EN中文

Journal of Geo-information Science >

2016 , Vol. 18 >Issue 12: 1675 - 1683

DOI: https://doi.org/10.3724/SP.J.1047.2016.01675

Orginal Article

Remote Sensing Estimation of the Carbon Balance Ability Based on the Object-Oriented Method for Guangxi Youjiang District

  • TONG Xinhua , * ,
  • ZHANG-GUO Qiuchen ,
  • WEI Yanfei
Expand
  • College of Geography and Planning, Guangxi Teachers Education University, Nanning 530001, China
*Corresponding author: TONG Xinhua, E-mail:

Received date: 2016-01-14

  Request revised date: 2016-04-06

  Online published: 2016-12-20

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Global warming is one of the most daunting challenges that our humanity is facing. It has urged the action to study carbon emissions and carbon sequestration ability to control the regional climate change. Some studies show that human activities, especially the combustion of fossil fuel, cause the carbon emissions and the global climate warming. Therefore, it is important to work on energy saving and emission reduction. At the same time, the carbon sink capacity of forest, grassland, crops and other vegetations become one of the most powerful approaches to ease the global climate change. Thus, we conduct a research in this area, in order to improve the carbon source utilization efficiency, reduce the carbon intensity, prefect the energy-saving and emission-reduction works, and well manage the carbon budget capacity and some other problems. Taking Youjiang district of Baise city in Guangxi Province as the experimental area, this article uses the object-oriented classification technology and extracts the area geographic information from the Landsat 8 OLI and Google Earth images. Due to the complex terrain of the study area, different parameter settings of the multi-scale segmentation are used and the optimal scaling for the image segmentation is selected. We also use the membership function method, the closest classification method and the CART decision tree classifier method to complete the object-oriented classification layer by layer and evaluate the accuracy of the classification results, based on the spectral difference, geometric shapes, objects, texture and other characteristics. Through summarizing the conversion relationship between the land and carbon coefficient, combining with the high-precision object-oriented classification results, the estimation model of carbon budget capacity is built based on land-cover types. Finally, according to the CASA model of carbon budget capacity, we check the accuracy of the estimation method. The carbon budget capacity of Youjiang district is estimated to be -3996.4 kt, according to the coefficient that corresponds to the feature carbon conversion relationship. Integrated with the administrative planning, population distribution, DEM, and other relevant data, the carbon budget capacity of Youjiang district is analyzed thematically. The results showed that: (1) the use of RS and GIS technologies in the studies of regional carbon budget capacity reveals a distinct advantage. The multiscale segmentation and object classification method can efficiently eliminate the extraction error caused by spectral confusion, and solve problems such as the large quantity of spatial data faced by the traditional classification, the classification of "salt and pepper", the exact utilization of different classification methods, and the improvement of the classification accuracy of carbon. (2) We summarized the findings of the coefficients for carbon balance capacity from domestic and international researches, and applied it in the construction of carbon balance estimation model. The object-oriented method and carbon balance estimation model were used to interpret the land cover data to estimate the Youjiang area carbon balance capability. Results show that the high degree of forest land, grassland, cultivated land and other types of vegetation areas is responsible for the performance of carbon sink in the study area. At the same time the construction land consumes a lot of fossil fuel to play as a large source of carbon. But the overall carbon sink ability of Youjiang area is stronger than its carbon emissions. It is conducive to the stable development of the regional ecological system, and may ease the regional threat of climate change. (3) Combined with the administrative divisions of Youjiang district and DEM data, the spatial analysis was carried out. We summed up the overall characteristics of the carbon budget capacity in the Youjiang district. The carbon budget is large in quantity in the central districts. Moreover, studies have shown that the elevation, slope aspect and human activities could affect the carbon budget capacity. It specifically demonstrated that the areas of high-altitude, steep slopes and less human activity reveal a large amount of carbon sink and less carbon footprint. On the contrary, the areas of low-altitude, lower slopes and more human activity reveal a large carbon footprint and lower amount of carbon.

Key words： eCognition; multi-scale segmentation; object-oriented classification; carbon conversion index; carbon budget

Cite this article

TONG Xinhua , ZHANG-GUO Qiuchen , WEI Yanfei . Remote Sensing Estimation of the Carbon Balance Ability Based on the Object-Oriented Method for Guangxi Youjiang District[J]. Journal of Geo-information Science, 2016 , 18(12) : 1675 -1683 . DOI: 10.3724/SP.J.1047.2016.01675

1 引言

相关研究表明目前人类活动尤其是化石燃料的燃烧是造成碳排放乃至全球气候变暖的主要诱导因素,因此注重节能减排工作显得尤为重要[1-2]。森林、草地、农作物等植被的碳汇能力恰恰是现阶段应对全球气候变化的有力手段之一[3]。因此,进行碳收支相关内容的科学研究,提高碳源利用效率,降低碳排放强度,完善节能减排工作,具有重要的理论和现实意义。
目前,遥感技术成为现阶段研究气候变化的有力手段,但传统基于像元的方法针对高分辨率遥感影像分类时显得捉襟见肘,在此背景下面向对象分类技术开始崭露头角。本文基于百色市右江区2014年Landsat 8 OLI和Google Earth 1 m高分辨率影像数据,选用面向对象分类方法提取研究区涉及碳收支能力的土地利用信息,同时结合碳收支系数确立专题性碳收支能力估算模型。最后,生成相应的右江区碳收支能力专题图,并进一步针对其碳收支分布情况进行具体剖析。

2 研究区概况与数据源

2.1 研究区概况

广西壮族自治区百色市右江区坐落于广西西部,地处东经106°7′~106°56′,北纬23°33′~24°18′。右江区最大橫距范围为84 km,最大纵距范围为 82 km,位于低纬度地区,气候环境属于亚热带季风气候,夏长冬短,日照充足,降雨量适中且集中,空气湿润,年平均气温可达22.1 ℃。山地、丘陵、盆地、水面、林地、耕地、城镇工矿用地及未利用地等多种地貌和土地类型在本区均有所体现。右江区地处广西壮族自治区、贵州省、云南省的往来通达要地,是集革命老区、少数民族地区、大石山区、贫困地区、生态保护重点区域和城镇带重点发展区域多种自然、社会经济功能交织的特殊区域,发展经济和保护环境的矛盾正逐步凸显。基于以上情况,本文选择右江区为研究区（图1）,对其碳收支能力和分布特征进行系统的探究。
Fig.1 The location of the main study area

