婁雪婷,曾 源,吳炳方

(中國科學院遙感應用研究所農(nóng)業(yè)與生態(tài)遙感研究室,北京 100101)

森林地上生物量遙感估測研究進展

婁雪婷,曾 源,吳炳方

(中國科學院遙感應用研究所農(nóng)業(yè)與生態(tài)遙感研究室,北京 100101)

森林生物量是衡量生態(tài)系統(tǒng)生產(chǎn)力的重要指標,也是研究森林生態(tài)系統(tǒng)物質(zhì)循環(huán)的重要基礎(chǔ),其估測方法可以分為傳統(tǒng)地面實測法、遙感監(jiān)測法和綜合模型法。隨著生物量估測從樣地研究發(fā)展到區(qū)域應用,空間尺度的增大導致宏觀資料和參數(shù)的獲取存在很多困難。在深入分析目前應用遙感技術(shù)估算森林生物量的方法及原理基礎(chǔ)上,系統(tǒng)評述了統(tǒng)計模型、物理模型、基于植被凈初級生產(chǎn)力 (NPP)模型的估算方法以及綜合模型法的優(yōu)缺點,分析了各種方法在不同森林植被及遙感數(shù)據(jù)源下的適用性及不確定性,探討了此領(lǐng)域的研究方向。

森林地上生物量;遙感;模型估算

0 引言

森林分布面積廣,在陸地生物圈層和大氣圈層之間的碳循環(huán)交換過程中起著重要作用[1]。森林生物量約占陸地生態(tài)系統(tǒng)生物量的 90%[2],是整個森林生態(tài)系統(tǒng)運行的能量基礎(chǔ)和營養(yǎng)物質(zhì)來源,對陸地生物圈和其他地表過程有著重要影響。森林生物量不僅反映森林的生態(tài)演替和人為干擾過程,還能充分體現(xiàn)森林生態(tài)系統(tǒng)環(huán)境的質(zhì)量,是衡量森林生態(tài)系統(tǒng)生產(chǎn)力、生態(tài)系統(tǒng)結(jié)構(gòu)功能的最好指標[3]。森林生物量按來源的部位不同可分為根、干、枝和葉生物量。其中,干、枝、葉生物量合稱為森林地上生物量。森林地上生物量因其壽命長、體積大而長期、大幅度地影響碳庫,是研究森林碳循環(huán)、評估森林碳收支的基礎(chǔ),對全球氣候變化研究具有重要意義。本文在總結(jié)傳統(tǒng)地面實測法的基礎(chǔ)上,詳細探討了基于遙感技術(shù)估算森林地上生物量的方法,分別討論了各種方法的適用性及其不確定性,特別提出了綜合模型法,為選擇估算森林地上生物量方法提供參考。

1 森林地上生物量提取方法概述

提取森林地上生物量的研究工作經(jīng)過簡單測定階段,從 20世紀 60年代起,以統(tǒng)計模型法研究森林地上生物量漸呈主流,即以易測因子作為自變量,生物量為因變量,通過回歸分析方法建立起相對生長方程,以此來推算、預測整體的生物量[4-8]。此后,隨著國際生物學計劃和人與生物圈計劃的開展,遙感監(jiān)測技術(shù)成為研究森林地上生物量的新工具。雖然該技術(shù)在探索影響植物光譜特征的植物生理本質(zhì)方面還有待完善,但其諸多優(yōu)勢使其成為當前及今后的研究熱點。

1.1 傳統(tǒng)地面實測法

傳統(tǒng)地面實測法以測量研究區(qū)內(nèi)單位面積林木重量為主,主要有皆伐實測法、隨機抽樣法、平均木生物量法、材積源生物量法、相對生長模型法及氣體交換法 6種。各種方法的原理、優(yōu)缺點和適用性如表 1所示。

表 1 6種地面實測法比較Tab.1 The Comparison of traditional methods for estimating forest above ground biomass

(續(xù)表)

然而,傳統(tǒng)地面實測法通常只能獲得點上的數(shù)據(jù),且勞動強度大、成本高,不利于研究生物量的空間分布和變化,且在實際應用中存在著林業(yè)測量儀器誤差、樣地空間分布的代表性不足等問題,這些均增加了研究區(qū)域尺度森林地上生物量的難度。

盡管如此,將傳統(tǒng)地面實測法獲得的數(shù)據(jù)作為生物量遙感提取模型的輸入?yún)?shù)來驗證數(shù)據(jù),仍十分重要。近年來,傳統(tǒng)地面實測法又不斷與遙感技術(shù)、空間定位技術(shù)結(jié)合,為遙感監(jiān)測森林地上生物量奠定了基礎(chǔ)。王志杰[11]嘗試利用全站儀和掌上電腦獲取監(jiān)測樣地內(nèi)每棵樹木的定位數(shù)據(jù),同時采集樹木物種信息、形態(tài)信息及立地環(huán)境數(shù)據(jù),建立樣地植物監(jiān)測數(shù)據(jù)庫系統(tǒng),實時、詳細的樣地植物信息更易于與高空間分辨率遙感數(shù)據(jù)接軌。陳春祥[12]采用 FoxPro及 ArcView GIS改進了大范圍林業(yè)抽樣樣地布點方案的修改方法,提高了抽樣設(shè)計的工作效率。3S技術(shù)發(fā)展了傳統(tǒng)地面實測法的樣地布設(shè)和抽樣調(diào)查方法,為其注入了新活力。

