浙江省森林蓄积年生长量精准监测时空误差校正

陶吉兴,谢秉楼,季碧勇,张国江,王文武

(浙江省森林资源监测中心,杭州 310020)

森林蓄积量是反映一个国家或地区森林资源规模和水平的基本指标,也是反映森林资源丰富程度和衡量森林生态环境质量的重要依据。从森林生长演变的过程看,森林蓄积量是森林蓄积生长量的连年储积量。因此,森林蓄积生长能力是反映森林资源质量与生态功能的重要指标。

我国现行的区域森林资源调查,主要采用森林资源连续清查(一类清查)和森林资源规划设计调查(二类调查)两种方式。以省域为单位的一类调查,通常每5 年开展一次,以县域为单位的二类调查通常每10年开展一次[1-3]。一类清查采用以固定样地为基础的连续抽样调查方法,通过对每个样地的实测调查,对总体森林资源状况作出有可靠性要求和精度保障的数量估计,但无法将资源数据落实到具体地块；二类调查采用小班区划为基础的目测调查方法,无法给出调查数据的可靠性与精度,但能将资源数据落实到具体地块。利用二类续档方法进行小班数据更新,在5～10年内会导致续档数据与实际调查数据产生20%甚至30%以上的误差[4]。从数据的准确性来讲,通常一类清查要优于二类调查,一类清查数据比二类调查更准确、可靠,更接近真实[5-7]。随着生态文明建设的深入和大数据时代的发展,提升监测信息的时效性、实现森林资源年度出数和多尺度空间同步出数,已成为一项十分紧迫的发展要求,域内专家进行了相关技术研究和实践探索,目前正在逐渐推广之中[3,8-10]。

推行森林资源监测省、市、县年度同步出数后,时间跨度上由过去的至少5年缩短到1年,空间尺度上由省域到市域、县域逐步缩小。显然,监测间隔期越短、尺度空间越小,实际的变动差异就越小,监测误差所产生的干扰就越大,对监测结果的精准性要求就越高。根据误差产生的原因、特点规律、结果影响,测量误差可分为随机误差和系统误差[11-12]。森林资源连续清查误差,包括抽样误差和非抽样误差,抽样误差是受随机因素影响而产生的,具有无偏特征；非抽样误差具有偏向性,又叫偏差[13]。早期的森林资源清查侧重于抽样误差、抽样设计与误差的关系、抽样误差与精度的关系,以及有关数表误差的研究[13-15],过去由于调查间隔期较长,往往不关注系统偏差问题。

森林资源调查监测误差按产生原因可分为技术方法、时空差异和人为因素三大类[7]。技术方法包括基本调查方法、方案设计、技术设备等方面,既可产生随机误差又可产生系统误差；人为因素则属于质量监管层面；时空差异主要指每次复查是否在同个时间点及一个大尺度总体内各小尺度空间存在着差异问题,这种差异会带来系统性偏差。抽样调查的精度是以抽样误差的大小来表示的,它不包括偏差,有时偏差会大于抽样误差,甚至为抽样误差的好几倍,这样会出现抽样调查形式上精确而实际上并不准确的情况[13]。监测周期越短,越应注意数据偏差问题,因此,时空差异带来的误差值得深入研究[16]。本文以一类清查体系为基础进行研究。

1 研究区概况

浙江省地处中国东南沿海,长江三角洲南翼,地理坐标为北纬27°06′～31°11′、东经118°01′～123°10′,陆域面积10.43万km2；属于典型的亚热带季风气候区,季风显著、四季分明、光照充足、雨量丰富,年平均气温15～18℃,年日照时数1 100～2 200h,年平均降水量800～2 000mm；境内地貌以低山、丘陵为主体,红壤、黄壤和红黄壤是主要的土壤类型,地带性森林植被是中亚热带常绿阔叶林。浙江省有11个设区市、90个县级行政单位,是国内目前唯一开展省级森林资源年度监测和实施省、市联动监测的省份,积累了大量的调查实测数据,为开展本研究创造了有利条件。