图1 研究区位置图

2.2 数据源与预处理

本研究采用百色市右江区2014年的Landsat 8 OLI影像数据,分辨率为30 m,以及Google Earth高分辨率影像数据,分辨率为1 m。
辅助数据分别为《百色统计年鉴》(2013)、百色市土地利用变更数据、2013年右江区的能源消耗数据、右江区ASTER GDEM 30 m数字高程数据。
本研究采用国家计委能源所、国家科委气候变化项目、日本能源经济研究所以及何勇[4]、方精云等[5]研究成果中具体数据的均值作为本文的碳收支系数。
影像预处理程序包括对研究区域进行影像融合、ROI裁剪、大气校正、几何校正等措施。

3 面向对象分类

近年来,面向对象分类方法被大量学者用于碳收支专题性探究中对中、高分辨率影像进行地物信息的提取,并体现出其优越性[6-7]。面向对象分类包括影像的分割和对象的分类2大主成分。本文选用德国eCognition软件做为遥感图像分类处理平台[8]。

3.1 面向对象分类的特征选取

本文根据右江区实际分类需要,选取主要土地覆被类型进行DN值采样[9]辅助建立相应的分类规则集;应用ENVI 5.1软件分别统计不同地物覆被样本DN值的均值信息,生成对应地类样本的光谱特征响应曲线（图2）。
Fig.2 The sample spectral response curves of different object types

图2 不同地物覆被类型样本的光谱特征响应曲线

3.2 多尺度分割

影像对象是面向对象分类的最基本单元,因而影像分割就是面向对象分类方法的根源结构,而分割尺度和异质性参数的选择直接影响分类精度。异质性参数在eCognition中主要由形状、颜色、紧致度和光滑度4个指标来衡量[10]。
3.2.1 分割尺度
分割尺度的差异直接作用于影像对象的大小。综合考虑,现将研究区影像分割尺度参数设置为10、20、30、40进行分割试验。形状参数、紧致度参数分别采用软件默认的0.1和0.9。根据多次试验表明分割尺度30最合适,在此尺度下影像对象最完整,不细碎也无混分。
3.2.2 形状及紧致度参数
形状、颜色、紧致度、光滑度的参数选择问题中,形状参数与颜色参数之和为1,紧致度参数与光滑度参数之和为1。本文基于分割尺度为30的情况下,设置5组形状参数和紧致度参数进行分割试验。在此基础上,进行大量试验,最终决定此次右江区影像多尺度分割过程的选用参数为：分割尺度为30,形状参数为0.4,紧致度参数为0.5。具体分割效果见图3。
Fig.3 Result using the best parameter setting

图3 最优分割参数结果图

3.3 土地覆被分类系统

根据针对面向碳收支项目专门制定的中国土地覆被分类系统[11],本文将右江区土地覆被情况总共分为4个I级分类,以及3项II级林地覆被类型,而非植被类型仅分到I级地类不再进行细分。研究区土地覆被分类体系详情见表1。
Tab.1 Experiment zone’s land cover classification system for carbon budget

表1 针对碳收支能力的研究区土地覆被分类体系

序号 I级分类 代码 Ⅱ级分类
1 林地 101 常绿阔叶林
103 常绿针叶林
105 针阔混交林
2 草地
3 耕地
4 建设用地

3.4 影像对象分类

本文选取隶属度函数法、最邻近分类法和CART决策树分类器3种分类方法对影像对象中不同地物信息进行分类。当地物信息可以通过一个或几个特征进行区分且在此特征下平稳变化时,选用隶属度函数法[12]。最邻近分类法适用于对象特征不明显或用少数几个特征无法区分的情况,此时最邻近分类法可选取更多的波段、形状、纹理等特征区分地物信息。本文应用CART决策树分类器进行最邻近分类法难以区分的II级林地分类,该方法针对同类专题模型归类目的鲜明[13]。
本文研究区针对碳收支估算的I级土地覆被分类包括：林地、草地、耕地、建设用地。首先,利用归一化植被指数NDVI[14],通过隶属度函数法可以将植被与非植被很好地区分开,随即根据归一化建筑指数NDBI[15]基本上可以区分出建设用地;其次,林地、草地、耕地在光谱信息上比较接近,需引入最邻近法进行细分。另外,耕地的坡度一般不会大于25°,故加入坡度数据图辅助提取耕地。
在II级分类时,通过仔细分析图1的光谱差异和曲线特征,并经多次试验发现,常绿阔叶林较常绿针叶林在绿光波段Band3和近红外波段Band5上有巨大差异,通过Band3与Band5的乘积可以很好地进行类别区分。将此发现辅以Google Earth 1 m高分辨率影像,利用CART决策树分类器选取样本对象,并对样本的波段、纹理等特征进行训练与应用,完成林地II级地类信息的提取。2次分类后的结果如图4所示。
Fig.4 Classification results using the object-oriented method in Youjiang district

图4 右江区面向对象分类方法分类结果

3.5 精度评价

本文选用eCognition软件带有的误差矩阵分析统计类型进行精度评价,详情如表2所示。由表2可以看出,此次分类总精度达到89.53%,Kappa系数为0.87。这表明面向对象分类方法在估算碳收支能力有关地类的分类效果上表现优良。
Tab.2 Error matrix of classification using the object-oriented method

表2 面向对象分类方法的误差矩阵

常绿阔叶林 常绿针叶林 针阔混交林 草地 耕地 建设用地
常绿阔叶林 552 3 13 82 56 27
常绿针叶林 4 2178 35 7 11 39
针阔混交林 26 22 541 5 6 15
草地 93 0 4 423 52 8
耕地 43 1 11 64 1026 17
建设用地 32 2 4 6 37 1479
总体精度/(% ) 89.53
Kappa系数 0.87

4 碳收支能力估算

气候变化中碳收支问题主要受人为因素和自然因素的双重影响,而现阶段城镇区域内人为因素的影响效果远远大于自然因素,是碳收支不平衡现象产生的主要原因[16-18]。因此,本文建立的碳收支估算模型仅涉及人类活动影响较为显著的4种I级土地覆被类型及II级林地类型的碳收支能力。本文将同种土地覆被类型中碳排放和碳汇转换系数视为一致[19]。

