基于GLAS和MODIS數據的森林生物量估算

鄧歡 程峰 李倩楠

摘要：森林植被在陸地上分布面積廣泛，具有較高的生產力及生物量累計，在全球氣候變化中起著重要的作用，已成為研究的熱點之一。云南省作為中國的三大林區之一，對該地區的森林生物量進行研究具有較高的意義。本文利用GLAS和MODIS數據反演出連續的森林植被高度，并與實地測量的生物量數據建立多種生物量估算模型，最后選取效果最好的一元線性模型估算了云南省的森林生物量。結果表明GLAS與MODIS聯合反演得到的森林平均高度結果較好，最終估算得到云南全省生物量。在檢驗時將估測的云南省香格里拉縣生物量數據與實測生物量數據進行精度比較，估測精度為90.45%。對云南森林生物量研究，不僅可以豐富碳循環研究的理論與方法，也可促進東南亞和云南潛在的碳匯市場形成，并推進“森林云南”的建設。

關鍵詞：GLAS;MODIS;云南;森林;生物量

中圖分類號：S718 文獻標識碼：A 文章編號：1007-9416（2019）11-0229-04

隨著全球工業經濟的快速發展，CO2、CH4等溫室氣體大量排放，資源過度利用和植被破壞，導致全球變化問題日益凸顯。森林是陸地生態的主體，生物量占陸地綠色植被總生物量的90%[1]，對研究生物生產力及全球變化具有重要的意義，同時也是估算碳收支的重要參數[2]。森林生物量不僅能為森林生態系統提供能量和營養物質，還可揭示森林生態系統有機質的循環變化規律[3，4]，在碳循環、全球氣候變化研究中起到至關重要的作用[5，6]。目前各國已積極開展了本國森林碳儲量的估測工作。

我國也在積極的對森林生物量進行調查，然而傳統森林生物量調查方法需要費時費力，獲得數據卻相對有限。遙感技術具備的觀測范圍廣、高時效性等特點為森林生物量估算提供了有力保障。然而，光學遙感數據受大氣及植被覆蓋度等影響較大，而且對植被穿透力不強，很難獲取包括森林冠層高度在內的植被結構數據。

激光雷達遙感可精確獲得森林垂直方向上的結構信息，為森林生物量估算提供了一種全新的方法。但星載激光雷達（Geosicence Laser Altimeter System，GLAS）數據的空間分辨率低且不連續分布，因此需要輔以光學遙感數據進行大面積的森林生物量準確估算，并研究其時空變化規律。本文將GLAS和MODIS數據聯合估算云南生物量來提高遙感數據的利用潛力和生物量估算精度。

1 研究區域

云南省位于中國西南邊陲，介于北緯21°8′22″～29°15′8″和東經97°31′39″～106°11′47″之間，東西、南北最大距離分別為864.9km和990km，全省總面積達39.4萬km2（圖1）。云南地勢自西北向東南方向呈現階梯狀傾斜：一級階梯為滇西北德欽、香格里拉一帶，地勢最高，滇中高原為第二階梯層，東南、南部和西南部為第三階梯層，海拔最低，平均每公里遞降6m。全省山地占全省總面積的84%，丘陵和高原約占10%，河谷和盆地僅占6%。云南是一個森林資源大省，林業用地面積2424.76萬hm2，森林面積約占全國總面積的10%。其中有林地面積為1501.50萬hm2，有林地覆蓋率39.24%;活立木蓄積達154759.0萬m3，林分蓄積為139929.6萬m3;非林業用地面積為1402.18萬hm2，占36.63%。

2 數據

2.1 GLAS數據

冰、云和陸地高程衛星（Ice，Cloud and land Elevation satellite，簡稱ICESat）為搭載GLAS系統的衛星平臺。該衛星是首顆也是目前唯一在軌運行的激光雷達搭載平臺，2003年1月13日在加利福尼亞州范登堡空軍基地發射。GLAS傳感器數據的采樣間隔為1ns（距離為15cm）。GLAS數據產品可分為3個級別（0-2級）共有15種產品，其中：0級產品是傳感器電碼數據包;1級產品又分為1A和1B， 1A級為衛星記錄數據，1B為初級產品數據;2級產品為應用數據。本文采用2004/02-2008/02期間GLAS波形數據GLA01（1A級）和產品數據GLA14（2級），數據均從美國冰雪數據中心（http：//nsidc.org/data/icesat/index.html）網站下載。

