基于遙感的紅樹(shù)林地上生物量估算研究進(jìn)展

李尉尉，朱建華，趙文璇，田 震

（國(guó)家海洋技術(shù)中心，天津 300112）

紅樹(shù)林是生長(zhǎng)在熱帶和亞熱帶地區(qū)潮間帶濕地，受周期性潮水浸淹，以紅樹(shù)植物為主體的生物群落[1]。紅樹(shù)林生態(tài)系統(tǒng)具有防風(fēng)消浪、促淤護(hù)岸、固碳儲(chǔ)碳和維持生物多樣性等重要功能[2]，是地球上最具生產(chǎn)力和生物多樣性的生態(tài)系統(tǒng)之一[3]。有研究表明，紅樹(shù)林僅覆蓋了地球表面0.1%的面積，卻固定了大氣中5%的碳[4]。而生物量估算是碳儲(chǔ)量和碳匯能力評(píng)估的重要基礎(chǔ)，也是紅樹(shù)林生態(tài)產(chǎn)品價(jià)值實(shí)現(xiàn)的前提條件，因此，紅樹(shù)林生物量的研究應(yīng)用極其必要。

紅樹(shù)林生態(tài)系統(tǒng)碳庫(kù)由紅樹(shù)林植被碳庫(kù)和沉積物碳庫(kù)兩部分組成，其中植被碳庫(kù)包括地上活生物量碳庫(kù)、地下活生物量碳庫(kù)和地上死生物量碳庫(kù)三部分[1]。目前，利用遙感技術(shù)估算生物量的研究主要集中在地上活生物量碳庫(kù)方面。本文從遙感數(shù)據(jù)源、模型方法兩個(gè)角度，闡述了國(guó)內(nèi)外基于光學(xué)遙感、微波雷達(dá)、激光雷達(dá)，以及多源遙感數(shù)據(jù)利用統(tǒng)計(jì)模型、過(guò)程模型、間接法估算生物量的研究進(jìn)展，并分析其發(fā)展趨勢(shì)，以期為相關(guān)研究提供參考。

1 紅樹(shù)林地上生物量國(guó)內(nèi)外研究發(fā)展概況

紅樹(shù)林地上生物量的研究方法包括傳統(tǒng)測(cè)量方法和遙感監(jiān)測(cè)方法。幾十年來(lái)，對(duì)紅樹(shù)林進(jìn)行實(shí)地生物量調(diào)查，通過(guò)原位測(cè)量獲取樹(shù)高、胸徑、木材密度等建立了各種異速生長(zhǎng)方程來(lái)估算紅樹(shù)林地上生物量[5-6]，但這些研究多基于小規(guī)模、地塊的研究，可能還會(huì)受到選址偏差的影響。此外，與其他森林類(lèi)型相比，紅樹(shù)林受到潮汐時(shí)間、勞動(dòng)力限制等因素影響，可能會(huì)導(dǎo)致難以現(xiàn)場(chǎng)大規(guī)模獲取紅樹(shù)林結(jié)構(gòu)和生物量信息[7]。因此，遙感以其宏觀、綜合、動(dòng)態(tài)、快速、可重復(fù)等特點(diǎn)，已成為大規(guī)模、長(zhǎng)時(shí)序紅樹(shù)林生物量估算的主要方法[8]。

20 世紀(jì)60—90年代，國(guó)外一些學(xué)者利用現(xiàn)場(chǎng)方法如皆伐法等對(duì)紅樹(shù)林群落開(kāi)展了研究，如1962年，GOLLEY F 等[9]利用皆伐法對(duì)波多黎各大紅樹(shù)群落的生物量進(jìn)行了研究；1977年，BRIGGS S V[10]基于材積法研究了澳大利亞白骨壤群落生物量；1985年，WOODROFFE C D[11]基于皆伐法建立新西蘭的白骨壤群落生物量和樹(shù)高的關(guān)系模型。由于紅樹(shù)林調(diào)查受限較多及缺乏合適的遙感數(shù)據(jù)源，相對(duì)陸地森林生物量估算，紅樹(shù)林的研究約滯后十幾年。國(guó)外基于遙感估算紅樹(shù)林生物量研究開(kāi)始于1999年，MOUGIN E 等利用機(jī)載合成孔徑雷達(dá)（Airborne SyntheticApertureRadar，AIRSAR） 數(shù)據(jù)和統(tǒng)計(jì)模型分析了法屬圭亞那海岸紅樹(shù)林的結(jié)構(gòu)和生物量信息[12-13]。之后，生物量遙感估算成為紅樹(shù)林研究熱點(diǎn)，SIMARD M 等[14]、RODRIGUEZ E 等[15]通過(guò)估算紅樹(shù)林高度得到生物量；LUCAS R M 等[16]、PROISY C等[17]根據(jù)光譜反射率或雷達(dá)后向散射系數(shù)估算了生物量；2011年，WICAKSONO P 等[18]首次利用美國(guó)陸地資源衛(wèi)星（Landsat） 影像繪制了紅樹(shù)林生態(tài)系統(tǒng)碳儲(chǔ)量分布圖。近十年來(lái)，紅樹(shù)林開(kāi)始被視作一個(gè)耦合的生態(tài)系統(tǒng)，基于遙感的紅樹(shù)林過(guò)程模型得到發(fā)展，隨著哨兵衛(wèi)星的發(fā)射和激光雷達(dá)數(shù)據(jù)的發(fā)展，多源數(shù)據(jù)的融合越來(lái)越多應(yīng)用到生物量估算。

