王宗梅，章皖秋，岳彩榮，劉 琦

（西南林業(yè)大學(xué) 西南地區(qū)生物多樣性保育國家林業(yè)局重點(diǎn)實(shí)驗(yàn)室，云南 昆明 650224）

隨著溫室效應(yīng)等全球性氣候問題的加劇，森林資源的重要性逐步顯現(xiàn)，作為以喬木為主的生物群落，森林具有吸收二氧化碳、凈化空氣、調(diào)節(jié)局地氣候等諸多生態(tài)效益[1-2]，因此實(shí)時(shí)掌握森林資源現(xiàn)狀和合理管理森林成為林業(yè)工作者的首要任務(wù)，森林蓄積量是具有反映森林資源作用的關(guān)鍵參數(shù)，如何準(zhǔn)確地獲取森林蓄積量具有舉足輕重的意義[3]。

合成孔徑雷達(dá)（Synthetic Aperture Rader，SAR）采用主動(dòng)成像方式，以其全天時(shí)、全天候的優(yōu)點(diǎn)廣泛應(yīng)用于森林資源觀測，為大范圍地實(shí)時(shí)、快速、精確獲取森林蓄積量提供了可能[4]?；赟AR數(shù)據(jù)估測森林蓄積量主要采用后向散射系數(shù)和相干系數(shù)等極化特征參數(shù)與森林蓄積量建立模型實(shí)現(xiàn)[5]，其中后向散射系數(shù)是目前普遍使用的極化特征之一。Santoro等[6]利用日本ALOS PALSAR數(shù)據(jù)，探究SAR后向散射系數(shù)與瑞典北部森林蓄積量的響應(yīng)機(jī)理。朱海珍等[7]用ENVISAT ASAR數(shù)據(jù)對東北大興安嶺地區(qū)森林蓄積量進(jìn)行估測，利用不同極化方式探討SAR后向散射系數(shù)與森林蓄積量的相關(guān)關(guān)系，并達(dá)到較好的估測效果。

不同波長（X-，C-，L-，P-）SAR數(shù)據(jù)的后向散射系數(shù)與森林蓄積量響應(yīng)機(jī)理不同[8]，短波（X-和C-）SAR能夠穿透樹冠到達(dá)地面，但是大部分后向散射來自樹冠的上部[9]；相比之下，長波（L-和P-）SAR具有更好的穿透性，后向散射信號(hào)中帶有大量粗壯樹枝和樹干信息，對森林垂直結(jié)構(gòu)十分敏感，因此理論上，長波更有利于蓄積量的預(yù)測[10-12]。Fransson[13]證實(shí)了L波段比C波段對森林蓄積量的敏感性更高。Englhart等[14]用L波段和X波段的SAR數(shù)據(jù)估測了加里曼丹南部的森林生物量，結(jié)果說明L波段適合估測高生物量地區(qū)的森林，X波段適合估測低生物量地區(qū)。目前，國內(nèi)外對森林蓄積量的研究多是基于L波段的，較少是基于X波段的，Thiel等[15]和范風(fēng)云[16]用L波段的ALOS PALSAR數(shù)據(jù)分別對森林蓄積量進(jìn)行了研究，并得到較好的估測效果。根據(jù)以往的研究顯示，雷達(dá)對森林蓄積量的估測潛力會(huì)因?yàn)槔走_(dá)的頻率、入射角方向和大小以及研究區(qū)位置的差異而不同[17]。X波段SAR以不同的空間分辨率、極化和入射角為森林蓄積量估測提供了新的切入點(diǎn)[18]。因此利用兩種不同的SAR傳感器，X波段的TerraSAR-X全極化數(shù)據(jù)和L波段的ALOS PALSAR雙極化數(shù)據(jù)對森林蓄積量進(jìn)行估測，主要探討長波與短波SAR數(shù)據(jù)對滇西南地區(qū)森林蓄積量的響應(yīng)機(jī)制和估測效果，通過對比分析，得到適宜研究區(qū)較佳的森林蓄積量模型。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于云南省勐臘縣南部，地理位置101.34° E，21.5° N，區(qū)域內(nèi)包括關(guān)累鎮(zhèn)、勐臘鎮(zhèn)、勐捧鎮(zhèn)和勐臘國有林場，面積883.20 km2。研究區(qū)海拔625 ～ 1 527 m，屬于北熱帶濕潤季風(fēng)性氣候，熱量豐富，旱雨兩季分明，日照長，光能足，年平均氣溫21°C，年降水量1 700 mm以上[19-21]。研究區(qū)森林資源豐富，森林覆蓋率為86.24%，保存有林分條件良好的天然闊葉林和人工橡膠樹林，其他闊葉類分布廣泛，占喬木林總面積的71.37%[22-23]。

