结合GLAS和TM卫星数据的江西省森林高度和生物量制图

针对光学遥感受云雨天气的影响,并存在植被指数饱和、穿透性差而难以到达森林冠层以下等问题,不能有效反映植被垂直结构信息,难以准确地反演森林地上生物量,以大光斑激光雷达GLAS数据、Landsat TM光学遥感影像数据以及野外实测数据为数据源,建立了江西省森林的平均冠层高度模型和森林生物量模型。结果表明:GLAS数据提取出波形特征参数、ASTER GDEM数据提取出地形特征参数与实测树高数据建立森林冠层高度模型,获取离散的林冠高度,可以较好消除地形对GLAS波形的影响;通过建立Landsat TM数据计算的NDVI与离散林冠高度之间的关系,可以进行大尺度连续森林冠层高度的制图;并利用林冠高度与森林生物量之间的幂函数关系估算森林生物量。因此,大光斑激光雷达GLAS数据与光学遥感数据联合,能充分发挥多源遥感的优势,实现连续冠层高度和森林生物量的反演。     

基于机载激光雷达数据的森林结构参数反演

机载激光雷达(Light Detection And Ranging,LiDAR)技术对植被空间结构和地形的探测能力较强,在植被参数定量测量和反演方面具有显著优势。首先利用野外调查并结合高分辨率Geoeye-1影像数据,对黑河上游天涝池流域植被类型进行分类,提取研究区森林分布,然后结合0.5m×0.5m机载激光雷达(LiDAR)数据对森林结构参数(树高、冠幅、胸径和叶面积指数)进行反演,最后利用实际观测数据对反演结果进行验证。结果表明:机载激光雷达数据能够精确地反演森林结构参数,树高、冠幅、胸径和叶面积指数的实测值与估测值决定系数分别为0.98、0.84、0.57和0.73。本研究获得流域森林覆盖区域高精度树冠高度和叶面积指数空间分布图,同时分析了冠层高度和叶面积指数随高度的变化。本研究的结果为该流域分布式生态水文模型提供了重要的输入参数。     

基于四尺度几何光学模型的森林地上生物量遥感估算

森林地上生物量(AGB)是评价森林生态系统功能的重要参数,遥感是获取区域尺度AGB的有效手段。以内蒙古根河市为研究区,利用TM遥感影像数据和33个森林样地调查数据,基于四尺度几何光学模型的森林AGB遥感估算方法,首先,基于样地观测数据建立树冠面积(SA)估算AGB的方程;再利用四尺度几何光学模型建立由冠层反射率反演SA的查找表,由TM影像反演SA,进而估算AGB。在全部33个样地,估算的AGB与观测数据的一致性(RMSE=20.8t·hm-2,R2=0.45)明显优于基于差值植被指数(DVI)(RMSE=27.7t·hm-2,R2=0.09)和混合像元分解(SMA)(RMSE=27.6t·hm-2,R2=0.02)方法建立的统计模型的估算结果。利用19个针叶林样地的观测数据验证表明,估算的AGB的RMSE和R2分别为20.8t·hm-2和0.53,利用DVI估算的AGB的RMSE和R2分别为31.5t·hm-2和0.18,利用SMA方法估算的AGB的RMSE和R2分别为31.8t·hm-2和0.14;对于14个阔叶林样地,估算的AGB的RMSE和R2分别为20.9t·hm-2和0.47,利用DVI估算的AGB的RMSE和R2分别为21.4t·hm-2和0.01,利用SMA方法估算的AGB的RMSE和R2分别为20.6t·hm-2和0.11。结果表明:通过反演与AGB紧密联系的SA,进行AGB的遥感估算是一种有效可行的技术方法。     

