复杂地形草地植被碳储量遥感估算研究进展

草地生态系统是我国最大的陆地生态系统，其植被碳储量的准确评估对维护国家生态安全和指导畜牧发展有重要作用。植被生物量和草地面积是草地植被碳储量估算的关键，随着遥感技术的发展，两者估算精度和效率显著提高，先后发展出多种草地生物量遥感估算模型和土地覆被产品，并已在平坦地区取的较好估算结果。然而，复杂地形区迥异于平地的几何形态和水热分布所产生的不均一的生态系统结构和功能，给草地生物量和草地面积的遥感估算带来诸多困难，影响对草地植被碳储量的准确判定。本文在回顾国内外草地植被碳储量遥感估算方法与所需关键参数的基础上，对遥感估算复杂地形草地植被碳储量过程中所面临“遥感影像地形效应的去除和尺度选择”、“植被指数与地形指标的选取”、“过程模型植被生长参数的率定”、“草地面积估算”以及“气象数据与复杂地形上微气候的匹配”等问题进行了总结并提出相应的解决思路，以期为草地植被碳储量遥感估算模型的合理构建以及估算精度的提高提供参考。     

新疆喀纳斯国家自然保护区植被叶面积指数观测与遥感估算

叶面积指数(Leaf Area Index,LAI)是重要的植被结构参数,调控着植被与大气之间的物质与能量交换,在生态环境脆弱的我国西北部开展植被LAI的研究对阐明该地区植被对气候变化和人类活动的响应特征具有重要的科学意义.利用LAI-2200和TRAC仪器观测了新疆喀纳斯国家级自然保护区森林和草地的有效叶面积指数(LAIe)和真实LAI,构建了其遥感估算模型,生成了研究区LAIe和LAI的空间分布图.在此基础上,分析了LAI随地形因子(海拔、坡度、坡向)的变化特征,探讨了将其应用于估算研究区森林生物量密度的可行性,并评估了研究区MODIS LAI产品的精度.结果表明:研究区阔叶林、针阔混交林、针叶林、草地LAIe的平均值分别为4.40、3.18、2.57、1.76,LAI的平均值分别为4.76、3.93、3.27、2.30.LAIe和LAI的高值主要集中分布在湖泊和河流附近;植被LAI随海拔、坡度和坡向的变化表现出明显的垂直地带性的特点.LAI随海拔和坡度的增加呈现先增加后减小的变化趋势,坡向对针叶林和草地LAI的影响明显,但对阔叶林和针阔混交林LAI的影响较弱;森林生物量密度(BD)随LAI增加而线性增加(BD=44.396LAI-25.946,R2=0.83),研究区森林生物量密度平均值为120.3 t/hm2,估算的总生物量为5.0×l06 t;MODIS LAI产品与利用TM数据生成的LAI之间具有一定的相似性(森林R2=0.42,草地R2=0.53),但森林和草地的MODIS LAI产品分别比利用TM数据生成的LAI偏低16.5％和24.4％.     

基于森林群落和光谱曲线特征分异的福建省森林生物量遥感反演

基于福建省Landsat8 OLI影像,利用混合像元分解模型筛选出"纯净"的植被像元,提取296个调查样地对应植被像元的红光和近红外波段的中心波长(分别CWR和CWNIR)及其对应的反射率(分别R和NIR),构建以(NIR-R)/(CWNIR-CWR)为特征指数的叶生物量回归模型。然后根据针叶林、阔叶林及针阔混交林叶生物量与干、枝、叶所组成的地上生物量的关系方程,结合福建省植被覆盖分类数据,估测了整个福建省针叶林、阔叶林、混交林的地上生物量,并绘制了福建省地上生物量分布图。结果表明:红光和近红外两个波段反射率和其中心波长所组成的斜率与叶生物量相关性显著,与针叶林、阔叶林、混交林叶生物量的精度分别达到70.55%、68.89%、51.75%,采用这种方法对福建省叶生物量和地上总生物量进行估算,并进行精度验证,其中,针叶林、阔叶林、混交林叶物量的模型误差(RMSE)分别达到29.2467 t/hm~2(R~2=66.64%)、14.0258 t/hm~2(R~2=61.13%)、10.1788 t/hm~2(R~2=55.43%),地上总生物量的模型精度分别达到49.8315 t/hm~2(R~2=54.65%)、45.1820 t/hm~2(R~2=49.01%)、41.5131 t/hm~2(R~2=38.79%),这说明,采用红光波段和近红外波段与其中心波长所组成的斜率估测森林叶生物量,进而估算其地上总生物量的方法是可行的。     

