遙感估算法在森林碳匯估算中的應用進展

郭靖，張東亞，玉蘇普江·艾麥提，齊成

(新疆林業科學院，新疆 烏魯木齊 830000)

?

遙感估算法在森林碳匯估算中的應用進展

郭靖，張東亞，玉蘇普江·艾麥提，齊成

(新疆林業科學院，新疆 烏魯木齊 830000)

摘要作為陸地生態系統主體，森林具有碳源和碳匯的雙重作用。目前，國內外眾多學者對區域尺度森林碳匯的估算提出的方法較多，但還沒有統一的估算方法。遙感估算法是估算森林碳匯的重要方法之一。通過總結該方法的優缺點及應用范圍，為碳儲量估算精度和碳評估提供合理的參考。

關鍵詞遙感估算法；森林碳匯；碳匯估算

森林生態系統在全球碳循環中起到主要的作用。森林固定的碳每一年約占全部陸地生態系統的2/3，其變化決定了陸地生態系統碳源和碳匯的功能。國內外學者也對基于RS技術的森林碳匯估算開展了許多研究。遙感數據的精度、研究領域的空間尺度等問題是目前遙感估算法的研究熱點。本文全面綜述了國內外森林碳匯的遙感估算方法及研究進展，討論了該方法的優缺點、適用范圍及尚未解決的主要問題，以期為我國森林生態系統碳儲量估算提供科學依據，為碳評估提供合理的參考。

1遙感估算方法及數據介紹

遙感估算法是在遙感數據與外業調查數據相結合的基礎上，利用遙感技術得到森林植被的狀態參數，對森林資源進行時空分析及動態變化，測算不同尺度森林植被凈第一生產力，對于大尺度森林生態系統的碳儲量的估算具有重要的意義。它能提供高分辨率和實時變化數據，能及時反映碳儲量的空間變化，彌補了傳統的樣地查清法空間分布不連續的特點，以及耗時、耗力、耗經費，故遙感估算法在森林碳儲量估算中應用越來越廣泛，在森林碳儲量估算及動態變化分析方面具有重要的貢獻。

目前，人們用光學遙感、熱紅外遙感、SAR微波遙感、高光譜遙感和激光雷達遙感對森林資源進行調查，從而形成多種遙感數據用于碳儲量的估算，大大提高了準確性和快捷性，且不會對生態系統產生不必要的干擾。其中應用最廣泛的數據有LandsatTM數據、NOAA/AVHRR數據、QuickBird數據、SPOT數據和MSS數據等。

2國外研究進展

20世紀90年代，國外研究者應用TM和NOAA/AVHRR數據對森林生物量進行了研究。1997年，HameT等人第一次應用TM影像結合外業調查數據構建光譜模型，將該模型應用到AVHRR圖像來估算歐洲森林生物量；1998年，Raymond Salvador等人應用TM數據與樣地清查數據結合，利用多元回歸分析方法，估算了地中海的森林生物量；1999年，Lefsky等人利用TM數據和外業調查數據對落葉樹的地上生物量做了計算；2003年Foody等人利用LandsatTM數據應用多元回歸和神經網絡分析方法對比分析了10個植被指數估算的植被生物量，其結論是神經網絡分析方法是精度最高的一種方法；2004年，T.Calv?o等人應用LandsatTM影像對灌木巖薔薇光譜信息進行了研究，構建了Leave-One-Out模型并進行估算。結果顯示夏季影像中單個TM波段與生物量呈負相關，而NDVI卻與生物量呈正相關，且相關性較高，同時也開拓了光學衛星影像繪制生物量。2005年，LuDS利用TM數據對巴西亞馬遜森林的地上生物量進行了研究，發現TM的光譜響應更適合林分結構相對簡單的森林，而對林分結構較為復雜的，其紋理信息顯得更為重要，TM光譜響應與紋理的結合，能有效提高森林地上生物量的估算精度；2006年，Myeongetal.采用TM/ETM影像的歸一化植被指數(NDVI)數據與對應樣地的碳儲量數據建立了美國雪城的森林碳儲量預測模型，結果顯示，遙感技術在定量監測城市森林碳儲量變化方面具有明顯的優勢；2007年，S.S.SAATCHI等人通過遙感數據、氣象數據和生物量樣地數據耦合，對地上植被生物量進行了估算[10]。2010年，Arief W等利用1 460個抽樣小區的樣地調查數據，結合ETM數據，分析了印度尼西亞東加里曼丹的森林植被2000—2003年間生物量的動態變化[11]。