4.1 碳收支估算模型

草地、耕地、II级林地碳收支能力具体计算式如式（1）所示。
C a = ∑ Li = ∑ Si · Di （1）
式中：Ca为碳收支总量/kg;Li为研究区域中i类土地覆被的碳汇量/kg。Si为区域中i类土地覆被的面积/m2;Di为区域中i类土地覆被的碳汇系 数/kg(c)m2·a-1）。
建设用地消耗煤、石油、天然气等化石燃料正是碳排放的首要诱因。由此,建设用地碳排放量计算如式（2）所示。
C b = E m · M i + E s · S i + E t · T i （2）
式中：Cb为建设用地的碳排放总量/t;Em、Es、Et分别为区域内煤炭、石油、天然气能源消耗折换为标准煤量/t;Mi、Si、Ti分别代表煤、石油、天然气能源消耗的碳排放转化系数/（t(C)/t）。
碳转换系数如表3所示。
Tab.3 Carbon conversion index table

表3 碳转换系数表[17-20]

指标来源 煤消耗碳源系数/(t(C)/t) 石油消耗碳源系数/(t(C)/t) 天然气消耗碳源系数/(t(C)/t) 常绿阔叶林碳汇系数/kg(c)m2·a-1 常绿针叶林碳汇系数/kg(c)m2·a-1 针阔混叶林碳汇系数/kg(c)m2·a-1 草地碳汇系数/kg(c)m2·a-1 农作物生产碳源系数/kg(c)m2·a-1 农作物生产碳汇系数/kg(c)m2·a-1
日本能源经济研究所 0.7560 0.5860 0.4490 - - - - - -
国家科委气候变化项目 0.7260 0.5830 0.4090 - - - - - -
徐国泉等 0.7476 0.5825 0.4435 - - - - - -
汪刚 0.7260 - - - - - - - -
谭丹 0.7329 0.5574 0.4426 - - - - - -
何介男、ORNL 0.7194 0.5849 0.4036 - - - - - -
DOE/EIA 0.7020 0.4780 0.3890 - - - - - -
国家计委能源局 0.6510 0.5430 0.4040 - - - - - -
王东生 0.7201 0.5593 0.4201 - - - -0.0021 0.04255 -0.692
何勇等 - - - - - - - 0.0422 -0.692
方精云、郭兆迪等 - - - -10.096 -4.15 -6.53 -0.0021 - -
cai zu-cong - - - - - - - 0.0429 -
本文采用均值 0.7201 0.5593 0.4201 -10.096 -4.15 -6.53 -0.0021 0.04255 -0.692

注：正值为碳排放系数;负值为碳汇系数;-为缺省数据

4.2 碳收支能力估算

根据上述公式和表3的碳转换关系,利用面向对象分类方法提取的土地覆被类别信息以及转换为标准煤量的百色市右江区能源统计数据,计算得到右江区各地类碳收支能力结果（表4）,其中正值表示碳排放量,负值表示碳汇量。
Tab.4 Carbon budget for different land use types in Youjiang district

表4 右江区各地类碳收支能力汇总表

I级类别 II级类别 数值/t
林地 -13 797 899
常绿阔叶林 -3 501 021
常绿针叶林 -5 325 374
针阔混交林 -4 971 504
草地 -570
耕地 -19 761
耕地碳排放 1295
耕地碳汇 -21 056
建设用地 9 821 800
煤碳排放 9 116 568
石油碳排放 661 305
天然气碳排放 43 927
碳收支总量 -3 996 430
根据右江区影像地物的光谱、几何和纹理特质,使用面向对象方法得出分类结果后与碳转换关系系数进行估算,最终得到右江区碳收支能力专题图（图5）。
Fig.5 Thematic map of the carbon budget in Youjiang district

图5 右江区碳收支能力专题图

通过表4、图5可以推断,各类植被覆盖区域担当了右江区主要的碳汇功能,碳汇总量为1381万t,其中森林碳汇达到总碳汇的99.85%,这表明森林碳汇能力是右江区应对气候变化的重要力量。建设用地碳排放主要是区域内能源消耗的碳排放量之和,与建筑物面积等信息无必然联系,右江区建设用地碳排放总量为982.18万t,其中煤是右江区主要的碳排放化石燃料,占碳排放总量的92.82%。

4.3 估算精度校验

由于本文估算模型更为直接地利用先进的面向对象分类方法,针对土地覆被类型进行碳收支能力的估算,并且挑选最适宜土地覆被分类的遥感时像,从而忽略了气候条件不同、植被长势差异、季相关变化影响等因素。基于此,利用牛磊等基于CASA模型的森林碳汇估算方法作为校验途径,对本文提出的土地覆被类型碳收支能力估算模型进行相应的精度校验。
基于CASA的碳汇估算模型如式（3）所示。
W = 0.5 ( 60.583 NDVI + 0.365 SAVI + 0.466 RVI - 0.345 B 5 ) （3）
式中：NDVI为归一化植被指数;SAVI为土壤调整植被指数;RVI为比值植被指数;B5为近红外波段数值。
与牛磊等的估算方法进行校验的结果如图6所示。通过校验可以发现,在森林植被的碳汇估算中,2个模型结果相近,而在草地的碳汇估算中,由于本文估算模型忽略了气候条件不同、植被长势差异、季相关变化影响等因素,2个模型估算结果具有差距,但由于草地碳汇总量基数较小,因此对区域碳收支能力的估算造成影响很小。本文基于面向对象分类的碳汇估算模型与已有基于CASA的碳汇估算模型的估算精度基本满足要求。由此可见,将前人研究的碳收支系数与更为精准的面向对象分类方法结合起来进行区域碳收支能力的估算是可行的。
Fig.6 Contrast check of the carbon sink in Youjiang district

图6 右江区碳汇能力校验对比图

5 碳收支能力研究

5.1 碳收支空间分布研究

结合《百色统计年鉴(2013)》及右江区行政区划等辅助资料,运用ArcGIS进行数据统计,得到涉及碳收支能力的右江区行政区划信息统计表（表5）。
Tab.5 Information of the administrative divisions in Youjiang district