2.2 MODIS數據

MODIS傳感器具有36個光譜波段，波長范圍分布在0.4～14.4μm之間，具有很強的地表類型識別能力。MODIS BRDF數據為MODIS四級產品數據，空間分辨率為500m（第五版本），以HDF格式存儲。MODIS BRDF產品包含四類數據文件：MCD43A1為RTLSR核的三個反演參數;MCD43A2為產品的質量數據;MCD43A3為反照率產品數據;MCD43A4為MODIS 1-7波段的NBAR產品。本研究采用的是2006年2月份合成的500m分辨率MCD43A1產品數據。

2.3 實測數據

在本論文中將香格里拉藏族自治縣、昆明市及西雙版納傣族自治州三地作為實測數據的采集區域，實測數據中主要包含了樹高、蓄積量等信息。在2010年12月～2011年1月期間分別對昆明市和西雙版納傣族自治州的森林GLAS點進行驗證，分別獲取61個和38個實測數據。

3 方法

3.1 樹高估測

GLAS全波形激光數據記錄了光斑內地物的垂直結構信息。當激光傳感器向地面發射激光脈沖后，入射脈沖部分信號接觸森林冠層后被反射并被傳感器所接收，形成信號的第一個回波點;未被反射的信號穿透冠層，期間不斷被反射，最后到達地面的脈沖信號形成最后一個反射較大的反射峰（地面回波）。其中第一個回波點和最后一個反射峰之間信號能很好的反映植被結構信息。為提取森林植被高度數據，首先對GLAS數據進行格式轉換、濾波等預處理，然后利用小波中不同尺度的離散小波基對植被部分的激光信號進行擬合，記錄不同峰值的位置信息，通過計算第一個和最后一個峰值之間的距離來確定森林植被的平均高度（H）（圖2）[7]。

3.2 GLAS和MODIS數據聯合反演樹高

在MCD43A1數據中提供了MODIS1-7波段和三個寬波段總共十個波段數據，每個波段包含有3個BRDF參數。BRDF模型中的參數包含了植被結構信息[8]，這些參數能夠用來進行植被高度的估算[9]，在選擇波段時采用了姜曉光等人提出的波段指數方法來選擇最優波段組合[10]，最后選取了第2、5波段以及近紅外波段。

利用土地利用/土地覆蓋格單元數據[11，12]依據《中華人民共和國森林法》中劃分標準（有林地：連續面積大于0.067hm2、郁閉度0.20以上、附著有森林植被的林地）將MODIS數據劃分有林地和非有林地兩種地類，在有林地范圍內選取一定量的GLAS樹高數據和9個BRDF參數作為訓練樣本，構建人工神經網絡模型，估算森林生物量，最后應用該模型估算研究區內連續的植被高度數據[13]。

3.3 生物量估算

在利用森林高度與實測生物量數據建立模型時可以利用一個公式來進行估算森林生物量[14]，因為在本文中未將森林進行分類，不能利用不同林種的樹高數據與生物量數據建立模型，但是根據Dirk Pflugmacher等人的研究，沒有進行林種分類的森林也可以直接將高度數據與生物量建立模型[15]，因此文中直接利用未分類的樹高數據與實測生物量數據建立生物量估測模型。回歸模型在林業中的應用十分廣泛，本文利用估算出來的連續植被高度與實測生物量數據建立六種模型（一元模型、二次模型、三次模型、對數模型、指數模型、S曲線模型），然后根據模型的相關系數R、復相關系數R2、及F統計量，選用回歸系數最大、擬和度最優的各林種擬合方程作為最終各林種生物量遙感估算模型[16]。

表1為擬合出來的模型及相關判定檢驗結果，從相關性上來看，一元模型、二次模型、三次模型的相關性相近，對數模型、指數模型、S曲線模型的相關性與前面三種模型較低，則不予考慮。在一元模型、二次模型、三次模型三種模型中，一元三次模型的相關系數最高，但是其F值在三種模型中是最低的，顯著性不如前兩種模型，而一元線性模型相關性和一元二次模型一致，只比一元三次模型低0.006，但是其顯著性是最好的，綜上所述，采用表1中一元線性模型作為估算云南省生物量的模型。

