應用福衛二號影像與地面樣區資料於光蠟樹 平地造林地之碳吸存推估

Volume16, No.2,June 2011, pp.79-99

1農委會林業試驗所經營組 副研究員 收到日期:民國 100 年 08 月 11 日

2農委會林業試驗所經營組 研究員 修改日期:民國 100 年 10 月 05 日

3農委會林業試驗所經營組 研究助理 接受日期:民國 101 年 01 月 04 日

＊通訊作者, 電話: 02-23039978 ext. 1202 , E-mail: [email protected]

應用福衛二號影像與地面樣區資料於光蠟樹 平地造林地之碳吸存推估

謝漢欽

汪大雄

王慈憶

張鈞媛

邱志明

摘 要

面對全球暖化日趨嚴重及後京都議定書時代來臨，大面積人工造林地之林木生物量具有相當的碳吸 存能力，如何運用遙測影像結合地面調查資料精確估算人工林生物量對碳吸存量，已成為一個國際性的 重要課題。本研究以花蓮縣光復鄉台糖大農及大富農場2002 年至 2009 年平地造林之光蠟樹林地為試驗 區，使用2009 年 2 月 13 日拍攝之福衛二號衛星影像及試區造林樹種分區地理資訊。應用福衛二號光譜 輻射常態化處理後的土壤調整植生指標SAVI，對佔有 17% 試區、總面積達 168 ha 的光蠟樹純林區塊進 行SAVI 分級。參酌 SAVI 分級分布圖，以分層目的取樣法，於試區內共設計並調查了 70 個地面樣區，

選用適用的光蠟樹材積式，計算樣區光蠟樹的蓄積量。結合統計資料探索過程及空間相關分析指標，最 後以60 個地面樣區的單位材積蓄積與 SAVI 建立推估迴歸式，以 IPCC 碳吸存公式及光蠟樹轉換係數，

推估試區光蠟樹碳吸存量。研究結果顯示經本研究所得最適直線迴歸式可解釋的變異量達 75%與國外相 關研究相當，比在台灣山區人工林研究成果可靠度提升很多。估計平均每ha 光蠟林蓄積量為 16.93 ± 1.16 m³/ha，平均每 ha 吸存的碳量為 7.55 ± 0.52 ton/ha，全區的光蠟林總碳吸存量為 1,276.40 ± 87.28 ton，所 得成果可用空間分布圖展示。此外，使用迴歸推估法優於直接使用樣區推估法、本研究最適地面樣區數 目為40 個，一併在文中加以探討。

關鍵詞：福衛二號、碳吸存、平地造林、森林調查

1. 前言

全球暖化日益嚴重，森林在減緩溫室效應中佔 有其重要的地位。受全球注目的京都議定書(Kyoto Protocol)第 3.3 條，更將森林評價為二氧化碳的吸 收源，會員國可藉此提出減碳對策，條文中明訂可 將 1990 年以後的更新造林(reforestation)、非林地 造林(afforestation)、及森林砍伐(deforestation)的吸 收與排放淨值併入二氧化碳減量計算，以達成減量 6%的二氧化碳作為目標；因此在國際上已將人工 植林成效列為減碳、抗暖化的重要項目(Free-Smith et al., 2007，林俊成、等，2005)。事實上，在台灣 的大面積營造的人工林應可扮演重要的減碳角色，

如能藉由妥善經營的人工林，可保有健康且生長良 好的林況、能快速累積生物量(邱志明，2009)，其 林木的蓄積量經轉換後，可估算成二氧化碳的吸存 量抵減排放量(京都議定書第 3.4 條規範)。2010 年 聯合國氣候變化綱要公約(UNFCCC)第 16 次（COP 16）締約國大會，更著重於後京都時代的森林減碳 方 案 ， 已 將 討 論 內 容 提 升 到 REDD^＋(Reducing Emissions from Deforestation and Forest Degradation includes the role of conservation, sustainable management and enhancement of forest carbon stocks)的層次；其中如何評估人類對森林的 各項活動產生碳吸存的效益，建議使用遙測技術對 大面積森林覆蓋地進行評估，成為熱門的焦點

(UN-REDD, 2011)。

有 關 過 去 前 人 研 究 應 用 的 估 算 方 法 上 ， IPCC(2003)將森林生物量(biomass)當作吸收二氧 化碳碳庫 (carbon pool)的主要成分，生物量的估算 會依樹種、林型、齡級、林分結構、生長狀況及所 在地位的差異而不同(Wallin et al., 1996)。依據傳統 森林測計學方法，林木地上部之生物量調查多以林 木蓄積量間接計算，而大面積林木蓄積量的估算方 法可透過現地林木樣區調查或結合航測取樣的雙 重 取 樣 法 等 森 林 調 查 方 式 進 行(Kangas and Maltamo, 2006，楊榮啟、等，2003)。此外，尚可 配合地理資訊的建立，應用各種森林資源調查資料 庫與林木生長資訊，評估森林蓄積(鄭祈全、等，

1998，謝漢欽，1998，謝漢欽、等，1992)與碳吸 存量之空間分布關係（謝漢欽、等，2008，謝漢欽、

等，2003)；如何掌握大面積森林整體的現有蓄積 量(Mohren et al., 1999)的調查方法益顯得重要。近 年來應用遙測光譜資訊所估算之植生指標，配合地 面樣區資料評估森林生物量的碳庫、碳源與匯 (Myneni et al., 2001； Dong et al., 2003)；或間接應 用遙測資料進行林分結構之推估方法(Popescu and Zhao, 2008)的成果頗豐，但如何配合統計檢定及空 間相關分析以提高估測精確度，減少估計值的不確 定性的研究仍少(Kangas and Maltamo, 2006, 王勁 峰、等2009)。

有鑑於過去9 年來在政府獎勵政策下，已於台 糖土地上完成近萬餘公頃平地造林，此一造林成果 對碳吸存(carbon sequestration)的成效，如何藉由科 學方法精確估算，在後京都時期將會是被重視並要 求處理的重要問題。因此本研究之目的在於應用國 內 容 易 取 得 、 時 間 解 析 度 較 佳 的 福 衛 二 號 (FORMOSAT-2，以下稱簡稱 FS2)遙測影像及地理 資訊空間分析技術、針對花蓮縣光復鄉台糖大農及 大富農場造林地地理資訊，選取造林面積最廣之光 蠟樹(Fraxinus griffithii)造林地，依分層目的取樣法 及面積比率設定地面調查樣區，規劃合理數目的土 壤調整植生指標(soil adjusted vegetation index，

SAVI) 連結地面光蠟樹林木生長狀況樣區。以地面 樣區的每木調查資料評估SAVI 分級與樣區生長材

積相關性與線性趨勢，以統計分析方法建立地面樣 區的單位材積蓄積與SAVI 最佳推估迴歸式，並以 IPCC 碳吸存公式及最適轉換係數推估試區光蠟樹 碳吸存量。期望研究所得成果與發現能有助於大面 積平地造林地之碳吸存推估技術的發展。

2. 材料與方法

2.1 研究試區與材料

本研究以花蓮縣光復鄉台糖大農及大富農場，

2002 年至 2007 年平地造林地為試驗範圍。使用林 務局提供2002 年至 2005 年整合平地造林地地理資 訊的屬性資料，加上台糖公司造林地地籍圖修正處 理後之空間及造林資料，配合林務局農航所提供 2008 年的 1:2500 製圖精度的航照正射數位影像，

以及現地調查核對過程，建立試區的造林地地理資 訊。依據建置之台糖大農、大富農場造林地地理資 訊為試區範圍，向中央大學採購試區2009 年 2 月 13 日感測之 FS2 影像(影像屬性如表 1)、多譜影像 套合造林圖如圖1。依所建地理資訊計算試區的造 林總面積達 994.14 ha，主要造林樹種依其造林面 積從大到小依序為光蠟樹、台灣櫸、台灣赤楊、楓 香、台灣欒樹、杜英、肉桂類、茄冬、烏心石、楠 木類、樟樹等數十種造林樹種。本研究以分布總面 積達167.85 ha (佔全部造林地面積之 16.9%) 最大 的光蠟樹純林造林地分布區塊為試區，在試區內設 置地面材積調查樣區。

2.2 研究方法

2.2.1 影像處理

2.2.1.1 影像輻射值常態化處理與幾何對位

將本FS2多譜影像依據購置之影像光碟之詮 釋資料(metadata)如表1，先行灰度值轉絕對輻射值 轉換，後以FS2近紅光波段影像為基準選取暗值像 元(dark object method)，再依據本影像呈現的大氣 狀況，按各波段平均波長指數倒數，分別去除個別 波段之路徑輻射(path radiance)值(謝漢欽、等，