表5 右江区行政区划信息统计表

乡、镇、街道 人口/万 碳收支总量/t
百城街道 12.50 4328
阳圩镇 3.45 -309 378
四塘镇 2.51 -56 123
龙川镇 3.10 -189 337
龙景街道 4.90 -84 259
永乐镇 1.80 -227 482
汪甸瑶族乡 2.38 -176 999
大楞乡 2.20 -2 407 722
泮水乡 0.97 -549 456
从碳收支空间分布来看,右江区乡镇域空间的碳收支能力基本呈现“中心高,四周低”的特点（图5）。其中,百城街道的碳排放量最高,约为0.43万t,因为百城街道是右江区中心所在,以工厂、道路、建筑物为主,碳排放量极大;大楞乡的碳汇能力最高,约为 240万t,这主要与该乡基本地形为山地有关,林地范围极大,碳汇能力极强。结合百色市统计年鉴研究发现,各乡镇碳排放总量与第二、第三产业息息相关,主城区第二、三产业指数较大其碳排放量也较高;相反各乡镇碳汇能力与第一产业关系密切,植被覆盖度高的地区碳汇总量较高。

5.2 碳收支的垂直分异

根据中国陆地1:100万数字地貌分类体系[21],结合实际情况,将右江区高程分为六级,从而生成右江区高程分级图(图7)。将图7与图5叠加分析,得到研究区不同高程碳收支能力（表6）。
Fig.7 Elevation grading in Youjiang district

图7 右江区高程分级图

Tab.6 Elevation grading of the carbon budget in Youjiang district

表6 右江区高程分级碳收支能力统计表

分级类别 高程/m 碳收支总量/t
平原台地 0-300 -67 443
丘陵 301-500 -352 499
小起伏山地 501-700 -995 164
中起伏低山 701-900 -1 259 745
中起伏高山 901-1100 -805 610
大起伏山地 1101-1544 -515 969
由表6可见,右江区碳收支能力具有明显的垂直地带差异,总体呈现“低海拔高,高海拔低”的特征,而这种差异的出现与土地利用覆被类型的分布情况息息相关。其中,平原台地高程为0~300 m时,碳排放总量大,碳汇总量小,碳收支总量只有 -6.74万t;而中等起伏低山高程为701~900 m时,碳排放量最小,碳汇总量最大,碳收支总量达到 -125.97万t。这主要是因为随着海拔越高,人为干扰的程度越低,人为活动密集地区基本上集中在平原台地及丘陵地区,因此海拔和人为干扰是影响右江区碳收支能力空间分异特征的重要因素。

5.3 碳收支的坡度分异

根据《土地利用现状调查技术规程》,以ASTER GDEM 30 m为数据源,对ASTER GDEM派生的坡度模型、坡度分级方法结合实际情况合理选择,实现右江区坡度信息的分级与提取功能(图8)。将图8与图5叠加分析,得到研究区不同坡度碳收支能力（表7）。
Fig.8 Slope classification in Youjiang district

图8 右江区坡度类别分级图

Tab.7 Slope classification of the carbon budget in Youjiang district

表7 右江区坡度分级碳收支能力统计表

坡度分级 坡度区域/ ゜ 碳收支总量/t
平坡 0-3 -30 996
微坡 3.1-8 -225 654
缓坡 8.1-15 -782 647
斜坡 15.1-25 -1 865 681
陡坡 25.1-35 -940 406
急坡 35.1-55 -149 443
险坡 55.1-66.6 -1603
坡度和坡向作用于土壤水热动态、降雨和温度等方面,其主要影响到物质和能量的分配[22],进而间接干预了不同地物覆盖类型的碳收支能力。从整个右江区地形看,斜坡、陡坡、急坡、险坡等坡度较大地区主要覆盖类型为林地和草地,水分和土壤条件差可能限制了耕地和建设用地的存在,因此在同等面积的情况下,坡度较大的地区碳收支总量偏大,而随着坡度变小,受人为干扰机会变大,碳排放量逐步变大。在本研究区中,斜坡地区碳汇能力最强,碳收支总量为-186.57万t,而平坡地区碳排放过程最多,碳收支总量为-3.10万t。综上所述,坡度也是影响右江区碳收支能力的关键因素之一。

