联合星载ICESat-GLAS波形与多光谱Landsat-TM影像的森林郁闭度估测

森林郁闭度的空间分布是评价森林生产力和分解率的一个重要指标.本研究以吉林汪清林区为研究区,分别利用星载激光雷达ICESat-GLAS波形数据和多光谱遥感Landsat-TM影像对该区的森林郁闭度进行估测,然后采用多元线性回归和BP神经网络两种方法对GLAS数据和TM数据进行联合,共同估测了森林郁闭度.结果表明:单一遥感数据估测森林郁闭度时,GLAS数据的模型决定系数为0.762,TM数据的模型决定系数为0.598.将GLAS数据和TM数据联合后估测森林郁闭度时,多元线性回归模型的复决定系数为0.841,BP神经网络模型的仿真精度为0.851.表明ICESat-GLAS数据与Landsat-TM影像联合能够发挥多源遥感数据的优势,提高森林郁闭度的估测精度,并为后续的空间区域内森林郁闭度的连续制图提供可靠的方法.     

协同ICESat/GLAS和MISR数据估算小兴安岭地区森林地上生物量

大光斑激光雷达ICESat/GLAS波形数据包含大量的地物垂直结构信息,如森林垂直断面、地形等。这些信息与森林地上生物量具有很强的相关性。本研究在雷达波形数据处理的基础上,提取波形参数,分别用线性逐步回归模型和Erf-BP神经网络模型建立波形参数与森林地上生物量的关系式。使用Erf-BP神经网络模型计算研究区域内GLAS光斑点的生物量,协同多角度光学遥感数据MISR应用随机森林机器学习方法构建从点到面的空间尺度生物量扩展模型,最后用样地数据对模型反演的生物量结果进行检验。研究结果表明Erf-BP神经网络模型预测能力(P=0.965,RMSE=3.81 t·ha-1)优于线性逐步回归模型(P=0.86,RMSE=4.54 t·ha-1);空间尺度扩展模型预测精度P=0.81,RMSE=2.39 t·ha-1,反演的森林地上生物量估计值范围在0~144.4 t·ha-1,平均地上生物量估计值为59.28 t·ha-1,用样地数据检验模型的反演结果(R2=0.72,RMSE=8.98 t·ha-1),估计值与实际值较为接近。研究实现使用少量实测数据获取大尺度、高精度森林地上生物量的目的,为森林资源调查、生态研究及碳循环研究提供基础。     

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。     

森林生物量遥感降尺度研究

森林生物量是评价全球碳氧平衡、气候变化的重要指标。目前已有基于星载激光雷达数据的全球森林生物量产品,但空间分辨率较低,不能很好地满足小区域森林调查和动态监测的需要。针对这一现状,以美国马里兰州两个森林分布状况不同的区域为研究区,基于CMS(Carbon Monitoring System)30 m分辨率和GEOCARBON 1 km分辨率森林地上生物量产品以及TM等数据源,通过升尺度模拟低分辨率生物量数据和直接使用低分辨率产品两种方式,分别尝试建立了多光谱地表参数和低分辨率森林地上生物量之间的统计关系,以此作为降尺度模型实现了森林地上生物量空间分辨率从1 km到30 m的转换,并对降尺度结果进行精度评价和误差分析。结果表明:模拟数据降尺度后的30 m分辨率森林地上生物量空间分布和CMS森林地上生物量分布状况大致相同,RMSE=59.2—65.5 Mg/hm~2,相关系数约为0.7;其降尺度结果优于GEOCARBON产品直接降尺度结果RMSE=75.3—79.9 Mg/hm~2;相较于线性模型,非线性模型能更好地呈现森林地上生物量和地表参数间的关系;总体上,降尺度生物量呈现高值区低估,低值区高估的现象。     

