星載大光斑LiDAR與HJ- 1A高光譜數(shù)據(jù)聯(lián)合估測區(qū)域森林地上生物量

邱 賽, 邢艷秋,*, 徐衛(wèi)華, 丁建華, 田 靜

1 東北林業(yè)大學(xué)工程技術(shù)學(xué)院,哈爾濱 150040 2 中國科學(xué)院生態(tài)環(huán)境研究中心,北京 100085

星載大光斑LiDAR與HJ- 1A高光譜數(shù)據(jù)聯(lián)合估測區(qū)域森林地上生物量

邱 賽1, 邢艷秋1,*, 徐衛(wèi)華2, 丁建華1, 田 靜1

1 東北林業(yè)大學(xué)工程技術(shù)學(xué)院,哈爾濱 150040 2 中國科學(xué)院生態(tài)環(huán)境研究中心,北京 100085

以吉林省汪清林業(yè)局經(jīng)營區(qū)為研究區(qū),利用 HJ- 1A/HSI高光譜數(shù)據(jù)和ICESat-GLAS波形數(shù)據(jù),估測區(qū)域森林地上生物量。從平滑后的GLAS 波形數(shù)據(jù)中提取波形長度W和地形坡度參數(shù)TS,建立GLAS森林最大樹高估測模型；從GLAS波形數(shù)據(jù)中提取能量參數(shù)I(植被回波能量Ev和回波總能量E之比),建立GLAS森林郁閉度估測模型；利用GLAS估測的森林最大樹高和森林郁閉度聯(lián)合建立森林地上生物量模型。由于GLAS呈離散條帶狀分布,無法實(shí)現(xiàn)區(qū)域估測,因此研究將GLAS波形數(shù)據(jù)與HJ- 1A/HSI高光譜數(shù)據(jù)聯(lián)合,基于支持向量回歸機(jī)算法實(shí)現(xiàn)森林地上生物量區(qū)域估測,得到研究區(qū)森林地上生物量分布圖。研究結(jié)果顯示,基于W和TS建立的GLAS森林最大樹高估測模型的adj.R2=0.78,RMSE=2.51m,模型驗(yàn)證的adj.R2=0.85,RMSE=1.67m。地形坡度參數(shù)TS能夠有效的降低地形坡度的影響；當(dāng)林下植被高度為2m時,得到的基于參數(shù)I建立的GLAS森林郁閉度估測模型效果最好,模型的adj.R2=0.64,RMSE=0.13,模型驗(yàn)證的adj.R2=0.65,RMSE=0.12。利用森林最大樹高和森林郁閉度建立的森林地上生物量模型的adj.R2=0.62,RMSE=10.88 t/hm2,模型驗(yàn)證的adj.R2=0.60,RMSE=11.52 t/hm2?；谥С窒蛄炕貧w機(jī)算法,利用HJ- 1A/HSI 和GLAS數(shù)據(jù)建立的森林地上生物量SVR模型,生成了森林地上生物量分布圖,利用野外數(shù)據(jù)對得到的分布圖進(jìn)行驗(yàn)證,驗(yàn)證結(jié)果顯示森林地上生物量估測值與實(shí)測值存在很強(qiáng)的線性關(guān)系(adj.R2=0.62,RMSE=11.11 t/hm2),能夠滿足林業(yè)應(yīng)用的需要。因此聯(lián)合ICESat-GLAS波形數(shù)據(jù)與HJ- 1A高光譜數(shù)據(jù),能夠提高區(qū)域森林地上生物量的估測精度。

星載大光斑LiDAR； ICESat-GLAS波形數(shù)據(jù)；HJ- 1A高光譜數(shù)據(jù)；森林最大樹高；森林郁閉度；森林地上生物量；支持向量回歸算法

森林作為陸地生態(tài)系統(tǒng)的主體,在維持碳平衡及保持物種多樣性方面發(fā)揮著巨大作用,其在改善環(huán)境方面的巨大優(yōu)勢已引起廣泛關(guān)注[1- 3]。森林生物量已被列為監(jiān)測森林生態(tài)系統(tǒng)碳儲量的重要指標(biāo)之一[4]。森林地上生物量包括干、枝和葉的生物量,是評估森林生態(tài)系統(tǒng)碳儲量的基礎(chǔ),如何快速準(zhǔn)確的獲取森林地上生物量及其分布對研究森林碳循環(huán)和估測碳儲量具有重要意義[5- 7]。

傳統(tǒng)上森林地上生物量的估測需要依賴于大量的野外實(shí)際調(diào)查數(shù)據(jù),不僅費(fèi)時費(fèi)力,還難以實(shí)現(xiàn)大區(qū)域森林地上生物量的估測[8- 10]。隨著遙感技術(shù)的出現(xiàn)和發(fā)展,光學(xué)遙感和微波遙感最早應(yīng)用到了森林結(jié)構(gòu)參數(shù)的估測[5],但是由于天氣條件及信號飽和等問題的影響,導(dǎo)致光學(xué)遙感和微波遙感在森林地上生物量估測方面受到限制[11- 13]。作為新型的主動遙感技術(shù),激光雷達(dá)在估測森林結(jié)構(gòu)參數(shù)和生物量方面具有明顯的優(yōu)勢[14- 16]。

ICESat-GLAS(the ice,cloud, and land elevation satellite, ICESat, geoscience laser altimeter system, GLAS)是目前唯一的星載大光斑LiDAR設(shè)備,其激光脈沖不僅能夠到達(dá)冠頂,還能夠到達(dá)地面,并且能夠提供完整的波形數(shù)據(jù),在森林結(jié)構(gòu)參數(shù)和森林地上生物量估測中得到廣泛應(yīng)用[16- 22]。但是,由于ICESat-GLAS波形數(shù)據(jù)成離散條帶狀分布,在區(qū)域尺度森林地上生物量估測方面受到限制。為了實(shí)現(xiàn)區(qū)域尺度森林地上生物量的估測,需聯(lián)合其他光學(xué)遙感數(shù)據(jù)。相比于多光譜數(shù)據(jù),高光譜遙感數(shù)據(jù)能同時獲取數(shù)十至上百個波段的連續(xù)光譜圖像信息,具有較高的光譜分辨率,同時包含了地物更加豐富的空間、輻射和光譜三重信息[23],在森林制圖、森林資源調(diào)查等方面具有優(yōu)勢。因此本文嘗試采用HJ- 1A高光譜數(shù)據(jù)與GLAS數(shù)據(jù)聯(lián)合反演森林地上生物量。

