森林背景反射率对乔木层地上生物量遥感估算的影响研究——以大兴安岭林区为例

doi:10.13466/j.cnki.lyzygl.2017.04.010

林业资源管理 ›› 2017›› Issue (4): 59-68.doi: 10.13466/j.cnki.lyzygl.2017.04.010

森林背景反射率对乔木层地上生物量遥感估算的影响研究——以大兴安岭林区为例

卢晓曼(), 郑光(), 居为民, 戴声佩, 高伦

南京大学国际地球系统科学研究所,南京 210023

收稿日期:2017-04-22 修回日期:2017-06-06 出版日期:2017-08-28 发布日期:2020-09-24
通讯作者: 郑光
作者简介:卢晓曼(1991-),女,河南周口人,硕士,研究生,主要从事森林结构参数定量遥感反演研究。Email:luxmnju@163.com
基金资助:
“全球变化及应对”重点研发专项(2016YFA0600202)

Assessing the Impacts of Forest Background Reflectance on Estimating Aboveground Biomass—a case study of forest area in Great Khingan

LU Xiaoman(), ZHENG Guang(), JU Weimin, DAI Shengpei, GAO Lun

International Institute for Earth System Science,Nanjing University,Nanjing 210023,China

Received:2017-04-22 Revised:2017-06-06 Online:2017-08-28 Published:2020-09-24
Contact: ZHENG Guang

摘要/Abstract

摘要：

遥感技术能够大面积覆盖和动态监测森林冠层叶片特征,森林乔木层地上生物量(AGB)与叶生物量之间存在良好的统计关系,根据遥感数据提取森林有效叶面积指数(LAIe)以估算叶生物量、进而估算AGB是可行的。然而,利用遥感数据提取森林LAIe时会受到林下植被等背景信息的影响。因此,论文以我国东北大兴安岭林区为研究区,利用中分辨率成像光谱仪(MODIS)数据和四尺度模型定量研究森林背景反射率对冠层LAIe和乔木层AGB遥感估算的影响。结果表明:背景反射率对森林LAIe遥感反演和 AGB估算影响显著,利用遥感数据提取的背景反射率对背景影响订正后,反演的LAIe与基于高分辨率专题制图仪(TM)影像反演出的LAIe之间的相关性明显提高,决定系数(R²)由0.32(n=25,p<0.10)增大到0.48(n=25,p<0.01),遥感估算的AGB与利用森林一类清查数据估算的AGB之间R²由0.52(n=10,p<0.05)上升到0.86(n=10,p<0.01),LAIe和AGB高估现象得到明显纠正。

关键词: 背景反射率, 叶面积指数, 叶生物量, 森林乔木层地上生物量

Abstract:

Remote sensing technology is of great importance to estimating large-scale forest canopy leaf characteristics dynamically,and there is a good statistical relationship between forest aboveground biomass (AGB) and leaf biomass.It is feasible to estimate leaf biomass and then AGB based on canopy effective leaf area index (LAIe) estimated from remotely sensed data.However,the forest background information,such as understory vegetation,has a negative influence on LAIe and AGB retrieval by this way.Therefore,this paper focused on exploring the impacts of forest background reflectance on LAIe and AGB inversion in the Great Khingan forest area using moderate resolution imaging spectroradiometer (MODIS) data and a four scale model.The results showed that both LAIe and AGB were sensitive to the forest background reflectance.The determinate coefficient (R²) between MODIS-and Landsat thematic mapper (TM)-based LAIe increased from 0.32 (n=25,p<0.1) to 0.48 (n=25,p<0.01) when eliminating the influence of background reflectance on LAI inversion.Also,the AGB estimates were more related to the national forest inventory (NFI)-based AGB after considering the effects of forest background (R²=0.86,n=10,p<0.01).Forest LAI and AGB overestimation could be put right in this research.

Key words: background reflectance, LAI, foliage biomass, forest AGB

中图分类号:

S757.2
TP79

卢晓曼, 郑光, 居为民, 戴声佩, 高伦. 森林背景反射率对乔木层地上生物量遥感估算的影响研究——以大兴安岭林区为例[J]. 林业资源管理, 2017,(4): 59-68.

LU Xiaoman, ZHENG Guang, JU Weimin, DAI Shengpei, GAO Lun. Assessing the Impacts of Forest Background Reflectance on Estimating Aboveground Biomass—a case study of forest area in Great Khingan[J]. FOREST RESOURCES WANAGEMENT, 2017,(4): 59-68.