基于HJ1B和ALOS/PALSAR数据的森林地上生物量遥感估算

森林地上生物量的精确估算能够减小碳储量估算的不确定性。为了探寻一种有效地提高森林生物量估算精度的方法,探讨了基于遥感物理模型和经验统计模型估算山地森林地上生物量的方法。首先,基于Li-Strahler几何光学模型和多元前向模式(MFM)进行模型模拟,结合查找表算法(LUT)从多光谱图像HJ1B估算贺兰山研究区的森林地上生物量。其次,采用统计方法建立了2种回归模型:(1)多光谱图像HJ1B进行混合像元分解(SMA),并与雷达图像ALOS/PALSAR进行图像融合建立生物量回归模型;(2)雷达图像ALOS/PALSAR后向散射系数和实测生物量建立了生物量回归模型。用实测数据对3种算法估算结果进行精度验证。研究结果表明:采用几何光学模型和MFM算法估算的森林地上生物量精度最好(决定系数R2=0.61,均方根误差RMSE=8.33 t/hm2,P0.001),其估算地上生物量与实测值一致性较好,估算生物量精度略优于SMA估算的精度(R2=0.60,RMSE=9.417 t/hm2);ALOS/PALSAR多元回归估算的精度最差(R2=0.39,RMSE=14.89 t/hm2)。由此可见,采用几何光学模型和混合像元分解SMA适合估算森林地上生物量,利用这2种方法进行森林地上生物量遥感监测研究具有一定的应用潜力。     

结合机载LiDAR和LANDSAT ETM+数据的温带森林郁闭度估测

森林郁闭度是森林资源调查中的一个重要因子,在森林生态系统管理中具有重要作用。研究如何有效地将激光雷达数据应用于森林郁闭度遥感估测具有重大意义。激光雷达数据的应用能够有效地弥补传统地面调查耗时、费力等不足,不仅可以快速、准确地获取郁闭度遥感估测的模型训练数据和验证数据,还有助于进一步推广应用于大区域的森林郁闭度反演,为林业资源调查提供有力的依据。该研究结合激光雷达数据和LANDSAT ETM+数据估测温带森林郁闭度。以高密度机载激光雷达(ALS)点云数据估算的郁闭度作为模型训练数据和验证数据,通过LANDSAT ETM+影像数据计算得到的8种植被指数作为自变量,使用多元逐步回归(MSR)、随机森林(RF)和Cubist 3种模型,对内蒙古大兴安岭根河林区森林郁闭度进行估测。经验证,Cubist模型的效果比较好(决定系数R2=0.722,均方根误差RMSE=0.126,相对均方根误差r RMSE=0.209,估计精度EA=79.883%)。结果表明,结合激光雷达数据和LANDSAT ETM+影像数据估算温带森林郁闭度非常有潜力。但要将其推广应用于更大区域尺度的森林郁闭度遥感估测,模型的预测能力还有待进一步改进和提高;自变量应尝试加入更多种类遥感数据和其他遥感因子参与建模,例如采用地形因子、高分辨率遥感影像提取纹理特征等,最大可能地减少光学影像、植被指数、地形阴影等带来的影响,提高反演精度;激光雷达数据计算得到的郁闭度的准确性和可靠性还需进一步验证。     

中亚热带森林单木地上生物量的机载激光雷达估测

以雪峰山武冈林场为研究对象,利用遥感数据和地面实测样地数据,研究机载激光雷达（LiDAR）估测中亚热带森林乔木层单木地上生物量的能力.利用条件随机场和最优化方法实现LiDAR点云的单木分割,以单木尺度为对象提取的植被点云空间结构、回波特征以及地形特征等作为遥感变量,采用回归模型估测乔木层地上生物量.结果表明: 针叶林、阔叶林和针阔混交林的单木识别率分别为93%、86%和60%;多元逐步回归模型的调整决定系数分别为0.83、0.81和0.74,均方根误差分别为28.22、29.79和32.31 t·hm^-2;以冠层体积、树高百分位值、坡度和回波强度值构成的模型精度明显高于以树高为因子的传统回归模型精度.以单木为对象从LiDAR点云中提取的遥感变量有助于提高森林生物量估测精度.
     