為了提高ICESat-GLAS波形數(shù)據(jù)估測森林地上生物量的精度,本研究同時引入森林最大樹高和森林郁閉度估測森林地上生物量,借助HJ- 1A高光譜數(shù)據(jù)的連續(xù)性彌補(bǔ)ICESat-GLAS在區(qū)域森林地上生物量估測方便的不足。本研究從GLAS波形中提取地形坡度參數(shù)TS,消除地形坡度對估測森林最大樹高造成的影響,提高GLAS估測森林最大樹高的精度；通過設(shè)定不同的林下植被高度閾值,降低林下植被對森林郁閉度估測的影響,提高GLAS森林郁閉度估測精度；最后利用GLAS估測的森林最大樹高和森林郁閉度共同建立森林地上生物量模型,并聯(lián)合HJ- 1A高光譜數(shù)據(jù)基于支持向量回歸機(jī)算法實(shí)現(xiàn)區(qū)域推廣,得到森林地上生物量分布圖。

1 研究區(qū)和研究數(shù)據(jù)

1.1 研究區(qū)概況

圖1 研究區(qū)及野外調(diào)查樣地位置Fig.1 The study area and the field sampling point position圓形代表野外采樣點(diǎn)

本研究選擇吉林省汪清林業(yè)局經(jīng)營區(qū)(43°05′N—43°40′N,129°56′E—131°04′E)為研究區(qū)(圖1)。該研究區(qū)平均海拔高度為806m,地面高程在360m—1477m范圍內(nèi),坡度在0°—45°范圍內(nèi)。該研究區(qū)內(nèi)植物種類繁多,植被結(jié)構(gòu)復(fù)雜,深山區(qū)林相以針闊混交林為主,呈帶狀分布在海拔500—1100m內(nèi)。針葉樹以紅松(PinuskoraiensisSiebold & Zucc.)、云杉(PiceaasperataMast.)和臭松(Abiesnephrolepis(Trautv. ex Maxim.) Maxim.)為主；闊葉樹以紫椴(TiliaamurensisRupr. var.amurensis)、蒙古櫟(QuercusmongolicaFisch. ex Ledeb.)、楓樺(BetulacostataTrautv.)、色木槭(AcermonoMaxim.)和白樺(BetulaplatyphyllaSuk.)為主。

1.2 研究數(shù)據(jù)

1.2.1 ICESat-GLAS波形數(shù)據(jù)

GLAS數(shù)據(jù)共包含15種數(shù)據(jù)產(chǎn)品(GLA01,GLA02,GLA03,…,GLA15),本研究區(qū)獲取了L3E(2006年3月),L3F(2006年6月),L3G(2006年11月),L3H(2007年3月)和L3I(2007年10月)共5期GLA01和GLA14數(shù)據(jù)產(chǎn)品,數(shù)據(jù)獲取網(wǎng)址為http://nsidc.org/data/icesat/。GLA01產(chǎn)品中包含了完整的波形數(shù)據(jù),對于陸地而言,每個波形數(shù)據(jù)包含544幀數(shù)據(jù),每一幀對應(yīng)真實(shí)距離0.15m。GLA14產(chǎn)品中包含地面高程信息及經(jīng)緯度等信息,兩者之間使用頭文件中的索引號和光斑號進(jìn)行匹配[24]。由于GLAS 波形數(shù)據(jù)易受到云層和系統(tǒng)噪聲的影響,因此首先通過GLA14 產(chǎn)品中記錄的無飽和指數(shù)(i_satNdx=0)和無云指數(shù)(i_FRir_qaFlg=15)選擇出受云層和系統(tǒng)噪聲影響小的高質(zhì)量波形數(shù)據(jù),最終得到1363組有效的GLAS波形數(shù)據(jù)。

1.2.2 HJ- 1A/HSI高光譜數(shù)據(jù)

環(huán)境減災(zāi)小衛(wèi)星星座A/B星上搭載的超光譜成像儀(Hyperspectral Imaging Radiometer, HSI),是世界上第一個基于空間調(diào)制干涉成像原理設(shè)計(jì)的民用高光譜成像儀[25]。HSI共包含115個窄波段信息,光譜范圍為0.45—0.95μm,空間分辨率為100m,平均光譜分辨率為4.32nm。幅寬為50km,重訪周期為96h,且具備±30°的側(cè)視能力。本研究共獲取了4景HSI高光譜遙感影像,數(shù)據(jù)獲取網(wǎng)址為http://www.cresda.com/n16/index.html,由于受云層及多景拼接的影響,HSI數(shù)據(jù)獲取時間有差異,其中2景獲取時間為2010年6月5日,另外2景獲取時間為2010年6月9日。

1.2.3 地面數(shù)據(jù)

本研究分別于2006年9月和2007年9月,沿著ICESat-GLAS軌道方向隨機(jī)選取183個GLAS光斑建立野外數(shù)據(jù)調(diào)查樣地,每個樣地的水平投影面積為500m2。通過激光測高儀測量樣地內(nèi)每株樹的樹高,用坡度儀測量樣地內(nèi)的坡度值,使用配有三星NV3型號相機(jī)的180°魚眼鏡頭測量樣地內(nèi)的郁閉度,為了消除灌木雜草的影響,魚眼鏡頭的離地高度設(shè)為1.5m,另外為了保證實(shí)測郁閉度的準(zhǔn)確度及代表性,對樣地周圍50m范圍內(nèi)郁閉度差異較大的地區(qū),亦用魚眼鏡頭進(jìn)行了測量,最后與樣地內(nèi)的郁閉度進(jìn)行平均作為此樣地的森林郁閉度。針對吉林省汪清地區(qū)實(shí)際情況,Deo[26]采用單木二次采樣的方式在樣地內(nèi)進(jìn)行數(shù)據(jù)收集,建立了單木地上生物量模型,模型精度較好,較穩(wěn)定,并且對森林類型及樹種不敏感,能夠滿足林業(yè)上的要求,模型公式如公式(1)所示：