臭氧污染对亚热带森林生产力和生物量的影响——以鼎湖山为例

全球气候变化背景下,我国近地面臭氧浓度不断增加,已严重威胁到森林生态系统。但是,目前臭氧污染影响我国亚热带森林生物量的研究仍然具有较高的不确定性。本研究比较了不同模型和不同参数化方案评估的鼎湖山森林和林下草地生物量损失率的差别,比较了鼎湖山阔叶林和针叶林以及林下草地的生物量损失率与总初级生产力(GPP)损失率的一致性。2015—2016年臭氧污染造成的鼎湖山阔叶林生物量损失率为11.3%—11.69%,针叶林生物量损失率为3.97%—3.68%,草地生物量损失11.2%—14.6%;不同参数化方案估计的鼎湖山阔叶林的生物量损失率在9%—13%之间,针叶林的生物量损失率在3.68%—4.4%之间变化,草地在11.2%—14.6%之间。基于臭氧剂量响应关系模型估算的阔叶林GPP损失率为10%—12.6%,针叶林GPP损失率为1.81%—2.6%,草地GPP损失率为3.2%—3.3%。总的来看,鼎湖山阔叶林和针叶林的生物量和GPP损失具有较高的一致性,阔叶林生物量和GPP的损失率明显高于针叶林生物量和GPP的损失率。     

河北小五台山主要植被类型的分布与地形的关系：基于遥感信息的分析

小五台山是河北省最高峰,具有较完整的暖温带植被垂直带谱。本文通过野外群落植被调查,结合由TM遥感影像解译1：50000地形图制作的DEM数据而得到的植被图,分析了小五台山主要植被群落的分布状况及其与地形的关系。结果表明,小五台山从低海拔到高海拔,依次出现灌丛、阔叶林、针阔混交林、暗针叶林、矮林、灌丛、草甸等植被类型。森林景观的面积最大,占总面积的60．7％;平均斑块面积最大的是阔叶林和亚高山草甸,斑块破碎化最严重的是水体和针阔混交林。不同的植被类型在不同的地形条件下分布特点不同,林地在北坡所占面积比例(占总面积的75％)远大于南坡(46%),说明水分条件是小五台山森林分布的限制因子之一;灌丛和草甸与林地相反。随海拔高度的变化,不同植被类型的分布面积比例发生变化,出现替代现象,形成植被垂直带谱。由于坡度的影响,增加了带谱内植被组成的复杂性。     

基于高分辨率遥感影像的森林地上生物量估算

以南京市紫金山林区为研究区,利用e-Cognition面向对象分类方法,基于光谱和空间信息融合后的IKONOS影像提取单木树冠阳性冠幅(PoCA, Positive crown area)信息,并结合野外实测的样方生物量数据,分别建立了针叶林和阔叶林地上生物量 (AGB, Aboveground Biomass)的遥感估算模型,并利用实测森林生物量数据对模型进行了验证。结果表明,基于遥感影像提取的PoCA与实测AGB存在较好的非线性相关关系,所建针叶林AGB估算模型的可靠性优于阔叶林模型。对建模样本而言,估算的针叶林和阔叶林AGB与观测数据比较的R2分别为0.62 (P<0.01,n=9) 和0.56(P<0.01,n=16)。验证表明,所建AGB估算模型的可靠性较好,估算的针叶林和阔叶林AGB与观测数据比较的R2分别为0.55(P<0.01,n=6) 和0.52(P<0.01,n=10),但当AGB较低时,模型结果偏高,AGB较低时,模型结果偏低。研究说明通过高分辨率遥感数据的融合、提取树冠信息进行生物量估算是可行性的。     

