基于遙感的森林生物量估測樣地調查方法的研究動態

張加龍 胥 輝

( 西南林業大學林學院，云南 昆明 650233)

生物量是指面積內所有生物的有機物質總量，一般以單位面積的干質量（如g/m2、Mg/hm2或t/hm2）表示[1]。森林是陸地生態系統的主體，森林生物量[2]是森林生態系統最基本的數量特征，包括林木的生物量和林下植被層的生物量，林木生物量包含地上和地下部分。因此，森林生物量的估測是森林資源調查與評價的一項重要內容，對于理解全球氣候變化具有重要意義。

日益發展的遙感技術具有快速、準確并能進行長期、動態、宏觀監測的優勢[3]。劉茜等[4]對1995年以來遙感估算森林生物量的國內外文獻進行統計，利用遙感技術估測生物量的文獻數量和被引次數在2010年以來增加迅速。遙感數據源從光學、微波到雷達等形式眾多，且隨著時間的積累，數據量不斷增大，給遙感估測生物量研究帶來了新的機遇與挑戰。

遙感估測森林生物量一般需要進行地面樣地調查，通過樣地調查和計算的生物量與遙感因子的關系，建立遙感估測生物量的統計模型，進而估算區域生物量。本研究主要從樣地的設置、樣地大小、調查方法、調查因子等方面進行回顧，獲取調查方法的經驗，為外業工作提供參考，以便更為科學地應用樣地調查方法。

1 國內遙感估測森林生物量的樣地調查方法

1.1 收集已有調查數據

從樣地的數據來源看，直接收集國家森林資源清查數據的文獻較多。其中，仝慧杰[5]通過Landsat的波段信息建立了北京北部地區森林生物量的遙感估測模型，利用清查數據將蓄積轉換為生物量。樣地按2 km×2 km格網布點。樣地面積為0.066 7 hm2，邊長為25.826 m，抽取了199塊樣地。樣地的坐標為西南角的坐標，將其移至樣地中心點，即中心點坐標為西南角坐標增加邊長的一半。韓愛惠[6]利用CBERS-WF1、MODIS和森林資源清查數據，構建了東北三省森林生物量估測模型。3個省份的樣地調查年份、個數和大小分別為：吉林省2004年、8 871個、0.08 hm2，黑龍江省2005年、11 664個、0.067 hm2，遼寧省2005年、4 548個、0.067 hm2。樹種各部分生物量的估算公式參考已編的手冊。李明澤等[7]利用長白山地區遙感影像和122塊森林資源連續清查固定樣地數據估算了該地區森林生物量，調查胸徑，模擬樹高，計算出各種樹種的生物量。其次，也有收集森林資源二類調查的抽樣控制樣地數據。如岳彩榮[8]采用Landsat數據估測了香格里拉2009年主要優勢樹種生物量，收集了抽樣控制樣地數據和調查的186個樣地，補充樣地的布設主要根據研究區的地形和森林立地條件，盡量做到分布均勻、具有代表性。樣地生物量利用蓄積到生物量的轉換方法計算[9]。二類調查的控制樣地一般采用系統抽樣，采用角規控制檢尺[9-10]，根據調查面積、樣地面積、精度要求等來計算[11]。因為要配合調查和多次計算，此數據較難收集。調查過程中實測每木胸徑和1～3株平均木樹高，目前文獻中用到較少，今后可以作為一項數據來源。

收集已有數據可以降低研究成本，但是對于樣地調查過程中的不確定性難以把握。從之后的研究來看，較好的方式是參考已有調查設計，開展一定的補充調查。

1.2 外業調查數據

1.2.1 被動式傳感器

國內基于被動式傳感器的遙感森林生物量估測樣地調查代表性研究情況見表1。

表 1 國內基于被動式傳感器的遙感森林生物量估測樣地調查代表性研究情況Table 1 Representative research on remote sensing forest biomass estimation plot survey based on passive sensors in China

