基于高分遥感数据的阿尔泰山乔木林地上生物量预测_张绘芳.pdf
《基于高分遥感数据的阿尔泰山乔木林地上生物量预测_张绘芳.pdf》由会员分享,可在线阅读,更多相关《基于高分遥感数据的阿尔泰山乔木林地上生物量预测_张绘芳.pdf(7页珍藏版)》请在咨信网上搜索。
1、2023 年 4 月第 2 期林业资源管理FOEST ESOUCES MANAGEMENTApril 2023No.2基于高分遥感数据的阿尔泰山乔木林地上生物量预测张绘芳,朱雅丽,张景路,高健,地力夏提包尔汉(新疆林业科学院现代林业研究所,乌鲁木齐 830000)摘要: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)、S(简单植被指数)、NDVI(归一化植被指数)、
2、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;特征选择中图分类号:S771.8;S718.556文献标识码:A文章编号:1002 6622(2023)02 0104 07DOI:10 13466/j cnki lyzygl 2023 02 014收稿日期:2023 02 20;修回日期:202
3、3 04 24基金项目: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)作者简介:张绘芳(1980 ),女,陕西大荔人,研究员,硕士,主要从事森林资源监测与遥感技术应用等方面的研究工作。Email:396930128 Above-Ground Biomass Prediction of Arbor Forest in AltayMountain Area Based on High-esolution emote Sensing
4、DataZHANG Huifang,ZHU Yali,ZHANG Jinglu,GAO Jian,DILIXIATIBaoerhan(Modern Forestry esearch Institute of Xinjiang Academy of forestry,Urumqi 830000,China)Abstract:In order to accurately and conveniently estimate forest biomass at the regional scale,remotesensing characteristic variables such as veget
5、ation index and texture were extracted based on high-resolution remote sensing data and field survey data,and the nearest neighbor algorithm(k-NN)was usedto construct a forest aboveground biomass prediction model The results showed that using k-NN toquantitatively estimate the biomass of tree forest
6、s at the regional scale,when k value was 2 and thecharacteristics were B1(band 1),S(simple vegetation index),NDVI(normalized vegetation index)and B4(band 4),the forest biomass estimation results were optimal The above ground biomass was8 039 000 tons,and the average biomass per unit area was 82 15 t
7、/hm2 When the main age group ofarbor forest wasmature forest,its area and biomass ratio werethe highest The unit biomass of arbor forestwas higher in the altitude range of 1 500 2 400mKey words:arbor forest,above-ground biomass,nearest neighbor algorithm(k-NN),remote sensinginversion,feature selecti
8、on第 2 期张绘芳等:基于高分遥感数据的阿尔泰山乔木林地上生物量预测森林作为陆地生态系统的主体和重要碳库,对全球气候变化、水土保持、保护生物多样性和陆地生态系统中的碳循环等方面具有重要的作用1 2。森林生物量/碳储量既是各级森林资源监测的重要变量,也是反映森林生态系统质量和生产力的重要参数3。近年来,国内外学者4 12 对森林生态系统的生物量和碳储量都做了大量研究,如:潘磊等9 利用 Sentinel 影像数据对福建省将乐国有林场杉木林生物量进行了估算与模型构建,调整了决定系数(2),使其值达到 0.575;唐志明等10 以河北太行山区 4 种水土保持林为研究对象,对其乔木层生物量、含碳率以