图/表 8

图1

表1

图2

图3

图4

图5

图6

图7

参考文献 25

[1]	Houghton R. Aboveground forest biomass and the global carbon balance[J]. Global Change Biology, 2005,11(6):945-958.
[2]	黄金龙. 基于BEPS模型和遥感的森林地上生物量更新方法研究[D]. 南京:南京大学, 2014: 1-60.
[3]	朱高龙. 帽儿山地区森林冠层叶面积指数的地面观测与遥感反演[J], 2010,21(8):17-24.
[4]	焦桐, 刘荣高, 刘洋, 等. 林下植被遥感反演研究进展[J]. 地球信息科学, 2014,16(4):602-608.
[5]	李登秋. 亚热带森林碳收支变化特征及其成因模拟分析[D]. 南京:南京大学, 2014: 1-83.
[6]	马建德. 基于MODIS数据的森林背景反射率提取方法研究[D]. 南京:南京大学, 2014: 1-45.
[7]	Garrigues S, Lacaze R, Baret F, et al. Validation and intercomparison of global Leaf Area Index products derived from remote sensing data[J]. Journal of Geophysical Research:Biogeosciences, 2008,113(G2):1-20.
[8]	Pisek J, Rautiainen M, Heiskanen J, et al. Retrieval of seasonal dynamics of forest understory reflectance in a Northern European boreal forest from MODIS BRDF data[J]. Remote Sensing of Environment, 2012,117:464-468.
[9]	Pisek J, Chen J M. Mapping forest background reflectivity over North America with Multi-angle Imaging SpectroRadiometer (MISR) data[J]. Remote Sensing of Environment, 2009,113(11):2412-2423.
[10]	NASA. Data[EB/OL]. [2017-07-01]. http://modis.gsfc.nasa.gov/.
[11]	美国地质调查局. USGE[EB/OL]. [2017-07-01]. http://earthexplorer.usgs.gov.
[12]	Chen J, Black T. Measuring leaf area index of plant canopies with branch architecture[J]. Agricultural and Forest Meteorology, 1991,57(1-3):1-12.
[13]	Chen J, Cihlar J. Plant canopy gap-size analysis theory for improving optical measurements of leaf-area index[J]. Applied Optics, 1995,34(27):6211-6222. doi: 10.1364/AO.34.006211 pmid: 21060464
[14]	Roujean J L, Leroy M, Deschamps P Y. A bidirectional reflectance model of the earth’s surface for the correction of remote sensing data[J]. Journal of Geophysical Research-Atmospheres, 1992,97:55-68.
[15]	Nemani R, Pierce L, Running S, et al. Forest ecosystem processes at the watershed scale:sensitivity to remotely-sensed leaf area index estimates[J]. International Journal of Remote Sensing, 1993,14(13):2519-2534.
[16]	Deng F, Chen J, Plummer S, et al. Algorithm for global leaf area index retrieval using satellite imagery[J]. IEEE, 2006,44(8):2219-2229.
[17]	Pisek J, Chen J, Alikas K, et al. Impacts of including forest understory brightness and foliage clumping information from multiangular measurements on leaf area index mapping over North America[J]. Journal of Geophysical Research, 2010,115:1-13.
[18]	柳艺博, 居为民, 陈镜明, 等. 2000—2010年中国森林叶面积指数时空变化特征[J]. 科学通报, 2012,57(16):1435-1445.
[19]	碳汇林. 全国优势树种(组)异速生长方程[EB/OL]. [2017-06-01] http://www.carbontree.com.cn/NewsShow.asp?Bid=6538.
[20]	Wirth C, Schumacher J, Schulze E-D. Generic biomass functions for Norway spruce in Central Europe—a meta-analysis approach toward prediction and uncertainty estimation[J]. Tree Physiology, 2004,24(2):121-139. doi: 10.1093/treephys/24.2.121 pmid: 14676030
[21]	罗天祥. 中国主要森林类型生物生产力格局及其数学模型[D]. 北京:中国科学院地理科学与资源研究所, 1996: 1-197.
[22]	Zhang X. Estimating forest biomass in the USA using generalized allometric models and MODIS land products[J]. Geographical Rearch letter, 2006,33(9):1-5.
[23]	毛学刚, 李明泽, 范文义, 等. 近30年来小兴安岭地区生物量变化及地统计分析[J]. 地理研究, 2011,30(6):1110-1120.
[24]	范文义, 李明泽, 杨金明. 长白山林区森林生物量遥感估测模型[J]. 林业科学, 2011,47(10):16-20. doi: 10.11707/j.1001-7488.20111003
[25]	胡海清, 罗碧珍, 魏书精, 等. 大兴安岭 5 种典型林型森林生物碳储量[J]. 生态学报, 2015,35(17):5745-5760. doi: 10.5846/stxb201312293051

参数	单位	测量工具
树冠高度	m	Leica-D2
树冠密度	株/hm²	皮尺
树冠半径	m	Leica-D2
树干高度	m	Leica-D2
DBH	cm	皮尺
LAIe	m²/m²	LAI-2200
Ω	1	TRAC

森林背景反射率对乔木层地上生物量遥感估算的影响研究——以大兴安岭林区为例

Assessing the Impacts of Forest Background Reflectance on Estimating Aboveground Biomass—a case study of forest area in Great Khingan

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 25

相关文章 5

编辑推荐

Metrics

本文评价

[1]	谭德宏, 舒清态, 赵洪莹, 王柯人, 袁梓健. 基于遗传算法优化BP神经网络模型估测高山松叶面积指数[J]. 林业资源管理, 2020, 0(5): 123-130.
[2]	蒋丽伟, 张家琦, 赵一臣, 赵永雷. 北京山区典型林分生长季叶面积指数动态变化[J]. 林业资源管理, 2019, 0(2): 132-136.
[3]	赵鹏武, 翟溟赜, 六子一, 魏晓霞. 大兴安岭南段次生林叶面积指数季节动态特征[J]. 林业资源管理, 2017, 0(6): 103-107.
[4]	牛战勇, 冯娟, 谷建才, 陆贵巧. 基于叶面积指数的森林郁闭度遥感反演研究[J]. 林业资源管理, 2014, 0(1): 46-51.
[5]	白静 , 田有亮, 韩照日格图, 郭连生. 油松人工林叶面积指数与其生物量及生长因子关系的研究[J]. 林业资源管理, 2007, 0(4): 52-56.