论文部分内容阅读
森林生物量是衡量森林生态系统固碳能力的重要指标,其变化特征是森林生态系统物质循环和人类活动的综合体现,森林生物量的估测研究对区域生态系统和气候变化具有极其重要的意义,一直是全球变化研究的热点。遥感技术的普及和发展为快速、高效的进行大尺度的森林生物量估测提供了基础,但遥感信号饱和已成为影响生物量估测精度的主要原因之一。由于缺乏足够多的样地数据,使得目前针对不同类型植被进行有关生物量饱和的研究甚少。本研究以浙江省中西部主要森林植被为研究对象,将Landsat TM影像和野外实测数据作为数据源,定量研究不同森林植被生物量的饱和值,并结合DEM数据和ALOS PALSAR数据探索减少数据饱和的影响、提高生物量估测精度的方法。研究通过相关分析确定与生物量相关性最好的光谱波段,利用球状模型定量求解不同植被生物量饱和值。考虑到植被类型和坡向对森林生物量的影响,采用植被/坡向分层的方法,分别建立不同植被生物量估测模型。研究采用逐步回归的方法,以TM的光谱波段、PALSAR的后向散射系数及基于灰度共生矩阵的纹理信息作为备选变量,建立了不同数据(TM、PALSAR、TM+PALSAR)、不同分层方法(不分层、植被分层、坡向分层、植被坡向分层)的生物量估测模型。结果表明:(1)研究区总样本的生物量饱和值为156Mg/ha,不同植被饱和值各不相同,马尾松(159Mg/ha)>混交林(152Mg/ha)杉木(143Mg/ha)>阔叶(123Mg/ha)>竹林(75Mg/ha)>灌木(55Mg/ha)。(2)与不分层的生物量估测模型相比,植被分层的估测模型降低了低生物量森林(<30Mg/ha)的估测误差,坡向分层的估测模型降低了高生物量森林(>120Mg/ha)的估测误差。植被与坡向结合的分层模型的估测误差最小,仅为24.4Mg/ha。(3)样地分层和多源数据相结合均能够有效减小数据饱和的影响,提高生物量的估测精度。此外,研究发现森林生物量遥感估测存在低生物量(如<60 Mg/ha)高估和高生物量(如>120 Mg/ha)低估问题,需要进一步的研究来减小遥感信息饱和,提高森林生物量的估测精度。