王馨慧， 邢艷秋， 黃佳鵬， 尤浩田， 常曉晴

(1.東北林業(yè)大學 森林作業(yè)與環(huán)境研究中心，哈爾濱 150040；2.桂林理工大學 測繪地理信息學院，廣西 桂林 541004)

0 引言

森林生態(tài)系統(tǒng)與其他生態(tài)系統(tǒng)相比，具有分布面積最大、生產(chǎn)力最高、生物量積累最多的特點。森林生物量數(shù)據(jù)是研究許多林業(yè)問題和生態(tài)問題的基礎，也是碳儲量、碳循環(huán)研究的重要參考[1-2]。目前，在全球氣候變暖大環(huán)境背景下，森林生物量研究更是趨顯重要。因此，如何準確、高效地完成森林生物量估算已成為當前研究熱點。

利用遙感技術估算森林生物量相較傳統(tǒng)森林調(diào)查方法具有速度快、周期短、時效性強、經(jīng)濟效益高等優(yōu)點，可以在短時間內(nèi)和大空間尺度下對森林生物量快速、準確、無破壞地估算，對生態(tài)系統(tǒng)進行宏觀監(jiān)測。目前，利用遙感技術估算生物量的研究有很多，從研究數(shù)據(jù)方面看，分別通過光學遙感數(shù)據(jù)[3]、SAR 數(shù)據(jù)[4]、激光雷達數(shù)據(jù)[5]進行森林生物估測。從研究方法看，大多采用多元回歸、BP 神經(jīng)網(wǎng)絡等方法建立遙感信息與實測生物量之間的關系，從而對生物量進行估測，而且利用遙感估測的生物量大多為地上生物量[6-8]。星載大光斑激光雷達(ice，cloud，and land elevation satellite，ICESat)所搭載的地球科學激光測高儀系統(tǒng)(geoscience laser altimeter system，GLAS)可以彌補大多數(shù)遙感系統(tǒng)的不足，獲得森林垂直結構信息。段祝庚等[9]歸納總結了利用GLAS 數(shù)據(jù)估算樹高及生物量的研究，得出由于GLAS 光斑點呈條帶狀分布的特征,使其必須與其他數(shù)據(jù)聯(lián)合以估測區(qū)域樹高和生物量的觀點。中分辨率成像光譜儀(moderate resolution imaging spectrora-diometer，MODIS)光學遙感數(shù)據(jù)相對于其他光學遙感數(shù)據(jù)具有光譜范圍廣、更新頻率高、單幅影像覆蓋面積大的優(yōu)點，從而在數(shù)據(jù)質(zhì)量、穩(wěn)定性和空間尺度方面更適用于科學研究。黃國勝等[10]利用MODIS 數(shù)據(jù)對東北地區(qū)生物量進行了估算，但由于MOIDS 數(shù)據(jù)分辨率較低而導致估測生物量的精度偏低[10]。王成等[11]已將GLAS 數(shù)據(jù)與MODIS 數(shù)據(jù)結合使用，建立了BP 神經(jīng)網(wǎng)絡模型以估測東北三省區(qū)域植被高度，但在精度驗證方面未達到較好效果，且沒有進行生物量的計算。當前學者所建立的生物量異速生長模型大多是以樹高和胸徑為變量[12]，這些模型能較好地實現(xiàn)對林木生物量的估算，但是依靠目前的技術水平，還無法在大區(qū)域尺度下獲得準確的樹木胸徑。

因此，為了解決上述問題，本研究以黑龍江省伊春市帶嶺區(qū)為研究區(qū)，將GLAS與MODIS 數(shù)據(jù)聯(lián)合使用，共同估算區(qū)域內(nèi)森林平均冠層高度，彌補僅使用一種數(shù)據(jù)而導致的不足，利用野外調(diào)查數(shù)據(jù)，建立森林平均冠層高度與生物量之間的聯(lián)系，實現(xiàn)區(qū)域內(nèi)森林生物量(地上和地下)的連續(xù)、高精度估測，解決無法獲取大范圍林木胸徑參數(shù)的難題，從而探索利用遙感信息與地面調(diào)查相結合，快速、準確、連續(xù)計算區(qū)域森林生物量的方法，同時對運用遙感數(shù)據(jù)進行東北地區(qū)大范圍的生物量估測起到一定的參考和借鑒作用。

