多源光学遥感数据估算桉树森林生物量

王长委，胡月明，沈德才，叶永昌，李成钢

(1.华南农业大学信息学院，广东 广州 510642；2.东莞市林业科学研究所，广东 东莞 523106；3.广东省国土资源测绘院，广东 广州 510500)

多源光学遥感数据估算桉树森林生物量

王长委1，胡月明1，沈德才2，叶永昌2，李成钢3

(1.华南农业大学信息学院，广东 广州 510642；2.东莞市林业科学研究所，广东 东莞 523106；3.广东省国土资源测绘院，广东 广州 510500)

为了克服单个传感器影像在估算森林生物量方面的局限性，采用多传感器遥感影像估算森林生物量成为目前的发展趋势。该研究根据光学遥感数据源比较多的特点，采用Landsat5 TM数据、ALOS AVNIR-2数据和CBERS-02B CCD数据估算东莞市桉树森林生物量，在对比分析单个传感器估算生物量能力的基础上，将3种传感器结合在一起估算东莞市桉树生物量，充分发挥不同光学传感器在光谱分辨率、辐射分辨率、空间分辨率和时间分辨率等方面的优点，避开各自的缺点，提高了估算桉树生物量的精度，其决定系数达到0.65。该研究可为进一步研究大范围的森林生物量估算提供参考。

遥感；多源传感器数据融合；生物量；桉树

一、引 言

随着遥感技术的进一步发展，越来越多的由不同类型传感器获得的多传感器、多时相、多空间分辨率、多光谱分辨率的遥感数据用于森林生物量的研究[1-2]。尽管光学遥感数据估算森林生物量存在很多不足，如饱和度比较低、估算结果不稳定、受天气影响比较明显等，但是有研究证明光学遥感数据结合一定的辅助数据(如生物气候数据、树龄、森林资源清查数据等)在森林生物量估算方面仍有很大优势，且光学遥感数据源比较多，获取方便，代价比较低，可以满足大范围森林生物量估算和长期生物量变化监测的需要。

本研究根据光学遥感数据源比较多的特点，以东莞市桉树为研究对象，将Landsat5 TM数据、ALOS AVNIR-2数据和CBERS-02B CCD数据集成，结合一定的地面调查数据，探讨多源光学遥感数据估算森林生物量的潜力。

二、材料与方法

1.研究区域

本研究将东莞的桉树作为研究对象，一方面是因为桉树是一种速成林木，用途广泛，经济价值高，是十分难得的短周期工业用材树，在东莞的种植面积广；另一方面是东莞市是中国经济高速发展的区域，二氧化碳减排压力大，森林碳汇问题尤其令人关注，而桉树是目前世界上单位面积森林生产力最大的森林生态系统[3]，据研究，每公顷桉树每年可吸收9 t二氧化碳，同时释放氧气，通过研究东莞市的桉树生物量，为东莞市进一步制定碳排放政策提供参考。

东莞市位于广东省中南部，地理坐标为113°31′—114°15′E，22°39′—23°09′N，陆地面积2465 km2。地处南亚热带，年平均气温22.1℃，年平均降水量1800 mm，地势东南高、西北低，海拔多在 200～600 m。地貌以丘陵台地、冲积平原为主。

2.野外样地调查数据

根据东莞市桉树分布情况，在全市布设了34个样地，每个样地大小为20 m×20 m。在2007年9—12月间，按照森林二类调查的要求对34个样地进行实地调查，包括树高、胸径、年龄、数量、树种、优势树种、郁密度等参数，最后按照广东省林业调查规划院提供的生物量计算公式计算每个样地的森林生物量[4]，并转化为以公顷为单位。

3.遥感数据的收集和处理

(1)遥感数据收集

桉树林分生物量平均在3.5 a达到最大[5]，东莞市目前种植的桉树生长期绝大部分已经超过15 a，生物量在短期内变化不大，分别采用2007年内获取的Landsat5 TM数据(TM数据第6波段是热红外波段，且分辨率与其他波段不一样，不参与分析)、 CBERS-02B CCD数据和ALOS AVNIR-2数据。各种遥感数据基本特性见表1。