20 世紀(jì)80—90年代是我國(guó)紅樹(shù)林生物量研究的起步階段，1985年，林鵬等[19]利用皆伐法對(duì)九龍江口秋茄群落的生物量進(jìn)行了測(cè)定分析；1990—1993年，廖寶文等[20]、尹毅等[21]對(duì)海南島清瀾港紅樹(shù)林次生灌叢生物量、廣西白骨壤群落進(jìn)行了測(cè)定研究；1994年，遙感技術(shù)在海南島紅樹(shù)林濕地資源調(diào)查中得到了初步應(yīng)用。2006—2010年是我國(guó)紅樹(shù)林生物量遙感估算的起步階段，2006年，黎夏等[22]首次利用雷達(dá)數(shù)據(jù)對(duì)珠江三角洲珠海的淇澳島紅樹(shù)林進(jìn)行了生物量監(jiān)測(cè)；2007年，肖海燕等[23]利用高光譜成像光譜儀（Hymap） 數(shù)據(jù)與紅樹(shù)林樣方生物量建立回歸模型；2010年，曹慶先[24]利用Landsat 數(shù)據(jù)對(duì)北部灣沿海紅樹(shù)林生物量進(jìn)行了估算。2010年以來(lái)，利用遙感估算紅樹(shù)林生物量的研究穩(wěn)步發(fā)展，朱遠(yuǎn)輝、ZHU Y、武高潔等學(xué)者開(kāi)展了各類(lèi)研究[25-27]。近5年來(lái)，關(guān)于紅樹(shù)林遙感估算生物量的研究發(fā)展迅速，激光雷達(dá)、無(wú)人機(jī)光譜數(shù)據(jù)、機(jī)器學(xué)習(xí)算法等大量應(yīng)用于紅樹(shù)林生物量研究[28-31]。

2 紅樹(shù)林地上生物量估算的遙感數(shù)據(jù)源

隨著遙感大數(shù)據(jù)時(shí)代的到來(lái)，以衛(wèi)星、航天飛機(jī)及無(wú)人機(jī)等平臺(tái)搭載的光學(xué)、微波雷達(dá)和激光雷達(dá)3 類(lèi)傳感器獲取的不同分辨率和波段的數(shù)據(jù)，為紅樹(shù)林地上生物量遙感估算研究提供了有力的數(shù)據(jù)支撐[32]。

2.1 光學(xué)遙感數(shù)據(jù)源

利用光學(xué)遙感數(shù)據(jù)估算紅樹(shù)林生物量是應(yīng)用最早也是最廣泛、技術(shù)最成熟的方式。用來(lái)估算紅樹(shù)林生物量的光學(xué)遙感數(shù)據(jù)有美國(guó)陸地資源衛(wèi)星（Land Satellite Thematic Mapper/Enhanced Thematic Mapper，Landsat TM/ETM）、QuickBird、Worldview、IKONOS、SPOT、PlantScope、哨兵二號(hào)A/B 衛(wèi)星（Sentinel-2A/2B） 等，其中Landsat 8 和Sentinel-2A/2B 是當(dāng)前光學(xué)遙感估算地上生物量的主要數(shù)據(jù)源。