联合GF-6和Sentinel-2红边波段的森林地上生物量反演

光谱反射率能反映地物差异,是森林地上生物量（Aboveground Biomass,AGB）遥感反演的理论基础。红边波段处于近红外与红光波段交界处快速变化的区域,能对植被冠层结构和叶绿素含量的微小变化做出快速反应,对植被生长状况较敏感。研究以GF-6和Sentinel-2多光谱影像作为数据源,结合野外调查AGB数据,构建落叶松和樟子松AGB线性和非线性估测模型,通过比较模型精度选择最优模型进行森林AGB反演和空间分布制图。结果表明：GF-6和Sentinel-2影像红边波段反射率与落叶松、樟子松AGB均呈显著相关（P<0.05）,红边波段对AGB估测较敏感。多变量估测模型整体估测效果优于单变量模型,所有模型中多元线性回归模型取得了最优的决定系数（落叶松R²=0.66,樟子松R²=0.65）和最低的均方根误差（落叶松RMSE=31.45 t/hm²,樟子松RMSE=54.77 t/hm²）。相比单个数据源,联合GF-6和Sentinel-2影像构建的多元线性回归模型估测效果得到了显著提升,模型RMSE对于落叶松和樟子松AGB估测分别最大降低了22.9%和11.2%。增加红边波段进行AGB估测能显著提高模型估测精度,三组数据源分别加入红边波段信息后进行建模,模型RMSE得到了显著降低。GF-6拥有800 km观测幅宽和高效的重访周期,可以快速地提供大尺度时间序列数据,在森林地上生物量反演和动态监测方面有着很大潜力。     

不同灌水处理下冬小麦地上干生物量的高光谱监测

地上干生物量是反映作物生长发育和产量的重要指标。本试验通过不同的灌溉处理,研究了冬小麦生育期地上干生物量的变化规律,分别利用多元线性回归(MLR)和连续投影算法-MLR(SPA-MLR)构建了冬小麦地上干生物量光谱监测模型。结果表明:拔节期+孕穗期+开花期+灌浆期的灌溉方案有利于生物量积累;基于SPA-MLR构建的预测模型精度均高于MLR预测模型,其中,以开花期模型最优,R~2达到了0.96,RMSE为0.092,验证集的R~2为0.76,RMSE为0.18;综合冬小麦主要生育时期(拔节期至灌浆期)的预测模型的R~2达到了0.64,RMSE为0.30,验证集的R~2为0.54,RMSE为0.26,可以实现拔节期至灌浆期冬小麦地上干生物量的预测。本研究可为利用高光谱遥感技术预测冬小麦地上干生物量提供技术支持。     

利用皆伐法估算黔中喀斯特森林地上生物量

精确估算森林生物量对理解全球碳循环至关重要。已有的喀斯特森林地上生物量估算研究存在很高的不确定性,缺乏校准数据检验研究结果的精度。利用皆伐法,首次精确估算了我国西南贵州省中部喀斯特森林的地上生物量,并检验了已有生物量回归方程和平均标准木法对该喀斯特森林地上生物量的估算效果。该喀斯特森林的地上生物量为122.81 Mg/hm~2,胸径(D)≥1 cm的木本植物、D1 cm的木本植物和草本植物的地上生物量分别为120.00、2.56、0.24 Mg/hm~2。D在10—30 cm范围内的植株(83.89 Mg/hm~2)是地上生物量的主要贡献者。4个优势树种(云南鼠刺Itea yunnanensis、川钓樟Lindera pulcherrima、猴樟Cinnamomum bodinieri和化香树Platycarya strobilacea的地上生物量为103.03 Mg/hm~2,占森林总地上生物量的83.89%。干(61.04 Mg/hm~2)和枝(40.56 Mg/hm~2)的生物量远高于皮(11.61 Mg/hm~2)和叶(6.80 Mg/hm~2)。在物种水平上,已有生物量回归方程(误差-56.10%—84.61%)和平均标准木法(误差-36.43%—-5.14%)对该喀斯特森林地上生物量的估算效果均较差。最后,建立了5个新的生物量回归方程。本研究可为我国西南喀斯特地区精确估算森林碳储量提供基础校验数据和方法指导。     