9、及碳储量进行比较研究,结果表明碳储量与生物量呈正比关系,变化趋势与生物量一致;Mitra 等11 对桑德尔本斯地区 3 种优势红树林地上生物量和碳储量进行了评估;Gao 等12 以黑龙江地区 89 株红松解析木为样本,测量其树木各组件的生物量和碳储量,比较了 4 种方法对碳储量的预测能力,结果表明以胸径为单一变量的方法预测碳储量精度最高。传统的森林生物量/碳储量研究方法,一般是在外业调查的基础上对区域内样地上样本生物量/碳储量进行的研究估算,存在工作量大,耗时长,效率低等问题13。随着 3S 技术的发展,利用高分辨率影像提取森林信息可有效减少野外数据采集的工作量,为森林生物量/碳储量从林分到大
10、区域的估测提供了更加精准和便捷的方法14。如:Gonzalez等15 通过遥感手段对加利福尼亚州森林和其它陆地生态系统(农业和城市地区除外)的地上生物量进行了评估;Baidu 等16 根据红树林异速生长方程计算了 8 种红树林植被的碳储量,并运用回归方程模拟红树林 NDVI 指数与碳储量之间的关系,由此得出印度 Kunhimangalam 地区红树林碳储量;曾晶等17 以高分一号遥感影像为数据源,结合外业实测数据,通过提取植被指数因子、波段组合因子以及地形因子等共计 19 个因子,建立崂山林场生物量多元线性反演模型。本研究借鉴前人的研究方法,以高分一号卫星遥感影像、外业调查数据作为数据源,通过
11、提取遥感特征因子、样地数据来计算森林地上生物量,并基于最近邻算法(k-NN)优选遥感特征因子,以构建阿尔泰山区乔木林地上生物量的遥感估测模型。通过本文的研究,以期为高分辨率成果服务于林业发展和生态环境建设提供技术参考。1数据与方法1.1研究区概况研究区位于阿尔泰山中段(4746 4839N,8725 8838E),属温带半干旱大陆性气候区,受西伯利亚蒙古干燥气旋和大西洋、北冰洋冷湿气流的作用,呈现冬季漫长寒冷,夏季短暂温凉,气温变化较大的特征,在森林集中分布的中山区,年平均气温在0以上,年降水量为 500 700 mm。研究区森林资源丰富,以云杉(Picea asperata Mast.)、西
12、伯利亚落叶松(Larix sibirica Ledeb.)为主,林下灌木层常见有忍冬(Lonicera japonica Thunb.)、蔷薇(osa sp.)、枸杞子(Lycium chinense Miller.)、绣线菊(Spiraea salicifoliaL.)等,草本层以根系发达的各种苔草(Carex spp.)、唐松草(Thalictrum aquilegiifolium var.Sibiricum Linnaeus)等为主。阿尔泰山林区是仅次于天山林区的第二大山地林区,生态地位十分重要 18 19。1.2研究方法以高分一号遥感数据和实地调查数据为数据源,通过提取植被指数、纹理等
13、遥感特征变量,并运用最近邻算法(k-NN)构建森林地上生物量的预测模型。1.2.1地面样点数据获取搜集了研究区内2016 年调查的51 块样地(图1),图 1研究区样地分布示意图Fig.1 Distribution diagram of sample points in the study area501林业资源管理第 2 期样地规格是 28.28 m 28.28 m,每块样地 0.08 hm2。首先,对样地内活立木进行每木检尺 测量胸径、树高、冠幅(东西向和南北向);其次,记录坡度、坡向、海拔、树种调查因子(海拔用 GPS 测量,坡度坡向用经纬仪测定,树种调查因子以研究区森林资源二类调查数据
14、样地所在小班属性为依据确定);最后,根据样地调查数据计算出各种林木类型样地的地上生物量(样地生物量计算参考张绘芳19 20 构建的云杉、西伯利亚落叶松地上生物量模型)。51块样地地上生物量统计结果如表 1 所示。表 1样地生物量统计特征Tab.1 Statistical characteristics of sample plots biomass样地数/块单位面积生物量/(t/hm2)最大值最小值平均值中位数标准差51329.230.505127.3797.6388.261.2.2遥感数据获取及处理数据包括研究区 2016 年高分一号 16 m 分辨率宽幅影像 WFV 和 15 景高分一号
15、2 m 全色/8 m 多光谱 PMS 模式产品。这些影像数据均来自中国资源卫星应用中心(http:/www cresda com/CN/),成像时间均为 2016 年 89 月。利用 ENVI 5.3 对高分一号 WFV 和 PMS 影像进行预处理,包括辐射定标、大气校正、正射校正和几何校正;采用 FLAASH进行大气校正,消除大气辐射传输过程中各因素对地表反射的影响。对影像进行正射校正,选择三次卷积法进行重采样,随后对其进行几何校正;基准影像为完全覆盖待处理区域的资源三号影像,选取30 个明显地物控制点;对高分一号影像采用图像到图像的方式进行几何精校正,使其地理配准,误差不超过一个像元。1.
