云南省森林生物量遥感估测概述
第一章：绪论
1.1、研究背景与研究意义
全球气候变化是目前热点问题，如何遏制气温增高、减少碳排放是世界各国需要解决的问题。众多研究表明，森林在气候变化中具有重要的作用，京都协定书中也明确指出森林可以降低二氧化碳含量，在缓解全球气候变化中意义重大。
森林是陆地生态系统的主体，森林三维结构直接影响着森林碳循环因子的估算精度，而且在总的地球陆地植被生物量含量中，森林生物量的含量占到 90%，直接且定量化地反映了森林碳储量的多寡，因而也是衡量森林生态系统的重要参数。
传统的森林生物量测定方法，如地面实测法，需耗费大量人力物力，在小范围内可以获得比较可信和精度较高的实测数据，但是破坏性大，无法开展大面积研究。遥感技术可以大大提高森林生物量估测的效率，其中光学遥感是目前很多学者采用的主要手段，可以获得一定的水平结构信息，但是估测森林生物量存在精度不稳定和诸多局限，主要原因是植被指数（如NDVI）饱和问题、大气校正、多云多雨天气的限制等。微波遥感的发展为生物量提供了更可靠的数据来源，减少了大气条件和云量对遥感观测的干扰，但是容易出现信号饱和以及森林不容易区分等问题。极化干涉 SAR/InSAR 可以在一定程度上解决森林密度和结构变化而导致的估测精度降低问题[7]，但是由于我国至今没有自主的星载极化 SAR 系统，造成数据获取困难，限制了该数据在植被结构参数提取中的广泛应用。
激光雷达测距（LiDAR, Light Detection And Ranging）技术已经被很多学者用来估算植被冠层高度、林木蓄积量、林分断面积和地上生物量，在林业上得到了广泛的应用。但由于机载 LiDAR 数据获取成本高、难以实现大范围内的数据获取，而星载激光雷达（GLAS，Geoscience and Laser Altimeter System）观测视野广、数据可覆盖全球，可以进行大范围的森林生物量估算。以往大多学者使用光学遥感信息估算森林生物量，虽然光学遥感影像在处理森林二维结构信息方面有一定的优势，但是其穿透性差，森林生物量估算容易达到饱和。激光雷达遥感数据提供了森林垂直方向上的结构信息，但由于其数据是离散点，缺乏森林水平结构参数的辅助信息，因此，结合光学数据是一个热点，目前，为精确测定森林生物量提供了新的方法。
1.2、国内外研究现状
森林生物量是指特定时间范围内的森林群落现有活有机体的干物质总量。本文所指的森林生物量为森林地上生物量。
森林生物量的研究，是从上个世纪60年代开始的。到80年代后期，国际社会越来越关注全球碳循环，于是，森林生物量逐渐成为全球气候变化和碳循环研究的热点；主要方法有实测法和模型模拟法等，代表性研究有 Giese、Henrique、auffman等对不同地区的森林生物量的研究。进入 90 年代，随着卫星遥感技术的发展和成熟稳重，一些学者利用 Landsat TM 和雷达等遥感影像估算全球不同地区的森林生物量，如 Dong利用了 TM 数据，Austin采用Radar影像提取生物量，Hyde利用 LiDAR(Light Detection And Ranging)和SAR/InSAR(Synthetic Aperture Radar/Interferometry)数据估算美国西南部黄松林生物量等。
我国从上个世纪 70 年代开始，对森林生物量实施研究，通过不断努力，我国的科学家也取得了很大的成绩。冯宗伟等建立了多个森林种类的生物量估算模型，并进行了森林生物量及分布格局研究；党承林、吴兆录等使用野外实测干物质量根据相对生长式法建立了云南松林、思茅松林的生物量模型。从 90年代末开始，许多学者使用遥感技术进行大范围的生物量估算。黄国胜进行生物量分析是使用的 MODIS 数据；国庆喜[9]等利用一类森林资源清查资料和遥感图像构造一个神经网络模型和多元回归模型，估算小兴安岭南坡的森林生物量；徐天蜀等使用主成分分析方法进行生物量研究。
综观前人的研究，可将目前森林生物量的测定方法分为以下几类。
1）样地清查法
