基于高分遥感数据的阿尔泰山乔木林地上生物量预测
收稿日期: 2023-02-20
修回日期: 2023-04-24
网络出版日期: 2023-06-26
基金资助
新疆维吾尔自治区公益性科研院所基本科研业务费专项“新疆山区森林乔木层碳储量动态变化研究”(KY2019043);新疆维吾尔自治区公益性科研院所基本科研业务费专项“天山西部天然乔木层碳潜力研究”(KY2020019)
Above-Ground Biomass Prediction of Arbor Forest in Altay Mountain Area Based on High-Resolution Remote Sensing Data
Received date: 2023-02-20
Revised date: 2023-04-24
Online published: 2023-06-26
为了在区域尺度上精准和便捷地估测森林生物量,以高分遥感数据和实地调查数据为基础,通过提取植被指数、纹理等遥感特征变量,并运用最近邻算法(k-NN)构建乔木林地上生物量预测模型。结果表明,运用k-NN进行区域尺度上乔木林生物量遥感定量估测,当k值为2,特征为B1(波段1)、SR(简单植被指数)、NDVI(归一化植被指数)、B4(波段4)时,研究区乔木林生物量估测结果最优。通过分析可知:乔木林生物量整体表现不高,地上生物量为803.90万t,单位面积生物量均值为82.15 t/hm2;乔木林主要龄组是成熟林时,其面积和生物量占比均最大;在海拔1 500~2 400 m范围,乔木林单位生物量较高。
关键词： 乔木林; 地上生物量; 最近邻算法(k-NN); 遥感反演; 特征选择
张绘芳 , 朱雅丽 , 张景路 , 高健 , 地力夏提·包尔汉 . 基于高分遥感数据的阿尔泰山乔木林地上生物量预测[J]. 林草资源研究, 2023 , 0(2) : 104 -110 . DOI: 10.13466/j.cnki.lyzygl.2023.02.014
In order to accurately and conveniently estimate forest biomass at the regional scale,remote sensing characteristic variables such as vegetation index and texture were extracted based on high-resolution remote sensing data and field survey data,and the nearest neighbor algorithm (k-NN) was used to construct a forest aboveground biomass prediction model.The results showed that using k-NN to quantitatively estimate the biomass of tree forests at the regional scale,when k value was 2 and the characteristics were B1 (band 1),SR (simple vegetation index),NDVI (normalized vegetation index) and B4 (band 4),the forest biomass estimation results were optimal.The above ground biomass was 8 039 000 tons,and the average biomass per unit area was 82.15 t/hm2.When the main age group of arbor forest wasmature forest,its area and biomass ratio werethe highest.The unit biomass of arbor forest was higher in the altitude range of 1 500 ~ 2 400m.
| [1] | 于贵瑞, 李文华, 邵明安, 等. 生态系统科学研究与生态系统管理[J]. 地理学报, 2020, 75(12):2620-2635. |
| [2] | 项文化, 黄志宏, 闫文德, 等. 森林生态系统碳氮循环功能耦合研究综述[J]. 生态学报, 2006(7):2365-2372. |
| [3] | 戴巍, 赵科理, 高智群, 等. 典型亚热带森林生态系统碳密度及储量空间变异特征[J]. 生态学报, 2017, 37(22):7528-7538. |
| [4] | Thokchom A, Yadava P S. Biomass,carbon stock and sequestration potential of Schizostachyum pergracile bamboo forest of Manipur,north east India[J]. Tropical Ecology, 2017, 58(1):23-32. |
| [5] | Jhariya M K, Yadav D K. Biomass and carbon storage pattern in natural and plantation forest ecosystem of Chhattisgarh,India[J]. Journal of forest and environmental science, 2018, 34(1):1-11. |
| [6] | 王振鹏, 陈金磊, 李尚益, 等. 湘中丘陵区不同恢复阶段森林生态系统的碳储量特征[J]. 林业科学, 2020, 56(5):19-28. |
| [7] | 李路, 常亚鹏, 许仲林. 乌鲁木齐南山森林生物量和碳储量空间分布特征[J]. 水土保持研究, 2018, 25(5):72-77. |
| [8] | 林立彬, 李铁华, 杨柳. 青冈栎混交林生物量及碳储量分布特征[J]. 水土保持学报, 2019, 33(1):139-144. |