3國內研究進展

我國森林碳儲量的估算TM和NOAA數據的應用最為廣泛。1996年，肖乾廣等人應用AVHRR遙感數據搭載NOAA的氣象衛星對中國植被NPP進行了估算[12]；2002年，郭志華等人通過TM數據譜信息構建材積模型，估算森林生物量和覆蓋度[13]。2006年，魏安世等人利用TM數據和線性與非線性組合的光譜信息數據構建了多元線性回歸方程，對森林碳儲量進行了估算[14]；2008年，張慧芳利用TM數據，建立生物量估算模型反演了北京地區1999和2002年的森林生物量，并建立Markov模型，預測了該地區2005年及2008年的森林生物量[15]；2009年，韓愛忠基于MODIS和CBERS-WFI數據，結合地理氣象因子，采用神經網絡和多元回歸法，研究了東北三省森林生物量估算模型[16]。2013年，黃紹霖等采用野外樣地調查實測數據，并將其與同期SPOT5影像對應樣地改進的歸一化植被指數(MNDVI)數據進行回歸分析，建立了河田盆地2011年馬尾松林碳儲量的反演模型[17]。

4結論與討論

遙感估算法的優點在于遙感信息的宏觀和動態化，不受自然環境條件的限制，對于大尺度范圍內植被碳儲量估算具有優勢。但由于森林是一個復雜多變的生態系統，具有明顯的時空特異性和復雜的內部結構與聯系，對小尺度范圍所測結果與實際值有較大偏差。因此，應用遙感技術法仍面臨著有待于進一步改善的重要問題。

參考文獻：

[1]楊海軍,邵全琴,陳卓奇,等.森林碳蓄積量估算方法及其應用分析.地球信息科學,2007, 9(4):5 -12

[2]劉詩琦.山東菏澤楊樹人工林碳儲量和碳貯庫特征研究[D.]北京：北京林業大學,2013

[3]Hame T, Salli A， Andersson K, et al.A new methodology for the estimation of biomass of conifer-dominated boreal forest using NOAA AVHRR data.International Journal of Remote Sensing, 1997，18(15):3211-3243

[4]Salvador R, Pons X. On the applicability of Landsat TM images to Mediterranean forest inventories. Forest Ecology And Management, 1998, 104(1): 193-208

[5]Lefsky M A, Harding D, Cohen W B, et al. Surface Lidar Remote Sensing of Basal Area and Biomass in Deciduous Forests of Eastern Mary land, USA.Remote Sensing Environment, 1999,67:83-98

[6]Foody G M, Boyd D S, Cutler M L. Predictive relations of tropical forest biomass from Landsat TM data and their transferability between regions.Remote Sensing of Environment, 2003, 85 (4):463-474

[7]T alv?o, J M Palmeirim. Mapping Mediterranean scrub with satellite imagery: biomass estimation and spectral behaviour. Int. J. Remote Sensing, 2004,25(16):3113-3126

[8]Lu D S, Mateus B. Exploring TM image texture and its relationships with biomass estimation in Rondonia, Brazilian Amazon. Acta Amazonica, 2005, 35(2): 249-257

[9]Myeong S, Nowak D J, Duggin M J. A Temporal Analysis of Urban Forest Carbon Storage Using remote Sensing. Remote Sensing of Environment，2006,101(2):277-282

[10] Saatchi S S, Houghton R A,Dossantos alval≠,et al. Distribution of aboveground live biomass in the Amazon basin. Global Change Biology, (2007)13,816-837

[11] Arief W, Sandi K. Richard G et al. Improved strategy for estimating stem volume and forest biomass using moderate resolution remote sensing data and GIS.Journal of Forestry Research.2010,21(1): 1-12

[12] 肖乾廣,陳維英,盛永偉,等.用NOAA氣象衛星的 AVHRR 遙感資料估算中國的凈第一性生產力.植物學報,1996,38(1)：35-39

[13] 郭志華，彭少麟，王伯蓀.利用 TM 數據提取粵西地區的森林生物量．生態學報，2002，22(11):1832-1840

[14] 魏安世,林壽明,李志洪.基于TM數據的森林植物碳儲量估測方法研究.中南林業調查規劃,2006,25(4):44-47

[15] 張急芳.北京地區森林植被生物量遙感反演及時空動態格局分析.北京：北京林業大學,2008

[16] 韓愛惠.森林生物量及碳儲量遙感監測方法研究.北京：北京林業大學,2009

[17] 黃紹霖,徐涵秋,曾宏達,等.福建長汀河田盆地的馬尾松林碳儲量時空動態變化.地球科學,2013,38(5):1081-1090

通訊作者：張東亞(1963-)，男，研究員，主要從事全球變化的區域響應研究工作，Email： 358999837@qq.com

作者簡介：郭靖(1982-)，女，在讀博士，主要從事應對氣候變化、3S應用及干旱區環境評估等領域的研究工作， Email：guojing7227279@163.com

基金項目：中國清潔發展機制基金贈款項目(2013013)

收稿日期：2015-10-29

中圖分類號：S718.5

文獻標識碼：A

doi:10.13601/j.issn.1005-5215.2016.01.024

文章編號：1005-5215(2016)01-0061-02