6 结论

本文利用右江区遥感影像进行面向对象分类,随后应用分类结果与碳转换关系系数估算不同土地覆被类型的碳收支能力,最终结合《百色市统计年鉴(2013)》、百色市土地利用变更数据、2013年右江区的能源消耗数据、右江区ASTER GDEM 30 m数字高程数据等辅助数据进行研究区碳收支空间分布、垂直及坡度差异的空间分析,得出的主要研究结论如下：
（1）将面向对象分类应用与区域碳收支能力的研究具有较明显的优势。多尺度分割和面向对象分类方法能很大程度上消除光谱混淆引起的提取误差,并且解决了传统分类空间数据量大、分类结果具有“椒盐现象”等问题,使不同分类方法可以对症下药,促使碳专题的分类精度提升。
（2）归纳总结了国内外有关碳收支能力系数的研究成果,并将之应用于本研究构建碳收支估算模型当中。利用面向对象分类方法解译出的土地覆被数据,随而建立碳收支估算模型估算。结果表明,林地、草地、耕地等植被覆盖程度高的地区担负了研究区的主要碳汇工作,而建设用地则因化石燃料的大批量消耗排放了大量的碳源,该结论符合区域碳收支能力的现状,正面反映出面向对象分类方法应用于区域碳收支能力的研究,具有可行性,并且对于区域生态系统的稳定发展具有良好的支撑作用。
（3）基于面向对象分类结果结合右江区行政区划和DEM数据进行对研究区的碳收支能力空间分析。研究表明右江区碳收支能力总体特征为中心城区碳收支量大,四周乡镇碳收支量小;影响区域碳收支能力的主要因素有海拔、坡度坡向和人类活动等因子。具体表现为海拔高、坡度大、人类活动量少的地区碳汇量大、碳排放量小;相反海拔低、坡度小、人类活动量大的地区碳排放量大、碳汇量小。
（4）本文研究分析表明基于面向对象分类方法的结果,结合GIS相关技术可以有效地判定出影响区域碳收支能力的因素有海拔、坡度坡向、人类活动等,后期可针对这些影响因素提出相应的改善区域碳收支能力的相关政策,以促进节能减排工作的完善,改变中国碳排放量大的现状。
本文对面向对象分类方法应用于碳收支能力方面进行了较深入的研究,形成了较为完整的方法体系,但在以下2个方面仍存在不足：
（1）右江区覆盖遥感数据较多,无法在同一时相下进行提取,镶嵌时色调调整容易造成边界部分数据光谱信息的改变或缺失。
（2）进行耕地与草地分类时选取的不同时期影像数据有限,使得该地物类型分类精度不高,同时进行植被碳汇能力估算时,同比于基于生物量的碳汇能力估算模型的精度略有差距,气候差异、植被长势、季相关性影响等因素考虑不足,有待进一步改进。
总体上,本文很好的将面向对象分类方法引入到区域碳排放和碳汇能力的研究中,有效地弥补了传统研究方法的不足,使中小型区域的碳收支能力估算更加精确,碳收支能力研究更具前景。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Miah M D, Masum M F H, Koike M. Global observation of EKC hypothesis for CO2, SOx and NOx emission: a policy understanding for climate change mitigation in Bangladesh[J]. Energy Policy, 2010,38(8):4643-4651.Environmental Kuznets Curve (EKC) hypothesis is critical to understanding the developmental path of a nation in relation to its environment. How the effects of economic development processes dictate environmental changes can be found through the study of EKC. To understand the EKC phenomena for climate change, this study was undertaken by reviewing the available literature. As CO<sub>2</sub> SO<sub><em>x</em></sub> and NO<sub><em>x</em></sub> are the significant greenhouse gases (GHG) responsible for global warming, thus leading to climate change, the study focused on those GHGs for EKC consideration. With an understanding of the different EKC trajectories, an attempt was made to determine the implications for the economic development of Bangladesh in regards to the EKC. It was shown that EKC for CO<sub>2</sub> was following a monotonous straight line in most cases. SO<sub><em>x</em></sub> were shown to follow the full trajectory of the EKC in most situations and NO<sub><em>x</em></sub> was shown the hope only for the developed countries getting the low-income turning point. The type of economic policy that Bangladesh should follow in regards to the discussed pollutants and sources is also revealed. From these discussions, contributions to policy stimulation in Bangladesh are likely to be made.

DOI

[2]
方精云,王少鹏,岳超,等.“八国集团” 2009 意大利峰会减排目标下的全球碳排放情景分析[J].中国科学地球科学(中文版),2009,39(10):1339-1346.八国集团"(G8)于2009年7月在意大利举行的峰会上,提出2050年全球温室气体排放削减50%,其中发达国家削减80%的目标(简称"G8目标").本研究设置4种碳排放情景,对"G8目标"的内涵以及科学性、公正性和可行性进行了分析.结果表明:(1)将2050年的大气CO2浓度控制在450ppmv以内的唯一情景是:全球发达国家和发展中国家都于2005年开始均匀减排至2050年,且满足"G8"全球减排目标.在现实条件下,这种情景是不可能发生的.(2)发展中国家即便遵从极为苛刻的排放路径,"G8目标"仍不能满足其排放需求:在"G8目标"约束下,未来45年发展中国家将短缺1/3以上的排放需求量.(3)按"G8目标",在2006~2050年期间,发达国家和发展中国家的人均累计排放量分别为81吨碳和40~47吨碳,前者约为后者的2倍;而历史上,发达国家的人均累计排放量已是发展中国家的12倍.基于上述结果,得出如下结论:(1)"G8目标"企图把发展中国家纳入减排框架,这不仅会阻滞发展中国家的工业化进程,也将导致发展中国家阵营内部因分解减排责任而产生矛盾,甚至发生分化;(2)"G8目标"限制了发展中国家的碳排放,不仅延续了发达国家与发展中国家历史时期的排放不平等,而且进一步加剧了未来排放的不平等,是对发展中国家的严重不公平;(3)作为"G8目标"理论依据的450ppmv大气CO2浓度的控制阈值不现实,缺乏可行性.总之,"G8目标"背离了"共同但有区别的责任"原则,是发展中国家所不能接受的.

[ Fang J Y, Wang S P, Yue C, et al. Scenario analysis on the global carbon emission reduction goal proposed in the declaration of the 2009 G8 Summit[J]. Science China Series D: Earth Sciences, 2009,39(10):1339-1346.]

[3]
赵荣钦,黄贤金.基于能源消费的江苏省土地利用碳排放与碳足迹[J].地理研究,2010,29(9):1639-1649.采用2003~2007年江苏省能源消费和土地利用等数据,通过构建能源消费的碳排放模型,对江苏省5年来能源消费碳排放进行了核算,并通过土地利用类型和碳排放项目的对应,对不同土地利用方式的碳排放及碳足迹进行了定量分析。结论如下:(1)江苏省能源消费碳排放总量从2003年的8794.24万t上升到2007年的16329.85万t,涨幅达86%。其中,终端能源消费碳排放占53.6%。(2)江苏全省土地单位面积碳排放从2003年8.24t/hm<sup>2</sup>上升到2007年15.53 t/hm<sup>2</sup>增幅为88.5%。其中,居民点及工矿用地单位面积碳排放最大,为95.62 t/hm<sup>2</sup>。(3)江苏全省能源消费碳足迹大于生产性土地的实际面积,由此造成的生态赤字达1351.285万hm<sup>2</sup>。(4)不同土地利用类型的碳足迹大小顺序为:居民点及工矿用地＞交通用地＞未利用地及特殊用地＞农用地和水利用地,其中居民点及工矿用地的碳足迹高达10.89 hm<sup>2</sup>/ hm<sup>2</sup>。(5)江苏全省单位面积碳足迹也呈明显的扩大趋势,从2003年的0.938 hm<sup>2</sup>/ hm<sup>2</sup>上升到2007年的1.769 hm<sup>2</sup>/ hm<sup>2</sup>。

DOI

[ Zhao R Q, Huang X J.Carbon emission and carbon footprint of different land use types based on energy consumption of Jiangsu Province[J]. Geographical Research, 2010,29(9):1639-1649. ]

[4]
何勇. 中国气候陆地生态系统碳循环硏究[M].北京:气象出版社, 2006.

