源监测的技术要求。因此，基于成数抽样的森林主要面积指标监测，适用于面积成数30%以上的地类，在广东省主要监测林地、森林和乔木林等林业地类。

根据2017 年监测结果，全省林地面积1 080.29 万hm2，占国土面积比例为61.11%，森林面积945.98 万hm2，森林覆盖率为53.52%；乔木林面积780.98 万hm2，占国土面积比例为44.18%。

2.2 各年度主要林地面积变化分析

2016—2017 年林地、森林、乔木林、竹林、特殊灌木林地和其他林地的面积成数净增量分别为-0.06%、0.52%、0.76%、-0.10%、-0.14%、 -0.57%，森林和乔木林面积均增加，其他地类面积减少。与2012—2016 年和2012—2017 年净增量比较，森林、乔木林、特殊灌木林地和其他林地面积成数净增量逐渐增加，森林覆盖率在2016—2017 年、2012—2016 年和2012—2017 年3 个间隔期分别增加0.52%、1.74%和2.26%。3 个间隔期各地类面积成数净增量的抽样精度均较低，2016—2017 年明显低于2012—2016 年和2012—2017 年，2012—2017 年乔木林面积成数变化量估计精度最高，为68.37%，其次为2012—2016 年乔木林、2012—2017 年森林、2012—2017 年其他林地，分别为59.36%、53.03%和51.27%。总的来说，净增量较大的地类和间隔期的估计精度高于净增量小的，与成数抽样精度与地类成数大小成正相关的性质一致。说明间隔期内变化较大的地类更易被选中为样本，使得抽样比提高，从而提高抽样精度。

2016—2017 年、2012—2016 年和2012—2017年间主要林地面积变化趋势判断结果显示，林地面积3 个间隔期变化趋势均不显著，森林面积年度变化趋势不显著但4 年或5 年周期变化极显著，乔木林面积3 个间隔期变化趋势均显著且4 年或5年周期变化趋势极显著。

2.3 森林覆盖率年度监测优化分析

前述结果表明，基于连清固定样地体系监测森林覆盖率年度变化量精度较低，除可监测森林面积和乔木林面积4 年或5 年以上周期变化趋势外，森林面积年度变化趋势不显著。因此，从降低估计精度和监测成本上提出优化方案。一是降低估计精度。客观上森林覆盖率短期变化较小，将估计精度适当降低至90%，甚至到仅做变化趋势判断。二是采用遥感判读代替外业调查，充分降低调查成本的基础上，适合满足精度大样本的遥感判读。三是基于实时遥感影像的全面更新，区划判读出全省所有森林变化区域，汇总变化量。按不同抽样精度，以样地地类外业调查成本600 元/个（每天费用包括住宿费400 元、租车费600 元、补助200 元，平均每天调查2 个样地），遥感判读样地成本2 元/个（内业费300 元，每天判读150 个样地），遥感面上更新成本分别为0.3（2016—2017）、0.6（2012—2016）、0.75（2012—2017）元/ hm2计算不同方案总成本。

表2 各年度主要林地面积监测结果Tab.2 Monitoring results of domain forest land area in each year

以年度和5 年期森林覆盖率变化为例，抽样精度由95%降为90%，再降为仅作趋势判断，所需样本数分别减少82.4%和99.75%，调查成本相应比例减少。由于遥感判读成本仅为外业调查成本的1/300，因此，尽可能使用遥感判读替代外业调查。样地遥感判读方式监测2016—2017 年森林覆盖率变化达到95%、90%和趋势判断水平的成本分别为443.6 万元、78.1 万元和1.1 万元，均可接受。考虑到因遥感影像问题有部分样地需要外业核实，按补充调查样地数为总样地数5%比例计算，达到3 个精度水平的成本分别为7 097.5 万元、1 249.8 万元和17.7 万元，较全部遥感判读成本大幅提升。遥感面上更新方式监测2016—2017年森林覆盖率变化总成本为530.3 万元，为监测2012—2017 年成本的40%，主要是间隔期越长变化区域越多造成判读区划时间增加。若按5%面积外业补充核实，外业核实成本按15 元/hm2计算，遥感面上更新监测年度和5 年间森林覆盖率变化总成本增加1 325.8 万元，分别增加2.5 倍和1 倍。

对比样地遥感判读和遥感面上更新，仅用遥感判读，前者监测森林覆盖率年度变化达到95%精度但成本仍低后者16.3%，监测5 年期则差距更大。若增加5%外业核实，样地遥感判读监测森林覆盖率年度变化精度为95%时，则总成本比后者高2.82 倍；精度达到90%时，则总成本比后者减少32.66%；但监测4 年或5 年间变化时，精度为95%时，总成本较后者低11.96%和43.94%。

3 结论与讨论

连清固定样地体系监测森林覆盖率年度变化无 精 度 保 证。2016—2017 年、2012—2016 年 和2012—2017 年3 个间隔期，连清固定样地体系监测的森林覆盖率变化精度仅达到-22.67%、41.14%和53.03%，不能满足抽样估计精度的保证。森林、乔木林、特殊灌木林地和其他林地等变化较大的间隔期能判断变化趋势，2016—2017 年森林覆盖率变化为0.52%，变化趋势判断仍不显著，但森林、乔木林面积成数在2012—2017 年间分别变化2.26%和3.20%，变化趋势判断均为极显著。表明，森林覆盖率年度变化量较小，现有连清体系的抽样强度不能满足其估计精度要求，仍需增加样地数量才能确保年度森林覆盖率变化趋势判断显著。

表3 各年度主要林地面积成数变化Tab.3 Changes in area proportion of domain forest land among each year %

表4 主要林地地类面积变化趋势显著性判断Tab.4 Significance judgment on the area change trends of domain forest land type

表5 森林覆盖率变化监测成本对比Tab.5 Costs of forest cover rate changes monitoring

基于遥感抽样方法能实现森林覆盖率年度变化监测精度保证。影响连清体系的森林覆盖率年度监测精度的主要因素是固定样地数量为现状监测设计，距离变化量监测抽样强度远远不够，导致抽中的变化区域比例较小。在连清体系下要提高变化监测精度，只有通过机械加密或简单随机抽样加密样地，大大提高样地数量从而提高估计精度。但大幅提高样地数量必然导致调查成本的大幅增加，在生产中难以实施，而及时获取的高分辨率遥感影像则能提供丰富的森林信息，使通过遥感判读样地代替外业调查，极大地降低调查成本。尽管部分区域仍存在遥感数据时效性、阴影、质量等问题，但通过少量外业核实可提高遥感判读的准确率。同时，大量的外业调查受人力、天气、财力、复位等的影响，也存在调查时效性、调查准确率、调查质量等问题。对比遥感面上全面更新的方法，基于遥感抽样有精度保证，全面更新则由于遥感影像时效性、质量和更新及时等因素影响，随着时间推移，结果与真实值偏差逐渐增大。且从成本角度来说，全面更新费用也较高，且遥感抽样占全面判读的比例仅为0.84%（样地数为2 217 951），有利于保证判读准确率。

提高遥感影像空间分辨率和质量是降低监测成本的主要措施。样地遥感判读有效降低了大数量样地的调查成本，使森林覆盖率年度变化监测精度大幅提高。但相对于外业调查，遥感判读通常存在判读错误导致的调查误差，由于变化量较小，实际误差对结果影响较大。最主要的措施是提高遥感影像空间分辨率、时效性和质量，提升遥感影像森林信息辨识度，同时，不断提升遥感判读技术人员的技术水平和经验，才能提高遥感判读准确率，降低调查误差在总误差中的比例。