基于SPOT5遥感影像丰宁县植被地上生物量估测研究

利用SPOT5遥感影像数据和同期获得的野外调查样地数据,基于按植被类型分类估测的方法,研究了河北省丰宁满族自治县植被地上生物量的遥感估测技术。研究结果显示,SPOT5影像的4个波段反射率和中红外植被指数(VI3)结合建立的多元回归模型,可用于森林生物量的遥感估测,估测的R2值达0.540,说明中红外波段信息提高森林生物量的估测精度有一定作用;通过分析样地生物量与多种植被指数的相关性发现,基于比值植被指数(RVI)的指数回归模型是灌丛生物量估测的最佳模型,估测的R2值达0.711,基于归一化植被指数(NDVI)的简单线性回归模型为估测草地生物量的最佳模型,R2值达0.790。利用2008年的全覆盖SPOT5影像,获得了丰宁县2008年植被地上生物量分布图,除农田植被外,全县地上生物总量为3.706×107 t,单位面积生物量平均为51.223t/hm2,其中,森林植被总生物量为3.578×107 t,灌丛植被总生物量为1.048×106 t,草地植被总生物量为2.277×105 t。     

基于光学多光谱与SAR遥感特征快速优化的大区域森林地上生物量估测

针对基于多模式遥感手段的大区域森林地上生物量(AGB)定量反演效率低的问题,充分集成主、被动遥感对森林AGB多维观测特征,提高区域定量反演结果;针对两期反演结果分析,揭示区域森林AGB空间变化格局,为科学评估区域生态环境保护(如天然林保护)、提升国家生态环境遥感连续动态监测与预警能力提供支撑。以内蒙古大兴安岭林区为研究区,以2009年为主的光学LandsatTM5(TM)与ALOS-1 PALSAR,以及2014年为主的高分一号(GF-1)与ALOS-2PALSAR两期主、被动遥感数据提取特征因子,利用快速迭代特征选择的k-NN方法(k-Nearest Neighbor with Fast Iterative Features Selection,KNN-FIFS),实现主、被动遥感特征组合快速优化及最优估测模型构建;基于第七次、第八次森林资源连续清查样地数据,对两期研究区森林(乔木)AGB进行定量反演与留一法(LOO)验证;根据两期反演结果叠加对比,在样地和区域尺度上定量分析研究区2009～2014年间森林AGB变化。在样地尺度上,基于森林资源清查样地结果与LOO法验证结果表明,2009年的AGB反演结果R2=0.56,RMSE=25.95 t/hm2;2014年R2=0.64;RMSE=24.55 t/hm2。2009年反演均值较样地计算结果均值偏高(预测:81.59 t/hm2,实测:78.64t/hm2);而2014年反演均值较样地计算结果偏低(预测:79.63 t/hm2;实测:82.48 t/hm2)。从区域尺度来看,2009年平均森林AGB为88.33 t/hm2;2014年的为94.61 t/hm2;平均AGB增长量为6.28 t/hm2;与前期研究利用扩展生物量因子法计算的结果接近(2008年和2013年分别为87.14 t/hm2、92.20 t/hm2)。采用基于快速迭代的KNN-FIFS方法,可大幅度提升高维度多模式遥感特征优选效率;充分融合主、被动遥感的多维观测特征,提高森林AGB反演精度及饱和点。在像素尺度上(30 m)利用LOO法对KNN-FIFS反演结果进行了验证,具有更强鲁棒性,避免了由于训练、检验样本抽选造成的随机误差。2009～2014年期间,内蒙古大兴安岭林区植被覆盖度整体呈现了明显的增长趋势;森林AGB也相应增加。自天然林保护工程实施以来,尽管森林火灾造成了局部较为严重的森林退化(覆盖度、AGB),但整体森林资源状况得到有效改善。     

基于地面激光雷达点云数据的森林树高、胸径自动提取与三维重建

针对亚热带环境条件下森林树高、胸径自动化提取精度较低、单木形态模拟较为困难的问题,提出基于地面激光雷达点云数据提取森林树高、胸径及重建森林场景三维模型的方法。首先采用变尺度地面点识别法获取地面点并构建DEM。然后根据树木主干点云主方向相似度及轴向分布密度分割主干与其他植物器官点云。接着以主干点云为基础,采用迭代最小二乘拟合圆柱的方法自动提取树木位置、胸径;构建点云的八叉树结构,利用体素的空间邻接性实现点云分割,自动提取树高。最后,结合单株植物建模技术,以树根节点为纽带构建样地尺度上的森林场景三维模型。实验结果显示,胸径估测R~2为0.996,平均相对误差为2.09%,RMSE为0.66 cm;树高估测R~2为0.972,平均相对误差为2.16%,RMSE为0.92 m;所重建的森林场景三维模型可表达森林样地的真实形态。     