地形校正对森林生物量遥感估测的影响

基于常用的4种地形校正模型（Cosine模型、C模型、C+SCS模型、Minnaert模型）,以IDL语言为二次开发平台,对黑龙江省帽儿山地区2007年7月21日TM图像进行地形校正,从视觉差异、图像的定量统计特征两方面评价了4种地形校正模型的修正效果,并比较了地形校正后几种遥感因子与森林生物量的相关性,建立了森林生物量的遥感反演模型,分析了不同地形校正模型对森林生物量反演的影响.结果表明：由于K-T变换采用线性变换方式,地形校正后遥感数据与森林生物量的相关性出现了较大波动,应根据地表信息调整变换参数,因此该变换方式不适合与地形校正结合使用;植被指数的信息量在地形校正后明显提高,其与森林生物量的相关性显著增强;4种地形校正模型中,Cosine校正过度,不宜采用,C模型和C+SCS模型通过引入半经验参数,较好地消除了地形效应,Minnaert模型校正后降低了森林生物量估测的误差,有效地提高了遥感反演模型的精度.     

基于多目标灰色局势决策的三峡库区防护林类型空间优化配置

基于2007年Landsat TM遥感影像和影响防护林的主导环境因子,对三峡库区的森林立地进行分类,并通过选取水源涵养量、生物量和林分生产力3个指标,利用多目标灰色局势决策模型对库区现有的针叶林、阔叶林、针阔混交林和灌木林4种防护林类型进行空间优化配置.结果表明： 2007年,三峡库区森林立地可划分为40种类型;空间配置优化后,研究区针叶林、阔叶林、针阔混交林和灌木林的面积比例分别为32.55%、29.43%、34.95%和3.07%.与优化前相比,优化后针叶林和灌木林的面积比例分别减少了8.79%和28.55%,阔叶林和针阔混交林分别增加了10.23%和27.11%.通过防护林类型的空间优化,三峡库区整体的水源涵养能力、生物量和林分生产力分别增加14.09×10⁸ m³、0.35×10⁸ t和1.08×10⁶ t.     

2000—2019年石羊河流域植被总初级生产力变化及其气候特征

石羊河流域是我国典型的内陆河流域,生态特征敏感脆弱,是了解干旱地区陆地生态系统总初级生产力(gross primary productivity, GPP)对气候变化响应及反馈的典型区域。本研究通过卫星数据和地面观测数据建立光能利用率模型,模拟估算了石羊河流域2000—2019年植被GPP,分析了气候影响下的不同植被类型GPP的空间分布以及年际变化。结果表明：石羊河流域GPP的平均值为256.52 g C·m^-2;落叶阔叶林、常绿针叶林、灌木林、耕地、草原、湿地和荒漠植被GPP分别为676.38、609.96、144.42、404.49、314.07、75.15和110.21 g C·m^-2,表现为南部祁连山区的落叶阔叶林GPP最高,北部荒漠区的湿地GPP最低;GPP的变化呈上升趋势,年际变化存在波动,趋势增加的面积为92%,平均速率为6.99 g C·m^-2·a^-1;流域内不同植被类型GPP增加速度从大到小顺序为落叶阔叶林>常绿针叶林>草地>耕地>灌木林>荒漠>...     

