東北地理所在森林蓄積量遙感反演方面取得重要進展
作為森林資源清查的重要基礎參數，立木蓄積量信息可用于森林地上生物量和碳儲量估算，為全球氣候變化和碳循環等研究提供重要的數據支持。與傳統的地面調查方法相比，遙感技術具有觀測范圍廣、更新周期短、節約人力物力等特點，能夠實現長期、連續、動態監測，在大尺度森林蓄積量估算中具有不可替代的優勢。近年來，融合多源遙感數據及智能算法協同反演森林蓄積量已成為國內外研究的熱點。其中，激光雷達數據可大大提高森林植被參數反演的信號飽和度，逐漸成為立木蓄積量估算的主要遙感數據源。由于機載激光雷達數據覆蓋區域有限、成本高，同時星載激光雷達數據缺乏，導致融合激光雷達數據的大尺度區域森林蓄積量估算研究較少。如何充分發揮激光雷達數據和多源遙感影像的優勢，提高森林蓄積量反演精度，實現高分辨率蓄積量制圖，是目前亟待解決的難點問題。
中科院東北地理所地理景觀遙感學科組研究人員利用近期發布的星載GEDI 激光雷達足跡數據、Sentinel系列衛星C波段雷達和可見光影像、ALOS衛星L波段干涉雷達影像DSM產品，結合學科組在長白山混交林區積累的大量野外調查數據，深入分析了不同遙感數據源及其特征因子（如冠層覆蓋度、樹高、后向散射、紋理、植被生理、地形等）對森林蓄積量空間變異的敏感性差異，構建了區域尺度森林蓄積量高精度遙感反演模型，實現了2019年長白山混交林區森林蓄積量制圖（10米空間分辨率），并提出了面向森林質量提升目標的可持續管理建議。
圖1 研究技術路線示意圖
本研究首次集成了高分辨率星載激光雷達（GEDI，2019年發布）、雷達和可見光數據，構建了基于“點—線—面”框架的高精度蓄積量遙感反演模型。研究發現，將激光雷達足跡數據作為“線性橋”連接實測點數據與多源影像面數據進行蓄積量估算的精度高于傳統的基于實測點和多源影像數據的精度。在眾多特征因子中，冠層覆蓋度、樹高、海拔、紅邊波段光譜指數對森林蓄積量敏感性最高。本研究結果不僅有助于深入理解東北森林典型樣區蓄積量空間分布，且可為制定東北森林可持續利用與科學保護的管理決策提供重要的數據支撐。
表1 激光雷達數據對森林蓄積量遙感估算精度的影響
|
Frameworks |
ME |
RMSE |
R2 |
RI | ||
|
|
m3/ha |
% |
m3/ha |
% | ||
|
Point-line-polygon |
–7.03 |
–4.72 |
22.63 |
15.21 |
0.88 |
0.31 |
|
Point-polygon |
–9.76 |
–6.56 |
32.85 |
22.08 |
0.80 |
/ |
圖2 森林蓄積量空間分布及其隨海拔變化示意圖
該研究由杭州師范大學陳琳博士（第一作者）、中科院東北地理所任春穎研究員（通訊作者）、張柏研究員、王宗明研究員等共同完成。相關研究成果發布在International Journal of Applied Earth Observations and Geoinformation國際期刊上。該研究由國家重點研發計劃項目（2016YFC0500300）資助完成。論文信息列表如下：
Chen, L., Ren, C., Zhang, B., Wang, Z., Liu, M., Man, W., Liu, J., 2021. Improved estimation of forest stand volume by the integration of GEDI LiDAR data and multi-sensor imagery in the Changbai Mountains Mixed Forests Ecoregion (CMMFE), Northeast China. International Journal of Applied Earth Observations and Geoinformation, 100, 102326. https://doi.org/10.1016/j.jag.2021.102326.
附件下載：
吉公網安備22017302000214號
