2024年3月15日发(作者：平飞双)
生态学杂志
ChineseJournalofEcology
2007,26
(
8
)
:1317-1322
遥感在森林地上生物量估算中的应用
何红艳 郭志华
33
3
肖文发
(
中国林业科学研究院森林生态环境与保护研究所
,
北京
100091
)
摘 要 生物量是地表
C
循环研究的重要组成部分
,
生物量研究有助于深入认识区域乃至
全球的
C
平衡。森林作为地球最重要的陆地生态系统
,
区域乃至全球尺度的森林地上生物
量估算一直是生态学研究的难点之一。在大的空间尺度上
,
遥感技术是估算森林地上生物
量的有效手段。
TM
、
AVHRR
、
SAR
等数据以及多源数据的融合在森林生物量估算方面广泛
应用
,
并取得了显著效果。运用遥感技术进行森林生物量估算时
,
所采用的数据源不同
,
分
析方法也不相同
,
主要分析方法有
:
相关分析、多元回归分析、神经网络和数学模型模拟等。
随着测定不同空间、时间和波谱分辨率的各种传感器的广泛使用
,
以及生物量遥感估算模
型的进一步发展和完善
,
大尺度森林生物量的遥感估算研究必将向前迈进一大步。
关键词 生物量
;
遥感
;
神经网络
;
数学模型
中图分类号
S718.55
文献标识码
A
文章编号
1000-4890
(
2007
)
08-1317-06
2
yan,
GUOZhi
2
hua,XIAOWen
2
fa
(
InstituteofForestEcology,EnvironmentandProtection,Chinese
AcademyofForestry,Beijing
100091
,China
)
.ChineseJournalofEcology
,2007,26
(
8
)
:1317-
1322.
Abstract:Biomassisanimportantvariableinmanyecologicalandenvironmentalmodels,andits
playsanim
2
portantroleintheglobalcarbonbudgetbecauseitdeterminesthedynamicsofterrestrialcarbon
cycle,butthee
regionalscale,w,TM,
AVHRR,radardataandthefusionofmultiplesatellitedatahavebeenwidelyusedinforestbio
2
estimatingwithsatellitedata,differentmathematicmethodsmaybere
2
nmethodsfortheestimationarecorrelationanaly
2
sis,regressionanalysis,neuralnetwork,trumentswith
differentresolutioninspatial,temporalandspectrumaredevisedfortherelativelyreliabledeter
2
edevelopmentandimprovementofthetheories
andmodelsforbiomassestimationbyusingremotesensingdata,greatprogresswillbeachieved
intheresearchofforestbiomassonlargescales.
Keywords:biomass;remotesensing;neuralnetwork;mathematicalmodel.
1
引 言
作为生态和环境应用研究的重要变量之一
,
生物
量的长期定位研究有助于加深对全球碳平衡的认识
和理解
(
Field
etal
.,1995;Fang
etal.
,2001;
方精云
3国家自然科学基金重大研究计划项目
(
90211006
)
、国家重点基础
研究发展规划项目
(
2002CB412508
)
、国家自然科学基金重大项目
(
30590383
)
、国家科技十一五攻关计划项目
(
2
)
和国
家林业局重点试验室开放基金资助项目。
33通讯作者
E
2
mail:guozh@
收稿日期
:2006
2
09
2
30
接受日期
:2007
2
05
2
05
等
,2002
)
。作为地球上最重要的陆地生态系统
,
森林
在全球碳循环中居重要地位
,
对陆地生物圈和其它地
表过程有着重要影响。因此
,
大尺度森林地上生物量
的有效估算是生态学研究的重要内容之一。
利用遥感进行森林生物量估算是基于植物的反
射光谱特征实现的。这是因为
:
不同植物及同种植
物在不同的生长发育阶段
,
其反射光谱曲线形态和
特征不同
;
并且
,
病虫害、灌溉和施肥等条件的不同
也会引起植物反射光谱曲线的变化
(
彭少麟等
,
1318
生态学杂志 第
26
卷 第
8
期
1999
)
。因此
,
可以利用植物的这一特征
,
借助遥感
利用
AVHRR
数据提取
NDVI
植被指数
,
根据针叶
林和阔叶林的不同
,
建立了估算生物量的不同模型
,
有效估算了这些区域的地上部分生物量。
AVHRR
数据也用于森林的分类
(
Michalek
et
al.
,2000
)
,
但其分类精度不如
TM
数据
(
Houghion
et
al.
,2001
)
。
2
1
3
雷达数据
技术
,
并结合地面调查
,
进行区域和全球尺度上的森
林生物量估算研究。
多种遥感数据被广泛用于森林生物量估算
,
这
些遥感数据主要包括
LandsatTM
、
NOAA/AVHRR
、
SAR
等。
2
森林生物量估算中的遥感数据源
2
1
1
TM
数据
由美国陆地卫星五号
(
LANDSAT5
)
携带的主
题成像传感器
(
ThematicMapper,TM
)
有
7
个波段
,
利用这
7
个波段的不同组合可以提取不同的植被指
数
,
然后利用植被指数估算区域生物量
(
Hame
et
al.
