多源光學遙感數據估算桉樹森林生物量

王長委，胡月明，沈德才，葉永昌，李成鋼

(1.華南農業大學信息學院，廣東 廣州 510642；2.東莞市林業科學研究所，廣東 東莞 523106；3.廣東省國土資源測繪院，廣東 廣州 510500)

多源光學遙感數據估算桉樹森林生物量

王長委1，胡月明1，沈德才2，葉永昌2，李成鋼3

(1.華南農業大學信息學院，廣東 廣州 510642；2.東莞市林業科學研究所，廣東 東莞 523106；3.廣東省國土資源測繪院，廣東 廣州 510500)

為了克服單個傳感器影像在估算森林生物量方面的局限性，采用多傳感器遙感影像估算森林生物量成為目前的發展趨勢。該研究根據光學遙感數據源比較多的特點，采用Landsat5 TM數據、ALOS AVNIR-2數據和CBERS-02B CCD數據估算東莞市桉樹森林生物量，在對比分析單個傳感器估算生物量能力的基礎上，將3種傳感器結合在一起估算東莞市桉樹生物量，充分發揮不同光學傳感器在光譜分辨率、輻射分辨率、空間分辨率和時間分辨率等方面的優點，避開各自的缺點，提高了估算桉樹生物量的精度，其決定系數達到0.65。該研究可為進一步研究大范圍的森林生物量估算提供參考。

遙感；多源傳感器數據融合；生物量；桉樹

一、引 言

隨著遙感技術的進一步發展，越來越多的由不同類型傳感器獲得的多傳感器、多時相、多空間分辨率、多光譜分辨率的遙感數據用于森林生物量的研究[1-2]。盡管光學遙感數據估算森林生物量存在很多不足，如飽和度比較低、估算結果不穩定、受天氣影響比較明顯等，但是有研究證明光學遙感數據結合一定的輔助數據(如生物氣候數據、樹齡、森林資源清查數據等)在森林生物量估算方面仍有很大優勢，且光學遙感數據源比較多，獲取方便，代價比較低，可以滿足大范圍森林生物量估算和長期生物量變化監測的需要。

本研究根據光學遙感數據源比較多的特點，以東莞市桉樹為研究對象，將Landsat5 TM數據、ALOS AVNIR-2數據和CBERS-02B CCD數據集成，結合一定的地面調查數據，探討多源光學遙感數據估算森林生物量的潛力。

二、材料與方法

1.研究區域

本研究將東莞的桉樹作為研究對象，一方面是因為桉樹是一種速成林木，用途廣泛，經濟價值高，是十分難得的短周期工業用材樹，在東莞的種植面積廣；另一方面是東莞市是中國經濟高速發展的區域，二氧化碳減排壓力大，森林碳匯問題尤其令人關注，而桉樹是目前世界上單位面積森林生產力最大的森林生態系統[3]，據研究，每公頃桉樹每年可吸收9 t二氧化碳，同時釋放氧氣，通過研究東莞市的桉樹生物量，為東莞市進一步制定碳排放政策提供參考。

東莞市位于廣東省中南部，地理坐標為113°31′—114°15′E，22°39′—23°09′N，陸地面積2465 km2。地處南亞熱帶，年平均氣溫22.1℃，年平均降水量1800 mm，地勢東南高、西北低，海拔多在 200～600 m。地貌以丘陵臺地、沖積平原為主。

2.野外樣地調查數據

根據東莞市桉樹分布情況，在全市布設了34個樣地，每個樣地大小為20 m×20 m。在2007年9—12月間，按照森林二類調查的要求對34個樣地進行實地調查，包括樹高、胸徑、年齡、數量、樹種、優勢樹種、郁密度等參數，最后按照廣東省林業調查規劃院提供的生物量計算公式計算每個樣地的森林生物量[4]，并轉化為以公頃為單位。

3.遙感數據的收集和處理

(1)遙感數據收集

桉樹林分生物量平均在3.5 a達到最大[5]，東莞市目前種植的桉樹生長期絕大部分已經超過15 a，生物量在短期內變化不大，分別采用2007年內獲取的Landsat5 TM數據(TM數據第6波段是熱紅外波段，且分辨率與其他波段不一樣，不參與分析)、 CBERS-02B CCD數據和ALOS AVNIR-2數據。各種遙感數據基本特性見表1。

表1 遙感影像數據參數表

(2)遙感數據預處理

①輻射定標

由于Landsat5衛星內部定標燈已逐漸失效，本研究采用USGS在2003年5月公布的一套參數對Landsat5 TM數據進行輻射定標。

CBERS-02B CCD數據根據中國資源衛星應用中心提供的2007年敦煌場地絕對輻射校正系數表進行輻射定標。

ALOS AVNIR-2數據根據頭文件中提供的Gain和Offset參數進行輻射定標。

②大氣糾正

為消除大氣和光照對地物反射的影響，獲取更準確的森林反射光譜信息，必須進行大氣糾正。本研究對Landsat5 TM數據、ALOS AVNIR-2數據和CBERS-02B CCD數據都采用簡化黑暗像元法進行大氣糾正。