4 結果分析

圖3中可以看出神經網絡模型估算的云南植被高度分布基本符合現實情況。大部分植被高度集中在9～20m之間，滇西北和滇南的植被較高。由于MODIS MCD43A1數據的空間分辨率是500m，則一個遙感圖像的像元內則有可能不只一個實測點，在精度檢驗時，對一個像元內多個實測數據求均值，再與反演得到的平均植被高度數據進行對比。除此之外，除去異常點之后，香格里拉縣一共有的42個點，昆明市35個點，西雙版納18個點。然后利用不同地區的實測樹高與計算結果進行線性擬合后發現，香格里拉和昆明擬合出來的相關性相近，而西雙版納的實測數據擬合出的結果相關性較低。另外香格里拉的RMSE是1.828，昆明是1.889，西雙版納是4.427，西雙版納比昆明和香格里拉的大，表明西雙版納的數據擬合時有較大的誤差（表2）。這其中存在野外實測誤差的影響，同時也有可能是GLAS與MODIS數據聯合反演時植被高度樣本數據選取有關。

采用擬合出的一元線性模型估算出了云南省平均生物量分布數據（圖4）。從圖中可以看出，云南省平均生物量主要集中在90t/hm2至170t/hm2之間，生物量在滇西北和滇南最為豐富，滇東南比較其他地方也比較豐富，而在滇中這樣的經濟較為發達的區域，生物量相對較少。為了驗證結果是否正確，需要進一步利用實測數據點來驗證最后估算得出的生物量。

驗證過程中采用昆明、香格里拉、西雙版納三地共計43個樣點的實測生物量數據對估算結果進行驗證，相關性較擬合模型時低，但相關系數也達到了0.708（表3），從圖中可以看出擬合的結果分布較好，顯示估算的結果達到了預期的效果。

根據擬合出來的云南省平均生物量，接著將云南省總的生物量數據計算出來，共3334805009.866t。因為未能獲取云南全省的生物量的實測數據，不能直接對計算出來的云南總的生物量數據進行直接驗證，為了進一步驗證數據的準確性，則驗證了云南省的某一部分估算結果的正確性。之前獲取了云南香格里拉縣在森林進行調查規劃中的森林蓄積量數據，將其計算獲取香格里拉縣的生物量數據與本文中估算的得到的值進行比較。

根據模型估算得出香格里拉縣的生物量為125639261.975t，而森林調查得到的生物量為113645483.710t，二者相差11993778.265t，估測精度達到了90.45%（表4），這從另一個側面也證明了基于GLAS和MODIS數據估算生物量的模型的可靠性。

5 結論與討論

云南位于我國西南邊疆，森林資源豐富，然而云南又是一個多山地的省份，地形復雜，僅僅依靠野外調查的方法是不可能獲得全省生物量數據，因此采用遙感手段，估算全省生物量顯得尤為重要。通常利用遙感方法估算生物量采用的方法只是利用傳感器接收的光譜等信息來建立估算生物量模型，達到估算森林生物量的目的，這些僅僅都是停留在二維的基礎上，這樣就造成了森林植被在垂直方向上很多信息的丟失，增加了模型估算的誤差。然而激光雷達的出現，改變了這一現狀，GLAS數據能獲取森林植被垂直方向上的信息，最主要就是能獲取植被高度數據。我們知道森林生物量與蓄積量是高度相關的，然而蓄積量又是與胸徑、樹高等要素高度相關，因此能獲取植被垂直方向上的高度為估算精確的生物量提供很好的基礎數據，由原來估算生物量的二維數據發展到三維空間上，估算結果更為準確。

GLAS和MODIS聯合反演得到的連續植被高度，從直觀上看反映了云南植被分布的特征，用實測數據驗證得到的結果也達到了預期效果，由此可以看出，GLAS數據估算的出的植被高度分布特征通過聯合反演能反映到連續植被高度數據上。

在估算的云南連續植被高度的基礎上利用植被高度與實測生物量數據建立回歸模型，根據相關關系等要素最后選擇一元線性回歸模型。通過擬合出來的模型估算出云南全省的生物量，總計3334805009.866t，最后估算了香格里拉縣的生物量為125639261.975t，森林調查得到的生物量為113645483.710t，估算精度為90.45%，效果較好。