,1997;Michalek
etal.
,2000;Foody
etal.
,2001;
Houghion
etal.
,2001;Tomppo
etal.
,2002;Foody
et
al.
,2003;Richards&Brack,2004
)
。
利用
TM
数据估算区域生物量时
,
往往在研究
区域内实测生物量或与生物量有密切关系的数据如
材积
(
Hame
etal.
,1997;
郭志华等
,2002
)
和叶面积
指数
(
leafareaindex,LAI
)(
Phua&Satio,2003
)
等
,
利用
TM
数据的
7
个波段及各波段的组合如归一化
植被指数
(
normalizeddifferencevegetationindex,ND
2
VI
)(
Houghion
etal.
,2001;Dong
etal.
,2003
)
等与
生物量或者材积等的关系进行多元回归分析建模。
郭志华等
(
2002
)
利用
TM
数据的
7
个波段及其各种
组合与材积的关系
,
估算了粤西地区的森林生物量。
Foody
等
(
2003
)
在对热带雨林
(
婆罗洲
)
的生物量制
图时
,
基于
TM
数据和回归分析模型
,
有效提高了生
物量估算精度。
Phua
和
Satio
(
2003
)
利用
TM
数据
的
6
个波段
(
未使用第
6
波段
)
及植被指数信息
,
并
结合其它因子
,
进行多元回归建模和生物量估算。
2
1
2
NOAA/AVHRR
数据
AVHRR
是
NOAA
系列卫星的主要探测仪器
,
雷达遥感又叫微波遥感
,
可分为主动和被动
2
种方式
,
被动方式与可见光和红外遥感类似
,
是由微
波扫描辐射计接收地表目标的微波辐射。目前多数
星载雷达采用主动方式
,
即由遥感平台发射电磁波
,
然后接收辐射和散射回波信号
,
主要探测地物的后
向散射系数和介电常数。微波遥感不依赖于太阳辐
射的变化
,
能够全天候观测
,
可以随时随地获取植被
信息
,
特别适用于云层覆盖的地区。而且
,
微波具有
一定的穿透力和对某些地物明显的区分能力
,
利用
雷达数据进行生物量估算相当普遍
(
Hoekman&
Qui
2024年3月15日发(作者：平飞双)
生态学杂志
ChineseJournalofEcology
2007,26
(
8
)
:1317-1322
遥感在森林地上生物量估算中的应用
何红艳 郭志华
33
3
肖文发
(
中国林业科学研究院森林生态环境与保护研究所
,
北京
100091
)
摘 要 生物量是地表
C
循环研究的重要组成部分
,
生物量研究有助于深入认识区域乃至
全球的
C
平衡。森林作为地球最重要的陆地生态系统
,
区域乃至全球尺度的森林地上生物
量估算一直是生态学研究的难点之一。在大的空间尺度上
,
遥感技术是估算森林地上生物
量的有效手段。
TM
、
AVHRR
、
SAR
等数据以及多源数据的融合在森林生物量估算方面广泛
应用
,
并取得了显著效果。运用遥感技术进行森林生物量估算时
,
所采用的数据源不同
,
分
析方法也不相同
,
主要分析方法有
:
相关分析、多元回归分析、神经网络和数学模型模拟等。
随着测定不同空间、时间和波谱分辨率的各种传感器的广泛使用
,
以及生物量遥感估算模
型的进一步发展和完善
,
大尺度森林生物量的遥感估算研究必将向前迈进一大步。
关键词 生物量
;
遥感
;
神经网络
;
数学模型
中图分类号
S718.55
文献标识码
A
文章编号
1000-4890
(
2007
)
08-1317-06
2
yan,
GUOZhi
2
hua,XIAOWen
2
fa
(
InstituteofForestEcology,EnvironmentandProtection,Chinese
AcademyofForestry,Beijing
100091
,China
)
.ChineseJournalofEcology
,2007,26
(
8
)
:1317-
1322.
Abstract:Biomassisanimportantvariableinmanyecologicalandenvironmentalmodels,andits
playsanim
2
portantroleintheglobalcarbonbudgetbecauseitdeterminesthedynamicsofterrestrialcarbon
cycle,butthee
regionalscale,w,TM,
AVHRR,radardataandthefusionofmultiplesatellitedatahavebeenwidelyusedinforestbio
2
estimatingwithsatellitedata,differentmathematicmethodsmaybere
2
nmethodsfortheestimationarecorrelationanaly
2
sis,regressionanalysis,neuralnetwork,trumentswith
differentresolutioninspatial,temporalandspectrumaredevisedfortherelativelyreliabledeter
2
edevelopmentandimprovementofthetheories
andmodelsforbiomassestimationbyusingremotesensingdata,greatprogresswillbeachieved
intheresearchofforestbiomassonlargescales.