B=0.008962×D3+3.4614×D-23.2628

(1)

式中,B為單木地上單木生物量(t/hm2),D為胸徑(cm)。

本研究采用此模型計(jì)算樣方內(nèi)的單木生物量,隨后將單木地上生物量求和得到樣方內(nèi)的總地上生物量,最后將總地上生物量除以樣方面積得到單位面積上的森林地上生物量。在統(tǒng)計(jì)建模中建模樣方數(shù)多數(shù)是驗(yàn)證樣方數(shù)的兩倍,因此本研究中將數(shù)據(jù)按近似2∶1的比例隨機(jī)分成兩組,一組包含122組數(shù)據(jù)用于模型建模,另一組包含61組數(shù)據(jù)用于模型驗(yàn)證。

2 研究方法

2.1 ICESat-GLAS波形數(shù)據(jù)預(yù)處理

利用IDL_Reader程序包將二進(jìn)制格式的GLA01和GLA14數(shù)據(jù)產(chǎn)品轉(zhuǎn)換成由電壓(單位伏特(v))表示的數(shù)據(jù)。由于獲取的數(shù)據(jù)時期不同,為了統(tǒng)一進(jìn)行分析計(jì)算,本研究將數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化,即每一時刻的接收能量除以回波總能量。對標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行濾波、高斯分解擬合。通過設(shè)定背景噪聲閾值確定波形起波點(diǎn)與止波點(diǎn)位置,背景噪聲閾值的設(shè)定參考以往研究,采用波形前100幀數(shù)據(jù)的平均值與其4倍的標(biāo)準(zhǔn)差之和[27],如公式(2)所示：

threshold=mean100+4×sdevn100

(2)

式中,threshold為背景噪聲閾值,mean100為前100幀數(shù)據(jù)的平均值,sdevn100為前100幀數(shù)據(jù)的標(biāo)準(zhǔn)差。

2.2 HJ- 1A/HSI高光譜數(shù)據(jù)處理

HSI數(shù)據(jù)是2級產(chǎn)品,已經(jīng)進(jìn)行了幾何校正和輻射定標(biāo),本研究在此基礎(chǔ)上利用地形圖對兩種數(shù)據(jù)進(jìn)行了幾何精校正,然后利用FLAASH大氣校正模塊對HSI高光譜數(shù)據(jù)進(jìn)行大氣校正。由于GLAS光斑直徑為70m,HJ- 1A/HSI數(shù)據(jù)的分辨率為100m,為了數(shù)據(jù)匹配,首先利用雙線性內(nèi)插法將HJ- 1A/HSI的分辨率調(diào)整為70m。HSI數(shù)據(jù)包含115個波段,數(shù)據(jù)冗余大,并且相鄰波段間相關(guān)性高,因此本研究采用最小噪聲分離法對大氣校正后的高光譜數(shù)據(jù)降維,將盡可能多的數(shù)據(jù)集中在少量的幾個MNF分量中,并減少相關(guān)性。本研究中前3個MNF分量的信息占總信息的98%,所以本研究采用前3個MNF分量進(jìn)行分析。將GLAS光斑中心點(diǎn)坐標(biāo)加入到MNF分量圖中,由于GLAS光斑中心點(diǎn)不一定落在像元的中心,所以有些GLAS光斑可能覆蓋至少兩個像元,因此本研究中將GLAS光斑覆蓋所有像元的平均值作為光斑對應(yīng)的MNF值[28]。

2.3 ICESat-GLAS估測森林最大樹高

一般情況下,在平坦地區(qū),波形長度即為森林最大樹高,但在林地中,受坡度、光斑直徑和地形起伏變化的影響,波形展寬現(xiàn)象明顯[29],如圖2所示,當(dāng)?shù)匦纹露葹門S時,波形的最大展寬即最大的估測誤差為Dtan(TS),其中D為GLAS光斑直徑。本研究嘗試從GLAS波形數(shù)據(jù)中提取地形坡度參數(shù)TS來減弱地形坡度對森林最大樹高估測造成的誤差。地形坡度參數(shù)TS參照Mahoney等[30]提出的方法進(jìn)行計(jì)算,具體計(jì)算公式如公式(3)、(4)、(5)所示,波形長度W為波形起波點(diǎn)(SigStart)與止波點(diǎn)(SigEnd)之間的垂直距離(如圖3所示),其計(jì)算公式如公式(6)所示,圖3中展示的是GLAS波形及波形參數(shù)。擬利用波形長度和TS建立的森林最大樹高模型如公式(7)所示。

圖2 地形坡度對GLAS波形估測森林冠層高度的影響Fig.2 Influence of terrain slope on GLAS waveform estimating forest canopy height

圖3 ICESat-GLAS波形數(shù)據(jù)及波形參數(shù)Fig.3 ICESat-GLAS waveform and parameters

(3)

式中,TS為地形坡度參數(shù)(m),h為光斑內(nèi)地面最高點(diǎn)與地面最低點(diǎn)之間的垂直距離(m),D為光斑直徑(m)。

h=Wgf-Wm

(4)

式中,h為光斑內(nèi)地面最高點(diǎn)與地面最低點(diǎn)之間的垂直距離(m),Wgf為地面回波對應(yīng)的高斯分量的波形長度(m),Wm為由于大氣衰減和信號飽和等導(dǎo)致的地面回波波形展寬(m)。

Wm=4.689+0.759×A

(5)

式中,A為地面回波峰值,Wm為由于大氣衰減和信號飽和等導(dǎo)致的地面回波波形展寬(m)。

W=(SigEnd-SigStart)×BinSize

(6)

式中,SigStart為波形起波點(diǎn),SigEnd為波形止波點(diǎn),BinSize為每幀數(shù)據(jù)代表的真實(shí)距離,對陸地而言,每一幀代表真實(shí)距離0.15m,因此BinSize取值為0.15m。

H=a×W+b×Dtan(TS)+c

(7)