采用被動式傳感器數據的研究中，郭穎[12]為了進行森林地上生物量（AGB）估測，在研究區范圍內設置了4種樣地，對不同類型樣地的青海云杉（Picea crassifolia）進行了每木調查。超級樣地為100 m×100 m，按2 m×25 m的大小劃分了16個子樣地。樣帶樣地帶長為1 km，在樣帶上每隔50 m布設一塊20 m×20 m的樣地。樣帶樣地與超級樣地有部分重合，樣帶上的1 號樣地位于超級樣地的中心，樣地中心的距離為50 m。共調查了16塊固定樣地，在其他區域進行了臨時樣地的觀測。杜華強等[13]利用Landsat數據估測了浙江安吉縣毛竹（Phyllostachys heterocycla）林生物量，樣地大小為30 m×30 m，利用羅盤儀確定樣地邊界，用GPS確定樣地中心坐標。樣地內單株毛竹地上生物量采用已有公式估算。樣地設為20 m×20 m，并在每個大樣地內及中間設置了5個3 m×3 m小樣地。在盡量包含不同徑階的前提下，從每個大樣地內選擇1～3株樣竹，伐倒后記錄其胸徑、冠幅、枝下高、樹高等因子，計算各器官含水率，從而得到整株樣竹地上部分干質量。雷竹（Phyllostachys praecox）AGB估算過程為：首先由伐倒雷竹構建單株AGB與胸徑模型，并由模型計算出小樣地AGB；然后，由小樣地雷竹AGB與株數建立雷竹AGB株數的經驗模型；最后，根據大樣地總AGB，將其尺度轉化為30 m×30 m樣地上的AGB，與TM進行匹配。鄭光等[14]利用ETM+影像估測了森林生物量，調查了60個樣地，進行了GPS定位和每木檢尺，根據實測數據計算每株林木AGB。王紅巖等[15]利用SPOT5估測了植被地上生物量，面積統一設置為20 m×20 m。用差分GPS準確定位，進行每木檢尺，計算單木生物量，進而累計。黃金龍等[16]利用IKNOS影像提取的單木冠幅信息并結合野外實測的樣方生物量數據，建立了針葉林和闊葉林AGB模型，調查了41個25 m×25 m樣地。對胸徑大于6 cm的樹木進行每木檢尺，利用生物量方程計算單木生物量并累計。

由此可見，被動式傳感器研究中，樣地設計采用隨機布設，考慮不同的立地條件。樣地采用方形為主，樣地邊長從3～100 m不等，大樣地中往往布設小樣地，樣地從10～100個左右不等。樣地調查基本都采用差分GPS進行準確定位，對胸徑大于5 cm的樹木進行每木檢尺。由于被動式傳感器接收到的是地物反射率，在提高生物量預測方面存在一定的難度，今后應該加大樣地調查數量，進行長期觀測建立生長模型，在光飽和和不確定性方面拓展研究。

1.2.2 主動式傳感器

國內基于主動式傳感器的遙感森林生物量估測樣地調查代表性研究情況見表2。

表 2 國內基于被動式傳感器的遙感森林生物量估測樣地調查代表性研究情況Table 2 Representative research on remote sensing forest biomass estimation plot survey based on passive sensors in China