即传统的地面实测法，包括二氧化碳平衡法、微气象场法和森林收获法。前两种都是通过测定一定条件下森林群落中 CO2浓度/总量变化来计算生物量，但由于观测设备昂贵，且只能单点测量，仅适宜小尺度的试验研究。森林收获法可以在小范围内获得比较可信和精度较高的生物量数据，但其不足在于：对生态系统破坏性大、选择平均木的主观性、实测样本数量的限制、单木-林分生物量转换误差等，且成本高、时效性不强。另外，由于仪器，样地选取等原因也会增加估算的难度。由于实测法获取的生物量精度较高，可以作为其他研究的基础数据。
第二章：研究区概况与数据获取
2.1 研究区概况
云南省位于我国西南部，经度 97°31′ - 106°11′E，纬度21°08′ - 29°15′N，北部与四川省、西藏自治区相邻，东部与贵州、广西壮族自治区交界，西部与缅甸，南部与老挝、越南等国接壤，总面积约为 39.4 万m2，包括8市8州，图 2.1为云南省行政区划图。
2.1.1 地形地貌特征
云南省 94%面积为山地，地势北高南低呈阶梯状倾斜，西北地势较高，南部最低，高差达 6000 多米，如图 2.2 所示。最高点在梅里雪山上海拔 6740m，最低点在南溪河与元江会和处，海拔仅有76.4m。境内主要山脉有高黎贡山、怒山、云岭、无量山、哀牢山等，主要河流有怒江、澜沧江、金沙江、李仙江、元江等水系，大小河流共 600 多条，这些高山河流交错分别，地势陡峻，错综复杂，其中以三江并流最为壮丽。在东部地形起伏平缓的地区发育这各种地形的岩溶地貌，其中以石林最具代表性。
2.1.2 气候特征
整个云南省纬度偏低，且北回归线从南部经过，同时南部纬度低的地区海拔高度相对较低，北部纬度高的地区海拔高度相对较高，而在垂直带上气候也随着变化，因此气候类型复杂多样，形成温度和热带的多个气候类型。全省年温差小、日温差大；降水较多，干湿显著。云南南部地方全年没有霜，南部地区无霜期在300 天以上，北部地区无霜期达到 200 天以上，整个省份无霜期都比较长。
2.1.3 森林特征
云南是森林种类丰富，林地面积大。根据第五次森林资源清查，全省林地面积为 2476.11 万 hm2，占整个云南省面积的 64.71%以上。其中森林面积 1817.73万hm2，占林地面积的73.41% 。又由于复杂地形与气候条件使得植被类型多样，集中了从热带、亚热带至温带到寒带的所有种类。植被分布的一般规律为由南往北随着纬度的增加以及海拔的增高，依次分布着热带雨林、季雨林、热带稀树草原旱生植被、亚热带常绿阔叶林、混交林、针叶林，温带、寒温带针叶林等。而且植被的纬度带和垂直带差异明显，在高山两侧形成多种森林植被类型。
2.2 数据获取
2.2.1 Landsat TM 数据
本文所使用的云南省Landsat TM 数据从中国科学院遥感与数字地球研究所已经建成的三亚卫星地面接收站获得，是与MODIS-BRDF数据同时相的多景数据（如西双版纳的130/44, 2009.11.10 接收；昆明市区的 129/43, 2009.11.3 接收；香格里拉县的132/41, 2009.12.10 接收等），该数据已经经过正射校正，空间分辨率为30m。通过合并、裁剪得到整个云南省的遥感影像。
2.2.2 GLAS 数据
地球科学激光高度计(Geoscience Laser Altimeter System，简称GLAS )，是搭载在冰、云和陆地高程卫星(Ice, Cloud and land Elevation satellite, 简称 ICESat)上的激光雷达传感器。该卫星是首颗也是目前唯一在轨运行的激光雷达搭载平台，能观测十到十五年内的大气、海洋、陆地、冰和生物圈的变化，并监测气候和环境变化，图2.3为 ICESat 外部形状(左)和 GLAS 传感器(右)。
GLAS 传感器系统发射 532 纳米和 1064 纳米波长的激光脉冲。532 纳米波长信号用于云层、气溶胶等，1064纳米波长信号用于陆地。系统接收器直径为 1米，系统每秒发射40 次激光脉冲，每个脉冲在地面形成约 70m 的光斑直径，条带内相邻光斑间距 170m，条带之间从高纬度到赤道相距 2.5m~15m 不等。表2.1 为激光脉冲参数。在每 1000 帧的采样点中，用于描述冰雪和陆地等信息的数据有544 帧，用于描述海洋表面的数据有 200帧。GLAS 传感器能够准备纪录激光脉冲从卫星到地面，再到接收器的运行时间，从而得到卫星到地球表面的距离和卫星到云层与气溶胶的距离。
