论文部分内容阅读
科学、准确的估算区域森林生物量对于研究全球碳循环、森林生产力、气候变化有重要意义,而基于多源遥感数据估算区域森林生物量的精度仍亟待提高。本研究以吉林省抚松县露水河林区为研究区,在收集研究区SPOT5遥感数据、大光斑激光雷达GLAS数据、MODIS遥感数据及相关辅助数据和样地调查基础上,通过优化SPOT5参数的选取方法,改进了基于GLAS波形参数的光斑内森林最大冠顶高度估算模型的估算精度;融合SPOT5遥感数据获取区域森林最大冠顶高度分布图;联合森林冠顶高度数据与SPOT5遥感数据,建立区域森林生物量估算模型;将最佳估算模型应用于MODIS和SPOT5遥感数据,建立了基于遥感的森林生物量估算的尺度转换模型。研究结果表明,联合多源遥感数据有利于提高森林生物量的估算精度,通过尺度转换研究能够获得大范围、较高精度的基于低分辨率遥感影像的森林生物量估算结果。本研究获得了如下结果和结论:（1）通过优化SPOT5参数的选取方法,改进了基于GLAS波形参数的光斑内森林最大冠顶高度估算模型的估算精度。结果显示,当以20m作为地形起伏阈值划分研究区地形时,通过引入纹理参数改进的地形指数模型,在平缓及倾斜地区改进模型的精度皆达到最优。与地形指数模型相比,改进模型在倾斜地区通过留一法交叉验证的R2从0.777增加到0.952,RMSE从2.90m下降到1.35m,精度提升显著。研究表明,纹理特征能够通过反映不同林龄林冠结构的变化,来间接反映森林冠层高度的变化,从而减少林冠结构差异对GLAS波形参数的影响,提升了森林冠顶高度的估算精度。（2）联合由GLAS波形数据获取的森林最大冠顶高度、SPOT5遥感数据和森林叶面积指数等数据,分别采用偏最小二乘模型（PLS）、支持向量回归模型（SVR）和随机森林模型（RF）建立区域森林最大冠顶高估算模型。结果显示,随机森林模型能够获得最佳的估算精度,其中阔叶林R2=0.90,RMSE=1.69m;针叶林R2=0.93,RMSE=1.85m;针阔混交林R2=0.95,RMSE=1.59m。研究表明,纹理特征相比与光谱参数对于森林结构参数的变化更为敏感,使用随机森林的方法能够有效地模拟纹理与森林冠顶高度间的线性或非线性关系,适用于区域森林冠顶高度的估算。（3）融合森林最大冠顶高度数据与光学遥感数据,利用多源遥感数据间的优势互补,分别采用偏最小二乘模型（PLS）、支持向量回归模型（SVR）和随机森林模型（RF）建立区域森林生物量估算模型。结果显示,森林最大冠顶高度对森林生物量最为敏感,随机森林模型的估算精度最高,其中阔叶林R2=0.93,RMSE=14.39 Mg?hm-2;针叶林R2=0.93,RMSE=19.80 Mg?hm-2;针阔混交林R2=0.94,RMSE=26.61 Mg?hm-2。研究表明,融合森林冠顶高与光学遥感数据的随机森林模型对于森林生物量复杂的变异性有良好的适应能力,能够有效地进行森林生物量的区域估算。（4）通过最佳森林生物量估算模型获取研究区基于MODIS和SPOT5遥感数据的两种尺度森林生物量分布图,对比分析两者间的尺度效应。利用基于混合像元的结构分析方法和随机森林回归的方法,建立森林生物量尺度效应校正因子的估算模型,对基于MODIS数据估算的森林生物量进行尺度效应校正。结果显示,校正后的基于MODIS遥感数据的森林生物量与基于SPOT5遥感数据的森林生物量间的验证相关系数R较之前从0.61提升到0.90,RMSE从172.3 Mg?hm-2下降至24.0Mg?hm-2,精度提升显著。研究表明,基于混合像元的结构分析方法和随机森林模型,能够有效地获取森林生物量空间尺度转换模型,从而提高低分辨率遥感影像的森林生物量估算精度,实现森林生物量大范围、较高精度的遥感估算。