在使用主動式傳感器的研究中，黃克標等[17]利用ICESat GLAS、機載激光雷達輔助數據建立了云南省森林生物量估測模型，樣地共78個。樣地中心坐標采用差分GPS進行定位，對樣地內胸徑大于5 cm的樹木進行每木檢尺，采用圍尺和激光測高器測量胸徑和樹高。李文梅等[18]應用機載單基線極化干涉SAR（Pol-InSAR）估測了森林AGB，設置若干個0.04～0.05 hm2的圓形樣地，根據樹木胸徑所屬徑階，記錄在4個不同半徑大小同心圓內的樹木和株數：半徑為2.78 m（0～5.9 cm），半徑為3.97 m（6～11.9 cm），半徑為6.9 m（12～29.9 cm），半徑為12.62 m（大于30 cm）。林分AGB利用生長方程、收獲表等計算。曹林等[19-20]在江蘇虞山林場布設了樣地進行了森林生物量估測研究。一項研究是集成Landsat OLI和機載LiDAR條帶數據完成了生物量制圖，樣地設計參考了森林資源二類調查的成果指標，調查了60塊30 m×30 m的樣地。另外一項研究是利用機載LiCHy高光譜和高分數據進行了森林生物量反演，樣地設計參考了森林資源清查的成果指標，調查了30塊30 m×30 m的樣地。2項研究均對胸徑大于5 cm的樹木檢尺，單木計算后累計得到樣地森林生物量。韓宗濤等[21]采用多源遙感數據對內蒙古呼倫貝爾北部根河森林保護區的森林進行了生物量模型構建，共調查了邊長為30 m和45 m的2種方形樣地，共計56塊。樣地采用差分GPS準確定位，對于胸徑大于5 cm的樹木進行檢尺，采用單木方程計算生物量后累計得到樣地生物量。

可見，在主動式傳感器研究中，樣地設計過程中的大樣地中通常加密小樣地，并參考已有森林資源調查成果森林分布情況。以圓形樣地為主，半徑從2～45 m不等，大樣地中會設置小的樣圓，樣地數小于100個。樣地調查基本都采用差分GPS進行準確定位，對大于胸徑5 cm的樹木進行每木檢尺。主動式傳感器可以獲取樹木的垂直結構，因此有效提高了生物量估測精度，由于成本較高，推廣應用受到一定的限制。此類研究中的樣地以圓形為主，但是樣地和影像的精確匹配難度較大。

1.3 生物量動態研究中的樣地調查

在進行生物量動態估測中，宋麗楠[22]利用LandsatTM及1990、2004年固定樣地數據估測了生物量動態，根據每木檢尺數據計算每株樹木的生物量，通過編程法計算單位面積森林生物量。李鳳鳳[23]利用2005、2009年森林資源調查數據和Landsat、HJ-1B遙感數據估測了泗陽縣楊樹生物量及動態變化，收集了江蘇省森林一類連清統計數據和江蘇省森林二類調查數據。

目前國內進行生物量動態的研究較少，特別是時間跨度大的。從現有的文獻來看，基本是收集已有森林資源調查成果為主。我國森林資源一類調查已開展了9次，固定樣地的調查成果為今后進行生物量估測的動態研究提供了良好的基礎，但相關應用研究較少。另外，應該在一些研究區，進行長期的地面調查和固定樣地觀測，以保證今后構建生物量生長模型和森林生物量動態、高精度估測。

2 國外遙感估測森林生物量樣地調查方法

2.1 收集已有調查數據

國外文獻中以收集國家森林資源連續清查數據為主，歐洲國家中主要為國家森林清查數據。如Fassnacht等[24]總結了基于遙感的AGB反演生物量方法，討論了樣地大小、數據類型和預估方法的重要性。作者檢索了2000—2013年web of knowledge數據庫中關鍵詞為REMOTE SENSING”、“BIOMASS”、“RADAR”或“LIDAR”、“ALS”、“SAR”的文獻，篩選出與研究相關的 113篇文獻進行分析。進行了2個地方的樣地調查，基于LiDAR進行了生物量估測。一個研究區位于德國的Karlsruhe，收集了297塊一類調查數據，是以200 m×100 m為格網的圓形樣地，樹木胸徑大于7、15、30 cm分別采用2、3、6 m的圓形來測量，樣地總的半徑大小為12 m。單木生物量采用單個樹種生長模型，然后基于DBH值，用擴展因子值計算單木生物量并匯總。另外1個研究區位于智利的Monte Oscuro，樣地設計采用系統的200 m×200 m格網，包含150個組，由5個8 m半徑的亞樣地組成（1個中心樣地，4個圍繞著的樣地，離中心點40 m）。樹木胸徑大于5、10、20 cm分別采用2、4、8 m的圓形來測量，每個亞樣地半徑大小為8 m。進行樹高測量，未測量的樹高采用樹高曲線獲得。單木生物量值通過二次生長模型來計算。