基于高分辨率遥感影像的北亚热带森林生物量反演

以北亚热带湖北省太子山林场为研究对象,基于高空间分辨率GF-2与SPOT-6卫星影像,提取不同窗口大小下的纹理信息与光谱信息,利用随机森林回归算法,并结合野外实测106块样地的生物量数据,建立不同影像下的太子山林场森林生物量反演模型。结果显示：（1） GF-2和SPOT-6虽然空间分辨率有差异,但是从其不同波段反射率的相关系数（0.75、0.78、0.73、0.61）发现,两种影像的波段反射率具有较高的相关性,说明两者的辐射性能相近;（2）通过分析不同纹理特征对生物量模型的影响,发现均值和对比度纹理参数对生物量反演具有很好的效果。（3）高分辨率的遥感数据在生物量反演中具有较好的表现,且GF-2生物量模型精度（R²=0.88,RMSE=27.11 Mg/hm²）与SPOT-6生物量模型的精度（R²=0.89,RMSE=23.93 Mg/hm²）相近。（4）两种影像对不同森林类型的生物量预测值不存在显著差异,都适合对不同林分类型的生物量进行预测。     

西藏自治区草地地上生物量遥感反演研究

草地地上生物量（Aboveground Biomass,AGB）是反映草地生态系统功能和质量的关键指标,大尺度地准确估算草地AGB对草地生态系统经营管理至关重要。研究以MODIS影像为数据源,提取反射率、植被指数和植被产品三种不同类型的特征变量,结合野外实测样地草地AGB数据,构建以多元线性逐步回归为代表的参数模型以及随机森林、支持向量机和kNN等非参数模型进行西藏自治区草地AGB估测及空间分布制图。结果表明：（1）多元线性逐步回归、随机森林、支持向量机和kNN模型在加入植被产品特征变量后,RMSE分别降低了15.8%、13.5%、4.1%和17.3%,表明植被产品作为建模变量用于草地AGB估测可有效提高模型精度;（2）三种组合变量构建的草地AGB估测模型中,反射率、植被指数、植被产品组合构建的模型效果最佳,其中kNN模型估测精度最高,R²达到0.60,RMSE和MAE分别为0.43、0.34 t/hm²;（3）草地AGB空间分布呈现出西北地区较低、中部地区较高且分布形态较破碎和东部地区较高的变化特征;（4）利用MODIS植被产品结合kNN模型的预测值与草地实测的AGB空间分布趋势基本一致。综上,MODIS植被产品结合kNN模型可作为大尺度区域草地AGB遥感估测的有效参考。     

Forest aboveground biomass estimation using machine learning regression algorithm in Yok Don National Park,Vietnam

Forest biomass is one of the key measurement for carbon budget accounting, carbon flux monitoring, and climate change studies. Hence, it is essential to develop a credible approach to estimate forest biomass and carbon stocks. Our study applied Sentinel-2 satellite imagery combined with field-measured biomass using Random Forest (RF), a machine learning regression algorithm, to estimate forest aboveground biomass (AGB) in Yok Don National Park, Vietnam. A total of 132 spectral and texture variables were extracted from Sentinel-2 imagery (February 7, 2017) to predict AGB of the National Park using RF algorithm. It was found that a combination of 132 spectral and texture variables could predict AGB with an R² value of 0.94, RMSE of 34.5 Mgha⁻¹ and %RMSE of 18.3%. RF regression algorithm was further used to reduce the number of variables in such a way that a minimum number of selected variables can be able to estimate AGB at a satisfactory level. A combination of 11 spectral and texture variables was identified based on out-of-bag (OOB) estimation to develop an easy-to-use model for estimating AGB. On validation, the model developed with 11 variables was able to predict AGB with R² = 0.81, RMSE = 36.67 Mg ha⁻¹ and %RMSE of 19.55%. The results found in the present study demonstrated that Sentinel-2 imagery in conjunction with RF-based regression algorithm has the potential to effectively predict the spatial distribution of forest AGB with adequate accuracy.     

