森林地上生物量(Above Ground Biomass,AGB)作为重要的森林参数,在全球碳循环和气候变化中扮演着重要的角色。因此,实现大区域或全球尺度的森林AGB精确估测,对于人类的生产生活具有重要的意义。多维度合成孔径雷达(Synthetic Aperture Radar,SAR)是目前众多遥感技术中最有潜力实现大区域森林AGB估测的技术手段之一。相比于单波段,单极化,单基线的SAR,具备多极化,多波段,多基线等不同观测模式组合的多维度SAR技术可以获得更多与森林AGB有物理含义关联的特征参数,从而

【目的】利用国产合成孔径雷达（ＳＡＲ）系统（ＣＡＳＭＳＡＲ）获取的机载Ｐ－波段全极化ＳＡＲ（ＰｏｌＳＡＲ）数据，分析ＳＡＲ对森林地上生物量（ＡＧＢ）的响应与地形的关系，建立融合地形因子的高精度多项式模型，以提高森林ＡＧＢ的估测精度。【方法】首先以基于机载激光雷达（ｌｉ ＤＡＲ）数据得到的研究区坡度分布图与结合实测样地ＡＧＢ数据得到的森林ＡＧＢ分布图作为参考数据进行系统抽样，分析森林ＡＧＢ与Ｐ－波段ＰｏｌＳＡＲ后向散射强度的关系以及不同坡度下二者的相关性变化；然后利用ｌｉ ＤＡＲ得到的高精度数字高程模型（ＤＥＭ）结合机载Ｐ－波段的轨道数据计算当地入射角，进而建立以后向散射强度、当地入射角以及雷达．．．

应用机载单基线极化干涉SAR(Pol-InSAR)数据,基于极化相干层析(PCT)技术提出了一种反演森林地上生物量的新方法。首先采用单基线PCT提取每个像元的森林相对反射率垂直分布,然后按林分统计得到森林平均相对反射率垂直分布;再次对森林平均相对反射率垂直分布进行高斯函数拟合,提取林分层析测量高;最后以通过样地调查统计得到的20个林分的地上生物量为参考数据,采用交叉验证方法建立和评价基于层析测量树高的地上生物量估测模型,并与基于经典三阶段反演的林分优势木平均树高估测地上生物量的方法进行对比。结果表明:基于层析测量高的反演模型决定系数(R2)为0.822,均方根误差(RMSE)为53.14 t·...

根据所采用数据源的不同,介绍了当前国内外森林地上生物量测算中所用的主要方法,即基于森林资源清查的方法和基于遥感估测的方法。根据国内外前期研究成果,概括了这两种方法的特点及其存在的一些不足,初步探讨了结合多源数据联合估测森林地上生物量的方法。结合当前森林地上生物量研究中存在的问题,讨论了估测方法的尺度、模型与参数化以及精度与验证的问题,最后提出了今后森林地上生物量研究中应重点开展的工作。

【目的】森林生物量的空间精准量化对了解陆地碳储量、碳收支、碳平衡，以及揭示森林碳储量与全球气候变化的影响过程具有重要意义。P波段波长较长，在森林中具有更高的穿透能力，研究机载P波段SAR数据提高森林地上生物量(AGB)估测精度的可行性。【方法】以机载P波段全极化合成孔径雷达(SAR)数据和高精度激光雷达(LiDAR)数据估测的森林AGB抽样点为基础，提取20个极化SAR特征，并分别与森林AGB变化作敏感性响应情况分析。采用多元线性回归模型(MLR)、K近邻方法 (KNN)、支持向量回归(SVR)和随机森林(RF)4种估测方法，探究机载P波段SAR数据的森林AGB估测精度。【结果】在较低森林AGB(均值约45 t·hm~(-2))的森林覆盖区中，P波段的同极化后向散射系数、Freeman-Durden和Yamaguchi分解中的表面和二次散射分量对森林AGB变化敏感；此外H-A-ALPHA极化分解的散射角(alpha)、拓展极化参数极化辨别率参数(PDR)也对森林AGB变化敏感。4种方法估测的森林AGB相对误差均约30%，其中MLR估测结果精度最低，估测精度为63.55%，均方根误差(RMSE)为19.16 t·hm~(-2);RF估测结果精度最高，估测精度为72.97%,RMSE为15.98 t·hm~(-2);KNN和SVR估计结果差别不明显，RMSE分别为17.04和17.09 t·hm~(-2)。【结论】P波段SAR数据对估测森林AGB具有一定潜力，3种非参数方法的估测结果明显优于MLR参数方法。此外，P波段的森林AGB估测精度受到待估森林AGB水平高低的影响明显，在森林AGB水平较高的分组中估测精度较高。在森林AGB均值为45 t·hm~(-2)，最大值为120 t·hm~(-2)的森林覆盖区，以50 t·hm~(-2)将森林AGB样点分为2组时，高森林AGB组的估测精度高出低AGB组约6%。图5表3参34

【目的】发展一种森林地上生物量(AGB)的多基线干涉合成孔径雷达(InSAR)层析估测方法,解决热带雨林森林AGB遥感估测常规方法的信号"饱和"问题,为区域及全球森林生物量估测和碳储量研究提供关键技术支撑。【方法】以法属圭亚那巴拉库(Paracou)热带雨林为研究对象,以Tropi SAR 2009 P-波段多基线机载SAR数据和85块样地调查数据为主要数据源。首先,根据HH极化层析相对反射率的三维分布信息提取林下地表高度,对HV极化多基线InSAR数据进行地形相位去除;然后,对HV极化多基线InSAR数

【目的】针对多源遥感数据及其派生特征因子数据维度高、信息冗余、易造成估测模型过拟合等问题,从高维度遥感特征因子中高效优化特征组合,优化区域森林地上生物量(AGB)的k最近邻(k-NN)估测模型。【方法】提出基于快速迭代特征选择的k最近邻法(KNN-FIFS),以森林资源样地调查数据计算的森林AGB为参考,以留一法交叉验证(LOO)相应的k-NN模型反演的森林AGB均方根误差(RMSE)最小为原则,依次迭代选取遥感特征,优化区域森林AGB的k-NN估测模型。以大兴安岭根河森林保护区为研究区,结合Landsat-8 OLI各波段光谱信息、植被指数、纹理、地形因子、机载合成孔径雷达(SAR)P-波段HV极化后向散射强度信息(PHV)以及森林资源样地调查数据,利用KNN-FIFS方法估测研究区森林AGB,并与多元线性逐步回归法(SMLR)进行对比分析。【结果】利用KNN-FIFS方法,得到当k为3,特征组合为PHV、短波红外波段一均一性(H6)、短波红外波段一二阶矩(S6)、短波红外波段二二阶矩(S7)、海蓝波段相关性(Cr1)、近红外波段相关性(Cr5)、海蓝波段相异性(D1)、增强型植被指数(EVI)时,研究区森林AGB估测结果最优,其精度(R~2=0.77,RMSE=22.74 t·hm~(-2))显著优于SMLR估测精度(R~2=0.53,RMSE=32.37 t·hm~(-2))。【结论】KNN-FIFS方法相比SMLR更适用于森林AGB多源遥感估测;KNN-FIFS方法可以从高维度遥感特征因子中高效选取相关特征进行森林AGB估测。

【目的】以多源遥感数据为基础,在郁闭度较高的天然次生林中采用非参数模型及随机森林偏差校正模型估测森林地上生物量(Aboveground biomass, AGB),为大尺度估测森林生物量提供了依据。【方法】以东北林业大学帽儿山实验林场142块森林资源连续清查固定样地复测数据、机载激光雷达(Airborne laser scanning, ALS)和多光谱Landsat8 OLI影像为数据源,提取46个特征变量(其中ALS:24个;OLI:22个特征变量)后进行特征变量筛选,利用多元逐步回归(Multiple stepwise regression, MSR)、支持向量机(Support vector machine, SVM)、随机森林(Random forest, RF)和随机森林偏差校正(Bias-Corrected RF, BCRF)构建森林AGB估测模型,采用调整决定系数(Ra2dj),均方根误差(RMSE)和相对均方根误差(rRMSE)对估测结果进行精度评价。【结果】多源遥感数据要优于单一数据源,非参数模型(RF(Ra2dj=0.68,RMSE=49.71 t·hm-2, rRMSE=32.48%)和SVM(Ra2dj=0.64, RMSE=52.80 t·hm-2, rRMSE=35.28%))优于传统的MSR模型(Ra2dj=0.52,RMSE=57.29 t·hm-2, rRMSE=43.26%)的估测精度。选择最优的RF估测模型进行偏差校正,BCRF的rRMSE=21.84%,此时的生物量估测效果最佳(较RF模型的rRMSE下降10.64%)。当AGB在100～200 t·hm-2范围内,非参数算法(SVM、RF和BCRF)对AGB估测效果最佳(与MSR模型相比RMSE由48.87 t·hm-2减小到13.72～23.55 t·hm-2,rRMSE由28.15%下降至8.69%～16.13%);特别地,当AGB小于100 t·hm-2时,BCRF模型可以改善RF模型AGB估测的饱和现象,模型预测性能提升11.0%(RMSE与RF相比减小27.66 t·hm-2,rRMSE下降10.99%)。【结论】以多源遥感数据结合为基础,BCRF模型对AGB的估测精度更高,效果更稳定,且BCRF可以有效地削弱生物量估测中出现的小值偏大的现象。

【目的】以黑河流域上游祁连山森林保护区为研究区,利用133个森林样地调查数据、Landsat-5 TM影像和ASTER GDEM产品为数据源,探讨地形对该流域森林地上生物量(above-ground biomass,AGB)估测的影响,以及选择合适的遥感估测方法反演该流域的森林AGB。【方法】首先利用青海云杉特殊的生境范围和绿色植被对比值植被指数(ratio vegetation index,RVI)的灵敏程度,及不同地物对纹理特征的不同响应,制定相应的决策树分类器,将研究区的土地覆盖类型分为两大类:森林(青海云杉)-非森林,并利用133个森林样地调查数据和Google Earth高分辨率影像...

生物量是林业和生态应用研究的重要信息,森林生态系统地上生物量估算的遥感技术引起了国内外学者的广泛关注。总结与探讨不同数据源与估算方法能够为森林地上生物量的估算提供指导。本文首先总结并探讨单传感器遥感数据,包括光学遥感、合成孔径雷达与激光雷达数据在森林地上生物量估算中的应用,以及协同使用多源遥感数据估算森林地上生物量的优势;然后论述森林地上生物量估算的传统模型估算法与机器学习估算方法(决策树法、K最近邻法、人工神经网络、支持向量机、最大熵)。多源遥感数据集成能够结合不同数据的优势,能够为森林地上生物量估算提供丰富的特征信息,结合机器学习估算方法,是提高森林地上生物量估算的准确性的发展趋势。

基于吉林省汪清林业局金苍林场二类调查的局级固定样地数据,利用地统计学的普通克里格法和协同克里格法对研究区域内森林地上生物量进行估计(协同克里格法以地上生物量为主变量,以胸高断面积为协变量),并对2种插值方法进行比较。结果表明:在研究区域内普通克里格法预测精度较低;而协同克里格法能够显著提高预测精度,所产生的均方根误差(RMSE)减少49.0%,平均标准误差(ASE)减少39.4%,预测值和实测值的相关系数提高68.4%。通过插值得到整个林场生物量的空间分布格局图,生物量的分布存在明显的空间异质性。林场平均生物量密度为111.9t·hm-2,总生物量达3.578Tg;并从不同森林类型和龄组对生物...

【目的】从反映森林冠层大小的树冠纹理结构出发,利用高空间分辨率遥感影像中树冠纹理的周期性信息,提取基于傅里叶变换纹理序列的纹理指数(FOTO,Fourier-based textural ordination)估测森林地上生物量,探究FOTO纹理因子在温带森林生物量估测上的潜力,为提取新型纹理参数估算森林生物量提供新的参考途径。【方法】以2009年9月获取的小兴安岭地区凉水国家自然保护区(47°11'N,128°53'E)高分辨率机载航空影像(空间分辨率0.5 m)为例,通过提取CCD影像的FOTO纹理参

【目的】森林生物量是评价森林生态系统结构、功能和生产力的重要指标之一,区域尺度上的森林生物量的准确估测对了解森林现状和科学经营森林具有重要指导意义。本文旨在利用SAR影像结合Landsat5 TM影像对区域尺度上的森林生物量进行定量估测。【方法】首先利用极化分解的方法对极化合成孔径雷达(SAR)数据进行处理获得45个极化分解参数,然后将45个极化分解参数与6个Landsat5 TM波段参数共51个参数作为自变量,森林生物量W作为因变量构建统计回归模型,最后利用最优模型反演研究区的森林生物量。【结果】使用两

【目的】森林地上生物量对评价全球碳平衡和气候变化有重要作用,以安徽省霍山县为研究区,Landsat OLI和TIRS影像为基础数据,研究地表温度对森林地上生物量的影响效应。【方法】以Landsat OLI为遥感数据源,在基于灰度共生矩阵的支持下,提取覆盖研究区的遥感影像的纹理特征,并结合原始多光谱遥感影像和研究区的地形特征构建基于3种因子的森林蓄积量反演模型,并根据最优模型来推算研究区的森林地上生物量。根据Landsat TIRS数据对研究区的地表温度进行反演,并将森林地上生物量和地表温度反演数据结合,分析地表温度对森林地上生物量的影响机制。【结果】1)本研究共构建3种模型对森林蓄积量进行反演研究,包括:基于光谱特征的森林蓄积量反演模型,基于纹理特征的森林蓄积量反演模型和基于多特征的森林蓄积量反演模型。2)对森林蓄积量反演模型的精度进行评价,结果显示基于多特征的森林蓄积量反演模型精度最高,复相关系数达到0.751 9,说明该模型可用于研究区的森林蓄积量反演研究,森林蓄积量反演结果可用于研究区的森林地上生物量推算。【结论】研究结果表明在研究区内海拔200 m以下和700 m以上的区域,地表温度对森林地上生物量的影响效应不明显;在海拔200～400 m梯度范围内,森林地上生物量与地表温度的相关性逐渐增大;海拔400 m以上,森林地上生物量与地表温度的相关性与200～400 m范围内相比逐渐减小,但总体上,在400～700 m海拔梯度内,两者仍呈现出较强相关性。

[目的]单一遥感技术估测森林生物量存在较大局限性，本研究旨在利用多源遥感协同技术互补激光雷达和光学遥感的优势，提高生物量估测精度。[方法]以星载激光雷达GEDI和光学遥感Landsat8数据为主要信息源，采用序贯高斯条件模拟方法实现GEDI光斑数据由“点”到“面”的空间扩展，结合地面138块生物量调查样地，利用随机森林回归方法估测云南省香格里拉云冷杉林的地上生物量。[结果]（1）采用序贯高斯条件模拟方法对GEDI光斑点进行空间插值，模拟的12个生物物理指标在空间分布上呈现出随机性、破碎化的特征，这与森林的空间分布聚集性非常相似，参与建模的9个指标OEC均大于0.90;(2)利用单一Landsat8光学遥感数据和地形因子构建的随机森林模型精度为：R~2=0.82,RMSE=35.51 t·hm~(-2),P=0.77;Landsat8数据协同星载激光雷达GEDI数据构建的随机森林模型精度为：R~2=0.86,RMSE=32.11 t·hm~(-2),P=0.80，模型精度明显提升；（3）利用多源遥感技术估测的香格里拉2019年云冷杉林地上的生物量总量为37 042 605.68 t，平均生物量为123.28 t·hm~(-2)。[结论]基于地统计学的序贯高斯条件模拟方法考虑到研究对象的空间异质性、能克服一定的平滑效应，用于实现激光点由“点”到“面”的空间扩展是可行的。星载激光雷达GEDI与光学遥感Landsat8协同的多源遥感数据可有效填补单一遥感数据源的缺陷，提高森林生物量的估测精度，能为激光雷达联合光学遥感估测大范围、全覆盖的森林生物量提供参考。