式中,H為森林最大樹高(m),W為波形長度(m),D為光斑直徑(m),TS為地形坡度參數(shù)(°),a,b,c為相應(yīng)系數(shù)。

2.4 ICESat-GLAS估測森林郁閉度

森林郁閉度是指森林中喬木樹冠遮蔽地面的程度,是森林蓄積量及森林生物量估測的重要影響因素之一[31- 33]。ICESat-GLAS發(fā)射的激光脈沖穿過大氣層后首先會到達(dá)森林冠頂,其中部分被反射回傳感器,部分會繼續(xù)向下傳播,當(dāng)再遇到冠層時會繼續(xù)被反射,而部分激光脈沖會最終透過葉片縫隙到達(dá)地面,并被地面反射。由此可以假設(shè),森林郁閉度越大,植被冠層反射回的能量越多,相應(yīng)地面反射回的能量將減少；同理,森林郁閉度越小,植被冠層反射回的能量將減少,被地面反射回的能量將增多。本研究從ICESat-GLAS波形數(shù)據(jù)中計(jì)算喬木層植被回波能量和回波總能量,并將喬木層植被回波能量與回波總能量的比值用于估測森林郁閉度。如公式(8)所示：

I=Ev/E

(8)

式中,Ev為喬木層植被回波能量,E為回波總能量,I為森林郁閉度。

本研究的關(guān)鍵是確定喬木層植被回波與林下植被回波的分界線,由以上分析可知,波形回波能量會受到林下植被的影響,結(jié)合野外樣地調(diào)查分析,林下植被高度在1—3m左右,因此本研究將林下植被高度分為1m、2m和3m分別進(jìn)行研究。本研究將喬木層植被與林下植被分界線Lvg定義為地面回波峰值位置減去林下植被高度的位置,如圖3所示。喬木層植被回波能量Ev為起波點(diǎn)(SigStart)與Lvg之間波形能量和。回波總能量E為起波點(diǎn)(SigStart)與止波點(diǎn)(SigEnd)之間波形能量和。

2.5 ICESat-GLAS估測森林地上生物量

一般在假設(shè)其他因素相同的情況下,樹高越高,林木生物量越高,相應(yīng)的森林地上生物量越高；森林郁閉度越大,森林越茂盛,進(jìn)而森林地上生物量越高。如圖4(a)(b)所示,森林最大樹高和森林郁閉度與森林地上生物量具有線性關(guān)系,adj.R2分別為0.53和0.44,所以本研究聯(lián)合森林最大樹高和森林郁閉度共同建立森林地上生物量模型。由于森林最大樹高與森林郁閉度的單位及數(shù)據(jù)范圍不一致,因此本研究先對數(shù)據(jù)進(jìn)行歸一化,歸一化公式如公式(9)所示,聯(lián)合森林最大樹高和森林郁閉度建立的森林地上生物量公式如公式(10)所示：

(9)

式中,X為歸一化后的值,x為歸一化前的值,xmin為最小值,xmax為最大值。

B=a×H+b×I+c

(10)

式中,B為森林地上生物量(t/hm2),H為歸一化森林最大樹高,I為歸一化森林郁閉度,a,b,c為相應(yīng)的系數(shù)。

圖4 森林最大樹高和森林郁閉度與森林地上生物量的關(guān)系Fig.4 The relationship between aboveground forest biomass and maximum forest height and forest canopy density

2.6 基于支持向量回歸機(jī)算法區(qū)域森林地上生物量制圖

GLAS數(shù)據(jù)呈離散條帶狀分布,無法實(shí)現(xiàn)區(qū)域估測,而高光譜數(shù)據(jù)能同時獲取數(shù)十至上百個波段的連續(xù)光譜圖像信息,因此本研究將此二種數(shù)據(jù)聯(lián)合,實(shí)現(xiàn)GLAS對森林地上生物量的區(qū)域估測。支持向量機(jī)是在統(tǒng)計(jì)學(xué)理論上發(fā)展起來的,一種針對有限樣本情況,實(shí)現(xiàn)結(jié)構(gòu)風(fēng)險最小化思想的機(jī)器學(xué)習(xí)方法,相比于神經(jīng)網(wǎng)絡(luò)等其他機(jī)器學(xué)習(xí)算法,支持向量回歸機(jī)算法具有更強(qiáng)的逼近能力及泛化能力,避免了神經(jīng)網(wǎng)絡(luò)出現(xiàn)的局部最小問題。本研究采用的是LIBSVM工具包實(shí)現(xiàn)的,具體算法如下：

(1)通過公式(10)計(jì)算研究區(qū)內(nèi)所有GLAS 光斑內(nèi)的森林地上生物量值,并將其與相應(yīng)的3個MNF分量構(gòu)成的樣本數(shù)據(jù)加入LIBSVM中,按2∶1的比例隨機(jī)分為訓(xùn)練集和測試集。

(2)選擇核函數(shù),由于徑向基核函數(shù) (如公式(11)所示)在支持向量回歸機(jī)中應(yīng)用廣泛,因此本研究亦采用徑向基核函數(shù)。

(11)

(3)設(shè)定參數(shù)C和σ的尋優(yōu)范圍,種群最大數(shù)量,種群交叉概率和交叉驗(yàn)證次數(shù),采用遺傳算法對LIBSVM程序包中的懲罰參數(shù)C和核函數(shù)參數(shù)σ兩個參數(shù)進(jìn)行尋優(yōu)。C值越大,訓(xùn)練數(shù)據(jù)建模越復(fù)雜,會出現(xiàn)過學(xué)習(xí)問題；C值越小,建模越簡單,會出現(xiàn)欠學(xué)習(xí)問題。σ值影響映射到高維特征空間中樣本數(shù)據(jù)的復(fù)雜程度,其值越大越復(fù)雜,尋優(yōu)效率也會降低,一般將參數(shù)C和σ尋優(yōu)范圍設(shè)為[0.01,1000]之間。種群最大數(shù)量會影響遺傳算法的收斂性和尋優(yōu)效率,其值越大,尋優(yōu)效果越好,但是尋優(yōu)效率會降低,通常將范圍設(shè)定在[20,200]之間,本文設(shè)定種群最大數(shù)量為200。種群交叉頻率越大,尋優(yōu)效率也會降低,一般將取值范圍設(shè)在[0.2,0.9]之間,本文中將種群交叉概率0.4。交叉驗(yàn)證次數(shù)是確定將樣本集分為多少個較小的子集對尋優(yōu)結(jié)果進(jìn)行驗(yàn)證,其值的設(shè)定需要考慮樣本數(shù)量和尋優(yōu)效率,一般設(shè)定范圍為[2,6],本文中將交叉驗(yàn)證次數(shù)設(shè)定為4。