[ He Y.Terrestrial ecosystems carbon cycle research in climate of China[M]. Beijing: China Meteorological Press, 2006. ]

[5]
方精云,郭兆迪,朴世龙,等. 1981-2000 年中国陆地植被碳汇的估算[J].中国科学·地球科学 (中文版),2007,37(6):804-812.利用森林和草场资源清查资料、农业统计、气候等地面观测资料,以及卫星遥感数据,并参考国外的研究结果,对1981~2000年间中国森林、草地、灌草丛以及农作物等陆地植被的碳汇进行了估算,并对土壤碳汇进行了讨论.主要结论如下:(1)中国森林面积(郁闭度为20%)由1980年初的116.5×106ha,增加到2000年初的142.8×106ha;森林总碳库由4.3PgC(1PgC=1015gC)增加到5.9PgC;平均碳密度由36.9MgC/ha(1MgC=106gC)增加到41.0MgC/ha;年均碳汇为0.075PgC/a.中国草地面积约为331×106ha,总碳库1.15PgC,总碳密度3.46

DOI

[ Fang J Y, Guo Z D, Pu S L, et al. Estimation of carbon sink in Chinese vegetation terrestrial[J]. Science in China Press, 2007,37(6):804-812. ]

[6]
Gao Y, Mas J F.A comparison of the performance of pixel-based and object-based classifications over images with various spatial resolutions[J]. Online Journal of Earth Sciences, 2008,2(1):27-35.

[7]
Yu Q, Gong P, Clinton N, et al. Object-based detailed vegetation classification with airborne high spatial resolution remote sensing imagery[J]. Photogrammetric Engineering & Remote Sensing, 2006,72(7):799-811.In this paper, we evaluate the capability of the high spatial resolution airborne Digital Airborne Imaging System (DAIS) imagery for detailed vegetation classification at the alliance level with the aid of ancillary topographic data. Image objects as minimum classification units were generated through the Fractal Net Evolution Approach (FNEA) segmentation using eCognition software. For each object, 52 features were calculated including spectral features, textures, topographic features, and geometric features. After statistically ranking the importance of these features with the classification and regression tree algorithm (CART), the most effective features for classification were used to classify the vegetation. Due to the uneven sample size for each class, we chose a non-parametric (nearest neighbor) classifier. We built a hierarchical classification scheme and selected features for each of the broadest categories to carry out the detailed classification, which significantly improved the accuracy. Pixel-based maximum likelihood classification (MLC) with comparable features was used as a benchmark in evaluating our approach. The object-based classification approach overcame the problem of salt-and-pepper effects found in classification results from traditional pixel-based approaches. The method takes advantage of the rich amount of local spatial information present in the irregularly shaped objects in an image. This classification approach was successfully tested at Point Reyes National Seashore in Northern California to create a comprehensive vegetation inventory. Computer-assisted classification of high spatial resolution remotely sensed imagery has good potential to substitute or augment the present ground-based inventory of National Park lands.

DOI

[8]
牟凤云,罗丹,官冬杰,等.面向对象的土地覆盖信息提取方法研究及应用[J].重庆交通大学学报(自然科学版),2014,33(6):104-108.以辽宁省沈阳市Landsat-5 TM影像为数据源,利用ERDAS和e Cognition软件分别使用监督分类和面向对象分类方法对试验区土地覆被进行分类。在面向对象分类中选用多尺度分割法、最邻近分类法。分类完成后,计算监督分类误差矩阵得到总体精度90.65%、Kappa系数0.847 8以及生产精度和用户精度,在e Cognition中选用最佳分类结果和分类稳定性统计法得到图表形式的精度结果,最后得到精度结果对比(监督分类/面向对象):聚落91.14%/93.50%,农田86.91%/93.80%,森林91.73%/96.70%,草地84.44%/91.36%,水体98.16%/96.18%。通过精度对比分析得出基于对象的面向对象分类法较于传统的监督分类法提高了分类效率和精度。

DOI

[ Mu F Y, Luo D, Guan D J, et al.Research on object-oriented land cover information extraction[J]. Journal of Chongqing Jiaotong University (Natural Science), 2014,33(6):104-108. ]

[9]
钱巧静,谢瑞,张磊,等.面向对象的土地覆盖信息提取方法研究[J].遥感技术与应用,2005,20(3):338-342.利用遥感方法提取土地覆盖信息时,常用的自动分类方法只能利用遥感数据的光谱信息,而面向对象的分类方法在综合利用遥感数据光谱信息、纹理特征、拓扑关系和加入专题信息进行多尺度分割获取对象后的基础上,通过对对象的目视识别建立模糊判别函数来进行分类。利用面向对象的方法成功提取了三峡库区奉节县中部的土地覆盖信息,得到了较为满意的结果,利用野外采样数据进行验证其精度达89.2%。

[ Qian Q J, Xie R, Zhang L, et al. Land cover extraction based on object oriented analysis[J]. Remote Sensing Technology and Application, 2005,20(3):338-342. ]

[10]
Benz U C, Hofmann P, Willhauck G, et al. Multi-resolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information[J]. ISPRS Journal of photogrammetry and remote sensing, 2004,58(3):239-258.Remote sensing from airborne and spaceborne platforms provides valuable data for mapping, environmental monitoring, disaster management and civil and military intelligence. However, to explore the full value of these data, the appropriate information has to be extracted and presented in standard format to import it into geo-information systems and thus allow efficient decision processes. The object-oriented approach can contribute to powerful automatic and semi! : automatic analysis for most remote sensing applications. Synergetic use to pixel-based or statistical signal processing methods explores the rich information contents. Here, we explain principal strategies of object-oriented analysis, discuss how the combination with fuzzy methods allows implementing expert knowledge and describe a representative example for the proposed workflow from remote sensing imagery to GIS. The strategies are demonstrated using the first objectoriented image analysis software on the market, eCognition, which provides an appropriate link between remote sensing imagery and GIS.