表1 遥感影像数据参数表

(2)遥感数据预处理

①辐射定标

由于Landsat5卫星内部定标灯已逐渐失效，本研究采用USGS在2003年5月公布的一套参数对Landsat5 TM数据进行辐射定标。

CBERS-02B CCD数据根据中国资源卫星应用中心提供的2007年敦煌场地绝对辐射校正系数表进行辐射定标。

ALOS AVNIR-2数据根据头文件中提供的Gain和Offset参数进行辐射定标。

②大气纠正

为消除大气和光照对地物反射的影响，获取更准确的森林反射光谱信息，必须进行大气纠正。本研究对Landsat5 TM数据、ALOS AVNIR-2数据和CBERS-02B CCD数据都采用简化黑暗像元法进行大气纠正。

③几何纠正

本研究利用东莞市高分辨率遥感影像作为参考图像，选择二次多项式纠正模型。以桥梁、水库大坝、十字路口、水渠等不变的标志为控制点，每景影像选择30个以上点均匀分布于图像，纠正误差小于0.5个像元。采用最邻近插值法，纠正后影像的像元大小为20 m×20 m，与样地大小一致。

④重采样

由于纠正后的影像可能出现和样地不完全对应的现象，影响生物量的估算结果，为此本研究对遥感数据进行了8邻域的重采样，即以中心像元周围8个方向的像元和中心像元9个像元值累加求和平均后的值作为中心像元的像元值，使样地数据和光学遥感数据像元值的波动减小。

三、结果与分析

1.Landsat5 TM数据估算桉树生物量

Landsat5 TM数据估算森林生物量的研究比较多，在借鉴他人研究的基础上[6-7]，本研究选取Landsat5 TM 数据的 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个参数为自变量，以桉树野外样地调查数据计算的生物量为因变量，采用stepwise策略下的多元回归分析方法构建Landsat5 TM数据的桉树森林生物量估算模型，模型如下

式中，RVI是比值植被指数；band1是蓝色波段的反射率；band2是绿色波段的反射率。

模型(1)的决定系数R2为0.34，显著度水平P为0.05，说明采用多元回归分析方法构建的Landsat5 TM数据估算桉树生物量模型是显著的，其关系如图1所示。

图1 TM数据估算生物量和样地调查生物量的关系图

2.CBERS-02B CCD数据估算桉树生物量

借鉴Landsat5 TM数据分析结果，CBERS-02B CCD数据选取了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个参数为自变量，以桉树野外样地调查数据计算的生物量为因变量，采用stepwise策略下的多元回归分析方法构建CBERS-02B CCD数据的桉树森林生物量估算模型，模型如下

式中，band1是蓝色波段的反射率；band4是近红外波段的反射率。

模型(2)的决定系数R2为0.42，显著度水平P远远小于0.001，说明采用多元回归分析方法构建的CBERS-02B CCD数据估算桉树生物量模型是非常显著的，其关系如图2所示。

图2 CBERS-02B CCD数据估算生物量和样地调查生物量关系图

3.AVNIR-2数据估算桉树生物量

同样，AVNIR-2数据借鉴Landsat5 TM数据的分析结果，选取了 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个参数为自变量，以桉树野外样地调查数据计算的生物量为因变量，采用stepwise策略下的多元回归分析方法构建AVNIR-2数据的桉树森林生物量估算模型，模型如下

式中，band4是近红外波段的反射率；NDVI是归一化植被指数；EVI是增强型植被指数。

模型(3)的决定系数R2为0.32，显著度水平P为0.008，说明采用多元回归分析方法构建的AVNIR-2数据估算桉树生物量模型是非常显著的，其关系如图3所示。

图3 AVNIR-2数据估算生物量和样地调查生物量的关系图

4.Landsat5 TM数据、ALOS AVNIR-2数据和CBERS-02B CCD数据集成估算桉树生物量

根据Landsat5 TM数据、ALOS AVNIR-2数据和CBERS-02B CCD数据分别估算桉树生物量的结果，将3种遥感数据所有参数全部作为自变量，以桉树野外样地调查数据计算的生物量为因变量，采用stepwise策略下的多元回归分析方法构建3种遥感数据集成估算桉树森林生物量，其估算模型如下

式中，landsat_ln(RVI)是TM数据比值植被指数的自然对数；landsat_band1是TM数据的蓝色波段反射率；AVNIR_band1是AVNIR数据的蓝色波段反射率；CBERS_band1是CBERS数据的蓝色波段反射率；CBERS_band4是CBERS数据的近红外波段反射率。

