森林碳储量主要通过地面调查数据来估算,存在着统计工作量大,建模复杂度高等难点。如何快捷、准确地估测森林碳储量并实现动态监测一直是国内外林业领域研究的热点和难题。本文以具有“中国生态环境第一县”称号的浙江省庆元县为研究对象,融合中、高分辨率遥感影像,采用层级分类技术对融合后的影像进行分类。层级分类主要是先将遥感影像分成林地和其他土地类型;然后在林地类型里又细分为森林树种的地类;最后结合土地类型分类图和森林树种分类图形成最终的区域类型图。土地利用/覆盖分类过程中采用的基于支持向量机和模糊k-means聚类的方法,森林树种分类方法采用的是最大似然法的分类方法。森林碳储量的动态监测首先根据森林树种平均碳密度绘制出森林碳储量的空间分布图;结合森林树种平均碳密度和年度碳储量增长量,利用InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs,InVEST)分别估算出研究区 2013 年和 2014 年的碳储量;最后利用基于库替代的方法实现森林碳储量的年度动态监测。另外,叠加林权数据层,还可实现对每户林农所拥有的森林碳储量估算和碳储量动态监测。研究结果表明:(1)融合多数据源的层级分类方法。相比单一数据源,融合多数据源的数据具有更高的分类精度。层级的分类架构设计可以对不同区域的图像采用不同的算法,通过提高局部分类精度,进而提高整体的分类精度。基于支持向量机和模糊k-means聚类的土地利用/覆盖分类方法能快速、准确地将遥感图像区分出林地和其他土地类型,且该分类方法具有小样本识别大数据和样本选取简单等特点。(2)基于二类调查数据的地上碳储量估算方法,主要利用二类调查数据中各小班的优势树种信息。通过选取合适的小班数据,建立各优势树种的平均单木碳储量模型估算出各优势树种的平均碳密度,得到平均碳密度后,乘上各优势树种的小班总面积即可估算出区域内总的地上碳储量。(3)基于InVEST模型森林碳储量动态监测方法,InVEST模型的碳储量模块估算碳储量具有操作简单,输入变量少等特点。利用该模型估算出两期以上的森林碳储量,再利用基于库差别的方法得出碳储量变化状况,从而实现森林碳储量动态监测。该方法可实现县级、乡(镇)级和村级的碳储量动态监测。实验结果得出:①2013年庆元县、松源镇和坑西村的碳储量分别为2.8063× 107吨、2.2279× 106吨和1.8963× 105吨;②2013年到2014年庆元县、松源镇和坑西村的碳储量分别增加了 5.0314× 105吨、减少了 3.2036× 104吨和增加了 6.1547× 103吨。(4)在遥感数据上叠加林权数据,不仅可以校正林权数据,实现遥感数据和林权数据的耦合,还可结合树种平均碳密度数据绘制出森林碳储量的空间分布图。有了林地权属关系,还可以根据这些权属关系估测出某林农所拥有的森林碳储量价值,从而实现林农尺度的碳储量监测。本文提出的融合多数据源层级分类的县域尺度森林碳储量动态监测方法。该方法结合了 InVEST生态模型建模简单和遥感图像成本低、尺度大等特点,可准确地反映森林碳储量空间上的分布状况和时间维度上的变化状况。在遥感图像处理过程中,综合中、高分辨率遥感图像和森林资源林权调查数据,既能准确地绘制出森林碳储量空间分布图,又能减少人工外业工作量和对森林生态资源的破坏。