盧曉曼,鄭 光,居為民,戴聲佩,高 倫

(南京大學 國際地球系統(tǒng)科學研究所,南京 210023)

森林背景反射率對喬木層地上生物量遙感估算的影響研究
——以大興安嶺林區(qū)為例

盧曉曼,鄭 光,居為民,戴聲佩,高 倫

(南京大學 國際地球系統(tǒng)科學研究所,南京 210023)

遙感技術能夠大面積覆蓋和動態(tài)監(jiān)測森林冠層葉片特征,森林喬木層地上生物量(AGB)與葉生物量之間存在良好的統(tǒng)計關系,根據(jù)遙感數(shù)據(jù)提取森林有效葉面積指數(shù)(LAIe)以估算葉生物量、進而估算AGB是可行的。然而,利用遙感數(shù)據(jù)提取森林LAIe時會受到林下植被等背景信息的影響。因此,論文以我國東北大興安嶺林區(qū)為研究區(qū),利用中分辨率成像光譜儀(MODIS)數(shù)據(jù)和四尺度模型定量研究森林背景反射率對冠層LAIe和喬木層AGB遙感估算的影響。結果表明:背景反射率對森林LAIe遙感反演和 AGB估算影響顯著,利用遙感數(shù)據(jù)提取的背景反射率對背景影響訂正后,反演的LAIe與基于高分辨率專題制圖儀(TM)影像反演出的LAIe之間的相關性明顯提高,決定系數(shù)(R2)由0.32(n=25,p<0.10)增大到0.48(n=25,p<0.01),遙感估算的AGB與利用森林一類清查數(shù)據(jù)估算的AGB之間R2由0.52(n=10,p<0.05)上升到0.86(n=10,p<0.01),LAIe和AGB高估現(xiàn)象得到明顯糾正。

背景反射率；葉面積指數(shù)；葉生物量；森林喬木層地上生物量

0 引言

森林喬木層地上生物量(AGB)是定量描述森林生態(tài)系統(tǒng)固碳能力的重要指標[1],對其準確地估算有助于定量評估森林生態(tài)系統(tǒng)固碳能力、認知森林生態(tài)系統(tǒng)對氣候變化和人類活動的響應特征。森林喬木層AGB與森林葉生物量之間聯(lián)系緊密[2],而遙感技術在大面積覆蓋和動態(tài)監(jiān)測森林冠層葉片特征方面的獨特優(yōu)勢使其廣泛應用于大尺度森林葉面積指數(shù)(LAI)估算和動態(tài)監(jiān)測[3]。因此,可以根據(jù)遙感數(shù)據(jù)提取的森林LAI估算葉生物量,進而估算AGB。

然而,森林在垂直方向上具有復雜的分層結構,如大部分寒溫帶和溫帶森林在垂直方向上都具有兩層結構:主要由喬木組成的森林冠層和主要由灌木、草本和苔蘚等組成的林下植被層[4]。傳感器獲取的反射信號不僅來源于森林冠層,也有一部分來源于森林冠層下的背景地物。研究表明,森林背景反射率具有明顯的時空變化[5-6],而在過去基于遙感數(shù)據(jù)反演LAI的研究中通常忽略背景反射率的時空變化,從而導致反演的LAI誤差較大,在森林冠層郁閉度較低時,反演的LAI誤差更大[7]。背景反射率對森林冠層LAI反演結果的影響,必然會導致根據(jù)冠層LAI估算的AGB結果存在較大的不確定性。

多角度遙感數(shù)據(jù)使森林背景反射率的遙感提取成為可能。Pisek等人將森林背景定義為森林冠層下的所有物質(如林下植被、土壤、巖石、雪、凋落物等),分別利用多角度成像光譜儀(MISR)遙感數(shù)據(jù)和中分辨率成像光譜儀(MODIS)雙向反射分布函數(shù)(BRDF)產品,以四尺度幾何光學模型為工具進行了北美和歐洲地區(qū)森林背景反射率的遙感制圖[8-9]。馬建德等人利用MODIS反射率產品合成了BRDF數(shù)據(jù),進而提取背景反射率并分析其對森林冠層LAI的影響[6]。但是,森林背景反射率變化對森林喬木層AGB遙感估算的影響研究還有待開展。

