高分一号遥感影像下崂山林场林分生物量反演估算研究

曾 晶，张晓丽

（北京林业大学 省部共建森林培育与保护教育部重点实验室，北京 100083）

高分一号遥感影像下崂山林场林分生物量反演估算研究

曾 晶，张晓丽

（北京林业大学 省部共建森林培育与保护教育部重点实验室，北京 100083）

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19个因子，建立崂山林场生物量多元线性反演模型，进而分析该反演模型的精度和优缺点，估测崂山林场森林生物量。结果表明：应用多元线性回归法建立的生物量模型平均反演精度达到80.75%；根据反演出的林分生物量估测模型，估测崂山林场2013年的林分生物量为402 485.44 t。

森林生物量；高分一号遥感影像；反演估算；反演模型；多元线性回归

森林生态系统是陆地生态系统中的重要组成部分，约占陆地生态系统生物量的90%[1]，它具有维持生态平衡的作用。森林生物量数据的研究是很多林业以及生态相关研究的根本，林木的生物量包括干皮、干材、树叶、树枝以及树根等分量[2]，准确、快速地获得森林生物量的分布状况及发展趋势，可以深入判断整个生态系统的变化规律，为陆地生态系统的进一步研究提供理论基础。

森林生物量的测定主要是针对全国范围内的区域生物量测定和以样地、小班为单位的小范围森林生物量估算。传统的森林生物量研究方法一般是在外业调查的基础上通过对区域内样地上样本生物量的研究估算，实现对研究区的森林生物量进行分析和估测[3]。随着遥感技术的发展，遥感和地理信息系统等技术的加入，为森林生物量从林分到大区域的估测提供了更加精准和便捷的方法。遥感手段主要是通过反射光谱获取植被信息，植被信息中包含叶片生物量信息，叶片生物量与群落生物量具有相关性，从而可以通过遥感光谱反射信息估算出一定区域内的森林生物总量[4]。研究之前首先要分析森林植被生物量估测的遥感模型机理，从光合作用即森林植被生产力形成的生理生态过程出发，以及森林植被对太阳辐射的吸收、反射、透射及其辐射在植被冠层内及大气中的传输，结合植被生产力的生态影响因子，在卫星接收到的信息与实测生物量之间建立完整的数学模型及其解析式，进而利用这些解析式来估算森林生物量常用的遥感估测生物量[5-6]。而具体的估算模型根据建模机理可以分为经验模型、物理模型、半经验模型、过程模型以及植被指数模型[7]。

本研究以3S技术作为森林生物量外业调查和遥感模型的核心技术，利用已有的蓄积量与生物量之间的转换关系研究结果，收集现有的外业调查数据，结合高分一号遥感影像数据，对崂山林场森林生物量进行反演建模，并对不同方法下的反演模型精度进行评价，获得崂山林场森林生物量，为以后整个区域的估测提供更加便捷快速的方法。

1 基础数据的获取

1.1 研究区概况

崂山林场，位于东经 120°25′，北纬 36°09′，地处青岛市区近郊。崂山林场总面积7 466.67 hm2，其中裸岩地2 666.67 hm2，有林地4 800 hm2。森林覆盖率为68%。

崂山林场地处胶东丘陵区，东高西低，属典型的温带海洋性季风气候。岩石以花岗岩为主，局部地段夹杂有片麻岩、斑岩等。土壤为棕色森林土，以沙壤为主。崂山林场自然植被属暖温带落叶阔叶林区。植物种类繁多，共有约159科724属14种。其中草本植物约1 000种。乔木树种主要包括黑松Pinus thunbergii、赤松Pinus densi fl ora、落叶松Larix gmelinii、刺槐Robinia pseudoacacia、麻栎Quercus acutissima、栓皮栎Quercus variabilis、赤杨Alnus japonica、油松Pinus tabulaeformis、花柏Chamaecyparis obtusa、椴树Tilia tuan、火炬松Pinus taeda、杂木等[8]。

本实验研究区在崂山林场东部，包括崂东分区、崂西分区、下宫分区和九水分区，总面积6 225 hm2，林地面积 3 823 hm2。

1.2 地面样点数据获取

根据研究区林相图、地形图和道路交通图，于2012年9月和2013年9月在崂山林场研究区随机选取64块样地点（见图1），分别观测记录树木的树高、胸径、林分类型等信息，每个样地点分别选取3个2 m×2 m的灌木观测点和3个1 m×1 m的草本观测点，分别记录灌木和草本的类型、覆盖度、高度，同时收割地上部分称质量记录，留取少量样品晒干后称干质量，最后计算各观测点灌木和草本的地上部分干质量。整理后获得每块样地点的经纬度坐标、树高、胸径、林分郁闭度、灌木和草本的类型、覆盖度、高度、单位面积干重等指标数据。