1 研究區(qū)概況與實驗數(shù)據(jù)

1.1 研究區(qū)概況

帶嶺區(qū)位于黑龍江省伊春市，小興安嶺南部，地理坐標為128°37′42″W～129°17′38″W，46°51′03″N～47°21′32″N，屬北溫帶大陸性季風氣候，冬季干燥寒冷，夏季濕熱多雨，年平均溫度1.4 ℃，極端最低溫度-40 ℃，極端最高溫度37 ℃，年平均降雨量661 mm，年降雨量最大值836.5 mm，多集中在7—9月的3個月份，全年無霜期為110～120 d。帶嶺區(qū)擁有豐富的自然資源，森林資源得天獨厚，主要種類有紅松、云冷杉、水曲柳、白樺等。土壤類型主要為暗棕壤，少量分布草甸土、沼澤土和泥炭土。

1.2 實驗數(shù)據(jù)獲取與預處理

1)野外調(diào)查數(shù)據(jù)。本文使用的研究數(shù)據(jù)是于2014年9月在帶嶺地區(qū)采集得到的。野外調(diào)查采用的方法為分層隨機采樣法，選取了105 個對應GLAS 光斑點的地面作為標準樣地參與森林平均冠層高度模型的構建。在林地森林平均冠層高度-生物量估測模型中共選擇了279個樣地，其中，有146個針葉林樣地、95個闊葉林樣地和62 個混交林樣地。測量因子包括樣地中心坐標、林地類型、優(yōu)勢樹種、樹高、胸徑、冠層高度、葉面積指數(shù)、郁閉度和冠幅等。

野外調(diào)查的樣地需要計算樣地生物量和樣地平均冠層高度，以作為建立森林平均冠層高度-生物量模型的基礎數(shù)據(jù)。樣地生物量表示為樣地內(nèi)所有林木樹干生物量、樹枝生物量、樹葉生物量、樹根生物量四者相加的和，計算見式(1)。生物量計算所用到公式參照陳傳國研究出的適用于東北地區(qū)的生物量異速生長模型[12]，具體見式(2)和式(3)。樣地的平均冠層高度采用Lorey’s的平均高度，如式(4)所示。

(1)

式中：Wt為樣地森林生物量；WSi為第i株林木的樹干生物量；WBi為第i株林木的樹枝生物量；WFi為第i株林木的樹葉生物量；WRi為第i株林木的樹根生物量；n為樣地內(nèi)林木株數(shù)。

W=a(D2H)b

(2)

W=aDb

(3)

式中：a，b是模型參數(shù)；D為胸徑；H為樹高。

(4)

式中：HL為第L(L=1，2，…，n)個樣方的冠層平均高度；hi為第i株單木的冠層高度；gi為第i株單木的胸高斷面積；n為樣方內(nèi)單木株數(shù)。

2)ICESat-GLAS波形數(shù)據(jù)。ICESat 是第一個用于全球大氣觀測、冰蓋高程變化監(jiān)測、陸地高程和地表植被覆蓋觀測的星載激光雷達傳感器[13]。ICESat-GLAS 提供15種數(shù)據(jù)產(chǎn)品(GLA01，GLA02，GLA03，…，GLA15)，GLA01產(chǎn)品包含完整的波形數(shù)據(jù)，GLA14 產(chǎn)品包含地面高程以及經(jīng)緯度等信息，頭文件中的索引號和光斑號將2種數(shù)據(jù)產(chǎn)品進行匹配[14]。為了使得數(shù)據(jù)采集時間盡可能一致,并減少時間差異引起的誤差，本研究選擇了2007—2009年的GLA01 和GLA14數(shù)據(jù)產(chǎn)品，數(shù)據(jù)獲取網(wǎng)址為http：//nsidc.org/data/icesat/。