③幾何糾正

本研究利用東莞市高分辨率遙感影像作為參考圖像，選擇二次多項式糾正模型。以橋梁、水庫大壩、十字路口、水渠等不變的標志為控制點，每景影像選擇30個以上點均勻分布于圖像，糾正誤差小于0.5個像元。采用最鄰近插值法，糾正后影像的像元大小為20 m×20 m，與樣地大小一致。

④重采樣

由于糾正后的影像可能出現和樣地不完全對應的現象，影響生物量的估算結果，為此本研究對遙感數據進行了8鄰域的重采樣，即以中心像元周圍8個方向的像元和中心像元9個像元值累加求和平均后的值作為中心像元的像元值，使樣地數據和光學遙感數據像元值的波動減小。

三、結果與分析

1.Landsat5 TM數據估算桉樹生物量

Landsat5 TM數據估算森林生物量的研究比較多，在借鑒他人研究的基礎上[6-7]，本研究選取Landsat5 TM 數據的 band1、band2、band3、band4、band5、band7、NDVI、RVI、EVI、ln(band3)、ln(NDVI)、ln(RVI)、ln(EVI)、exp(NDVI)、exp(RVI)、exp(EVI)、1/b3等17個參數為自變量，以桉樹野外樣地調查數據計算的生物量為因變量，采用stepwise策略下的多元回歸分析方法構建Landsat5 TM數據的桉樹森林生物量估算模型，模型如下

式中，RVI是比值植被指數；band1是藍色波段的反射率；band2是綠色波段的反射率。

模型(1)的決定系數R2為0.34，顯著度水平P為0.05，說明采用多元回歸分析方法構建的Landsat5 TM數據估算桉樹生物量模型是顯著的，其關系如圖1所示。

圖1 TM數據估算生物量和樣地調查生物量的關系圖

2.CBERS-02B CCD數據估算桉樹生物量

借鑒Landsat5 TM數據分析結果，CBERS-02B CCD數據選取了band1、band2、band3、band4、band5、NDVI、RVI、EVI、ln(band3)、ln(NDVI)、ln(RVI)、ln(EVI)、exp(NDVI)、exp(RVI)、exp(EVI)、1/b3等16個參數為自變量，以桉樹野外樣地調查數據計算的生物量為因變量，采用stepwise策略下的多元回歸分析方法構建CBERS-02B CCD數據的桉樹森林生物量估算模型，模型如下

式中，band1是藍色波段的反射率；band4是近紅外波段的反射率。

模型(2)的決定系數R2為0.42，顯著度水平P遠遠小于0.001，說明采用多元回歸分析方法構建的CBERS-02B CCD數據估算桉樹生物量模型是非常顯著的，其關系如圖2所示。

圖2 CBERS-02B CCD數據估算生物量和樣地調查生物量關系圖

3.AVNIR-2數據估算桉樹生物量

同樣，AVNIR-2數據借鑒Landsat5 TM數據的分析結果，選取了 band1、band2、band3、band4、NDVI、RVI、EVI、ln(band3)、ln(NDVI)、ln(RVI)、 ln(EVI)、exp(NDVI)、exp(RVI)、exp(EVI)、1/b3等15個參數為自變量，以桉樹野外樣地調查數據計算的生物量為因變量，采用stepwise策略下的多元回歸分析方法構建AVNIR-2數據的桉樹森林生物量估算模型，模型如下

式中，band4是近紅外波段的反射率；NDVI是歸一化植被指數；EVI是增強型植被指數。

模型(3)的決定系數R2為0.32，顯著度水平P為0.008，說明采用多元回歸分析方法構建的AVNIR-2數據估算桉樹生物量模型是非常顯著的，其關系如圖3所示。

圖3 AVNIR-2數據估算生物量和樣地調查生物量的關系圖

4.Landsat5 TM數據、ALOS AVNIR-2數據和CBERS-02B CCD數據集成估算桉樹生物量

根據Landsat5 TM數據、ALOS AVNIR-2數據和CBERS-02B CCD數據分別估算桉樹生物量的結果，將3種遙感數據所有參數全部作為自變量，以桉樹野外樣地調查數據計算的生物量為因變量，采用stepwise策略下的多元回歸分析方法構建3種遙感數據集成估算桉樹森林生物量，其估算模型如下

式中，landsat_ln(RVI)是TM數據比值植被指數的自然對數；landsat_band1是TM數據的藍色波段反射率；AVNIR_band1是AVNIR數據的藍色波段反射率；CBERS_band1是CBERS數據的藍色波段反射率；CBERS_band4是CBERS數據的近紅外波段反射率。

