2022年遥感提取生物量的方法综述 .pdf
利用遥感提取森林生物量的方法综述一、引言森林是陆地上最大的生态系统， 在全球变化研究中占有举足轻重的地位。森林生物量是整个森林生态系统运行的能量基础和营养物质来源，是研究生物生产力、净第一性生产力、碳循环、全球变化研究的基础，因此对森林生物量测定方法进行研究具有非常重要的意义。随着“3S”技术(地理信息系统GIS、全球定位系统 GPS、遥感 RS)的不断发展 ,对植被生物量的研究已经从小范围、二维尺度的传统地面测量发展到大范围、 多维时空的遥感模型估算。 遥感不仅可以为预测生物量的模型提供数据，而且可以直接用于生物量的估算和制图。二、利用遥感提取生物量随着全球变化研究的深入，陆地生态系统生物量的估算工作变得越来越重要。基于遥感的生物量估算模型也逐渐由传统的经验模型向机理模型转变。机理模型是建立在植被辐射的吸收、 反射与辐射在植被冠层和大气的传输过程以及影响森林生产力的生态学因子之上的。最初，人们用 LandsatMSS来监测植被的叶面积指数和活体生物量。后来，更多的是利用 Landsat TM 和 NOAA AVHRR 数据来监测植被生长和生物量。如结合地面调查和TM、AVHRR 数据，对数百万平方公里欧洲森林生物量的成功估算，利用 TM 数据对美国 Colorado 矮草草原地上部分生物量的估算，对美国EastMaryland落叶林的地上部分生物量的估算等。近年来，各种星载和机载 SAR数据己被广泛用于估算陆地植物生物量，生物量估算己成为SAR 数据的重要应用领域之一。 卫星遥感使人们能在大陆甚至全球尺度上监测自然资源。过去的研究主要集中在热带和北方针叶林区。与传统的生物量估算方法比较，遥感方法可快速、 准确、无破坏地对生物量进行估算，对生态系统进行宏观监测。 研究者可以利用遥感的多时相特点定位分析同一样区一段时间后的非干扰变化，使传统方法难以解决的问题变得轻而易举，使动态监测成为可能。且RS、GIS 技术的集成推动了生物量遥感估算的进程，在 GIS 环境下实现包括 RS 信息在内的多种信息的复合，建立生物量遥感模型。利用 GIS 技术将高时相分辨率的卫星遥感数据如NOAA / AVHRR 数据、TM图像和各种观察数据集成在一起， 基本上实现了区域尺度甚至全球尺度不同陆地生态系统生物量的动态监测。 这一技术体系包括生物量遥感参数模型和生物量遥感机理模型。生物量遥感估算研究大致可分为三个阶段: 最初的生物量遥感估算是利用单波段进行研究，如 Prince和 Goward 研究认为，地上生物量与植物生长季内最小的可见光反射率存在着负相关，从而建立了地上生物量遥感估算的统计模型: )(61.7166.2W式中， W 为地上生物量 ;为生长季 AVHRR 第一通道的最小值。利用单通道来估算生物量，运算简便。但其受大气、土壤、传感器性能、太阳角度等一系列因素的影响强烈，估算精度较差。第二阶段是利用植被指数来估算生物量，因其方法简便、 估算精度较高而广为应用，从使用高空间分辨率的TM、 MSS 数据等到使用高时间分辨率的NOAA名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 3 页 - - - - - - - - - 数据。从小区域的精细研究 (如一个实验区、 一个县 )到大范围宏观研究 (如全球尺度)。金丽芳 1986)利用 Landsat TM 数据得出 NDVI 与生物量之间的关系为 : )69.3exp(5.49NDVIBiomass9.02R并利用这一关系建立了推断内蒙古自治区锡林郭勒盟草场产草量的方法。黄敬峰、李建龙 (1994)对天山北坡中段天然草地进行研究，建立了不同草地类型的遥感动态监测模式和综合荒漠、草原、草甸资料的遥感动态监测模式；张良培等(1997)利用高光谱对样本NDVI 和测量所得的生物量数据进行回归分析，相关系数在 0. 8 以上。童庆棺等 (1997 )在都阳湖湿地建立了植被因子与生物量之间的经验模型，利用植被生物量与归一化植被因子的关系，对研究区进行生物量制图。在 70 年代，国外已将 TM、MSS 资料用于植被生物量的研究，目前技术日臻成熟，大量的 TM、MSS、NOAA 资料用于植被生物量估算、农作物估产、森林和草场的动态监测。 