基于机器学习算法的草地地上生物量估测——以祁连山草地为例

草地地上生物量（Aboveground Biomass,AGB）是指导畜牧业生产管理的重要指标,是草畜平衡综合分析的基础。目前,有关祁连山草地AGB反演的研究较少,且多源数据间的尺度差异问题并未得到很好的解决。为了解祁连山草地AGB的空间分布状况,利用Sentinel-2多光谱数据、无人机（Unmanned Aerial Vehicle,UAV）数据以及2021年植被生长期实测草地AGB数据实现了空天地一体化监测,通过决策树回归（Decision Tree Regression,DTR）、随机森林回归（Random Forest Regression,RFR）、梯度提升决策回归树（Gradient Boosting Regression Tree,GBRT）以及极致梯度提升（eXtreme Gradient Boosting,XGBoost）共4种算法反演草地AGB的适用性分析,利用最优模型反演了祁连山草地的AGB空间分布状况。结果表明：研究区内多种植被指数所表现出的特性有所差异。祁连山地区AGB在空间分布上呈现出由西北向东南递增的趋势,平均AGB为925.43kg/hm²。6种植被指数与实测AGB之间均表现为显著正相关,适合作为祁连山草地AGB遥感反演的指标;XGBoost模型较其它模型具有最高的R²值（0.78）和精度（74.75%）、最低的均方根误差（RMSE,99.74 kg/hm²）和平均绝对误差（MAE,71.60 kg/hm²）,模型反演效果最好;UAV数据能够提供更加详细的空间细节特征,减小Sentinel-2数据和实地采样数据间的尺度差异;因此,基于6种植被指数与祁连山草地AGB间的相关性,构建XGBoost模型反演研究区草地AGB空间分布状况是具有实践意义的。研究结果将为指导祁连山草地畜牧业的发展和维护草地生态系统的平衡提供一定的参考价值与数据支撑。     

北部湾茅尾海无瓣海桑红树林地上生物量反演——基于XGBoost机器学习算法

无瓣海桑是广西从自治区外引进的外来红树林树种,采用定量化算法精确估算无瓣海桑地上生物量对红树林生态修复以及海洋蓝碳监测提供经验和方法。论文以广西茅尾海自然保护区无瓣海桑红树林为研究对象,以野外实测无瓣海桑红树林地上生物量数据和Sentinel-1/2卫星提取的后向散射数据、波段数据、植被指数数据和纹理指数数据为数据源,通过分析各遥感因子与实测红树林地上生物量之间的重要性关系,采用极端梯度提升(XGBoost)机器学习算法对比了不同的变量组合对模型精度的影响,最后基于优选的变量组合反演了无瓣海桑红树林的地上生物量。结果表明：(1)研究区无瓣海桑红树林实测树高范围为1.55—13.58m,平均值为8.37m,胸径范围为0.7—41cm,平均值为15.62cm;(2)通过XGBoost算法优选的21个特征变量组合模型拟合效果较好,其模型在测试阶段R²=0.7237,RMSE=21.70Mg/hm²。XGBoost算法反演研究区无瓣海桑地上生物量介于19.14—138.46Mg/hm²之间,平均值为51.92Mg/hm^...     