(4)利用尋優(yōu)得到的參數(shù)及訓(xùn)練集數(shù)據(jù)建模,并用測試集數(shù)據(jù)對所建模型的泛化能力進(jìn)行測試。

(5)運(yùn)用此模型計(jì)算無GLAS光斑覆蓋區(qū)域的森林地上生物量,最終得到研究區(qū)所有區(qū)域的森林地上生物量,即生成森林地上生物量圖。

3 結(jié)果與分析

3.1 ICESat-GLAS估測森林最大樹高模型

圖5所示為地形坡度參數(shù)TS與地形坡度間的散點(diǎn)圖,可以看出地形坡度參數(shù)TS與地形坡度間存在明顯的線性關(guān)系(adj.R2=0.78)。因此本研究利用TS和波形長度W建立森林最大樹高模型,所建森林最大樹高模型的adj.R2=0.78,RMSE=2.51m(建模數(shù)據(jù)為122組),模型驗(yàn)證的adj.R2=0.85,RMSE=1.67m(模型驗(yàn)證數(shù)據(jù)為61組),圖6為模型驗(yàn)證散點(diǎn)圖,模型公式如公式(12)所示。

H=0.51×W-0.04×Dtan(TS)+4.45

(12)

式中,H為森林最大樹高(m),W為波形長度(m),D為光斑直徑(m),TS為地形坡度參數(shù) /°

分析圖6發(fā)現(xiàn),實(shí)測值與估測值之間存在偏差,本文對偏差較大樣地所對應(yīng)的GLAS數(shù)據(jù)及野外數(shù)據(jù)進(jìn)行分析,發(fā)現(xiàn)這些樣地植被覆蓋度較高,林下植被豐富,且地形較復(fù)雜,由于枝葉的遮擋,會導(dǎo)致野外實(shí)測樹高出現(xiàn)測量偏差,此外林下植被對GLAS波形也會造成一定的影響,進(jìn)而影響森林最大樹高的估測。

圖5 地形坡度參數(shù)TS與地形坡度的散點(diǎn)圖Fig.5 The scatter plot between TS and terrain slope

圖6 森林最大樹高模型驗(yàn)證結(jié)果Fig.6 The validation result of maximum forest height model

3.2 ICESat-GLAS估測森林郁閉度模型

表1為設(shè)定不同林下植被高度得到的森林郁閉度建模結(jié)果。分析表1發(fā)現(xiàn),將林下植被高度設(shè)定為2m時模型的效果是最好的,所建模型的adj.R2=0.64,RMSE=0.13(建模數(shù)據(jù)為122組)。因此本研究采用林下植被高度2m進(jìn)行后續(xù)研究,模型驗(yàn)證的adj.R2=0.65,RMSE=0.12(模型驗(yàn)證數(shù)據(jù)為61組),模型公式如公式(13)所示。圖7為參數(shù)I與野外實(shí)測森林郁閉度間的散點(diǎn)圖及擬合直線,圖8為模型的驗(yàn)證結(jié)果。

C=0.85×I+0.14

(13)

式中,C為實(shí)測森林郁閉度,I為GLAS中喬木層植被回波能量與回波總能量之比。

表1 設(shè)定不同林下植被高度得到的模型建模結(jié)果

分析圖7和圖8發(fā)現(xiàn),盡管設(shè)定了林下植被高度值,盡量消除林下植被對喬木層植被回波的影響,但是森林郁閉度仍存在被低估或高估的現(xiàn)象。結(jié)合野外實(shí)地調(diào)查數(shù)據(jù)發(fā)現(xiàn),這些樣地的地形條件較復(fù)雜,地形坡度或地形起伏較大,可見地形條件也是影響森林郁閉度估測準(zhǔn)確度的因素之一。研究區(qū)內(nèi)以中齡林為主,存在部分幼齡林,其郁閉度會有所差異,導(dǎo)致估測結(jié)果出現(xiàn)誤差。研究區(qū)內(nèi)樹木種類繁多,不同樹種其生長狀況有差異,郁閉度也會不同。

圖7 參數(shù)I與野外實(shí)測森林郁閉度間的散點(diǎn)圖 Fig.7 The scatter plot between parameter I and observed forest canopy density

圖8 森林郁閉度模型的驗(yàn)證結(jié)果Fig.8 The verification result of the linear forest canopy density model

3.3 ICESat-GLAS估測森林地上生物量模型

本研究同時考慮森林垂直結(jié)構(gòu)參數(shù)和森林水平結(jié)構(gòu)參數(shù),基于支持向量回歸機(jī)算法,利用ICESat-GLAS估算的森林最大樹高和森林郁閉度用于森林地上生物量建模。表2所示為單獨(dú)利用森林最大樹高和同時利用森林最大樹高與森林郁閉度的建模結(jié)果。從表2 中可以看出,只利用GLAS估測的森林最大樹高建立的森林地上生物量模型的adj.R2為0.50,RMSE為12.36 t/hm2,引入森林郁閉度后,模型的精度有所提高,adj.R2由0.50增加到0.62,RMSE減小到10.88 t/hm2,說明森林郁閉度對提高森林地上生物量估測精度有一定的幫助。利用森林最大樹高和森林郁閉度建立的森林地上生物量模型公式如公式(14)所示。

B=50.41×H+41.50×C+16.54

(14)

式中,B為實(shí)測森林地上生物量(t/hm2),H為GLAS歸一化森林最大樹高,C為GLAS歸一化森林郁閉度。

圖9為利用森林最大樹高和森林郁閉度建立的森林地上生物量模型驗(yàn)證結(jié)果,模型驗(yàn)證的adj.R2=0.60,RMSE=11.52 t/hm2。利用公式(14)計(jì)算研究區(qū)內(nèi)所有GLAS 光斑的森林地上生物量,用于整個研究區(qū)森林地上生物量的反演。