基于光学多光谱与SAR遥感特征快速优化的大区域森林地上生物量估测

针对基于多模式遥感手段的大区域森林地上生物量（AGB）定量反演效率低的问题,充分集成主、被动遥感对森林AGB多维观测特征,提高区域定量反演结果;针对两期反演结果分析,揭示区域森林AGB空间变化格局,为科学评估区域生态环境保护（如天然林保护）、提升国家生态环境遥感连续动态监测与预警能力提供支撑。以内蒙古大兴安岭林区为研究区,以2009年为主的光学LandsatTM5（TM）与ALOS-1 PALSAR,以及2014年为主的高分一号（GF-1）与ALOS-2 PALSAR两期主、被动遥感数据提取特征因子,利用快速迭代特征选择的k-NN方法（k-Nearest Neighbor with Fast Iterative Features Selection,KNN-FIFS）,实现主、被动遥感特征组合快速优化及最优估测模型构建;基于第七次、第八次森林资源连续清查样地数据,对两期研究区森林（乔木）AGB进行定量反演与留一法（LOO）验证;根据两期反演结果叠加对比,在样地和区域尺度上定量分析研究区2009~2014年间森林AGB变化。在样地尺度上,基于森林资源清查样地结果与LOO法验证结果表明,2009年的AGB反演结果R²=0.56,RMSE=25.95 t/hm²;2014年R²=0.64;RMSE=24.55 t/hm²。2009年反演均值较样地计算结果均值偏高（预测：81.59 t/hm²,实测：78.64 t/hm²）;而2014年反演均值较样地计算结果偏低（预测：79.63 t/hm²;实测：82.48 t/hm²）。从区域尺度来看,2009年平均森林AGB为88.33 t/hm²;2014年的为94.61 t/hm²;平均AGB增长量为6.28 t/hm²;与前期研究利用扩展生物量因子法计算的结果接近（2008年和2013年分别为87.14 t/hm²、92.20 t/hm²）。采用基于快速迭代的KNN-FIFS方法,可大幅度提升高维度多模式遥感特征优选效率;充分融合主、被动遥感的多维观测特征,提高森林AGB反演精度及饱和点。在像素尺度上（30 m）利用LOO法对KNN-FIFS反演结果进行了验证,具有更强鲁棒性,避免了由于训练、检验样本抽选造成的随机误差。2009~2014年期间,内蒙古大兴安岭林区植被覆盖度整体呈现了明显的增长趋势;森林AGB也相应增加。自天然林保护工程实施以来,尽管森林火灾造成了局部较为严重的森林退化（覆盖度、AGB）,但整体森林资源状况得到有效改善。     

基于光学多光谱与SAR遥感特征快速优化的大区域森林地上生物量估测

针对基于多模式遥感手段的大区域森林地上生物量（AGB）定量反演效率低的问题，充分集成主、被动遥感对森林AGB多维观测特征，提高区域定量反演结果；针对两期反演结果分析，揭示区域森林AGB空间变化格局，为科学评估区域生态环境保护（如天然林保护）、提升国家生态环境遥感连续动态监测与预警能力提供支撑。以内蒙古大兴安岭林区为研究区，以2009年为主的光学LandsatTM5（TM）与ALOS-1 PALSAR，以及2014年为主的高分一号（GF-1）与ALOS-2 PALSAR两期主、被动遥感数据提取特征因子，利用快速迭代特征选择的k-NN方法（k-Nearest Neighbor with Fast Iterative Features Selection，KNN-FIFS），实现主、被动遥感特征组合快速优化及最优估测模型构建；基于第七次、第八次森林资源连续清查样地数据，对两期研究区森林（乔木）AGB进行定量反演与留一法（LOO）验证；根据两期反演结果叠加对比，在样地和区域尺度上定量分析研究区2009~2014年间森林AGB变化。在样地尺度上，基于森林资源清查样地结果与LOO法验证结果表明,2009年的AGB反演结果R²=0.56，RMSE=25.95 t/hm²；2014年R²=0.64；RMSE=24.55 t/hm²。2009年反演均值较样地计算结果均值偏高（预测：81.59 t/hm²，实测：78.64 t/hm²）；而2014年反演均值较样地计算结果偏低（预测：79.63 t/hm²；实测：82.48 t/hm²）。从区域尺度来看，2009年平均森林AGB为88.33 t/hm²；2014年的为94.61 t/hm²；平均AGB增长量为6.28 t/hm²；与前期研究利用扩展生物量因子法计算的结果接近（2008年和2013年分别为87.14 t/hm²、92.20 t/hm²）。采用基于快速迭代的KNN-FIFS方法，可大幅度提升高维度多模式遥感特征优选效率；充分融合主、被动遥感的多维观测特征，提高森林AGB反演精度及饱和点。在像素尺度上（30 m）利用LOO法对KNN-FIFS反演结果进行了验证，具有更强鲁棒性，避免了由于训练、检验样本抽选造成的随机误差。2009~2014年期间，内蒙古大兴安岭林区植被覆盖度整体呈现了明显的增长趋势；森林AGB也相应增加。自天然林保护工程实施以来，尽管森林火灾造成了局部较为严重的森林退化（覆盖度、AGB），但整体森林资源状况得到有效改善。     