因此,本文以大興安嶺典型寒溫帶森林為研究對象,利用四尺度幾何光學模型和MODIS BRDF產品提取出具有時空變化的森林背景反射率；聯(lián)合該數(shù)據(jù)和MODIS反射率數(shù)據(jù)反演森林冠層LAI；在此基礎上,進行葉生物量和AGB的估算。最后,利用森林一類清查數(shù)據(jù)推算的AGB對遙感估算的AGB進行驗證并評價森林背景反射率對喬木層AGB遙感估算的影響。

1 研究區(qū)和數(shù)據(jù)

1.1 研究區(qū)

研究區(qū)位于中國東北大興安嶺(包括內蒙古大興安嶺和黑龍江大興安嶺)林區(qū)(圖1)。大興安嶺林區(qū)是全國面積最大的天然林區(qū),也是重要的林業(yè)基地之一。它北起黑龍江畔,南至西林木河上游谷地,南北長1 200km,東西寬200～300km,海拔1 100～1 400m。大興安嶺東南坡較陡,西北坡向內蒙古高原和緩傾斜,東南坡夏季受海洋季風影響,雨水較多,西北坡卻較干旱,是我國森林和草原的分界線。該地區(qū)受寒溫帶大陸季風氣候影響,年均氣溫-5.0 ℃,年降雨量400～500mm,其中80%～90%的降雨集中在7—8月份,年雪覆蓋天數(shù)200d左右,生長季為80～100d。研究區(qū)主要樹種包括興安落葉松(Larixgmelinii(Rupr.) Kuzen.)、白樺(BetulaplatyphyllaSuk)、樟子松(PinussylvestrisL.var.mongholicaLitv.)和楊樹(PopulusL.)。林下植被以杜鵑(RhododendronsimsiiPlanch.)、越桔(Vacciniumvitis-idaeaLinn.)、杜香(LAIedumpalustreL.)為主[6]。

圖1 研究區(qū)示意圖及森林類型圖

1.2 數(shù)據(jù)來源及預處理

1.2.1 遙感數(shù)據(jù)

該研究所用的遙感數(shù)據(jù)MODIS陸地標準產品[10],包括地表覆蓋類型數(shù)據(jù)(MCD12Q1)、反射率數(shù)據(jù)(MOD09A1)和MODIS BRDF模型參數(shù)產品(MCD43A1)。分幅號為h25v03,時間段為2005,2008,2010,2011和2013共5年,分辨率為463.3 m。MODIS數(shù)據(jù)下載以后,利用重投影工具(MRT)將正弦(SIN)投影轉化為通用橫軸墨卡托投影(UTM)投影,在此基礎上進行圖幅拼接、影像裁切和地理校正等。

另外,本研究從美國地質調查局(USGS)網站[11]上下載了與塔河實測數(shù)據(jù)獲取時間最接近、云量小于6 %的陸地資源衛(wèi)星(Landsat)專題制圖儀(TM)影像,分幅號為121/024,獲取時間為2011年6月26日,分辨率為30 m。對其進行條帶修復、幾何校正和輻射校正處理。

1.2.2 野外實測數(shù)據(jù)

2011年8月7—12日、2012年8月12—16日分別在塔河和根河選擇了有代表性的59個樣方進行了野外觀測。觀測的變量包括:樹冠高度、樹冠密度、樹冠半徑、樹干高度、胸徑(DBH)、森林冠層有效葉面積指數(shù)(LAIe)和聚集度指數(shù)(Ω)。其中,樹冠高度、樹冠密度、樹冠半徑、樹干高度和DBH利用激光測距儀(Leica-D2)和皮尺進行測量,LAIe和聚集度系數(shù)分別采用植物冠層分析儀LAI-2200[12]和TRAC[13]觀測,并基于聚集度指數(shù)將LAIe轉化為LAI(LAI=LAIe/Ω)。

