本研究是国家自然科学基金(编号:30700638)和国家林业局948项目(编号:2008-4-49)的部分内容。竹林是中国亚热带地区(如浙江、安徽、江西、福建等省)特殊的森林类型,在区域生态系统中具有重要地位和作用,特别是竹林资源具有巨大的生物量及碳储量,在森林生态系统二氧化碳减量及对全球碳平衡的贡献方面有重要作用。然而,国内外研究表明,竹林地上生物量估算方法还停留在传统统计方法上,生物量空间分布与制图等方面的研究还不足,难以从空间上对竹林生物量进行分析和评价,而生物量图可以从空间上直接估计竹林碳储量及来自土地利用变化的净通量,因此,这方面的研究具有重要意义。毛竹林在区域森林生态系统中的面积占有绝对的优势,如全国毛竹林面积337万ha,约占竹林面积的70%;浙江省毛竹面积占全省森林总面积的9.8%,研究地区浙江省安吉县毛竹林占全县有林地面积的38%左右。本研究将以毛竹为例,借助卫星遥感数据,在GIS和GPS支持下,估算毛竹林地上部分碳储量。主要研究内容包括以下几个方面:1.毛竹林遥感信息提取方法研究,主要包括选出对毛竹林分类效果较好的特征组合和不同分类方法的对比;2.在地面调查和遥感数据处理的基础上,构建毛竹林地上部分生物量遥感估算模型。主要采用逐步回归法、偏最小二乘法和Erf-BP人工神经网络3种方法进行模型的构建,通过评价,选出最佳模型用于毛竹林地上部分生物量估算并转换为碳储量;3.结合GIS空间分析平台,对毛竹林地上部分碳储量进行空间统计、分析和制图。通过研究,本文主要得到以下几个结论:1.在Jeffries-Matusita(JM)距离分析基础上,综合考虑各类与毛竹林之间的JM值以及特征维数,研究得出band1、band3、band4、band5、NDVI和IIVI这个特征组合较适合用于毛竹林的分类。2.分类结果表明,BP神经网络分类总体精度和Kappa系数都高于最大似然法。基于BP神经网络分类方法毛竹林生产者精度和用户精度分别达到88.25%和91.94%。3.不同模型分析评价表明,Erf-BP人工神经网络模型在毛竹地上部分生物量碳储量遥感估算中具有最高的精度(拟合和预测决定系数分别为0.997和0.822),其数学表达式为:其中自变量EVI、Tass4、Vari1、Homo2、Homo4、Diss2、Diss3与毛竹林地上部分生物量呈正相关关系,Tass5、Prin4、Mean5、Homo3、Entr5与毛竹林地上部分生物量呈负相关关系,而EVI、Tass5、Mean5、Homo2、Homo3、Diss3这6个输入变量在解释毛竹林地上部分生物量上起到了重要作用。4.根据Erf-BP模型估算了2004年和2008年整个安吉县毛竹林地上部分碳储量,分别为1.252Tg C和1.238Tg C(1Tg=1012g)。