1992)。由於本試驗區與內政部提供的5m數值地形 資料套合分析後，皆位處於相當平坦之地形位置 (平均坡度為2.2度)，並假設所處造林地為一均向藍 氏反射面，故依感測當時的太陽天頂角建立輻射入 射及反射模式，進行太陽天頂角餘弦函數(Cos I ； I = 太陽入射天頂角)輻射常態化處理(Lee and Nakane, 1996)；又影像為單一時期，所以不需進一 步作地形效應及不同時期影像間輻射值校正處 理。

此外，雖然購得影像為Level 4 幾何糾正後影 像，但為了與試區尺度(local scale)的造林地理資訊 及航照正射數位影像精確對位，本研究使用本FS2 全色影像與多光譜融合影像與上述地理資訊套合，

進行地面控制點選取，以spline function 進一步進 行幾何對位(geo-referencing)處理，使得整體控制點 的 RMS 低於 1m；再依據建立的轉換式糾正 FS2 多譜影像，可以提高 FS2 與試區各項地理資訊套 合的幾何精度。

表1 使用的福衛二號衛星影像感測參數 項 目 感測參數 拍攝日期 2009/02/13

拍攝時間 GMT+8 09：52

太陽方位角(deg)

solar azimuth angle 135.08 太陽高度角(deg) solar elevation 39.78 MS空間解析度 Pixel size (m) 8.00 PAN空間解析度 Pixel size (m) 2.00 感測器入射角(deg) 10.26 感測器方位角(deg) 10.44

DN轉換輻射值參數

B ：2.906231 G ：2.808159 R ：3.917550 NIR：3.265691

處理等級 (Level) 4

圖1 2009年2月13日拍攝之福衛二號輻射常態化影 像與造林圖套疊。圖中淺綠色線為造林區塊 界，黃色線為光蠟樹造林林區塊界

2.2.1.2 植生指標的建立

就FS2 多光譜 2m 空間解析度而言，本區的光 臘樹造林地最初造林時平均以2m x 3m間距栽植、

期間或有補植；以2010 年地面樣區調查時間計，

林齡都小於8 年生仍處於幼齡林階段，其林冠層終 年保持常綠但稀疏，會有林下草生地被及土壤貢獻 於FS2 多光譜 8m x 8m 像元(pixel)。因此本研究採 用 SAVI 土壤調整植生指標替代常用的 NDVI (Normalized difference vegetation index)常態化差異 植生指標，許多研究認為NDVI 對於綠色健康植生 的生物量、林冠鬱閉度、林木蓄積量及葉面積指數 (leaf area index，LAI)間具有正相關(Franklin, 2001)。

SAVI 除保有 NDVI 的特質外，會更適用於本研究 的 地 況 。SAVI 的 光 譜 組 合 公 式 如 (1) 式 (Huete, 1998)。

L SAVI L

red nir

red nir







 









)(

1

( (1)

L ：土壤調整因子 _nir：FS2近紅外光段 _red：FS2紅光段

第(1)式的 L 為土壤調整因子，會隨植被的覆蓋度 而變化。以常數作為L 的調整值，可用減低 NDVI 對不同土壤反射變化的敏感性。當L 值為 0 時 SAVI 值與 NDVI 值相等；當植被覆蓋度高的地區 L 值 接近於 0.25、植被覆蓋度中等的區域 L 值接近於 0.5，植被覆蓋度低的區域 L 值接近於 1。本研究 區域光臘樹造林地屬於植被覆蓋度中等的區域，因 此本研究採用L 值為 0.5 進行調整。

2.2.1.3 SAVI 影像分級

以試區光蠟樹純林造林地理資訊萃取出光蠟 林FS2 SAVI 影像，應用 ISODATA 非監督分類法 的進行萃取影像的分類與分級。先設定分類的聚集 組(cluster)數為 7 個，後分析個別聚集組的分離度；

因ISODATA 非監督分類法為 K-Means 分類法的改 良(Jensen, 2005)，最後可確定將 SAVI 從小到大依 序分成5 個級數。從 SAVI 分級分布圖可知試區光 蠟樹林SAVI 分布並非相當均質，具有空間異質性 (spatial heterogeneity)。因此有關地面調查樣區的規 劃，可依據SAVI 分級分布圖進行分層取樣設計。

2.2.2 地面樣區設置

首先運用上一節SAVI 5 個等級分布主題圖套 疊光蠟樹造林區塊，考量 FS2 多譜影像元大小、

各級SAVI 的空間異質分布狀況，以及最小造林區 塊的寬度大小(21m)；為了避免樣區間具有高度空 間相關而引起的假性重複取樣的問題，讓各個樣區 位置盡可能平均分布、同時且確保樣區空間範圍及 位置能座落於SAVI 同級區（也就是說，樣區範圍 內僅有同一 SAVI 等級像元），使之具有代表性。

本 研 究 依 據 上 述 原 則 ， 採 用 分 層 目 的 取 樣 法 (Purposive, Judgmental sampling)(McCoy, 2005)，按 照每一造林區塊的個別SAVI 分級面積所佔的比率，

以平均每2 ha 設置 1 個 20 m x 20 m 方形樣區，為 了與 FS2 影像網格方向一致，每一樣區的橫向邊 與正北垂直，於每一造林區塊中規劃光蠟林地面調 查樣區的位置與範圍。本研究在地理資訊系統上共 規劃70 個地面樣區，以樣區的中心點 TWD97 座 標作為抵達現地 GPS 導航的依據，並於抵達造林

現地的中心點時，使用羅盤儀測定樣區4 個端點的 方位角與水平距離，並以測繩定出方形樣區的的邊 界，以利每木調查，樣區圖解如圖2 所示。

2.2.3 地面樣區調查

本 研 究 使 用 Trimble Geo XH 次 m 級 GPS(global positing system)接收儀進行地面樣區導 航與定位，當導航至規劃樣區的中心點時，尚要檢 核所處樣區內光蠟林冠層覆蓋是否均質(McCoy, 2005)，依調查的林地現況適度調整中心位置，以 GPS 正式定位。以調整後樣區中心點位置為基準，

使用上一節方法測定樣區4 個端點，使用測線劃定 樣區範圍，於樣區內進行每木調查。調查時於每一 木上掛上號碼鋁牌，並在樹幹離地1.3m 處標示，

調查其胸高直徑(diameter of breast height, DBH)，

同時以測高竿測量每木樹高(H)，並記錄其是否枯 死或缺株等生長狀況。在調查現地以 GPS 正式定 位的每一樣區中心座標，回研究室後再以基站資料 進行後差分處理，正式取得調查樣區中心準確 TWD97 座標，並在地理資訊系統劃定真正調查樣 區範圍，以利於與SAVI 影像套合。本研究的 SAVI 分級圖及70 個調查後樣區分布如圖 3 所示。70 個 樣區的調查時間從2009 年 12 月至 2010 年 11 月，

於1 年內由林業試驗所森林經營組調查完成。

圖2 地面調查樣區設計圖示

圖3 大富大農農場光蠟樹造林區塊 SAVI 分級圖與 70 個地面調查樣區分布圖，左上為局部放大圖示。

2.2.4 樣區立木材積計算

考量過去前人對台灣光蠟樹材積式的研究及本國 森林調查所通用的相關材積式，本研究評估了 3 個適用的材積式：光蠟樹材積式(羅紹麟、等，1986) 如式(2)、一般闊葉樹公式(劉慎孝、等，1968)如式 (3)，以及林務局林木材積通式(林務局，1997)如式 (4)，以上述 3 個材積式進行 70 個樣區林木材積蓄 積量之試算。結果第(2)式所估算的樣區平均每 ha 蓄積量居中，低於式(3)、高於式(4)；由於其平均 值標準誤較其他兩者小，所以本研究採用式(2)光 蠟樹材積式，當作地面樣區光蠟樹總材積(m³)及平 均 每 h a 蓄 積 ( m³/ h a ) 數 值 計 算 的 依 據 。

9124601 . 0 8780277 .

0000772 1

.

0 DBH H

V   (2)

50567 . 1 53673 .

0000464 1

.

0 DBH H

V   (3) 45

. 0 79 .