1.2 研究數(shù)據(jù)

1.2.1 實(shí)測蓄積量數(shù)據(jù) 實(shí)測數(shù)據(jù)為 2006年勐臘縣森林資源二類調(diào)查數(shù)據(jù)，包括蓄積量、平均樹高、平均胸徑、優(yōu)勢樹種和小班面積等信息。由于 SAR數(shù)據(jù)的獲取時(shí)間與實(shí)測數(shù)據(jù)存在一定間隔，為保證蓄積量估測研究的準(zhǔn)確性，本文借鑒了森林資源二類調(diào)查的數(shù)據(jù)，主要以生長較為緩慢的成熟林林分作為研究對象，成熟林的樹高和胸徑變化不顯著，蓄積量也相對穩(wěn)定。研究中將小班蓄積量已經(jīng)轉(zhuǎn)換為相應(yīng)的單位蓄積量。

1.2.2 遙感數(shù)據(jù) 遙感數(shù)據(jù)為德國宇航中心DLR的TerraSAR-X，日本宇航局JAXA的ALOS PALSAR兩種不同波長的SAR數(shù)據(jù)，獲取時(shí)間分別為2014年12月3日和2008年10月19日，其中TerraSAR-X是X波段的全極化數(shù)據(jù)，HH，HV，VH和VV四種極化方式，ALOS PALSAR傳感器獲取L波段雙極化數(shù)據(jù)，HH和HV兩種極化方式，數(shù)據(jù)級(jí)別均為1.1級(jí)的單視復(fù)圖（Single Look Complex, SLC），具體參數(shù)如表1。

圖1 研究區(qū)位置與經(jīng)過地形校正后的TerraSAR-X HH極化強(qiáng)度圖Figure 1 Location of study area and TerraSAR-X HH polarization image after topographic correction

表1 TerraSAR-X和ALOS PALSAR衛(wèi)星部分參數(shù)Table 1 Parameters from ALOS PALSAR and TerraSAR-X sensor

1.3 數(shù)據(jù)處理

1.3.1 實(shí)測數(shù)據(jù)處理 為減少數(shù)據(jù)獲取時(shí)間的差異，同時(shí)緩解小班數(shù)據(jù)的誤差對森林蓄積量建模的準(zhǔn)確性造成的影響，需要對小班數(shù)據(jù)進(jìn)行篩選整理。基于ArcGIS 10.1軟件，選擇齡組為成熟時(shí)期的小班進(jìn)行研究。去除影像覆蓋區(qū)以外和蓄積量為零的小班，同時(shí)去除含有明顯錯(cuò)誤信息的小班，將平均后向散射系數(shù)過大或者過小的小班進(jìn)行刪除，保留TerraSAR-X數(shù)據(jù)σ0和σ0在-12 ～-6 dB，σ0和σ0在-16 ～-10 dB范圍；X-HHX-VVX-HVX-VHALOS PALSAR數(shù)據(jù)σ0在-17 ～-10 dB，σ0在-20 ～-10 dB范圍的小班[24]。通過對實(shí)測數(shù)據(jù)的處理，L-HHL-HV獲取在研究區(qū)范圍內(nèi)的小班優(yōu)勢樹種為橡膠樹Hevea brasiliensis，櫟類（以殼斗科Fagaceae為主）和其它闊葉樹種（以龍腦香科Dipterocarpaceae為主）（櫟類和其他闊葉樹種的解釋根據(jù)《云南省森林資源規(guī)劃設(shè)計(jì)調(diào)查操作細(xì)則》和《樹木學(xué)》），共172個(gè)小班。各優(yōu)勢樹種組的小班數(shù)據(jù)信息如表2。