2 材料和方法

2.1 数据来源

浙江省的森林资源一类清查体系于1979年建立,现有国家森林资源连续清查样地4 252个。1999年开始进行省级森林资源年度监测技术研究[17],2000—2003年进行实践探索,2004起持续实施省级年度监测。2012年进一步将省级年度监测工作延伸到各设区市,2014年起不但每年对全部4 252个国家连清样地进行复查,还加密1 123个样地,累计达5 375个样地进行年度复查,持续开展省、市联动监测[3,18-19]。在每一样地内,进行胸径5cm以上样木每木检尺,并记录每个样地的位置及每次复查检尺的具体日期。鉴于2014年为浙江省国家森林资源连续清查年,并出于数据的现势性考虑,本文数据源为起自2014年的省级年度监测的4 252个样地数据和同期起自2014年后省、市联动年度监测的5 375个样地数据。

2.2 时间误差研究

森林资源监测数据的时间误差,是指各类调查监测的时间基准点和周期不同带来的误差[7]。当监测周期确定后,前后二轮调查是否处在同一个时间基准点,则成为时间误差的主要来源[16]。以往长周期监测时,时间误差影响小而不被考虑,但随着监测周期的年度化,由于每年调查时间的不一致,会导致年增量监测数据不刚好是一个生长年的情况,由此带来的时间误差显得越来越敏感,监测周期越短,时间误差影响作用越大。消除时间误差的最好方法是每年的样地复查时间保持一致,但这在实际工作中是难以做到的。本文的做法是通过研究林木蓄积年生长率的月际分布状况,将时间误差控制在月度水平,也即年增量监测数据最多含有1个月的时间误差。研究指标为林木蓄积生长率(PV),具体分年生长率与月生长率。

2.2.1研究类组划分

林木生长率大小与树木种类及树木大小密切相关。按照浙江省森林资源规划设计调查技术规程[20],乔木树种分为松类、杉类、硬阔、软阔4个树种组,树木按胸径大小分为小径级(6～12cm)、中径级(14～26cm)、大径级(≥28cm)3个等级。据此进行排列组合,共划分出12个研究类组进行研究。

2.2.2各类组蓄积年生长率计算

按抽样统计方法得到各研究类组期初(即上年度末)与期末的林木蓄积,并以期末蓄积与期初蓄积之差为样木蓄积年生长量,再按复利公式求算样木蓄积生长率。具体公式为:

(1)

式中:PV为蓄积生长率；Vb为期末蓄积量；Va为期初蓄积量。

2.2.3各类组蓄积月生长率计算

1)月生长率组对推算。

根据亚热带树种的年生长特性,3月树木开始生长,至10月生长已很缓慢,11月后至次年3月基本处于缓慢生长状态,故将11月至次年3月合并作为一个生长月来对待。为此,将全年划分为4月、5月、6月、7月、8月、9月、10月、11月至翌年3月等8个生长月进行研究。

以样地为数据预处理的基本单位,将样地内的每株样木归集到相应的类组内,当类组归集到的样木数≥3株时,计算该类组的样木平均蓄积,作为该类组的样本值；当类组归集到的样木数<3株时,则放弃该类组在这一样地内的样本值。以此得到了每一类组的样本值,并将相邻二个调查年度样本值组对,根据式(1)进行循环滚动,计算二年度调查期间的蓄积生长率。然后先按前期调查月份进行归集,对前期调查月份相同的子集,再根据后期调查月份的不同,推算析出各月份的月生长率。在同一个“前期调查月”子集内,每一类组的月生长率推算公式为:

PV月=PVb-PVa

(2)

式中:PV月为月生长率；PVb为该月调查样地的期间生长率；PVa为上月调查样地的期间生长率。

2)月生长率统计计算。

经过上述数据组对推算,获得了各类组的各月生长率的众多样本数据,将各类组各月的所有样本作为一个数据处理集,按照数理统计公式,求算各月生长率平均数和抽样调查精度。具体公式为:

a.月生长率平均数(PV月)。

(3)