光學(xué)遙感器主要是獲取紅樹(shù)林的光譜信息，通過(guò)葉面積指數(shù)、植被指數(shù)、影像的紋理特征和光譜特征等參數(shù)來(lái)估算生物量。從空間分辨率的角度，可以將光學(xué)遙感數(shù)據(jù)源分為低分辨率、中分辨率、高分辨率、極高分辨率影像。低分辨率影像如中分辨率成像光譜儀（Moderate-resolution Imaging Spectroradiometer，MODIS）（空間分辨率250 m） 可生成植被指數(shù)產(chǎn)品，與實(shí)地生物量數(shù)據(jù)結(jié)合可以繪制大面積生物量分布圖，一般用來(lái)研究全球級(jí)、國(guó)家級(jí)尺度的生物量；中分辨率影像（如Landsat TM/ETM，空間分辨率30 m） 可用來(lái)評(píng)估區(qū)域級(jí)至全球級(jí)的生物量，同時(shí)，長(zhǎng)時(shí)序的Landsat 傳感器數(shù)據(jù)（20 世紀(jì)80年代至今） 可以用來(lái)監(jiān)測(cè)變化量，戴子熠等[33]利用Landsat-5 TM、Landsat-8 OLI（Operational Land Imager） 數(shù)據(jù)分析了1988—2018年廣西北海紅樹(shù)林碳儲(chǔ)量的變化；高分辨率影像（如Sentinel-2A/2B、SPOT 等，空間分辨率2～10 m） 可以更加準(zhǔn)確提取區(qū)域級(jí)紅樹(shù)林樹(shù)種、群落特征等信息，MUHSONI F F 等[34]以印度尼西亞紅樹(shù)林為研究對(duì)象，評(píng)估了24 種紅樹(shù)林植被指數(shù)，得到3 種適用Sentinel-2 影像的最佳紅樹(shù)林生態(tài)系統(tǒng)生物量估算模型，其中指數(shù)回歸法精度最佳，決定系數(shù)為0.859，均方根誤差為89 Mg/ha；BALOLOY A B 等[35]評(píng)估、比較了Sentinel-2、RapidEye、PlanetScope 3 顆光學(xué)衛(wèi)星獲取的多光譜波段、植被指數(shù)和生物物理變量的生物量估算潛力，其中Sentinel-2 的決定系數(shù)為0.92，均方根誤差為8.79 Mg/ha；極高分辨率影像（如QuickBird、IKONOS、WorldView-2 等，空間分辨率小于2 m） 可以更細(xì)致地描述紅樹(shù)林空間特征、紋理、植被指數(shù)信息和光譜信息等，估算精度更為準(zhǔn)確，但受成本、成像大小等限制，更適用小區(qū)域的生物量精細(xì)估算；HIRATA Y 等[36]利用QuickBird影像提取樹(shù)冠信息并進(jìn)行樹(shù)種識(shí)別，估算得到泰國(guó)南部拉廊府4 種紅樹(shù)林的地上生物量，估算的生物量與現(xiàn)場(chǎng)調(diào)查生物量決定系數(shù)達(dá)到0.65。

光學(xué)遙感器在提供紅樹(shù)林水平結(jié)構(gòu)參數(shù)有一定優(yōu)勢(shì)，但很難提供垂直分布的信息，且易受天氣影響，獲取生物量信息時(shí)易飽和、敏感性差，所以在應(yīng)用中存在一定的局限性。

2.2 微波雷達(dá)數(shù)據(jù)源

微波雷達(dá)遙感具有全天時(shí)、全天候數(shù)據(jù)獲取特點(diǎn)，且微波具有穿透樹(shù)冠和云層的能力，可以獲取紅樹(shù)林內(nèi)部結(jié)構(gòu)信息，適用于云層覆蓋較多的熱帶和亞熱帶地區(qū)，所以在紅樹(shù)林生物量估算中具有一定的優(yōu)勢(shì)[8，27]。目前主要用于紅樹(shù)林生物量遙感估算的雷達(dá)數(shù)據(jù)包括Sentinel-1 SAR（Sentinel-1 SAR）、ERS SAR（European Remote Sensing Satellite SAR）、ENVISAT ASAR（Environmental Satellite Advanced SAR）、JERS SAR（Japanese Earth Resources Satellite SAR）、ALOS（Advanced Land Observing Satellite） PALSAR（L-band Phased Array SAR）、機(jī)載AIRSAR 等。