Marin Amparo Gilabert 等(1996)利用实验遥感方法对作物冠层的叶面积指数 (LAI) 、生物量与归一化植被指数(NDVI) 的关系进行研究，得出 : )log( BiomassBANDVI96.02R其中： A、B 是根据研究区状况而调整的参数。第三阶段则是 90 年代兴起的利用主动微波遥感(主要是 SAR)手段进行生物量估算， 是生物量估算研究的进一步深入， 使估算精度进一步提高。 Heffer (1986)、Wu (1987), Sadar(1987) 、Sun 和 Simonett (1988)、Kasischke(1993) 等分别利用航空或航天 SAR 数据，研究表明雷达影像密度与生物量高度相关：E. S.Kasischke论证其相关系数在0. 87 和 0. 93 之间；Giovani 等(1997)与 J. P.Wigneron等(1999)分别利用 SAR 对生物量进行反演和动态监测； Hussin 等则利用 SAR 数据来估算松林的生物量； Harrell D. A( 1997 )的研究表明用 SIR-C/X-SAR 估计针叶林生物量效果很好，可较精确地估算针叶林的占地面积，树的平均尺度、树枝生物量、树冠生物量、 树桩生物量和树叶生物量； 张秋江等利用小比例尺航片提供的遥感信息和 46 块实测样地数据建立针阔混交林蓄积量估测模型：Y=8. 3211299+0. 3267006HD+l. 146506H2C2 （R=0.926）式中 Y 是蓄积量， H 是树高， D 是胸径；而 Y-Q. Lin 和 C. Lin(1996)等提出了适用于 SIR-C, ERS-1 航天遥感数据的人工神经网络反演生物量参数的方法，对小麦生长期中生物量参数作了很好的反演。遥感估测生物量模型被应用于农、林等各个领域， 如水稻遥感估产以亚洲水稻主要生产国为先行和先进， 中国、印度、日本等国家都进行过遥感估产研究且取得较好的效果。 Patel和 Dash等建立水稻产量和RVI 的关系，试验区预报精度达到 96.14。生物量的遥感参数模型多利用红波段和近红外波段的组合即植被指数(Vegetation Indices) 和 LAI 、植被覆盖度等的关系， 推断出植被指数与生物量之间的关系进而求得生物量， 这种方法快速、 便捷。但是由干植被遥感在理论和技术上的一些不完备性， 估算精度还不是很高。 而且在研究过程中， 遥感数据源和植被指数的选取甚为关键，不同的遥感数据和植被指数，所得结果相差悬殊。三、多种科学技术相结合提取生物量随着科学技术的发展， 生物量的提取也越来越受到人们的关注，人们也逐步寻求利用多种方式结合来计算森里的生物量。现在遥感技术与神经网络技术相结合为生物量的估计提出了新的视角。例如名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 3 页 - - - - - - - - - 人工神经网络能用不同的方式提取植被变量，就像当缺乏有效的数字化最优技术去转换模型时神经网络可以自然地转换基本的模型一样。神经网络也用作一个变量选择工具去确定合适的变量和用作可修改的系统来一体化各种数据如光谱数据和用于植被变量提取的辅助数据等。通过神经网络提取的变量数据和遥感数据相结合可极大地提高生物量的估测能力。而地理信息系统技术通过与遥感及辅助数据的结合对发展高级的模型也是有用的。 GPS的组合技术系统为遥感对地观测信急提供了准实时或实时的定位信息和地面高程模型；遥感、GPS , GIS的集成将使 GIS 能够获取准确、快速定位的遥感信息， 实现数据库的快速更新和在分析决策模型支持下的快速多维、多元复合分析。三者的结合将最终建成新型的地面三维信息和地理编码影像的实时或准实时获取或处理系统， 形成快速的高精度信息处理流程，对遥感技术及遥感模型的发展具有深远的影响。随着科学技术的不断发展， 越来越多的其它新技术、 新方法也与遥感技术相结合应用于估算模型。 例如：采用专家系统推断植被特征；利用对树冠垂直结构敏感的长波雷达和激光雷达从空间测量地上生物量；将遥感数据与森林资源清查数据结合以估测森林的生物量。名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 3 页 - - - - - - - - -