式中:PV月i为该类组该月的第i个月生长率样本值；n为该类组该月的样本单元数量。

b.抽样调查精度(P)。

(4)

式中:Δ为抽样调查绝对误差。

Δ=ta×μx

(5)

(6)

(7)

式中:ta为可靠性指标,当α取95%水平时,ta=1.96；μx为抽样调查标准误；σ为抽样调查标准差。

2.3 空间误差研究

地理区划上,林木生长率大小与所在区域的水热条件密切相关,区域水热条件越好,树木生长越快。但区域范围有大有小,一个大尺度范围的林木生长率指标值在其内的各较小尺度范围之间存在着差异,这就带来了空间误差。省指标值就省域总体而言表现为无偏特性,但应用到各设区市就存在着系统偏差,应用到县级尺度系统偏差更大。鉴于本研究的数据源是2014年后的省、市联动年度监测样地数据,本文研究仅涉及到市级尺度。

与时间误差研究相类似,空间误差的研究指标为林木蓄积生长率(PV),具体分省总体年生长率与各设区市副总体年生长率,计算公式与“2.2.2各类组蓄积年生长率计算”中的(1)式相同。

3 结果与分析

3.1 省总体林木蓄积年生长率

以2014年的浙江省国家森林资源连续清查年为起始年,并利用2014年以来的省级年度监测固定样地数据进行数理统计,得到全省各年度各树种组的林木蓄积生长率(表1)。

由表1可知,杉类蓄积年生长率年际变动不大；软阔类除2020年较低外,其余年度总体变动不大；松类蓄积年生长率呈逐年下降趋势,与浙江省松材线虫病为害逐年加重有关；硬阔类蓄积年生长率也呈逐年下降趋势,可能因林龄逐渐增大导致生长率下降。

3.2 林木蓄积年生长率月际分布

以2004年后的省级森林资源连续清查年度监测固定样地为基础数据,区分松类、杉类、硬阔、软阔4个树种组和小径级、中径级、大径级3个胸径级,组成12个研究类组,将全年划分为8个生长月,对各研究类组的蓄积月生长率进行抽样估算,获得了各类组各生长月的蓄积月生长率及其数据精度。各树种组通过蓄积月生长率累加得到的年生长率,与表1的结果值存在着一定差异,需作进一步修正,使之与表1数值相一致。

各类组的林木蓄积年生长率和月生长率,由于基础数据所包含的监测年度不同,林木蓄积年生长率和月生长率统计结果值与实际应用时的年份会有所差异。为了消除这种差异,对月生长率数据进行百分占比率计算,得到各类组的蓄积年生长率月际分配比例。

各研究类组通过上述数据处理方法,得到林木蓄积月生长率及百分占比(表2),表2中括号内为样本个数。

表2 各类组林木蓄积月生长率及占比表

由表2月生长率分析可知,各树种组的各月林木蓄积生长率存在着差异,在4—10月的主生长期间,4 个树种组最高月与最低月之间的比值为2.0～2.2；各径级之间差距很大,均表现为小径级>中径级>大径级。

表2占比分析表明:同一树种组的各径级,同月内的生长率占比差异不明显,多数情况相差不超过1个百分点。差异最大为软阔(7月),相差2.85个百分点,由此推断,在进行蓄积生长率的月分配比例研究时可以不考虑径级因素。

同时,对样本个数超过30个的类组,符合大样本个数要求,计算其调查精度。结果显示:各蓄积月生长率数据,因统计样本数量的不同,调查精度存在着明显差异。精度最低者为小径级杉类组的5月月生长率,调查精度70.3%,样本数量为34个；精度最高者为小径级硬阔类组的6月月生长率,调查精度92.3%,样本数量为242个。大体而言,当样本数量达到大样本个数30个以上时,调查精度可达到70%以上；样本数量达到40个以上时,调查精度可达到80%以上；样本数量达到140个以上时,调查精度可达到90%以上。6—8月间的样本数最多,调查精度普遍在80%以上,此期间的蓄积月生长率数据精度最高。