1.2 基于遙感的監(jiān)測方法

遙感作為日趨成熟的對地觀測技術(shù),不僅可以為快速、定量獲取區(qū)域尺度森林地上生物量及其變化提供大范圍、多尺度的數(shù)據(jù),更可實現(xiàn)對地表參數(shù)的實時監(jiān)測,適用于分析和評價森林生物量的時空格局和變化趨勢。目前主要有統(tǒng)計模型、物理模型和綜合模型 3類方法。

1.2.1 統(tǒng)計模型法

1.2.1.1 統(tǒng)計模型

統(tǒng)計模型法是根據(jù)實驗區(qū)內(nèi)樣地生物量與遙感圖像上植被的物理參數(shù)、反射光譜特征或不同通道雷達數(shù)據(jù)間存在的相關(guān)關(guān)系進行回歸擬合,按像元計算生物量的方法。

研究表明,基于植被特殊的光譜特性,多波段光學遙感信息組合成的植被指數(shù)能包含 90%以上的植被信息[14],以光學遙感的不同波段組合提取生物量已經(jīng)被廣泛應用[14-16]。高光譜遙感數(shù)據(jù)能記錄下地物完整的光譜曲線,為我們提供了更多的可選波段來表征植被信息。其中“紅邊”是植被高光譜曲線最明顯的特征,相比植被指數(shù)不易受土壤和大氣環(huán)境的影響[17]。激光雷達 (LiDAR)在林木高度測量與林分垂直結(jié)構(gòu)信息獲取方面具有其他遙感技術(shù)無可比擬的優(yōu)勢。何祺勝[18]等采用高密度 L i-DAR小腳印點云數(shù)據(jù)建立冠層高度模型,估測單株木結(jié)構(gòu)參數(shù)樹的位置、樹高、冠幅,然后采用多元逐步回歸分析法建立 LiDAR估測的平均樹高、冠幅等與實測森林地上生物量之間的關(guān)系,估測方程精度較高,R2=0.738。文獻 Holmgren[19]以 L iDAR數(shù)據(jù)估測樹高、冠幅等參數(shù),計算 10m半徑樣地的蓄積量,估測精度達到應用要求。隨著遙感數(shù)據(jù)源的多元化發(fā)展,為了集合不同數(shù)據(jù)源的優(yōu)勢以提高森林生物量的估算精度,越來越多的學者致力于用數(shù)學方法和技術(shù)工具融合不同傳感器、不同波段的數(shù)據(jù)。例如高分辨率數(shù)據(jù)可校正低分辨率數(shù)據(jù)的誤差,提高森林生物量的估算精度。張宏斌[20]檢驗了 TM、MOD IS、NOAA數(shù)據(jù)之間的精度校正關(guān)系,并以氣候因素 (氣溫、降雨)和遙感植被指數(shù)之間的關(guān)系模型監(jiān)測了 1982～2006年內(nèi)蒙古草原植被的變化趨勢。

應用統(tǒng)計模型的突出優(yōu)點是可以宏觀、連續(xù)地監(jiān)測植被生物量。在遙感影像光譜或空間分辨率足夠高的情況下,此類模型簡單易用。但它的局限性也不可忽視:一方面,由于大氣、遙感器定標、太陽幾何照明、土壤濕度、亮度和顏色在不同的區(qū)域每時每刻變化著,統(tǒng)計關(guān)系的適用性常常不穩(wěn)定[21-23],需要根據(jù)應用區(qū)域的不同來選擇適合的數(shù)據(jù)源及其波段組合[24,25];另一方面,由于樹木的生長受溫度、光照及水分等因子限制,不同季節(jié)的樹干、樹枝及樹冠生物量之間的統(tǒng)計關(guān)系也會發(fā)生變化?？傊?基于統(tǒng)計關(guān)系估算林地整體地上生物量,增加了結(jié)果的不確定性。

1.2.1.2 人工神經(jīng)網(wǎng)絡模型

盡管不同的波段組合與森林地上生物量在理論上有明顯的相關(guān)性,但森林環(huán)境的復雜性使各種統(tǒng)計函數(shù)無法表達所有的不確定性。應用人工神經(jīng)網(wǎng)絡估算森林地上生物量,開辟了一條方便快捷且可靠的途徑。人工神經(jīng)網(wǎng)絡 (ANN)系統(tǒng)是以模擬人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能為基礎(chǔ)而建立的一種數(shù)據(jù)分析處理系統(tǒng)。在進行知識獲取時,由研究者提供樣本和相應的解,通過特定的學習算法對樣本進行訓練,通過網(wǎng)絡內(nèi)部自適應算法不斷修改權(quán)值分布以達到應用要求[26]。目前,提取森林生物量神經(jīng)網(wǎng)絡模型很多,如線性網(wǎng)絡、回歸網(wǎng)絡、后向 (BP)神經(jīng)網(wǎng)絡、感知器神經(jīng)網(wǎng)絡 (MLP)及徑向基函數(shù)神經(jīng)網(wǎng)絡 (RBF)等[27]。

有實驗表明,在生物量估測與實測數(shù)據(jù)的計算中,人工神經(jīng)網(wǎng)絡法估測的相對誤差較小,約小于15%[29],引入海拔、坡度、坡向和立地類型作為神經(jīng)網(wǎng)絡模型的自變量,有助于提高生物量的估算精度[29]。同時,在多元遙感協(xié)同估測生物量方面,韓愛惠[30]結(jié)合地理氣象因子,采用多元回歸和神經(jīng)網(wǎng)絡的方法,研建了以 CBERSWFI數(shù)據(jù)和 MODIS數(shù)據(jù)為主要信息源的森林生物量估測模型,估測精度達到了 85%以上。