20  

DBH H

V (4) V：立木材積 (m³)

DBH：胸高直徑(m)；

H：樹高(m)。

2.2.5 蓄積量迴歸推估模式的建立

依 據 前 人 研 究 結 果 (Franklin, 2001, Stellingwerf and Hussin, 1997, Lee and Nakane,

1996)，本研究使用地面樣區光蠟樹平均每 ha 蓄積 (m³/ha)值當作應變數，地面樣區範圍的平均像元

（ 8m x 8m ） SAVI 值 當 作 自 變 數 (Mean_SAVI/0.0064 ha)，採用最小平方估計(OLSE) 之簡單直線迴歸法，建立單位面積光蠟林蓄積量最 佳推估迴歸式(如第 5 式)。

bXi

a

Yˆ   (5)

Yˆ

X

迴歸分析的原理應變數與自變數須符合常態 獨立的假設，因此在統計分析之前先對70 個自變 數 與 應 變 數 進 行 資 料 探 索 分 析(data exploration analysis)，程序上先繪製盒鬚圖(boxplot)去除兩者 的 異 常 值 (outliers) ， 再 進 行 變 數 的 K-S(Kolmogorov-Smirnov test)標準常態化檢測。為 了能使兩變數的分布更符合變數的常態分配假定，

再依據兩者的數值分布圖(histogram)屬性及偏態 (skew type)情況，選用適合的轉換公式，進行兩變 數數值轉換，使兩者皆能通過大樣本（n > 30）的 K-S 常態化檢定(李金泉，2007)。

除了變數的獨立常態化要求外，起因於樣區之 間屬量變數的高空間相關性，也會引起迴歸變數不 符合獨立的假定，產生重複取樣的問題(O’Sullivan

and Unwin, 2010, 王遠飛、等，2007)。因此本研究 針對樣區間的單位面積蓄積及SAVI 進空間相關性 檢測，首先使用全域式Moran’s I (Chang, 2010)空 間相關指標(如第 6 式)分析兩變數樣區的空間相關 程度，當發現有空間相關性存在時，再以 Anslin Local Moran’s I (Wong and Lee, 2005, 謝漢欽、等，

2010)局部空間相關指標(如第 7 式)，找出彼此間具 有高度空間相關(相似)的樣區，將此等樣區排除不 列入迴歸分析，能讓剩餘樣區的空間分布能通過符 合隨機分布的檢測。





 

 







i n j

ij n

i n

j ij i j

w S

x x x x w I

1 1

2

1 1

) )(

(

(6)

I：Moran’s I 指標值 xi：觀測點i 的變數值 xj：點i 的鄰近點 n：樣點數

S²：x 的變異數、x 平均值為 x

wij：空間相關權重係數，在本研究為距離 dij的倒 數

1 ) 1

( 

  I n E

E(I)：Moran’s I 的期望值，當 n 很大時期望值趨近 於0 呈隨機分布，當 I>E(I)時趨向於相似，

I<E(I)時趨向於相異。

Z 分數統計檢定：

) (

) (

I VAR

I E

Z I ， VAR(I)為 I 的變異數





j j ij i

i

z w z

I





Ii ：LISA (local indicators of spatial Association or local Moran’s I)指標值

zi和zj：相應於x 變數值的離均差

δ：變數的標準差，因此 zi為 xi的 Z 值，本研究 wij為經過標準化的空間權重矩陣。

) 1

( 

 n I w

E _i ⁱ 為 Ii的期望值 Var(Ii)：Ii的變異數

Z 分數統計檢定：

] [

] ) [

(

i i i

i Var I

I E I I

z  

將上述通過資料探索分析及空間隨機分布檢 定的樣區之兩變數進行迴歸分析，除了進行線性迴 歸分析諸項檢定(林師模、等，2003)，並以直線迴 歸為基礎選用指數及冪次曲線行曲線適合性迴歸 分析分析，3 者皆通過各項迴歸檢定後，從分析結 果的迴歸判定係數 R²大小檢定迴歸解釋變異的能 力，依據解釋變異最大者選定為最適迴歸式。由於 本次地面調查取樣數計有70 個之多，因此可從中 逢機選取數個樣區數，使用獨立樣本的單因子共變 異分析(ANCOVA)進行對照分組的迴歸係數同質 性檢定(李金泉，2007)，據以判定迴歸式的穩定性，

並計算取樣推估的標準誤差；最後以迴歸推估標準 誤差大小、探討樣區數目對推估效力的影響。

此外，使用迴歸模式進行蓄積量推估，在森林 取 樣 調 查 上 屬 於 模 式 輔 助 調 查 法(model-based method) 與 傳 統 只 使 用 地 面 樣 區 的 調 查 法 (design-based method) 有 所 不 同 (Schreuder and Wood, 1986, Schreuder and Williams, 1995, Biometrics Information Pamphlet, 2007)，本研究亦 針對最佳迴歸分析結果與只用地面樣區直接推估 蓄積量的結果進行比較與探討。

2.2.6 碳吸存量推估

本 研 究 依 據 2003 年 IPCC Good Practice Guidance for Land use, Land-use Changed Foresty (LULUCF-GPG)規範的碳吸存量估算式(如第 8 式)，

將本研究所得最適迴歸式估算的光蠟林單位材積 蓄積量，先乘上木材基本比重 D 與擴展係數 BEF 可得地上部生物量；其次乘上（1+R）可得地上部 與地下部的生物量。再將總生物量乘上碳含量比率，

即可獲得由FS2 SAVI 影像推估之試區光蠟樹造林 地對碳的吸存分布量及其總量(IPCC, 2003)。如以 CO2與C 的分子量之比 44/12，可將碳吸存量按比 率轉換為二氧化碳吸存量。

Ct = (Vt×D×BEF)×(1+R)×CF (8) Ct：在時間為t時的林木每公頃碳吸存量(ton/ha) Vt：林齡為t時每公頃之林木材積(m³/ha) D：木材基本比重(ton/m³)

BEF：可將林木Vt的生物量轉換為地上部生物量的 擴展係數

R：根莖比 CF：碳含量比率

至於如何準確的推估？除了前節推估迴歸式的解 釋能力外，第(8)式中的相關轉換係數有無本土的 光蠟樹的試驗研究代表性數據甚為重要。本研究蒐 集了前人相關研究成果，決定本研究使用的各項轉 換係數，依序說明如下：

(1)木材基本比重

木材材積比重D可從商用木材相關書籍查得 (王松永，1983)，光蠟樹絕乾比重為0.743，容積密 度數為0.671。但依木材物理性質定義，絕乾比重 定義為：木材絕乾重量與絕乾體積之比。若為慎重 起見應採用木材容積重代入計算，因為容積密度數 乃木材絕乾重與生材體積之比；而林裕仁等(2002) 所定義的絕乾比重，因考量木材絕乾過程中體積會 變形不易測定，因此採用乾材重與生材體積之比定 義為絕乾比重，亦能符合以生立木材積推算乾生物 質量之估算。計算時應依其定義正確選用之(謝漢 欽等，2003)。本研究採用林裕仁等(2002)光蠟樹材 之絕乾比重0.73作為木材基本比重。

(2)地上部生物量之擴展係數

擴展係數 BEF 為由幹材生物量推算包含地上 部林木生物量之比率。一般擴展係數介於 1.3~3.4 之間，隨樹種及林型而有所差異。IPCC(2003)指出 北方闊葉林之擴展係數為 1.3，溫帶闊葉林之擴展 係數為1.4，熱帶闊葉林之擴展係數為 3.4。可以酌 參IPCC 規定的試算係數或國外文獻加以選定。本 研究依據林國詮(2010)在太麻里及六龜試驗林的 光蠟樹研究的擴展係數之平均值1.02 作為 BEF 參 數。

(3)根莖比

依據 Cairns et al.(1997)研究指出熱帶地區平

均根莖比R 為 0.24，溫帶地區平均根莖比為 0.27(表 3)。IPCC(2003)指出熱帶與亞熱帶森林之根莖比介 於0.24~0.42 之間，溫帶闊葉人工林之根莖比介於 0.2~0.45 之間。本研究依據林國銓、等(2010)在太 麻里及六歸試驗林的光蠟樹研究根莖比之平均值 0.23 作為 R 參數。

(4)碳含量比率

台灣地區自產材碳含量在針葉林為0.4821，闊 葉林為 0.4691，碳含量比率 CF 依據林裕仁、等 (2002)，林裕仁、等(2005)針對台灣地區主要用材 比重與碳含量測定之研究，採用光蠟樹的碳含量轉 換係數為0.4683。本研究依據林國銓、等(2010)在 太麻里及六歸試驗林的光蠟樹研究根莖比之平均 值0.487 作為 CF 參數。

