基于遥感因子变化的高山松地上生物量动态变化模型构建

Monitoring the long-term forest aboveground biomass (AGB) and its changes could know the laws and causes of its changes. It is extremely important for the forest carbon cycle, and understanding and response to climate change. Based on the normalized Landsat satellite data from 1987 to 2017, forestry inventory and filed work data, the characteristics of tree and remote sensing factors were extracted, the Pinus densata AGB will be calculated based on the measured single tree biomass formula. Study will be conducted: 1) The relationship among the change of biomass, the change of stand growth and the change of remote sensing indexes, and their spatial-temporal change characteristics; 2) Scale conversion and sample plots matching of multi-resource remote sensing data for biomass estimation; 3) Dynamic biomass modeling using multiple regression, partial least square, random forest, gradient boosting regression tree method, using the observed data to test the model and modify the model; 4) Uncertainty analysis of the Pinus Densata AGB change model. Through the above research, the Pinus densata AGB would be estimated and predicted in real-time and anywhere, the relationship among the remote sensing time-series data, stand growth, and AGB change would be explored, the uncertainty of Pinus Densata AGB estimation based on remote sensing would be analyzed.

监测长时间序列的森林地上生物量及其变化，可以掌握其变化的规律及原因，对于森林碳循环以及理解和应对气候变化极其重要。本研究拟基于1987-2017年Landat卫星及辅助数据、连清样地、外业调查数据，在进行遥感时序数据归一化的基础上，提取树木及遥感因子变化特征，基于实测的单木生物量公式计算高山松地上生物量。研究：1）高山松地上生物量变化及因变量林分生长、遥感指数变化之间的关系及其时空变化特征；2）多源遥感数据估测生物量的尺度转换及与样地的匹配；3）采用多元回归、偏最小二乘、随机森林、梯度回归树建立高山松地上生物量动态变化模型的方法，利用已观测数据来检验模型并修正模型；4)高山松地上生物量变化模型的不确定性分析。通过以上研究，最终实现高山松地上生物量的动态变化实时、时地估测及预测，时序遥感数据和林分生长、地上生物量变化的关系得到探明，遥感估测高山松地上生物量的不确定性得到分析。

针对目前单期数据估测森林生物量精度不高的问题，研究选取滇西北典型乔木高山松为研究对象，基于时间序列卫星数据、其它辅助多源遥感数据、连清样地、外业调查数据，提取高山松地上生物量与样地林分生长、遥感指数变化特征，构建了高山松地上生物量动态变化模型。分别从高山松区域遥感因子及测树因子的时空变化特征、多源遥感数据估测生物量的尺度转换及与样地的匹配、高山松地上生物量动态变化模型建立、检验与优化、高山松地上生物量动态变化模型的不确定性等方面开展了研究。结果表明：（1）1987-2017年期间的高山松地上生物量总体呈现减少趋势，空间上呈现聚集状态；部分遥感因子和相应年份地上生物量的空间分异特征及影响因子相似。（2）通过像元面积和值的代数运算来对应样地的生物量值，可以从一定程度上将像元和样地的位置和大小进行匹配，从而减小估测的不确定性；采用最邻近像元法、双线性内插法、三次卷积插值法、局部平均法、像元聚合法的尺度转换方法对遥感影像进行尺度上推和下推，并通过尺度转换后的影像获取森林地上生物量是可行的。（3）采用遥感因子变化量构建了高山松地上生物量估测模型，有效弥补了静态光学遥感数据估测生物量的某些不足。（4）基于Landsat估测高山松地上生物量中，不确定性的主要来源均为地上生物量遥感估测模型的误差，而样地尺度所带来的误差占有的比例相对较少；基于时间序列数据对高山松地上生物量动态变化估测的不确定性相较于基于单期影像估算高山松地上生物量的不确定性要低。研究结果对于今后采用时间序列遥感数据估测森林生物量可提供理论和实践参考。