遙感估算法在森林碳匯估算中的應(yīng)用進(jìn)展

郭靖，張東亞，玉蘇普江·艾麥提，齊成

(新疆林業(yè)科學(xué)院，新疆 烏魯木齊 830000)

?

遙感估算法在森林碳匯估算中的應(yīng)用進(jìn)展

郭靖，張東亞，玉蘇普江·艾麥提，齊成

(新疆林業(yè)科學(xué)院，新疆 烏魯木齊 830000)

摘要作為陸地生態(tài)系統(tǒng)主體，森林具有碳源和碳匯的雙重作用。目前，國內(nèi)外眾多學(xué)者對區(qū)域尺度森林碳匯的估算提出的方法較多，但還沒有統(tǒng)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(jié)該方法的優(yōu)缺點及應(yīng)用范圍，為碳儲量估算精度和碳評估提供合理的參考。

關(guān)鍵詞遙感估算法；森林碳匯；碳匯估算

森林生態(tài)系統(tǒng)在全球碳循環(huán)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(tài)系統(tǒng)的2/3，其變化決定了陸地生態(tài)系統(tǒng)碳源和碳匯的功能。國內(nèi)外學(xué)者也對基于RS技術(shù)的森林碳匯估算開展了許多研究。遙感數(shù)據(jù)的精度、研究領(lǐng)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(nèi)外森林碳匯的遙感估算方法及研究進(jìn)展，討論了該方法的優(yōu)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(tài)系統(tǒng)碳儲量估算提供科學(xué)依據(jù)，為碳評估提供合理的參考。

1遙感估算方法及數(shù)據(jù)介紹

遙感估算法是在遙感數(shù)據(jù)與外業(yè)調(diào)查數(shù)據(jù)相結(jié)合的基礎(chǔ)上，利用遙感技術(shù)得到森林植被的狀態(tài)參數(shù)，對森林資源進(jìn)行時空分析及動態(tài)變化，測算不同尺度森林植被凈第一生產(chǎn)力，對于大尺度森林生態(tài)系統(tǒng)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(shù)據(jù)，能及時反映碳儲量的空間變化，彌補了傳統(tǒng)的樣地查清法空間分布不連續(xù)的特點，以及耗時、耗力、耗經(jīng)費，故遙感估算法在森林碳儲量估算中應(yīng)用越來越廣泛，在森林碳儲量估算及動態(tài)變化分析方面具有重要的貢獻(xiàn)。

目前，人們用光學(xué)遙感、熱紅外遙感、SAR微波遙感、高光譜遙感和激光雷達(dá)遙感對森林資源進(jìn)行調(diào)查，從而形成多種遙感數(shù)據(jù)用于碳儲量的估算，大大提高了準(zhǔn)確性和快捷性，且不會對生態(tài)系統(tǒng)產(chǎn)生不必要的干擾。其中應(yīng)用最廣泛的數(shù)據(jù)有LandsatTM數(shù)據(jù)、NOAA/AVHRR數(shù)據(jù)、QuickBird數(shù)據(jù)、SPOT數(shù)據(jù)和MSS數(shù)據(jù)等。

2國外研究進(jìn)展

20世紀(jì)90年代，國外研究者應(yīng)用TM和NOAA/AVHRR數(shù)據(jù)對森林生物量進(jìn)行了研究。1997年，HameT等人第一次應(yīng)用TM影像結(jié)合外業(yè)調(diào)查數(shù)據(jù)構(gòu)建光譜模型，將該模型應(yīng)用到AVHRR圖像來估算歐洲森林生物量；1998年，Raymond Salvador等人應(yīng)用TM數(shù)據(jù)與樣地清查數(shù)據(jù)結(jié)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(shù)據(jù)和外業(yè)調(diào)查數(shù)據(jù)對落葉樹的地上生物量做了計算；2003年Foody等人利用LandsatTM數(shù)據(jù)應(yīng)用多元回歸和神經(jīng)網(wǎng)絡(luò)分析方法對比分析了10個植被指數(shù)估算的植被生物量，其結(jié)論是神經(jīng)網(wǎng)絡(luò)分析方法是精度最高的一種方法；2004年，T.Calv?o等人應(yīng)用LandsatTM影像對灌木巖薔薇光譜信息進(jìn)行了研究，構(gòu)建了Leave-One-Out模型并進(jìn)行估算。結(jié)果顯示夏季影像中單個TM波段與生物量呈負(fù)相關(guān)，而NDVI卻與生物量呈正相關(guān)，且相關(guān)性較高，同時也開拓了光學(xué)衛(wèi)星影像繪制生物量。2005年，LuDS利用TM數(shù)據(jù)對巴西亞馬遜森林的地上生物量進(jìn)行了研究，發(fā)現(xiàn)TM的光譜響應(yīng)更適合林分結(jié)構(gòu)相對簡單的森林，而對林分結(jié)構(gòu)較為復(fù)雜的，其紋理信息顯得更為重要，TM光譜響應(yīng)與紋理的結(jié)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(shù)(NDVI)數(shù)據(jù)與對應(yīng)樣地的碳儲量數(shù)據(jù)建立了美國雪城的森林碳儲量預(yù)測模型，結(jié)果顯示，遙感技術(shù)在定量監(jiān)測城市森林碳儲量變化方面具有明顯的優(yōu)勢；2007年，S.S.SAATCHI等人通過遙感數(shù)據(jù)、氣象數(shù)據(jù)和生物量樣地數(shù)據(jù)耦合，對地上植被生物量進(jìn)行了估算[10]。2010年，Arief W等利用1 460個抽樣小區(qū)的樣地調(diào)查數(shù)據(jù)，結(jié)合ETM數(shù)據(jù)，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(tài)變化[11]。