16、2.3遥感特征因子提取有研究20 21 表明,结合多源遥感数据及其派生的特征因子,如植被指数、纹理以及地形因子等可以提高森林参数估测精度。参考国内外森林生物量、碳 储 量 遥 感 估 测 中 所 采 用 的 众 多 植 被 指数22 25,本研究基于高分一号光谱影像提取遥感特征变量(植被指数,纹理特征值,蓝、绿、红及近红外单波段数据),选取归一化植被指数(NDVI)、简单植被指数(S)、大气阻抗植被指数(AVI)、增强型植被指数(EVI)、4 个单波段数据、纹理特征值等作为森林地上生物量建模特征变量。4 种植被指数计算方程如表 2 所示。表 24 种植被指数的计算公式Tab2 Equation
17、s for 4vegetation indexes植被指数公式归一化植被指数(NDVI)NDVI=NI edNI+ed简单植被指数(S)S=NIed大气阻抗植被指数(AVI)AVI=NI ed r()Blue edNI+ed r()Blue ed增强型植被指数(EVI)EVI=2.5 NI edNI+6 ed 7.5 Blue+1注:“NI”为近红外波段反射率;“ed”为可见光红光波段反射率;“Blue”为可见光蓝光波段反射率,“”为大气系数。纹理是对图像局部区域中像素之间关系的一种度量,可以揭示地物的空间结构信息,反映出地表覆盖类型空间变化及其与周围环境的关系 26。本文运用灰度共生矩阵(g
18、ray-level co-occurrence matrix)方法提取遥感影像纹理 26,设置窗口为 5 5。基于灰度共生矩阵的各纹理计算方法如表3 所示。表 3基于灰度共生矩阵的纹理计算公式Tab3 Texture calculation method based on graylevel co-occurrence matrix纹理公式方差V=N1i,j=0i Pi,j(i Me)2协同性H=N1i,j=0i Pi,j1+(i j)2对比度Co=N1i,j=0i Pi,j(i j)2相异性D=N1i,j=0i Pi,ji j熵E=N1i,j=0i Pi,j(lnPi,j)二阶矩S=N1i,
19、j=0i Pi,j2相关性Cr=N1i,j=0i Pi,j(i Me)(j Me)Vai Vaj注:“i”为灰度共生矩阵中的行数;“j”为灰度共生矩阵中的列数,“Pi,j”表示特定位置关系下的像素对的频数;“Me”表示像素均值;“Va”表示像素方差。601第 2 期张绘芳等:基于高分遥感数据的阿尔泰山乔木林地上生物量预测1.2.4乔木林地上生物量遥感估测模型构建最近邻算法(k-NN)是一种非参数分类算法,不需要训练参数,在数据量不多但数据代表较强时,其结果预测较好27 30。像元的属性值 VP由距离通过其最近的 k 个样地的属性值 Vpi(1 i k)加权求均求得,即:VP=ki=1Wp,pi
20、 Vpi(1)式中:Wp,pi为权重,其与待估像元特征向量(Xp)到样地所在像元特征向量(Xpi)距离(Dp,pi)成反比,即:Wp,pi=1Dp,pi/ki=11Dp,pi(2)分别采取欧式距离和马氏距离对 Dp,pi进行度量,并比较两种距离度量标准的估测精度。距离计算方式如(3)式、(4)式所示。Dp,pi=ni=1(Xpi Xp)2(3)Dp,pi=(Xpi Xp)TC1(Xpi Xp)(4)式中:C 为样本协方差矩阵;C1为样本协方差矩阵的逆矩阵;T 为矩阵的转置。采用交叉验证法选取最优 k 值,每次从 n 个样地中不重复地抽取一个样地 i,利用剩余的 n 1 个样地,并采用 k-NN
21、 估测样地 i 的森林地上生物量值yi,重复该过程共 n 次。设样地 i 的森林生物量值为yi,n 次共得到 n 对(yi,yi),则均方根误差(MSE)计算公式为:MSE=1nni=1yi y()i2(5)1.2.5精度验证对所建模型进行全面评价是模型得以使用的基础。曾伟生等31 曾提出将整个样本分成建模样本和检验样本进行建模的做法并不能对回归模型的评价提供额外有用的信息,应利用全部样本信息来建立模型,可以使建立模型的预估误差达到最小,统计指标可以体现模型预测精度。本文采用确定系数(2),估计值的标准误差(SEE)、平均系统误差(MSE)、平均预估误差(MPE)和预估精度(P)等指标反映模型
22、的预估精度,计算方程如表 4 所示。表 4精度指标计算公式Tab.4 Precision index formula and description精度指标公式确定系数(2)2=ni=1(yi y)2ni=1(yi yi)2ni=1(yi y)2估计值的标准误差(SEE)SEE=ni=1(yi yi)2/(n p)平均系统误差(MSE)MSE=1n(yi yi)/yi 100%平均预估误差(MPE)MPE=taSEEy()i/n 100%模型精度(P)P=(1 MPE)100%注:“yi”为实测值;“yi”为模型估计值;“y”为样本平均值;“n”为检验样本数;“P”为参数个数;“ta”为置信水
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 高分 遥感 数据 阿尔泰山 乔木 林地 生物量 预测 张绘芳
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。