3. 研究結果

3.1 樣區變數資料探索分析

本研究共調查了70 個光蠟樹純林地面樣區，

經盒鬚圖分析第22 樣區平均單位蓄積落在異常值 位置（經查本樣區混有大葉楠闊葉樹），所以不列 入後續分析。針對其餘 69 個樣區的平均 SAVI 及 平均單位蓄積量進行標準化常態化 K-S 檢測，以 0.05 顯著機率水準檢定結果 SAVI 直方圖呈現中度 負偏分布不符合常態分布假定，因此使用對數轉換 式(如第 9 式)，以轉換後 TSAVI 再進行 K-S 檢測顯 著機率為 0.18 呈不顯著，能符合常態分布假設。

平均單位蓄積量則呈符合常態分布假定，但直方圖 仍顯示有現中度正偏現象，因而使用開方轉換式 (如第 10 式)，使得 TV 直方圖的分布呈現近常態分 布。因而69 個樣區的經轉換後的平均 TSAVI（以 下仍簡稱SAVI）及平均單位蓄積量 TV（以下仍簡 稱蓄積量）皆符合線性迴歸分析變數須具常態分布 獨立的假設，可用於後續分析。

TSAVI = Log10 ( K – SAVI ) (9) TSAVI：樣區每像元平均SAVI轉換值

SAVI：樣區每像元平均SAVI

K = max + 1 = 2.2218 max：樣區平均 SAVI 最大值

TV = SQRT (V) (10) TV：樣區平均每 ha 蓄積量轉換值

V：樣區平均每 ha 蓄積量

3.2 樣區變數空間相關分析

先對常態化轉換後的69個樣區的SAVI當作量 化變數，使用列(row)標準化鄰接矩陣及距離倒數 為權重，進行Moran’s I (如6式)空間相關分析。結 果顯式全區的樣區間呈現空間正相關；再以Anslin Local Moran’s I (如7式)進行樣區個別空間相關分 析，篩選 Z Score大於2.0 (表示該樣區SAVI與鄰近 樣區具有高值對高值聚集相似性高的特性)的樣區。

符合條件的有第57、54、49及46樣區共4個。再對

常態轉換化後的69個樣區的蓄積量當作量化變數，

使用同樣方法進行全域及局部空間相關分析，結果 全區Moran’s I呈現中度正相關，經Anslin Local Moran’s I分析篩選 Z Score大於 2.0的樣區。符合 條件的有第19、32、37、38、39及46樣區共5個，

其中第46樣區為兩個變數分析後所共有的樣區。

經由上述樣區空間相關分析結果，為了符合迴 歸變數具有空間獨立分布(random distribution)假定；

本研究將上述共9 個樣區移除，再對剩餘 60 個樣 區的兩變數以同樣方法檢測，結果兩者皆可符合空 間隨機分布的假定，因此本研究擱置這9 個樣區，

不列入後續的迴歸分析。最後本研究能符合常態化 檢定及空間獨立的假定的樣區數總共有60 個，以 這 60 個樣區的 SAVI 及蓄積量作為線性迴歸分析 的依據，此60 個樣區的空間分布圖如圖 4。

圖4 用於迴歸分析的 60 個地面調查樣區位置分布圖，左上為局部放大圖示

3.3 最適迴歸推估模式分析

以前述資料探索分析後選定的 60 個樣區的 SAVI 為自變數、蓄積量為應變數進行簡單直線迴 歸式分析，結果得到極顯著(F-test 顯著機率水準 p=0.01)的直線迴歸式(如第 11 式)，樣本分布與迴 歸線圖如圖5；模式摘要及變異數分析結果如表2，

其迴歸判定係數R²達0.752，蓄積量與 SAVI 的線 性相關係數R 達 0.867。迴歸係數檢定結果如表 3，

常數和迴歸係數經t-test 檢定皆達極顯著水準，因 此兩迴歸係數皆可用於本迴歸式。分析結果之 Durbin-Waston 檢定值(如表 2)為 1.67 接近 2.0 而遠 離 4.0，依此可判定迴歸殘差無存在自我相關性，

其迴歸標準化殘差直方分布圖亦接近鐘形曲線、

P-P 圖呈現相當 45 度線，因此判定迴歸殘差通過 檢定，符合常態分布獨立的假設。此外以60 個樣 區兩個變數以冪次及指數進行最適曲線迴歸分析 結果，冪次的R²為0.588、指數的 R²為0.700，解 釋變異的能力皆低於第(11)式的直線式。綜合上述 的檢定與分析第(11)式為本研究所得之由 SAVI 推 估蓄積量的最適迴歸式。

TV = 5.852 – 17.812 TSAVI (11) R² = 0.752 ^** n = 60

TSAVI : 樣區平均 SAVI 轉換值 TV : 樣區平均單位蓄積量轉換值 (詳如第 9 及第 10 式說明)

表 2 (a) 最適直線迴歸式摘要表

R R² 調整 的R²

估計 的標 準誤

Durbin-Watson 檢定

.867^a .752 .747 .5503 1.670

表 2 (b) 變異數分析表 (ANOVA)

平方和 自由 度

平均

平方和 F 顯著

性 迴歸 53.125 1 53.125 175.421 .000

殘差 17.565 58 .303

總數 70.690 59

自變數是 TSAVI、應變數是 TV

表3 最適直線迴歸式偏迴歸係數檢定

未標準化係數

標準 化

係數 t 顯著

性 B 標準

誤差 Beta

TSAVI -17.812 1.345 -.867 -13.245 .000 常 數 5.852 .149 39.269 .000

圖5 最適迴歸線與 60 個樣區分布圖

3.4 蓄積量與碳吸存迴歸推估

使用第(11)式之最適迴歸式，將試區的光蠟樹 純林的SAVI 像元值代入迴歸式可求得每一像元的 平均每公頃轉換蓄積量，將TV 值平方後可求得每 一像元的平均每 ha 的蓄積量。因為 SAVI 每一像

1.00 2.00 3.00 4.00 5.00 6.00

0 0.04 0.08 0.12 0.16 0.2

TSAVI TV

樣區 迴歸線

元面積為 0.0064 ha，依此可換算為每一像元所乘 載的蓄積量，像元蓄積分布圖如圖6。將所有光蠟 林像元蓄積量加總平均，以迴歸估計式標準誤(Sy.x) 95%雙尾的信賴區間計算(林青山，1992)，可求得 每ha 平均蓄積估計量為 16.93 ± 1.16 m³/ha；將其 乘 上 總 面 積 167.85 ha ， 可 得 總 推 估 蓄 積 量 為 2,841.71 ± 195.28 m³。

將光蠟樹林每一像元乘載蓄積量當作Vt 代入 第(8)式的碳吸存轉換式，乘上各個係數（D = 0.73、

BEF = 1.02 、R=0.23、 CF = 0.487，將 4 個係數 連乘後可知平均每m³生物量可吸存0.446 ton 的碳）

可求得光蠟樹每一像元的平均每ha 碳吸存量，像 元碳吸存量分布圖如圖7；將其加總平均後可得每 ha 平均碳吸存估計量為 7.55 ± 0.52 ton/ha (相當於 27.68 ± 1.91 ton/ha 的二氧化碳)，再乘上光蠟林總 面積可得總碳吸存量為1,276.40 ± 87.28 ton (相當 於4,680.13 ± 320.03 噸的二氧化碳）。以上各項估 算結果摘要如表4。

3.5 蓄積量與碳吸存樣區推估

只將60個地面樣區的光蠟林調查蓄積加總後

除以樣區總面積，以標準誤(SE)的95 %的雙尾信賴 區間估算，可求得光蠟樹每ha平均蓄積量為18.13 ± 2.18 m³/ha、換算為平均每ha碳的吸存量為8.09 േ 0.97 ton/ha (相當於29.66 ± 3.56 ton/ha的二氧化碳 吸存量)。以總面積167.85 ha計算可得總推估蓄積 量為3,043.12 ± 365.91 m³，共可吸存碳1,357.23 ± 163.20 ton( 相當於4,976.5 ± 598.40 ton 的二氧化 碳)。

將60 個樣區的地面調查之每 ha 平均積蓄積量 與經由迴歸式推估後60 個樣區估算的每 ha 平均材 積蓄積量進行配對t 檢定(paired samples t-test)。雖 然分析結果顯示個迴歸推估的平均單位面積蓄積 量為17.83 ± 1.91 m³/ha 小於直接由樣區調查計算 的18.13 ± 2.18 m³/ha 平均值，但兩者在 0.05 顯著 機率水準下兩者並無顯著差異。此外60 個樣區的 單位面積蓄積平均值標準誤(1.1136)大於 60 個樣 區的迴歸單位面積蓄積平均值 17.83 的標準誤 (0.9736)；上一節最適迴歸式的每 ha 蓄積量 V (V=TV**2)的推估標準誤只有 0.303 (0.5503^＊＊2)也 小於直接樣區推估法。以上各項估算結果摘要如表 4。

