论文部分内容阅读
森林生态系统是陆地上最大的生态系统,在陆地物质循环和能量交换中具有重要作用。森林作为陆地生态系统重要的碳源和碳汇,对全球碳循环具有至关重要的影响。森林生物量是森林生态系统的重要参数,林木储存的碳也是以生物量的形式保留在森林中,估测森林生物量对于监测毁林和森林退化造成的碳排放和碳损失以及分析森林的固碳能力、缓解气候变化具有重要意义。准确的森林生物量估测尤其是森林地上生物量（Forest Aboveground Biomass,AGB）估测,是林学、生态学和全球变化研究的重点。遥感技术的快速发展,弥补了传统地面调查估算AGB的不足,而多源遥感数据的融合,为准确估测大区域森林AGB提供了可能。但是基于遥感的AGB估测精度受多种因素的影响,从而导致了估测结果的不准确问题。因此,探讨基于遥感的AGB精确的估测方法,提高AGB估测精度,分析区域AGB分布,揭示AGB及其估测结果对环境、林分等因素的响应规律,对深入研究区域碳循环、估测区域森林碳汇、提高森林经营水平具有重要的理论和实践意义。本研究以湖南省西北部的大湘西和洞庭湖地区森林为研究对象,融合多源数据及技术进行理论和方法研究,探讨能够实现准确估测AGB、解决AGB估测中的低值高估和高值低估问题的方法,分析AGB及其估测结果的影响因素,以期为森林资源监测及森林经营规划提供精确的数据指导。首先本研究从遥感源数据角度入手,以不同季节（春、夏、秋、冬）一景Landsat 8 OLI和Sentinel-1影像为基础,探讨不同季节的主被动遥感影像在AGB估测中的优劣,选取最优的估测影像的获取季节,之后分析不同的光学影像预处理方式对AGB估测的影响,选取对AGB估测最优的预处理方式组合;其次,结合主被动遥感数据,建立基于主被动遥感的线性模型（LR）,探讨多源传感器结合在AGB估测中的优劣;然后在分析基于主被动传感器的AGB估测LR模型准确性的基础上,结合FCD（Forest Canopy Density）等级和分段模型（Piecewise Model）,分别建立基于LR模型变量的分段模型（PM）和基于不同FCD等级变量筛选的分段模型（PMV）,分析模型优劣,并估算区域AGB;最后,结合样地调查的环境（地形和土壤）、林下、林分和树种多样性因素,利用结构方程模型（Structural Equation Modelling,SEM）探讨和揭示除遥感影像源数据外,林分（生态系统）尺度上影响AGB、AGB估测结果及其估测结果残差的因素。通过研究主要得到以下结论:（1）利用线性模型,分析了主被动遥感季节影像在不同林分类型上的估测表现,确定了光学（Landsat 8）和SAR（Sentinel-1）影像在大范围生物量估测应用时的最优成像季节。Landsat和Sentinel-1影像在所有的林分类型上都是秋季影像的AGB估测结果最好,它们的R2（决定系数）更高,均方根误差（Root Mean Square Error,RMSE）和相对均方根误差（relative RMSE,rRMSE）更小,并且经交叉验证后的AGB分布图中AGB的标准差（Standard Deviation,Std）更小。对于Landsat 8影像,生长旺盛季（夏季）影像在所有林分类型上表现均是最差的（R2≤0.37）,而Sentinel-1的夏季影像仅在针叶林（CFF）上表现最差（R2=0.24）。两种影像都是在混交林（MXF）上估测效果最好（R2≥0.34）,在总林分（所有的样地）上估测效果最差（R2≤0.39）。除MXF外,其余林分类型上均表现为不同季节Landsat的AGB估测结果好于Sentinel-1。（2）Landsat 8影像用于AGB估测时,必须要进行大气校正和地形校正,以消除大气和地形对影像的影响,提高AGB估测精度。所有大气校正后的影像都比未经大气校正的影像具有更好的估测精度,它们的R2差异>0.02（去除MXF后R2差异>0.05）。