DOI

[11]
张磊,吴炳方,李晓松,等.基于碳收支的中国土地覆被分类系统[J].生态学报,2014,34(24):7158-7166.生态系统的碳收支是影响全球变化的重要环节,而土地覆被变化改变了生态系统碳收支的现状、速率.提出了面向碳收支的中国土地覆被分类系统,服务于生态系统碳收支估算和国家生态环境监测.分类系统由一、二级土地覆被类型、三级土地覆被辅助特征构成.通过物质组成、结构、排列、季节特征等19个指标,将土地覆被划分38个二级类型,反映生态系统的碳储量现状.三级土地覆被辅助特征利用9个指标补充了二级土地覆被类型的属性.其中5个环境指标主要反映生态系统碳储备的潜力和强度,土地利用方式指标反映植被演替过程植被碳收支中的人为扰动影响,植被覆盖度、植被生育期、物种特征指标用于进一步细化植被类型.二级类型与三级特征为分层组织的土地覆被产品,有利于产品管理和应用.分类系统已应用到面向全国生态系统碳收支的30m格网的中国土地覆被制图中.

DOI

[ Zhang L, Wu B F, Li X S, et al. Classification system of China land cover for carbon budget[J]. Acta Ecologica Sinica, 2014,34(24):7158-7166. ]

[12]
郭琳,裴志远,吴全,等.面向对象的土地利用/覆盖遥感分类方法与流程应用[J].农业工程学报,2010,26(7):194-198.为了进一步提高干旱/半干旱地区土地利用/覆盖分类精度，该文以新疆石河子垦区为研究区，利用NDVI时间序列分析的方法确定了土地利用/覆盖遥感分类最佳时相组合；采用最佳指数因子OIF对参与图像分割的谱段进行选择；选择不同分割参数建立4级分割层次，构建了不同尺度的分类对象；针对其不同特点，分别选择基于知识的模糊分类和基于样本的监督分类方法；建立了面向对象的土地利用/覆盖遥感分类流程。采用地面实测数据对分类效果进行评估，与基于像元的分类方法相比，该文方法能够获取更高的分类精度，可为同类的研究与应用提供借鉴。

[ Guo L, Pei Z Y, Wu Q, et al. Application of method and process of object-oriented land use-cover classification using remote sensing images[J]. Transactions of the CSAE, 2010,26(7):194-198. ]

[13]
齐乐,岳彩荣.基于CART 决策树方法的遥感影像分类[J].林业调查规划,2011,36(2):62-66.以云南省香格里拉县为研究区域,构建一种基于CART遥感影像的决策树分类方法.对遥感影像采用主成分提取、植被信息提取、纹理信息提取等方法,并结合试验区主要地物类型训练样本,采用Landsat 5 TM影像数据、DEM数据以及遥感处理软件ENVI为平台进行影像分类,并将结果与最大似然分类结果作比较.结果表明,基于CART遥感影像决策树分类精度优于最大似然分类,有较好的分类效果.

DOI

[ Qi Y, Yue C R.Remote sensing image classification based on CART decision tree method[J]. Forest Inventory and Planning, 2011,36(2):62-66. ]

[14]
严恩萍,林辉,莫登奎,等. 基于ALOS 数据的遥感植被分类研究[J].中南林业科技大学学报,2010,30(11):37-42.以广西平南县的植被覆盖为研究对象,以ALOS为遥感数据源,并对其进行了数据处理,运用信息量、相关系数及OIF方法,分析数据的波段特征;采用决策树分类算法,根据各种植被光谱特征建立知识库,提出基于光谱信息的植被分类方法,并将其与传统的监督分类方法进行了比较.结果表明:基于光谱特征的植被遥感信息提取方法分类总体精度显著提高,Kappa系数达到0.877;采用Landsat-5 TM遥感影像对该方法进行推广,分类总体精度为86.09%,Kappa系数为0.83.结果表明该分类方法能有效地对植被进行分类与识别,并对不同数据源的植被分类有一定的普适性,为实现植被的自动化提取提供了理论依据和方法.

DOI

[ Yan E P, Lin H, Mo D K, et al. Vegetation classification based on ALOS date[J]. Journal of Central South University of Forestry, 2010,30(11):37-42. ]

[15]
陈志强,陈健飞.基于NDBI 指数法的城镇用地影像识别分析与制图[J].地球信息科学,2006,8(2):137-140.

[ Chen Z Q, Chen J F.Investigation on extracting the space information of urban land-use from high spectrum resolution image of ASTER by NDBI method[J]. Geo-Information Science, 2006,8(2):137-140. ]

[16]
刘慧,成升魁,张雷.人类经济活动影响碳排放的国际研究动态[J].地理科学进展,2002,21(5):420-429.人类经济活动对碳排放的影响是国际全球变化研究的热点之一。根据国际上 2 0世纪 90年代以来大量研究计划与成果的分析 ,总结了当前国际上有关人类经济活动与碳排放研究的主要内容和研究方法。研究的主要内容集中在 :( 1 )能源消费与碳排放 ,包括与碳减排有关的能源消费结构的转换和低碳排放能源系统的建立 ;( 2 )经济发展与碳排放 ,主要探讨不同经济发展模式与碳排放的关系 ;( 3)农业生产与碳排放 ,包括土地利用变化、农业土地整治、农业生产水平与结构的变化等 ;( 4 )碳减排的经济风险分析与减排对策研究。在研究方法上 ,除了简单的相关分析、区域对比分析之外 ,基于大量数据的综合模型分析越来越受到重视。在基本反映国际上人类经济活动与碳排放研究的最新态势的同时 ,提出了我国碳循环研究中值得重视的几个问题。

DOI

[ Liu H, Cheng S K, Zhang L.The international latest research of the impacts of human activities on carbon emissions[J]. Progress in Grography, 2002,21(5):420-429. ]