模型(4)的決定系數R2為0.65，顯著度水平P遠遠小于0.001，說明采用多元回歸分析方法構建的Landsat5 TM、ALOS AVNIR-2和CBERS-02B CCD數據集成估算桉樹生物量模型是非常顯著的，其關系如圖4所示。

圖4 TM、CBERS-02B CCD和AVNIR-2數據估算生物量和樣地調查生物量的關系圖

四、討 論

1.多傳感器遙感數據集成估算森林生物量

不同光學傳感器遙感數據具有不同的光譜信息、輻射信息、空間分辨率和時間分辨率。如本文所用的Landsat5 TM數據，其光譜信息比較多，但是空間分辨率比較低；ALOS AVNIR-2數據空間分辨率高，光譜信息少；CBERS-02B CCD數據有一個全色波段，是其他數據沒有的。因此將不同傳感器的遙感數據集成在一起估算森林生物量可以發揮每種傳感器估算森林生物量的優點。本文將Landsat5 TM、ALOS AVNIR-2和CBERS-02B CCD數據集成估算桉樹生物量，其模型的精度(R2＝0.65)相比單個傳感器Landsat5 TM(R2＝0.34)、ALOS AVNIR-2(R2＝0.32)和CBERS-02B CCD(R2＝0.42)的精度有明顯的提升，說明多源光學遙感數據集成，可以充分利用不同光學傳感器在光譜信息、輻射信息、空間分辨率和時間分辨率等方面的優點，避開各自的缺點，提高森林生物量估算模型的精度。

2.輻射糾正

不同的傳感器獲取遙感影像時，其大氣條件、光照條件、地表起伏、土壤濕度、植被氣候、傳感器成像模型和側視角等條件都不同，導致不同的傳感器獲取同一地區的影像具有較大的輻射差異，這給多源遙感數據的處理和分析帶來了極大的困難。對于遙感數據，輻射糾正(包括輻射定標和大氣糾正)是非常關鍵的處理過程，特別對于定量研究森林生物量，必須對遙感影像要進行輻射定標和大氣糾正，才能對多源遙感數據進行定量比較與應用。本研究采用了 Landsat5 TM 數據、ALOS AVNIR-2數據和CBERS-02B CCD數據估算東莞市桉樹森林生物量，分別進行輻射定標和大氣糾正，才能對比分析3種光學遙感數據估算東莞市的桉樹生物量能力，在此基礎上將Landsat5 TM數據、ALOS AVNIR-2數據和CBERS-02B CCD數據集成估算東莞桉樹生物量。

五、結束語

由于不同光學傳感器遙感數據具有不同的光譜信息、輻射信息、空間分辨率和時間分辨率，導致不同的光學遙感數據估算森林生物量能力各異，對不同的光學遙感數據集成可以發揮每種光學遙感數據估算森林生物量的優點，抑制其缺點，提高光學遙感數據估算森林生物量的能力。

[1] 李德仁，王長委，胡月明，等.遙感技術估算森林生物量的研究進展[J].武漢大學學報：信息科學版，2012，37(6)：631-635.

[2] 任潤東，吳秋蘭，潘寧寧，等.基于物聯網的森林碳匯遙感測量的探討[J].測繪通報，2012(S1)：444-446.

[3] 陳少雄，劉杰鋒，孫正軍，等.桉樹生物質能源的優勢、現狀和潛力[J].生物質化學工程，2006，40(S1)：119-128.

[4] 朱劍云，莫羅堅，葉永昌，等.東莞森林生態系統碳儲量研究[J].廣東林業科技，2011，27(2)：22-29.

[5] 韓斐揚，周群英，陳少雄，等.2種桉樹不同林齡生物量與能量的研究[J].林業科學研究，2010，23(5)：690-696.

[6] WIJAYA A，KUSNADI S，GLOAGUEN R，et al.Improved Strategy for Estimating Stem Volume and Forest Biomass Using Moderate Resolution Remote Sensing Data and GIS[J].Journal of Forestry Research，2010 (21)：1-12.

[7] 郭志華，彭少麟，王伯蓀.利用TM數據提取粵西地區的森林生物量[J].生態學報，2002(11)：1832-1839.

Estimation of Eucalyptus Plantation Above-ground Biomass Using Multisensor Optical Data

WANG Changwei，HU Yueming，SHEN Decai，YE Yongchang，LI Chenggang

P237

B

0494-0911(2014)12-0020-04

王長委，胡月明，沈德才，等.多源光學遙感數據估算桉樹森林生物量[J].測繪通報，2014(12)：20-23.

10.13474/j.cnki.11-2246. 2014.0388

2013-11-06

十一五科技支撐項目(2009BAD2B0604)；林業公益性行業專項資助項目(201104006)

王長委(1977—)，男，陜西西安人，博士，現主要從事森林遙感研究。

胡月明