星载LiDAR与MODIS多光谱数据联合估测区域生物量

针对区域森林生物量连续、高精度估测的难题,以黑龙江省伊春市带岭区作为研究区,提出了联合ICESat-GLAS波形数据、MODIS多光谱数据以及野外调查数据建立生物量模型的方法。该方法通过建立GLAS森林平均冠层高度估测模型、区域森林平均冠层高度的BP神经网络估算模型以及样地森林平均冠层高度-生物量模型,实现全区域森林生物量的连续高精度估测。实验结果为:GLAS森林平均冠层高度估测模型的R~2=0.801,RMSE=0.614;区域森林平均冠层高度的BP网络估测模型的R~2=0.886 7,RMSE=0.794;针叶林、阔叶林、针阔混交林样地森林平均冠层高度-生物量模型的R~2分别为0.802、0.826、0.794,RMSE分别为0.731、0.613、0.344。结果表明:将GLAS波形数据与MODIS多光谱数据联合,可以弥补由于GLAS光斑分布呈条带状而无法实现区域森林平均冠层高度估测的缺陷,实现对区域森林平均冠层高度以及生物量的高精度估测;利用森林平均冠层高度与森林生物量建模,可以解决大区域生物量计算中胸径参数难以获取的问题。     

基于光学与SAR因子的森林生物量多元回归估算——以福建省为例

基于福建省Landsat-8 OLI影像,利用混合像元分解模型从实测样地数据中筛选出"纯净"的植被像元,并将筛选出的样地分为针叶林、阔叶林和混交林3种植被类型,依次提取3种不同植被类型"纯净"植被像元的树高、林龄、坡度属性信息以及对应的光学NDVI、RVI植被因子和合成孔径雷达(SAR)HH、HV极化后向散射因子,分别构成不同植被类型的"含光学特征多元因子"(NDVI、RVI、树高、林龄、坡度)和"含SAR特征多元因子"(HH、HV、树高、林龄、坡度),开展对比研究。采用含光学特征的多元因子回归模型先估测不同植被类型的森林叶生物量,然后根据叶生物量与地上生物量的关系间接估测森林地上生物量。同时,采用含SAR特征的多元因子回归模型直接估测森林的地上生物量。最后,对比分析这两组多元回归模型的估测精度。结果表明:不同植被类型的含光学特征多元回归模型的验证精度(针叶林:R~2为0.483,RMSE为29.522 t/hm~2;阔叶林:R~2为0.470,RMSE为21.632 t/hm~2;混交林:R~2为0.351,RSME为25.253 t/hm~2)比含SAR特征多元回归模型的验证精度(针叶林:R~2为0.319,RMSE为28.352 t/hm~2;阔叶林:R~2为0.353,RMSE为18.991t/hm~2;混交林:R~2为0.281,RMSE为26.637 t/hm~2)略高,说明在福建省森林生物量估算中采用含光学特征的多元回归模型(先估测叶生物量进而间接估测地上生物量)比利用含SAR特征的多元回归模型(直接估测地上生物量)更具优势。