论文部分内容阅读
森林作为陆地生态系统的主体,其生物量和碳储量的变化反映了森林的演替、人类活动、自然干扰、气候变化和人为污染等的影响,在全球陆地生态系统碳循环和气候变化研究中具有重要意义。本研究以东北三省为试验区,利用CBERS—WFI和MODIS数据,在提取森林分布信息的基础上,结合森林资源清查样地数据,以及地理、气象因子数据,采用多元线性回归和BP神经网络的方法,研究构建森林生物量估测模型,并对东北三省范围内提取的森林生物量和碳储量进行估测,同时采用两个模型估计值交叉对比的方法,得到试验区的森林生物量和碳储量动态变化信息。研究结果表明:(1)基于CBERS-WFI数据RGB组合图像提取森林信息的方法,是局部区域快速宏观提取森林信息的一种行之有效的技术方法,森林提取精度能达到80%。基于MODIS与CBERS-WFI数据年植被指数阈值分割法提取森林信息,分别不同区域设定不同的阈值,能有效地提高森林提取精度,东北三省森林提取面积与第六次清查森林面积差值低于16%。(2)采用多元回归和神经网络的方法,结合地理气象因子,研建了以CBERS-WFI数据和MODIS数据为主要信息源的森林生物量估测模型。通过样本检验分析,东北三省总森林生物量估测精度达到了85%以上,但不同区域其估测精度有所差异,这主要与森林植被类型有关。(3)森林生物量与植被指数NDVI、年均降水量、年均蒸散量、年均湿润度呈明显正相关,且相关系数较大;与年均积温和经度也呈正相关,相关系数比其它因子的要小;而与纬度呈明显的负相关,随着纬度增加,每公顷生物量减少。(4)从森林生物量监测遥感数据源分析,MODIS数据优于WFI数据;从估测模型分析,神经网络模型比多元线性回归模型估测结果更接近于样地测算值。采用神经网络模型,利用MODIS数据估测的2004年东北三省总森林生物量为2404.58×10~6t,森林碳储量为1202.29×10~6t;利用WFI数据估测的2008年的总森林生物量为2368.20×10~6t,森林碳储量为1184.10×10~6t。(5)采用MODIS和WFI两种遥感数据及两种森林生物量模型估测值交叉对比分析的方法,提取森林生物量和碳储量变化的区域。东北三省森林生物量和碳储量明显增长的面积为462.03万公顷,占东北三省森林面积的15.5%;生物量和碳储量减少的面积为145.16万公顷,占东北三省森林面积的4.87%。本研究首次利用了CBERS-WFI数据进行森林生物量和碳储量定量估测研究,拓展了森林宏观定量估测的遥感数据源。在森林生物量遥感估测模型研建过程中,首次在东北三省的范围内应用了森林资源清查样地数据,样本数量呈现较大的突破,并且通过应用样地地类面积等级因子,提高了样地与遥感像元的匹配程度,大大提高了森林生物量和碳储量估测精度。对试验区森林生物量和碳储量动态变化分析过程中,首次采用两种数据、两个模型交叉对比分析的方法,提取两期森林生物量和碳储量增长、减少和变化不明显的区域,森林生物量和碳储量变化区域提取更加严谨、科学。