GLAS 數(shù)據(jù)預處理的目的是為了提取波形長度W和地形坡度參數(shù)TS，用以建立GLAS 平均冠層高度模型。首先將GLAS數(shù)據(jù)轉換成電壓值格式；然后進行標準化、高斯平滑與分解處理。經(jīng)過平滑與分解后的波形數(shù)據(jù)可提取W和TS，提取方法參照邱賽等[15]的研究。其中，W為波形起波點與止波點之間的垂直距離，起波點與止波點由背景噪聲閾值確定，背景噪聲閾值的設置參考了以前的研究，并使用前100幀波形數(shù)據(jù)的平均值和4倍的標準偏差之和[16]。波形長度W的計算如式(5)所示。

W=(sigend-sigstart)×binsize

(5)

式中：sigstart為波形起波點；sigend為波形止波點；binsize為每幀數(shù)據(jù)代表的真實距離，對陸地而言，binsize取值為0.15 m。研究通過提取地形坡度參數(shù)TS以校正地形坡度對波形造成的波形展寬的影響[17]，TS 是對應于地面回波的高斯分量的波形長度Wgf與光斑直徑D的比值反正切[15]，計算方法如式(6)所示。

(6)

式中：Wm為波形被加寬的值。Wm的計算按照Mahoney等[18]在2014年提出的公式，如式(7)所示。

Wm=4.689+0.759A

(7)

式中：A表示地面回波峰值能量值。

3)MODIS數(shù)據(jù)。研究所使用的遙感數(shù)據(jù)為美國地質(zhì)調(diào)查局(United States Geological Survey，USGS)提供的EOS/MODIS的陸地產(chǎn)品MOD09A1，該數(shù)據(jù)空間分辨率為500 m，是8 d合成圖像，數(shù)據(jù)格式為EOS-HDF[19]。MODIS表面反射產(chǎn)品(MOD09)是陸地2級標準數(shù)據(jù)產(chǎn)品，空間分辨率為500 m，包括的主要數(shù)據(jù)為MODIS1-7 波段的反射率數(shù)據(jù)和其他一些輔助數(shù)據(jù)，比如太陽天頂角和波段質(zhì)量數(shù)據(jù)等[20]。該產(chǎn)品通過大氣校正消除了大氣吸收和散射的影響，并能夠?qū)崿F(xiàn)地面光譜反射估計。MODIS的8 d反射率產(chǎn)品是在每天的反射率產(chǎn)品的基礎上合成得到的，8 d內(nèi)的最佳觀測值由總像元質(zhì)量和觀測覆蓋范圍決定。

MODIS 數(shù)據(jù)預處理的目的是為了得到每個波段的光譜信息，為建立GLAS 與MODIS 聯(lián)合估測區(qū)域樹高的模型提供數(shù)據(jù)。由于MOD09A1為二級標準數(shù)據(jù)產(chǎn)品，已經(jīng)過幾何校正和輻射校準，但因其為標準的HDF-EOS格式，投影采用球面正弦投影。為方便后續(xù)計算，研究首先通過MODIS專業(yè)處理軟件MRT(MODIS reprojection tool)對MODIS數(shù)據(jù)中7個波段反射率數(shù)據(jù)進行文件格式轉換，并進行了重新投影、地圖投影和分辨率重采樣的批處理操作，使輸出投影為WGS-84，空間分辨率為500 m的MODIS數(shù)據(jù)7個波段反射率數(shù)據(jù)的TIFF圖像[21]；然后使用ENVI軟件中的FLAASH大氣校正模塊工具進行MODIS光譜數(shù)據(jù)的大氣校正，并通過ARCGIS軟件的掩膜處理工具提取研究區(qū)的邊界，以得出研究區(qū)域的MODIS圖像，去掉研究區(qū)域外的圖像信息，以方便后續(xù)的數(shù)據(jù)處理；最后通過ArcGIS軟件用于根據(jù)經(jīng)緯度值提取MODIS數(shù)據(jù)圖像每個波段的光譜信息。

