喀斯特山区森林蓄积量的合成孔径雷达遥感估测研究

doi:10.13466/j.cnki.lyzygl.2018.04.016

林业资源管理 ›› 2018, Vol. 0 ›› Issue (4): 100-104.doi: 10.13466/j.cnki.lyzygl.2018.04.016

喀斯特山区森林蓄积量的合成孔径雷达遥感估测研究

杨永恬(), 杨广斌, 赵海兵

贵州师范大学地理环境科学学院,贵阳 550001

收稿日期:2018-05-08 修回日期:2018-06-22 出版日期:2018-08-28 发布日期:2020-09-25
作者简介:杨永恬(1979-),女,贵州大方人,讲师,博士,主要研究方向为林业遥感应用。Email:445968385@qq.com
基金资助:
贵州师范大学博士启动基金项目(20101218)

Estimation of Forest Volume in Karst Mountain Ecosystem with Synthetic Aperture Radar Remote Sensing Technology

YANG Yongtian(), YANG Guangbin, ZHAO Haibin

College of Geographical & Environmental Sciences,Guizhou Normal University,Guiyang 550001,China

Received:2018-05-08 Revised:2018-06-22 Online:2018-08-28 Published:2020-09-25

摘要/Abstract

摘要：

喀斯特山区是我国西南地区的一种特殊而脆弱的生态景观。由于阴云多雨,喀斯特山区的森林光学遥感数据不易及时获取,影响该生态系统森林资源的调查。合成孔径雷达(SAR)估测技术利用雷达穿透能力强,可穿过云雾直达林冠,其微波与冠叶和枝干发生作用,具有全天候的观测能力,因此非常适合云雾多雨山区森林蓄量的定量评估。本研究选取贵州省惠水县喀斯特山区为试验区,应用SAR数据和森林资源地面数据,建立回归参数模型,估测该试验区的森林蓄量,并对此方法的结果进行精度分析,以期为贵州喀斯特山地生态系统森林资源的高效管理和可持续发展提供依据。

关键词: 喀斯特山地生态系统, 合成孔径雷达(SAR), 回归分析, 森林蓄积量估测, 优势树种

Abstract:

Karst mountain area is a special and fragile ecological landscape in the southwestern China.Forest optical remote sensing data in the regeion is not easy to obtain timely due to cloudy and rainy weather,affecting the investigation of forest resources in the ecosystem.Synthetic aperture radar (SAR)estimation technology is very suitable for quantitative evaluation of forest volume in cloudy mountain area,because radar has the ability to penetrate clouds onto the canopy,and its microwave can interact with the coronet and branches,resulting in all-weather observation of the forest.In this study,we selected Huishui county karst mountain area in Guizhou Province as the experimental area,and established a parameter model to estimate the forest reserves in the area by using SAR data and the ground data.We further analyzed the accuracy of the estimation from the model and expect that SAR remote sensing technology could facilitate more efficient management of the forest resources and the sustainable development of Guizhou Karst mountain ecosystem。

Key words: karst mountain ecosystem, synthetic aperture radar, regression analysis, forest volume estimation, dominant species

中图分类号:

TP79

杨永恬, 杨广斌, 赵海兵. 喀斯特山区森林蓄积量的合成孔径雷达遥感估测研究[J]. 林业资源管理, 2018, 0(4): 100-104.

YANG Yongtian, YANG Guangbin, ZHAO Haibin. Estimation of Forest Volume in Karst Mountain Ecosystem with Synthetic Aperture Radar Remote Sensing Technology[J]. FOREST RESOURCES WANAGEMENT, 2018, 0(4): 100-104.

图/表 7

图1

表1

图2

图3

表2

表3

图4

参考文献 14

[1]	霍斯佳, 洪天华, 周伟. 地质遗产资源管理研究浅析——以中国南方喀斯特为例[J]. 国土与自然资源研究, 2013(1):47-49.
[2]	侯文娟, 高江波, 彭韬, 等. 结构—功能—生境框架下的西南喀斯特生态系统脆弱性研究进展[J]. 地理科学进展, 2016,35(3):320-330. doi: 10.18306/dlkxjz.2016.03.006
[3]	张明阳, 王克林, 刘会玉, 等. 生态恢复对桂西北典型喀斯特区植被碳储量的影响[J]. 生态学杂志, 2014,33(9):2288-2295.
[4]	熊康宁, 池永宽. 中国南方喀斯特生态系统面临的问题及对策[J]. 生态经济, 2015,31(1):23-30.
[5]	张殿发, 王世杰, 李瑞玲. 贵州省喀斯特山区生态环境脆弱性研究[J]. 地理学与国土研究, 2002,18(1):77-79.
[6]	王荣, 蔡运龙. 西南喀斯特地区退化生态系统整治模式[J]. 应用生态学报, 2010,21(4):1070-1080.
[7]	徐新良, 曹明奎, 李克让. 中国森林生态系统植被碳储量时空动态变化研究[J]. 地理科学进展, 2007,26(6):1-10. doi: 10.11820/dlkxjz.2007.06.001
[8]	杨永恬, 李增元, 陈尔学, 等. 基于ALOS PALSAR数据的森林蓄积量估测研究[J]. 林业资源管理, 2010(1):113-117.
[9]	陈尔学. 合成孔径雷达森林生物量估测研究进展[J]. 世界林业研究, 1999,12(6):18-23.
[10]	Pulliainen J, Engdahl M, Hallikainen M. Feasibility of multi-temporal interferometric SAR data for stand-level estimation of boreal forest stem volume[J]. Remote Sensing of Environment, 2003,85:397-409. doi: 10.1016/S0034-4257(03)00016-6
[11]	Thompson J A, Bell JC, Butler C A. Digital elevation model resolution:effects on terrain attribute calculation and quantitative soil-landscape modeling[J]. Geoderma, 2001,100:67-89. doi: 10.1016/S0016-7061(00)00081-1
[12]	陈尔学, 李增元, 田昕, 等. 星载SAR地形辐射校正模型及其效果评价[J]. 武汉大学学报, 2010,35(3):322-326.
[13]	王臣立, 牛铮, 郭治兴, 等. Radarsat SAR的森林生物物理参数信号响应及其蓄积量估测[J]. 国土资源遥感, 2005(2):24-28. doi: 10.6046/gtzyyg.2005.02.06
[14]	庞勇, 于信芳, 李增元, 等. 星载激光雷达波形长度提取与林业应用潜力分析[J]. 林业科学, 2006,42(7):137-140. doi: 10.11707/j.1001-7488.20060724