表2 小班數(shù)據(jù)描述Table 2 Description of subcompartment data

1.3.2 遙感數(shù)據(jù)處理 利用SARscape 5.2.1對TerraSAR-X和ALOS PALSAR數(shù)據(jù)進(jìn)行預(yù)處理，包括對SLC數(shù)據(jù)多視處理，在5 m×5 m窗口內(nèi)對數(shù)據(jù)進(jìn)行中值濾波，利用分辨率為30 m的ASTER GDEM數(shù)字高程模型進(jìn)行地理編碼，同時(shí)進(jìn)行輻射定標(biāo)生成后向散射系數(shù)圖（TerraSAR-X分辨率為10 m×10 m，ALOS PALSAR分辨率為15 m×15 m）。最后，基于研究區(qū)小班數(shù)據(jù)和各極化方式的后向散射系數(shù)圖提取每個(gè)小班的平均后向散射系數(shù)（σ0），單位為分貝（dB）。

1.4 森林蓄積量模型建立與檢驗(yàn)

1.4.1 回歸模型 采用逐步回歸的方法建立蓄積量估測模型。雖然所選的研究區(qū)小班數(shù)據(jù)均為闊葉林，但考慮到樹種差異造成的誤差，在保證小班數(shù)量不變的情況下，應(yīng)根據(jù)樹種類型建立不同的估測模型。由于樹種是分類變量，直接將樹種代入方程存在難度，因此引入虛擬變量進(jìn)行替代。虛擬變量即啞變量（dummy variable），是指一種將定性數(shù)據(jù)Zi轉(zhuǎn)化成定量的（0，1）數(shù)據(jù)的計(jì)算，多用于回歸分析中[25-26]，取值規(guī)則如表1所示，當(dāng)優(yōu)勢樹種為櫟類時(shí)取值為1，其他樹種取值為0，以此類推。

在本研究中，啞變量模型的建立使用SPSS 18.0軟件實(shí)現(xiàn)。

1.4.2 模型精度檢驗(yàn) 為查驗(yàn)擬合線性模型的可靠水平，采取模型預(yù)測精度（P）和均方根誤差（RMSE）兩個(gè)評價(jià)指標(biāo)檢驗(yàn)?zāi)Ｐ?。在不區(qū)分樹種的情況下，將172個(gè)小班數(shù)據(jù)按3:1的比例分配，即121個(gè)小班作為建模數(shù)據(jù)，51個(gè)小班作為檢驗(yàn)數(shù)據(jù)，根據(jù)所建立的模型和檢驗(yàn)樣本對模型進(jìn)行評價(jià)。其相應(yīng)計(jì)算公式如下：

式（1）中，P為精度，為蓄積量實(shí)測值，為蓄積量估測值，單位為mm3·hm-2；式（2）中RMSEE為均方根誤差，n為樣本數(shù)量，y和同上式。

2 結(jié)果與分析

2.1 X波段的TerraSARR-X和L波段的PALSARR數(shù)據(jù)后向散射系數(shù)與蓄積量的關(guān)系

為了充分探討不同波段SAR數(shù)據(jù)與森林蓄積量的響應(yīng)，首先對SAR后向散射系數(shù)與蓄積量的關(guān)系進(jìn)行比較分析，如圖2。由圖2可以看出，蓄積量與后向散射系數(shù)σ0的相關(guān)關(guān)系都呈現(xiàn)出一種正相關(guān)的趨勢，即當(dāng)森林蓄積量增大時(shí)，后向散射系數(shù)也逐漸增大，并且待蓄積量到達(dá)一定程度后趨于穩(wěn)定。其中，ALOOS PALSARR數(shù)據(jù)，與蓄積量的相關(guān)性均高于TerrraSAR-X全極化數(shù)據(jù)，這可能由于L波段SAR數(shù)據(jù)較X波段SAR數(shù)據(jù)與森林蓄積量具有較高的敏感性，更能響應(yīng)研究區(qū)的森林蓄積量。