4)其他輔助數(shù)據(jù)。除上述數(shù)據(jù)外，研究還使用了2013年的森林資源二類調(diào)查數(shù)據(jù)，數(shù)據(jù)來自于帶嶺林業(yè)局。森林資源二類調(diào)查數(shù)據(jù)為帶嶺地區(qū)森林資源清查數(shù)據(jù)，主要包括林地類型、優(yōu)勢樹種、林齡、樹高、胸徑、冠層高度、郁閉度和冠幅等數(shù)據(jù)，可以提供帶嶺地區(qū)準確的森林類型分布，是建立3種林分類型的森林平均冠層高度-生物量模型的基礎。同時，二類調(diào)查數(shù)據(jù)在本研究中還被用來驗證生物量估算的精度。

2 研究方法

首先建立基于GLAS波形數(shù)據(jù)的森林平均冠層高度估算模型，計算研究區(qū)內(nèi)所有GLAS光斑覆蓋點的平均林冠高度；然后結合GLAS數(shù)據(jù)和MODIS數(shù)據(jù)建立區(qū)域森林平均冠層高度BP(back propagation)神經(jīng)網(wǎng)絡估測模型，將GLAS光斑點覆蓋的森林平均冠層高度從對應的MODIS數(shù)據(jù)中提取的7個波段信息組成樣本數(shù)據(jù)集，通過初始化BP神經(jīng)網(wǎng)絡模型的參數(shù)，不斷調(diào)整和修改模型的隱層值，根據(jù)模型的評價參數(shù)確定最佳模型效果，并使用測試集數(shù)據(jù)來測試已建立模型的泛化能力，得到最優(yōu)BP神經(jīng)網(wǎng)絡估測模型，將整個研究區(qū)域的MODIS數(shù)據(jù)的波段信息導入BP神經(jīng)網(wǎng)絡模型作為輸入，計算整個研究區(qū)域的平均冠層高度；最后建立了基于實測數(shù)據(jù)的生物量-森林平均冠層高度模型，以獲得整個研究區(qū)域的生物量信息。

2.1 建立森林平均冠層高度-生物量模型

利用野外實測樣地生物量和實測林分的冠層平均高度，通過Matlab分別建立針葉林、闊葉林、針闊混交林3種林分的回歸估測模型W=aHb(其中，a、b為模型參數(shù))。通過分別構建3種林分樣地生物量與冠層平均高度之間的相關模型，找出對應關系，確定林分模型中a和b的值，進而得到區(qū)域的生物量信息。

2.2 建立GLAS森林平均冠層高度估算模型

相比較大范圍獲取森林胸徑參數(shù)，森林平均冠層高度參數(shù)更容易獲得。因此，本研究建立了基于GLAS波形數(shù)據(jù)的森林冠層平均高度估算模型，并利用該模型計算研究區(qū)所有GLAS光斑點的平均林冠高度。

研究表明，地形坡度會導致GLAS波形展寬，這是影響森林冠層高度估計精度的重要因素[22]。由于地形坡度和光斑大小的影響，波形長度W與真實森林平均冠層高度H之間存在誤差。當局部斜率為α時，波形的最大展寬，即最大估計誤差為Dtanα。本研究從GLAS波形數(shù)據(jù)中提取地形坡度參數(shù)TS，以此最小化坡度對精度的影響[15]。擬建立的平均冠層高度H與波形長度W、地形坡度參數(shù)TS的回歸GLAS森林平均冠層高度估算模型如式(8)所示。

H=aW+bDtanTS+c

(8)