表1 野外實測數(shù)據(jù)基本信息

注:針對每個樣方、不同森林類型都是測量以上參數(shù)。

1.2.3 森林清查數(shù)據(jù)

所用的數(shù)據(jù)為第七次和第八次森林一類清查數(shù)據(jù),主要參數(shù)包括森林面積、材積、林齡、森林類型等。研究區(qū)橫跨內蒙古大興安嶺和黑龍江大興安嶺兩部分,兩個省份對應兩次的森林清查時間分別為2008,2013和2005,2010(本文選擇部分遙感數(shù)據(jù)獲取時間的原因),利用該清查數(shù)據(jù)推算得到研究區(qū)內各縣(市)森林喬木層AGB總量。

2 研究方法

研究分3步進行:1)森林背景反射率提取:基于MODIS BRDF數(shù)據(jù)和四尺度幾何光學模型,提取森林背景反射率。2)冠層LAI遙感反演:利用獲得的MODIS反射率數(shù)據(jù)反演生成兩套LAI數(shù)據(jù)；生成第一套LAI數(shù)據(jù)時,利用第一步生成的具有時空變化的森林背景反射率對冠層反射率計算的植被指數(shù)進行訂正后,再輸入到LAI反演算法；生成第二套LAI數(shù)據(jù)時,將冠層反射率計算的植被指數(shù)直接輸入到LAI反演算法。3)喬木層AGB估算:根據(jù)遙感反演的LAI數(shù)據(jù)和不同森林類型(常綠針葉林、落葉針葉林、落葉闊葉林和混交林)的比葉面積指數(shù)(SLA)估算葉生物量,結合基于實測數(shù)據(jù)建立的葉生物量與AGB關系方程進行AGB估算,利用由森林清查數(shù)據(jù)推算的AGB驗證AGB遙感估算結果,評價森林背景反射率變化對AGB估算的影響。

2.1 背景反射率提取

首先基于Pisek等人[8]的方法提取森林背景反射率。該方法假設遙感圖像上每個像元的反射率是光照冠層、光照背景,陰影冠層和陰影背景4個分量反射率加權平均值:

Rn=RTKPTn+RGKPGn+RZTKZTn+RZGKZGn

(1)

式中,R為反射率；K為觀測到的不同分量的百分比,利用四尺度幾何光學模型進行模擬；而下標PT，PG，ZT和ZG分別指光照冠層、光照背景、陰影冠層和陰影背景。如假設森林冠層和背景反射率在給定的光照條件下隨觀測角度變化很小、陰影冠層和陰影背景的反射率可以表示為各自光照部分反射率與多次散射因子M的乘積,森林背景反射率可以利用在兩個觀測角度的冠層遙感反射率求出:

(2)

式中,RG為背景反射率；n為星下點方向,a為另一觀測天頂角度(本文取40°),這兩個角度的反射率利用MCD43A1數(shù)據(jù)和半經驗核驅動模型[14]模擬生成。

2.2 森林冠層LAI遙感反演

2.2.1 基于TM數(shù)據(jù)的森林LAIe反演

為降低樣方尺度的實測LAIe與基于MODIS數(shù)據(jù)反演的LAIe之間由于空間尺度不同帶來的誤差,本研究以Landsat TM圖像反演的高分辨率LAIe作為實測LAIe與MODIS LAIe之間的橋梁,來驗證基于MODIS數(shù)據(jù)的LAIe遙感反演結果。

在生成高分辨率LAI分布圖時,是通過建立由Landsat圖像求出的修正的歸一化植被指數(shù)(MNDVI)[15]與實測LAIe之間的經驗統(tǒng)計關系實現(xiàn)的。該指數(shù)能夠有效地減少林下植被等背景信息對近紅外波段的影響,從而減少背景反射率對高分辨率LAIe(TMLAIe)反演的影響。

2.2.2 基于MODIS數(shù)據(jù)的森林LAI反演

在生成森林背景反射率數(shù)據(jù)后,用其與MODIS反射率數(shù)據(jù)(MOD09A1)和地表覆蓋類型數(shù)據(jù)(MCD12Q1)共同驅動Deng等人[16]于2006年提出的算法反演LAIe。該算法基于四尺度幾何光學模型模擬的不同條件下比值植被指數(shù)(SR)和減小的比值植被指數(shù)(RSR)與LAIe之間關系分別建立查找表,進而反演LAIe。

本研究區(qū)內多山區(qū),地形變化大,SR對地形影響的敏感性較RSR低[6]。另外,在Deng等人[16]發(fā)展的LAIe反演算法中,由于RSR對植被類型和背景不敏感,基于RSR進行LAIe反演的主要目的是為了減弱森林背景反射率變化對森林LAIe反演的影響,而本文是為了探究及消除森林背景反射率對LAIe反演的影響。因此,基于SR進行的LAIe反演更適合本研究。

利用方程3對冠層反射率計算的SR進行訂正以消除背景反射率對LAIe反演造成的影響[17]:

(3)

將利用方程(3)計算的SR＇輸入到LAIe反演算法得到去除林下背景反射率影響的森林冠層LAIe。相反,直接由SR反演的LAIe包含了林下背景的貢獻。利用遙感反演的葉片聚集度指數(shù)[18],將LAIe轉換為LAI,生成2012年8天一景的LAI時間序列數(shù)據(jù)。為了減少該LAI時間序列數(shù)據(jù)中的噪音,對其進行了平滑處理。在此基礎上,生成每年生長季(第169—217天)內LAI平均值分布圖。

2.3 森林喬木層AGB估算

2.3.1 基于實測數(shù)據(jù)(包括清查數(shù)據(jù))的AGB估算

本研究采用生物量建模工作所研建的二元生物量模型[19]作為實測單木生物量計算的基礎模型,并依據(jù)各省的樣木表,利用DBH和樹高等因子計算單木各器官生物量,進而求和得到單木AGB；然后,將單木AGB按樣地進行匯總。對于森林一類清查數(shù)據(jù),根據(jù)平均生物量法將樣地AGB擴展到縣(市)尺度,從而求出每個縣(市)總森林喬木層AGB。

2.3.2 基于遙感數(shù)據(jù)的AGB估算

森林喬木層AGB根據(jù)DBH和樹高估算[20]:

AGB=α1×(D2H)β1

(4)

式中,D和H分別代表DBH和樹高；α1和β1為系數(shù)。

葉生物量Mf估算為:

Mf=α2×(D2H)β2

(5)

式中,α2和β2為系數(shù)。

將方程(5)代入方程(4)可以得到:

AGB=δ×Mfγ

(6)

式中,δ和γ分別為系數(shù),根據(jù)野外觀測數(shù)據(jù)確定。

葉生物量Mf又可表示為:

Mf=LAI/SLA

(7)

式中,SLA是比葉面積指數(shù),根據(jù)文獻數(shù)據(jù)確定[21]。

利用方程(6—7),結合年最大LAI數(shù)據(jù)和SLA指數(shù)可以估算每個像元的森林喬木層AGB。

2.4 結果驗證

該研究區(qū)由于缺乏系統(tǒng)的森林背景反射率實地觀測數(shù)據(jù),鑒于林下植被與周圍草地具有相似的氣候條件和組成結構,利用鄰近草地的MODIS反射率結果間接驗證背景反射率提取結果的季節(jié)變化趨勢[9]；利用塔河地區(qū)由Landsat影像反演出的高分辨率森林LAIe對MODIS反演的低分辨率LAIe進行驗證；利用基于森林一類清查數(shù)據(jù)推算的縣(市)AGB總量對基于遙感數(shù)據(jù)反演的AGB進行驗證。