在森林生物量與遙感因子相關(guān)性不顯著的情況下,神經(jīng)網(wǎng)絡是建立森林生物量非線性遙感模型的可靠方法。但其缺點是“黑箱操作”,模型缺乏生物物理意義。

1.2.2 物理模型法

物理模型法是指借助二向性反射與生物量之間的關(guān)系由遙感信息反演估算生物量的方法。自然界絕大部分的物體均具有各向異性的反射特性,投射到地物表面上的輻射能量往往由來自太陽的直射輻射與天空散射輻射兩部分組成,傳感器接收的輻射亮度受輻射環(huán)境的影響,稱之為二向性反射,可用二向性反射率分布函數(shù) BRDF來描述[31]。

物理模型有明確的物理意義,模型穩(wěn)定度和普適性好。目前,應用于提取森林地上生物量的模型主要有輻射傳輸模型 (Radiative Transfer Model)和幾何光學模型 (Geometric Optical Model)。

1.2.2.1 輻射傳輸模型

輻射傳輸模型描述了太陽輻射在植被生產(chǎn)力形成生理過程中的吸收、反射、透射以及大氣中的傳輸[32]。其基本原理是,把植被冠層看成一個水平均勻散射的整體介質(zhì),按高度切分成許多層,并測定每層中的葉面積和光強,建立光線輻射傳輸與植被冠層結(jié)構(gòu)參數(shù)的聯(lián)系[33],據(jù)此反演冠層內(nèi)的結(jié)構(gòu) (包括樹高、密度和 LA I)并輸出生物量。學者們根據(jù)植被冠層結(jié)構(gòu)在空間上的異質(zhì)性建立了一系列復雜的輻射傳輸模型,特別是處理特定冠層結(jié)構(gòu)的模型[34],典 型 的 有 Nilson - Kuusk[35]、Hape[36]、SA IL[37]和 PROSA IL[38]等模型。此類模型對植被反射過程的描述很接近于實際,但計算復雜,應用時常常需從事先編制好的反射率查找表中搜索和測量值最接近的值作為輸入?yún)⒘俊?/p>

由于光合有效輻射是生物量的基本能量來源,輻射傳輸模型所輸出的光合有效輻射 (在不受水分、養(yǎng)分、溫度限制情況下)與植被生物量的增長量成正比,模型具有較好的理論意義。Koetz[39]以激光雷達數(shù)據(jù)結(jié)合光學遙感數(shù)據(jù)的不同波段組合,修正了 GeoSA IL模型的自由參數(shù),反演植被冠層 LA I、植被覆蓋度及樹高等參數(shù),以此估算森林地上生物量。

以輻射傳輸模型反演生物量,奠定了模擬冠層光合生產(chǎn)力研究的基礎(chǔ)。但它的不足是假設(shè)植被冠層為水平均勻散射的介質(zhì)。眾所周知,森林植被在遙感像元尺度上,多表現(xiàn)為非連續(xù)分布。目前,輻射傳輸模型只應用在小范圍內(nèi)提取森林地上生物量。

1.2.2.2 幾何光學模型

為了建立適用于森林植被生物量估算的物理模型,李小文與 Strahler[40]在此領(lǐng)域開展了研究工作。他們抓住了影響不連續(xù)植被 BRDF的關(guān)鍵因素,即像元在一定光照條件下的 4分量,提出了強調(diào)界面幾何光學影響的幾何光學模型。經(jīng)過引入孔隙率及多次散射的改進,幾何光學模型已經(jīng)發(fā)展成為一種融合了輻射傳輸過程的混合模型[41]。近年來,新發(fā)展的五尺度幾何光學模型在群落分布、樹冠形態(tài)、樹冠分枝結(jié)構(gòu)、樹葉分布及枝芽分布特征 5個尺度上,探討其對BRDF形成的影響。

目前,利用幾何光學模型估算森林地上生物量已有研究先例。Pedd le[42]用 5尺度幾何光學模型劃分森林類型并估算了 LA I,曾源[43,44]在三峽庫區(qū)用Li-Strahler模型反演森林冠層平均郁閉度及冠幅,這些森林結(jié)構(gòu)參數(shù)可用于估算森林地上生物量。Mark[45]2008年在亞利桑那州及墨西哥首次將多角度遙感數(shù)據(jù)用于簡單幾何光學模型 (Simple Geometric Optical Model)反演森林冠層平均郁閉度和植被高度,通過線性變化尺度推算森林地上生物量,結(jié)果與美國農(nóng)業(yè)部林業(yè)調(diào)查數(shù)據(jù)相關(guān)系數(shù)達 0.81。2009年,M ark[46]又在美國科羅拉多州將 LiDAR數(shù)據(jù)用于簡單幾何光學模型,以樹高、冠層郁閉度回歸擬合森林地上生物量,與美國林業(yè)調(diào)查數(shù)據(jù)關(guān)系數(shù)達 0.84。這些實驗表明,幾何光學模型估算森林地上生物量的精度基本能達到應用要求。

在實際監(jiān)測中,由于冠層結(jié)構(gòu)、大氣條件、太陽角度、目視形狀和地形坡度的影響,幾何光學模型還需要充分利用微波、激光雷達、高光譜和多角度遙感數(shù)據(jù)來提高森林結(jié)構(gòu)參數(shù)的反演精度。

