基于遥感的森林生物量估测样地调查方法的研究动态

张加龙 胥 辉

( 西南林业大学林学院，云南 昆明 650233)

生物量是指面积内所有生物的有机物质总量，一般以单位面积的干质量（如g/m2、Mg/hm2或t/hm2）表示[1]。森林是陆地生态系统的主体，森林生物量[2]是森林生态系统最基本的数量特征，包括林木的生物量和林下植被层的生物量，林木生物量包含地上和地下部分。因此，森林生物量的估测是森林资源调查与评价的一项重要内容，对于理解全球气候变化具有重要意义。

日益发展的遥感技术具有快速、准确并能进行长期、动态、宏观监测的优势[3]。刘茜等[4]对1995年以来遥感估算森林生物量的国内外文献进行统计，利用遥感技术估测生物量的文献数量和被引次数在2010年以来增加迅速。遥感数据源从光学、微波到雷达等形式众多，且随着时间的积累，数据量不断增大，给遥感估测生物量研究带来了新的机遇与挑战。

遥感估测森林生物量一般需要进行地面样地调查，通过样地调查和计算的生物量与遥感因子的关系，建立遥感估测生物量的统计模型，进而估算区域生物量。本研究主要从样地的设置、样地大小、调查方法、调查因子等方面进行回顾，获取调查方法的经验，为外业工作提供参考，以便更为科学地应用样地调查方法。

1 国内遥感估测森林生物量的样地调查方法

1.1 收集已有调查数据

从样地的数据来源看，直接收集国家森林资源清查数据的文献较多。其中，仝慧杰[5]通过Landsat的波段信息建立了北京北部地区森林生物量的遥感估测模型，利用清查数据将蓄积转换为生物量。样地按2 km×2 km格网布点。样地面积为0.066 7 hm2，边长为25.826 m，抽取了199块样地。样地的坐标为西南角的坐标，将其移至样地中心点，即中心点坐标为西南角坐标增加边长的一半。韩爱惠[6]利用CBERS-WF1、MODIS和森林资源清查数据，构建了东北三省森林生物量估测模型。3个省份的样地调查年份、个数和大小分别为：吉林省2004年、8 871个、0.08 hm2，黑龙江省2005年、11 664个、0.067 hm2，辽宁省2005年、4 548个、0.067 hm2。树种各部分生物量的估算公式参考已编的手册。李明泽等[7]利用长白山地区遥感影像和122块森林资源连续清查固定样地数据估算了该地区森林生物量，调查胸径，模拟树高，计算出各种树种的生物量。其次，也有收集森林资源二类调查的抽样控制样地数据。如岳彩荣[8]采用Landsat数据估测了香格里拉2009年主要优势树种生物量，收集了抽样控制样地数据和调查的186个样地，补充样地的布设主要根据研究区的地形和森林立地条件，尽量做到分布均匀、具有代表性。样地生物量利用蓄积到生物量的转换方法计算[9]。二类调查的控制样地一般采用系统抽样，采用角规控制检尺[9-10]，根据调查面积、样地面积、精度要求等来计算[11]。因为要配合调查和多次计算，此数据较难收集。调查过程中实测每木胸径和1～3株平均木树高，目前文献中用到较少，今后可以作为一项数据来源。

收集已有数据可以降低研究成本，但是对于样地调查过程中的不确定性难以把握。从之后的研究来看，较好的方式是参考已有调查设计，开展一定的补充调查。

1.2 外业调查数据

1.2.1 被动式传感器

国内基于被动式传感器的遥感森林生物量估测样地调查代表性研究情况见表1。

表 1 国内基于被动式传感器的遥感森林生物量估测样地调查代表性研究情况Table 1 Representative research on remote sensing forest biomass estimation plot survey based on passive sensors in China

