论文部分内容阅读
毛竹林是广泛分布在热带亚热带地区的常绿植被,具有生长速度快、砍伐周期短以及大小年交替等特点。快速的生长和碳积累使得毛竹林拥有强大的固碳潜力,在应对气候变化中发挥着重要作用。地上生物量估测是毛竹林生态系统碳循环的核心内容,物候变化信息和准确的毛竹林空间分布是进行区域毛竹林地上生物量估测的前提。然而物候过程对毛竹林光谱变化的影响机制,限制了区域尺度毛竹林地上生物量的估测精度,同时缺乏能够准确反映毛竹生长过程和生物量累积的高时空序列数据支撑,区域毛竹林地上生物量估测面临着巨大挑战。为此,论文结合Venμs时间序列数据和实地物候调查数据,分析了可见光、红边和近红外波段在毛竹林生长周期内的时间序列变化,基于红边位置指数(REPI)和谐波时间序列分析模型(HANTS),分析了毛竹林的物候期。在物候分析的基础上,基于时间序列Sentinel-2、Landsat 8和地面调查数据,探索了大/小年毛竹林在生长周期内的光谱变化特征,确定了区分大/小年毛竹林的最佳光谱区间和时间窗口,构建了大/小年毛竹林多时相遥感指数(YCBI),实现了大/小年毛竹林时空信息提取。在考虑物候和大小年的基础上,重构了单株毛竹林地上生物量估测方程,进行了毛竹林任意时间下的地上生物量估测,统一了样地生物量与遥感数据的时间一致性,利用随机森林构建了毛竹林地上生物量遥感估测模型,实现了区域毛竹林地上生物量的估测。所取得的主要结论如下:(1)Venμs数据光谱范围730nm-920nm的波段能够更好反映出毛竹林的季节变化,在此区间的遥感数据波段具有识别毛竹林季节物候差异的能力,尤其就是红边波段。传统的植被指数仅对毛竹生长季的开始和结束敏感,基于多个红边波段的REPI指数可以识别出毛竹林频繁的冠层变化和生长周期,尤其是春季的换叶期和竹笋期。小年毛竹林的生长季开始早于大年毛竹林,小年毛竹林生长季开始于3月份,而大年毛竹林生长季开始于6月。(2)大小年现象是影响区域尺度毛竹林遥感分类的重要因素,大年毛竹林和小年毛竹林的光谱差异主要体现在5月份,区分毛竹林和其他森林的最佳季节是4-5月,其次是12-2月,区分大年和小年毛竹林的最佳时间为5月。基于红边波段和近红外波段构建的多时相毛竹林指数YCBI,能够有效区分毛竹林大小年和其他常绿森林,基于多时相毛竹林指数的遥感分类总体精度达91.2%,多时相毛竹林指数的区域可移植性在其他研究区得到验证。Sentinel-2数据新增的红边波段是区分毛竹林和其他常绿植被的有效变量。在面对单一数据源进行毛竹林遥感分类时,建议首选5月份的影像,次选2月份影像。在面对多期遥感数据,建议首选不同年份同一季节或者同年份不同季节的影像。(3)毛竹林的地上生物量在生长周期内变化频繁,主要体现在春季新竹生长期的快速积累和冬季老竹砍伐期造成的骤减,毛竹林样地的地上生物量处在“快速增长-择伐减少-稳定增长”的动态平衡与循环过程中。本研究结合毛竹林的生理特点,重构了单株时间序列毛竹林地上生物量方程,可以明显降低大年毛竹林在时间序列上的误差。基于随机森林的地上生物量遥感估测结果中Sentinel-2和Venμs在地上生物量模型验证精度要高于Landsat8数据。纹理信息与生物量相关性较低,在生物量模型中的作用比植被指数弱。按大小年分层的建模方法取得了更好的预测精度,时间信息变量的加入可以改善估测精度。生物量估测结果出现了明显的高值低估、低值高估,和建模R~2很高而估测R~2很低的现象,光谱饱和问题是限制光学遥感影像进行毛竹林地上生物量估测的主要原因。