基于Landsat8OLI的特征变量优化提取及森林生物量反演_徐婷
引用格式：Ｘｕ Ｔｉｎｇ，Ｃａｏ Ｌｉｎ，Ｓｈｅ Ｇｕａｎｇｈｕｉ．Ｆｅａｔｕｒｅ Ｅｘｔｒａｃｔｉｏｎ ａｎｄ Ｆｏｒｅｓｔ Ｂｉｏｍａｓｓ Ｅｓｔｉｍａｔｉｏｎ ｂａｓｅｄ ｏｎＬａｎｄｓａｔ ８ＯＬＩ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ，２０１５，３０（２）：２２６－２３４．［徐婷，曹林，佘光辉．基于Ｌａｎｄｓａｔ ８ＯＬＩ的特征变量优化提取及森林生物量反演［Ｊ］．遥感技术与应用，２０１５，３０（２）：２２６－２３４．］ｄｏｉ：１０．１１８７３／ｊ
．ｉｓｓｎ．１００４－０３２３．２０１５．２．０２２６收稿日期：２０１４－０６－２２；修订日期：２０１５－０３－
２６基金项目：江苏省高校自然科学研究项目（１４ＫＪＢ２２０００２），国家８６３计划子课题（２０
１３ＡＡ１２Ａ３０２），江苏高校优势学科建设工程项目（ＰＡＰＤ）
资助。作者简介：徐 婷（１９９０－），女，江苏泰兴人，硕士研究生，主要从事３Ｓ技术在森林资源监测中的应用研究。Ｅ－ｍａｉｌ：１０７８２７０４３３＠ｑｑ．ｃｏｍ。通讯作者：佘光辉（１９５３－），男，江苏南京人，教授，主要从事森林资源监测研究。Ｅ－ｍａｉｌ：ｇｈｓｈｅ＠ｎｊ
ｆｕ．ｃｏｍ．ｃｎ。基于Ｌａｎｄｓａｔ
８ＯＬＩ的特征变量优化提取及森林生物量反演
徐 婷，曹 林，佘光辉
（南京林业大学南方现代林业协同创新中心，江苏南京 ２１
００３７）摘要：基于江苏省常熟市虞山地区Ｌａｎｄｓａｔ ８ＯＬＩ影像和５５块调查样地数据，利用多元逐步回归法建立森林生物量模型，并讨论了预测结果及其精确性。选择包括各波段灰度值、不同波段灰度值之间的线性和非线性组合（包括１８种植被指数）、纹理信息以及主成分分析、最小噪声分离变换等在内的５３个特征变量。通过分析５３个特征变量与森林地上、地下生物量的Ｐｅａｒｓｏｎ相关性，进行特征变量的优化提取。结果表明：所有样地无区分分析时，地上和地下生物量的模型精度均达到０．４以上，基于３种森林类型（针叶林、阔叶林和混交林）进行地上和地下生物量建模时精度有明显提高，达到０．６７以上，地上生物量和地下生物量的估测结果均为混交林优于阔叶林，阔叶林优于针叶林。关 键 词：Ｌａｎｄｓａｔ
８ＯＬＩ；特征变量提取；森林生物量反演；逐步回归法中图分类号：ＴＰ
７９ 文献标志码：Ａ 文章编号：１００４－０３２３（２０１５）０２－０２２６－０９１ 引 言
森林资源是地球资源中最为重要的自然资源之一，对人类的可持续发展有着极其重要的作用。森林生态系统在全球碳循环过程中起着重要作用，现有研究表明约８０％的地上碳储量和４
０％的地下碳储量存在于森林生态系统［
１］
。研究森林生物量对全球碳循环及全球气候变化研究具有重要意义。传统地面调查方法耗时、费力、成本高，且大多只适合在较小范围内实施；相比而言，遥感技术可以获取区域或更大尺度上连续、实时的森林生物物理特性空间分布信息，具有一定的优越性。
Ｌａｎｄｓａｔ卫星系列自１９
７２年发射以来，已获取了超过４０ａ的对地连续观测数据，这对于中等和较大尺度上的森林资源估算及生态环境监测具有重要意义。特别是Ｌａｎｄｓａｔ
８的成功发射（２０１３年２月在美国加州）使得Ｌａｎｄｓａｔ对地观测得以继续。在性能上相比之前的Ｌａｎｄｓａｔ卫星拥有明显提升，除了保持前阶段Ｌａｎｄｓａｔ系列的基本特征外，还在波段数量、光谱范围及辐射分辨率上进行了改进，这些
优点将会对全球生态变化检测产生积极作用［
２］
。以往通过Ｌａｎｄｓａｔ数据反演森林参数的方法通常为：首先从多光谱影像中提取与植被光谱信息相关的特征变量，然后借助地面实测数据，结合统计或非参数
化方法估算生物量。代表性研究为：Ｚｈｅｎｇ等［３］
借
助从ＥＴＭ＋（Ｌａｎｄｓａｔ ７）影像上提取的ＮＤＶＩ等植被指数反演了美国威斯康辛州北部的Ｃｈｅｑｕａ－ｍｅｇｏｎ国家森林公园松树林的地上生物量信息，发现ＮＤ
ＶＩ指数对松树林地上生物量较为敏感（Ｒ２＝０．８６）；杨存建等［４］
利用ＴＭ（Ｌａｎｄｓａｔ
５）影像原始波段与其主成分结合的方法对云南西双版纳热带森林
第３０卷 第２期２０１５年４月
遥 感 技 术 与 应 用
ＲＥＭＯＴＥ
ＳＥＮＳＩＮＧ ＴＥＣＨＮＯＬＯＧＹ ＡＮＤ ＡＰＰＬＩＣＡＴＩＯＮ
Ｖｏｌ．３０ Ｎｏ．２
Ａｐ
ｒ．２０１５
植被生物量进行估算，结果表明森林生物量与主成分变换的第二主成分相关显著（Ｒ２＝０．４６）。然而以上研究通常只针对特定区域的单一树种，并未区分森林类型分别讨论反演精度；往往只通过少量的单一同类特征变量（如植被指数或综合变量）进行生物量估算；且对地下生物量估算的研究较少。
针对以上研究空缺，本文将以北亚热带天然次生林为研究对象，借助较新的Ｌａｎｄｓａｔ ８ＯＬＩ多光谱数据和地面实测的样地数据反演多种森林类型的地上和地下生物量。研究目标为：①在系统校正ＯＬ
Ｉ数据的基础上，提取原始单波段、波段组合、信息增强、植被指数和纹理信息５个变量组；②借助Ｐｅ
ａｒｓｏｎ’ｓ相关系数逐个分析以上变量和３个森林类型内的地上地下生物量的相关关系，并以此为依据筛选敏感因子；③以上述敏感因子为自变量，构建多元逐步回归模型，以此反演生物量信息并验证精度；④借助最佳模型生成研究区范围的地上和地下生物量信息空间分布图
。
图１ 基于ＯＬＩ遥感数据估算生物量技术路线Ｆｉｇ
．１ Ｔｈｅ ｔｅｃｈｎｉｃａｌ ｒｏｕｔｅ ｏｆ ｂｉｏｍａｓｓ ｅｓｔｉｍａｔｉｏｎｂａｓｅｄ ｏｎ ＯＬＩ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ
ｄａｔａ２ 材料与方法
２．１ 研究区域
研究区位于江苏省常熟市的国营虞山林场（１２
０°４２′９．４″Ｅ，３１°４０′４．１″Ｎ），地处中纬度地区，属亚热带季风气候，气候温和，年平均降水量１
０５４ｍｍ。面积约１
１０３ｈｍ２
，其海拔高度为２０～２６１ｍ。虞山林场属于北亚热带次生混交林，主要森林类型为针叶林，阔叶林和混交林，其中主要针叶树种有马尾松（Ｐｉｎｕｓ ｍａｓｓｏｎｉａｎａ）、杉木（Ｃｕｎｎｉｎｇ
ｈａｍｉａ ｌａｎｃｅｏ－ｌａｔａ）以及部分湿地松（Ｐｉｎｕｓ ｅｌｌｉｏｔｔｉｉ）、黑松（Ｐｉｎｕｓｔｈｕｎｂｅｒｇ
ｉｉ）；主要阔叶树种有麻栎（（Ｑｕｅｒｃｕｓ ａｃｕｔｉ－ｓｓｉｍａ）、枫香（Ｌｉｑｕｉｄａｍｂａｒ ｆｏｒｍｏｓａｎａ）及部分常绿阔叶树种，如壳斗科植物（Ｆａｇａｃｅａｅ）、樟科植物（Ｌａｕｒａｃｅａｅ）和山茶科植物（Ｔｈｅａｃｅａｅ
）
。图２ 研究区ＯＬＩ真彩色合成图及５５块样地分布图Ｆｉｇ．２ Ｔｈｅ ｍａｐ ｏｆ ｔｈｅ ｓｔｕｄｙ
ｓｉｔｅｓ（ＲＧＢ ｃｏｍｂｉｎａｔｉｏｎ）ａｎｄ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ５５ｓａｍｐ
ｌｅ ｐｌｏｔｓ２．２ 地面数据
依据历史森林资源调查数据中的森林类型、年龄和立地指数等信息在整个研究区范围内设置５５个方形样地（３０ｍ×３０ｍ）。样地设置时间为２０１２年７～
８月及２０１３年８月，根据其树种组成比例可分为针叶林（ｎ＝１３）、阔叶林（ｎ＝１６）和混交林（ｎ＝２６）。在样地内记录单木树种并逐一测定每棵单木的胸径、树高、枝下高和冠幅（两个主方向上的投影距离）
。使用差分ＧＰＳ记录样地西南角坐标（通过接收ＪＳＣＯＲＳ广域差分信号定位精度优于１ｍ）
。根据单木调查数据汇总样地尺度的相关森林参数，包括每块样地单位
面积的胸高断面积（ｍ
３
·ｈｍ－２）；胸高断面积加权的平均树高（Ｌｏｒｅｙ’ｓ ｍｅａｎ ｈｅｉｇｈｔ，即以单木胸高断面积为权重汇总的样地平均高）；样地尺度上的单位面积地上、地下生物量（ｔ·ｈｍ－２）。生物量信息通过异速生长方程计算单木的生物量，并汇总得到每块样地的单
位面积地上生物量（ＷＡ）和地下生物量（ＷＢ）［５
］。３种
类型样地生物量信息如表１所示。
７２２第２期 徐 婷等：基于Ｌａｎｄｓａｔ ８ＯＬＩ的特征变量优化提取及森林生物量反演
表１ 地面调查样地信息汇总
Ｔａｂｌｅ １ Ｓｕｍｍａｒｙ
ｏｆ ｇｒｏｕｎｄ－ｔｒｕｔｈ ｐｌｏｔ ｄａｔａ森林参数
针叶林（ｎ＝１３
）数值范围
平均值
标准差
阔叶林（ｎ＝１６）数值范围
平均值
标准差
混交林（ｎ＝２６）数值范围
平均值
标准差
地上生物量／（ｔ·ｈｍ－２）４７．６６～１０２．７６ ７６．５２ １８．４４ ３２．０３～１５１．４５ ９１．０２ ３１．７４ ４９．６５～１９２．２２ ８７．２８ ２８．２２地下生物量／（ｔ·ｈｍ－２）１４．４２～３２．５９ ２２．８１
５．３４
１０．３１～３７．３９
２６．２７
６．０８
１５．６９～６１．８９
２５．８２
８．４１
２．３ 遥感影像数据获取及处理
为保持影像信息与地面调查信息尽量一致，研究采用Ｌａｎｄｓａｔ ８ＯＬＩ影像（条带号：１１９／３８，获取时间：２０１３－０７－１９），影像完全覆盖整个虞山林场，本研究使用２～７波段。
首先利用ＥＮＶＩ５．０，借助ＯＬＩ传感器的辐射定标参数对原始影像进行辐射定标，将原始ＤＮ值（原始影像灰度值）转化为像元辐射亮度值。然后以ＦＬ
ＡＡＳＨ模型对影像进行大气校正，将辐射亮度值转化为地表实际反射率。最后对影像进行几何精校正，校正误差控制在０．１个像元以内，并采用最邻近差值法进行重采样（对应样地大小，重采样为３０ｍ×３
０ｍ空间分辨率）。２．
４ 特征变量优化提取通过对ＯＬＩ影像进行波段组合、缨帽变换、纹理信息提取、主成分分析、最小噪声分离变换以及多种
植被指数变换，提取５组（共５３个）特征变量（部分重要参数计算公式见表２
），包括原始单波段、波段组合、信息增强组、植被指数以及纹理信息。其中纹理分析针对主成分分析的第一主成分进行，窗口大小为３×３，滞后距离为１个像元。５３个变量见图３
。特征变量组的选取综合考虑了各变量的意义。原始单波段完整地体现了影像的原始特性；波段组合实际是对原始影像信息的组合，不同的波段组合会突显不同的影像特征从而丰富影像信息；信息增强实质是对影像原始信息的集中和压缩，即用几个综合性波段代表多波段的原图像，降低数据维度，从而减少数据量；植被指数本质上是在综合考虑相关光谱信号的基础上，把多波段反射率做一定的数学变换，使其在增强植被信息的同时，并使非植被信号
最小化［６］
；纹理信息主要反映地表的粗糙程度，同时
还揭示了图像中地物的结构信息以及它们与周围环
表２ １３个建模变量含义及计算公式Ｔａｂｌｅ ２ Ｓｕｍｍａｒｙ
ｏｆ １３ｍｅｔｒｉｃｓ ｕｓｅｄ ｆｏｒ ｍｏｄｅｌｉｎｇ特征变量变量描述
Ｂ２、Ｂ３ＯＬ
Ｉ第２和第７波段（经过大气校正和几何精校正）Ｂ７４Ｂ７４＝Ｂ７／Ｂ４Ｂ５４７Ｂ５４７＝Ｂ５·Ｂ４／Ｂ７ＶＩＳ２