式中：a、b、c為各項對應系數(shù)。

2.3 聯(lián)合GLAS和MODIS建立區(qū)域森林冠層平均高度估測模型

GLAS光斑點分布呈條帶狀，不能覆蓋整個研究區(qū)域。因此，本研究將GLAS波形數(shù)據(jù)與MODIS多光譜數(shù)據(jù)相結合。首先利用GLAS波形數(shù)據(jù)建立GLAS森林平均冠層高度估算模型，獲得研究區(qū)域的所有GLAS光斑點的森林平均冠層高度；然后基于BP神經(jīng)網(wǎng)絡算法，利用GLAS估算的森林冠層高度和MODIS多光譜數(shù)據(jù)處理后得到的7個波段信息組成樣本數(shù)據(jù)集。樣本數(shù)據(jù)依次劃分為訓練集、測試集和驗證集。其中，為了防止模型構建過程中由于過度擬合現(xiàn)象引起的嚴重失真，樣本數(shù)據(jù)集被分成比例為3∶1∶1的訓練集、測試集和驗證集，建立了一個基本的單隱層網(wǎng)絡區(qū)域連續(xù)森林平均冠層高度估算模型。采用Levengerg-Marquardt(縮寫為L-M)作為BP神經(jīng)網(wǎng)絡的訓練算法，模型訓練目的是最小化樣本輸出和預期輸出之間的偏差，從而建立區(qū)域連續(xù)森林平均冠層高度的BP神經(jīng)網(wǎng)絡估算模型[23]。該模型彌補了GLAS光斑分布特征的不足，實現(xiàn)了區(qū)域連續(xù)森林平均冠層高度的估算，獲得了研究區(qū)內(nèi)連續(xù)的森林平均冠層高度，并得到森林平均冠層高度分布圖。

2.4 林分生物量估測

為得出研究區(qū)內(nèi)林分生物量分布信息，利用MODIS數(shù)據(jù)提取的研究區(qū)內(nèi)波段信息，通過基于GLAS數(shù)據(jù)和MODIS數(shù)據(jù)建立的森林平均冠層高度估算模型，獲得研究區(qū)森林連續(xù)的平均冠層高度，并將其應用于基于實測數(shù)據(jù)建立的生物量-森林平均冠層高度估算模型，估算整個區(qū)域的生物量信息，進而得出研究區(qū)域的生物量分布圖。

2.5 模型精度評價指標

為了驗證GLAS森林平均冠層高度估算模型、聯(lián)合GLAS和MODIS的森林平均冠層高度估算模型、生物量-森林平均冠層高度估算模型的準確性及評估模型的質(zhì)量，研究采用決定系數(shù)R2、均方根誤差RMSE作為評價指標。

3 結果與分析

3.1 GLAS森林平均冠層高度估測模型

基于W和TS所建的GLAS森林冠層平均高度估測模型的表達如式(9)所示。

H=0.076×W-0.210×DtanTS+13.27

(9)

研究所建立的GLAS森林平均冠層高度估測模型，模型決定系數(shù)R2=0.801，RMSE=0.614，決定系數(shù)大于0.8，且均方根誤差較小，證明該模型具有良好的擬合效果。為了對森林平均冠層高度估測模型進行模型驗證，選取未參與建模的數(shù)據(jù)點進行驗證分析。圖1顯示了GLAS森林平均冠層高度估算模型的驗證結果，橫坐標為森林平均冠層高度實測值，縱坐標為森林平均冠層高度估測值，得出驗證模型決定系數(shù)R2=0.802，RMSE=0.974。結合圖1可知，整體估測森林平均冠層高度效果良好，精度較高。同時，依據(jù)模型評價參數(shù)分析可知，該模型得出的表達式符合估測精度需求，可以實現(xiàn)高精度林分平均冠層高度的估測。

圖1 GLAS森林平均冠層高度估算模型驗證結果

3.2 區(qū)域森林平均冠層高度BP神經(jīng)網(wǎng)絡估測模型

經(jīng)過反復嘗試，聯(lián)合GLAS和MODIS建立的森林平均冠層高度BP神經(jīng)網(wǎng)絡模型的隱含層神經(jīng)元的數(shù)量確定為10。模型結果和誤差統(tǒng)計見表1。