黄土地区不同覆被下土壤无机碳分布及同位素组成特征

土壤无机碳在剖面上的分布在评估区域碳库储量、陆地碳循环以及全球变化的研究中具有重要作用.本文通过测定黄土地区不同植被类型覆盖下土壤pH值、碳酸盐含量、δ13C和δ18O值,探讨了黄土地区植被类型对碳酸盐在土壤剖面中分布和同位素组成特征的影响.结果表明:各剖面碳酸盐含量为5.7％ ～ 14.1％,其均值大小为荒地＞草地＞林地;林地中,阔叶林＞灌木林＞针叶林,针叶林变化最明显;受成土母质影响,各剖面土壤pH值在7～8,呈弱碱性;土壤碳酸盐δ13C值分布为-6.2‰～-1.8‰,各剖面δ13C均值大小为荒地＞灌木林＞针叶林＞草地＞阔叶林;植被类型主要是通过向土壤输入有机质来影响土壤无机碳同位素组成;不同覆被下土壤剖面碳酸盐δ18O值差异明显,其可能受土壤物理性质如孔隙度、湿度等影响;黄土地区不同覆被下土壤无机碳含量和δ13C、δ18O值明显不同,因此,在植被演替过程中,植被类型的改变会影响到土壤无机碳库的储量和区域碳循环过程.     

不同大气校正方法对森林叶面积指数遥感估算影响的比较

利用TM原始图像以及经过6S模型和基于影像自身的Gilabert模型大气校正后的地面绝对反射率图像,分别计算了褒河流域阔叶林和针阔混交林2种林型的5类光谱植被指数(SR、NDVI、MNDVI、ARVI和RSR),并建立各林型森林叶面积指数与同时相的各个植被指数的相关关系。结果表明,2种大气校正模型均显著提高了各植被指数与森林叶面积指数的相关关系,除了对森林叶面积指数与植被指数SR和NDVI的相关关系影响不显著外,对森林叶面积指数与植被指数MNDVI、ARVI和RSR相关关系的影响均非常显著。说明不同大气校正模型对叶面积指数的遥感估算结果有较大影响。因此,在利用遥感数据进行定量分析、信息提取和生态遥感应用时,不仅要进行大气校正,而且还要慎重选择大气校正模型和植被指数。     

Vegetation classification of East China with multi-temporal NOAA-AVHRR data

East China lies in the subtropical monsoon climatic zone and is dominated by subtropical evergreen broad-leaved forests,a unique vegetation type mainly distributed in East Asia with the largest distnbution in China.It is important to be able to monitor and estimate forest biomass and production,regional carbon storage,and global climate change impacts on these important vegetation types.In this paper,we used coarse resolution remote sensing data to identify the vegetation types in East China and developed a map of the spatial distribution of vegetation types in this region.Nineteen maximum normalized difference vegetation index(NDVI)composite images(acquisition time span of 7 months from February to August),which were derived from 10 days National Oceanographic and Atmospheric Administration(NOAA)Advanced Very High Resolution Radiometer(AVHRR)channel 1 and channel 2 observations,an unsupervised classification method,and the ISODATA algorithm were employed to identify the vegetation types.To reduce the dimensions of the dataset resulted in a total of 28 spectral clusters of land-cover of which two clusters were urban/bare soil and water,the images were processed using principal component analysis(PCA).The 26 remaining spectral clusters were merged into six vegetation types using the Chinese vegetation taxonomy system:evergreen broad-leaved forest,coniferous forest,bamboo forest,shrub-grass,aquatic vegetation,and agricultural vegetation.The spatial distribution and areal extent for the coniferous forests,shrub-grass,evergreen broad-leaved forests,and agricultural vegetation were calculated and comscale.The spatial accuracy and the area accuracy for coniferous forests,shrub-grass,evergreen broad-leaved forests,and agricultural vegetation were 79.2%,91.3%,68.2% and 95.9% and 92.1%,95.9%,63.8% and 90.5%,respectively.The spatial accuracy and area accuracy of the bamboo forest were 28.7% and 96.5%,respectively;the spatial accuracy of aquatic vegetation was 69.6%,but there was a significant difference in its area accuracy because image acquisition did not cover the full year.Our study demonstrated the fea sibility of using NOAA-AVHRR to identify the different vegetation types in the subtropical evergreen broad-leaved forest zone in East China.The spatial location of the six identified vegetation types agreed with the actual geo graphical distribution of the vegetation types in East China.     