表2 GLAS森林生物量建模結(jié)果

圖9 森林地上生物量模型驗(yàn)證結(jié)果 Fig.9 The verification result of the forest aboveground biomass model

3.4 基于支持向量回歸機(jī)算法區(qū)域森林地上生物量制圖

本研究將GLAS光斑數(shù)據(jù)與HJ- 1A/HSI高光譜數(shù)據(jù)聯(lián)合,基于支持向量回歸機(jī)算法實(shí)現(xiàn)了GLAS數(shù)據(jù)對區(qū)域森林地上生物量的估測。GLAS估測的森林地上生物量與前3個MNF分量(MNF1,MNF2,MNF3)間的SVR模型建模的adj.R2=0.73,RMSE=16.28 t/hm2, 模型驗(yàn)證的adj.R2=0.70,RMSE=21.42 t/hm2,模型最優(yōu)參數(shù)C=4.9902,σ =1.9298,圖10所示為最終得到的森林地上生物量分布圖。

分析圖10發(fā)現(xiàn),整個研究區(qū)的森林地上生物量在0—164 t/hm2范圍內(nèi),從圖10中可以發(fā)現(xiàn)研究區(qū)的北部和西南部森林地上生物量值較高,而南部和東北部地區(qū)生物量值較低,森林地上生物量為零的這些區(qū)域分布的主要是居民區(qū)、道路和河流。本研究利用所有野外數(shù)據(jù)對得到的森林地上生物量分布圖進(jìn)行驗(yàn)證,驗(yàn)證結(jié)果如圖11所示,估測森林地上生物量與野外實(shí)測森林地上生物量間存在明顯線性關(guān)系(adj.R2=0.62,RMSE=11.11 t/hm2)。盡管引入森林郁閉度,森林地上生物量模型的精度有所提高,但是森林地上生物量的估測值與實(shí)測值間仍然存在差異。導(dǎo)致結(jié)果存在差異的原因很多,對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析發(fā)現(xiàn),森林地上生物量隨海拔先增加后減少(圖12),森林地上生物量主要集中在400—800m之間,主要是因?yàn)殡S著海拔的增高,氣溫在降低,在海拔1000m以上氣溫平均在3℃左右,不利于樹木的生長,會出現(xiàn)很多的“小老樹”[13]。因此,海拔高度亦是影響森林地上生物量估測準(zhǔn)確度的一個因素,如何降低海拔的影響仍然需要進(jìn)一步的研究。

圖10 森林地上生物量分布圖Fig.10 The map of aboveground forest biomass

圖11 實(shí)測森林地上生物量與估測森林地上生物量對比Fig.11 Comparison of AGB estimated by GLAS and HJ- 1A/HSI data and observed AGB

圖12 森林地上生物量隨海拔高度的變化Fig.12 The change of forest above ground biomass with different altitude

4 討論與結(jié)論

ICESat-GLAS可以實(shí)時快速準(zhǔn)確的獲取區(qū)域乃至全國的森林結(jié)構(gòu)信息,尤其是垂直結(jié)構(gòu)信息,為了提高ICESat-GLAS數(shù)據(jù)估測森林地上生物量的精度和彌補(bǔ)ICESat-GLAS數(shù)據(jù)估測區(qū)域森林地上生物量的不足,本研究將ICESat-GLAS波形數(shù)據(jù)與HJ- 1A/HSI高光譜影像聯(lián)合,基于支持向量回歸機(jī)算法,建立GLAS估測森林地上生物量與HJ- 1A高光譜影像的3個MNF分量間的SVR模型,提高了區(qū)域森林地上生物量的估測精度,生成了整個研究區(qū)的森林地上生物量分布圖,方便對區(qū)域森林地上生物量的直觀觀測。

提取的地形坡度參數(shù)TS跟實(shí)測地形坡度的相關(guān)性較高,利用從GLAS數(shù)據(jù)中提取的地形坡度參數(shù)TS,降低地形對GLAS波形數(shù)據(jù)展寬造成的影響,避免了以往借助DEM數(shù)據(jù),由于DEM數(shù)據(jù)分辨率造成的誤差。相比于Xing 等[15]利用波形長度和地形指數(shù)(從DEM提取)建立的森林最大樹高模型,模型精度得到提高。探究了林下植被對GLAS波形估測森林郁閉度的影響,通過設(shè)定不同的林下植被高度值(1,2,3m)進(jìn)行分析以降低林下植被的影響,結(jié)果表明將林下植被高度設(shè)為2m時,模型的精度最高。

森林郁閉度對森林地上生物量的影響不容忽視,相比于以往只利用單一森林參數(shù)(比如樹高、胸徑等)建立的森林地上生物量模型,同時引入森林最大樹高和森林郁閉度估測森林地上生物量,即同時考慮了森林垂直結(jié)構(gòu)參數(shù)和森林水平結(jié)構(gòu)參數(shù)對森林地上生物量的影響。相比于只利用森林最大樹高建立的森林地上生物量模型,模型精度有所提高,建立的多元線性回歸模型精度較高,聯(lián)合GLAS數(shù)據(jù)和HJ- 1A/HSI數(shù)據(jù),基于支持向量回歸機(jī)算法建立了森林地上生物量SVR模型,通過SVR模型生成了森林地上生物量分布圖,且森林地上生物量的估測值與野外實(shí)測值具有很好的線性關(guān)系(adj.R2=0.62,RMSE=11.11 t/hm2),對未來進(jìn)一步研究區(qū)域森林地上生物量,提高森林地上生物量和碳儲量的估測精度有一定的參考價值。相比于多元統(tǒng)計(jì)方法,在小樣本情況下,支持向量回歸機(jī)算法具有更強(qiáng)的泛化能力。