表1 森林平均冠層高度BP神經(jīng)網(wǎng)絡建模結果

根據(jù)表1，可以看出使用訓練集數(shù)據(jù)(78個隨機選擇的樣本)構建BP神經(jīng)網(wǎng)絡模型，決定系數(shù)R2高達0.886 7，均方根誤差RMSE為0.794；校正集數(shù)據(jù)用于校正模型的每一層網(wǎng)絡之間的權重和閾值，決定系數(shù)R2達到0.936 1，校正集的均方根誤差RMSE為0.443；測試集的回歸效果圖顯示，林冠平均高度的實測值和估測值之間的相關系數(shù)R2為0.797 0，均方根誤差RMSE為1.520。圖2為最終獲得的森林冠層平均高度的BP神經(jīng)網(wǎng)絡訓練集和校正集的回歸效果圖，橫坐標是通過林冠平均高度的實測值，縱坐標是通過BP神經(jīng)網(wǎng)絡模型獲得的森林平均冠層高度的估測值。

圖2 森林平均冠層高度BP網(wǎng)絡建模結果

從表2可以看出，研究區(qū)森林的平均冠層高度為5～25 m，平均約14 m，研究區(qū)的西北部和西南部森林平均冠層高度較高，中部以及東南部分地區(qū)的森林冠層高度較低。中部以及東南地區(qū)森林冠層高度較低是由于此處多分布落葉松以及闊葉樹種，而采集的多光譜數(shù)據(jù)在9月份，此時落葉松和闊葉樹種葉片開始發(fā)黃，光譜信息出現(xiàn)誤差，因此，導致估測的森林冠層高度偏低。不過整體森林平均冠層高度分布較為均勻，分布較為合理，且結合BP神經(jīng)網(wǎng)絡驗證結果分析，研究建立的模型在估測森林平均冠層高度上是可行的，可以滿足林業(yè)應用需求。

表2 森林各區(qū)域平均冠層高度估測值

3.3 森林平均冠層高度-生物量估測模型

研究利用野外實測樣地生物量、森林平均冠層高度分別的建立闊葉林、針葉林、混交林森林平均冠層高度-生物量估測模型及結果見表3。

表3 森林平均冠層高度-生物量估測模型建模結果

從表3可以看出，研究所建立的3種森林平均冠層高度-生物量估測模型效果均很好，針葉林森林平均冠層高度-生物量估測模型決定系數(shù)R2=0.802，RMSE=0.731；闊葉林森林平均冠層高度-生物量估測模型決定系數(shù)R2=0.826，RMSE=0.613；混交林森林平均冠層高度-生物量估測模型決定系數(shù)R2=0.794，RMSE=0.334。3種模型的決定系數(shù)R2均在0.8左右，說明該模型擬合3種林分的森林平均冠層高度與生物量的效果較好，證明該模型適用于當前數(shù)據(jù)的應用場景，達到建模要求。

圖3依次顯示了針葉林、闊葉林、混交林森林平均冠層高度-生物量模型的回歸分析，橫坐標表示森林平均冠層高度，縱坐標表示林分生物量。

圖3 森林平均冠層高度-生物量模型回歸分析

從圖3可以看出，模型數(shù)據(jù)點均勻分布在預測回歸線的兩側，變遷沒有殘差值過大的異常點，整體樣本點的分布大致滿足預測回歸線的走勢，呈現(xiàn)指數(shù)分布。利用森林資源二類調(diào)查數(shù)據(jù)(2013年)計算的森林生物量數(shù)據(jù)，驗證模型的準確性。從其散點圖(圖4)可見，針葉林生物量精度R2為0.761，闊葉林生物量R2為0.692，混交林生物量R2為0.781，模型精度總體比較滿意。結合表2模型評價參數(shù)，說明模型擬合效果良好，因此，研究中建立的3種森林平均冠層高度-生物量估測模型可用于估算本研究區(qū)內(nèi)的森林生物量，得到帶嶺各區(qū)域森林生物量估測值如表4所示。

