遥感技术估算森林生物量的研究进展

从单传感器和多传感器遥感数据集成两个方面介绍和阐述了遥感技术估算森林生物量的发展现状,以此提炼遥感技术估算森林生物量研究面临的问题。     

基于遥感的区域尺度森林地上生物量估算研究

森林是陆地生态系统最大的碳库,精确估算森林生物量是陆地碳循环研究的关键。首先从机载LiDAR数据中提取高度和密度统计量,采用逐步回归模型进行典型样区生物量估算;然后利用机载LiDAR数据估算的生物量作为样本数据,与多光谱遥感数据Landsat8 OLI的波段反射率及植被指数建立回归模型,实现区域尺度森林地上生物量估算。实验结果显示,机载LiDAR数据估算的鼎湖山样区生物量与地面实测生物量的相关性R2达0.81,生物量RMSE为40.85 t/ha,说明机载LiDAR点云数据的高度和密度统计量与生物量存在较高的相关性。以机载LiDAR数据估算的生物量为样本数据,结合多光谱遥感数据Landsat8 OLI估算粤西北地区的森林地上生物量,精度验证结果为:R2为0.58,RMSE为36.9 t/ha;针叶林、阔叶林和针阔叶混交林等3种不同森林类型生物量的估算结果为:R2分别为0.51(n=251)、0.58(n=235)和0.56(n=241),生物量RMSE分别为24.1 t/ha、31.3 t/ha和29.9 t/ha,估算精度相差不大。总体上看,利用遥感数据可以开展区域尺度的森林地上生物量估算,为森林固碳监测提供有力的参考数据。     

森林地上生物量遥感反演方法综述

森林地上生物量反演对理解和监测生态系统及评估人类生产生活的影响有着重要作用,日益发展的遥感技术使全球及大区域的生物量估算成为可能。近年来,不同的遥感技术和反演方法被广泛用于估算森林生物量。本文首先总结了现有的全球及区域生物量产品及其不确定性,然后综述了3类方法在森林地上生物量遥感反演中的应用,即基于单源数据的参数化方法、基于多源数据的非参数化方法和基于机理模型的反演方法,阐述了各类反演方法的特点、优势及局限性。最后从机理模型研究、多源遥感数据协同、生物量季节变化研究和遥感数据源不断丰富4个方面对今后的生物量遥感反演研究进行了展望。     

利用多源遥感数据进行城市不透水面覆盖度估算

利用深圳实验区4种不同传感器获取的遥感数据,通过CART算法进行城市ISP估算。讨论了多光谱遥感数据的不同波段在ISP估算中的重要性,比较了针对三种不同中分辨率影像建立的ISP估算模型在性能上的差异。实验结果表明,近红外波段对ISP估算结果的贡献最大,具有较高空间分辨率和成像辐射质量的遥感影像得到的估算结果精度较高,所有的估算结果均在实际ISP分布范围的两端分别存在着高估和低估的现象。     

高光谱与高空间分辨率遥感数据的亚热带森林生物量反演

精确估算森林生物量对全球碳平衡以及气候变化的研究有重要意义。以亚热带天然次生林为研究对象,借助地面实测样地数据,通过对机载LiCHy(LiDAR,CCD and Hyperspectral)传感器同时获取的高光谱和高空间分辨率数据进行信息提取和数据融合,建模反演森林生物量。首先通过面向对象分割方法进行单木冠幅提取,然后融合从高光谱数据提取的光谱特征变量和从高空间分辨率数据提取的单木冠幅统计变量,构建多元回归模型估算地上、地下生物量,最后利用地面实测生物量经交叉验证评价模型精度。结果表明,综合模型的精度(R~2为0.54—0.62)高于高光谱模型(R~2为0.48—0.57);在高光谱模型中地上生物量模型精度(R~2为0.57)高于地下生物量模型(R~2为0.48);在综合模型中地上生物量模型精度(R~2为0.62)同样高于地下生物量模型(R~2为0.54)。交叉验证结果表明,与仅使用高光谱数据(单一数据源)相比,通过集成高光谱和高空间分辨率数据的生物量反演效果有所提升,可以更加有效地估算亚热带森林生物量。     