优势树种组号	优势树种类型	样地数
L1	马尾松	34
L2	华山松	30
L3	油杉、杉木,水杉	29
L4	樟类、椴树、楠类、栎类、枫香等	30
L5	针阔混交	32
L6	毛竹	27
合计	—	182

树种组	拟合公式(HV)	r
L1马尾松	y=0.7012Ln(x)-18.561	0.629	y=0.2367Ln(x)-9.391	0.502
L2华山松	y=0.6273Ln(x)-19.527	0.573	y=0.2622Ln(x)-9.613	0.401
L3油杉、杉木,水杉	y=0.6958Ln(x)-18.864	0.535	y=0.2183Ln(x)-9.057	0.364
L4樟树、椴树等	y=0.7815Ln(x)-21.157	0.508	y=0.4155Ln(x)-10.531	0.299
L5针阔混交	y=0.6842Ln(x)-19.738	0.413	y=0.3631 Ln(x)-9.652	0.205
L6毛竹	y=0.472Ln(x)-17.528	0.672	y=0.1569Ln(x)-9.583	0.316

树种组	固定样地蓄积量估测 /(m³/hm²)	回归法蓄积量估测 /(m³/hm²)	相对均方根误差 /%
L1马尾松	143.861	157.367	13.67
L2华山松	138.429	147.364	15.32
L3油杉、铁坚杉等	128.268	139.274	16.01
L4樟树、椴树等	173.677	186.271	18.84
L5针阔混交	162.597	178.237	19.41
L6毛竹	126.781	140.352	14.13

[1]	蔡林菲, 吴达胜, 方陆明, 郑辛煜. 基于XGBoost的高分二号影像树种识别[J]. 林业资源管理, 2019, 0(5): 44-51.
[2]	刘洋, 肖中琪, 张怀清, 姚博, 黄建文. 新疆阿尔泰山天然林保护工程区2000—2016年林地类型变化分析[J]. 林业资源管理, 2019, 0(1): 70-77.
[3]	赵勋, 岳彩荣. 基于遥感数据的林地变化检测方法研究[J]. 林业资源管理, 2019, 0(1): 101-108.
[4]	马骅, 王义飞, 宁宇, 武高洁, 郭菊兰, 谭月臣, 李春义, 林海晏. 若尔盖县高原湿地景观格局动态分析研究[J]. 林业资源管理, 2019, 0(1): 109-115.
[5]	乔正年, 马骏, 徐雁南. 无人机遥感在林木冠幅提取中的应用[J]. 林业资源管理, 2019, 0(1): 78-84.
[6]	苏布德, 赵洋毅, 王克勤, 段旭, 方斌. 基于GIS的滇南踏青河源头小流域近20年土壤侵蚀变化[J]. 林业资源管理, 2018, 0(6): 90-98.
[7]	杨帆. 无人机倾斜摄影在森林景区实景三维模型构建及分析[J]. 林业资源管理, 2018, 0(4): 120-124.
[8]	李杰, 张军, 刘陈立, 张涵. 基于MODIS-NDVI的云南怒江流域植被覆盖时空变化特征研究[J]. 林业资源管理, 2018, 0(4): 90-99.
[9]	王彦芳, 刘敏, 郭英. 1982—2015年河北省生态环境支撑区植被覆盖动态及其可持续性[J]. 林业资源管理, 2018, 0(1): 117-125.
[10]	苏艳琴, 赖日文, 罗文玮, 余莉莉, 赖炽敏, 李红霖. 基于LCM模型的晋江市土地利用变化与预测分析[J]. 林业资源管理, 2018, 0(1): 96-102.
[11]	刘树超, 陈小中, 覃先林, 孙桂芬, 李晓彤. 内蒙古毕拉河林场森林火灾受害程度遥感评价[J]. 林业资源管理, 2018, 0(1): 90-95.
[12]	牛晓花, 张超, 余哲修, 周文娇, 黄田. 城镇化背景下洱海上游土地利用演变过程分析[J]. 林业资源管理, 2018, 0(1): 72-79.
[13]	王翠萍. 库布齐沙漠中段沙化土地动态变化及驱动力分析[J]. 林业资源管理, 2018, 0(1): 63-71.
[14]	肖中琪, 黄建文, 凌成星. 新疆天山西部天然林保护工程区林地及森林生物量空间变化分析[J]. 林业资源管理, 2018, 0(1): 57-62.
[15]	汪溪远, 迪丽尼格尔·艾合买提, 师庆东, 许紫峻, 程亮. 基于空间自相关分析和FVC指数的克拉玛依地区植被覆盖时空变化[J]. 林业资源管理, 2017, 0(4): 97-102.

喀斯特山区森林蓄积量的合成孔径雷达遥感估测研究

Estimation of Forest Volume in Karst Mountain Ecosystem with Synthetic Aperture Radar Remote Sensing Technology

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 14

相关文章 15

编辑推荐

Metrics

本文评价