1.2.2.3 基于 NPP的模型

生物量是生態(tài)系統(tǒng)累積的活有機質(zhì)總量,而植被凈初級生產(chǎn)力 (NPP)是一段時間內(nèi)自養(yǎng)生物產(chǎn)生的凈有機物重量,包括枯死、脫落損失量和被植食性動物吃掉的消耗量的總和 (通常被植食性動物吃掉的消耗量忽略不計)。因此,累加某一時刻以前的長時間序列 NPP,減去枯死、脫落損失的生物量即可得出森林地上生物量。目前,估算 NPP的模型已經(jīng)比較成熟,常用模型可以分為以下 3類[47]:

(1)氣候相關(guān)模型。該模型有 Chikugo模型[48]、Thornthwaite Memorial模型[49]等,其中最著名的是全球第一個植被 NPP估算Miami模型[50]。這類模型的原理是以降水量、年平均氣溫及土壤水分等因子預測不同地帶的NPP。其缺點是假設(shè)植被隨氣候進行變化,而沒有考慮植被本身的生物學特性,更無法預測NPP,目前常用于與其他模型結(jié)果的對比。

(2)生理生態(tài)過程模型。該模型有 SiB2模型[51]、B IOM E-BGG模型及 BEPS模型等。這類模型使用遙感數(shù)據(jù)提供的地表植被覆蓋度、土壤水分等信息,結(jié)合生物物理和生物地球化學形成混合模型,不但以環(huán)境因子為變量,還加入了植物進行光合作用的生物化學反應機制,在系統(tǒng)尺度上模擬冠層的光合作用、蒸騰作用及碳氮變化等,有效地區(qū)分了植被類型以及其生長情況。

Prieto-Blanco[52]運用最全面、復雜的BIOM EBGG模型與 JULES模型對比估算 NPP。分析表明,相比 JULES模型設(shè)定 LAI為常數(shù)參數(shù),BIOM EBGC模型以觀測有效 LA I驅(qū)動模型、以不同的植被類型進行區(qū)分計算,減小了 NPP誤差,拓展了模型使用范圍。但以上實驗也說明,繁多的輸入?yún)?shù)使這類模型難以應用。

生理生態(tài)過程包括生物地球化學循環(huán)之間、生物地球化學和水循環(huán)之間、以及各種物種之間復雜的相互作用,無論模型如何精細和復雜,也無法包括以上過程的所有機制。生理生態(tài)過程模型目前主要用于檢驗限制生態(tài)系統(tǒng)生物產(chǎn)量的環(huán)境因子[53]。

(3)光利用率模型。該模型利用 NPP與植物吸收的光合有效輻射及其轉(zhuǎn)化為有機物轉(zhuǎn)化率的關(guān)系來實現(xiàn)估算植被凈初級生產(chǎn)力 NPP。目前主要有CASA模型和 GLO-PEM模型[15]。模型認為,在非理想狀況下,植被的光合作用受最短缺資源的限制,最大光能轉(zhuǎn)化率既可以通過一個調(diào)節(jié)模型來模擬,也可以是一個簡單的比率常數(shù)。在不同模型中,不同學者對全球植被最大光能轉(zhuǎn)化率的取值從0.09～2.16 gC/M J不等[54,55],對 NPP的估算結(jié)果影響很大,此方面仍有待進一步開展基礎(chǔ)研究。

光利用率模型的光合有效輻射比例等輸入?yún)?shù)可以通過遙感手段獲得,無需野外實驗測定,模型形式也比較簡單,又比氣候相關(guān)模型多考慮了環(huán)境條件和植被的本身特征,是目前應用較多的基于 NPP的模型。

1.2.3 綜合模型法

在森林生態(tài)系統(tǒng)穩(wěn)定的情況下,林分生物量呈周期性波動[56,57]。但在遙感像元尺度下,即使建立復雜的模型,也無法充分體現(xiàn)這種規(guī)律。Smith[47]用 3種方法估算了歐洲北部森林的 NPP,其中以氣候因子、土壤因子、CO2驅(qū)動的氣候相關(guān)模型、光能利用率模型均高估了NPP;而以遙感數(shù)據(jù)估計林地生物物理參數(shù),驅(qū)動森林動態(tài)模擬模型得出的 NPP結(jié)果與地面調(diào)查數(shù)據(jù)最相符。因此,選擇具有生態(tài)意義的估算模型并與遙感數(shù)據(jù)相結(jié)合的方式將成為遙感估算森林地上生物量的研究方向。

林窗模型以生態(tài)演替為理論基礎(chǔ)動態(tài)模擬森林植被變化,引起學者的廣泛關(guān)注。模型以兩個子模塊模擬現(xiàn)實森林生長動態(tài):一是森林中各樹種本身的生物學特征;二是影響樹種生長的環(huán)境因素。生物學特征子模型包括 3部分:林木更新狀況以受光照和微立地影響的隨機函數(shù)表示;生長模型狀況用直徑生長量或生長效率表示;死亡模型以呈指數(shù)分布的概率函數(shù)或受壓死亡概率表示。環(huán)境因素子模型包括 4部分:光照、降水 /土壤水分、溫度和土壤養(yǎng)分狀況對林木生長的限制,以 0～1之間的函數(shù)表示。林木的最優(yōu)生長乘以環(huán)境資源條件限制,就是林木現(xiàn)實的生物量數(shù)值。但傳統(tǒng)林窗模型在空間范圍上只能模擬 1/12 hm2[58],不同學者提出了林窗模型與其他模型的耦合方法。

FOREST模型[59]是第一個增加樹種更新模塊的林窗模型,Running[60]提出其與生物地球化學循環(huán)結(jié)合的 FOREST-BGG模型。這種模型以遙感易于探測的LA I表示森林生態(tài)系統(tǒng)中重要的能量流動和物質(zhì)循環(huán),拓展了林窗模型適用的空間范圍。ZEL IG模型[61]是第一個考慮樹木空間定位的林窗模型。Friend[62]在 ZEL IG模型中加入了 FORESTBGC模型的光合作用、呼吸作用和水分循環(huán)等樹木的生理過程,建立了更復雜的 Hybrid模型,其詳細程度更適合研究森林生態(tài)系統(tǒng)結(jié)構(gòu)的動態(tài)發(fā)展。

綜合模型機制符合邏輯,結(jié)構(gòu)修改靈活,估計參數(shù)簡單,不一定需要使用遙感數(shù)據(jù)。但在監(jiān)測森林地上生物量時,若能結(jié)合機理模型與遙感技術(shù)的空間定位功能,將更易于分析森林生態(tài)系統(tǒng)的地域變化及水平結(jié)構(gòu)。因此宜選擇考慮樹木空間定位的林窗模型,先模擬單個樣地上植被動態(tài)過程,再加形成整個林分的植被動態(tài)。用遙感手段提取每個像元光照、水分、土壤養(yǎng)分及溫度數(shù)據(jù),計算環(huán)境限制函數(shù),再與林木最優(yōu)生長量耦合,這樣的模型最易于與遙感數(shù)據(jù)結(jié)合,也利于充分發(fā)揮遙感技術(shù)優(yōu)勢。模型流程如圖 1所示。

圖 1 區(qū)域尺度遙感監(jiān)測森林地上生物量綜合模型流程Fig.1 Flowchart of models for estimating forest above ground biomass at regional scale

2 遙感提取生物量的不確定性分析

2.1 數(shù)據(jù)源的不確定性

目前,多光譜遙感數(shù)據(jù)已經(jīng)被廣泛用于估算森林植被生物量,而高光譜遙感數(shù)據(jù)和 SAR數(shù)據(jù)憑借自身的種種優(yōu)勢,在這一研究領(lǐng)域的應用也正逐步擴大。大量新的遙感數(shù)據(jù)源不僅為生物量提取提供了更多的信息,也帶來了許多不確定性。

高光譜遙感數(shù)據(jù)在精確獲取植被各類生物物理參量的同時,在大氣輻射傳輸、儀器結(jié)構(gòu)與性能、植被光譜的角度效應等方面產(chǎn)生了一些誤差。研究表明,高光譜植被指數(shù)由于過于經(jīng)驗化,冠層結(jié)構(gòu)和觀測方向?qū)ζ溆绊懞艽?甚至葉片空間伸展姿態(tài)也能改變冠層光譜反射率[63],因此,構(gòu)建穩(wěn)定高光譜植被指數(shù)的研究還需要進一步深入。

LiDAR數(shù)據(jù)能記錄森林復雜的三維結(jié)構(gòu)特征,有效地提高了生物量的估測精度[64]。但數(shù)據(jù)成本較高、不易區(qū)分樹冠和地面回波,以及森林結(jié)構(gòu)和L iDAR回波間的理論聯(lián)系不完善等問題還有待解決。

2.2 生物量模型的不確定性

結(jié)合多源遙感數(shù)據(jù)的同時,提取生物量的模型本身也存在著一定的不確定性,包括模型輸入?yún)?shù)、模型適用尺度及物理過程模擬等一系列問題。

統(tǒng)計模型盡管形式簡便多樣,精度較高,但其準確性建立在地面數(shù)據(jù)與遙感光譜信息準確匹配的基礎(chǔ)上。在實際應用中,常面臨幾何糾正不夠準確的問題,使得遙感數(shù)據(jù)與地面數(shù)據(jù)無法精確匹配,建立的統(tǒng)計關(guān)系需要仔細驗證才能應用;物理模型不僅要對每塊樣地測算不同的輸入?yún)?shù),還要針對不同的樹冠形狀選擇不同的模型[34];幾何光學模型雖然在形式上有了很大簡化,但只適用于稀疏規(guī)則形狀的冠層,這使得結(jié)構(gòu)復雜的次生林、天然林生物量不易于估算。

連續(xù)累加長時間序列 NPP計算生物量方法以成熟的NPP模型為基礎(chǔ),多應用于估算大尺度生物量。但是,高時間分辨率的遙感數(shù)據(jù)源,空間分辨率普遍偏低,影像中的混合像元降低了土地覆蓋分類精度。朱文泉[65]以 NOAA/AVHRR NDV I數(shù)據(jù)估算全國 NPP時,小面積分布的水體、冰川、裸巖被誤分為植被,而高估了部分NPP值。光利用率模型雖然應用最為廣泛,但有 2點不足:第一,模型只考慮了植物光合作用的有機物積累量,忽略了植物的呼吸過程中有機物流失量[47],而遙感探測植物呼吸作用的研究目前還有待深入;第二,模型中的最大光能轉(zhuǎn)換率受植被類型、覆蓋均勻程度等因素的影響不易確定[53]。