第三章：光学数据估算森林生物量 ........15
3.1 植被指数及辅助信息提取 ...........15
3.1.1 植被指数提取 ........... 15
3.1.2 缨帽变换 .................. 16
3.1.3 主成分变换 ................ 17
第四章：光学数据与激光雷达数据结合估算生物量.......... 39
4.1 GLAS 数据估算森林植被高度 ............... 39
4.1.1 GLAS 数据预处理 ............... 39
4.1.2 GLAS 波形特征参数提取 ....... 41
第五章：结论与展望 ................. 55
5.1 结论 .................. 55
5.2 创新点 ........... 55
5.3 不足与展望 ...................... 55
5.4 本章总结 .................. 56
第四章：光学数据与激光雷达数据结合估算生物量
4.1 GLAS 数据估算森林植被高度
4.1.1 GLAS 波形特征参数提取
GLAS 激光器发射的激光脉冲在接触地物后，被地物反射、叠加，按一定时间间隔记录后得到回波波形数据。不同的目标都会相应产生不同尺度的高斯波形信号，则回波数据可视作由不同标准差 σ 的高斯波叠加的结果。本文以光斑内林木的平均高度作为估算森林生物量的重要参数，即 GLA01 激光回波信号的第一个波峰位置（the first beginning）到最后一个波峰（地面回波）位置（the pea of ground return）之间的距离来表示（图 4.3）。因此首先需要通过建立模型分析回波数据，得到不同高斯波的波峰位置。本文采用 Wang等人小波分析[81]的方法来确定波峰位置，主要采用不同大小（由σ 等因素决定）的高斯小波基对波形拟合（如采用 5 个递增尺度），得到不同波峰位置信息。不同尺度的小波基因其刻画的精细程度不同而得到的波峰个数也不同（尺度越小拟合得到的波峰越多，反之亦然）。然后根据不同尺度拟合得到逼近强度来进行判断，最后确定波峰的个数，提取植被波峰的波形长度信息。波形前缘长度是指第一个高斯波峰与有效信号起始点间的距离，反映植被冠层和地形复杂起伏对回波信号的综合影响。而波形后缘长度最后一个高斯波峰与有效信号结束点之间的距离，反映的是地形坡度和粗糙度对回波信号的影响。
第五章：结论与展望
5.1 结论
本文使用 GLAS 和MODIS 数据联合反演植被高度信息，结合实测生物量数据估算区域生物量。主要成果如下：
(1) 使用 Landsat TM 数据实现了云南省森林分类研究，西双版纳地区叶面积指数反演，云南省生物量估算，结果显示，光学数据估算生物量会受到影像质量、植被指数饱和等因素的影响，在部分地区估算效果不好，验证精度阔叶林为0.6033，针叶林为 0.6050。
(2) 对 GLAS 数据进行地形校正，使用波形特征参数建立树高估算模型，最终确定前缘长度、后缘长度、地形标准差建立的模型最好，决定系数为 0.7626，并结合同期的MODIS-BRDF数据，神经网络训练得到云南省连续的植被高度，经验证总体精度为0.6983。
(3) 使用植被高度和生物量数据建立单变量模型，最终确定幂函数模型最好，决定系数为0.6846，估算的生物量比光学数据估算结果更符合实际情况，经验证决定系数为0.6970。
在西双版纳地区使用树高估算生物量，三次多项式最好，决定系数为 0.6092，使用树高、LAI估算生物量，幂函数模型最好，决定系数为 0.7259。验证精度分别为0.668 和0.6920。
5.2 创新点
综合考虑植被垂直结构（高度）和水平结构（LAI）信息，不同于前人仅利用高度或者仅利用水平信息结合估算生物量，在一定程度上可以提高生物量的估算精度。
参考文献（略）