图1 崂山林场样地测量控制网及样地分布Fig.1 Laoshan Forest Farm’s plots measuring and control network and plots distribution

根据李琪等[9]编制的山东省立木、材积查询手册中各类树种的材积计算公式（见表1），可以获得地面样地单位面积蓄积量（m3/hm2），利用方精云[9]的生物量与蓄积量转换经验公式算出样地的生物量（t/hm2）。

根据方精云等[10]的研究，不同树种的蓄积量和生物量之间呈线性关系，北方主要树种蓄积转换为生物量的计算公式如表2所示。

1.3 遥感影像数据获取及预处理

以2013年8月高分一号遥感影像为数据源，经过辐射校正、几何校正、图像增强、图像融合等步骤进行预处理，以现有的1∶10 000比例尺地形图采集控制点，利用ENVI下的大气校正模块进行影像的辐射校正。对于几何校正，则在ERDAS9.3中进行，根据林场范围，选取56个控制点进行影像几何精校准，几何精校正像元误差小于0.5。

高分一号卫星是中国高分辨率对地观测系统的第一颗卫星，于2013年4月26日12时13分04秒由长征二号丁运载火箭成功发射。影像图为2 m全色、8 m多光谱和16 m多光谱宽幅影像[11]。在本研究中，所获得的为崂山林场16 m多光谱影像（见图2）。

表1 崂山林场样地点各树种蓄积量计算公式†Table 1 Species trees volume calculations of Laoshan Forest Farm plots

表2 蓄积量生物量转换公式†Table 2 Conversion formulas from stand volume into biomass

1.4 建模因子的选择

建模因子的选择对最终模型有很大影响，通过遥感影像可以获得对地表地物形态描述的信息，但是这些信息不一定都能够用来建模，所以需要对其筛选后才能运用到建模当中。选择模型因子有两点需要考虑，一是所提取遥感影像的光谱信息，虽然这些光谱信息根据地物的不同而有不同的变化，但是这些变化都可以根据一些规律而总结出来，同时在这些规律中也要考虑到不同的时空限制。在研究过程当中，可以在规律性和复杂性当中选取制造平衡的点，例如在光谱特征中要考虑到植被生长季节的影像，地域不同、地形不同等以及不同时相的遥感数据之间的差异，这些差异往往都是会导致光谱信息发生规律性的、周期性的变化。二是地形因子对森林植被生物量的影响，基于第一点在建模因子选择时还加入了海拔、坡向、海拔、土壤厚度等地形因子，使建模时将地形的影响也考虑进来，这样希望可以将建模的精度提高到最高。图3为崂山林场DEM影像。

图2 崂山林杨高分一号遥感影像Fig.2 Remote sensing images by GF-1 of Laoshan Forest Farm

利用ENVI软件进行代数运算后可以得到NDVI、RVI、DVI等植被指数，结合各样地的坐标，提取出每个样地所对应的像元波段灰度值。

图3 崂山林场DEM影像Fig.3 DEM images of Laoshan Forest Fram

植物的生长受到地形因子的影响，所以地形因子在生物量反演模型的建立中具有重要的作用，地形因子主要有坡向、坡度、海拔高度、土壤厚度等（见图4）。森林绿地因子有光度、绿度、亮度等。

图4 崂山林场坡度、坡向Fig.4 Slope aspect and slope gradient of Laoshan Forest Farm

2 结果与分析

本次研究森林生物量反演模型中，利用2013年8月15日的高分一号遥感数据以及实测外业数据，建立多元线性回归模型，并且对2种模型进行精度检验，计算出崂山林场的生物量。

2.1 多元线性回归模型的建立及预估精度

对于高分一号遥感影像，在本研究中主要的遥感因子包括b1到b4波段的光谱值，以及光谱组 合 值 b1+b2、b1+b3、b1+b4、b2+b3、b2+b4、b3+b4、b2/b3、(b2*b3)/b4、(b3*b4)/b2、b3/SUM，植被指数NDVI、RVI、DVI，地形因子海拔、坡度、坡向，共19个因子。在用高分一号遥感影像数据建模时，将所提出的64个样地数据中剔除6个异常数据，剩余58个数据，利用其中的45个数据进行模型的反演，选取13个作为检验样本。在建模前，通过SPSS对所选的因子进行相关性分析，得出相关性较高的5个因子用于模型的建立（见表3）。