在所有的林分类型上,基本上所有的Landsat 8地表反射率（Surface Reflectance,SR）数据的R2最优,并且它的RMSE也基本上是最小或第二小的;除MXF外,其他林分类型上SR数据的AGB估测结果与未经大气校正处理的AGB估测结果之间存在显著差异（p<0.05）。所有的地形校正方法均可以在一定程度上减小地形起伏带来的阴、阳坡上的Landsat反射率差异,但是它们校正的好坏和对AGB估测能力存在一定的差异;基于SR数据进行C地形校正的影像在所有林分类型上的AGB估测结果总是最优的,它们的R2与SR数据的R2差异在0.03–0.05之间,它们的估测结果间的差异呈现显著或接近显著的水平（p在0.05左右）。Landsat 8 SR数据进行C地形校正是本研究中对AGB估测最优的处理组合。（3）在所有的林分类型上,利用光学影像对整个研究区的样地AGB进行估测时,估测结果均好于SAR影像,它们的R2差异大于0.07;结合光学和SAR数据可以获得比单传感器更好的估测结果,它们的R2差异大于0.03;主被动遥感结合的线性模型（LR）获得的所有林分类型的AGB估测效果较差,它们的R2<0.4,rRMSE均>45%（除MXF外均>50%）,估测结果极不准确,存在明显的低值高估和高值低估问题。（4）FCD等级是一个影响AGB估测的重要变量,考虑FCD等级的分段模型可以很好地解决LR模型存在的高值低估和低值高估问题。利用K均值聚类对研究区FCD进行分类分级,结合FCD等级利用不同林分类型主被动遥感结合的LR模型变量建立PM（基于LR模型变量的分段模型）模型,PM模型在分段数为3时具有最优的模型效果。根据3个FCD等级,为不同林分类型的不同FCD等级上的AGB进行变量筛选,据此建立PMV（基于不同FCD等级筛选变量的分段模型）模型。PM模型在所有的林分类型上都显著好于LR模型,PM模型的R2在0.46–0.55之间,rRMSE在37.89%–54.04%之间,相比LR模型,R2增加0.18以上,rRMSE减小7%以上。PMV模型在所有林分类型上显著好于LR和PM模型,PMV模型的R2在0.62–0.74之间,rRMSE在29.78%–43.30%之间;相比LR模型,PMV模型的R2增加0.37以上,rRMSE减小15.40%以上;相比PM模型,PMV模型的R2增加0.15以上,rRMSE减小7.00%以上。PM和PMV模型在所有FCD等级上的RMSE和rRMSE都小于LR模型,LR模型在疏和密两个郁闭度等级上分别存在显著的低值高估和高值低估问题,PM和PMV模型则没有。（5）研究区（大湘西和洞庭湖地区）的中部、南部和北部的森林地上生物量值较高,西部森林地上生物量值较低。研究区接近65%的区域森林地上生物量值>60 Mg/ha,仅有不到10%的区域森林地上生物量值>90 Mg/ha,整个研究区的森林地上生物量水平较低。（6）在分析遥感影像源数据影响的基础上,从样地——林分尺度分析发现,AGB、AGB估测值和估测值残差受环境、林下、林分和树种多样性因素共同影响,其中环境（地形和土壤）、林分和树种多样性因素对它们有显著的正向影响,而林下因素对它们有显著的负向影响。各因素除对AGB、AGB估测值和估测值残差具有直接影响外,还通过影响其他因素间接对AGB产生影响,只是间接影响的显著性在不同林分类型上略有不同。在这些因素中,林分因素总是影响最大的（通径系数最大）。利用这些因素,结合SEM方程,方程对AGB实测值的解释能力最强（R2≥0.59）,对AGB估测值的解释能力表现为LR<PM<PMV,对AGB估测值残差的解释能力表现为PMV<PM<LR;在对AGB估测值进行解释时,从LR-PM-PMV的估测值上林分因素和树种多样性因素的通径系数逐渐增加;在对AGB估测值残差进行解释时,从LR-PM-PMV的估测值上林分因素和树种多样性因素的通径系数逐渐减小,但是林下因素和环境因素的通径系数基本一致,说明在考虑林分结构进行AGB估测后,基于遥感的AGB估测结果仍然受到环境和林下因素的影响。