圖 6 光蠟林地蓄積量推估空間分布圖 圖 7 光蠟林地碳吸存推估空間分布圖 表4 蓄積量與碳吸存推估結果摘要表

方法 項目

迴歸推估法 樣區推估法

估計量 Sy.x=0.5503

95%信賴區間 估計量 SE=1.1136 95%信賴區間 平均蓄積量(

m³ha) 16.93 ± 1.16 18.13 ± 2.18 總蓄積量(m³) 2,841.71 ± 195.28 3,043.12 ± 365.91 平均C 吸存量(

tonha) 7.55 ± 0.52 8.09 ± 0.97

總C 吸存量(ton) 1,276.40 ± 87.28 1,357.23 ± 163.20 平均CO2吸存量(

tonha) 27.68 ± 1.91 29.66 ± 3.56 總CO2吸存量(ton) 4,680.13 ± 320.03 4,976.50 ± 598.40

備 註

1.平均每 m³生物量可以吸存0.446 ton 的 C

2. 60 個樣區的調查平均蓄積量與迴歸推估值平均值兩者無顯著差異 3.迴歸推估蓄積量的實際迴歸推估標準誤為 0.303

4. 討論

4.1 影像處理與分層目的取樣

為了提升使用空間資訊的精確度，本研究考量 試區範圍造林地所處環境條件，除了注重影像輻射 常態化與造林地地理資訊圖層的幾何對位的影像 前處理程序外；同時也考量了所採用 FS2 多光譜 影像的空間解析度與試驗區域的光蠟樹純林區塊 的分布與林分區塊內光蠟林幼齡林的生長狀況，在 林分尺度內就足以造成相當的空間異質分布的特 性(Griffith et al., 1994)，因而使用 FS2 的 SAVI 影 像進行依目標物客觀光譜反射特性之非監督法的 分類與分級。分級的目的在於使用光蠟林分布區域 的SAVI 分級後的影像，能有利於地面樣區設置時，

可依據SAVI 分級分布情況與各級面積大小，進行 分層目的取樣規劃。樣區規劃時可在地理資訊系統 上，依據樣區空間平均分布、盡量避免樣區間的空 間相關性原則，決定調查樣區的數目與設置的空間 位置。上述方法有別於以往常用但沒有考慮空間分 布之非逢機主觀取樣，或森林調查上常用的系統取

樣法。根據統計取樣原理，本研究的方法可以提高 樣區的代表性，減少取樣推估的誤差(McRoberts et al., 2002)。

4.2 地面樣區設計與調查

面對試區168 ha 光蠟林之大面積空間異質性 的分布(設定樣區的空間異質性如圖 8 所示)，依據 取樣原理需要調查的樣區數目應比均質分布的林 況較多。本研究在有限的人力與時間限制下，於一 年內共調查了70 個樣區，於平均每個樣區的株數 為60 至 70 株，量測樣區內每木的胸高直徑與樹高。

雖然調查樣區中心點座標可在地理資訊系統上預 先規劃標定，但如何讓地面調查人員很容易地找到 樣區規劃的位置，並以有效率而精確的方式進行 20m x 20m 樣區之現場劃定，以及在樣區內順利進 行每木測計。本研究現場調查時使用次m 級 GPS 導航至規劃樣區中心點位置，還要觀測樣區範圍內 以及樣區邊緣的光蠟樹林冠層的均質程度，適度調 整樣區中心位置後進行 GPS 定位，決定樣區的真 正地理座標，目的在於使得被取樣的樣區能呈現於 同一級的 SAVI，以便於樣區內的像元 SAVI 平均

值連結、進行迴歸式的建立。為了快速精確求得方 形樣區的 4 個端點，本研究不針對 4 個端點進行 GPS 定位，而採用傳統的羅盤儀測定位法，調查時 兼可使用測繩快速劃定調查範圍，一方面可以提高 效率，一方面可兼顧樣區方位準確度，使之與FS2 影像網格套合的方向一致。依此設定的樣區屬於永 久調查樣區，將有利於之後的連續性調查與監測。

以上方法有別於以往森調調查尺度永久樣區只提 供樣區中心位置(謝漢欽、等，2008)；或只著重在 小尺度的林木生長調查目的樣區設計，較少考慮到 與遙測影像資料連結時的需求，以及樣區空間位置 分布相關性與異質性的影響(Howard, 1991)。

4.3 資料探索與迴歸分析

依據統計學理論，一般在進行屬量變數的推論統計 前，應對要分析樣本的重要變數進行資料探索分析。

除了可偵測樣本變數的異常值外，如要進行直線迴 歸分析，還要檢定樣本的應變數與自變數是否符合 常態分布及獨立(不相關)的假設；如進一步將樣本 的空間分布（距離）列入考慮，還要檢測樣本變數 之間是否處於空間獨立的假定。如果具有相當空間 相關時，會產生取樣樣本的假重複取樣的問題，因 此不宜使用傳統統計分析的方法，而建議使用空間 統計分析方法(譬如，空間加權迴歸分析法)或發展 新的統計方法(王遠飛、等，2007，謝漢欽、等，

2010)。

圖8 地面樣區異質性差異狀況，配合地表變化從密到疏以 12 張照片列示

事實上本研究最重要的部分在於建立有效的 直線迴歸式，藉由迴歸式使用全試區的FS2 SAVI 推估全試區光蠟林的蓄積量，再透過轉換公式估算 碳吸存量。所以為求得本研究的最適迴歸式，有別 於以往類似的研究多忽略了資料探索過程，本研究 在資料探索分析過程中以盒鬚圖分析，移除了 1 個蓄積量異常的樣區，並檢測其餘69 個樣區兩個 變數的常態化獨立的假定，以數值轉換法改善變數 的常態化分布特性，最後使用兩個尺度的樣本變數 空間相關分析指標，移除了不符合空間獨立的樣區 共9 個，在於能提高迴歸式精度與效度。

4.4 最適迴歸式比較

本研究的最適迴歸式迴歸判定係數R²達0.752，

蓄積量與SAVI 的線性相關係數 R 達 0.867，與國 外採用 NDVI 當自變數之線性迴歸模式的相關研 究相當(Hamlyn and Vaughan, 2010, Franklin, 2001, Stellingwerf and Hussin, 1997, Lee and Nakane, 1996, Howard, 1991)。有關在台灣應用衛星影像進 行林分蓄積量估測研究：吳思儀(2007)以 FS2 衛星 影像之 NDVI 推估木麻黃海岸保安林之蓄積量研 究，所得迴歸分析式之R²為0.5692。謝漢欽(1998) 應用SPOT 衛星影像 NDVI 進行台灣杉材積推估，

尚要加入其他因子(地形因子與環境變數)所得迴 歸式之 R²為0.67，文中指出全區材積推估模式受 到地形效應的影響，依地形組構因子之合理分層、

減少地形變異，可提高材積推估的正確度。綜觀本 研究的試區皆位於相當平坦的台糖平地農地，因地 形引起 FS2 的光譜變異相對地減少。因此只要使 用衛星影像的SAVI 光譜資訊當作自變數，就可比 在山區進行相關人工林試驗研究的可靠度提升很 多(謝漢欽、等，2008，謝漢欽，1998，謝漢欽、

等1992，鄭祈全、等，1998)。

4.5 碳吸存推估轉換係數與公 式

本研究的光蠟樹材積式第(2)式是以光蠟樹為對象

而建立，因而其估算值居中，其適用性要高於第(1) 和第(3)式的闊葉樹通用式。所幸的是，代入第(8) 式各轉換係數迄2011 年本土研究報告正好可以適 時提供，可以不用以其他闊葉樹種或IPCC 的通用 轉換係數替代。但因為試區的光蠟林皆處於幼齡階 段，其與相關研究光蠟樹的取樣地域、林齡、地位 及因生育地等因子，會隨著樣區的空間距離及梯度 (gradient)而有所差異，難免會減損其代表性，足以 產生推估的誤差。

此外要注意的是，若要與其他樹種的生物量的 碳吸存量比較時，本研究推估碳吸存量之公式為採 用IPCC 2003 GPG 新修訂的規範(IPCC, 2003)，與 前人研究使用 IPCC 1996 規定之推估模式有差異 (IPCC,1997)。IPCC 1996 年之推估模式的擴展係數 (K) 定 義 地 上 部 與 地 下 部 生 物 量 之 擴 展 係 數 與 IPCC 2003 的 BEF 擴展係數定義有所不同，其生 物量包含根、莖、葉三部分，相當於IPCC 2003 年 之林木Vt 的生物量轉換為地上部生物量的擴展係 數 乘 上 根 莖 比(BEF+BEF×R)。若仔細比較發現 K=BEF+R 與 BEF+BEF×R，對大多數樹種而言 BEF 會大於1.0，而根莖比介於 2.5~3.0 之間，因此在採 用IPCC 2003 估算碳吸存量時會比 IPCC 1996 所推 估的碳量還要高估些，然而目前採用IPCC 2003 修 訂後的模式進行碳量之推估為國際所公認的公式。