WorldView-2纹理的森林地上生物量反演

使用高空间分辨率卫星WorldView-2的多光谱遥感影像,构建植被指数和纹理因子等遥感因子与森林地上生物量的关系方程,并计算模型估测精度和均方根误差,探索高分辨率数据的光谱与纹理信息在温带森林地上生物量估测应用中的潜力。以黑龙江省凉水自然保护区温带天然林及天然次生林为研究对象,通过灰度共生矩阵(GLCM)、灰度差分向量(GLDV)及和差直方图(SADH)对高分辨率遥感影像进行纹理信息提取,并利用外业调查的74个样地地上生物量与遥感因子建立参数估计模型。提取的遥感因子包括6种植被指数(比值植被指数RVI、差值植被指数DVI、规一化植被指数NDVI、增强植被指数EVI、土壤调节植被指数SAVI和修正的土壤调节植被指数MSAVI)以及3类纹理因子(GLCM、GLDV和SADH)。为避免特征变量个数较多对估测模型造成过拟合,利用随机森林算法对提取的遥感因子进行特征选择,将最优的特征变量输入模型参与建模估测。采用支持向量回归(SVR)进行生物量建模及验证,结果显示选入模型的和差直方图均值(sadh_mean)、灰度共生矩阵方差(glcm_var)和差值植被指数(DVI)等遥感因子对森林地上生物量有较好的解释效果;植被指数+纹理因子组合的模型获得较精确的AGB估算结果(R2=0.85,RMSE=42.30 t/ha),单独使用植被指数的模型精度则较低(R~2=0.69,RMSE=61.13 t/ha)。     

浅谈多源多分辨率遥感数据整合

本文以ArcGlobe为平台,表现江西省的多源多分辨率遥感数据对江西省现有遥感数据的整理分析,提取出所需区域的最新遥感影像资料,补充制作缺失的遥感数据,将各传感器源的影像模拟为近自然真彩色影像,解决影像间的几何差异和色彩差异问题,对影像数据进行整合,建设2.5m-15m分辨率的省级影像库和0.2m-1m分辨率的设区市影像库,同时对影像数据的查询方法和管理方法进行探讨和研究。     

ALOS数据像素级融合方法比较研究

遥感数据融合是多源遥感海量数据富集表示的有效途径。如何在提高融合影像空间分辨率的同时最大限度地保持光谱信息是长期以来遥感数据融合研究的焦点内容。本文以ALOS PRISM和ALOS AVNIR-2传感器的数据为数据源,比较研究了遥感领域中常用和代表性的BROVEY、IHS、MULTIPLICATIVE、PCA、WAVELET和HPF六种融合方法,并通过主观评价和定量分析对融合效果进行了综合评价。实验结果表明,HPF方法在显著提高融合影像空间分辨率的同时,有效保持了多光谱影像的光谱信息,是适合ALOS数据的最优融合方法。     

基于遥感的某市城市圈森林碳储量估算与空间分布特征

森林生态系统碳储量占有整个陆地生态系统碳储量约50%,利用遥感数据进行森林碳储量估算对加快实现“碳达峰”和“碳中和”具有重要意义。本研究利用Landsat 8 OLI遥感影像和DEM数据提取植被指数和地形因子,转换净初级生产力数据为生物量数据,并利用多元逐步回归分析法建立武汉城市圈森林植被碳储量遥感估算模型。根据统计数据和估算模型得出,武汉城市圈碳储量空间分布表现为东北部和南部山脉区域的碳储量和碳密度较高,而中东部武汉市和黄石市中心区域相对较低,且植被碳密度主要集中在中海拔地区。     

一种后向迭代的森林生物量遥感特征选择方法

森林生物量的估算对于全球碳平衡和环境保护至关重要。通过遥感等手段提取与森林生物量相关的单波段特征、植被指数、纹理特征、地形因子等特征参数,特征数量往往较多,影响预测精度。该文提出了一种后向迭代的随机森林(RF-RFE)特征选择方法,即利用随机森林算法计算特征重要度,采用后向迭代的方法逐步简化特征参数。以内蒙古大兴安岭地区的激流河林场为研究区域,以实验区2012年"资源三号"遥感影像和森林资源3类调查的样地数据为数据源,使用RF-RFE算法进行特征选择分析。实验结果表明,在森林生物量遥感反演过程中的RF-RFE特征选择不但能降低时间复杂度,而且保证了特征选择的精度。