[17]
张秀梅,李升峰,黄贤金,等.江苏省1996年至2007年碳排放效应及时空格局分析[J].资源科学,2010,32(4):768-775.本文通过对江苏省1996年—2007年碳排放效应分析得出：①江苏省近12年碳排放总量年均增长14％，2007年达到1 4370万t，碳排放增长过快问题突出；②提出了地均碳排放强度和地均建设用地碳排放强度两个新指标，并计算得出2007年全省地均碳排放强度和地均建设用地碳排放强度分别达到2.06t /hm2和84.32t/hm2； ③2007年江苏全省碳排放量、地均碳排放强度和地均建设用地碳排放都呈现苏南>苏中>苏北的分布格局，13市地均碳排放强度差异显著，其排放强度总体与经济发展水平呈正相关；建设用地碳排放对总碳排放贡献最大是各地市共同之处；④江苏省碳排放强度与人均GDP呈倒U型曲线关系，曲线的拐点在(2.0~2.1)万元/人附近；⑤能源消耗是碳排放的主体，建设用地是最主要的碳源，1996年—2007年全省虽然其碳排放总量呈上升趋势，但全省万元GDP碳排放强度从2004年开始逐年下降的，说明江苏全省碳减排已取得一定成效，但减排压力仍然巨大，减排工作任重道远。

[ Zhang X M, Li S F, Huang X J, et al. Effects of carbon emissions and their spatio-temporal patterns in Jiangsu Province from 1996 to 2007[J]. Resources Science, 2010,32(4):768-775. ]

[18]
李颖,黄贤金,甄峰.江苏省区域不同土地利用方式的碳排放效应分析[J].农业工程学报,2008,24(2):102-107.土地利用是造成碳排放的主要原因,为了分析土地利用方式的碳排放效应,以江苏省为例,分别计算并分析了1995～2004年间这一工业化、城市化快速发展时期,江苏省主要土地利用方式的碳排放。结果表明,建设用地和耕地是主要碳源,建设用地碳排放每年可达1.09×108t,对碳排放的贡献高达96%以上;耕地每年碳排放可达2.02×106t;林地为主要的碳汇,其总吸收量约为每年1.90×103t(含少量草地)。从土地利用变化的边际碳源/汇效应来看,江苏省建设用地面积每变化1km2,其边际碳源/汇效应为6.7692t;耕地为0.0422t;林地为5.7700t。同时对江苏省2010年不同土地利用方式的碳排放进行了预测,结果显示到2010年江苏省碳排放会有明显增加,面临的碳减排任务十分严峻。依据相关分析结果,论文从碳减排角度提出了土地利用的相关政策建议,并提出了有待进一步研究的相关问题。

[ Li Y, Huang X J, Zhen F.Effects of land use patterns on carbon emission in Jiangsu Province[J]. Transactions of the CSAE, 2008,24(2):102-107. ]

[19]
赵荣钦,黄贤金,钟太洋.中国不同产业空间的碳排放强度与碳足迹分析[J].地理学报,2010,65(9):1048-1057.采用2007 年中国各省区不同产业各种能源消费等数据，通过构建能源消费碳排放和碳足迹模型，对各省区化石能源和农村生物质能源的碳排放量进行了估算；建立了不同产业空间与能源消费碳排放的对应关系，将产业活动空间分为农业空间、生活与工商业空间、交通产业空间、渔业与水利业空间、其他产业空间等五大类；对各省区不同产业空间碳排放强度和碳足迹进行了对比分析。主要结论如下：(1) 中国2007 年能源消费碳排放总量为1.65 GtC，其中化石能源碳排放占89%；(2) 2007 年中国产业空间碳排放强度为1.98 t/hm<sup>2</sup>，其中，生活及工商业空间、交通产业空间的碳排放强度较高，分别为55.16 t/hm<sup>2</sup>和49.65 t/hm<sup>2</sup>；(3) 2007 年中国产业空间碳足迹为522.34&times;10<sup>6</sup> hm<sup>2</sup>，由此造成的生态赤字为28.69&times;10<sup>6</sup> hm<sup>2</sup>，这说明我国的生产性土地面积不足以补偿产业空间的碳排放，补偿率约为94.5%。各地区碳足迹差异明显，不少省份甚至存在生态盈余。总体而言，从产业活动空间的角度来看，中国目前的碳赤字不大；(4) 全国产业空间单位面积碳足迹为0.63 hm<sup>2</sup>/hm<sup>2</sup>，其中生活与工商业空间的碳足迹最大，为17.5 hm<sup>2</sup>/hm<sup>2</sup>。不同产业空间单位面积碳足迹大都呈现从东到西逐渐下降的趋势。

[ Zhao R Q, Huang X J, Zhong T Y.Research on carbon emission intensity and carbon footprint of different industrial spaces in China[J]. Acta Geographica Sinica, 2010,65(9):1048-1057. ]

[20]
王冬生. 基于RS和GIS的不同土地利用方式的碳收支研究[D].重庆:西南大学,2012.

[ Wang D S.The research of carbon budget in different land use patterns based on RS and GIS[D]. Chongqing: Southwest University, 2012. ]

[21]
周成虎,程维明,钱金凯,等.中国陆地1:100万数字地貌分类体系研究[J].地球信息科学学报,2009,11(6):707-724.地貌分类体系是地貌图研制的关键之一,本文在总结国内外地貌及分类研究的基础上,借鉴20世纪80年代的中国1∶100万地貌图制图规范,基于遥感影像、数字高程模型和计算机自动制图等技术条件,归纳总结了数字地貌分类过程中应遵循的几大原则,分析了它们之间的相互关系,讨论了数字地貌分类的各种指标:包括形态、成因、物质组成和年龄等,提出了中国陆地1∶100万数字地貌三等六级七层的数值分类方法,扩展了以多边形图斑反映形态成因类型,以点、线、面图斑共同反映形态结构类型的数字地貌数据组织方式,并详细划分了各成因类型的不同层次、不同级别的地貌类型。中国1∶100万数字地貌分类体系的研究,为遥感等多源数据的陆地地貌解析和制图提供了规范,也为《中华人民共和国地貌图集》的编制奠定了基础,同时为全国大、中比例尺地貌图的分类和编制研究提供了借鉴。

[ Zhou C H, Cheng W M, Qian J K, et al. Research on the classification system of digital land geomorphology of 1:1000000 in China[J]. Journal of Geo-Information Science, 2009,11(6):707-724. ]

[22]
徐少君. 基于RS/GIS/DEM/NDVI 的重庆植被动态, 格局与碳汇研究[D].重庆:西南大学,2012.

[ Xu S J.Vegetation dynamics, patterns and carbon sinks in Chongqing based on RS,GIS,DEM and NDVI[D]. Chongqing: Southwest University, 2012. ]

Options
Outlines

/

〈 〉