Keywords:biomass;remotesensing;neuralnetwork;mathematicalmodel.
1
引 言
作为生态和环境应用研究的重要变量之一
,
生物
量的长期定位研究有助于加深对全球碳平衡的认识
和理解
(
Field
etal
.,1995;Fang
etal.
,2001;
方精云
3国家自然科学基金重大研究计划项目
(
90211006
)
、国家重点基础
研究发展规划项目
(
2002CB412508
)
、国家自然科学基金重大项目
(
30590383
)
、国家科技十一五攻关计划项目
(
2
)
和国
家林业局重点试验室开放基金资助项目。
33通讯作者
E
2
mail:guozh@
收稿日期
:2006
2
09
2
30
接受日期
:2007
2
05
2
05
等
,2002
)
。作为地球上最重要的陆地生态系统
,
森林
在全球碳循环中居重要地位
,
对陆地生物圈和其它地
表过程有着重要影响。因此
,
大尺度森林地上生物量
的有效估算是生态学研究的重要内容之一。
利用遥感进行森林生物量估算是基于植物的反
射光谱特征实现的。这是因为
:
不同植物及同种植
物在不同的生长发育阶段
,
其反射光谱曲线形态和
特征不同
;
并且
,
病虫害、灌溉和施肥等条件的不同
也会引起植物反射光谱曲线的变化
(
彭少麟等
,
1318
生态学杂志 第
26
卷 第
8
期
1999
)
。因此
,
可以利用植物的这一特征
,
借助遥感
利用
AVHRR
数据提取
NDVI
植被指数
,
根据针叶
林和阔叶林的不同
,
建立了估算生物量的不同模型
,
有效估算了这些区域的地上部分生物量。
AVHRR
数据也用于森林的分类
(
Michalek
et
al.
,2000
)
,
但其分类精度不如
TM
数据
(
Houghion
et
al.
,2001
)
。
2
1
3
雷达数据
技术
,
并结合地面调查
,
进行区域和全球尺度上的森
林生物量估算研究。
多种遥感数据被广泛用于森林生物量估算
,
这
些遥感数据主要包括
LandsatTM
、
NOAA/AVHRR
、
SAR
等。
2
森林生物量估算中的遥感数据源
2
1
1
TM
数据
由美国陆地卫星五号
(
LANDSAT5
)
携带的主
题成像传感器
(
ThematicMapper,TM
)
有
7
个波段
,
利用这
7
个波段的不同组合可以提取不同的植被指
数
,
然后利用植被指数估算区域生物量
(
Hame
et
al.
,1997;Michalek
etal.
,2000;Foody
etal.
,2001;
Houghion
etal.
,2001;Tomppo
etal.
,2002;Foody
et
al.
,2003;Richards&Brack,2004
)
。
利用
TM
数据估算区域生物量时
,
往往在研究
区域内实测生物量或与生物量有密切关系的数据如
材积
(
Hame
etal.
,1997;
郭志华等
,2002
)
和叶面积
指数
(
leafareaindex,LAI
)(
Phua&Satio,2003
)
等
,
利用
TM
数据的
7
个波段及各波段的组合如归一化
植被指数
(
normalizeddifferencevegetationindex,ND
2
VI
)(
Houghion
etal.
,2001;Dong
etal.
,2003
)
等与
生物量或者材积等的关系进行多元回归分析建模。
郭志华等
(
2002
)
利用
TM
数据的
7
个波段及其各种
组合与材积的关系
,
估算了粤西地区的森林生物量。
Foody
等
(
2003
)
在对热带雨林
(
婆罗洲
)
的生物量制
图时
,
基于
TM
数据和回归分析模型
,
有效提高了生
物量估算精度。
Phua
和
Satio
(
2003
)
利用
TM
数据
的
6
个波段
(
未使用第
6
波段
)
及植被指数信息
,
并
结合其它因子
,
进行多元回归建模和生物量估算。
2
1
2
NOAA/AVHRR
数据
AVHRR
是
NOAA
系列卫星的主要探测仪器
,
雷达遥感又叫微波遥感
,
可分为主动和被动
2
种方式
,
被动方式与可见光和红外遥感类似
,
是由微
波扫描辐射计接收地表目标的微波辐射。目前多数
星载雷达采用主动方式
,
即由遥感平台发射电磁波
,
然后接收辐射和散射回波信号
,
主要探测地物的后
向散射系数和介电常数。微波遥感不依赖于太阳辐
射的变化
,
能够全天候观测
,
可以随时随地获取植被
信息
,
特别适用于云层覆盖的地区。而且
,
微波具有
一定的穿透力和对某些地物明显的区分能力
,
利用
雷达数据进行生物量估算相当普遍
(
Hoekman&
Qui