| [9] | 潘磊, 孙玉军, 王轶夫, 等. 基于Sentinel-1和Sentinel-2数据的杉木林地上生物量估算[J]. 南京林业大学学报:自然科学版, 2020, 44(3):149-156. |
| [10] | 唐志明, 刘炳响, 屈宇. 河北太行山区典型水土保持林乔木层生物量及碳储量研究[J]. 林业资源管理, 2020(1):102-107. |
| [11] | Mitra A, Sengupta K, Banerjee K. Standing biomass and carbon storage of above-ground structures in dominant mangrove trees in the Sundarbans[J]. Forest Ecology and Management, 2011, 261(7):1325-1335. |
| [12] | Gao Huilin, Dong Lihu, Li Fengri, et al. Evaluation of four methods for predicting carbon stocks of Korean pine plantations in Heilongjiang Province,China[J]. Plos One, 2015, 10(12):e0145017. |
| [13] | 穆喜云, 张秋良, 刘清旺, 等. 基于激光雷达的大兴安岭典型森林生物量制图技术研究[J]. 遥感技术与应用, 2015, 30(2):220-225. |
| [14] | 冯仲科, 黄晓东, 刘芳. 森林调查装备与信息化技术发展分析[J]. 农业机械学报, 2015, 46(9):257-265. |
| [15] | Gonzalez P, Battles J J, Collins B M, et al. Aboveground live carbon stock changes of California wildland ecosystems,2001—2010[J]. Forest Ecology and Management, 2015, 348:68-77. |
| [16] | Bindu G, Rajan P, Jishnu E S, et al. Carbon stock assessment of mangroves using remote sensing and geographic information system[J]. The Egyptian Journal of Remote Sensing and Space Science, 2020, 23(1):1-9. |
| [17] | 曾晶, 张晓丽. 高分一号遥感影像下崂山林场林分生物量反演估算研究[J]. 中南林业科技大学学报, 2016, 36(1):46-51. |
| [18] | 张景路, 张绘芳, 地力夏提·包尔汉, 等. 基于Landsat数字影像的阿尔泰山乔木林空间分布[J]. 南京林业大学学报:自然科学版, 2018, 42(4):153-158. |
| [19] | 张绘芳, 朱雅丽, 地力夏提·包尔汉, 等. 阿尔泰山林区云杉和落叶松生物量分配格局研究[J]. 南京林业大学学报:自然科学版, 2017, 41(1):203-208. |
| [20] | 张绘芳, 高亚琪, 李霞. 新疆西伯利亚云杉生物量模型研究[J]. 中南林业科技大学学报, 2015, 35(11):115-120. |
| [21] | 蒙诗栎, 庞勇, 张钟军, 等. WorldView-2纹理的森林地上生物量反演[J]. 遥感学报, 2017, 21(5):812-824. |
| [22] | 菅永峰, 韩泽民, 黄光体, 等. 基于高分辨率遥感影像的北亚热带森林生物量反演[J]. 生态学报, 2021, 41(6):2161-2169. |
| [23] | 王思宇, 聂臣巍, 余汛, 等. 结合植被指数与纹理特征的玉米冠层FAPAR遥感估算研究[J]. 作物杂志, 2021(2):183-190. |
| [24] | Kaufman Y J, Tanre D. Atmospherically resistant vegetation index(ARVI)for EOS-MODIS[J]. IEEE transactions on Geoscience and Remote Sensing, 1992, 30(2):261-270. |
| [25] | 王正兴, 刘闯, Huete A. 植被指数研究进展:从AVHRR-NDVI到MODIS-EVI[J]. 生态学报, 2003(5):979-987. |
| [26] | Sun Qian, Sun Lin, Shu Meiyan, et al. Monitoring maize lodging grades via unmanned aerial vehicle multispectral image[J]. Plant Phenomics, 2019(2):1-16. |
| [27] | 陈尔学, 李增元, 武红敢, 等. 基于k-NN和Landsat数据的小面积统计单元森林蓄积估测方法[J]. 林业科学研究, 2008, 21(6):745-750. |
| [28] | Tomppo E, Halme M. Using coarse scale forest variables as ancillary information and weighting of variables in k-NN estimation:A genetic algorithm approach[J]. Remote Sensing of Environment, 2004, 92(1):1-20. |
| [29] | 韩宗涛, 江洪, 王威, 等. 基于多源遥感的森林地上生物量KNN-FIFS估测[J]. 林业科学, 2018, 54(9):70-79. |
| [30] | 孙珊珊, 田昕, 谷成燕, 等. 基于KNN-FIFS的内蒙古根河森林郁闭度遥感估测研究[J]. 遥感技术与应用, 2019, 34(5):959-969. |
| [31] | 曾伟生, 唐守正. 立木生物量方程的优度评价和精度分析[J]. 林业科学, 2011, 47(11):106-113. |
/
| 〈 |
|
〉 |