3 結果與分析

3.1 背景反射率結果與分析

圖2是利用方程(2)和MCD43A1數(shù)據(jù)提取的森林背景反射率與鄰近草地MOD09A1反射率平均值的季節(jié)變化趨勢比較。在冬季(第1—89天以及297—361天),由于地面積雪的覆蓋,提取的紅光和近紅外波段背景反射率都處于高值,與鄰近草地反射率的變化趨勢一致,但比草地反射率略低；從第89天開始,草地和背景的反射率都呈現(xiàn)下降趨勢,這是由于隨著溫度升高,地面積雪開始融化；生長季開始后(第121天以后),隨著林下植被的生長,近紅外波段的背景反射率上升；第241天后,隨著氣溫的下降,林下植被開始枯黃,近紅外波段的背景反射率下降?？傮w來看,背景與鄰近草地反射率具有相似的季節(jié)變化特征。

圖2 提取的森林背景反射率與鄰近草地反射率平均值全年變化比較

通過將求出的背景反射率季節(jié)變化曲線與鄰近草地反射率季節(jié)變化曲線相比較,我們求出的森林背景反射率相對可靠。但是從理論上講,如果背景反射率與總的冠層反射率并無差別,那么林下背景信息對森林冠層LAIe及其他結構參數(shù)的影響無足輕重。為了探究背景反射率與總反射率值是否近似,我們從研究區(qū)裁剪出一景150×150像元大小的圖像分別從紅光波段和近紅外波段對兩者進行比較。從圖3a中可以看出,總反射率在紅光波段和近紅外波段的值都遠遠小于林下背景在紅光和近紅外波段的反射率,且兩者在紅光波段比近紅外波段反射率差異更大。這也直接導致一般情況下在林分尺度由背景反射率計算出的SR值小于冠層總反射率計算出的SR值(圖3b)。盡管本研究區(qū)還沒有實測數(shù)據(jù)驗證區(qū)域尺度背景反射率與總反射率的關系,但是從圖3中兩者之間反射率關系以及由反射率求出的SR值相對于1∶1線的明顯偏移進一步證明了背景反射率在森林結構參數(shù)反演中的影響不容忽視,且為消除森林LAI遙感反演時的高估效應提供依據(jù)。

3.2 反演的冠層LAI驗證

圖4a是基于Landsat圖像求出的MNDVI與實測LAIe建立的統(tǒng)計關系,根據(jù)該關系可以反演出高分辨率TM LAIe。利用該TM LAIe對利用MODIS數(shù)據(jù)在去除和未去除背景影響兩種情況下反演的2012年第169天的森林冠層LAI與塔河實測森林冠層LAI進行驗證(圖4b)。結果表明:不去除背景反射率時,反演的LAI比TM LAIe系統(tǒng)偏高；去除背景反射率影響后,反演的LAIe與TM LAIe的一致性明顯增強,R2從0.32提升至0.48,置信水平由90 %提高到99 %。這表明,對森林背景反射率的影響進行訂正,可提高LAI遙感反演結果的可靠性。

圖3 背景反射率與森林冠層總反射率的比較

圖4 實測LAIe與MNDVI之間的統(tǒng)計關系圖(a)和利用TM LAIe對MODIS LAIe進行驗證圖(b)

3.3 葉生物量與喬木層AGB之間關系

圖5給出了根據(jù)樣方觀測數(shù)據(jù)推算的不同類型森林葉生物量與喬木層AGB之間的關系?？梢钥闯?對于針葉林、闊葉林和混交林而言,葉生物量與喬木層AGB之間相關性都達到0.01的顯著水平,說明根據(jù)葉生物量估算AGB是可行的。但是,應該注意的是,對于針葉林和混交林,在3個AGB較大的樣方(圖中圓圈處),葉生物量與AGB相關性變差,這與已有的研究結論類似[22]。葉生物量與喬木層AGB之間關系呈現(xiàn)較弱的非線性,擬合的方程(6)中的δ和γ系數(shù)在不同森林類型之間存在較為明顯的差異。

圖5 根據(jù)樣方觀測數(shù)據(jù)推算的不同森林類型葉生物量與地上生物量密度AGB之間關系

3.4 遙感估算的生物量空間分布

圖6是利用去除背景反射率影響后反演的2013年LAI估算的葉生物量和森林喬木層AGB空間分布圖。大部分地區(qū)葉生物量密度分布為4～6 t/hm2左右,研究區(qū)中部的葉生物量密度(0～4t/hm2)低于研究區(qū)周邊的葉生物量密度(4～8 t/hm2)(圖6a)。大部分地區(qū)的AGB密度變化范圍為60～80t/hm2,這與毛學剛等人[23]在小興安嶺以及范文義等人[24]在長白山研究結果相似。針葉林的AGB密度(110t/hm2左右)高于闊葉林(50 t/hm2左右)和混交林(70 t/hm2左右)的AGB密度。有研究表明:在大興安嶺林區(qū),除了幼齡林外,其它齡組(中齡林、近熟林和成熟林)的落葉松林(主要的針葉林樹種)生物量都高于白樺(主要的闊葉林樹種)的生物量[25],與本文的研究結果較為一致。

圖6 生物量空間分布圖

3.5 森林喬木層AGB遙感估算結果驗證

圖7為利用森林清查數(shù)據(jù)推算出的各行政區(qū)森林喬木層AGB總量對基于遙感數(shù)據(jù)估算的各行政區(qū)喬木層AGB總量驗證的散點圖。從圖7中可以看出,去除背景信息影響后估算出的各行政區(qū)AGB總量與基于清查數(shù)據(jù)估算出的AGB各行政區(qū)總量相關性(R2=0.86)較未去除背景影響估算出的各行政區(qū)AGB總量與之相關性(R2=0.52)更高；均方根誤差(RMSE)前者為53.6 Tg,也遠遠低于后者 117.0 Tg；去除背景影響后,置信水平從95 %提高到99 %,且散點的分布更接近于1:1線,趨勢線的截距從38.75 Tg降低到15.41 Tg,AGB高估現(xiàn)象得到有效糾正。從研究區(qū)AGB總量來看,第七次森林清查數(shù)據(jù)期間,去除背景信息影響估算出的研究區(qū)內AGB總量為469.6 Tg,相對于未去除背景信息影響估算出的研究區(qū)內AGB總量554.1 Tg,前者更接近基于第七次森林清查數(shù)據(jù)估算出的研究區(qū)內AGB總量(408.7 Tg)。同樣,對于第八次清查數(shù)據(jù),未去除背景影響估算出的研究區(qū)內AGB總量為675.3 Tg,相對于去除背景影響后基于遙感數(shù)據(jù)估算出的研究區(qū)內AGB總量(531.1 Tg),前者更接近基于第八次森林清查數(shù)據(jù)估算出的研究區(qū)內AGB總量(428.2 Tg)。

圖7 遙感估算的AGB與一類清查數(shù)據(jù)推算的AGB比較

4 結論與討論

論文利用MODIS BRDF數(shù)據(jù)提取了森林背景反射率,聯(lián)合該數(shù)據(jù)和MODIS反射率數(shù)據(jù)反演了森林冠層LAI,進而估算了森林喬木層AGB,用森林一類清查數(shù)據(jù)推算的AGB對遙感估算結果進行驗證,評價背景反射率對森林地上生物量遙感估算的影響。主要結論如下:

1) 林下植被等背景反射率的干擾會影響冠層LAI遙感反演的精度,用遙感提取的背景反射率信息對背景影響訂正后,反演的LAI與實測數(shù)據(jù)之間的相關性明顯提高,R2由0.32(n=25,p<0.1)增大到0.48(n=25,p<0.01)。

2) 根據(jù)樣方數(shù)據(jù)推算的森林葉生物量與喬木層AGB之間具有較好的相關性(R2>0.75,p<0.01),通過遙感數(shù)據(jù)反演LAI估算葉生物量,進而估算AGB是可行的。

3) 驗證表明,去除森林背景反射率影響后,可提高遙感估算的AGB與利用森林一類清查數(shù)據(jù)估算的AGB之間的一致性,R2由0.52(n=10,p<0.05)上升到0.86(n=10,p<0.01),AGB高估現(xiàn)象得到明顯糾正。

由于資料和方法等方面的限制,本研究還存在以下不確定性:

1) 在利用森林清查和調查數(shù)據(jù)驗證遙感數(shù)據(jù)估算的森林喬木層AGB結果時,由于兩者空間分辨率、調查時間的不同,勢必會對驗證結果帶來一定的影響。另外,由森林清查和調查數(shù)據(jù)推算的AGB也存在一定的誤差,也會影響驗證結論。

2) 根據(jù)冠層LAI推算葉生物量時,SLA是關鍵參數(shù),現(xiàn)有的遙感技術還不能對其進行制圖。直接將羅天祥等人[21]實測的不同樹種SLA用于落葉針葉林、常綠針葉林、落葉闊葉林和混交林,會導致估算的葉生物量和AGB的誤差。

3) 根據(jù)樣地觀測數(shù)據(jù)推算的葉生物量和喬木層AGB具有顯著的相關性,但是隨著生物量的增大,兩者之間相關性變差,會影響AGB的估算結果。

本文利用遙感提取的背景反射率對背景影響進行訂正,取得了一定的效果。但是,反演的LAI和估算的AGB還存在高估現(xiàn)象,是背景影響仍然存在還是其他原因還有待深入研究。

志謝

本研究實測森林結構參數(shù)數(shù)據(jù)來自于南京大學國際地球系統(tǒng)科學研究所,森林清查數(shù)據(jù)來自于國家林業(yè)局調查規(guī)劃設計院。

[1]Houghton R.Aboveground forest biomass and the global carbon balance[J].Global Change Biology,2005,11(6):945-958.

[2]黃金龍.基于BEPS模型和遙感的森林地上生物量更新方法研究[D].南京:南京大學,2014:1-60.

[3]朱高龍.帽兒山地區(qū)森林冠層葉面積指數(shù)的地面觀測與遙感反演[J],2010,21(8):17-24.

[4]焦桐,劉榮高,劉洋,等.林下植被遙感反演研究進展[J].地球信息科學,2014,16(4):602-608.

[5]李登秋.亞熱帶森林碳收支變化特征及其成因模擬分析[D].南京:南京大學,2014:1-83.

[6]馬建德.基于MODIS數(shù)據(jù)的森林背景反射率提取方法研究[D].南京:南京大學,2014:1-45.

[7]Garrigues S,Lacaze R,Baret F,et al.Validation and intercomparison of global Leaf Area Index products derived from remote sensing data[J].Journal of Geophysical Research:Biogeosciences,2008,113(G2):1-20.

[8]Pisek J,Rautiainen M,Heiskanen J,et al.Retrieval of seasonal dynamics of forest understory reflectance in a Northern European boreal forest from MODIS BRDF data[J].Remote Sensing of Environment,2012,117:464-468.

[9]Pisek J,Chen J M.Mapping forest background reflectivity over North America with Multi-angle Imaging SpectroRadiometer (MISR) data[J].Remote Sensing of Environment,2009,113(11):2412-2423.

[10]NASA.Data[EB/OL].[2017-07-01].http://modis.gsfc.nasa.gov/.

[11]美國地質調查局.USGE[EB/OL].[2017-07-01].http://earthexplorer.usgs.gov.

[12]Chen J,Black T.Measuring leaf area index of plant canopies with branch architecture[J].Agricultural and Forest Meteorology,1991,57(1-3):1-12.

[13]Chen J,Cihlar J.Plant canopy gap-size analysis theory for improving optical measurements of leaf-area index[J].Applied Optics,1995,34(27):6211-6222.

[14]Roujean J L,Leroy M,Deschamps P Y.A bidirectional reflectance model of the earth’s surface for the correction of remote sensing data[J].Journal of Geophysical Research-Atmospheres,1992,97:55-68.

[15]Nemani R,Pierce L,Running S,et al.Forest ecosystem processes at the watershed scale:sensitivity to remotely-sensed leaf area index estimates[J].International Journal of Remote Sensing,1993,14(13):2519-2534.

[16]Deng F,Chen J,Plummer S,et al.Algorithm for global leaf area index retrieval using satellite imagery[J].IEEE,2006,44(8):2219-2229.

[17]Pisek J,Chen J,Alikas K,et al.Impacts of including forest understory brightness and foliage clumping information from multiangular measurements on leaf area index mapping over North America[J].Journal of Geophysical Research,2010,115:1-13.

[18]柳藝博,居為民,陳鏡明,等.2000—2010年中國森林葉面積指數(shù)時空變化特征[J].科學通報,2012,57(16):1435-1445.

[19]碳匯林.全國優(yōu)勢樹種(組)異速生長方程[EB/OL].[2017-06-01]http://www.carbontree.com.cn/NewsShow.asp?Bid=6538.

[20]Wirth C,Schumacher J,Schulze E-D.Generic biomass functions for Norway spruce in Central Europe—a meta-analysis approach toward prediction and uncertainty estimation[J].Tree Physiology,2004,24(2):121-139.

[21]羅天祥.中國主要森林類型生物生產力格局及其數(shù)學模型[D].北京:中國科學院地理科學與資源研究所,1996:1-197.

[22]Zhang X.Estimating forest biomass in the USA using generalized allometric models and MODIS land products[J].Geographical Rearch letter,2006,33(9):1-5.

[23]毛學剛,李明澤,范文義,等.近30年來小興安嶺地區(qū)生物量變化及地統(tǒng)計分析[J].地理研究,2011,30(6):1110-1120.

[24]范文義,李明澤,楊金明.長白山林區(qū)森林生物量遙感估測模型[J].林業(yè)科學,2011,47(10):16-20.

[25]胡海清,羅碧珍,魏書精,等.大興安嶺 5 種典型林型森林生物碳儲量[J].生態(tài)學報,2015,35(17):5745-5760.

Assessing the Impacts of Forest Background Reflectance on Estimating Aboveground Biomass—a case study of forest area in Great Khingan

LU Xiaoman,ZHENG Guang,JU Weimin,DAI Shengpei,GAO Lun

(InternationalInstituteforEarthSystemScience,NanjingUniversity,Nanjing210023,China)

Remote sensing technology is of great importance to estimating large-scale forest canopy leaf characteristics dynamically,and there is a good statistical relationship between forest aboveground biomass (AGB) and leaf biomass.It is feasible to estimate leaf biomass and then AGB based on canopy effective leaf area index (LAIe) estimated from remotely sensed data.However,the forest background information,such as understory vegetation,has a negative influence on LAIe and AGB retrieval by this way.Therefore,this paper focused on exploring the impacts of forest background reflectance on LAIe and AGB inversion in the Great Khingan forest area using moderate resolution imaging spectroradiometer (MODIS) data and a four scale model.The results showed that both LAIe and AGB were sensitive to the forest background reflectance.The determinate coefficient (R2) between MODIS-and Landsat thematic mapper (TM)-based LAIe increased from 0.32 (n=25,p<0.1) to 0.48 (n=25,p<0.01) when eliminating the influence of background reflectance on LAI inversion.Also,the AGB estimates were more related to the national forest inventory (NFI)-based AGB after considering the effects of forest background (R2=0.86,n=10,p<0.01).Forest LAI and AGB overestimation could be put right in this research.

background reflectance,LAI,foliage biomass,forest AGB

2017-04-22；

2017-06-06

“全球變化及應對”重點研發(fā)專項(2016YFA0600202)

盧曉曼(1991-)，女，河南周口人，碩士，研究生，主要從事森林結構參數(shù)定量遙感反演研究。 Email:luxmnju@163.com

鄭光(1982-)，副教授，碩導，主要從事利用光學和LIDAR遙感定量反演植被結構、物理和生化參數(shù)研究。 Email:zhengguang1982@gmail.com

S757.2；TP79

A

1002-6622(2017)04-0059-10

10.13466/j.cnki.lyzygl.2017.04.010