事實上本研究將第(8)式的光蠟樹各項轉換係數相 乘後所得總轉換數值為 0.446，也就是說試區平均 每 m³ 光蠟林的生物量(含地上部及根系)可吸存 0.446 ton 的碳。

4.6 迴歸推估法與樣區推估法 比較

雖然本研究以60個樣區的SAVI迴歸估計的平 均單位面積蓄積量為17.83 േ 1.91 m³/ha，其值小 於60個樣區的平均蓄積量（每ha平均材積蓄積量為 18.13 ± 2.18 m³/ha），但經統計檢測並兩者所屬族 群平均值並無顯著差異。若從兩者的推估標準誤來 看，60個樣區的迴歸單位蓄積平均值為 17.83 標 準誤為0.9736，而60個樣區的單位蓄積平均值為

18.126標準誤為 1.1136。因為迴歸分析推估標準誤 小於直接以樣區調查蓄積量，所以整體而言迴歸分 析法精確度較高(Scheaffer et al., 2006)。

此外，若將本研究使用的60個樣區假定為逢機 取樣，則迴歸推估法可歸為模式為基礎的調查法，

而樣區調查法可歸為傳統的設計為基礎調查法。兩 者在推論統計的假設及演算基礎明顯不同，若使用 迴歸模式推估法，一般可考量到空間相關性及異質 性的影響(Kangas and Maltamo, 2006)。本研究的迴 歸推估尺度(scale)可從樣區尺度(20m x 20m)推展 至FS2多光譜的像元(8m x 8m)的尺度，因此已將光 蠟樹材積蓄積分布的空間分布異質性考慮在內，而 且推估成果能以地理資訊主題圖展示，屬於空間顯 式(spatial explicit model) 的 推 估 模 式 (O’Sullivan and Unwin, 2010)。

綜合上述比較，本研究使用迴歸推估法優於傳 統的地面樣區調查之面積比率估算方式。

4.7 推估量與其他研究之比較

本研究以樣區推估法所得之的光蠟林平均每 ha蓄積量為18.13 m³/ha，若與第三次森林資源調查 (林務局，1995)之林務局轄區光蠟樹人工林平均為 75.5 m³/ha、全島人工闊葉林平均為61.0 m³/ha相比 較，顯然要低得很多。主要原因在於本試區的人工 林皆屬於幼林齡階段，而無法與有各齡級分布的調 查平均值相比較。

相較於前人研究結果，樹種及林齡是決定材積 蓄積量的主要因素，其他轉換公式、轉換係數及生 育地因子等也是影響因素。台灣其他人工林之碳吸 存量(詳如表 5)，其中六龜試驗林的台灣杉人工造 林地，林齡為13 至 23 年生，每 ha 之碳吸存量介 於 32.58~133.05 ton 之間，平均碳吸存量為 76.8 ton/ha(李國忠、等，2000)。柳杉、紅檜、杉木、

台灣杉人工林每ha 平均碳吸存量依序為 52.48 ton、

34.91 ton、19.27 ton、14.50 ton/ha (李國忠、等，

2004)；34 年生台灣二葉松人工林碳吸存量為每 ha 平均81.6 ton/ha (林世宗、等，2008)。樟樹人工林 之碳含量為43.48 ton/ha(李宣德、等，2008)。相思

樹和楓香人工林之碳含量分別為 86.02 Mg/ha 和 86.41 Mg/ha(林國銓、等，2009)。苗栗地區 45 年 生櫸木人工林之碳吸存量為153.3 Mg/ha(林國銓、

等，2008)。因為本研究光蠟樹人工林為 5 至 8 年 生之幼齡木，所以就樣區推估結果，每ha 碳吸存 量只有8.09 ton/ha，相較於其他處於中壯齡期的之 人工林相對較低，但未來若在妥善經營下，隨著林 齡之增加蓄積量會不斷的生長累積。

4.8 最適推估樣區數與精度探 討

將60個樣區以逢機方式選取30個樣區，分成2 個各有30個樣區的檢驗組，分別建立直線迴歸式，

兩組的迴歸判定係數R²分別為0.715及0.718，經F 檢定皆呈極顯著。以獨立樣本單因子共變異數分析 檢驗兩組迴歸式係數的同質性，在0.01顯著機率水 準下兩組並無顯著差異，檢定結果摘要如表 6，因 此初步判斷在合理樣區數目下所建立的直線迴歸 式有相當的穩定性。

為了進一步瞭解本試區的地面樣區最適數目 為何？因此再由60 個樣區分別逢機抽取 10、15、

20、25、30、32、35、37、40、42、45、47、50、

55，以及本來的 60 個樣區分別進行迴歸分析，將 其個別迴歸式、迴歸判定係數 R²及樣區數的迴歸 標準誤差估計值( lrS )，以及樣區推估的平均值標y 準誤差估計值( yS )列示如表 7，其中樣區法的取樣 標準誤差計算公式估如第(12)式、迴歸估計取樣標 準誤差計算公式如第(13)式(黃文隆、等，2008)。

再將個別樣區數迴歸標準估計誤差大小趨勢，連同 直接使用樣區法推估的平均每ha 積蓄積量的平均 值標準誤差估計值大小趨勢繪製如圖9。從表 7 及 圖9 得知，對所有樣區數而言，其迴歸推估標準誤 差皆小於直接使用樣區推估的平均值標準誤差，所 以迴歸推估法精確度高於樣區推估法。從圖9 可知，

隨著樣區數的增加兩者的推估標準誤逐漸變小，當 樣區數大於40 個以上則趨於水平穩定，因而判斷 若為兼顧推估精確度及調查成本，本研究之光蠟林 空間分布狀況使用40 個調查樣區為最適樣區數(王

勁峰，2009)。

n f S y

S  1 

 1  f SE

n x f Sy lr

y

S .

1 



n f MSE



 1

nN f：取樣率 S：標準差 E：平均值標準誤 Sy.x：迴歸平均值標準誤

2 - SS_resn



：迴歸殘差均方 MSE

SSres：迴歸殘差平方和

25 . 04 4196

. 85 0 .

167 

 ha ha

N

n：樣區數目

5. 結論

本研究面對FS2 SAVI 指標在光蠟樹造林地林 分內的空間異質分布，對SAVI 從高到低分成 5 個 等級當作分層的依據。以分層目的取樣法於試區內 共設計並調查了70 個地面樣區，選用適用的光蠟 樹材積式計算樣區光蠟樹的蓄積量。運用統計資料 探索過程及空間相關分析，過濾不符合簡單線性迴 歸分析假定的樣區，最後以60 個地面樣區的單位 材積蓄積與SAVI 建立最佳推估迴歸式。

研究所得最適迴歸式可解釋的變異量達 75%(SAVI 與材積蓄積量的相關係數達 0.85 以上) 與國外相關研究相當，比在台灣山區人工林研究成 果可靠度提升很多。推估試區的光蠟林平均每ha 蓄積量為16.93 ± 1.16 m3/ha，平均每 ha 碳吸存量 為7.55 ± 0.52 ton/ha，全區的光蠟林總碳吸存量為 1,276.40 ± 87.28 ton。相較於台灣其他人工林之碳 吸存量研究，樹種及林齡是決定材積蓄積量的主要

因素。由於本研究光蠟樹人工林為5~8 年生之幼齡 木，因此其每ha 碳吸存推估量相較於其他處於中 壯齡期的之人工林相對較低，但未來隨林齡之增加，

單位面積材積蓄積量在妥善經營下，會不斷的生長 累積，值得後續持續監測。

本研究因為使用模式推估法，推估尺度可達 FS2 多光譜像元大小，所得模式為一空間顯式模式，

可用地理資訊展示碳吸存量之空間異質分布。使用 迴歸法推估所得推估值雖小於直接樣區法，但兩者 並無顯著差異，唯迴歸推估法精確度較高。以抽樣 理論的族群平均值之標準推估誤差評估，同時考量 調查成本及精度，如以本研究的光蠟林地為調查標 的，評估最適地面樣區數目為40 個。本研究的影 像處理方法、樣區設計與調查、變數的常態化獨立 檢定，以及模式推估方法未來可推廣應用於大面積 平地造林的其他樹種或相似的平地造林地區。此外，