基于NOAA-AVHRR数据的中国东部地区植被遥感分类研究

该文采用 19幅 (时间跨 8个月 ) 时间序列的NOAA_AVHRR的归一化植被指数 (NDVI) 最大值合成影像遥感数据, 经过主分量分析 (Principlecomponentanalysis, PCA) 处理后, 用非监督分类方法的ISODATA算法, 对中国东部地区的 (五省一市 ) 植被进行分类, 结果可以分出 2 8种土地覆盖类型, 除了两种类型为水体和城市或裸地外, 其余 2 6种类型均为植被类型, 根据中国植被分类系统, 这 2 6类可以归并为 6大植被类型 :1) 常绿阔叶林 ;2 ) 针叶林 ;3) 竹林 ;4 ) 灌草丛 ;5 ) 水生植被 ;6 ) 农业植被。用 1∶10 0 0 0 0 0数字化《中国植被图集》的植被类型检验遥感分类结果表明, 针叶林、灌草丛、常绿阔叶林和农业植被的分类具有较高的位置精度和面积精度, 位置精度分别为 79.2 %、91.3%、6 8.2 %和 95.9%, 面积精度分别达到 92.1%、95.9%、6 3.8%和 90.5 %。这 6大植被类型在地理空间上的分布规律与中国东部常绿阔叶林区植被的地带性分布基本一致。     

凤阳山针阔混交林通量观测源区分布及特征

基于涡度相关技术的通量观测要求下垫面均匀一致,然而在实际观测中,地形往往非常复杂。尤其是丘陵山区森林植被覆盖的区域,不同植被类型的空间分布对该区域的碳通量观测影响很大。本研究利用Kljun模型和ART Footprint Tool,对浙江凤阳山针阔混交林森林生态系统2017年全年的观测数据进行分析,探究该区域涡度相关系统在不同季节、不同大气稳定度条件下的通量源区变化情况。结果表明：受地形的影响,研究区内全年盛行东北风（0-90°）和西南风（180-270°）;因此,通量的源区分布也主要在东北和西南方向;当通量贡献率达到90%时,源区长度最大不超过7000m,当通量贡献率在80%时,源区长度不超过3000m;在大气稳定条件下,其源区分布范围总是比大气不稳定条件下的源区范围广。在该源区分布范围内,主要以针阔混交林分为主,也分布有少量杉木、柳杉和毛竹等纯林,源区贡献从大到小依次为针阔混交林、阔叶林、杉木林、毛竹林、柳杉林、黄山松林。     