SAR 主要是通過(guò)后向散射系數(shù)估算紅樹(shù)林生物量，不同波長(zhǎng)（X、C、L、P 波段）、不同極化方式（VV、VH、HV、VV） 的后向散射分別來(lái)自樹(shù)的不同部位，所以波長(zhǎng)和極化方式是SAR 估算紅樹(shù)林生物量的重要因素。有研究表明，長(zhǎng)波長(zhǎng)如L 波段和P 波段在估算生物量的相關(guān)性更強(qiáng)[37]。干涉合成孔徑雷達(dá)（Interferometric Synthetic Aperture Radar，InSAR） 通過(guò)獲取與生物量相關(guān)的樹(shù)高等參數(shù)，再通過(guò)異速生長(zhǎng)方程得到生物量。極化干涉合成孔徑雷達(dá)（Pol InSAR） 將極化和干涉結(jié)合在一起，提供比單純的極化或干涉更為豐富的信息，對(duì)提取樹(shù)高、衰減系數(shù)等參數(shù)反演具有重要意義。層析合成孔徑雷達(dá)（TomoSAR） 利用不同冠層高度的散射強(qiáng)度來(lái)得到樹(shù)林垂直結(jié)構(gòu)參數(shù)[38]，但目前技術(shù)和方法還處于研究階段，應(yīng)用于生物量研究較少[32]。黎夏等[22]利用Radarsat 1 數(shù)據(jù)在廣東淇澳島開(kāi)展的紅樹(shù)林地上生物量研究，以雷達(dá)遙感的后向散射系數(shù)和光學(xué)影像的歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI） 為自變量構(gòu)建了生物量估算模型，結(jié)果顯示雷達(dá)的后向散射系數(shù)在生物量表達(dá)上要優(yōu)于NDVI 值，提高了35.7%；LUCAS R M等[39]評(píng)估了L 波段SAR 在估算澳大利亞北部、法屬圭亞那及馬來(lái)西亞的4 個(gè)區(qū)域的紅樹(shù)林地上生物量方面的潛力；DARMAWAN S 等[40]利用ALOS PALSAR 影像分析了不同極化方式的后向散射特性，HH值在-11 dB 到-6 dB 之間，HV 值在-21 dB 到-16 dB之間，并評(píng)估了東南亞紅樹(shù)林的地上生物量，其中緬甸伊拉瓦迪三角洲、柬埔寨普雷克皮普特河和印尼索龍巴布亞島的紅樹(shù)林地上生物量較高，平均值超過(guò)80 Mg/ha。

總體來(lái)看，微波雷達(dá)遙感在紅樹(shù)林生物量估算方面有一定的優(yōu)勢(shì)，但也存在幾方面問(wèn)題：一是影像處理上較為復(fù)雜，其斑點(diǎn)噪音是影響地上生物量估算精度的主要問(wèn)題；二是存在易受地形影響和生物量飽和的問(wèn)題，只是相對(duì)光學(xué)遙感抗飽和能力更強(qiáng)，PODEST E 等[41]研究表明，C-SAR 的反演飽和度約為20 Mg/ha，L-SAR 的反演飽和度約為40 Mg/ha，P-SAR 的反演飽和度約為100 Mg/ha，相比光學(xué)影像NDVI 的生物量反演飽和度上限僅為10 Mg/ha[42]；三是穿透能力有限，無(wú)法監(jiān)測(cè)高生物量植被區(qū)完整的垂直冠層信息。

2.3 激光雷達(dá)數(shù)據(jù)源

LiDAR 可以穿透植被冠層，準(zhǔn)確獲取植被的垂直結(jié)構(gòu)信息，如地表和林冠的高度、平均樹(shù)冠面積、樹(shù)木密度等，是新興的、重要的地物三維空間結(jié)構(gòu)探測(cè)和紅樹(shù)林生物量估算的數(shù)據(jù)源[29]。