本文只利用與生物量高度相關的樹高信息和實測生物量建立模型，但是生物量不僅僅與樹高相關，與胸徑、LAI等要素同樣高度相關，而光學一些遙感數據（如TM）則獲取其中一些參數較為容易一些，如果結合光譜信息，則會獲取更豐富的信息源。激光雷達能獲取垂直方向上的植被結構信息，而光學傳感器能獲取平面上的植被信息，由此估算得出的結果也會更可靠，為以后更為精確的估算森林生物量提供新方法。

本次估算云南全省的生物量沒有劃分林種，而是將所有林木的植被高度與生物量建立模型，不同的樹種的樹高與生物量之間的關系還是存在一些差異的。在以后的研究中可以更進一步的去研究不同林種之間GLAS數據計算的樹高與生物量之間的關系，建立更為精確的生物量估算模型。

參考文獻

[1] Yang H X，Wu B，Zhang J T，et al.Progress of research into carbon fixation and storage of forest ecosystems[J]. Journal of Beijing Normal University （Natural Science），2005，41（2）：172-177.

[2] Brown S，Sathaye J，Cannell M，et al.Mitigation of carbon emissions to the atmosphere by forest management[J].The Commonwealth Forestry Review，1996：80-91.

[3] Brown S L，Schroeder P，Kern J S.Spatial distribution of biomass in forests of the eastern USA[J].Forest Ecology and Management，1999，123（1）：81-90.

[4] Bungart R，Hüttl R F.Production of biomass for energy in post-mining landscapes and nutrient dynamics[J].Biomass and Bioenergy，2001，20（3）：181-187.

[5] Dixon R K，Solomon A M，Brown S，et al.Carbon pools and flux of global forest ecosystems[J].Science，1994，263（5144）：185-190.

[6] Fang J Y，Wang G G，Liu G H，et al.Forest biomass of China： an estimate based on the biomass volume relationship[J].Ecological Applications，1998，8（4）：1084-1091.

[7] Wang C，Tang F，Li L，et al.Wavelet analysis for ICESat/GLAS waveform decomposition and its application in average tree height estimation[J].IEEE Geoscience and Remote Sensing Letters，2012，10（1）：115-119.

[8] Gao F，Schaaf C B，Strahler A H，et al.Detecting vegetation structure using a kernel-based BRDF model[J].Remote Sensing of Environment，2003，86（2）：198-205.

[9] Wang Z，Schaaf C B，Lewis P，et al.Retrieval of canopy height using moderate-resolution imaging spectroradiometer（MODIS） data[J].Remote Sensing of Environment，2011，115（6）：1595-1601.

[10] Jiang X，Tang L，Wang C，et al.Spectral characteristics and feature selection of hyperspectral remote sensing data[J].International Journal of Remote Sensing，2004，25（1）：51-59.

[11] Jiyuan L，Mingliang L，Xiangzheng D，et al.The land use and land cover change database and its relative studies in China[J].Journal of Geographical Sciences，2002，12（3）：275-282.

[12] Liu J，Liu M，Tian H，et al.Spatial and temporal patterns of China's cropland during 1990-2000： an analysis based on Landsat TM data[J].Remote sensing of Environment，2005，98（4）：442-456.

[13] Cheng F，Wang C，Jiang X.The inversion of average vegetation height using ICESat GLAS and MODIS data：a case study of three provinces in Northeastern China[C]//Remote Sensing of the Environment：The 17th China Conference on Remote Sensing.International Society for Optics and Photonics，2011，8203：82030M.

[14] Lefsky M A，Hudak A T，Cohen W B，et al.Geographic variability in lidar predictions of forest stand structure in the Pacific Northwest[J].Remote Sensing of Environment，2005，95（4）：532-548.

[15] Pflugmacher D，Cohen W，Kennedy R，et al.Regional applicability of forest height and aboveground biomass models for the geoscience laser altimeter system[J].Forest Science，2008，54（6）：647-657.

[16] Payandeh B.Choosing regression models for biomass prediction equations[J].The Forestry Chronicle，1981，57（5）：229-232.