圖2 X波段的TerraSAAR-X和L波段的PALSARR數(shù)據(jù)后向散射系數(shù)與蓄積量的關(guān)系Figuree 2 Relationship between X-bannd TerraSAR-X aannd L-band PALSSAR data backscaatter coefficient annd forest growingg stock

圖2中后向散射系數(shù)隨著森林蓄積量增大趨于平穩(wěn)，隨即達(dá)到飽和狀態(tài)。然而不同波長的數(shù)據(jù)后向散射系數(shù)與蓄積量的飽和點(diǎn)不同，如TerraSAR-X的各極化后向散射系數(shù)與蓄積量的關(guān)系都有較低的飽和點(diǎn)，和在單位蓄積量為50 m3·hm-2左右達(dá)到飽和，而和在單位蓄積量100 m3·hm-2左右趨于飽和，說明森林蓄積量對同極化散射和交叉極化散射的作用機(jī)理可能有差異，交叉極化與蓄積量的相關(guān)性更高；ALOS PALSAR后向散射系數(shù)和與蓄積量的飽和點(diǎn)均高于TerraSAR-X，在單位蓄積量為200 m3·hm-2左右達(dá)到飽和，與單位蓄積量的飽和點(diǎn)高達(dá)260 m3·hm-2，表明可能X波段的TerraSAR-X數(shù)據(jù)適合估測低蓄積量地區(qū)的森林蓄積量，而在高蓄積量地區(qū)估測能力較弱，L波段的ALOS PALSAR數(shù)據(jù)估測高蓄積量地區(qū)的森林蓄積量效果更好。

2.2 森林蓄積量回歸模型建立

2.2.1 啞變量森林蓄積量回歸模型建立 基于對TerraSAR-X和ALOS PALSAR兩種不同波長SAR數(shù)據(jù)對森林蓄積量的反映機(jī)制的研究，以實(shí)測數(shù)據(jù)的單位森林蓄積量為因變量，以SAR數(shù)據(jù)的后向散射系數(shù)為自變量，引入樹種類型為啞變量，采取逐步回歸法，建立森林蓄積量回歸方程，探討X波段和L波段SAR數(shù)據(jù)對森林蓄積量的估測效果。如表3所示，基于X波段TerraSAR-X數(shù)據(jù)擬合的森林蓄積量方程決定系數(shù)為0.816，P＜0.01，說明此次研究的TerraSAR-X數(shù)據(jù)對森林蓄積量存在較好的估測能力；相比之下，基于ALOS PALSAR數(shù)據(jù)的森林蓄積量回歸模型也具有更好的估測效果，決定系數(shù)0.843，P＜0.01，并且標(biāo)準(zhǔn)估計(jì)誤差較TerraSAR-X森林蓄積量估測模型明顯降低，說明波長較長的L波段SAR數(shù)據(jù)在估測森林蓄積量方面更具優(yōu)勢。

表3 基于X波段的TerraSAR-X和L-波段的PALSAR數(shù)據(jù)的蓄積量回歸模型Table 3 Regression model of forest growing stock based on X-band TerraSAR-X and L-band PALSAR data

2.2.2 估測模型檢驗(yàn)與評價(jià) 根據(jù)森林蓄積量回歸模型和檢驗(yàn)樣本計(jì)算出相應(yīng)的預(yù)測單位蓄積量，并且代入式（1）和式（2）中進(jìn)行計(jì)算，如表4。由表4可知，TerraSAR-X森林蓄積量估測模型和ALOS PALSAR森林蓄積量回歸模型均具有較高的估測精度，ALOS PALSAR森林蓄積量回歸模型較佳，精度略高于前者，可以看出，L波段的ALOS PALSAR數(shù)據(jù)對森林蓄積量有更好的估測效果。