根據(jù)激光脈沖的孔徑可將數(shù)據(jù)分為小光斑和大光斑兩類(lèi)，大光斑全波形衛(wèi)星數(shù)據(jù)（Ice,Cloud and Land Elevation Satellite/Geoscience Laser Altimetry System，ICESat GLAS） 是估測(cè)大尺度生物量參數(shù)和冠層高度的有力工具，能大幅提高從區(qū)域到全球尺度的生物量估算精度[43-44]，SIMARD M 等[45-46]通過(guò)GLAS 星載激光雷達(dá)數(shù)據(jù)來(lái)校正紅樹(shù)林范圍內(nèi)的SRTM DEM 數(shù)據(jù)，利用得到的紅樹(shù)林冠層高度數(shù)據(jù)和異速生長(zhǎng)方程推算了全球范圍紅樹(shù)林的地上生物量，為監(jiān)測(cè)國(guó)家和區(qū)域紅樹(shù)林碳儲(chǔ)量趨勢(shì)提供了基線；小光斑激光雷達(dá)的光斑直徑通常較小，為準(zhǔn)確探測(cè)單木水平的生物量提供了可能性。根據(jù)搭載的平臺(tái)又可以將數(shù)據(jù)分為地基激光雷達(dá)、機(jī)載激光雷達(dá)和星載激光雷達(dá)，聞馨等[30]利用全球生態(tài)系統(tǒng)動(dòng)態(tài)調(diào)查（Global Ecosystem Dynamics Investigation，GEDI） 任務(wù)星載激光雷達(dá)數(shù)據(jù)反演得到的森林冠層高度數(shù)據(jù)和異速生長(zhǎng)方程，實(shí)現(xiàn)了2019年中國(guó)紅樹(shù)林地上生物量估算，地上生物量和均值分別為1974 827 t 和73 Mg/hm2。近年來(lái)，隨著無(wú)人機(jī)硬件和便攜式激光雷達(dá)傳感器的快速發(fā)展，無(wú)人機(jī)激光雷達(dá)（Unmanned Aerial Vehicle-LiDAR） 越來(lái)越多應(yīng)用于紅樹(shù)林生物量的估算，TIAN Y C 等[47]基于無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)的高度和強(qiáng)度變量，估算分析了廣西茅尾海康熙嶺地區(qū)的典型入侵紅樹(shù)林地上生物量及其分布格局，估算最佳精度決定系數(shù)為0.764，均方根誤差為11.2725 Mg/ha。

與光學(xué)遙感和微波雷達(dá)相比，LiDAR 在獲取森林結(jié)構(gòu)參數(shù)和估算生物量方面具有更高的精度，在生物量高的地區(qū)，也不會(huì)出現(xiàn)光學(xué)數(shù)據(jù)和微波數(shù)據(jù)飽和的“瓶頸”，但由于激光雷達(dá)數(shù)據(jù)呈現(xiàn)離散、不連續(xù)分布的特點(diǎn)，且密度較低，因此，進(jìn)行多源數(shù)據(jù)融合估算紅樹(shù)林冠層高度和生物量是當(dāng)下研究的熱點(diǎn)。同時(shí)，由于缺乏歷史數(shù)據(jù)，基于LiDAR的生物量的多時(shí)相動(dòng)態(tài)監(jiān)測(cè)目前難以實(shí)現(xiàn)。

2.4 多源數(shù)據(jù)融合

從上述研究可以看出，任何單一的遙感技術(shù)都存在其局限性，多傳感器的集成應(yīng)用可以很好地解決以上問(wèn)題，且能夠有效提高估算精度。

LiDAR 數(shù)據(jù)一般只有三維信息，缺少光譜信息，因此通過(guò)和光學(xué)遙感聯(lián)合，建立統(tǒng)計(jì)模型或物理模型反映光學(xué)數(shù)據(jù)的波譜信息與波形、點(diǎn)云特征之間的關(guān)系，來(lái)進(jìn)行生物量估算。WANG D Z 等[48]利用Sentinel-2 和無(wú)人機(jī)LiDAR 估算和繪制了海南省紅樹(shù)林的高度和地上生物量，得到海南島紅樹(shù)林平均高度為6.99 m，地上生物量為474199.31 t，模型決定系數(shù)為0.62，均方根誤差為50.36 Mg/ha；吳培強(qiáng)等[29]以無(wú)人機(jī)多光譜和LiDAR 為數(shù)據(jù)源，構(gòu)建了紅樹(shù)林高度、冠幅與地上生物量回歸模型，得到廣西茅尾海紅樹(shù)林保護(hù)區(qū)的地上生物量范圍，其中桐花樹(shù)生物量回歸模型的決定系數(shù)達(dá)到0.83。