采用被动式传感器数据的研究中，郭颖[12]为了进行森林地上生物量（AGB）估测，在研究区范围内设置了4种样地，对不同类型样地的青海云杉（Picea crassifolia）进行了每木调查。超级样地为100 m×100 m，按2 m×25 m的大小划分了16个子样地。样带样地带长为1 km，在样带上每隔50 m布设一块20 m×20 m的样地。样带样地与超级样地有部分重合，样带上的1 号样地位于超级样地的中心，样地中心的距离为50 m。共调查了16块固定样地，在其他区域进行了临时样地的观测。杜华强等[13]利用Landsat数据估测了浙江安吉县毛竹（Phyllostachys heterocycla）林生物量，样地大小为30 m×30 m，利用罗盘仪确定样地边界，用GPS确定样地中心坐标。样地内单株毛竹地上生物量采用已有公式估算。样地设为20 m×20 m，并在每个大样地内及中间设置了5个3 m×3 m小样地。在尽量包含不同径阶的前提下，从每个大样地内选择1～3株样竹，伐倒后记录其胸径、冠幅、枝下高、树高等因子，计算各器官含水率，从而得到整株样竹地上部分干质量。雷竹（Phyllostachys praecox）AGB估算过程为：首先由伐倒雷竹构建单株AGB与胸径模型，并由模型计算出小样地AGB；然后，由小样地雷竹AGB与株数建立雷竹AGB株数的经验模型；最后，根据大样地总AGB，将其尺度转化为30 m×30 m样地上的AGB，与TM进行匹配。郑光等[14]利用ETM+影像估测了森林生物量，调查了60个样地，进行了GPS定位和每木检尺，根据实测数据计算每株林木AGB。王红岩等[15]利用SPOT5估测了植被地上生物量，面积统一设置为20 m×20 m。用差分GPS准确定位，进行每木检尺，计算单木生物量，进而累计。黄金龙等[16]利用IKNOS影像提取的单木冠幅信息并结合野外实测的样方生物量数据，建立了针叶林和阔叶林AGB模型，调查了41个25 m×25 m样地。对胸径大于6 cm的树木进行每木检尺，利用生物量方程计算单木生物量并累计。

由此可见，被动式传感器研究中，样地设计采用随机布设，考虑不同的立地条件。样地采用方形为主，样地边长从3～100 m不等，大样地中往往布设小样地，样地从10～100个左右不等。样地调查基本都采用差分GPS进行准确定位，对胸径大于5 cm的树木进行每木检尺。由于被动式传感器接收到的是地物反射率，在提高生物量预测方面存在一定的难度，今后应该加大样地调查数量，进行长期观测建立生长模型，在光饱和和不确定性方面拓展研究。

1.2.2 主动式传感器

国内基于主动式传感器的遥感森林生物量估测样地调查代表性研究情况见表2。

表 2 国内基于被动式传感器的遥感森林生物量估测样地调查代表性研究情况Table 2 Representative research on remote sensing forest biomass estimation plot survey based on passive sensors in China

在使用主动式传感器的研究中，黄克标等[17]利用ICESat GLAS、机载激光雷达辅助数据建立了云南省森林生物量估测模型，样地共78个。样地中心坐标采用差分GPS进行定位，对样地内胸径大于5 cm的树木进行每木检尺，采用围尺和激光测高器测量胸径和树高。李文梅等[18]应用机载单基线极化干涉SAR（Pol-InSAR）估测了森林AGB，设置若干个0.04～0.05 hm2的圆形样地，根据树木胸径所属径阶，记录在4个不同半径大小同心圆内的树木和株数：半径为2.78 m（0～5.9 cm），半径为3.97 m（6～11.9 cm），半径为6.9 m（12～29.9 cm），半径为12.62 m（大于30 cm）。林分AGB利用生长方程、收获表等计算。曹林等[19-20]在江苏虞山林场布设了样地进行了森林生物量估测研究。一项研究是集成Landsat OLI和机载LiDAR条带数据完成了生物量制图，样地设计参考了森林资源二类调查的成果指标，调查了60块30 m×30 m的样地。另外一项研究是利用机载LiCHy高光谱和高分数据进行了森林生物量反演，样地设计参考了森林资源清查的成果指标，调查了30块30 m×30 m的样地。2项研究均对胸径大于5 cm的树木检尺，单木计算后累计得到样地森林生物量。韩宗涛等[21]采用多源遥感数据对内蒙古呼伦贝尔北部根河森林保护区的森林进行了生物量模型构建，共调查了边长为30 m和45 m的2种方形样地，共计56块。样地采用差分GPS准确定位，对于胸径大于5 cm的树木进行检尺，采用单木方程计算生物量后累计得到样地生物量。