3 結(jié)論與討論

表4 精度評價(jià)Table 4 Model accuracy evaluation

基于X波段的TerraSAR-X數(shù)據(jù)和L波段的ALOS PALSAR數(shù)據(jù)，引入樹種作為啞變量，研究了不同波段SAR數(shù)據(jù)在森林蓄積量方面的估測效果。

（1）通過對不同波段SAR數(shù)據(jù)與森林蓄積量的相關(guān)性分析，相比X波段數(shù)據(jù)，L波段數(shù)據(jù)與森林蓄積量相關(guān)性更高；模型精度評價(jià)中，X波段數(shù)據(jù)森林蓄積量估測模型決定系數(shù)為0.816，精度為66.7%，L波段數(shù)據(jù)的森林蓄積估測模型的決定系數(shù)為0.843，精度為68.8%。綜上可知，L波段SAR數(shù)據(jù)模型優(yōu)于X波段SAR數(shù)據(jù)模型，L波段SAR數(shù)據(jù)更適于研究區(qū)森林蓄積量估測。

（2）模型建立中采用了啞變量技術(shù)，較好地解決了估測對象差異較大而樣本量不足的技術(shù)問題，取得了較好的森林蓄積量估測效果。

（3）由于最新云南省森林資源二類調(diào)查數(shù)據(jù)還未正式發(fā)布，本次研究采用的地面數(shù)據(jù)為2006年獲取，而衛(wèi)星數(shù)據(jù)為2008年（L波段）和2014年（X波段），存在地面調(diào)查與衛(wèi)星數(shù)據(jù)的較大時(shí)間差，這一情況勢必對研究結(jié)果造成一定的影響。鑒于數(shù)據(jù)條件的不足，研究對象僅限于成熟林森林類型。由于成熟林的蓄積量生長率已經(jīng)處于較低水平，故衛(wèi)星數(shù)據(jù)和地面調(diào)查數(shù)據(jù)的時(shí)間差異對本文研究結(jié)果的影響已經(jīng)降到最低，研究結(jié)論對X和L波段的微波數(shù)據(jù)蓄積量估測仍然具有參考價(jià)值。

參考文獻(xiàn)：

[1] 李春梅，張王菲，李增元，等. 基于多源數(shù)據(jù)的根河實(shí)驗(yàn)區(qū)生物量反演研究[J]. 北京林業(yè)大學(xué)學(xué)報(bào)，2016，38（3）：64-72.

[2] 李蘭，陳爾學(xué)，李增元，等. 合成孔徑雷達(dá)森林樹高和地上生物量估測研究進(jìn)展[J]. 遙感技術(shù)與應(yīng)用，2016，31（4）：625-633.

[3] ZHENG S，CAO C，DANG Y，et al.Retrieval of forest growing stock volume by two different methods using Landsat TM images[J]. Int J Remot Sens，2014，35（1）：29-43.

[5] 陳爾學(xué). 合成孔徑雷達(dá)森林生物量估測研究進(jìn)展[J]. 世界林業(yè)研究，1999，12（6）：18-23.

[6] SANTORO M，F(xiàn)RANSSON J E S，ERIKSSON L E B，et al.Signatures of ALOS PALSAR L-Band Backscatter in Swedish Forest [J]. IEEE Transact Geosci Remot Sens，2009，47（12）：4001-4019.

[7] 朱海珍，龐勇，楊飛，等. 基于ENVISAT ASAR數(shù)據(jù)的森林蓄積量估測研究[J]. 地理與地理信息科學(xué)，2007（02）：51-55.

[8] CASTEL T，BEAUDOIN A，PICARD G，et al.An accurate analysis of L-band SAR backscatter sensitivity to forest biomass[C]// Geoscience and Remote Sens Symposium, 2000. Proceedings. IGARSS 2000：24-28.

[9] ABDULLAHI S，KUGLER F，PRETZSCH H. Prediction of stem volume in complex temperate forest stands using TanDEM-X SAR data[J].Remot Sens Environ，2016，174：197-211.

[10] 田昕，陳爾學(xué)，李增元，等. 基于多極化星載SAR數(shù)據(jù)的水稻/旱田識(shí)別—以江蘇省海安縣為例[J]. 遙感技術(shù)與應(yīng)用，2012，27（3）：406-412.

[11] CASTRO K T，SANCHEZ-AZOFEIFA G A，RIVARD B. Monitoring secondary tropical forests using space-borne data: Implications for Central America [J]. Int J Remot Sens，2003，24（9）：1853-1894.

[12] DENGSHENG L . The potential and challenge of remote sensing-based biomass estimation[J]. Int J Remot Sens，2006，27（7）：1297-1328.

晚上，聽到那個(gè)女人上樓的腳步聲后，我就走出了門。那個(gè)女人見我站在門口，愣了一下。我笑了一笑，算是打招呼，然后才說，你等一下。

[13] FRANSSON J E S. Estimation of stem volume in boreal forests using ERS-1 C- and JERS-1 L-band SAR data[J]. Int J Remot Sens，1999，20（1）：123-137.

[14] ENGLHART S，KEUCK V，SIEGERT F. Aboveground biomass retrieval in tropical forests-The potential of combined X-and L-band SAR data use[J]. Remot Sens Environ，2011，115（5）：1260-1271.

[15] THIEL C，SCHMULLIUS C. The potential of ALOS PALSAR backscatter and In SAR coherence for forest growing stock volume estimation in Central Siberia[J]. Remot Sens Environ，2016，173：258-273.

[16] 范鳳云. 基于機(jī)載LiDAR和極化SAR數(shù)據(jù)的山區(qū)森林蓄積量估測方法研究[D]. 北京: 中國林業(yè)科學(xué)研究院，2010：1-97.

[17] CHEN E，LI Z，LING F，et al.Forest Volume Density Estimation Capability of ALOS PALSAR Data over Hilly Region[J]ESA Special Publication. 2009：26-30.

[18] SARKER M L R，NICHOL J，IZ H B，et al.Forest Biomass Estimation Using Texture Measurements of High-Resolution Dual-Polarization C-Band SAR Data[J]. IEEE Transact Geosci Remot Sens，2013，51（6）：3371-3384.

[19] 章皖秋，岳彩榮，顏培東. TanDEM-X極化干涉SAR森林冠層高度反演[J]. 東北林業(yè)大學(xué)學(xué)報(bào)，2017（01）：47-54.

[20] 劉琦，岳彩榮，章皖秋，等. 極化干涉SAR森林冠層高反演的地形坡度改正[J]. 東北林業(yè)大學(xué)學(xué)報(bào)，2017，45（01）：55-60.

[21] 黃琪涵，黃金，黃旭東，等. 淺析勐臘縣珍貴樹種用材林的發(fā)展思路[J]. 四川林業(yè)科技，2015，36（2）：51-54.

[22] 劉永祥. 勐臘縣林地景觀格局分析[J]. 林業(yè)調(diào)查規(guī)劃，2007，32（6）：108-112.

[23] 吳瑩. 勐臘縣森林資源現(xiàn)狀及對策[J]. 林業(yè)建設(shè)，2009（1）：48-51.

[24] 梁志鋒，凌飛龍，汪小欽，等. L波段SAR與中國東北森林蓄積量的相關(guān)性分析[J]. 遙感技術(shù)與應(yīng)用，2013，28（5）：871-878.

[25] RAHMAN M，CSAPLOVICS E，B. Koch. An efficient regression strategy for extracting forest biomass information from satellite sensor data[J]. Int J Remot Sens，2005，26（7）：1511-1519.

[26] 楊英，冉啟香，陳新云，等. 啞變量在云杉地上生物量模型中的應(yīng)用研究[J]. 林業(yè)資源管理，2015（6）：71-76.