３４ＶＩＳ２３４＝Ｂ２＋Ｂ３＋Ｂ４第三主成分（ＰＣ３）
提取主成分分析第三波段最小噪声分离变换第四波段（ＭＮＦ４）
提取ＭＮＦ变换第四波段
植被指数
修正型简单比值植被指数（ＭＳ
Ｒ）ＭＳＲ＝
Ｂ５／Ｂ４－
１Ｂ５／Ｂ４槡＋１归一化植被指数（ＮＤ５
６３）ＮＤ５６３＝（Ｂ５＋Ｂ６－Ｂ３）（Ｂ５＋Ｂ６＋Ｂ３）
对比度（ＣＯ）
Ｃ
Ｏ＝∑Ｎ－
１ｉ，ｊ＝０
ｉ·Ｐｉ，
ｊ相异性（ＤＩ
）Ｄ
Ｉ＝∑Ｎ－
１ｉ，ｊ＝０
ｉ·Ｐｉ，
ｊｉ－ｊ均匀度（ＨＯ）
ＨＯ＝
∑Ｎ－
１ｉ，ｊ＝０ｉＰｉ，ｊ
１＋ｉ－
（）ｊ ２方差（ＶＡ）
ＶＡ＝
∑Ｎ－
１ｉ，ｊ＝０
ｉ·Ｐｉ，
ｊｉ －（）ＭＥ ２
８２２
遥 感 技 术 与 应 用 第３０卷
图３ 特征变量与样地生物量Ｐｅａｒｓｏｎ’ｓ相关系数
Ｆｉｇ．３ Ｐｅａｒｓｏｎ＇ｓ Ｃｏｒｒｅｌａｔｉｏｎ Ｃｏｅｆｆｉｃｉｅｎｔ ｂｅｔｗｅｅｎ ｉｎｄｅｐｅｎｄｅｎｔ ｖａｒｉａｂｌｅｓ ａｎｄ ｂｉｏｍａｓｓ ｉｎ ｓｔｕｄｙ ａｒｅａ
境的关系，能够折射出地表覆盖类型空间变化的重要信息［７］。
利用样地ＧＰＳ坐标点位置，基于５３景包含特征变量信息的影像，分别提取５５个样地的中心位置像元值，并将其与需要预测的参数进行Ｐｅａｒｓｏｎ相关性分析，结果如图３所示，可以看出，纹理信息与生物量的相关性较高，原始单波段与生物量的相关性较低。具体来看，原始单波段Ｂ２、Ｂ３、波段组合Ｂ７４、Ｂ５４７、ＶＩＳ２３４、纹理信息ＣＯ、ＤＩ、ＨＯ、ＶＡ、信息增强组中的ＰＣ３、ＭＮＦ４以及植被指数中的ＭＳＲ、ＮＤ５６３与所需估测的森林参数之间的Ｐｅａｒｓｏｎ’ｓ相关系数较高（相关系数绝对值高于０．２），且关系显著，说明它们之间有较好的线性关系。因此把这１３个因子作为最终建模候选变量，各因子含义及计算公式如表１所示。
２．５ 统计分析
建立回归模型的过程中，运用逐步进入法（Ｓｔｅｐｗｉｓｅ）和检验决定系数（Ｒ２）的变化情况选择进入模型的合适变量［８］。如果有自变量使统计量Ｆ值过小并且Ｔ检验达不到显著水平（Ｐ值＞０．１），
则予以剔除；Ｆ值较大且Ｔ检验达到显著水平（Ｐ值＜０．０５）则得以进入［９］。
采用决定系数（Ｒ２）、均方根误差（ＲＭＳＥ）和相对均方根误差（ｒＲＭＳＥ）评价回归模型的精度［１０－１１］。ｒＲＭＳＥ作为一个相对量，与评价量本身的数量级水平无关，能够更好地体现总体值域差别较大的模型的预测精度［１１］。
在统计分析过程中分两种情况进行分析，首先是对所有样地无区分的统计分析，然后将样地按树种组成分成针叶林、阔叶林和混交林分别进行分析。２．６ 生成生物量空间信息空间分布图
利用建立的地上和地下生物量综合模型生成虞山生物量信息空间分布图，输出图像像元大小为３０ｍ（与样地大小一致），另外，将图像上所有像元值提取出来并绘制成分布直方图，从而更直观地显示虞山生物量信息的空间分布特点。
３ 研究结果
如表３和图４所示，估测地上生物量和地下生物量部分，将所有候选变量均代入方程进行了逐步
９
２
２
第２期 徐 婷等：基于Ｌａｎｄｓａｔ ８ＯＬＩ的特征变量优化提取及森林生物量反演
回归分析，结果表明，纹理信息（ＣＯ、ＤＩ、ＨＯ）与生物量的相关性较强。从生物量拟合效果可以看出，总体表现为混交林优于阔叶林，阔叶林优于针叶林，针叶林优于所有样地无区分分析的结果。
表３ 估测森林地上和地下生物量的回归方程及参数情况
Ｔａｂｌｅ ３ Ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌｓ ａｎｄ ｐａｒａｍｅｔｅｒｓ ｕｓｅｄ ｆｏｒ ｅｓｔｉｍａｔｉｏｎ ｏｆ ａｂｏｖｅ－ｇｒｏｕｎｄ ｂｉｏｍａｓｓ（ＷＡ）ａｎｄ ｂｅｌｏｗ－ｇｒｏｕｎｄ ｂｉｏｍａｓｓ（ＷＢ）特征变量ｂ０Ｂ３Ｂ５４７ＶＩＳ２３４ＭＮＦ４ＰＣ３ＭＳＲ ＣＯ ＤＩ ＨＯ ＶＡ Ｒ２ ＲＭＳＥ ｒＲＭＳＥ／％地上生物量
所有样地２４０９．１４－０．０３５ ２１８．０１－１３３５．７７－２２７３．０１ ０．４１ ２１．８９ ２６针叶林１．０４Ｅ＋０９ ０．０１ １．０４Ｅ＋０８－６．３Ｅ＋０８－１Ｅ＋０９ ０．６７ １２．８９ １７阔叶林１８７．６０ ０．３７－０．１５－９６．４４ ２７３．３９ ０．７４ １９．０２ ２０混交林２４４６．３２－０．０６ ２１９．３３－１３３８．２５－２２７１．０７ ０．７７ １４．７０ １７
地下生物量
所有样地８６４．４８－０．０１ ８０．０５－４９１．５８－８２９．２４ ０．５７ ４．９０ １９针叶林２．８５Ｅ＋０８ ０．００６５ ２．８５Ｅ＋０７－１．７Ｅ＋０８－２．８Ｅ＋０８ ０．７０ ３．５９ １６阔叶林３６．７０－３６．２６－０．０４９ ４．１０ ５８．３６ ０．８０ ３．１１ １２混交林９１４．４５－０．０１ ８４．６０－５２０．９３－８７５．０１ ０．８４ ３．７１ １４注：ｂ０为模型的截距；Ｂ３为第三波段（经过大气校正和几何精校正）；Ｂ５４７为Ｂ５·Ｂ４／Ｂ７；ＶＩＳ２３４为Ｂ２＋Ｂ３＋Ｂ４；ＭＮＦ４为最小噪声分离变换第四波段；ＰＣ３为主成分分析第三波段；ＭＳＲ为修正型简单比值植被指数；ＣＯ为对比度；ＤＩ为相异性；ＨＯ为均匀性；ＶＡ为方差；Ｒ２为模型决定系数；ＲＭＳＥ为均方根误差；ｒＲＭＳＥ为相对均方根误差
所有样地无区分分析基础上建立生物量综合模型，其中，地上生物量模型的Ｒ２达到０．４１，地下生物量模型的Ｒ２达到０．５７，地上和地下生物量的ＲＭＳＥ分别为２１．８９、４．９０ｔ·ｈｍ－２。从ｒＲＭＳＥ可以看出，不区分森林类型地下生物量的估算精度优于地上生物量的估算精度，ｒＲＭＳＥ分别为１９％和２６％。
分别在森林类型（针叶林、阔叶林、混交林）基础上建立地上、地下生物量分类模型，总体上表现为混交林优于阔叶林，阔叶林优于针叶林。在地上生物量反演模型中，混交林模型的Ｒ２达到０．７７，阔叶林模型的Ｒ２达到０．７４，针叶林模型的Ｒ２达到０．６７，相应地ＲＭＳＥ分别为１４．７０、１９．０２与１２．８９ｔ·ｈｍ－２；在地下生物量反演模型中，混交林模型的Ｒ２达到０．８４，阔叶林模型的Ｒ２达到０．８０，针叶林模型的Ｒ２达到０．７０，相应地ＲＭＳＥ分别为３．７１、３．１１与３．５９ｔ·ｈｍ－２。由ｒＲＭＳＥ可以看出，阔叶林地下生物量的估算精度最高（ｒＲＭＳＥ＝１２％），阔叶林地上生物量的估算精度最低（ｒＲＭＳＥ＝２０％）。
针对同一种森林类型，分别利用综合模型和分类模型估算３种森林类型地上、地下生物量并比较精度，从图５可以看出，总体来说分类模型相比于综合模型精度上都有较大提高。其中，综合模型对混交林地上和地下生物量的估算精度最高，Ｒ２分别达到了０．７３和０．８２。而对针叶林地上和地下生物量
的估算精度最差，Ｒ２分别为０．００５６和０．０００７。利用分类模型估算各自生物量时，针叶林地上和地下生物量估算精度分别提升至０．６７和０．７０，阔叶林地上和地下生物量估算精度分别由０．３提升至０．７４和０．８０，混交林地上和地下生物量估算精度与用综合模型估算时的精度差异不明显，分别由０．７３提升至０．７７，由０．８２提升至０．８４。
利用生物量综合模型反演得到常熟虞山地上和地下生物量信息空间分布图，如图６所示，地上生物量分布范围为３２．２０～１９１．５３ｔ·ｈｍ－２之间，地下生物量分布范围为１０．４５～６１．７９ｔ·ｈｍ－２之间，地上生物量集中分布在７０～１００ｔ·ｈｍ－２，地下生物量集中分布在２１～２７ｔ·ｈｍ－２。低值区主要分布在山脊处和虞山林场西北部边缘树木较少的地区，高值区主要分布在山谷处以及阳光雨水充足的平坦地区。
４ 讨 论
Ｌａｎｄｓａｔ ８的ＯＬＩ传感器相比ＴＭ、ＥＴＭ和ＥＴＭ＋具有更高的信噪比，另外，将辐射分辨率提高到了１２ｂｉｔ，大大增加了影像的灰度量化级，避免了极亮和极暗区的灰度过饱和现象，可以更好地显示这些地区的信息细节。此外，Ｌａｎｄｓａｔ ８影像还收窄了多光谱波段的波长范围，使它们变得更敏感。这些新的特性对本文生物量的反演具有积
０
３
２
遥 感 技 术 与 应 用 第３０卷
图４ 样地地上生物量和地下生物量的实测值与模型预测值的对比散点图及１∶１线图
Ｆｉｇ．４ Ｓｃａｔｔｅｒｐｌｏｔｓ ａｎｄ １∶１ｌｉｎｅ ｏｆ，ａｂｏｖｅ－ｇｒｏｕｎｄ ｂｉｏｍａｓｓ（ＷＡ）ａｎｄ ｂｅｌｏｗ－ｇｒｏｕｎｄ ｂｉｏｍａｓｓ（ＷＢ）ｂｅｔｗｅｅｎｔｈｅ ｆｉｅｌｄ－ｍｅａｓｕｒｅｄ ｐｌｏｔ ｄａｔａ ａｎｄ ｔｈｅ ｍｏｄｅｌｓ ｅｓｔｉｍａｔｅｄ ｒｅｓｕｌｔｓ ｏｆ ５５ｓａｍｐｌｅ ｐｌｏｔｓ
极意义。
２００３年Ｌｕ［１２］应用ＴＭ影像针对热带森林研究发现，纹理特征值结合波段值或植被指数来估测森林生物量时，精度比单独用遥感影像的波段值或植被指数精度有较大提高，该结论在本研究中也得到了验证。如图２所示，纹理信息组与生物量的相关性总体较高，而原始单波段与生物量的相关系数较低，尤其ＣＯ、ＤＩ、ＨＯ纹理特征在估算所有样地、针叶林、混交林生物量时都被选中，说明纹理信息在估算这几种森林类型生物量时具有很强的解释作用，敏感度较好。但是在阔叶林生物量估测模型中，纹理信息的解释能力明显降低。李明诗等结合光谱、
１
３
２
第２期 徐 婷等：基于Ｌａｎｄｓａｔ ８ＯＬＩ的特征变量优化提取及森林生物量反演
图５ 综合模型和分类模型分别估测不同森林类型生物量的实测值与预测值的对比Ｆｉｇ．５ Ｏｂｓｅｒｖｅｄ ｆｉｅｌｄ ｂｉｏｍａｓｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ｆｏｒｅｓｔ ｔｙｐ
ｅｓ ｐｌｏｔｔｅｄ ａｇａｉｎｓｔ ｐｒｅｄｉｃｔｅｄ ｄａｔａ ｂｙｕｓｉｎｇ
ｇｅｎｅｒａｌ ｍｏｄｅｌ ａｎｄ ｃｌａｓｓｉｆｉｅｄ ｍｏｄｅ
ｌ图６ 研究区森林生物量信息空间分布Ｆｉｇ．６ Ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｂｉｏｍａｓｓ ｉｎ ｓｔｕｄｙ
ａｅｒａ纹理等特征进行了南京紫金山主要优势树种生物量的建模研究，得出纹理信息对于阔叶林生物量估算的作用相对较低，这一结论与本研究结论相似。这主要是由于阔叶林树冠形状不规整，空间的可重复性差，因而用纹理测度再现阔叶林的空间形态特征时表达能力下降。
分森林类型建立生物量模型，总体来看混交林模型的决定系数高于针叶林和阔叶林，是由于虞山林场的混交林里阔叶长得都比较高大，属于优势树种，而遥感只能观测到水平信息，对森林垂直结构分布只能提供有限信息，所以对下层的针叶及灌木无
法获取信息［１３］
。今后，可以借助激光雷达数据，利
２
３２ 遥 感 技 术 与 应 用 第３０卷
用ＬｉＤＡＲ数据能穿透森林获取森林垂直结构信息的优势，与遥感数据能获得森林水平信息的优势互补，期望探索出森林生物量估算的更为精确的方法。
储存在枯枝落叶和土壤中的碳占生态系统碳储量的３０％～９０％，森林生物量的２０％～４０％由地下生物量组成［１４］，因此，地下生物量的研究是进一步阐述全球陆地生态系统物质循环和能量流动的基础。森林地下生物量的测定由于根系难以取得而成为研究的难点，传统实地测定地下生物量的挖掘收获法，很难获取较大区域的地下生物量，需要高强度的劳动且对样地的破坏性较大［１５］。本研究选择了利用模型法估算地下生物量，基于Ｌａｎｄｓａｔ ８ＯＬＩ遥感数据结合样地实测的地下生物量值，对地下生物量进行遥感法估算，精度达到了０．５７以上，在估算混交林地下生物量时精度达到了０．８４，取得了较好的结果，说明遥感方法建模估测地下生物量具有必要性以及准确性。
由图６和表１可知，通过综合模型反演出的生物量值得范围在野外地面调查计算得到的生物量值的范围内，这不仅说明样地的选择较合理，而且表明本研究反演的生物量模型适用于整个研究区。另外，从生物量信息空间分布图还可以看出，地上和地下生物量分布趋势基本一致，低值区主要分布在山脊等陡峭的地区，高值区主要分布在山谷等平坦的地区。由图可以看出，原始西北角有一块低值区，主要是因为此处地势陡峭且土壤薄不利于树木生长，虞山东北角（龙殿附近）有一个明显的高值区，因为该处有大片的阔叶林。
５ 结 语
以常熟虞山林场为研究对象，通过对Ｌａｎｄｓａｔ８ＯＬＩ影像数据的处理分析和外业样地的调查，利用遥感光学技术进行森林生物量反演的试验。研究结果表明用综合模型分别估算针叶林、阔叶林和混交林生物量时，对混交林生物量估算精度最高，阔叶林次之，针叶林估算精度最低。对于不同森林类型分别建立的生物量估算模型比所有样地无区分建立的生物量估算模型的精度有明显的提高，对于不同森林类型，生物量估算精度差异不大。混交林估算精度相对较高，阔叶林次之，针叶林估算精度相对较低；生物量与归一化植被指数（ＮＤＶＩ）、叶面积指数
（ＳＬＡＶＩ）、Ｂ
４、Ｂ
５
等常用生物量遥感估测的自变量
基本不相关，而与多个纹理信息存在较好的相关性。根据综合模型制作的虞山生物量空间分布图分布较合理，而且生物量范围在样地调查的生物量范围之内，表明生物量模型适用于虞山地区。
参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：
［１］ Ｌｉ Ｈａｉｋｕｉ，Ｌｅｉ Ｙｕａｎｃａｉ．Ｅｓｔｉｍａｔｉｏｎ ａｎｄ Ｅｖａｌｕａｔｉｏｎ ｏｆ ＦｏｒｅｓｔＢｉｏｍａｓｓ Ｃａｒｂｏｎ Ｓｔｏｒａｇｅ ｉｎ Ｃｈｉｎａ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｃｈｉｎａ Ｆｏｒｅｓｔｒｙ
Ｐｕｂｌｉｓｈｉｎｇ Ｈｏｕｓｅ，２０１０．［李海奎，雷渊才．中国森林植被生
物量和碳储量评价［Ｍ］．北京：中国林业出版社，２０１０．］［２］ Ｘｕ Ｈａｎｑｉｕ，Ｔａｎｇ Ｆｅｉ．Ａｎａｌｙｓｉｓ ｏｆ Ｎｅｗ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｔｈｅＦｉｒｓｔ Ｌａｎｄｓａｔ ８Ｉｍａｇｅ ａｎｄ Ｔｈｅｉｒ Ｅｃｏ－ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｉｇｎｉｆｉ－
ｃａｎｃｅ［Ｊ］．Ａｃｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ，２０１３，３３（１１）：３２４９－３２５７．［
徐涵秋，唐菲．新一代Ｌａｎｄｓａｔ系列卫星：Ｌａｎｄｓａｔ ８遥感影像
新增特征及其生态环境意义［Ｊ］．生态学报，２０１３，３３（１１）：３２４９－３２５７．］
［３］ Ｚｈｅｎｇ Ｄ Ｌ，Ｒａｄｅｍａｃｈｅｒｂ Ｊ，Ｃｈｅｎ Ｊ，ｅｔ ａｌ．Ｅｓｔｉｍａｔｉｎｇ Ａｂｏ－ｖｅｇｒｏｕｎｄ Ｂｉｏｍａｓｓ Ｕｓｉｎｇ Ｌａｎｄｓａｔ７ＥＴＭ＋Ｄａｔａ ａｃｒｏｓｓ ａ
Ｍａｎａｇｅｄ Ｌａｎｄｓｃａｐｅ ｉｎ Ｎｏｒｔｈｅｒｎ Ｗｉｓｃｏｎｓｉｎ，ＵＳＡ［Ｊ］．Ｒｅ－
ｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，２００４，（９３）：４０２－４１１．
［４］ Ｙａｎｇ Ｃｕｎｊｉａｎ，Ｌｉｕ Ｊｉｙｕａｎ，Ｌｕｏ Ｊｉａｎｃｈｅｎｇ．Ｃｏｒｒｅｌａｔｉｏｎ Ａｎａｌｙ－ｓｉｓ ｏｆ Ｌａｎｄｓａｔ ＴＭ Ｄａｔａ ａｎｄ Ｉｔｓ Ｄｅｒｉｖｅｄ Ｄａｔａ，Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ
Ｄａｔａ ａｎｄ Ｔｏｐｏｇｒａｐｈｉｃ Ｄａｔａ ｗｉｔｈ ｔｈｅ Ｂｉｏｍａｓｓ ｏｆ Ｄｉｆｆｅｒｅｎｔ
Ａｇｅｄ Ｔｒｏｐｉｃａｌ Ｆｏｒｅｓｔｓ［Ｊ］．Ａｃｔａ Ｐｈｙｔｏｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ，２００４，２８（６）：８６２－８６７．［杨存建，刘纪远，骆剑承．不同龄组的热带森
林植被生物量与遥感地学数据之间的相关性分析［Ｊ］．植物生
态学报，２００４，２８（６）：８６２－８６７．］
［５］ Ｆｅｎｇ Ｚｏｎｇｗｅｉ，Ｗａｎｇ Ｘｉａｏｋｅ，Ｗｕ Ｇａｎｇ．Ｔｈｅ Ｆｏｒｅｓｔ Ｅｃｏｓｙｓ－ｔｅｍ Ｂｉｏｍａｓｓ ａｎｄ Ｐｒｏｄｕｃｔｉｖｉｔｙ ｉｎ Ｃｈｉｎａ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｓｃｉｅｎｃｅ
Ｐｒｅｓｓ，１９９９：９９－１８７．［冯宗炜，王效科，吴刚．中国森林生态系
统的生物量和生产力［Ｍ］．北京：科学出版社，１９９９：９９－１８７．］［６］ Ｌｕｏ Ｙａ，Ｘｕ Ｊｉａｎｈｕａ，Ｙｕｅ Ｗｅｎｚｅ．Ｒｅｓｅａｒｃｈ ｏｎ Ｖｅｇｅｔａｔｉｏｎ Ｉｎ－ｄｉｃｅｓ ｂａｓｅｄ ｏｎ ｔｈｅ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅ［Ｊ］．Ｅｃｏｌｏｇｉｃ Ｓｃｉ－
ｅｎｃｅ，２００５，２４（１）：７５－７９．［罗亚，徐建华，岳文泽．基于遥感影
像的植被指数研究方法述评［Ｊ］．生态科学，２００５，２４（１）：７５－
７９．］
［７］ Ｌｉ Ｍｉｎｇｓｈｉ，Ｔａｎ Ｙｉｎｇ，Ｐａｎ Ｊｉｅ，ｅｔ ａｌ．Ｍｏｄｅｌｉｎｇ ｆｏｒｅｓｔ Ａｂｏ－ｖｅｇｒｏｕｎｄ Ｂｉｏｍａｓｓ ｂｙ Ｃｏｍｂｉｎｉｎｇ ｔｈｅ Ｓｐｅｃｔｒｕｍ，Ｔｅｘｔｕｒｅｓ ｗｉｔｈ
Ｔｏｐｏｇｒａｐｈｉｃ Ｆｅａｔｕｒｅｓ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｎｆｏｒｍａｔｉｏｎ，２００６，
（６）：６－９．［李明诗，谭莹，潘洁，等．结合光谱、纹理及地形特征
的森林生物量建模研究［Ｊ］．遥感信息，２００６，（６）：６－９．］［８］Ｎ ｓｓｅｔ Ｅ，Ｇｏｂａｋｋｅｎ Ｔ．Ｅｓｔｉｍａｔｉｏｎ ｏｆ Ａｂｏｖｅ ａｎｄ Ｂｅｌｏｗ－ｇｒｏｕｎｄ Ｂｉｏｍａｓｓ ａｃｒｏｓｓ Ｒｅｇｉｏｎｓ ｏｆ ｔｈｅ Ｂｏｒｅａｌ Ｆｏｒｅｓｔ Ｚｏｎｅ Ｕ－
ｓｉｎｇ Ａｉｒｂｏｒｎｅ Ｌａｓｅｒ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，２００８，１１２（６）：３０７９－３０９０．
［９］ Ｆｕ Ｔｉａｎ，Ｐａｎｇ Ｙｏｎｇ，Ｈｕａｎｇ Ｑｉｎｇｆｅｎｇ，ｅｔ ａｌ．Ｐｒｅｄｉｃｔｉｏｎ ｏｆＳｕｂｔｒｏｐｉｃａｌ Ｆｏｒｅｓｔ Ｐａｒａｍｅｔｅｒｓ Ｕｓｉｎｇ Ａｉｒｂｏｒｎｅ Ｌａｓｅｒ Ｓｃａｎｎｅｒ
［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２０１１，１５（５）：１０９２－１１０４．［付
甜，庞勇，黄庆丰，等．亚热带森林参数的机载激光雷达估测
［Ｊ］．遥感学报，２０１１，１５（５）：１０９２－１１０４．］
［１０］Ｈａｎ Ｙｉｎｇ，Ｐｅｉ Ｌｉａｎｇ，Ｄｕ Ｊｉａ．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｎｖｅｒｓｉｏｎ ｏｆＡｂｏｖｅｇｒｏｕｎｄ Ｂｉｏｍａｓｓ ｏｖｅｒ ｔｈｅ Ｈｏｎｇｈｅ Ｗｅｔｌａｎｄ［Ｊ］．Ｒｅｍｏｔｅ
Ｓｅｎｓｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ，２０１４，２９（２）：２２４－２３１．
３
３
２
第２期 徐 婷等：基于Ｌａｎｄｓａｔ ８ＯＬＩ的特征变量优化提取及森林生物量反演
［韩颖，裴亮，杜嘉．洪河湿地植被地上生物量遥感反演研究［Ｊ］．遥感技术与应用，２０１４，２９（２）：２２４－
２３１．］［１１］ Ｐａｎｇ
Ｙｏｎｇ，Ｌｉ Ｚｅｎｇｙｕａｎ．Ｉｎｖｅｒｓｉｏｎ ｏｆ Ｂｉｏｍａｓｓ Ｃｏｍｐｏｎｅｎｔｓ ｏｆｔｈｅ Ｔｅｍｐｅｒａｔｅ Ｆｏｒｅｓｔ Ｕｓｉｎｇ Ａｉｒｂｏｒｎｅ ＬｉＤＡＲ Ｔｅｃｈｎｏｌｏｇｙ ｉｎＸｉａｏｘｉｎｇ＇ａｎ Ｍｏｕｎｔａｉｎｓ，Ｎｏｒｔｈｅａｓｔｅｒｎ ｏｆ Ｃｈｉｎａ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌ ｏｆ Ｐｌａｎｔ Ｅｃｏｌｏｇｙ，２０１２，３６（１０）：１０９５－１１０５．［庞勇，李增元．基于机载激光雷达的小兴安岭温带森林组分生物量反演［Ｊ］．植物生态学报，２０１２，３６（１０）：１０９５－
１１０５．］［１２］ Ｌｕ Ｄ Ｓ．Ｅｓｔｉｍａｔｉｏｎ ｏｆ Ｆｏｒｅｓｔ Ｓｔａｎｄ Ｐａｒａｍｅｔｅｒｓ ｕｓｉｎｇ
ＬａｎｄｓａｔＴＭ Ｉｍａｇｅｓ ｉｎ ｔｈｅ Ｂｒａｚｉｌｉａｎ Ａｍａｚｏｎ Ｂａｓｉｎ［Ｃ］／／ＩｎｔｅｒｎａｔｉｏｎａｌＳｙｍｐｏｓｉｕｍ ｏｎ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ：Ｉｎｆｏｒｍａｔｉｏｎｆｏｒ Ｒｉｓｋ Ｍａｎａｇｅｍｅｎｔ ａｎｄ Ｓｕｓｔａｉｎａｂｌｅ Ｄｅｖｅｌｏｐｍｅｎｔ，２００３：４２３－
４２６．［１３］ Ｃａｏ Ｌｉｎ，Ｓｈｅ Ｇｕａｎｇｈｕｉ，Ｄａｉ Ｊｉｎｇｓｏｎｇ
，ｅｔ ａｌ．Ｓｔａｔｕｓ ａｎｄ Ｐｒｏｓ－ｐ
ｅｃｔｓ ｏｆ ｔｈｅ ＬｉＤＡＲ－ｂａｓｅｄ Ｆｏｒｅｓｔ Ｂｉｏｍａｓｓ Ｅｓｔｉｍａｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｎａｎｊｉｎｇ Ｆｏｒｅｓｔ Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅｓ Ｓｄｉ－ｔｉｏｎ），２０１３，３７（３）：１６３－１６９．［曹林，佘光辉，代劲松，等．激光雷达技术估测森林生物量的研究现状及展望［Ｊ］．南京林业大学学报（自然科学版），２０１３，３７（３）：１６３－