Fernández-manso等[25]使用 ASTER 光學數據和線性的光譜混合分析方法反演了西班牙中部地中海松（Pinus halepensis）林AGB。研究使用了1 033塊圓形樣地，生物量的計算是基于樹種類型、DBH，有時使用了樹高。Main-Knorn等[26]利用Landsat歷史數據探測了針葉林生物量的變化，根據“國家森林署”提供的森林資源數據計算了地上總生物量。清查數據為2003、2004、2007年。首先，在2005、2006、2007年的野外調查中，隨機確認了211個樣地。然后，使用已有的公式，將材積轉換為AGB。Gómez等[27]利用1984—2009年間Landsat數據反演了西班牙中部地中海松林的森林生物量動態，使用時間光譜軌跡來研究森林連續的發展狀態。地面數據為2期（1990年NFI2和2000年NFI3）的西班牙國家森林清查數據，包括每木胸徑，整個樹高，每個樣地的株數，用于計算605個樣地的生物量。AGB計算是根據每個特定樹種異速生長方程計算，所有的樹木胸徑≥ 7.5 cm。

美國農業部森林署提供了森林清查分析數據（FIA）。Zhang等[28]采用一個簡單的參數模型，融合Landsat TM提取的葉面積指數LAI和GLAS數據獲取的樹冠最大高度，從而估測了森林AGB。在加尼福尼亞進行了試驗，每2 400 hm2FIA基礎樣地包含1個樣地。研究從FIA數據庫中收集了2001—2007年AGB估測值、樹高、單位面積樹木株數，共2 205個樣地。Pflugmacher等[29]利用Landsat和LiDAR數據繪制了森林生物量的變化，野外數據來源于美國森林服務署提供的連續植被測量（CVS）產品，該數據1993—1996年測量，1997—2007年復測。每個樣地中，胸徑≥2.54 cm將會測量，同時記錄樹木種類。單木AGB估測利用野外數據，同時估測基于LiDAR的AGB。然后利用單位面積的轉換系數計算樣地水平的生物量。研究者只選擇了單一條件的同性質的樣地來減少幾何糾正誤差。然后，人工剔除了一些異常值，如連接到公路和草地的樣地，結果刪除了少于5%的樣地。最后，對于每一個樣地，提取了樣地中心對應的Landsat像元值，采用3×3的窗口進行了重采樣。Powell等[30]利用Landsat時序數據估測了森林AGB，外業數據采用歷史數據，基于連清數據計算了基于樣地水平的生物量數據集，每個連清數據由4個7.3 m半徑的亞樣地組成，對于每一個樣地，計算了所有樹木大于1英尺半徑的地上生物量。只使用了相同質量條件的樣地，來減少潛在的誤差。另外，Su等[31]從已出版的論文中收集了8 429個森林資源連清數據，樣地包括了自然林和人工林，每個樣地包括了樣地坐標和相關屬性，包括立地起源、測量方法和AGB值等。為了統一，樣地進行了篩選，必須滿足4個條件：1）必須經過幾何校正；2）必須大于0.05 hm2；3）必須2000年后測量；4）不能使用收獲法。對同一個地理位置不同年份測量的數據進行了平均。最終，剩下1 065個樣地數據進行生物量制圖研究。