FS2 的 SAVI 對於平地造林的混合林是否也有同樣 的成效，也是值得未來繼續研究。

致謝

本研究報告得以順利發表，要感謝中華民國航 測及遙感探測學刊總編輯，邀請了3 位匿名專業審 查委員悉心閱讀及審查內容，並提供寶貴修正意見，

讓本文的研究方法與結果能獲得遙測學界的認可。

此外，本研究工作得以順利完成，要感謝農委會林 務局98 年 99 年度「綠色造林試驗監測林業發展計 畫」經費支持，以及農委會林業試驗所經營組邱志 明組長調派地面樣區調查人力，組成本研究的光蠟 林調查小隊。其中小隊長為謝漢欽，參加調查的隊 員有張鈞媛、彭建祥、謝亦棠、李靜怡、王慈憶、

林鈺蓉、吳宜蓁、汪大雄、劉錦坤及鍾智昕等，有 了他們參與的貢獻，本研究才能於短期內完成所有 70 個地面樣區的調查工作，在此一併致謝。

表5 前人研究之台灣人工林碳吸存量

人工林林型 碳吸存量(ton/ha) 林齡(年) 參考文獻

六龜台灣杉 76.80 13~23 (李國忠、等，2000)

柳杉 52.48 - (李國忠、等，2004)

紅檜 34.91 - (李國忠、等，2004)

杉木 19.27 - (李國忠、等，2004)

台灣杉 14.50 - (李國忠、等，2004)

台灣二葉松 81.60 34 (林世宗、等，2008)

樟樹 43.48 - (李宣德、等，2008)

相思樹 86.02 30 (林國銓、等，2009)

楓香 86.41 25 (林國銓、等，2009)

櫸木 153.30 45 (林國銓、等，2008)

光蠟樹 8.09 5~8 本研究樣區推估法

光蠟樹 7.55 5~8 本研究迴估推估法

註: - 報告上無記載林齡

表 6 以30個樣區分成兩組的迴歸式同質性檢定-效應項檢定表

來源 型 III 平方和 自由度 平均平方和 F 檢定 顯著性

校正後的模式

49.901 3 16.634 47.270 .000

截距 388.433 1 388.433 1103.876 .000

組別 .168 1 .168 .478 .492

TSAVI

49.686 1 49.686 141.201 .000

組別 * TSAVI

.102 1 .102 .291 .592

誤差 19.705 56 .352

總和 1012.856 60

校正後的總數

69.606 59 P=0.01 應變數：TV 自變數：TSAVI

表7 迴歸推估法與樣區推估法之樣區數與標準誤差估計質比較表

方法 迴歸推估法 樣區推估法

樣區數目 迴歸式 R² 迴歸標準誤差估值

(

S y lr

平均值標準誤估值 (

S y

10 y = -16.435x + 5.738 0.699 0.185 0.317 15 y = -22.538x + 6.257 0.814 0.154 0.343 20 y = -18.789x + 5.933 0.768 0.137 0.277 25 y = -20.620x + 6.159 0.699 0.118 0.210 30 y = -19.186x + 5.974 0.718 0.113 0.209 32 y = -15.291x + 5.616 0.748 0.085 0.167 35 y = -18.231x + 5.884 0.773 0.104 0.214 37 y = -19.403x + 6.086 0.771 0.080 0.164 40 y = -18.164x + 5.888 0.762 0.085 0.173 42 y = -19.092x + 5.886 0.766 0.078 0.159 45 y = -15.482x + 5.627 0.708 0.079 0.144 47 y = -18.567x + 5.895 0.746 0.080 0.157 50 y = -16.435x + 5.738 0.741 0.082 0.159 55 y = -18.420x + 5.893 0.745 0.076 0.149 60 y = -17.805x + 5.851 0.751 0.071 0.140

圖9 兩種推估法樣區數目與標準誤差估計值的比較圖 0.00

0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40

10 15 20 25 30 35 40 45 50 55 60 樣區數目

標 準 誤 差 估 計 值

平均值標準誤估值 迴歸標準誤差估值

參考文獻

王松永，1983，商用木材，林產工業叢書 1，台北：

中華民國林產事業協會，339 頁。

王勁峰、姜成晟、李連發、胡茂桂，2009，空間抽 樣與統計推斷，北京：科學出版社，182 頁。

王遠飛、何洪林 (編著)，2007，空間數據分析方 法，北京：科學出版社，243 頁。

吳思儀，2007，蘭陽平原木麻黃海岸保安林蓄積量 推估之研究，國立宜蘭大學自然資源學系碩士 論文，宜蘭。

李金泉 (編著)，2007，精通 SPSS 統計分析實務與 應用，台北：全華圖書股份有限公司，578 頁。

李宣德、馮豐隆，2008，森林碳吸存資源調查推估 模式系統－以台灣樟樹為例，台灣林業科學，

第23 卷第 Supplement 期，頁 S11-22。

李國忠、林俊成、賴建興、林麗貞，2004，台大實 驗林森林生態系不同林分經營策略之碳貯存 效果，臺大實驗林研究報告，第18 卷第 4 期，

頁261-272。

李國忠、林俊成、陳麗琴，2000，台灣杉人工林碳 吸存潛力及其成本效益分析，台灣林業科學，

第15 卷第 1 期，頁 115-123。

林世宗、鍾智昕、邱祈榮、林朝欽，2008，台灣二 葉松地上部生物量及碳吸存量之估算，中華林 學季刊，第41 卷第 4 期，頁 521-535。

林俊成、李國忠，2005，京都議定書生效後之森林 資源碳吸存策略，台灣林業第31 卷第 3 期，

頁12-19。

林師模、陳苑欽，2003，多變量統計-管理上得應 用，台北：雙葉書廊有限公司，388 頁。

林青山，1992，心理與教育統計學，台北：東華書 局印行，770 頁。

林務局，1997，台灣林產處分調查用立木材積表，

台北：台灣省林務局。

林務局，1995，第三次台灣森林資源及土地利用調 查，台北：台灣省林務局。

林國銓、杜清澤、黃菊美，2010，光蠟樹人工林碳 貯存量和吸存量之估算，中華林學季刊，第43

卷第2 期，頁 261-276。

林國銓、杜清澤、黃菊美，2009，台東地區相思樹 與楓香兩人工林碳累積量，林業研究專訊，第 31 卷第 3 期，頁 55-68。

林國銓、黃菊美、杜清澤，2008，櫸木人工林碳儲 存量和吸存量之估算，國家公園學報，第 18 卷第2 期，頁 45-58。

林裕仁、林俊成、劉瓊霦，2005，台灣地區木材之 含碳量與比重測定，森林經營對二氧化碳吸存 之貢獻研討會論文集，頁266-278。

林裕仁、劉瓊霦、林俊成，2002，台灣地區主要用 材比重與碳含量測定，台灣林業科學，第 17 卷第3 期，頁 291-299。

邱志明，2009，疏伐對紅檜人工林碳吸存效益之評 估，林業研究專訊，第16 卷第 2 期，頁 31-36。

黃文隆、黃龍 (編著)，2008，抽樣方法(第二版)，

台中：滄海書局，479 頁。

楊榮啟、林文亮 (編著)，2003，森林測計學，台 北：國立編譯館，308 頁。

鄭祈全、許立達、陳燕章，1998，整合地理資訊系 統與遙測技術於林分材積估測之研究，台灣林 業科學第13 卷第 2 期，頁 155-167。

劉慎孝、林子玉，1968，台灣中南部相思樹林分收 穫表及材積表，國立中興大學農學院森林系，

台中。

謝漢欽、張哲彰，2010，天然闊葉林冠層孔隙分布 空間統計分析，國家公園學報，第 20 卷第 4 期，頁45-63。

謝漢欽、汪大雄、何麗君，2008 應用空間資訊推 估人工林碳吸存之可適性分析-以國有林荖濃 溪事業區為例。97 年度森林碳管理研討會摘要 及論文全文收錄研討會論文集光碟，論文集 pp.41-64。研討會由林務局、林試所、台大森 林環境資源系主辦，2008 年 12 月 22 日於台北：

農委會林業試驗所四樓會議室發表。

謝漢欽、汪大維、林俊成，2003，應用地理資訊系 統估算六龜試驗林森林蓄積變動之二氧化碳 吸存效應，台灣林業科學，第18 卷第 3 期，

頁171-82。

謝漢欽，1998，SPOT 綠度與森林生育地因子於台 灣杉材積推估之探討，台灣林業科學，第 13 卷第3 期，頁 175-188。

謝漢欽、焦國模，1992，多譜掃描資訊於柳杉林分 樹冠鬱閉度及材積推估功效上之研究，國立台 灣大學森林學系研究所博士論文，台北。

羅紹麟、馮豐隆，1986，台灣第一次林相變更造林 林木生長情形及生長量調查，林務局，中興大 學。

Biometrics Information Pamphlet, 2007, Comparing design-based and model-based Inference: An introduction, No.63, January 26, 2007.