１６９．］［１４］Ｆａｎｇ Ｊｉｎｇｙｕｎ，Ｗａｎｇ Ｗｅｉ．Ｓｏｉｌ Ｒｅｓｐｉｒａｔｉｏｎ ａｓ ａ Ｋｅｙ
ＢｅｌｏｗＧｒｏｕｎｄ Ｐｒｏｃｅｓｓ：Ｉｓｓｕｅｓ ａｎｄ Ｐｅｒｓｐｅｃｔｉｖｅｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ ＰｌａｎｔＥｃｏｌｏｇｙ，２００７，３１（３）：３４５－３４７．［方精云，王娓．作为地下过程的土壤呼吸：我们理解了多少？［Ｊ］．植物生态学报，２００７，３１（３）：３４５－
３４７．］［１５］ Ｚｈｕ Ｇｕｉｌｉｎ，Ｗｅｉ Ｗｅｎｓｈａｎ，Ｚｈａｎｇ
Ｓｈｕｍｉｎ，ｅｔ ａｌ．Ａｎ Ｏｖｅｒｖｉｅｗｏｆ Ｍｅｔｈｏｄｓ ｏｆ Ｍｅａｓｕｒｉｎｇ Ｕｎｄｅｒｇｒｏｕｎｄ－ｂｉｏｍａｓｓ ａｎｄ Ｉｎｔｒｏｄｕｃ－ｔｉｏｎ ｏｆ Ｎｅｗ Ｔｅｃｈｎｉｑｕｅ［Ｊ］．Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｇｒａｓｓｌａｎｄ，２００８，３０（３）：９４－９９．［朱桂林，韦文珊，张淑敏，等．植物地下生物量测定方法概述及新技术介绍［Ｊ］．中国草地学报，２００８，３０（３）：９４－
９９．］Ｆｅａｔｕｒｅ Ｅｘｔｒａｃｔｉｏｎ ａｎｄ Ｆｏｒｅｓｔ Ｂｉｏｍａｓｓ Ｅｓｔｉｍａｔｉｏｎｂａｓｅｄ ｏｎ Ｌａｎｄｓａｔ
８ＯＬＩＸｕ Ｔｉｎｇ
，Ｃａｏ Ｌｉｎ，Ｓｈｅ Ｇｕａｎｇｈｕｉ（Ｃｏ－Ｉｎｎｏｖａｔｉｏｎ Ｃｅｎｔｅｒ ｆｏｒ Ｓｕｓｔａｉｎａｂｌｅ Ｆｏｒｅｓｔｒｙ
ｉｎ Ｓｏｕｔｈｅｒｎ Ｃｈｉｎａ，Ｎａｎｊｉｎｇ Ｆｏｒｅｓｔｒｙ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２
１００３７，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｍｏｄｅｌｓ ｗｅｒｅ ｅｓｔａｂｌｉｓｈｅｄ ｗｉｔｈ ｔｈｅ ｓｔｅｐｗｉｓｅ ｒｅｇｒｅｓｓｉｏｎ ｂａｓｅｄ ｏｎ Ｌａｎｄｓａｔ ８ＯＬＩ ｉｍａｇｅｒｙ
ａｎｄ ａ ｓｕｒ－ｖｅｙ ｏｆ ５５ｐｌｏｔｓ ｉｎ Ｙｕｓｈａｎ ｆｏｒｅｓｔ ｉｎ Ｃｈａｎｇｓｈｕ，Ｊｉａｎｇｓｕ ｐｒｏｖｉｎｃｅ ｔｏ ｅｓｔｉｍａｔｅ ｔｈｅ ｆｏｒｅｓｔ ｂｉｏｍａｓｓ，ａｎｄ ｄｉｓｃｕｓｓｅｓｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｐｒｅｄｉｃｔｉｏｎ ｃｏｎｃｌｕｄｉｎｇ
ａｃｃｕｒａｃｙ．Ａｓ ｍｕｃｈ ａｓ ５３ｉｎｄｅｐｅｎｄｅｎｔ ｖａｒｉａｂｌｅｓ ｗｅｒｅ ｓｅｌｅｃｔｅｄ ｏｕｔ，ｉｎｃｌｕ－ｄｉｎｇ ｇｒａｙ ｖａｌｕｅ ｏｆ ｅａｃｈ ｂａｎｄ，ｔｈｅ ｌｉｎｅａｒ ａｎｄ ｎｏｎｌｉｎｅａｒ ｃｏｍｂｉｎａｔｉｏｎｓ ｂｅｔｗｅｅｎ ｄｉｆｆｅｒｅｎｔ ｂａｎｄｓ ｏｆ ｇｒａｙ ｖａｌｕｅ（ｉｎｃｌｕｄｉｎｇ １８ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ），ｔｅｘｔｕｒｅ ｉｎｆｏｒｍａｔｉｏｎ，ＰＣ（ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ），ｍｉｎｉｍｕｍ ｎｏｉｓｅｆｒａｃｔｉｏｎ ａｎｄ ｓｏ ｏｎ．Ｔｈｅ Ｐｅａｒｓｏｎ ｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ ｂｅｔｗｅｅｎ ｔｈｅ ５３ｉｎｄｅｐｅｎｄｅｎｔ ｖａｒｉａｂｌｅｓ ａｎｄ ｆｏｒｅｓｔ ｂｉｏ－ｍａｓｓ ｈａｓ ｂｅｅｎ ｃａｌｃｕｌａｔｅｄ ｔｏ ｓｅｌｅｃｔ ｔｈｅ ｂｅｔｔｅｒ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｖａｒｉａｂｌｅｓ．Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｆｏｒ ａｌｌ ｐｌｏｔｓｗｉｔｈ ｎｏ ｐａｒｔｉｔｉｏｎ ａｎａｌｙｓｉｓ，ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｏｆ ａｂｏｖｅ－ｇｒｏｕｎｄ ａｎｄ ｂｅｌｏｗ－ｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｍｏｄｅｌｓ ａｒｅ ａｌｌｈｉｇｈｅｒ ｔｈａｎ ０．４．Ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｗｅｒｅ ｍｕｃｈ ｈｉｇｈｅｒ ｗｈｅｎ ｅｓｔａｂｌｉｓｈｉｎｇ
ａｂｏｖｅ－ｇｒｏｕｎｄ ａｎｄ ｂｅｌｏｗ－ｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｍｏｄｅｌｓ ｆｏｒ ｔｈｒｅｅ ｄｉｆｆｅｒｅｎｔ ｆｏｒｅｓｔ ｔｙｐｅｓ（ｃｏｎｉｆｅｒｏｕｓ，ｂｒｏａｄ－ｌｅａｆ ａｎｄ ｍｉｘｅｄ）ａｎｄ ｔｈｅｙ ａｒｅ ａｌｌｒｅａｃｈｅｄ ｔｏ ０．６７ｏｒ ｅｖｅｎ ｈｉｇｈｅｒ．Ｆｏｒ ｔｈｅ ｐ
ｒｅｄｉｃｔｉｏｎｓ ｏｆ ａｂｏｖｅ－ｇｒｏｕｎｄ ａｎｄ ｂｅｌｏｗ－ｇｒｏｕｎｄ ｂｉｏｍａｓｓ，ｔｈｅ ｒｅｓｕｌｔｏｆ ｍｉｘｅｄ ｆｏｒｅｓｔ ｉｓ ｂｅｔｔｅｒ ｔｈａｎ ｂｒｏａｄ－ｌｅａｆ ｆｏｒｅｓｔ，ａｎｄ ｔｈｅ ｒｅｓｕｌｔ ｏｆ ｂｒｏａｄ－ｌｅａｆ ｆｏｒｅｓｔ ｉｓ ｂｅｔｔｅｒ ｔｈａｎ ｃｏｎｉｆｅｒｏｕｓｆｏｒｅｓｔ．
Ｋｅｙ
ｗｏｒｄｓ：Ｌａｎｄｓａｔ ８ＯＬＩ；Ｍｅｔｒｉｃｓ ｅｘｔｒａｃｔｉｏｎ；Ｆｏｒｅｓｔ ｂｉｏｍａｓｓ ｅｓｔｉｍａｔｅｓ；Ｓｔｅｐｗｉｓｅ ｒｅｇｒｅｓｓｉｏｎ４
３２ 遥 感 技 术 与 应 用 第３０卷
森林生物量的研究分析进展
森林生物量地研究进展-生物论文 森林生物量地研究进展 摘要：森林生物量是森林生态系统地最基本数量特征，是研究许多森林问题和生态问题地基础.建立森林生物量模型地目地是制定全国森林植被（包括乔木、灌木和草本）生物量地计量标准，为评价我国森林生产力和森林质量，以及监测我国地森林固碳释氧能力提供基础依据. 关键词：森林；生物量；生态系统 1 森林生物量 生物量是一定时间、一定空间一种或数种生物有机体地总重量，或者一个群落内所有生物有机体地总重量，前者是种地生物量，后者是群落地生物量.生物量实质是绿色植物在单位面积上通过同化器官进行光合作用积累地有机物和能量.群落生物量地多少，反映了群落利用自然潜力地能力，是衡量群落生产力地重要指标，也是研究森林生态系统物质循环地基础. 森林生物量是近代林学中发展起来地一项新内容，它是指各种森林在一定地年龄、一定地面积上所生长地全部干物质地重量，它是森林生态系统在长期生产与代谢过程中积累地结果.森林生物量是研究森林生态系统结构和功能地基本数据，主要有3个研究目地：一是在全球或区域地尺度上通过对森林生物量和生产力地地理空间分布规律，以及与气候因子、植物群落分布之间关系地研究，可以估算地球生物圈地承载能力.森林具有减缓温室效应地作用，森林生物量和生产力地研究与森林碳汇功能紧密结合起来，使森林地生物量和生产力成为新地研究热点.二是在生态系统地尺度上，某一森林生态系统生物产量地分布格局和机理可用来揭示生态系统生产力与环境地相互关系，探索维持持久林地生产力和健康
森林生态系统地内在生理要素和外在生态条件，为评价森林地可持续经营提供理论依据.三是森林生物量作为可再生地生物能源，通过生物技术措施来提高短轮伐期能源林地生物产量和生产力水平、能源林收获与加工贮存以及能源转换利用等技术，均是森林生物量地主要研究内容. 2 生物量地研究进展 最早有关生物量和生产力地研究报道，德国几种森林地枝叶掉落物和木材重量地测定.后来在研究森林自然稀疏问题时，探讨了森林地初级生产量.1944年，Kittredge利用叶重和胸径地拟合关系，成功地拟合了白松等树种预测叶量地对数回归方程.但这些研究都是局限于少数树种局部地段针对某项目地独立研究，总体上来说，森林生物量和生产力地研究并未引起人们地重视.到了20世纪50年代，人们开始关心生态系统到底能为人类提供多少有机物，世界上开始重视对森林生物量研究.20世纪80年代后，随着全球环境问题日益突出，全球碳循环研究得到重视，研究者将以往在斑块水平地生态系统研究成果和生物量数据，扩展到景观、区域乃至全球地空间尺度上，从而科学地评价森林生态系统在全球大气中发挥地碳源和碳汇地作用，同时也进一步推动了森林生物量和生产力地研究. 我国生物量研究工作起步较晚，20世纪60年代初，少数学者在部分地区对为数不多地树种开展了生物量测定和研究工作，以后地数十年里发展迅速.潘维俦等对杉木人工林地研究，冯宗炜对马尾松人工林地研究，以及李文华等对长白山温带天然林地研究，使我国森林生态系统生物量地研究在人工林和天然林两个方面得到了发展.冯宗炜采用特征木调查与分层切割等方法，对湖南省会同县森林群落地生物量及生物生产力进行了研究，并总结了全国不同森林类型地生物量
森林生物量模型建立主要技术规定
附件2 国家森林资源连续清查森林生物量模型建立暂行办法 （试行） 第一章总则 第一条目的任务 森林生物量是森林生态系统的最基本数量特征，是研究许多森林问题和生态问题的基础。建立森林生物量模型的目的是制定森林植被（包括乔木、灌木和草本）生物量计量标准，为评价森林生产力和森林质量，以及监测我国的森林固碳释氧能力提供基础依据。同时，增加森林枯落物储量调查建模，结合森林生物量，以满足森林碳汇现状与碳汇能力变化估算需要。 主要任务是通过采集所需的乔木、灌木、草本和枯落物等建模样本，建立森林生物量和枯落物储量模型，实验测定相应的固碳系数和储能系数。 第二条主要内容 （一）样本采集。包括乔木层（含竹类、下木，下同）、灌木层、草本层3个层次的生物量样本及枯落物层储量样本。 （二）系数测定。实验测定样品的含水率、含碳系数与储能系数。 （三）模型建立。森林生物量分别按乔木、竹类、灌木和草本建立回归模型，其中乔木和竹类建立单木回归模型，灌木建立
单木或样方回归模型，草本建立样方回归模型。枯落物储量按样方建立回归模型。 第三条建模单元 （一）乔木生物量建模单元原则上参照原农林部标准立木材积表（LY208－77）的分区和树种（组）确定。竹类生物量建模单元原则上按散生、丛生竹种类型，分毛竹类、刚竹类、其他散生竹类、簕竹、绿竹、其他丛生竹类确定建模单元。灌木和草本生物量建模单元原则上在森林植被群落内按建群种确定。枯落物储量建模单元原则上按森林的优势树种（组）确定。 （二）各省、自治区、直辖市可在上述原则要求的基础上，根据各自需求，并结合本地实际，进一步细化乔木、竹类、灌木、草本和枯落物建模单元。 第四条精度要求 （一）回归模型精度。乔木和竹类生物量模型精度在90％以上，灌木和草本生物量模型精度在85%以上，枯落物储量模型精度80%以上。 （二）系数测定精度。含水率、含碳系数和储能系数的实验测定精度要求在98％以上。 第二章样本采集 第五条前期准备 生物量建模承担单位根据本暂行办法编制操作细则，制定工
生物量测定方法
生物量测定方法 1树木生物量测定方法 1.1树木生物量的组成 一木树的生物量可以分为地下及地上两部分，地下部分是指树根系的生物量（WR）；地上部分主要包括树干生物量（WS）、枝生物量（WB）和叶生物量（WL）。在生物量的测定中，除称量各部分生物量的干重量外，有时还要计算它们占全树总生物量干重的百分数，此百分数称为分配比。树干占地上部分的分配比最大（一般为65～70%），而枝叶部分的分配比约各占15%左右。 与材积测定相比，生物量测定的对象更为复杂，测定的部分也多，因而使得生物量的测定工作即复杂又困难。但是树木生物量与树木胸径、树高等测树因子之间也有着密切的关系，这些关系也为树木生物量测定提供了依据。在树木生物量测定中，树冠量的大小与形状对枝、叶量的多少有着显著的影响，因此，在实际工作中，要研究反映冠形和冠量的因子，常用的因子有冠长率、树冠圆满度、树冠投影比等因子，这些因子的意义如下： ⑴冠长率是冠长与树高之比 ⑵树冠圆满度是冠幅与冠长之比。用以表明树冠的圆满程度，此值愈大愈圆满，反之而树冠狭长。 ⑶树冠投影比是冠幅与胸径之比。用以表明树木营养面积的相对大小，此值愈大则树木占有的相对空间愈大。 上述这些因子在枝叶生物量测定、估计及分析比较中起着较大的辅助作用。而且，这些因子与胸径、树高等测树因子之间有着密切的相关关系，这为利用测树因子直接估测树木生物量提供了依据。 1.2树木生物量鲜重和干重的测定 树体在自然状态下含水时的重量称为鲜重，它是砍伐后立即称量的重量。干燥后去掉结晶水的重量称为干重。在外业中只能测得树木的鲜重，然后采用各种方法将鲜重换算为干重，最常用的换算方法是计算树木的干重比（），即， 而（11-8） 式中可用取样测定获得。 （1）树干干重的测定方法 ①木材密度法
基于UAV无人机影像的树高反演研究
摘要 经过几十年的发展，我国已经初步形成了规模化的遥感对地观测体系，反演遥感技术越来越成熟，利用反演可以解决诸多问题。森林是我们人类赖以生存的重要资源之一，我国同时也是一个资源大国，但森林覆盖率却远远低于世界平均水平，林业资源在很多方面都应用广泛，因此我们需要尽可能的掌握林业资源的信息，同时需要林业调查周期要求更短，数据要求更精细，无人机遥感系统具有机动性、快速、分辨率高、适用范围更广等优点，适合林业调查的工作要求，能增强林业调查工作能力。传统的森林调查对于测量工作人员来说劳动强度大，经常会遇到按设计方案实施所得的结果能否不能够达到工程要求的问题。反观，无人机应用还可以减少外业作业时间降低劳动程度，提高工作效率。 总之，本文介绍了对利用获取的无人机影像反演的原理，通过采用ENVI软件和PHOTOSCAN以及LiDAR360软件平台，按照无人机影像处理的流程，使用通过无人机获取的影像处理生成的高精度数字表面模型和数字高程模型而后来得到冠层高程模型，提取林分树高森林参数信息，并对提取的结果与外业调查、目视判读做出了对比和分析，单木树高分割以及提取的森林参数信息可以达到非常高的精度，对无人机图像在森林资源调查中的应用做了一些研究，为其他森林信息的提取提供了思路，并对调查和监测森林资源在一定程度上进行技术指导。 关键词：无人机影像；反演；树高；单木分割 ABSTRACT After decades of development, China has initially formed a large-scale remote sensing earth observation system,Inversion of remote sensing technology is becoming more and more mature. Inversion can solve many problems.Forest is one of the most important
森林生物量的研究进展
森林生物量的研究进展-生物论文 森林生物量的研究进展 摘要：森林生物量是森林生态系统的最基本数量特征，是研究许多森林问题和生态问题的基础。建立森林生物量模型的目的是制定全国森林植被（包括乔木、灌木和草本）生物量的计量标准，为评价我国森林生产力和森林质量，以及监测我国的森林固碳释氧能力提供基础依据。 关键词：森林；生物量；生态系统 1 森林生物量 生物量是一定时间、一定空间一种或数种生物有机体的总重量，或者一个群落内所有生物有机体的总重量，前者是种的生物量，后者是群落的生物量。生物量实质是绿色植物在单位面积上通过同化器官进行光合作用积累的有机物和能量。群落生物量的多少，反映了群落利用自然潜力的能力，是衡量群落生产力的重要指标，也是研究森林生态系统物质循环的基础。 森林生物量是近代林学中发展起来的一项新内容，它是指各种森林在一定的年龄、一定的面积上所生长的全部干物质的重量，它是森林生态系统在长期生产与代谢过程中积累的结果。森林生物量是研究森林生态系统结构和功能的基本数据，主要有3个研究目的：一是在全球或区域的尺度上通过对森林生物量和生产力的地理空间分布规律，以及与气候因子、植物群落分布之间关系的研究，可以估算地球生物圈的承载能力。森林具有减缓温室效应的作用，森林生物量和生产力的研究与森林碳汇功能紧密结合起来，使森林的生物量和生产力成为新的研究热点。二是在生态系统的尺度上，某一森林生态系统生物产量的分布格局和机理可用来揭示生态系统生产力与环境的相互关系，探索维持持久林地生产力和健康
森林生态系统的内在生理要素和外在生态条件，为评价森林的可持续经营提供理论依据。三是森林生物量作为可再生的生物能源，通过生物技术措施来提高短轮伐期能源林的生物产量和生产力水平、能源林收获与加工贮存以及能源转换利用等技术，均是森林生物量的主要研究内容。 2 生物量的研究进展 最早有关生物量和生产力的研究报道，德国几种森林的枝叶掉落物和木材重量的测定。后来在研究森林自然稀疏问题时，探讨了森林的初级生产量。1944年，Kittredge利用叶重和胸径的拟合关系，成功地拟合了白松等树种预测叶量的对数回归方程。但这些研究都是局限于少数树种局部地段针对某项目的独立研究，总体上来说，森林生物量和生产力的研究并未引起人们的重视。到了20世纪50年代，人们开始关心生态系统到底能为人类提供多少有机物，世界上开始重视对森林生物量研究。20世纪80年代后，随着全球环境问题日益突出，全球碳循环研究得到重视，研究者将以往在斑块水平的生态系统研究成果和生物量数据，扩展到景观、区域乃至全球的空间尺度上，从而科学地评价森林生态系统在全球大气中发挥的碳源和碳汇的作用，同时也进一步推动了森林生物量和生产力的研究。 我国生物量研究工作起步较晚，20世纪60年代初，少数学者在部分地区对为数不多的树种开展了生物量测定和研究工作，以后的数十年里发展迅速。潘维俦等对杉木人工林的研究，冯宗炜对马尾松人工林的研究，以及李文华等对长白山温带天然林的研究，使我国森林生态系统生物量的研究在人工林和天然林两个方面得到了发展。冯宗炜采用特征木调查与分层切割等方法，对湖南省会同县森林群落的生物量及生物生产力进行了研究，并总结了全国不同森林类型的生物量
不同空间尺度森林参数多源遥感反演方法
不同空间尺度森林参数多源遥感反演方法森林作为地球陆地生态系统中面积最大、最重要的自然生态系统,在维持全球生态平衡,促进全球生物进化和群落演替等方面起到了至关重要的作用。森林参数作为森林生态系统最基本的数量表征,能够反映森林与环境间物质循环与能量流动关系,是评估森林碳源和碳汇的重要标志。森林冠层高度和地上生物量作为两种重要的森林参数,对其区域分布进行定量化研究可以为评估森林生态系统的健康状况发挥重要的理论和现实意义。传统的森林冠层高度和地上生物量测量方法主要以人工野外实地调查的方式获取,该方法费时费力并很难应用于大区域森林调查。 遥感作为20世纪末发展起来的新兴学科,正在以独特的观测视角为森林参数的定量估测提供新的研究方法。光学遥感影像具有空间分布连续性,能够提供多样化的光谱信息,可为区域尺度森林参数反演提供相应的遥感特征扩展因子。但是其信号穿透能力差,只能获取被测物体的二维平面光谱信息;激光雷达作为近些年迅速发展的主动式遥感技术,对森林冠层有着较强的穿透能力,能够获取森林垂直结构分布。机载激光雷达以一种自上而下的扫描方式的对地物进行观测,其获取的三维点云能够精确描述森林的三维结构特征,被广泛应用于林分森林参数估测。 然而,其数据获取成本较高,容易受天气条件的限制,很难覆盖大区域。星载激光雷达ICESat/GLAS的激光传感器被安置在卫星上,对陆地表面进行光斑采样,这些属性使得其有更大的数据覆盖范围,并且可以定期重复观测。由于GLAS的大光斑属性,在地形变化较大区域,其光斑范围内波形形状易受地形影响而产生畸变,从而使得GLAS光斑森林参数估测产生偏差。因此,如何充分发挥不同遥感数据源的优势,在不同空间尺度(林分,光斑和区域)进行森林参数反演成为本文研究的重点内容。 本文在其他学者研究的基础上,以中国东北部主要森林覆盖区大兴安岭地区为例,开展了基于多源遥感数据的不同空间尺度森林参数反演的方法研究,主要从以下三个方面开展:1)林分森林参数反演:利用机载LiDAR点云数据反演林分森林冠层高度,利用融合机载LiDAR特征和Landsat TM影像纹理特征的方法反演林分地上生物量;2)GLAS光斑森林参数反演:利用星载GLAS波形参数和SRTM地
常用森林营林树木分类表
森林营造绿化树种用途分类（重点掌握） 1、行道树：油松、水杉、银杏、白杨、桦木、朴树、榆树、银桦、玉兰、香樟、悬铃木、桉树、榕树、黄葛树、木棉、重阳木、栾树、羊蹄甲、女贞、槟榔、王棕。银杏、鹅掌楸、椴树、悬铃木、七叶树为世界五大行道树。 2、花木：玉兰、桃、樱花、海棠、红叶李、梅、合欢、鸡爪槭、芙蓉、紫薇、桂花、丁香。 3、叶木类：鸡爪槭、红枫、金钱松、紫叶李、乌桕、红背桂、变叶木等。 4、果木类：枸骨、紫珠、天目琼花、石榴、火棘、南天竹、佛手等。 5、孤植：苏铁、雪松、金钱松、白皮松、五针松、云杉、冷杉、水杉、落羽杉、池杉、南洋杉、塔柏、圆柏、日本花柏、千枝柏、黄葛树、榕树、荷花玉兰、悬铃木、樟、樱花、梅、木棉、重阳木、七叶树、凤凰树、红枫、鸡爪槭、栾树、无患子、紫薇、枫香、假槟榔、棕榈、棕竹、蒲葵。 6、垂直绿化：⑴墙面：爬山虎、蛇葡萄、络石、薜荔、常春藤、扶芳藤；⑵棚架：木香、云实、紫藤、葡萄、猕猴桃、藤本月季、蔷薇、凌霄、叶子花、使君子、油麻藤、木通；⑶陡岩：蔷薇、忍冬、枸杞、南蛇藤、云南黄素馨。 7、绿篱：①高篱：北美圆柏、侧柏、罗汉松、月桂、厚皮香、蚊母树、石楠、珊瑚树、醉鱼草、桂花、雪柳、女贞、丛生竹；②中篱：牛奶子、九里香、构骨、冬青卫矛、六月雪、木槿、小叶女贞、小蜡；③矮篱：小檗、黄杨、萼距花、雀舌花、小月季、迎春。 8.地被：铺地柏、厚皮香、地瓜藤、接骨木、八角金盘、日本珊瑚、牛奶子、五加、鹅掌柴，常春藤、蛇莓、三白草、麦冬、菖蒲、络石、百里香、万年青 第一题： 请根据以上所给出的绿化树木，在每类中写出8到10种最有代表性的（注：红色标记为必填，其余尽量选不同科的，麻烦作者多补充一些可用于园林建设，但此中未列出的树种，不胜感激），填入下列表格。（注：观赏特性主要针对孤植树、花木，叶木，果木，要写出叶型有无变化、开花、结果时期，并写出花色、
生物量计算新方法-唐守正
生物量数据是研究林业和生态问题的基础数据，而森林生物量是森林生态系统最基本的数量特征，它既能表明森林的经营水平和开发利用价值，又能反映森林及其所在环境物质循环和能量流动上的复杂关系。 早在2009年，国务院新闻办公室举行了新闻发布会，发布了我国第七次全国森林资源清查结果：我国森林植被总碳储量为78.11亿吨。这是我国首次对外公布的全国性森林碳储量数据，由此填补了我国在国际上的一项空白。2010年，我院举行了中国森林生态服务评估研究成果新闻发布会，公布了另一研究结果：我国森林植被生物量总量为157.7亿吨。这也是我国首次公布的全国生物量数据。这两项数据，全面评估了我国森林生态服务功能的物质和价值量，为构建我国林业三大体系、促进现代林业发展提供了科学依据，同时也客观反映了我国森林在全球碳循环及全球气候变化中所做出的贡献，为我国树立大国形象，以及在全球气候变化谈判中争取更多话语权发挥了重要的作用。 而这些数据的获得，得益于中国科学院院士、我院专家唐守正研究员率领的科研团队的长期研究结果。自1995年始，唐守正院士率领我院资源信息研究所、国家林业局中南林业调查规划设计院的专家，在林业部重点基金、国家自然基金、948、国家林业局专项基金等项目的陆续支持下，开展了森林生物量估算模型的研究和推广应用，形成了“与森林资源调查相结合的森林生物量测算技术”的研究成果，本成果获得了2012年度国家科技进步奖二等奖。 成果首次提出了非线性模型联合估计方法，有效解决了各维量模型之间不相容的问题。首次对干物质率法和密度法进行了比较研究，证明了生物量样品的密度和干物质率估计的最佳方法，证明在通过样品的密度和干物质率来计算全树的平均密度和干物质率的两种方法中，加权法优于直接回归法，提出了树干、树冠部分生物量外业测定时最好分别采用密度法、干物质率法。 据研究主要参加人我院资信所张会儒研究员介绍，森林生物量的测定和估计是当代林业生产和科研的热点问题，立木生物量是森林生物量的主体，它的优化模型尚不系统，之前在我国基本处在空白状态。“与森林资源调查相结合的森林生物量测算技术”研究成果的获得，对规范我国森林生物量调查评价技术、推进森林可持续经营，以及在研究森林生态系统功能等方面将发挥十分重大的作用。国家林业局资源司基于第七次全国森林资源连续清查资料，应用“与森林资源调查相结合的森林生物量测算技术”成果中提出的技术线路和方法，进行了我国森林植被生物量和碳储量评估。成果除了在第七次全国森林资源连续清查中发挥了重要的作用外，还在广东、贵州等部分省区的森林资源监测工作中得到了很好的推广应用。为结合森林资源调查编制森林生物量表提供了一套可行的技术路线和方法，为计量森林生态效益提供了强有力的技术手段，推动了我国森林生物量估测模型研究的深入发展。 张会儒研究员介绍说，在东北天然林区及南方人工林区，研究团队通过野外调查，研究提出了一套完整的建立相容性立木地上部分生物量模型的方法，研建了我国南、北11个树种(组)的二元和多元相容性生物量模型，在国内外首次提出了非线性模型联合估计方法，解决了生物量调查用表中的相容性和规范性问题。由此编制的生物量表解决了长期以来调查表中分量和总量不相容的问题。提出了生物量模型的评价指标体系，综合反映了模型的拟合效果、统计性能和预估的准确性。在模型中引进了材积因子，提高了模型的估计精度。将自适应树高曲线引入生物量模型，实现了由通用性向局部应用的转换。模型精度达到了总量和树干及木材生物量总相对误差±5%以内，平均相对误差±1%以内，预估精度达到了90%以上；树皮、树冠、枝和叶的平均相对误差在±8%以内，具有较高的精度和稳定性。成果具有明显创新性，在同类研究中处于国际先进水平。 广东省林业调查规划院在2002年和2007年开展的广东省森林资源连续清查和生态状况监测工作中，利用“与森林资源调查相结合的森林生物量测算技术”中的杉木、马尾松和阔
森林高度遥感估测研究综述
森林高度遥感估测研究综述 摘要在森林资源调查中，树高是最重要的测树因子之一。该文在总结森林高度地面测量方法的基础上，探持基于遥感数据估算森林高度的方法。分别讨论各种方法的适用性及其不确定性，以为选择估算森林高度的方法提供参考。 关键词森林高度；遥感估测；方法 森林生态系统是陆地生态系统的主要组成部分，在调节全球气候、维持全球碳收支平衡、减缓大气温室气体的浓度增长等方面起到至关重要的作用。在森林经营管理中，通常利用树高来确定立木材积和材积生长率，在森林资源日益减少的今天，对森林实现精准的测量显得尤为重要。该文介绍森林树高地面测量的方法，总结利用3类遥感数据(光学遥感，基于雷达数据的遥感、光学和雷达数据相结合)估算森林高度的方法，就各种方法的适用性及其不确定性分别进行讨论，以为选择估算森林高度的方法提供参考。 1森林树高地面测量方法 在传统的地面测量中，一般是在不把树木伐倒的情况下对树高进行测定，即测定的是立木高度。在地面测量中，目前主要采用测高器对林地单木树高进行测量。这些仪器是依据空间解析几何原理实时测量任一树高，不用攀树、轮尺、伐倒，在森林精准监测中具有重要作用。根据测高器的原理，可将测量方法分为2类：一是如克里斯顿测高器、韦塞测高器等利用几何相似原理进行测量；二是如布鲁莱斯测高器、激光测高器等利用三角函数原理进行测量，本质上是一种测角器。 测高器是现阶段森林资源调查中树高测量最常用的工具，能满足林业中5％精度的要求，这是被广泛认同的目。测高器使用方法简单，测量精度较高，适用于单木树高的测量。 2基于遥感的树高提取方法 地面测量主要依靠人工获取林木高度信息，是一个艰苦、繁琐、漫长、低效的过程。遥感技术的出现，使直接、实时、自动、可靠地进行大范围树高估测成为可能，给林业测量带来重大突破，提高了工作效率，减少了大量的人力、物力的支出，为快速、准确地获取大范围森林资源调查数据提供一种有潜力的技术手段。利用遥感技术估测森林高度，是目前很重要的一个研究方向。 2.1光学遥感 在利用遥感图像提取单木树高时，首先进行单木的分割，然后再进行高度的提取。目前，主要有基于阚值、边缘监测、区域特征和特征空间聚类等的遥感图像分割方法。韩学峰利用快鸟图像，计算立木阴影长度，通过几何算法，得到林
点云密度对机载激光雷达林分高度反演的影响
林业科学研究 2008,21(增刊):14～19 Forest Research 文章编号:100121498(2008)增刊20014206 点云密度对机载激光雷达林分高度反演的影响 3 庞 勇,李增元,谭炳香,刘清旺,赵 峰,周淑芳 (中国林业科学研究院资源信息研究所,北京 100091) 摘 要:以山东省泰安市徂徕山林场和重庆铁山坪林场为试验区,分别于2005年5月和2006年9月获取了低密度和高密度的L i D AR 点云数据,分别进行了林分平均高的反演试验。通过两个试验区的对比,分析了不同点云密度对机载L i D AR 数据反演林分参数的影响。结果表明:对于两种密度的点云数据,使用分位数法都可以很好地进行林分平均高的估计,高密度点云的反演结果略好一些,但二者结果差异不大;高密度的点云可以进行更小尺度的林分高估计和单木树高的估计,从而可以减少甚至避免对实地树高测量的依赖。关键词:L i D AR;点云密度;林分平均高中图分类号:S771.8 文献标识码:A 收稿日期:2007212209 基金项目:国家863课题(2007AA12Z173)、国家自然科学基金课题(40601070)、国家973课题(2007CB714404)、国家林业局948项目(200424264) 作者简介:庞勇(1976—),安徽省太和人,博士,助理研究员,主要从事合成孔径雷达和激光雷达对地观测机理和森林参数定量反演等方面的研究.Email:caf .pang@g mail .com 3本文作者感谢山东省泰安市徂徕山林场和重庆市铁山坪林场在外业调查中给予的大力支持和协作! The Effects of A i rborne L i D AR Po i n t D en sity on Forest He i ght Esti m a ti on PANG Yong,L I Zeng 2yuan,TAN B ing 2xiang,L I U Q ing 2w ang,ZHAO Feng,ZHOU Shu 2fang (Research I nstitute of Forest Res ource I nfor mati on Techniques,CAF,Beijing 100091,China ) Abstract:This paper takes Culaishan Forest Far m ,Shandong Pr ovince,and Tieshanp ing Forest Far m ,Chongqing,as test sites .The airborne discrete return L i D AR data were collected in May of 2005and Sep te mber of 2006seperately .The f orest height was esti m ated for both test sites .Thr ough the ca mparis on of the t w o sites,the effects of airborne L i D AR point density on f orest height esti m ati on were analyzed .The results de monstrated that it was feasible t o use l ow and high point density airborne L i D AR data t o esti m ate f orest height .Quartiles could give good tree height esti m ati on in the l ow L i D AR point density case .The accuracies fr om high density L i D AR data showeds only a little better than l ow density data .The high density data could be used t o esti m ate finer scale f orest height even individual tree height,which is hel pful t o m ini m ize necessity of the nu mber filed p l ots .Key words:L i D AR;point dansity;stand mean height 激光雷达L i D AR (L ight detecti on and ranging )是近年来国际上发展十分迅速的主动遥感技术,在森林参数的定量测量和反演上取得了成功的应用。激光雷达具有与被动光学遥感不同的成像机理,给林业遥感带来了重大突破,对植被空间结构和地形的探测能力很强,特别是对森林高度的探测能力,具有 明显的优势。近20年来,研究者发展提出了许多用 激光雷达数据反演林木参数的算法[1-4] ,极大推进了激光雷达在林业上的应用。小脚印的激光雷达系统已经成功地用于大范围的森林资源清查中[5] ,星载大脚印激光雷达已经在轨运行并成功地进行了全 球的数据获取[6] 。
遥感提取生物量的方法综述
利用遥感提取森林生物量的方法综述 一、引言 森林是陆地上最大的生态系统，在全球变化研究中占有举足轻重的地位。森林生物量是整个森林生态系统运行的能量基础和营养物质来源，是研究生物生产力、净第一性生产力、碳循环、全球变化研究的基础，因此对森林生物量测定方法进行研究具有非常重要的意义。随着“3S”技术(地理信息系统GIS、全球定位系统GPS、遥感RS)的不断发展,对植被生物量的研究已经从小范围、二维尺度的传统地面测量发展到大范围、多维时空的遥感模型估算。遥感不仅可以为预测生物量的模型提供数据，而且可以直接用于生物量的估算和制图。 二、利用遥感提取生物量 随着全球变化研究的深入，陆地生态系统生物量的估算工作变得越来越重要。基于遥感的生物量估算模型也逐渐由传统的经验模型向机理模型转变。机理模型是建立在植被辐射的吸收、反射与辐射在植被冠层和大气的传输过程以及影响森林生产力的生态学因子之上的。 最初，人们用LandsatMSS来监测植被的叶面积指数和活体生物量。后来，更多的是利用Landsat TM和NOAA A VHRR数据来监测植被生长和生物量。如结合地面调查和TM、A VHRR数据，对数百万平方公里欧洲森林生物量的成功估算，利用TM数据对美国Colorado矮草草原地上部分生物量的估算，对美国EastMaryland落叶林的地上部分生物量的估算等。近年来，各种星载和机载SAR 数据己被广泛用于估算陆地植物生物量，生物量估算己成为SAR数据的重要应用领域之一。卫星遥感使人们能在大陆甚至全球尺度上监测自然资源。过去的研究主要集中在热带和北方针叶林区。 与传统的生物量估算方法比较，遥感方法可快速、准确、无破坏地对生物量进行估算，对生态系统进行宏观监测。研究者可以利用遥感的多时相特点定位分析同一样区一段时间后的非干扰变化，使传统方法难以解决的问题变得轻而易举，使动态监测成为可能。且RS、GIS技术的集成推动了生物量遥感估算的进程，在GIS环境下实现包括RS信息在内的多种信息的复合，建立生物量遥感模型。利用GIS技术将高时相分辨率的卫星遥感数据如NOAA / A VHRR数据、TM 图像和各种观察数据集成在一起，基本上实现了区域尺度甚至全球尺度不同陆地生态系统生物量的动态监测。这一技术体系包括生物量遥感参数模型和生物量遥感机理模型。 生物量遥感估算研究大致可分为三个阶段: 最初的生物量遥感估算是利用单波段进行研究，如Prince和Goward研究认为，地上生物量与植物生长季内最小的可见光反射率存在着负相关，从而建立了地上生物量遥感估算的统计模型: =ρ W 7166.2- ) ( 61 . 式中，W为地上生物量;ρ为生长季A VHRR第一通道的最小值。利用单通道来 估算生物量，运算简便。但其受大气、土壤、传感器性能、太阳角度等一系列因素的影响强烈，估算精度较差。 第二阶段是利用植被指数来估算生物量，因其方法简便、估算精度较高而广为应用，从使用高空间分辨率的TM、MSS数据等到使用高时间分辨率的NOAA
基于LiDAR数据的平均树高反演关键技术研究
中国体视学与图像分析 2009年 第14卷 第2期CH I N ESE JOURNAL O F S TER EOLO GY AND I M AGE ANALYS I S Vo l .14No.2J une 2009 209 文章编号:1007-1482(2009)02-0209-07 基于L iDAR 数据的平均树高反演关键技术研究 张周威1 , 汪承义1 , 陈静波1 , 王 刚 2 (1.中国科学院遥感应用研究所遥感图像处理室, 北京 1001012.中国科学院对地观测与数字地球科学中心, 北京 100101) 摘 要:通过激光雷达数据反演林木参数,特别是树高,将极大地推进激光雷达在林业上的应用。 本文首先对L i D AR 获取的高密度点云进行预处理,生成适合森林参数提取的规则网格数字表面模型,然后利用形态学滤波的方法逐步去掉非地形要素,形成数字高程模型,最后利用数字表面模型减去得到的数字高程模型,可得到正则化数字表面模型,并求出地物的相对高度信息,在林木上就是最终得到所需要的树木平均高度信息。结合真实LH Syste m ALS40数据进行实验,验证了本文方法的可行性。 关键词:激光雷达;树高;形态学滤波;正则化数字表面模型中图分类号:S75811;TP391141 文献标识码:A Key Techn i que of Forest He i ght I nversi on fro m L iDAR Da t a set ZHANG Zhouwei 1 , WANG Chengyi 1 , CHEN J ingbo 1 , WANG Gang 2 (1.Depart m ent of Re mote Sensing I m age Pr ocessing,I nstitute of Remote Sensing App licati ons, Chinese Acade m ic Sciences,Beijing 100101,China; 2.Center f or Earth Observati on and D igital Earth,Chinese Acade my of Sciences,Beijing 100101,China )Abstract:Forest para meters,es pecially forest height,can be inverted fr om L ight Detecti on And was p r o 2cessed task,Ranging (L i D AR )dataset,which should p r omote the app licati ons of L i D AR in f orestry .T o do the hard task,the cl oud point data of L i D AR was p r ocessed at first,foll owed by generating regular grid digital surface model (DS M )t o extract f orestry infor mati on,then mor phol ogical filtering was used t o re 2move non 2t opographic features,finally relative height inf or mati on of gr ound features,including the forest height inf or mati on,were achieved by subtracting digital elevati on model (DE M )fr om DS M ,called nor 2malized DS M (nDS M ).Validati on of the experi m ents was carried out on a dataset collected by LH Syste m ALS40and the feasibility of this technique was p r oved .Key words:L i D AR;f orest height;mor phol ogical filter;n DS M 收稿日期:2009204220 基金项目:国家自然科学基金(08J0140055);中国科学院遥感应用研究所基金(08S01800CX ) 作者简介:张周威(1980-),男,博士生,研究方向为图像复原和提高图像分辨率。E 2M ail:wangcycastle@https://www.wendangku.net/doc/a84713854.html, 激光雷达(L ight Detecti on And Ranging,L i 2DAR )技术是现代对地观测的最新技术之一,在对地面的探测能力方面有着强大的优势。L i D AR 通过位置、距离、角度等观测数据直接获取对象表面点的三维坐标,空间与时间分辨率高、动态探测范围大、能够部分穿越树林遮挡、直接获取真实地表的高精度
三种森林生物量估测模型的比较分析
植物生态学报 2011, 35 (4): 402–410 doi: 10.3724/SP.J.1258.2011.00402 Chinese Journal of Plant Ecology https://www.wendangku.net/doc/a84713854.html, —————————————————— 收稿日期Received: 2010-09-15 接受日期Accepted: 2010-11-26 * E-mail: fanwy@https://www.wendangku.net/doc/a84713854.html, 三种森林生物量估测模型的比较分析 范文义* 张海玉 于 颖 毛学刚 杨金明 东北林业大学林学院, 哈尔滨 150040 摘 要 森林生物量的定量估算为全球碳储量、碳循环研究提供了重要的参考依据。该研究采用黑龙江长白山地区的TM 影像和133块森林资源一类清查样地的数据, 选取地学参数、遥感反演参数等71个自变量分别构建多元逐步回归模型、传统BP (back propagation)神经网络模型和基于高斯误差函数的BP 神经网络改进模型(Gaussian error function, Erf-BP), 进而估算该地区的森林生物量, 并进行比较分析。结果表明, 多元逐步回归模型估测的森林生物量预测精度为75%, 均方根误差为26.87 t ·m –2; 传统BP 神经网络模型估测森林生物量的预测精度为80.92%, 均方根误差为21.44 t ·m –2; Erf-BP 估测森林生物量的预测精度为82.22%, 均方根误差为20.83 t ·m –2。可见, 改进后的Erf-BP 能更好地模拟生物量与各个因子之间的关系, 估算精度更高。 关键词 生物量, BP 神经网络模型, 基于高斯误差函数的BP 神经网络改进模型, 多元逐步回归 Comparison of three models of forest biomass estimation FAN Wen-Yi *, ZHANG Hai-Yu, YU Ying, MAO Xue-Gang, and YANG Jin-Ming School of Forestry, Northeast Forestry University, Harbin 150040, China Abstract Aims Quantitative estimation of forest biomass is significant to studies of global carbon storage and carbon cy-cle. Our objective is to develop models to estimate forest biomass accurately. Methods Multi-stepwise regression model, traditional back propagation (BP) neutral network model and BP neutral network model based on Gaussian error function (Erf-BP) were developed to estimate forest biomass in Changbai Mountain of Heilongjiang, China according to TM imagery and 133 plots of forest inventory data. There were 71 dependent variables of geoscience and remote sensing. Important findings The precisions and root mean square errors of multi-stepwise regression model, traditional BP neutral network model and Erf-BP were 75%, 26.87 t·m –2; 80.92%, 21.44 t·m –2 and 82.22%, 20.83 t·m –2, re-spectively. Therefore, the relations between forest biomass and various factors can be better modeled and de-scribed by the improved Erf-BP. Key words biomass, back propagation (BP) neural network model, BP neutral network model based on Gaus-sian error function (Erf-BP), multi-stepwise regression 森林是地球上最重要的资源之一, 是陆地上面积最大、分布最广、组成结构最复杂、物质资源最丰富的生态系统, 是陆地生态系统的主要碳汇(庞勇等, 2005)。森林生物量则是整个森林生态系统运行的能量基础和营养物质来源, 是研究生物生产力、净第一性生产力、碳循环以及全球变化的基础(国庆喜和张锋, 2003)。因此, 准确估算森林生物量对全球碳汇、碳循环、碳平衡的研究以及全球变化的理解有举足轻重的作用(Brown et al ., 1996)。 森林生物量的估算方法主要有现地调查法、模 型模拟法和遥感估算法(薛立和杨鹏, 2004)。传统的现地调查法需要很多实测数据, 消耗大量的人力、财力和物力, 且很难在区域上推广。模型模拟法的问题之一是各分量模型间不相容, 即木材、树皮、枝、叶4部分干重之和不等于总量的问题, 唐守正等(2000)以长白落叶松(Larix olgensis )为例建立了相容性立木生物量模型, 解决了此问题。问题之二是模型的指标体系和模型精度各异, 无法在区域上推广。遥感信息模型的出现使得大范围高精度地估算森林生物量成为可能, 比起传统方法有很大的优越
点云密度对机载激光雷达林分高度反演的影响
林业科学研究 2008,21(增刊):14~19Forest R esearc h 文章编号:1001-1498(2008)增刊-0014-06 点云密度对机载激光雷达林分高度反演的影响 * 庞 勇,李增元,谭炳香,刘清旺,赵 峰,周淑芳 (中国林业科学研究院资源信息研究所,北京 100091) 摘 要:以山东省泰安市徂徕山林场和重庆铁山坪林场为试验区,分别于2005年5月和2006年9月获取了低密度和高密度的L i DA R 点云数据,分别进行了林分平均高的反演试验。通过两个试验区的对比,分析了不同点云密度对机载L i D AR 数据反演林分参数的影响。结果表明:对于两种密度的点云数据,使用分位数法都可以很好地进行林分平均高的估计,高密度点云的反演结果略好一些,但二者结果差异不大;高密度的点云可以进行更小尺度的林分高估计和单木树高的估计,从而可以减少甚至避免对实地树高测量的依赖。关键词:L i D AR;点云密度;林分平均高中图分类号:S771.8 文献标识码:A 收稿日期:2007-12-09 基金项目:国家863课题(2007AA12Z173)、国家自然科学基金课题(40601070)、国家973课题(2007CB714404)、国家林业局948项目(2004-4-64) 作者简介:庞勇(1976)),安徽省太和人,博士,助理研究员,主要从事合成孔径雷达和激光雷达对地观测机理和森林参数定量反演等方面的研究.Em ai :l ca.f pang @g m ai.l co m *本文作者感谢山东省泰安市徂徕山林场和重庆市铁山坪林场在外业调查中给予的大力支持和协作! The E ffects of A irborne L i D AR Poi nt D ensity on Forest H eight E sti m ation PANG Yong,LI Zeng-yuan,TAN Bing-x i ang,LIU Q ing-wang,ZHAO Feng,Z H OU Shu-fang (Research Insti tute of ForestRes ource In f or m ation Tec hn iq u es ,CAF ,Beiji ng 100091,Ch i na) Abst ract :Th is paper takes Culaishan Forest Far m ,Shandong Prov ince ,and T ieshanpi n g Forest Far m ,Chongq i n g ,as test sites .The airborne d iscrete retur n L i D AR data w ere co llected i n M ay o f 2005and Septe mber of 2006seperately .The forest heightw as esti m ated for bo t h test sites .Through the ca mparison o f t h e t w o sites ,t h e effects of a ir bor ne Li D AR po i n t density on fo rest he i g ht esti m ation w ere analyzed .The resu lts de m onstrated that itw as feasi b le to use l o w and high point density airbo r ne L i D AR data to esti m a te forest he i g h.t Quartiles could give good tree he i g ht esti m ati o n i n the lo w L i D AR po i n t density case .The accuracies fro m h igh density L i D AR data sho w eds on ly a little better than lo w density data .The high density data could be used to esti m ate fi n er sca l e forest height even i n dividual tree he i g h,t w hich is he l p fu l to m i n i m ize necessity o f the number filed p l o ts .K ey w ords :Li D AR;po i n t dansity ;stand m ean height 激光雷达L i D AR (Light detecti o n and rang ing)是近年来国际上发展十分迅速的主动遥感技术,在森林参数的定量测量和反演上取得了成功的应用。激光雷达具有与被动光学遥感不同的成像机理,给林业遥感带来了重大突破,对植被空间结构和地形的探测能力很强,特别是对森林高度的探测能力,具有 明显的优势。近20年来,研究者发展提出了许多用激光雷达数据反演林木参数的算法 [1-4] ,极大推进 了激光雷达在林业上的应用。小脚印的激光雷达系 统已经成功地用于大范围的森林资源清查中[5] ,星载大脚印激光雷达已经在轨运行并成功地进行了全球的数据获取 [6] 。