由此可見，歐美發達國家已經形成了自己的國家森林資源清查產品，部分國家還專門建立了網站，提供樣地統計數據和衍生數據，長期的觀測數據為生物量動態研究提供了保障。樣地以圓形為主，采用一定的格網間距或者分層抽樣。和我國不同的是，樣地一般是大樣地中布設亞樣地，用小樣地推算大樣地生物量，樣地調查以調查樣木為主、以胸徑擴展因子計算生物量居多。

2.2 外業調查數據

2.2.1 被動式傳感器

國外基于被動式傳感器的遙感森林生物量估測樣地調查代表性研究情況見表3。

表 3 國外基于被動式傳感器的遙感森林生物量估測樣地調查代表性研究情況Table 3 Representative research on remote sensing forest biomass estimation plots based on passive sensors in foreign countries

Soenen等[32]利用SPOT5獲取了森林結構和生物量，樣地大小為0.04 hm2，保證至少有1個10 m的像元落在每個樣地中。AGB的驗證數據是通過測量每一個樣地的胸徑和樹高獲得。調查包括樹高、樹冠中心的高度、水平的和垂直的樹冠半徑。樹高和到樹冠中心的高度用20 m的數字測角器測得。垂直樹冠半徑是由整個樹高減去到冠幅的高度獲得。使用密度計測量每棵樹的水平冠幅半徑，以確定表冠的邊緣對地面（即滴線）的垂直投影。然后測量從滴水線到樹干的距離。該過程垂直于第1次測量重復，以表征水平冠幅尺寸的變化。Güneralp等[33]使用Landsat和SPOT多光譜數據估測了生物量，收集了32個圓形的樣地數據，面積約0.04 hm2。基于坐標網格建立了間距范圍從25～50 m的樣地，以表示大尺度上的植被分區格局。測量胸徑，確定樹種類型、株數和平均木。在這個研究中，考慮胸徑≥5 cm的樹木，通過異速生長方程來計算生物量。Lu等[34]利用Landsat估測了亞馬遜流域的地上生物量，在亞馬遜東部，每個樣區布設10個樣地（10 m×15 m），隨機布設1個亞樣地（5 m×2 m）。樣地設計采用森林清查方法，亞樣地隨機布設。在西部，3個樣地及亞樣地（10 m×10 m和3 m×3 m），對于幼木和草本植物，設置了1 m×1 m的亞樣地。

由此可見，被動式傳感器研究中，樣地設計以隨機布設和分層抽樣為主。樣地采用方形和圓形，樣地數小于50個，大樣地中往往布設小樣地。對胸徑大于5 cm的樹木進行每木檢尺，基于胸徑和樹高計算生物量。

2.2.2 主動式傳感器

國外基于主動式傳感器的遙感森林生物量估測樣地調查代表性研究情況見表4。

表 4 國外基于主動式傳感器的遙感森林生物量估測樣地調查代表性研究情況Table 4 Representative research on remote sensing forest biomass estimation plot survey based on active sensors in foreign countries