綜合模型以生態(tài)演替理論為基礎(chǔ),形式多種多樣。但當遙感數(shù)據(jù)的空間分辨率較低時,信息的空間分布將無法體現(xiàn)森林生態(tài)演替規(guī)律。綜合模型需要輸入大量樹種生物學特征參數(shù),其準確性不僅依賴遙感數(shù)據(jù),還取決于參數(shù)的準確性,這在樹種生物學特征參數(shù)資料不完備的地區(qū)難以實現(xiàn)。

3 結(jié)語與展望

森林生物量是衡量生態(tài)系統(tǒng)生產(chǎn)力的重要指標之一,也是研究森林生態(tài)系統(tǒng)物質(zhì)循環(huán)的重要基礎(chǔ)。但森林垂直結(jié)構(gòu)復雜,其生物量的積累過程又受多種因素影響,不同學者建立了不同的森林地上生物量估測方法。傳統(tǒng)地面實測法原理簡單、易于實踐、估測結(jié)果精度高,但勞動強度大、成本高。遙感技術(shù)以宏觀、綜合、快速、動態(tài)及準確的優(yōu)勢為研究森林生物量提供了先進的技術(shù)手段,提高了其研究范圍、研究精度和實時性。基于遙感的監(jiān)測方法主要分為統(tǒng)計模型法、物理模型法和綜合模型法 3類。而綜合模型以生態(tài)規(guī)律為導向,既可引入遙感數(shù)據(jù),又具有明確的生態(tài)意義。

森林為人類提供生態(tài)系統(tǒng)服務功能,與人類生活息息相關(guān)。提高森林地上生物量估測精度研究,需要在以下幾個方面進一步開展研究:

(1)建立標準化觀測系統(tǒng)和觀測方法,積累更豐富的、高質(zhì)量的基礎(chǔ)觀測數(shù)據(jù);

(2)光學遙感、高光譜遙感及微波遙感等在探測植被方面各有優(yōu)勢,根據(jù)研究區(qū)和研究對象特征充分發(fā)揮多源遙感數(shù)據(jù)的優(yōu)勢,將有助于提高生物量估算精度;

(3)研究森林生態(tài)系統(tǒng)需要考慮尺度效應,如種群、群落、景觀及生態(tài)系統(tǒng)等。大區(qū)域尺度上的森林生物量估算相當復雜,是森林生態(tài)學研究的難點之一。國外學者提出的機理模型會因植被類型、模型參數(shù)等差異無法適用于中國。因此,以我國區(qū)域特征為基礎(chǔ),利用豐富可信的觀測數(shù)據(jù)建立基于機理的森林生物量模型將成為今后的研究熱點。

[1] 于貴瑞.全球變化與陸地生態(tài)系統(tǒng)碳循環(huán)和碳累積[M].北京:氣象出版社,2003.

[2] 楊洪曉,吳 波,張金屯,等.森林生態(tài)系統(tǒng)的固碳功能和碳儲量研究進展[J].北京師范大學學報 (自然科學版),2005,41(2):172-177.

[3] 趙 敏,周廣勝.基于森林資源清查資料的生物量估算模式及其發(fā)展趨勢[J].應用生態(tài)學報,2004,15(8):1468-1472.

[4] 馬欽彥.中國油松生物量的研究 [J].北京林業(yè)大學學報,1989,11(4):1-10.

[5] 孟憲宇.測樹學[M].北京:中國林業(yè)出版社,1995.

[6] 阮成江,李代瓊.黃土丘陵區(qū)沙棘地上部生物量估測模型[J].陜西林業(yè)科技,1999(2):5-9.

[7] 許景偉,王衛(wèi)東,王月海,等.沿海沙質(zhì)岸黑松人工林生物量的估測數(shù)學模型[J].山東林業(yè)科技,2004(5):47-49.

[8] 余青蘭,李軍喬.蕨麻生物量變化與氣候因子關(guān)系數(shù)學模型的建立[J].中國野生植物資源,2008,27(5):53-55.

[9] 方精云,陳安平,趙淑清,等.中國森林生物量的估算:對 Fang等 Science一文 (Science,2001,291:2320-2322)的若干說明[J].植物生態(tài)學報,2002,48(2):243-249.

[10]馮宗煒,王效科,吳 剛.中國森林生態(tài)系統(tǒng)的生物量和生產(chǎn)力[M].北京:科學出版社,1999.

[11]王志杰,梅盛龍,李美琴,等.基于 TS/PDA森林植物多樣性監(jiān)測方法研究[J].林業(yè)資源管理,2009(2):118-122.

[12]陳春祥.基于 FoxPro及ArcView GIS布設(shè)調(diào)查樣地的方法[J].林業(yè)調(diào)查規(guī)劃,2008,33(5):17-20.

[13]田慶久,閔祥軍.植被指數(shù)研究進展[J].地球科學進展,1998,13(4):327-332.

[14]Prince S,Goward S.Global Primary Production:A Remote Sensing Approach[J].Biogeography,1995(22):815-835.

[15]李仁東,劉紀遠.應用 Landsat ETM數(shù)據(jù)估算鄱陽湖濕生植被生物量[J].地理學報,2001,56(5):533.

[16]國慶喜,張 鋒.基于遙感信息估測森林的生物量[J].東北林業(yè)大學學報,2003,31(2):16.

[17]周 磊,辛曉平,李 剛,等.高光譜遙感在草原監(jiān)測中的應用[J].草業(yè)科學,2009,26(4):20-27.

[18]何祺勝,陳爾學,曹春香,等.基于 L iDAR數(shù)據(jù)的森林參數(shù)反演方法研究[J].地球科學進展,2009,24(7):748-754.