可见，在主动式传感器研究中，样地设计过程中的大样地中通常加密小样地，并参考已有森林资源调查成果森林分布情况。以圆形样地为主，半径从2～45 m不等，大样地中会设置小的样圆，样地数小于100个。样地调查基本都采用差分GPS进行准确定位，对大于胸径5 cm的树木进行每木检尺。主动式传感器可以获取树木的垂直结构，因此有效提高了生物量估测精度，由于成本较高，推广应用受到一定的限制。此类研究中的样地以圆形为主，但是样地和影像的精确匹配难度较大。

1.3 生物量动态研究中的样地调查

在进行生物量动态估测中，宋丽楠[22]利用LandsatTM及1990、2004年固定样地数据估测了生物量动态，根据每木检尺数据计算每株树木的生物量，通过编程法计算单位面积森林生物量。李凤凤[23]利用2005、2009年森林资源调查数据和Landsat、HJ-1B遥感数据估测了泗阳县杨树生物量及动态变化，收集了江苏省森林一类连清统计数据和江苏省森林二类调查数据。

目前国内进行生物量动态的研究较少，特别是时间跨度大的。从现有的文献来看，基本是收集已有森林资源调查成果为主。我国森林资源一类调查已开展了9次，固定样地的调查成果为今后进行生物量估测的动态研究提供了良好的基础，但相关应用研究较少。另外，应该在一些研究区，进行长期的地面调查和固定样地观测，以保证今后构建生物量生长模型和森林生物量动态、高精度估测。

2 国外遥感估测森林生物量样地调查方法

2.1 收集已有调查数据

国外文献中以收集国家森林资源连续清查数据为主，欧洲国家中主要为国家森林清查数据。如Fassnacht等[24]总结了基于遥感的AGB反演生物量方法，讨论了样地大小、数据类型和预估方法的重要性。作者检索了2000—2013年web of knowledge数据库中关键词为REMOTE SENSING”、“BIOMASS”、“RADAR”或“LIDAR”、“ALS”、“SAR”的文献，筛选出与研究相关的 113篇文献进行分析。进行了2个地方的样地调查，基于LiDAR进行了生物量估测。一个研究区位于德国的Karlsruhe，收集了297块一类调查数据，是以200 m×100 m为格网的圆形样地，树木胸径大于7、15、30 cm分别采用2、3、6 m的圆形来测量，样地总的半径大小为12 m。单木生物量采用单个树种生长模型，然后基于DBH值，用扩展因子值计算单木生物量并汇总。另外1个研究区位于智利的Monte Oscuro，样地设计采用系统的200 m×200 m格网，包含150个组，由5个8 m半径的亚样地组成（1个中心样地，4个围绕着的样地，离中心点40 m）。树木胸径大于5、10、20 cm分别采用2、4、8 m的圆形来测量，每个亚样地半径大小为8 m。进行树高测量，未测量的树高采用树高曲线获得。单木生物量值通过二次生长模型来计算。

Fernández-manso等[25]使用 ASTER 光学数据和线性的光谱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块圆形样地，生物量的计算是基于树种类型、DBH，有时使用了树高。Main-Knorn等[26]利用Landsat历史数据探测了针叶林生物量的变化，根据“国家森林署”提供的森林资源数据计算了地上总生物量。清查数据为2003、2004、2007年。首先，在2005、2006、2007年的野外调查中，随机确认了211个样地。然后，使用已有的公式，将材积转换为AGB。Gómez等[27]利用1984—2009年间Landsat数据反演了西班牙中部地中海松林的森林生物量动态，使用时间光谱轨迹来研究森林连续的发展状态。地面数据为2期（1990年NFI2和2000年NFI3）的西班牙国家森林清查数据，包括每木胸径，整个树高，每个样地的株数，用于计算605个样地的生物量。AGB计算是根据每个特定树种异速生长方程计算，所有的树木胸径≥ 7.5 cm。

美国农业部森林署提供了森林清查分析数据（FIA）。Zhang等[28]采用一个简单的参数模型，融合Landsat TM提取的叶面积指数LAI和GLAS数据获取的树冠最大高度，从而估测了森林AGB。在加尼福尼亚进行了试验，每2 400 hm2FIA基础样地包含1个样地。研究从FIA数据库中收集了2001—2007年AGB估测值、树高、单位面积树木株数，共2 205个样地。Pflugmacher等[29]利用Landsat和LiDAR数据绘制了森林生物量的变化，野外数据来源于美国森林服务署提供的连续植被测量（CVS）产品，该数据1993—1996年测量，1997—2007年复测。每个样地中，胸径≥2.54 cm将会测量，同时记录树木种类。单木AGB估测利用野外数据，同时估测基于LiDAR的AGB。然后利用单位面积的转换系数计算样地水平的生物量。研究者只选择了单一条件的同性质的样地来减少几何纠正误差。然后，人工剔除了一些异常值，如连接到公路和草地的样地，结果删除了少于5%的样地。最后，对于每一个样地，提取了样地中心对应的Landsat像元值，采用3×3的窗口进行了重采样。Powell等[30]利用Landsat时序数据估测了森林AGB，外业数据采用历史数据，基于连清数据计算了基于样地水平的生物量数据集，每个连清数据由4个7.3 m半径的亚样地组成，对于每一个样地，计算了所有树木大于1英尺半径的地上生物量。只使用了相同质量条件的样地，来减少潜在的误差。另外，Su等[31]从已出版的论文中收集了8 429个森林资源连清数据，样地包括了自然林和人工林，每个样地包括了样地坐标和相关属性，包括立地起源、测量方法和AGB值等。为了统一，样地进行了筛选，必须满足4个条件：1）必须经过几何校正；2）必须大于0.05 hm2；3）必须2000年后测量；4）不能使用收获法。对同一个地理位置不同年份测量的数据进行了平均。最终，剩下1 065个样地数据进行生物量制图研究。

由此可见，欧美发达国家已经形成了自己的国家森林资源清查产品，部分国家还专门建立了网站，提供样地统计数据和衍生数据，长期的观测数据为生物量动态研究提供了保障。样地以圆形为主，采用一定的格网间距或者分层抽样。和我国不同的是，样地一般是大样地中布设亚样地，用小样地推算大样地生物量，样地调查以调查样木为主、以胸径扩展因子计算生物量居多。

2.2 外业调查数据

2.2.1 被动式传感器

国外基于被动式传感器的遥感森林生物量估测样地调查代表性研究情况见表3。

表 3 国外基于被动式传感器的遥感森林生物量估测样地调查代表性研究情况Table 3 Representative research on remote sensing forest biomass estimation plots based on passive sensors in foreign countries

Soenen等[32]利用SPOT5获取了森林结构和生物量，样地大小为0.04 hm2，保证至少有1个10 m的像元落在每个样地中。AGB的验证数据是通过测量每一个样地的胸径和树高获得。调查包括树高、树冠中心的高度、水平的和垂直的树冠半径。树高和到树冠中心的高度用20 m的数字测角器测得。垂直树冠半径是由整个树高减去到冠幅的高度获得。使用密度计测量每棵树的水平冠幅半径，以确定表冠的边缘对地面（即滴线）的垂直投影。然后测量从滴水线到树干的距离。该过程垂直于第1次测量重复，以表征水平冠幅尺寸的变化。Güneralp等[33]使用Landsat和SPOT多光谱数据估测了生物量，收集了32个圆形的样地数据，面积约0.04 hm2。基于坐标网格建立了间距范围从25～50 m的样地，以表示大尺度上的植被分区格局。测量胸径，确定树种类型、株数和平均木。在这个研究中，考虑胸径≥5 cm的树木，通过异速生长方程来计算生物量。Lu等[34]利用Landsat估测了亚马逊流域的地上生物量，在亚马逊东部，每个样区布设10个样地（10 m×15 m），随机布设1个亚样地（5 m×2 m）。样地设计采用森林清查方法，亚样地随机布设。在西部，3个样地及亚样地（10 m×10 m和3 m×3 m），对于幼木和草本植物，设置了1 m×1 m的亚样地。

由此可见，被动式传感器研究中，样地设计以随机布设和分层抽样为主。样地采用方形和圆形，样地数小于50个，大样地中往往布设小样地。对胸径大于5 cm的树木进行每木检尺，基于胸径和树高计算生物量。

2.2.2 主动式传感器

国外基于主动式传感器的遥感森林生物量估测样地调查代表性研究情况见表4。

表 4 国外基于主动式传感器的遥感森林生物量估测样地调查代表性研究情况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数据估测了森林地上生物量，在2005年1月收集了8个现地数据，样地大小为100 m×10 m。然而，由于它们的空间相邻性，最终在100 m×20 m的4个样地中进行，平均获得2个样地。于2013年6月进行了补充调查，共调查了8个50 m×20 m的样地，由于在泥炭沼泽地中难以开展工作，在森林变化较小的前提下减小样地长度，以获取更多的样地。采用GPS定位，测量了胸径大于10 cm的所有树木，并记录树种。总共有12个横断面。使用测斜仪进行树高测量。通过用π分割测量的周长估计胸径。Peregon等[36]利用ALOS/PALSAR后向散射估测了森林地上生物量，森林参数由当地专家在430个观测地块（每个100 m2）上测量。由于低生产力地区生态系统的多样性，低木材生物量的现场测量的密度较高。这种逐点清查数据是根据面积达10 hm2林场的标准化林业方法进行的。森林参数归属于整个范围的立地，具有一定的置信度。Chen等[37]利用机载LiDAR估测了森林AGB，这些样地被认为是森林的准横断面样本。该样地设置为40 m×40 m的正方形。对于每个样地，胸径大于20 cm的，测量胸径、树高，并收集所有树木信息。对于胸径在10～20 cm的树木，采用0.04 hm2的亚样地收集相同的信息。共调查了36个样地。Badreldin等[38]利用Landsat和地载LiDAR、机载LiDAR估测了加拿大阿尔伯达省的森林生物量，8个扫描站位于3个站点，半径达到300 m，扫描率为50 000点/s。扫描站从光线明亮到完全黑色，单个树木测量的精度为4～6 mm。采用Cyclone 8.11来计算单木特征，包括胸径、树高和覆盖宽度。Badcock等[39]利用机载LiDAR和Landsat数据对美国阿拉斯加内陆的森林进行了生物量估测，样地采用系统抽样，在每个大的六边形内布设4个亚样地，布设于中心和0°、120°、240°共4个方位，4个研究区共调查了827个亚样地，单木采用比率法，汇总后得到样地生物量。

主动式传感器研究中，样地设计考虑代表性的森林类型。样地有方形、圆形、六边形，数量从几个到几百个不等。对于胸径大于5～10 cm的树木进行检尺，建立树高模型，采用不同径阶、不同因子的公式进行生物量计算。

从以上2种数据源的外业调查和国内对比分析来看，国外的研究样地的形状更加丰富多样，样地的个数也有一定的增加。调查方法上考虑到不同的树木径阶，调查的样木在空间分布更具有代表性，设置上满足一定的统计学意义，样木和样地生物量计算方式更为灵活。今后，在降低调查成本的基础上可以进行参考和借鉴。

3 结论与讨论

通过对国内外已有的利用遥感估测森林生物量的研究成果进行归纳分析，得出如下结论：

1）森林生物量遥感估测地面调查数据主要以国家森林清查数据为主，大多数研究也补充了一些样地。

2）地面数据主要的调查因子有胸径、树高、树种类型。

3）样地的设计基本都考虑了立地条件、随机性、系统性、大小等因素，有30 m×30 m、25 m×25 m等矩形样地，也有圆形样地，较大的样地中有的在4个角和中心增加了小样地。

4）样地生物量以异速生长方程计算为主，方程的变量主要与胸径有关，回归系数基本参考已有文献。

以上总结成果可用于今后利用遥感进行森林生物量估测研究的样地设计和调查过程中，也可以用于利用遥感进行森林的其他参数如树高、胸径、郁闭度、碳储量等估测研究。

我国虽然积累了9期森林资源清查数据，但是在数据共享、数据服务方面和国外发达国家存在一定差距。另外，在数据调查时，发达国家采用了较完善的统计学方法来调查样木，在大样地中设置了小样地进行加密和尺度上推，做法值得借鉴。在已开展的样地调查研究方面，起测胸径根据树种不同而异，采用不同径阶、不同树木因子的公式进行生物量计算。样地匹配方面大多数采用了精确定位技术，作者在香格里拉市开展了样地调查，对将样地单元匹配到遥感像元给出了示例[40]。在生物量动态监测和估测方面，国内研究较少，应根据不同的研究范围开展长期观测和固定样地调查。

由于遥感估测森林生物量的不确定性较多，科学的样地设计是生物量估测的关键，样地调查还有很多需要完善的工作。今后在样地的抽样设计、样地的大小和布设导致的不确定性、样地的调查因子、森林的生物量生长方程、遥感图像的校正等方面进一步研究，才能不断提高基于遥感的生物量估测精度。