研究采用的數(shù)據(jù)存在時間差異,野外數(shù)據(jù)是在2006年和2007年獲取的,GLAS 波形數(shù)據(jù)獲取時間是2006年和2007年,HJ- 1A/HSI數(shù)據(jù)是2010年獲取的,數(shù)據(jù)之間存在3a左右的間隔,且GLAS數(shù)據(jù)是3、6、10月份和11月份,高光譜數(shù)據(jù)是6月份的,地面數(shù)據(jù)是9月份的,在6—9月份之間是森林的生長旺季,時間差異會對結(jié)果造成影響,但是研究區(qū)位于以中齡林為主的長白山原始森林區(qū),樹木的生長量有限,數(shù)據(jù)獲取時間不同步對森林地上生物量估測結(jié)果的影響應(yīng)該較小。樹種及林齡等都會對森林最大樹高和森林郁閉度造成影響,但其影響機(jī)理及影響權(quán)重尚不確定,在今后的研究中可以嘗試進(jìn)行相應(yīng)的研究,以期提高模型準(zhǔn)確性。目前主要是對汪清地區(qū)進(jìn)行了實(shí)驗(yàn)研究,對其他地區(qū)尚缺少相應(yīng)年份的有效驗(yàn)證數(shù)據(jù),尚不能確定其是否具有普適應(yīng),研究結(jié)果可以對其他地區(qū)的研究提供一定的參考,并為今后進(jìn)行區(qū)域乃至全國森林碳儲量的研究提供了新的思路和方法。

[1] Piao S L, Fang J Y, Ciais P, Peylin P, Huang Y, Sitch S, Wang T. The carbon balance of terrestrial ecosystems in China. Nature, 2009, 458(7241): 1009- 1013.

[2] 劉雙娜, 周濤, 舒陽, 戴銘, 魏林艷, 張鑫. 基于遙感降尺度估算中國森林生物量的空間分布. 生態(tài)學(xué)報(bào), 2012, 32(8): 2320- 2330.

[3] 杜虎, 曾馥平, 王克林, 宋同清, 溫遠(yuǎn)光, 李春干, 彭晚霞, 梁宏溫, 朱宏光, 曾昭霞. 中國南方3種主要人工林生物量和生產(chǎn)力的動態(tài)變化. 生態(tài)學(xué)報(bào), 2014, 34(10): 2712- 2724.

[4] Houghton R A, Hall F, Goetz S J. Importance of biomass in the global Carbon cycle. Journal of Geophysical Research: Biogeosciences, 2009, 114(G2), G00E03, doi: 10.1029/2009JG000935.

[5] 黃金龍, 居為民, 鄭光, 康婷婷. 基于高分辨率遙感影像的森林地上生物量估算. 生態(tài)學(xué)報(bào), 2013, 33(20): 6497- 6508.

[6] 婁雪婷, 曾源, 吳炳方. 森林地上生物量遙感估測研究進(jìn)展. 國土資源遙感, 2011, 23(1): 1- 8.

[7] 湯旭光, 劉殿偉, 王宗明, 賈明明, 董張玉, 劉婧怡, 徐文明. 森林地上生物量遙感估算研究進(jìn)展. 生態(tài)學(xué)雜志, 2012, 31(5): 1311- 1318.

[8] Boudreau J, Nelson R F, Margolis H A, Beaudoin A, Guindon L, Kimes D S. Regional aboveground forest biomass using airborne and spaceborne LiDAR in Québec. Remote Sensing of Environment, 2008, 112(10): 3876- 3890.

[9] 張慧芳, 張曉麗, 黃瑜. 遙感技術(shù)支持下的森林生物量研究進(jìn)展. 世界林業(yè)研究, 2007, 20(4): 30- 34.

[10] 黃玫, 季勁鈞, 曹明奎, 李克讓. 中國區(qū)域植被地上與地下生物量模擬. 生態(tài)學(xué)報(bào), 2006, 26(12): 4156- 4163.

[11] Zhu X L, Liu D S. Improving forest aboveground biomass estimation using seasonal Landsat NDVI time-series. ISPRS Journal of Photogrammetry and Remote Sensing, 2015, 102: 222- 231.

[12] 郭云, 李增元, 陳爾學(xué), 田昕, 凌飛龍. 甘肅黑河流域上游森林地上生物量的多光譜遙感估測. 林業(yè)科學(xué), 2015, 51(1): 140- 149.

[13] 王立海, 邢艷秋. 基于人工神經(jīng)網(wǎng)絡(luò)的天然林生物量遙感估測. 應(yīng)用生態(tài)學(xué)報(bào), 2008, 19(2): 261- 266.

[14] Laurin G V, Chen Q, Lindsell J A, Coomes D A, Del frate F, Guerriero L, Pirotti F, Valentini R. Above ground biomass estimation in an African tropical forest with lidar and hyperspectral data. ISPRS Journal of Photogrammetry and Remote Sensing, 2014, 89: 49- 58.

[15] Xing Y Q, de Gier A, Zhang J J, Wang L H. An improved method for estimating forest canopy height using ICESat-GLAS full waveform data over sloping terrain: a case study in Changbai mountains, China. International Journal of Applied Earth Observation and Geoinformation, 2010, 12(5): 385- 392.

[16] Lefsky M A, Harding D J, Keller M, Cohen W B, Carabajal C C, Del Bom Espirito-Santo F, Hunter M O, de Oliveira R. Estimates of forest canopy height and aboveground biomass using ICESat. Geophysical Research Letters, 2005, 32(22), doi: 10.1029/2005GL023971.

[17] En?le F, Heinzel J, Koch B. Accuracy of vegetation height and terrain elevation derived from ICESat/GLAS in forested areas. International Journal of Applied Earth Observation and Geoinformation, 2014, 31: 37- 44.

[18] Zhang G, Ganguly S, Nemani R R, White M A, Milesi C, Hashimoto H, Wang W L, Saatchi S, Yu Y F, Myneni R B. Estimation of forest aboveground biomass in California using canopy height and leaf area index estimated from satellite data. Remote Sensing of Environment, 2014, 151: 44- 56.

[19] Sun G, Ranson K J, Kimes D S, Blair J B, Kovacs K. Forest vertical structure from GLAS: an evaluation using LVIS and SRTM data. Remote Sensing of Environment, 2008, 112(1): 107- 117.

[20] Pflugmacher D, Cohen W, Kennedy R, Lefsky M. Regional applicability of forest height and aboveground biomass models for the Geoscience Laser Altimeter System. Forest Science, 2008, 54(6): 647- 657.

[21] 黃克標(biāo), 龐勇, 舒清態(tài), 付甜. 基于ICESat GLAS的云南省森林地上生物量反演. 遙感學(xué)報(bào), 2013, 17(1): 172- 179.

[22] 董立新, 吳炳方, 唐世浩. 激光雷達(dá)GLAS與ETM聯(lián)合反演森林地上生物量研究. 北京大學(xué)學(xué)報(bào): 自然科學(xué)版, 2011, 47(4): 703- 710.

[23] 譚炳香, 李增元, 陳爾學(xué), 龐勇. 高光譜與多光譜遙感數(shù)據(jù)的森林類型識別. 東北林業(yè)大學(xué)學(xué)報(bào), 2005, 33(增刊): 61- 63, 70- 70.

[24] Schutz B E, Zwally H J, Shuman C A, Hancock D, Dimarzio J P. Overview of the ICESat mission. Geophysical Research Letters, 2005, 32(21), doi: 10.1029/2005GL024009.

[25] Zhao X, Lu J, Gong A D, Xiao Z Q, Kang Q, Li Q. Operational spectrum Reconstruction of data from the Fourier transform hyperspectral imager onboard HJ- 1A satellite. Chinese Science Bulletin, 2010, 55(17): 1808- 1812.

[26] Deo R K. Modelling and Mapping of above-Ground Biomass and Carbon Sequestration in the Cool Temperate Forest of North-East China. Enschede: International Institute for Geo-Information Science and Earth Observation, 2008.

[27] Duncanson L I, Niemann K O, Wulder M A. Estimating forest canopy height and terrain relief from GLAS waveform metrics. Remote Sensing of Environment, 2010, 114(1): 138- 154.

[28] 李海濤, 顧海燕, 張兵, 高連如. 基于MNF和SVM的高光譜遙感影像分類研究. 遙感信息, 2007, (5): 12- 15.

[29] Yang W Z, Ni-Meister W, Lee S. Assessment of the impacts of surface topography, off-nadir pointing and vegetation structure on vegetation lidar waveforms using an extended geometric optical and radiative transfer model. Remote Sensing of Environment, 2011, 115(11): 2810- 2822.

[30] Mahoney C, Kljun N, Los S O, Chasmer L, Hacker J M, Hopkinson C, North P R J, Rosette J A B, van Gorsel E. Slope estimation from ICESat/GLAS. Remote Sensing, 2014, 6(10): 10051- 10069.

[31] 杜曉明, 蔡體久, 琚存勇. 采用偏最小二乘回歸方法估測森林郁閉度. 應(yīng)用生態(tài)學(xué)報(bào), 2008, 19(2): 273- 277.

[32] 李崇貴, 蔡體久. 森林郁閉度對蓄積量估測的影響規(guī)律. 東北林業(yè)大學(xué)學(xué)報(bào), 2006, 34(1): 15- 17.

[33] 朱教君, 康宏樟, 胡理樂. 應(yīng)用全天空照片估計(jì)林分透光孔隙度(郁閉度). 生態(tài)學(xué)雜志, 2005, 24(10): 1234- 1240.

Estimation of regional forest aboveground biomass combining spaceborne large footprint LiDAR and HJ- 1A Hyperspectral Images

QIU Sai1, XING Yanqiu1,*, XU Weihua2, DING Jianhua1, TIAN Jing1

1CollegeofTechnologyandEngineering,NortheastForestryUniversity,Harbin150040,China2Researchcenterforeco-environmentalsciences,Chineseacademyofsciences,Beijing100085,China

HJ- 1A/HSI Hyperspectral images and ICESat-GLAS waveform were used to estimate regional forest aboveground biomass (AGB) in the Wangqing forestry area of Jilin Province, China. Waveform parameters (e.g., waveform lengthWand the terrain slope parameterTS) extracted from GLAS waveform, were used to build the maximum forest height model. In addition, the energy parameterI(the ratio of vegetation energy and total energy) extracted from GLAS waveform was used to build the forest canopy density model. The final forest AGB model was built using both the maximum forest height and forest canopy density models. However, since GLAS footprints are geographically discrete, the AGB model was unable to produce the full regional coverage of forest AGB. To overcome the discontinuity limitations, HJ- 1A/HSI Hyperspectral images were combined with GLAS waveforms to predict the regional forest AGB based on the support vector regression (SVR) method, to fully map the distribution of forest AGB. Results showed that the adj.R2and RMSE of the maximum forest height model were 0.78 and 2.51 m, respectively, with adj.R2of 0.85 and RMSE of 1.67 m as validation results. In the model,TSeffectively reduced the impact of terrain slope. When the below vegetation height was set at 2 m, the forest canopy density model withIas dependent variable produced the best fit, with adj.R2and RMSE of 0.64 and 0.13, respectively, and adj.R2of 0.65 and RMSE of 0.12 as validation results. Overall, the adj.R2and RMSE of the forest AGB model were 0.62 and 10.88 t/hm2, respectively, with validation results of adj.R2= 0.60 and RMSE=11.52 t/hm2. Estimated AGB had a strong linear relationship with field inventory AGB (adj.R2= 0.62, RMSE=11.11 t/hm2). This study demonstrates that combining GLAS waveform and HJ- 1A/HSI hyperspectral images has significant potential to map the full coverage regional forest AGB distribution with a high degree of accuracy.

spaceborne LiDAR; ICESat-GLAS waveform data; HJ- 1A hyperspectral data; maximum forest height; forest canopy density; forest aboveground biomass; support vector regression method

中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(2572014AB08)；國家自然科學(xué)基金面上資助項(xiàng)目(41171274)

2016- 01- 05;

2016- 00- 00

10.5846/stxb201601050027

*通訊作者Corresponding author.E-mail: yanqiuxing@nefu.edu.cn

邱賽, 邢艷秋, 徐衛(wèi)華, 丁建華 田靜.星載大光斑LiDAR與HJ- 1A高光譜數(shù)據(jù)聯(lián)合估測區(qū)域森林地上生物量.生態(tài)學(xué)報(bào),2016,36(22):7401- 7411.

Qiu S, Xing Y Q, Xu W H, Ding J H, Tian J.Estimation of regional forest aboveground biomass combining spaceborne large footprint LiDAR and HJ- 1A Hyperspectral Images.Acta Ecologica Sinica,2016,36(22):7401- 7411.