Vegetation classification of East China with multi-temporal NOAA-AVHRR data

East China lies in the subtropical monsoon climatic zone and is dominated by subtropical evergreen broad-leaved forests, a unique vegetation type mainly distributed in East Asia with the largest distribution in China. It is important to be able to monitor and estimate forest biomass and production, regional carbon storage, and global climate change impacts on these important vegetation types. In this paper, we used coarse resolution remote sensing data to identify the vegetation types in East China and developed a map of the spatial distribution of vegetation types in this region. Nineteen maximum normalized difference vegetation index (NDVI) composite images (acquisition time span of 7 months from February to August), which were derived from 10 days National Oceanographic and Atmospheric Administration (NOAA) Advanced Very High Resolution Radiometer (AVHRR) channel 1 and channel 2 observations, an unsupervised classification method, and the ISODATA algorithm were employed to identify the vegetation types. To reduce the dimensions of the dataset resulted in a total of 28 spectral clusters of land-cover of which two clusters were urban/bare soil and water, the images were processed using principal component analysis (PCA). The 26 remaining spectral clusters were merged into six vegetation types using the Chinese vegetation taxonomy system: evergreen broad-leaved forest, coniferous forest, bamboo forest, shrub-grass, aquatic vegetation, and agricultural vegetation. The spatial distribution and areal extent for the coniferous forests, shrub-grass, evergreen broad-leaved forests, and agricultural vegetation were calculated and compared with the Vegetation Atlas of China at a 1:1,000,000 scale. The spatial accuracy and the area accuracy for coniferous forests, shrub-grass, evergreen broad-leaved forests, and agricultural vegetation were 79.2%, 91.3%, 68.2% and 95.9% and 92.1%, 95.9%, 63.8% and 90.5%, respectively. The spatial accuracy and area accuracy of the bamboo forest were 28.7% and 96.5%, respectively; the spatial accuracy of aquatic vegetation was 69.6%, but there was a significant difference in its area accuracy because image acquisition did not cover the full year. Our study demonstrated the feasibility of using NOAA-AVHRR to identify the different vegetation types in the subtropical evergreen broad-leaved forest zone in East China. The spatial location of the six identified vegetation types agreed with the actual geographical distribution of the vegetation types in East China. __________ Translated from Acta Phytoecologica Sinica, 2005, 29(3): 436–443 [译自: 植物生态学报, 2005, 29(3): 436–443]     

普洱季风常绿阔叶林乔木物种多样性高分辨率遥感估测

季风常绿阔叶林是我国南亚热带典型的地带性植被,也是云南省普洱地区重要森林类型。季风常绿阔叶林乔木物种多样性遥感估测对研究区域尺度生物多样性格局及其规律具有重要作用。根据光谱异质性假说和环境异质性假说,首先使用1m空间分辨率的机载高光谱数据和激光雷达数据提取了光谱多样性特征和垂直结构特征。然后利用基于随机森林算法的递归特征消除方法选择对研究区森林乔木物种多样性指数具有较好解释能力的遥感特征,并对Shannon-Winner物种多样性指数进行建模、制图。研究结果表明：（1）基于机载LiDAR数据提取的垂直结构特征和机载高光谱数据提取的光谱多样性特征均对研究区森林乔木物种多样性具有较好的解释能力,随机森林模型估测结果分别为R²=0.48,RMSE=0.46和R²=0.5,RMSE=0.45;两种数据源融合可以进一步提高遥感数据的森林乔木物种多样性估测精度,随机森林估测模型R²和RMSE分别为0.69和0.37。（2）机载激光雷达数据对研究区针阔混交林乔木物种多样性的估测能力优于机载高光谱数据。（3）机器学习方法有助于从高维遥感数据特征中选择适合于森林乔木物种多样性建模的少量特征。该研究在云南普洱开展对季风常绿阔叶林的遥感估测研究,可为森林生物多样性调查提供补充手段,有助于森林生物多样性大尺度、长期动态监测。     

Classification and Mapping of Coenotic Diversity of Forests

The proposed approach to the study of regularities of spatial variability of plant cover and to mapping forest vegetation is illustrated by the example of European Russia. It is shown that remote sensing and GIS technologies require particular standards of plant cover classification and reflection in maps. The given principles of classification and compilation of explications for maps of forest cover enable an assessment of its status and dynamics and a comparison of materials of different scales. We use the ecological–phytocoenotic approach to classifying forest vegetation. The specified units correspond to the categories of the main classifications of plant cover used in Russian geobotanics. In our classification, we have verified some parameters and the semantics of the mapped units, using satellite images, for their definite identification and interpretation. The elaborated approach to the classification and mapping of forest cover is applied for the study of the diversity of spruce forests under different climatic conditions in two regions, where they occupy about 20% of the total area. The first example characterizes the northern taiga subzone of forests of eastern Fennoscandia in the center of Murmansk oblast, and the second one represents the subzone of broad-leaved–coniferous forest in the southwest of Moscow oblast.