Schlund等[35]利用TanDEM-X數據估測了森林地上生物量，在2005年1月收集了8個現地數據，樣地大小為100 m×10 m。然而，由于它們的空間相鄰性，最終在100 m×20 m的4個樣地中進行，平均獲得2個樣地。于2013年6月進行了補充調查，共調查了8個50 m×20 m的樣地，由于在泥炭沼澤地中難以開展工作，在森林變化較小的前提下減小樣地長度，以獲取更多的樣地。采用GPS定位，測量了胸徑大于10 cm的所有樹木，并記錄樹種。總共有12個橫斷面。使用測斜儀進行樹高測量。通過用π分割測量的周長估計胸徑。Peregon等[36]利用ALOS/PALSAR后向散射估測了森林地上生物量，森林參數由當地專家在430個觀測地塊（每個100 m2）上測量。由于低生產力地區生態系統的多樣性，低木材生物量的現場測量的密度較高。這種逐點清查數據是根據面積達10 hm2林場的標準化林業方法進行的。森林參數歸屬于整個范圍的立地，具有一定的置信度。Chen等[37]利用機載LiDAR估測了森林AGB，這些樣地被認為是森林的準橫斷面樣本。該樣地設置為40 m×40 m的正方形。對于每個樣地，胸徑大于20 cm的，測量胸徑、樹高，并收集所有樹木信息。對于胸徑在10～20 cm的樹木，采用0.04 hm2的亞樣地收集相同的信息。共調查了36個樣地。Badreldin等[38]利用Landsat和地載LiDAR、機載LiDAR估測了加拿大阿爾伯達省的森林生物量，8個掃描站位于3個站點，半徑達到300 m，掃描率為50 000點/s。掃描站從光線明亮到完全黑色，單個樹木測量的精度為4～6 mm。采用Cyclone 8.11來計算單木特征，包括胸徑、樹高和覆蓋寬度。Badcock等[39]利用機載LiDAR和Landsat數據對美國阿拉斯加內陸的森林進行了生物量估測，樣地采用系統抽樣，在每個大的六邊形內布設4個亞樣地，布設于中心和0°、120°、240°共4個方位，4個研究區共調查了827個亞樣地，單木采用比率法，匯總后得到樣地生物量。

主動式傳感器研究中，樣地設計考慮代表性的森林類型。樣地有方形、圓形、六邊形，數量從幾個到幾百個不等。對于胸徑大于5～10 cm的樹木進行檢尺，建立樹高模型，采用不同徑階、不同因子的公式進行生物量計算。

從以上2種數據源的外業調查和國內對比分析來看，國外的研究樣地的形狀更加豐富多樣，樣地的個數也有一定的增加。調查方法上考慮到不同的樹木徑階，調查的樣木在空間分布更具有代表性，設置上滿足一定的統計學意義，樣木和樣地生物量計算方式更為靈活。今后，在降低調查成本的基礎上可以進行參考和借鑒。

3 結論與討論

通過對國內外已有的利用遙感估測森林生物量的研究成果進行歸納分析，得出如下結論：

1）森林生物量遙感估測地面調查數據主要以國家森林清查數據為主，大多數研究也補充了一些樣地。

2）地面數據主要的調查因子有胸徑、樹高、樹種類型。

3）樣地的設計基本都考慮了立地條件、隨機性、系統性、大小等因素，有30 m×30 m、25 m×25 m等矩形樣地，也有圓形樣地，較大的樣地中有的在4個角和中心增加了小樣地。

4）樣地生物量以異速生長方程計算為主，方程的變量主要與胸徑有關，回歸系數基本參考已有文獻。

以上總結成果可用于今后利用遙感進行森林生物量估測研究的樣地設計和調查過程中，也可以用于利用遙感進行森林的其他參數如樹高、胸徑、郁閉度、碳儲量等估測研究。

我國雖然積累了9期森林資源清查數據，但是在數據共享、數據服務方面和國外發達國家存在一定差距。另外，在數據調查時，發達國家采用了較完善的統計學方法來調查樣木，在大樣地中設置了小樣地進行加密和尺度上推，做法值得借鑒。在已開展的樣地調查研究方面，起測胸徑根據樹種不同而異，采用不同徑階、不同樹木因子的公式進行生物量計算。樣地匹配方面大多數采用了精確定位技術，作者在香格里拉市開展了樣地調查，對將樣地單元匹配到遙感像元給出了示例[40]。在生物量動態監測和估測方面，國內研究較少，應根據不同的研究范圍開展長期觀測和固定樣地調查。

由于遙感估測森林生物量的不確定性較多，科學的樣地設計是生物量估測的關鍵，樣地調查還有很多需要完善的工作。今后在樣地的抽樣設計、樣地的大小和布設導致的不確定性、樣地的調查因子、森林的生物量生長方程、遙感圖像的校正等方面進一步研究，才能不斷提高基于遙感的生物量估測精度。