Cairns, Michael A., Sandra Brown, Eileen H. Helmer, and Greg A. Baumgardner, 1997, Root biomass allocation in the world’s upland forests.

Oecologia, NO.111, pp. 1-11.

Chang, K. T., 2010, Introduction to geographic information systems (international Fifth Ed.).

Published by McGraw-Hill Education (Asia), Singpore, 448p.

Dong, J., R. K. Kaufmann, R. B. Myneni, C. J.

Tucker, P. E. Kauppi, J. Liski, et al., 2003, Remote sensing estimates of boreal and temperate forest woody biomass: Carbon pools, sources and sinks. Remote Sensing of Environment, No. 84, pp. 393-410.

Franklin, S. E., 2001, Remote sensing for sustainable forest management. Published by CRC Press LLC, New York, 407p.

Free-Smith P. H., Broadmeadow M. S .J. and J. M.

Lynch, 2007, Forestry and climate change.

Published by CAB International, MA, USA, 252p.

Griffith, D. A., Haining R. and G. Arbia, 1994, Heterogeneity of attribute sampling error in spatial data sets. Geographical Analysis, Vol.26, No4, pp.300-320.

Hamlyn, G. J. and R. A. Vaughan, 2010, Remote sensing of vegetation-Principles, techniques, and applications. Published by OXFORD University Press, NY, P.352.

Howard J. A., 1991, Remote sensing of forest resources. Published by Chapman & Hall, London, 405p.

Huete, A. R., 1988, A soil adjusted vegetation index (SAVI). International Journal of remote Sensing, NO.9, pp. 295–309.

IPCC, 2003, Good practice guidance for land use, land-use change and forestry. IPCC/IGES.

Hayama. Japan.

IPCC, 1997, Revised 1996 IPCC guidelines for national greenhouse gas inventories.

IPCC/OECD/IEA. Paris, France.

Jensen, J. R., 2005, Introductory Digital Image Processing-A remote sensing perspective (3^rd ed.).

Published by Pearson Prentice Hall, NJ,526p.

Kangas, A. and M. Maltamo (Eds.), 2006, Forest Inventory- Methodology and applications, Published by Springer, Dordrecht, The Netherlands, 362p.

Lee, N. J. and K. Nakane, 1996, Forest vegetation classification and biomass estimation based on Landsat TM data in a mountainous region of west Japan. – In: Gholz, H. L., Nakane, K. and H.

Shimoda, (eds). The use of remote sensing in the modeling of forest productivity. Kluwer Acad.

Publ., Dordrecht, The Netherlands, pp. 159-171.

McCoy, R. M., 2005, Field methods in remote sensing. Published by The Guilgord Press, NY, 159p.

McRoberts, R. E., Wendt, D. G., Nelson, M. D. and M. H. Hansen, 2002, Using a land cover classification based on satellite imagery to improve the precision of forest inventory area estimates. Remote Sensing of Environment, Vol.81, pp.36-44.

Mohren G. M. J., J.F. Garza Caligaris, O. Masera, M.

Kanninen, T. Karjalainen, A. Pussinen, G. J.

Nabuurs., 1999, CO2 Fix for Windows: a dynamic model of the CO2-fixation in forests.

Dutch: NL Institute for Forestry and Nature Research. pp.29.

Myneni, R. B., J. Dong, C. J. Tucker, R. K.

Kaufmann, P. E. kauppi, J. Liski, et al., 2001, A large carbon sink in the woody biomass of north forests. Proceedings of the National Academy of Sciences, No.98(26), pp. 269-80.

O’Sullivan, D. and D. J. Unwin, 2010, Geographic information analysis (2nd Ed.). Published by John Wiley & Sons, NJ, 405 p.

Popescu, S. C., and K. Zhao, 2008, A voxel-based lidar method for estimating crown base height for deciduous and pine trees. Remote Sensing of Environment, No.112, pp. 767–781.

Scheaffer, R. L., William, M. III. and R. L. Ott, 2006, Elementary survey sampling, 6^th edition.

Published by Brooks/Cole, a Thomson Learning Company, 486p.

Schreuder, H. T., and G. B. Wood, 1986, The choice between design-dependent and model-dependent sampling. Canadian Journal of Forest Research,Vol.16(2), pp.260-265.

Schreuder, H. T., and M. S. Williams, 1995, Design-based estimation of forest volume wuthin a model-based sample selection framework.

Canadian Journal of Forest Research,Vol.25, pp.121-127.

Stellingwerf, D. A. and Y. A. Hussin, 1997, Measurements and estimations of forest stand parameters using remote sensing. Published by Ridderprint, Ridderkerk, Utrecht, The Netherlands, 272p.

UN-REDD program, 2011, COP16 agreement on REDD+: Official UNFCCC text, http://

http://www.un-redd.org/AboutREDD/tabid/582/

Default.aspx, Searched on 2011-07-02.

Wallin, D. O., Harmon, M. E., Cohen, W. B., Fiorella, M. and W. K. Ferrell, 1996, Use of remote sensing to model land use effects on carbon flux in forest of the Pacific Northwest, USA.- In:

Gholz, H. L., Nakane, K. and H. Shimoda, (eds).

The use of remote sensing in the modeling of forest productivity. Kluwer Acad. Publ., Dordrecht, The Netherlands, pp.219-237.

Wong, D. W. S. and J. Lee, 2005, Statistical analysis of geographic information-with ArcView GIS and ArcGIS. Published by John Wiley & Sons, NJ, 441p.

1 Specialist, Division of Forest Management, Taiwan Forestry Research Institute Received Date: Aug.. 11, 2011 25 Researcher, Division of Forest Management, Taiwan Forestry Research Institute Revised Date: Oct. 05 , 2011 34Research Assistant, Division of Forest Management, Taiwan Forestry Accepted Date: Jan. 04, 2012 4 Research Institute

*.Corresponding Author, Phone: 886-2-23039978 ext.1202 , E-mail: [email protected]

Applying FORMOSAT-2 Image and Field Survey Data to Estimate Carbon Sequestration in Fraxinus Farm

Afforestation

Han-Ching Hsieh

Dar-Hsiung Wang

Tzu-Yi Wang

Jun-Yuan Chang

ABSTRACT

Due to afforested plantations have a considerable amount of biological carbon sequestration capacity, the government has been aiming at large area of plantations on the agricultural lands to relieve the pressure of global warming and face the coming of Post Kyoto Protocol. How to use satellite images combined with ground survey data to accurately estimate the biomass of plantation carbon sequestration has become an international issue. In this study, the afforested lands between 2002 and 2009 belonging to Taiwan Sugar Company’s Dai-Lung and Dai-Fun farms at Guangfu township, Hualien county were used as experimental area. The FORMOSAT- 2 (FS2) satellite image of this area acquired on February 13, 2009 and plantations maps of these two farms were collected as geographic information for biomass estimation. After a procedure of radiation normalization for the FS2 image, we applied soil adjusted vegetation index (SAVI) of FS2 focused on plantations of Fraxinus griffithii (Fg) that occupied 17%, a total area of 168 hectares distributed in the area, to classifying the SAVI of them to 5 separated grades. Considering the spatial heterogeneity of SAVI on graded patches of plantations, a stratified purposive sampling method investigated a total of 70 ground plots (20 m x 20 m) , in which per–tree field survey was made, was conducted for the study. After filtering out 10 plots through data exploration procedure and spatial correlation analysis, the optimal linear regression model for the estimates of volume per hectare was established by linking mean SAVI and average timber volume per hectare of 60 plots. Referencing to IPCC formula and optimal conversion factors from domestic researches, the amount of carbon sequestration of Fg at each plantation patch and in the whole experimental area was calculated and evaluated. The results show that the optimal regression model derived from the methods can explain the variation amounted to 75%, which is comparable to some best results of oversea researches and enhanced much more reliability when compared with the past studies conducted at mountain areas in Taiwan. The estimated average Fg stock volume is 16.93 ± 1.16 m³ha^-1, average amount of carbon sequestration is 7.55 ± 0.52 ton ha^-1 and the total is 1,276.40 ± 87.28 ton on the whole experimental area. In addition, the discussion of this study explores that the use of regression estimation method is superior to direct estimation method from the sample plots and the optimal number of ground plots is 40.

Keywords: