東北地理所在森林蓄積量遙感反演方面取得重要進(jìn)展
作為森林資源清查的重要基礎(chǔ)參數(shù)，立木蓄積量信息可用于森林地上生物量和碳儲量估算，為全球氣候變化和碳循環(huán)等研究提供重要的數(shù)據(jù)支持。與傳統(tǒng)的地面調(diào)查方法相比，遙感技術(shù)具有觀測范圍廣、更新周期短、節(jié)約人力物力等特點，能夠?qū)崿F(xiàn)長期、連續(xù)、動態(tài)監(jiān)測，在大尺度森林蓄積量估算中具有不可替代的優(yōu)勢。近年來，融合多源遙感數(shù)據(jù)及智能算法協(xié)同反演森林蓄積量已成為國內(nèi)外研究的熱點。其中，激光雷達(dá)數(shù)據(jù)可大大提高森林植被參數(shù)反演的信號飽和度，逐漸成為立木蓄積量估算的主要遙感數(shù)據(jù)源。由于機(jī)載激光雷達(dá)數(shù)據(jù)覆蓋區(qū)域有限、成本高，同時星載激光雷達(dá)數(shù)據(jù)缺乏，導(dǎo)致融合激光雷達(dá)數(shù)據(jù)的大尺度區(qū)域森林蓄積量估算研究較少。如何充分發(fā)揮激光雷達(dá)數(shù)據(jù)和多源遙感影像的優(yōu)勢，提高森林蓄積量反演精度，實現(xiàn)高分辨率蓄積量制圖，是目前亟待解決的難點問題。
中科院東北地理所地理景觀遙感學(xué)科組研究人員利用近期發(fā)布的星載GEDI 激光雷達(dá)足跡數(shù)據(jù)、Sentinel系列衛(wèi)星C波段雷達(dá)和可見光影像、ALOS衛(wèi)星L波段干涉雷達(dá)影像DSM產(chǎn)品，結(jié)合學(xué)科組在長白山混交林區(qū)積累的大量野外調(diào)查數(shù)據(jù)，深入分析了不同遙感數(shù)據(jù)源及其特征因子（如冠層覆蓋度、樹高、后向散射、紋理、植被生理、地形等）對森林蓄積量空間變異的敏感性差異，構(gòu)建了區(qū)域尺度森林蓄積量高精度遙感反演模型，實現(xiàn)了2019年長白山混交林區(qū)森林蓄積量制圖（10米空間分辨率），并提出了面向森林質(zhì)量提升目標(biāo)的可持續(xù)管理建議。
圖1 研究技術(shù)路線示意圖
本研究首次集成了高分辨率星載激光雷達(dá)（GEDI，2019年發(fā)布）、雷達(dá)和可見光數(shù)據(jù)，構(gòu)建了基于“點—線—面”框架的高精度蓄積量遙感反演模型。研究發(fā)現(xiàn)，將激光雷達(dá)足跡數(shù)據(jù)作為“線性橋”連接實測點數(shù)據(jù)與多源影像面數(shù)據(jù)進(jìn)行蓄積量估算的精度高于傳統(tǒng)的基于實測點和多源影像數(shù)據(jù)的精度。在眾多特征因子中，冠層覆蓋度、樹高、海拔、紅邊波段光譜指數(shù)對森林蓄積量敏感性最高。本研究結(jié)果不僅有助于深入理解東北森林典型樣區(qū)蓄積量空間分布，且可為制定東北森林可持續(xù)利用與科學(xué)保護(hù)的管理決策提供重要的數(shù)據(jù)支撐。
表1 激光雷達(dá)數(shù)據(jù)對森林蓄積量遙感估算精度的影響
|
Frameworks |
ME |
RMSE |
R2 |
RI | ||
|
|
m3/ha |
% |
m3/ha |
% | ||
|
Point-line-polygon |
–7.03 |
–4.72 |
22.63 |
15.21 |
0.88 |
0.31 |
|
Point-polygon |
–9.76 |
–6.56 |
32.85 |
22.08 |
0.80 |
/ |
圖2 森林蓄積量空間分布及其隨海拔變化示意圖
該研究由杭州師范大學(xué)陳琳博士（第一作者）、中科院東北地理所任春穎研究員（通訊作者）、張柏研究員、王宗明研究員等共同完成。相關(guān)研究成果發(fā)布在International Journal of Applied Earth Observations and Geoinformation國際期刊上。該研究由國家重點研發(fā)計劃項目（2016YFC0500300）資助完成。論文信息列表如下：
Chen, L., Ren, C., Zhang, B., Wang, Z., Liu, M., Man, W., Liu, J., 2021. Improved estimation of forest stand volume by the integration of GEDI LiDAR data and multi-sensor imagery in the Changbai Mountains Mixed Forests Ecoregion (CMMFE), Northeast China. International Journal of Applied Earth Observations and Geoinformation, 100, 102326. https://doi.org/10.1016/j.jag.2021.102326.
附件下載：
吉公網(wǎng)安備22017302000214號