光學(xué)與SAR 數(shù)據(jù)聯(lián)合，可以彌補(bǔ)光學(xué)數(shù)據(jù)易受天氣云層影響且只能獲取紅樹(shù)林水平結(jié)構(gòu)信息的不足。PHAM T D 等[49]根據(jù)ALOS-2 PALSAR-2 和Sentinel-2A 數(shù)據(jù)及支持向量機(jī)（Support Vector Machine，SVM） 模型，估算了越南北部紅樹(shù)林種植園的生物量，模型決定系數(shù)為0.596，均方根誤差為0.187 Mg/ha；CASTILLO J 等[50]證明了Sentinel-1 SAR和Sentinel-2 多光譜數(shù)據(jù)結(jié)合可以在紅樹(shù)林地上生物量估算和繪制上取得較好的結(jié)果，均方根誤差為27.8 ～ 28.5 Mg/ha；NAVARRO J A 等[51]以塞內(nèi)加爾種植紅樹(shù)林為研究對(duì)象，證明了結(jié)合Sentinel-1 SAR和Sentinel-2 多光譜數(shù)據(jù)比單獨(dú)使用這兩種數(shù)據(jù)源進(jìn)行生物量估算的效果更佳，其決定系數(shù)為0.89，均方根誤差為2.35 Mg/ha。

LiDAR 和SAR 數(shù)據(jù)聯(lián)合，有效彌補(bǔ)了SAR 易受地形影響且在生物量較高時(shí)容易飽和的問(wèn)題，同時(shí)實(shí)現(xiàn)了高精度連續(xù)分布的生物量制圖。FATOYINBO T E 等[52]利用激光雷達(dá)ICESat GLAS 和InSAR SRTM 數(shù)據(jù)，應(yīng)用異速生長(zhǎng)方程估算了非洲紅樹(shù)林的地上生物量，其紅樹(shù)林樹(shù)冠高度均方根誤差為3.55 m。

3 紅樹(shù)林地上生物量估算的遙感模型方法

除了選擇合適的遙感數(shù)據(jù)源之外，選擇合適的模型方法來(lái)推算生物量也非常重要。當(dāng)前紅樹(shù)林生物量遙感定量估算方法還是以統(tǒng)計(jì)模型、間接法為主，過(guò)程模型研究相對(duì)較少。

3.1 統(tǒng)計(jì)模型

統(tǒng)計(jì)模型是以波段及其派生波段（如植被指數(shù)） 為自變量構(gòu)建遙感信息模型，進(jìn)行紅樹(shù)林生物量遙感定量估算。統(tǒng)計(jì)模型包括參數(shù)模型和非參數(shù)模型，如圖1 所示，其中參數(shù)模型是通過(guò)樣地調(diào)查實(shí)測(cè)獲取生物量數(shù)據(jù)，利用線性模型、指數(shù)模型、多項(xiàng)式模型等回歸方法建立植被指數(shù)、光譜特征、紋理特征、后向散射系數(shù)等遙感信息要素與生物量之間的擬合關(guān)系，然后逐像元推算樣點(diǎn)外區(qū)域的紅樹(shù)林生物量；非參數(shù)模型則是利用神經(jīng)網(wǎng)絡(luò)（Neural Networks，NN）、隨機(jī)森林（Random Forest，RF）、K 最鄰近（k-Nearest Neighbor，KNN）、SVM 等機(jī)器學(xué)習(xí)的智能算法，在實(shí)測(cè)生物量與遙感參數(shù)相關(guān)性不顯著的情況下，建立紅樹(shù)林生物量非線性遙感估算模型推算區(qū)域生物量[53]。多項(xiàng)研究表明，利用參數(shù)回歸模型對(duì)單樹(shù)種估算精度較高，但在混合樹(shù)種生物量估算中，非參數(shù)模型精度更高。在紅樹(shù)林生物量估算方面，統(tǒng)計(jì)模型以其簡(jiǎn)便易用的優(yōu)點(diǎn)應(yīng)用最廣，但也存在一定的不足，一方面建立的地面實(shí)測(cè)數(shù)據(jù)與遙感信息要素之間的關(guān)系在大尺度上穩(wěn)定性較差；另一方面目前大多統(tǒng)計(jì)模型參數(shù)是光學(xué)遙感數(shù)據(jù)的光譜特征、植被指數(shù)、雷達(dá)遙感數(shù)據(jù)的后向散射等遙感因子，忽略了葉面積指數(shù)和樹(shù)齡等信息要素。

圖1 遙感估算地上生物量統(tǒng)計(jì)模型分類(lèi)