表3 高分一号影像下各个因子相关性Table 3 Correlations among each factor of GF-1 images

通过分析相关性，建立崂山林场森林蓄积量逐步回归多元线性遥感反演模型：

依据上述研究结论，针对云南大学留学生策略提出的相关建议如下：(1)着力完善学校基础设施的建设，尤其是宿舍条件，关注各地域留学生的文化差异，在对留学生的管理上应区别于中国学生，使其基本需求得到满足，提高其地方满意度。(2)增强中国学生与留学生的文化交流，在策划活动时，给留学生一些更为平等的权利，减少不必要的矛盾和文化冲突，并增进彼此之间的友谊与感情，加强留学生对学校的地方依恋。(3)增强学校整体学术氛围，引进更好的人才和师资力量，提高教学质量，同时在教务管理上应以学生为主体，增进留学生对学校的地方认同。

式中：Y为蓄积量；X1为NDVI；X2为海拔；X3为(b2*b3)/b4；X4为坡向；X5为b3/SUM。

模型公式（1）的相关系数及显著性检验结果见表4及表5。

表4 基于GF-1影像多元线性回归模型精度Table 4 Accuracy of multivariate linear regression model based on GF-1 images

表5 基于GF-1影像多元线性回归模型方差分析Table 5 Variance analysis on multivariate linear regression model based on GF-1 images

通过表4、5的方差分析可以得出：相关系数R为0.811 0，相关系数平方R2为0.656，标准估计的误差SEE为1.863 425 81，F显著检验概率为0.000（＜0.01），这表明回归分析中的像元生物量与建模因子之间极显著相关，所建立的线性回归模型具有统计学意义。

用13个检验样本数据代入高分一号遥感影像反演出来的崂山林场样地点蓄积量模型，进行精度检验（见图5）。通过计算总体相对误差、平均相对误差和预估精度来做验证指标。

从误差分析表可以看出，基于高分一号的反演模型精度达到80.75%（见表6）。精度很高，可以用来做森林生物量的反演。

图5 高分一号影像下崂山林场实测蓄积量与反演模型计算蓄积量对比Fig.5 Comparison between measured forest stock volume and inversion model stock volume of Laoshan Forest Farm based GF-1 images

表6 模型误差分析Table 6 Model error analysis

2.2 崂山林场森林生物量的估测

利用多元线性回归分析方法可以得到崂山林场最终的森林生物量的总量。通过计算，得到崂山林场2013年崂山林场森林生物量总量为402 485.44 t（见表7）。

表7 崂山林场森林生物量Table 7 Forest biomass of Laoshan Forest Farm

利用ArcGIS进行运算，将2013年最终的森林生物量按照平均生物量大小分为5个等级，分别为低生物量区Ⅰ（0～40 t/hm2）、较低生物量区Ⅱ（40～80 t/hm2）、中生物量区Ⅲ（80～120 t/hm2）、较高生物量区Ⅳ（120～150 t/hm2）、高生物量区Ⅴ（≥150 t/hm2），根据不同地区不同的等级情况进行分析（见表8）。

通过研究发现，利用高分一号遥感数据反演的生物量模型平均反演精度达到80.75%，反演模型精度较高，可以达到生物量统计的要求。这与高分一号遥感数据较高的分辨率、影像数据的获取时间、建模因子的选取以及样地点的数量和选择都有着密不可分的联系。因此，在将来生物量估测模型的建立中应该使建模的因子进一步的优化，加入土壤、纹理等更多的影像因子。并且，引入更多如神经网络建模法[8]、支持向量机等更高预测精度的建模方法。

表8 崂山林场2013年森林生物量分区Table 8 Forest biomass partition of Laoshan Forest Farm for 2013

图6 崂山林场森林生物量估算结果分级Fig.6 Estimated biomass grading of Laoshan Forest Farm

3 结论与讨论

本研究以高分一号卫星遥感影像、外业调查数据以及森林二类调查数据作为数据源，对崂山林场建立生物量与遥感因子的反演模型。利用相对生长模型估算森林生态系统林下优势物种生物量，既减少了工作量，又保护林下植被，还可用来跟踪标准样地生物量增长情况，为开展森林生态系统林下植被生物量研究提供了科学依据。通过建立生物量模型，对崂山林场的森林生物量进行反演，并分析结果，得到如下结论：

