基于遥感的福建汀江流域近十年来森林干扰历史自动重建研究

提高森林生态系统碳储量估算的精度,在全球碳循环和气候变化研究中具有重要战略意义。如何准确地对森林生态系统的碳储量进行估算是近期备受国际科学界广泛关注的重大议题。森林干扰是影响森林碳储量动态变化的关键内在因素，获取详细的森林干扰信息对提高森林碳储量估算的准确性具有非常重要的意义，因此森林干扰历史的重建研究是当前森林生态系统碳储量研究领域的国际前沿与热点。但是，此项工作迄今在国内尚未开展，因此，本项研究试图弥补这一空白，拟以福建省三大林区之一-汀江流域为研究区，通过密集时间序列的Landsat遥感影像数据自动重建汀江流域近十年的森林干扰历史。本项研究拟解决的关键科学问题是不同季相植被的归一化问题，以及如何构建能反映森林干扰状况的森林动态变化检测模型。研究结果将反映汀江流域森林近十年来受干扰的时间、强度和干扰后恢复状况等信息，并为该区域森林生态修复和提高森林碳储量估算精度提供科学依据。

全球和区域碳循环是全球变化研究和宏观生态学的核心研究内容。在碳循环研究中，如何准确地对森林生态系统的碳储量进行估算是目前国际上备受关注的重大议题。引起森林碳汇估测的高度不确定性的主要原因之一是由于缺乏对森林生态系统干扰信息的理解和掌握，以及缺乏干扰信息对影响森林碳循环过程和机理的理解和掌握。因此，获取详细的森林干扰信息对提高碳储量估算的准确性具有非常重要的意义。如何利用长时间序列遥感资料提取森林干扰变化信息是此项研究的重点和难点。为此，本项研究以福建省三大林区之一汀江流域为研究区，以2000年～2010年十月份和十一月份共8幅密集时间序列Landsat5和Landsat7覆盖汀江流域的121／42景遥感影像数据为基础，通过构建基于干扰指数（disturbance index, DI）的时间序列轨迹分析模型（Trajectory-based change detection, TBCD）和植被变化追踪模型（Vegetation change tracker, VCT)，对汀江流域近十年的森林干扰历史进行监测。研究的结果表明TBCD和VCT方法对汀江流域森林干扰具有较好的监测能力。森林干扰主要驱动因子为森林管理政策，森林干扰特征分析表明, 由于采取大面积生态自我修复与小面积综合治理相结合的方法，福建汀江流域在2000年－2010年期间水土流失的综合治理上有所成效，水土流失状况有所好转。该项技术不但可以自动识别森林的多次干扰变化，还可以提取植被的恢复信息，为区域及全球碳收支研究提供了模型输入参数。