[19]Holmgren J,Nilsson M,Olsson H.Estimation of Tree Height and Stem Volume on Plots Using Airborne Laser Scanning[J].Forest Science,2003,49(3):419-428.

[20]張宏斌.基于多源遙感數(shù)據(jù)的草原植被狀況變化研究[D].北京:中國農(nóng)業(yè)科學院,2007.

[21]吳展波.基于 3S的湖北鹿門寺林場馬尾松林生物量估測模型研究[D].武漢:華中師范大學,2008.

[22]Dabrowska-Zielinska K,Gruszczynska M,Lewinski S,et al.Application of Remote and Insitu Information to the Management of Wetlands in Po land[J].Journal of Environmental Management,2009(90):2261-2269.

[23]Mirco B,Stefano B,Pietro A B.Assessment of Pasture Production in the Italian Alps Using Spectrometric and Remote Sensing Information[J].Agriculture,Ecosystem s and Environment,2007(118):267-272.

[24]池宏康.黃土高原地區(qū)提取植被信息方法的研究[J].植物學報,1996,38(1):40-44.

[25]武紅敢,喬彥友,陳林洪,等.馬尾松林葉面積指數(shù)動態(tài)變化的遙感監(jiān)測研究[J].植物生態(tài)學報,1997,21(5):485-488.

[26]黃德雙.神經(jīng)網(wǎng)絡模式識別系統(tǒng)理論[M].北京:電子工業(yè)出版社,1996.

[27]何紅艷,郭志華,肖文發(fā).遙感在森林地上生物量估算中的應用[J].生態(tài)學雜志,2007,26(8):1317-1322.

[28]王淑君,管東生.神經(jīng)網(wǎng)絡模型森林生物量遙感估測方法的研究[J].生態(tài)環(huán)境,2007,16(1):108-111.

[29]王立海,邢艷秋.基于人工神經(jīng)網(wǎng)絡的天然林生物量遙感估測[J].應用生態(tài)學報,2008,19(2):261-266.

[30]韓愛惠.森林生物量及碳儲量遙感監(jiān)測方法研究[D].北京:北京林業(yè)大學,2009.

[31]李小文,Strahler A H,朱啟疆,等.基本顆粒構(gòu)成的粗糙表面二向掃射一相互遮蔽效應的幾何光學模型[J].科學通報,1993,38:86-89.

[32]安樹杰,張曉麗,王 震,等.生物量估測中的遙感技術(shù)[J].林業(yè)調(diào)查規(guī)劃,2006,31(3):1-5.

[33]張小全,徐德應,趙茂盛.林冠結(jié)構(gòu)、輻射傳輸與冠層光合作用研究綜述[J].林業(yè)科學研究,1999,12(4):411-421.

[34]阮偉利,牛 錚.利用統(tǒng)計和物理模型反演植物生化組分的比較[J].中國科學院研究生院學報,2004,121(11):78-83.

[35]And res Kuusk,Mait Lang,Tiit Nilson.Simulation of the Reflectance of Ground Vegetation in Sub-Boreal Forests[J].Agricultural and Forest Meteorology,2004,126:33-46.

[36]馮曉明.多角度M ISR數(shù)據(jù)用于區(qū)域生態(tài)環(huán)境定量遙感研究[D].北京:中國科學院研究生院,2006.

[37]Verhoef W.Light Scattering by Leaf Layers with Applications to Canopy Reflectance Modeling:the SAIL Model[J].Remote Sensing of Environment,1984(16):125-141.

[38]Jacquemoud S,Verhoef W,Baret F,et al.PROSPECT+SA IL Models:A Review of Use for Vegetation Characterization[J].Remote Sensing of Environment,2009,113:56-66.

[39]Koetz B,Sun G,Morsdorf F,et al.Fusion of Imaging Spectrometer and LiDAR Data Over Combined Radiative Transfer Models for Forest Canopy Characterization[J].Remote Sensing of Environment,2007,106:449-459.

[40]Li X,Strahler A H.A Geometric-Optical Bi-Directional Reflection Modeling of a Conifer Forest Canopy[J].IEEE Transact Geosciences Remote Sensing,1985(GE-22):906-919.

[41]徐希孺.遙感物理[M].北京:北京大學出版社,2005.

[42]Peddle D R,Johnson R L,Cihlar J,et al.Large Area Forest Classification and Biophysical Parameter Estimation Using the 5-Scale Canopy Reflectance Model in Mutiple-Forward-Mode[J].Remote Sensing of Environment,2004(89):252-263.

[43]Zeng Y,Schaepm an M,W u B F,et al.Quantitative Forest Canopy Structure Assessment Using an Inverted Geometric-optical Model and Upscaling[J].International Journal of Remote Sensing,2009,30(6):1385-1406.

[44]Zeng Y,Schaepman M,Wu B F,et al.Scaling-based Forest Structure Change Detection U sing an Inverted Geometric-optical Model in the Three Gorges Region of China[J].Remote Sensing of Environment,2008,112(12):4261-4271.

[45]M ark C,Moisen G G,Sua L,et al.Large Area Mapping of Southwestern Forest Crown Cover,Canopy Height,and Biomass Using the NASA Multiangle Imaging Spectro-Radiometer[J].Remote Sensing of Environment,2008,112(5):2051-2063.