（1）高分一号遥感影像建立的多元线性模型，具有显著的相关性，因此，建立的多元线性模型可以用于对崂山林场生物量估算。根据高分一号遥感影像林分生物量估测模型，估测到崂山林场2013年林分生物量是402 485.44 t。

（2）影响森林生物量多元线性反演模型的精度有多种，如遥感影像分辨率、遥感影像数据的获取时间、建模因子的选取、样地点的数量和选择等；另外本试验中由于受客观条件的限制，样地数据的生物量是通过蓄积量换算方法计算而得到，没有采用解析木烘干称重法来获得，也会影响生物量估测精度。

（3）植被生物量的遥感估测中，影像生物量的因子除了光谱因子、地形因子和纹理因子之外，还有土壤信息、降水和气温等其他因子。而且估算过程只使用了线性回归一种方法，不利于高精度繁衍模型的研究探讨，因此，今后在生物量估测模型的优化研究中，需要在建模因子、建模技术等方面做进一步的研究，以期建立精度更高、实用性更强的生物量遥感估测模型。

[1]杨洪晓,吴 波,张金屯,等.森林生态系统的固碳功能和碳储量研究进展[J].北京师范大学学报:自然科学版,2005,41(2): 172-177.

[2]王轶夫,孙玉军.马尾松生物量模型的对比研究[J].中南林业科技大学学报,2012,32(10):29-33.

[3]李丹丹.北京市森林生物量遥感反演模型研究[D].北京:北京林业大学,2013:2.

[4]徐新良,曹明奎.森林生物量遥感估算与应用分析[J].地球信息科学,2006,8(4):122-128.

[5]张佳华,符淙斌.生物量估测模型中遥感信息与植被光合参数的关系研究[J].测绘学报,1999,28(2):128-129.

[6]国庆喜,张 锋.基于遥感信息估测森林的生物量[J].东北林业大学学报,2003,31(2):13-16.

[7]岳彩荣.香格里拉县森林生物量遥感估测研究[D].北京:北京林业大学,2011:3-4.

[8]孙 龙,李俊涛,吕新双,等.崂山风景区森林生态系统服务功能及价值评估[J].防护林科技,2006,(3):93.

[9]李 琪,许景伟,王桂岩.立木、木材材积速查手册[M].山东:山东科学技术出版社,2006:3-52.

[10]方精云,刘国华,徐嵩龄,等.我国森林植被的生物量和净生产量[J].生态学报,1996,16(5):497-508.

[11]赵少华,王 桥,张 峰,等.高分一号卫星环境遥感应用示范研究[J].航天器工程,2014,23(增刊):118-124.

Laoshan forest biomass estimation based on GF-1 images with inversion algorithm

ZENG Jing,ZHANG Xiao-li
(Key Lab. for Silviculture and Conservation Co-constructed by China Ministry of Education and Beijing,Beijing Forestry University,Beijing 100083,China)

Based on GF-1 images as data sources,combined with fi eld actual measured data,a total of 19 factors,including vegetation index factors,band combination factors and topographical factors and other factors,were extracted,then Laoshan forest biomass multivariate linear inversion model were established,and further the analytical accuracy,the advantages and disadvantages of the inversion model were analyzed,and the biomass of Laoshan Forest Farm was estimated. The results show that the biomass model set by multiple linear regression had average retrieval accuracy of 80.75%. Based on the biomass estimation model by inversion, the Laoshan forest biomass in 2013 was 402 485.44 tons.

forest biomass; remote sensing image by GF-1; inversion algorithm; inversion model; multiple linear regression

S771.8；S718.55+6

A

1673-923X(2016)01-0046-06

10.14067/j.cnki.1673-923x.2016.01.008

2014-04-29

国家863计划课题“数字化森林资源监测关键技术研究”（2012AA102000）

曾 晶，硕士研究生 通讯作者：张晓丽，教授；E-mail：zhang-xl@263.net

曾 晶，张晓丽.高分一号影像下崂山林场林分生物量反演估算研究[J].中南林业科技大学学报，2016,36(1): 46-51.

[本文编校：谢荣秀]