PHAM LTH 等[54]分析了SVM、RF、多層感知器神經(jīng)網(wǎng)絡(luò)（Multi-layer Perceptron Neural Network，MLPNN）、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radial Basis Function Neural Network，RBFNN） 等5 種機(jī)器學(xué)習(xí)算法估計(jì)越南紅樹(shù)林的生物量的差異。曹慶先[24]利用KNN 方法估算了北部灣沿海紅樹(shù)林地上生物量，研究發(fā)現(xiàn)估算精度隨尺度的增大而增大，但像元尺度不及回歸模型精確；譚雨欣等[28]通過(guò)特征選擇方法對(duì)衛(wèi)星提取的后向散射系數(shù)、植被指數(shù)等遙感因子進(jìn)行優(yōu)選，利用極端梯度提升（eXtreme Gradient Boosting，XGBoost） 機(jī)器學(xué)習(xí)算法估算了北部灣茅尾海無(wú)瓣海桑紅樹(shù)林樹(shù)種的地上生物量，最優(yōu)算法決定系數(shù)為0.724，均方根誤差為21.7 Mg/ha，表現(xiàn)出較好的應(yīng)用能力。

3.2 過(guò)程模型

過(guò)程模型可在不同時(shí)空尺度（站點(diǎn)-區(qū)域-全球） 模擬植物生長(zhǎng)過(guò)程，如光合作用、呼吸作用、氧分循環(huán)等過(guò)程，通過(guò)估算可反映植被生物量改變，以及碳固定過(guò)程的植被凈初級(jí)生產(chǎn)力（Net Primary Production，NPP），并累加時(shí)間段內(nèi)的時(shí)間序列NPP 得到紅樹(shù)林生物量[24，53]。目前，主要的過(guò)程模型有CASA（Carnegie-Ames-Stanford Approach）、BEPS（Boreal Ecosystem Productivity Simulator）、In-TEC（Integrated Terrestrial Ecosystem Carbon Cycle）等。相對(duì)統(tǒng)計(jì)模型，過(guò)程模型較為復(fù)雜，涉及植物生理生態(tài)、太陽(yáng)輻射、植被冠層、氣象等，輸入變量多，且這些參量在通過(guò)遙感手段獲取時(shí)存在一定的不確定性，多種不確定性疊加會(huì)降低過(guò)程模型估算紅樹(shù)林生物量的準(zhǔn)確性，但它更強(qiáng)調(diào)對(duì)生態(tài)系統(tǒng)內(nèi)部各種作用過(guò)程的描述，能揭示生物量生長(zhǎng)和環(huán)境相關(guān)作用及對(duì)氣候變化響應(yīng)，因此，利用遙感手段獲取紅樹(shù)林生理生態(tài)特征等參數(shù)驅(qū)動(dòng)過(guò)程模型是重點(diǎn)研究?jī)?nèi)容。

田義超等[55]以無(wú)人機(jī)季節(jié)航拍影像為數(shù)據(jù)源，利用CASA 模型分析了廣西北部灣的典型島群紅樹(shù)林生態(tài)系統(tǒng)NPP 的分布特征；甄佳寧等[56]基于遙感反演數(shù)據(jù)和站點(diǎn)數(shù)據(jù)改進(jìn)了BEPS 模型，構(gòu)建了高精度紅樹(shù)林生態(tài)系統(tǒng)NPP 及其空間分布；楊昊翔等[57]基于高時(shí)空分辨率植被指數(shù)數(shù)據(jù)集和光能利用率模型實(shí)現(xiàn)了區(qū)域尺度的紅樹(shù)林總初級(jí)生產(chǎn)力（Gross Primary Productivity，GPP） 估算，數(shù)據(jù)驗(yàn)證得到的決定系數(shù)為0.64，較現(xiàn)有的GPP 產(chǎn)品估算精度提高了48.9%。

3.3 間接估算方法

相對(duì)統(tǒng)計(jì)模型直接反演生物量，通過(guò)微波雷達(dá)數(shù)據(jù)的InSAR、Pol InSAR、TomoSAR 技術(shù)，以及LiDAR 數(shù)據(jù)等獲取與生物量相關(guān)的垂直結(jié)構(gòu)的特征參數(shù)（如樹(shù)高），再利用異速生長(zhǎng)方程計(jì)算得到生物量，這種生物量估算方法稱為間接法[30]。

異速生長(zhǎng)方程描述了易于測(cè)定的特征參數(shù)（如樹(shù)高和胸徑等） 和難以測(cè)量的特征參數(shù)（如生物量） 之間的數(shù)量定量關(guān)系。為了提高生物量估算精度，很多學(xué)者一直致力于構(gòu)建更好的異速生長(zhǎng)方程[58-60]，有的學(xué)者建立了特定樹(shù)種的異速生長(zhǎng)方程，如紅樹(shù)、秋茄、白骨壤等，也有學(xué)者建立了普適的通用方程。

