面向山区森林碳密度遥感估算的地形校正优化研究

The sustainable development of remote sensing technology provides opportunities to estimate forest carbon density for large areas, but spectral reflectance distortion caused by the variation of terrain and solar illumination requires corrections, especially in the mountainous regions with complex terrain. Various topographic correction models have been widely employed for remote sensing images in hilly and mountainous areas to remove terrain effects. However, the commonly used topographic correction models usually adopt one global parameter for the whole images, which often leads to overcorrections for poor-illumination areas and thus cannot be used for remote sensing estimation of forest carbon density in complex mountainous regions. In order to mitigate the overcorrections, this project will investigate the impacts of the topographic correction models on the estimation accuracy for forest carbon density based on medium and high spatial resolution images. A local parameter estimation method for the traditional model optimization will be then proposed based on a moving window and a multi-criteria analysis will be performed. Further a standard topographic correction optimization framework will be derived, so as to provide suitable topographic correction model for remote sensing estimation of forest carbon density in mountainous regions. The results of the proposed research will provide basic support for the optimization of topographic corrections and indicate great theoretical potential for improving the estimation accuracy of forest carbon density in mountainous regions using remote sensing technology.

遥感技术的持续发展为大面积的森林碳密度估算提供了契机，但是由地形起伏和太阳光照引起的光谱畸变需要修正，特别是地形复杂的南方丘陵山区。地形校正模型已经被广泛用于山区遥感影像地形效应的去除，然而目前常用的地形校正模型通常将统一的经验参数用于整幅影像，导致低光照区域呈现一定的过度校正，无法用于复杂山区森林碳密度的遥感估算。为了解决全局参数估计导致的过度校正问题，本项目拟以中高分辨率遥感影像为主要数据源，通过比较常用地形校正模型对森林碳密度估算的影响，尝试用基于移动窗口的局部参数估计对传统模型进行优化，以期发展一套简单通用的地形校正优化框架，同时采用多准则分析的方法综合评价校正性能，进而为复杂山区森林碳密度遥感估算提供合适的地形校正模型。研究结果将为地形校正优化提供基础支撑，同时对于提高山区森林碳密度估算精度具有重要的理论意义。

随着遥感技术的快速发展，基于遥感影像和地面样地数据的碳密度反演方法得到广泛应用。然而在地形复杂的山区，遥感影像容易受地形效应的影响，导致山区不同位置的像元差别明显，进而严重制约森林碳密度多分辨率制图和精度评价的发展。鉴于此，研究通过分析常用地形校正模型的地形效应去除效果，尝试基于移动窗口的局部参数估计，发展一套简单通用的地形校正优化框架，同时结合多准则方法对优化性能进行综合评价，以期探究地形校正在复杂山区森林碳密度估算中的应用潜力。主要研究结论如下：.(1) 结合常用地形校正模型，分析复杂山区典型植被指数的地形效应。植被指数的波段比形式能够有效抑制地形引起的乘性噪声；地形校正模型一定程度能削弱植被指数的地形效应，特别是MNDVI指数结合地形校正模型，能够有效抑制复杂山区地形效应的影响，提高植被覆盖度的估算精度。.(2) 针对常用地形校正模型存在的过校正问题，提出基于局部参数估计的地形校正优化框架。结果表明基于局部参数估计的校正模型在减少地形效应和提高森林碳密度估算精度方面优于传统地形校正模型，其在改善复杂山区森林碳密度估算精度方面显示出巨大潜力。.(3) 通过分析不同模型的校正性能，明确复杂山区常用地形校正模型的多准则评价方法。具体指标包括视觉评价、相关性分析、土地覆盖稳定性分析、阴阳坡反射率比较、组内四分位范围减小。研究表明多准则评价方法一定程度能够克服单一评价指标导致的不稳定性、可信度较高。.(4) 基于多准则评价结果，探究地形校正在森林碳密度估算中的应用潜力。结果表明传统地形校正和改进地形校正的图像对森林碳密度的估算精度均高于原始图像，且预测均值都落在显著性水平0.05的置信区间内。说明基于局部参数估计的地形校正在改善复杂山区森林碳密度估算方面表现出巨大潜力。.研究结果具有普遍适用性，可为复杂山区地形校正模型的优化和多尺度森林碳密度制图与精度评价提供参考。