模型(4)的决定系数R2为0.65，显著度水平P远远小于0.001，说明采用多元回归分析方法构建的Landsat5 TM、ALOS AVNIR-2和CBERS-02B CCD数据集成估算桉树生物量模型是非常显著的，其关系如图4所示。

图4 TM、CBERS-02B CCD和AVNIR-2数据估算生物量和样地调查生物量的关系图

四、讨 论

1.多传感器遥感数据集成估算森林生物量

不同光学传感器遥感数据具有不同的光谱信息、辐射信息、空间分辨率和时间分辨率。如本文所用的Landsat5 TM数据，其光谱信息比较多，但是空间分辨率比较低；ALOS AVNIR-2数据空间分辨率高，光谱信息少；CBERS-02B CCD数据有一个全色波段，是其他数据没有的。因此将不同传感器的遥感数据集成在一起估算森林生物量可以发挥每种传感器估算森林生物量的优点。本文将Landsat5 TM、ALOS AVNIR-2和CBERS-02B CCD数据集成估算桉树生物量，其模型的精度(R2＝0.65)相比单个传感器Landsat5 TM(R2＝0.34)、ALOS AVNIR-2(R2＝0.32)和CBERS-02B CCD(R2＝0.42)的精度有明显的提升，说明多源光学遥感数据集成，可以充分利用不同光学传感器在光谱信息、辐射信息、空间分辨率和时间分辨率等方面的优点，避开各自的缺点，提高森林生物量估算模型的精度。

2.辐射纠正

不同的传感器获取遥感影像时，其大气条件、光照条件、地表起伏、土壤湿度、植被气候、传感器成像模型和侧视角等条件都不同，导致不同的传感器获取同一地区的影像具有较大的辐射差异，这给多源遥感数据的处理和分析带来了极大的困难。对于遥感数据，辐射纠正(包括辐射定标和大气纠正)是非常关键的处理过程，特别对于定量研究森林生物量，必须对遥感影像要进行辐射定标和大气纠正，才能对多源遥感数据进行定量比较与应用。本研究采用了 Landsat5 TM 数据、ALOS AVNIR-2数据和CBERS-02B CCD数据估算东莞市桉树森林生物量，分别进行辐射定标和大气纠正，才能对比分析3种光学遥感数据估算东莞市的桉树生物量能力，在此基础上将Landsat5 TM数据、ALOS AVNIR-2数据和CBERS-02B CCD数据集成估算东莞桉树生物量。

五、结束语

由于不同光学传感器遥感数据具有不同的光谱信息、辐射信息、空间分辨率和时间分辨率，导致不同的光学遥感数据估算森林生物量能力各异，对不同的光学遥感数据集成可以发挥每种光学遥感数据估算森林生物量的优点，抑制其缺点，提高光学遥感数据估算森林生物量的能力。

[1] 李德仁，王长委，胡月明，等.遥感技术估算森林生物量的研究进展[J].武汉大学学报：信息科学版，2012，37(6)：631-635.

[2] 任润东，吴秋兰，潘宁宁，等.基于物联网的森林碳汇遥感测量的探讨[J].测绘通报，2012(S1)：444-446.

[3] 陈少雄，刘杰锋，孙正军，等.桉树生物质能源的优势、现状和潜力[J].生物质化学工程，2006，40(S1)：119-128.

[4] 朱剑云，莫罗坚，叶永昌，等.东莞森林生态系统碳储量研究[J].广东林业科技，2011，27(2)：22-29.

[5] 韩斐扬，周群英，陈少雄，等.2种桉树不同林龄生物量与能量的研究[J].林业科学研究，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] 郭志华，彭少麟，王伯荪.利用TM数据提取粤西地区的森林生物量[J].生态学报，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

王长委，胡月明，沈德才，等.多源光学遥感数据估算桉树森林生物量[J].测绘通报，2014(12)：20-23.

10.13474/j.cnki.11-2246. 2014.0388

2013-11-06

十一五科技支撑项目(2009BAD2B0604)；林业公益性行业专项资助项目(201104006)

王长委(1977—)，男，陕西西安人，博士，现主要从事森林遥感研究。

胡月明