3國內(nèi)研究進(jìn)展

我國森林碳儲量的估算TM和NOAA數(shù)據(jù)的應(yīng)用最為廣泛。1996年，肖乾廣等人應(yīng)用AVHRR遙感數(shù)據(jù)搭載NOAA的氣象衛(wèi)星對中國植被NPP進(jìn)行了估算[12]；2002年，郭志華等人通過TM數(shù)據(jù)譜信息構(gòu)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(shù)據(jù)和線性與非線性組合的光譜信息數(shù)據(jù)構(gòu)建了多元線性回歸方程，對森林碳儲量進(jìn)行了估算[14]；2008年，張慧芳利用TM數(shù)據(jù)，建立生物量估算模型反演了北京地區(qū)1999和2002年的森林生物量，并建立Markov模型，預(yù)測了該地區(qū)2005年及2008年的森林生物量[15]；2009年，韓愛忠基于MODIS和CBERS-WFI數(shù)據(jù)，結(jié)合地理氣象因子，采用神經(jīng)網(wǎng)絡(luò)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(diào)查實測數(shù)據(jù)，并將其與同期SPOT5影像對應(yīng)樣地改進(jìn)的歸一化植被指數(shù)(MNDVI)數(shù)據(jù)進(jìn)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(jié)論與討論

遙感估算法的優(yōu)點在于遙感信息的宏觀和動態(tài)化，不受自然環(huán)境條件的限制，對于大尺度范圍內(nèi)植被碳儲量估算具有優(yōu)勢。但由于森林是一個復(fù)雜多變的生態(tài)系統(tǒng)，具有明顯的時空特異性和復(fù)雜的內(nèi)部結(jié)構(gòu)與聯(lián)系，對小尺度范圍所測結(jié)果與實際值有較大偏差。因此，應(yīng)用遙感技術(shù)法仍面臨著有待于進(jìn)一步改善的重要問題。

參考文獻(xiàn)：

[1]楊海軍,邵全琴,陳卓奇,等.森林碳蓄積量估算方法及其應(yīng)用分析.地球信息科學(xué),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(yè)大學(xué),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(wèi)星的 AVHRR 遙感資料估算中國的凈第一性生產(chǎn)力.植物學(xué)報,1996,38(1)：35-39

[13] 郭志華，彭少麟，王伯蓀.利用 TM 數(shù)據(jù)提取粵西地區(qū)的森林生物量．生態(tài)學(xué)報，2002，22(11):1832-1840

[14] 魏安世,林壽明,李志洪.基于TM數(shù)據(jù)的森林植物碳儲量估測方法研究.中南林業(yè)調(diào)查規(guī)劃,2006,25(4):44-47

[15] 張急芳.北京地區(qū)森林植被生物量遙感反演及時空動態(tài)格局分析.北京：北京林業(yè)大學(xué),2008

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

[17] 黃紹霖,徐涵秋,曾宏達(dá),等.福建長汀河田盆地的馬尾松林碳儲量時空動態(tài)變化.地球科學(xué),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(qū)域響應(yīng)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(yīng)對氣候變化、3S應(yīng)用及干旱區(qū)環(huán)境評估等領(lǐng)域的研究工作， Email：guojing7227279@163.com

基金項目：中國清潔發(fā)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(xiàn)標(biāo)識碼：A

doi:10.13601/j.issn.1005-5215.2016.01.024

文章編號：1005-5215(2016)01-0061-02