4 結(jié)論與展望

紅樹(shù)林地上生物量是表征紅樹(shù)林固碳能力的重要指標(biāo)，也是研究區(qū)域紅樹(shù)林碳平衡、了解氣候系統(tǒng)演變的重要參數(shù)。遙感以其大規(guī)模、多時(shí)序、無(wú)破壞性觀測(cè)的優(yōu)勢(shì)，已經(jīng)成為紅樹(shù)林地上生物量估算的關(guān)鍵、重要手段，并取得了較好的效果和廣泛的應(yīng)用。

本文重點(diǎn)介紹了評(píng)估光學(xué)遙感、微波雷達(dá)、LiDAR 等遙感數(shù)據(jù)源在紅樹(shù)林地上生物量評(píng)估中的研究進(jìn)展，以及多源數(shù)據(jù)的優(yōu)勢(shì)和應(yīng)用，其中光學(xué)遙感是生物量估算中應(yīng)用最早和最成熟的手段，微波雷達(dá)是有效的補(bǔ)充方法，LiDAR 是近年來(lái)逐漸興起的重要方法，在具體研究中可依據(jù)空間尺度、取樣單元數(shù)及數(shù)據(jù)可獲取性等因素進(jìn)行數(shù)據(jù)源的選擇和組合[61]；總結(jié)了遙感數(shù)據(jù)估算紅樹(shù)林地上生物量的統(tǒng)計(jì)模型、過(guò)程模型和間接估算3 種方法，統(tǒng)計(jì)模型尤其是參數(shù)模型是過(guò)去一段時(shí)間估算生物量的主要方法，過(guò)程模型能夠表征紅樹(shù)林生態(tài)系統(tǒng)過(guò)程，也是今后需要大力發(fā)展的熱點(diǎn)，間接估算方法主要取決于紅樹(shù)林垂直結(jié)構(gòu)的反演和異速生長(zhǎng)方程的精度。

為提高遙感估算紅樹(shù)林地上生物量的精確度，今后應(yīng)在以下方面開(kāi)展進(jìn)一步探索：一是多源遙感數(shù)據(jù)的融合，由于單一的遙感數(shù)據(jù)在空間、光譜、輻射分辨率限制了生物量估算的精度，因此，集成融合空天地不同平臺(tái)不同尺度上獲取的多源數(shù)據(jù)，采用最優(yōu)參數(shù)信息以實(shí)現(xiàn)更精確的生物量估算是當(dāng)前研究重要趨勢(shì)，同時(shí)對(duì)多源遙感數(shù)據(jù)進(jìn)行數(shù)據(jù)同化也需要更深入的研究[8]。二是進(jìn)一步發(fā)展機(jī)器學(xué)習(xí)算法和遙感過(guò)程模型，研究表明機(jī)器學(xué)習(xí)算法在使用各類(lèi)遙感數(shù)據(jù)估算生物量方面具有更好的整體準(zhǔn)確性；同時(shí)，從植被生產(chǎn)力形成的生理過(guò)程-光合作用出發(fā)，利用多源遙感數(shù)據(jù)反演紅樹(shù)林生理生態(tài)參數(shù)，建立具有生態(tài)學(xué)意義的遙感過(guò)程模型是研究碳收支的重要方向。三是紅樹(shù)林生物量的時(shí)空分析和估算，有必要評(píng)估遙感傳感器、數(shù)據(jù)和方法模型在估算紅樹(shù)林生物物理參數(shù)（一次性分析） 和變化檢測(cè)（多時(shí)相） 方面的能力。四是建立紅樹(shù)林地面調(diào)查數(shù)據(jù)集，利用間接法進(jìn)行生物量的估算精度很大程度取決于異速生長(zhǎng)方程，由于精確測(cè)量生物量需要進(jìn)行破壞性的現(xiàn)場(chǎng)調(diào)查，這對(duì)于亟須加強(qiáng)保護(hù)的紅樹(shù)林來(lái)說(shuō)是不可取的，因此這些方程式通常是從其他研究中獲取的，但研究表明，異速生長(zhǎng)方程因紅樹(shù)林的種類(lèi)和位置會(huì)有差異，因此，建立公開(kāi)的、標(biāo)準(zhǔn)化的地面調(diào)查數(shù)據(jù)集很有必要。