大兴安岭5种典型林型森林生物碳储量

森林生态系统是陆地生态系统的重要碳库,森林生态系统的生物碳储量作为森林生态系统碳库的重要组成部分,对全球碳循环与碳平衡产生重要作用。以大兴安岭5种典型林型为研究对象,结合森林资源清查资料,采用地理信息技术(GIS),将5种林型分龄组分别对乔木层、林下的灌木层、草本层和凋落物层各组分的单位面积生物量、含碳率和生物碳储量进行测定和计量估算,并从林分水平上,采用分龄组的方法,计量估算了生物碳储量。结果表明:大兴安岭5种典型林型不同龄组的生物碳储量分别为:兴安落叶松幼龄林、中龄林、近熟林和成熟林的生物碳储量分别为15.20、50.96、95.80t/hm2和109.33t/hm2;白桦幼龄林、中龄林、近熟林和成熟林的生物碳储量分别为15.36、30.67、41.62t/hm2和64.35t/hm2;樟子松幼龄林、中龄林、近熟林和成熟林的生物碳储量分别为29.89、59.92、90.01t/hm2和117.08t/hm2;蒙古栎幼龄林、中龄林、近熟林和成熟林的生物碳储量分别为11.17、11.90、34.94t/hm2和59.49t/hm2;山杨幼龄林、中龄林、近熟林和成熟林的生物碳储量分别为21.81、28.58、42.84t/hm2和64.39t/hm2。研究发现:5种典型林型不同龄组的森林生物碳储量均随着林龄(幼龄林、中龄林、近熟林和成熟林)的增长而增加,但不同林型的碳汇功能存在差异,同一种林型在不同林龄的生物碳储量增幅差异亦较大。尤其是大兴安岭目前林分质量比较差,幼龄林和中龄林所占的比重较大,若能对现有林分加以更好地抚育和管理,该区森林植被仍具有较大的碳汇潜力,碳汇功能将进一步增强,大兴安岭在国家的生态功能区建设中将发挥更重要的碳汇功能,对此提出了森林生态系统碳增汇管理策略与管理路径。研究结果为正确认识森林生物碳储量对区域碳平衡及生态环境的影响具有重要意义,以及在未来营林、造林活动中充分发挥人工林碳汇效应提供参考依据。     

六盘山森林植被碳密度空间分布特征及其成因

深入了解干旱缺水地区森林植被碳密度的空间分布特征是定量评价森林固碳能力、合理协调林水矛盾的重要基础。然而,目前有关干旱缺水地区的植被碳密度的研究仅限于典型样地上的碳储量、碳密度的比较,对区域尺度上森林植被碳密度的空间分布特征了解较少。为此,利用宁夏六盘山自然保护区2005年森林资源一类清查数据,计算了森林植被碳密度,并分析了其与林分结构特征和环境因子的关系。结果表明,六盘山的森林植被碳密度(t/hm2)平均为26.17(0.67—120.63),其中天然次生林为30.2(7.6—120.6),显著高于人工林的15.7(0.67—66.7)。森林植被碳密度随林龄增加而线性增大,天然林和人工林的平均增速分别为1.11和2.48 t hm-2a-1,而且,部分未成熟林的林分植被碳密度已接近甚至超过全国同类森林类型成熟林的植被碳密度平均值。随林分密度增加,森林植被碳密度增大,但在林分密度1000株/hm2后,森林植被碳密度不再增大,达到其最大值,其中,天然林为75.4 t/hm2,人工林为34.6 t/hm2;林冠郁闭度对森林植被碳密度的影响与林分密度相似,森林植被碳密度增长的郁闭度拐点为0.5。水分条件是影响六盘山森林植被碳密度的重要因素,森林植被碳密度(t/hm2)由700 mm以上地点的32.5(7.6—120.6)下降至年降水量500—600 mm地点的10.9(0.67—42.9),而且随年降水量减少,最大森林植被碳密度所对应的海拔高度呈增加趋势,如在年降水量为700、600—700和600 mm的地区,最大碳密度所在海拔高度分别为1900—2100、2100—2300和2300—2500 m。综上所述,研究区森林植被还有较大的固碳潜力,从提高森林固碳功能角度来看,林分郁闭度不宜超过0.5。