圖4 研究區(qū)森林生物量精度驗證

表4 森林各區(qū)域生物量估測值

由表4可以看出，研究區(qū)森林生物量為47.40～190.66 t/hm2，全區(qū)域平均值在90 t/hm2左右，在研究區(qū)的西北部和西南部森林生物量較高，而在中部以及東南部的地區(qū)生物量較低與森林平均冠層高度分布類似。由生物量分布圖上整體可以看出，生物量分布較為均勻，過渡自然符合正常生物分布規(guī)律。綜上可知，本研究建立的生物量估測模型具有較高可行性，可以實現(xiàn)對研究區(qū)內(nèi)連續(xù)生物量進行較高精度的估測。

4 結束語

為了彌補僅使用GLAS數(shù)據(jù)無法估算區(qū)域內(nèi)連續(xù)森林平均冠層高度的缺陷，提高估算森林生物量的準確性，研究聯(lián)合GLAS波形數(shù)據(jù)和MODIS多光譜數(shù)據(jù)，從GLAS波形數(shù)據(jù)中提取波形參數(shù)W和TS，結合樣地實測森林平均冠層高度，建立GLAS森林冠層高度估算模型，進而聯(lián)合MODIS數(shù)據(jù)，基于BP神經(jīng)網(wǎng)絡算法建立區(qū)域連續(xù)森林平均冠層高度估算模型，對沒有GLAS光斑覆蓋點的區(qū)域進行平均冠層高度估算，同時基于野外實測數(shù)據(jù)建立了區(qū)域生物量-森林平均冠層高度估算模型，實現(xiàn)連續(xù)生物量估算。通過分析，得出以下結論。

1)基于波形長度W和地形坡度參數(shù)TS的GLAS森林平均冠層高度估算模型能夠有效減少地形指數(shù)計算引起的誤差，提高模型的準確性。模型決定系數(shù)R2=0.801，RMSE=0.614，模型驗證的決定系數(shù)R2=0.802，RMSE=0.974。

2)聯(lián)合GLAS波形數(shù)據(jù)和MODIS多光譜數(shù)據(jù)建立的基于BP網(wǎng)絡算法的森林平均冠層高度估算模型，彌補了GLAS數(shù)據(jù)因光斑點分布離散且呈條帶狀而無法估算連續(xù)平均林冠高度的不足。模型決定系數(shù)R2為0.886 7，均方根誤差RMSE為0.794，模型驗證的決定系數(shù)R2為0.797 0，均方根誤差RMSE為1.520。

3)利用野外實測樣地生物量、實測平均冠層高度分別建立針葉林、闊葉林、混交林的森林平均冠層高度-生物量估算模型，實現(xiàn)研究區(qū)內(nèi)不同林分類型的連續(xù)生物量估算。針葉林、闊葉林、混交林的生物量模型決定系數(shù)R2分別為0.802、0.826、0.794，RMSE分別為0.731、0.613、0.344，驗證的決定系數(shù)R2分別為0.761、0.692、0.781。

研究聯(lián)合GLAS和MODIS數(shù)據(jù)建立森林平均冠層高度模型，解決GLAS光斑點條帶分布的問題，實現(xiàn)森林平均冠層高度的連續(xù)估算；選擇森林平均冠層高度與森林生物量建模，可以解決常用異速生長模型中胸徑參數(shù)在較大區(qū)域內(nèi)難以獲取的問題，對運用遙感數(shù)據(jù)進行東北地區(qū)大范圍的生物量估測起到一定的參考和借鑒作用。

由于實驗采用的數(shù)據(jù)類型較多，導致不同數(shù)據(jù)之間存在無法消除的時間差，并且研究區(qū)內(nèi)生物量的估測也是經(jīng)過多個模型綜合計算的結果，因而會產(chǎn)生一定的誤差，影響結果的準確性，后續(xù)將綜合考慮多種因素對生物量估算的影響，進而使得研究區(qū)內(nèi)的生物量估算更加準確。