[46]M ark C,Nolin A,Moisen G G,et al.Forest Canopy Height from the Multiangle Imaging Spectroradiometer(M ISR)Assessed with High Resolution Discrete Return LiDAR[J].Remote Sensing of Environment,2009(113):2172-2185.

[47]Smith B,Knorr W,Widlowski JL.Combining Remote Sensing Data with Process Modelling to Monitor Boreal Conifer Forest Carbon Balances[J].Forest Ecology and Management,2008(255):3985-3994.

[48]U chijim a Z,Seino H.Agroclimatic Evaluation of Net Primary Productivity of Natural Vegetation Ⅰ.Chikugo Model for Evaluating Productivity[J].J Agric Meteor,1985(40):343-353.

[49]Lieth H FH.Patterns of Primary Production in the Biosphere[Z].Dowden&Ross,Inc,Pennsylvania.1978.

[50]Adamsa B,White A,Mlenton T.An Analysis of Some Diverse Approaches to Modelling Terrestrial Net Primary Productivity[J].Ecological Modelling,2004(177):353-391.

[51]Sellers P,Los S,Tucker C.A Revised Lan Surface Paramterization(SiB2)for Atmosheric Gcms Part Ⅱ:The Generation of Global Fields of Terrestrial Biophysical Parameters from Satellite Data[J].Clim ate,1996(9):706-737.

[52]Prieto-Blanco A,North P R J,Barnsley M J,et al.Satellite-Driven Modelling of Net Primary Productivity(NPP):Theoretical Analysis[J].Remote Sensing of Environment,2009(113):137-147.

[53]彭少麟,張桂蓮,柳新偉.生態(tài)系統(tǒng)模擬模型的研究進展[J].熱帶亞熱帶植物學報,2005,13(1):85-94.

[54]彭少麟,郭志華,王伯蓀.利用 GIS和 RS估算廣東植被光利用率[J].生態(tài)學報,2000,20(6):903-909.

[55]樸世龍,方精云,郭慶華.利用 CASA模型估算我國植被凈第一性生產(chǎn)力[J].植物生態(tài)學報,2001,25(5):603-608.

[56]于振良,趙士洞,董立榮,等.長白落葉松林林分動態(tài)研究[J].吉林林學院學報,1996,12(2):73-75.

[57]桑衛(wèi)國,陳靈芝,王喜武.東靈山地區(qū)落葉闊葉林長期動態(tài)的模擬[J].植物生態(tài)學報,2000,24(2):180-185.

[58]周丹卉,賀紅士,孫國臣,等.林窗模型及其在全球氣候變化研究中的應用[J].生態(tài)學雜志,2007,26(8):1303-1310.

[59]桑衛(wèi)國,馬克平,陳靈芝,等.森林動態(tài)模型概論[J].植物學通報,1999,16(3):193-200.

[60]Running SW.Mapping Regional Forest Evapo transpiration and Photosyn thesis by Coup ling Satellite Data with Ecosystem Simulation[J].Eco logy,1989,70(4):1090-1101.

[61]Urban D L.A Versatile Model to Simulate Forest Pattern:A User Guide to ZELIG[M].Version 1.0,Environmental Sciences Dept,University of Virginia,Charlottesville,VA,1990.

[62]Friend A D,Stivens A K,Knox R G,et al.A Process—Based,Terrestrial Biosphere Model of Ecosystem Dynamics(Hybrid V 3.O)[J].Ecological Modeling,1997,(95):247-287.

[63]GA stellu-Etchegorry J P,Bruinquel-Pinel V.A Modeling Approach to Assess the Robustness of Spectrometric Predictive Equations for Canopy Chemistry[J].Remote Sensing of Environment,2001(76):1-15.

[64]劉清旺.機載激光雷達森林參數(shù)估測方法研究[D].北京:中國林業(yè)科學研究院,2009.

[65]朱文泉,潘耀忠,張錦水.中國陸地植被凈初級生產(chǎn)力遙感估算[J].植物生態(tài)學報,2007,31(3):413-424.

(責任編輯:刁淑娟)

Advances in the Estimation of Above-ground Biomass of Forest Using Remote Sen sing

LOU Xue-ting,ZENG Yuan,WU Bing-fang
(Institute of Remote Sensing Applications,Chinese Academy of Sciences,Beijing 100101,China)

Above-ground biomass of forest has great research and application value in the forest ecological system.There are mainly three types of models for estimating above-ground biomass of forest,i.e.,forest measuring method,remote sensing method and integrated method.Remote sensing technique has become an important means for obtaining above-ground biomass of fore stat the regional scale.There are mainly four types of remote sensing models,namely empirical,ANN,physical and NPP based models.This paper has analyzed and discussed the present methods for estimating above-ground biomass of forest based on remote sensing as well as their advantages and disadvantages.Finally,this paper points out that the integrated method combining remote sensing technique and forest succession model can be generally used to estimate above-ground biomass of fore stat the regional scale in future.

Forest above ground biomass;Remote Sensing;Estimation model

曾 源 (1979-),女,博士,副研究員,主要從事植被定量遙感研究。E-m ail:yuanz@irsa.ac.cn

TP 79

A

1001-070X(2011)01-0001-08

2010-05-19;

2010-07-26

國家重點基礎(chǔ)研究發(fā)展計劃項目“區(qū)域生態(tài)系統(tǒng)服務功能的尺度特征與綜合集成”(編號:2009CB421104);中國科學院知識創(chuàng)新工程重大項目 (KZCX1-YW-08-02)。

婁雪婷 (1984-),女,碩士研究生,主要從事植被遙感研究。