3.3 林木蓄积年生长率各设区市分布

以2015—2020年的省、市联动年度样地数据5 375个为数理统计样本,先计算各设区市各年度的林木蓄积生长率,再进行年度平均得到各设区市近5年的林木蓄积平均年生长率。将各设区市的林木蓄积平均年生长率与省平均值相除,得到各设区市的空间误差校正系数(表3)。

表3中，杭州、温州、丽水的年均生长率偏低,可能与当地松、杉比例较高，且树龄相对较大有关；嘉兴市的年均生长率很高,该市为平原区,与近些年习惯于大树造林、进界生长量大有关,属于异常情况,不具普遍意义。

为进行空间误差的校正,以省总体林木蓄积生长率各指标平均值为基数(表1),将各设区市的空间误差校正系数(表3)与之相乘,得到各设区市经校正后的分树种组林木蓄积年生长率(表4)。

表3 各设区市林木蓄积平均年生长率及空间误差校正系数表

表4 各设区市经校正后的林木蓄积年生长率表

需要说明的是,由于各市的林木蓄积年生长率与其现阶段的树种构成、径级结构等关系很大。因此,编制表3中的各市空间误差校正系数时,依据的各市林木蓄积平均年生长率应尽可能是现期值,且参与平均的年数不宜过多。据此得到的各市经校正后的林木蓄积年生长率(表4),才具有较好的时效性和应用价值。

4 结论与应用

4.1 研究结论

1)时间尺度上,林木蓄积月际生长率存在着较大差异。在4—10月的主生长期内,最高月与最低月之间的比值为2.0～2.2。同时,除11月至翌年3月的低速生长季外,各树种组4月与10月的月生长率占比均小于10%,低者仅7.11%；其余各月的占比均超过10%,高者达17%之多,也即调查时间相差1个月就会带来10%以上的误差。因此,开展短周期的森林资源年度监测时,进行调查时间误差校正十分必要。

2)空间尺度上,除嘉兴平原区存在着大树造林情况特殊,林木蓄积年生长率离奇偏高外,其余10市间也存在着明显差异,与省平均值的比值在0.95～1.06之间。因此，不能统一采用全省一个生长率指标,同样有必要进行空间误差的校正。

3)由于各类组各生长月的样本数量差异较大,其月生长率的估计精度也有所不同,从而影响到时间误差的校正效果。6—8月,样本数量最多,利用月生长率的时间误差校正精度最高。因此,建议把时间误差的校正基准月定在6—8月期间的任1个月份为好。

4)浙江省空间范围不大,时间因素带来的误差远大于空间因素带来的误差,因此,校正时间误差更为重要；且同一树种组同个生长月内,各径级间的月生长率占比差异不明显,也即根据蓄积生长率的月分配比例进行时间误差校正时,可以不考虑径级因素。

4.2 误差校正方法

1)在开展森林资源年度监测时,当每年的具体调查时间不一致时,应先对调查原始数据进行时间误差校正,然后才能进行统计分析。

2)时间误差的校正应先确定一个校正基准月,如定为每年7月,然后根据每一样地的实际调查月份与7月的时间距离,依据“各类组林木蓄积月生长率及占比表(表2)”,进行时间误差校正。

3)可依据“各设区市经校正后的林木蓄积年生长率表(表4)”,对各设区市进行空间误差校正。空间误差的校正,可在先进行原始调查数据时间误差校正的基础上,再对各设区市的统计汇总数据进行统一校正。如果各设区市的统计汇总数据是基于同一个调查设计体系取得的,则无需进行空间误差校正。

4)林木起源的不同,也会带来明显的差异。在进行时间或空间误差校正时,可进一步因起源的不同进行校正。起源分为天然与人工。经研究,浙江省的起源调整系数分别为:天然林0.908 6,人工林1.091 4[16]。