遥感估算法在森林碳汇估算中的应用进展

郭靖，张东亚，玉苏普江·艾麦提，齐成

(新疆林业科学院，新疆 乌鲁木齐 830000)



遥感估算法在森林碳汇估算中的应用进展

郭靖，张东亚，玉苏普江·艾麦提，齐成

(新疆林业科学院，新疆 乌鲁木齐 830000)

摘要作为陆地生态系统主体，森林具有碳源和碳汇的双重作用。目前，国内外众多学者对区域尺度森林碳汇的估算提出的方法较多，但还没有统一的估算方法。遥感估算法是估算森林碳汇的重要方法之一。通过总结该方法的优缺点及应用范围，为碳储量估算精度和碳评估提供合理的参考。

关键词遥感估算法；森林碳汇；碳汇估算

森林生态系统在全球碳循环中起到主要的作用。森林固定的碳每一年约占全部陆地生态系统的2/3，其变化决定了陆地生态系统碳源和碳汇的功能。国内外学者也对基于RS技术的森林碳汇估算开展了许多研究。遥感数据的精度、研究领域的空间尺度等问题是目前遥感估算法的研究热点。本文全面综述了国内外森林碳汇的遥感估算方法及研究进展，讨论了该方法的优缺点、适用范围及尚未解决的主要问题，以期为我国森林生态系统碳储量估算提供科学依据，为碳评估提供合理的参考。

1遥感估算方法及数据介绍

遥感估算法是在遥感数据与外业调查数据相结合的基础上，利用遥感技术得到森林植被的状态参数，对森林资源进行时空分析及动态变化，测算不同尺度森林植被净第一生产力，对于大尺度森林生态系统的碳储量的估算具有重要的意义。它能提供高分辨率和实时变化数据，能及时反映碳储量的空间变化，弥补了传统的样地查清法空间分布不连续的特点，以及耗时、耗力、耗经费，故遥感估算法在森林碳储量估算中应用越来越广泛，在森林碳储量估算及动态变化分析方面具有重要的贡献。

目前，人们用光学遥感、热红外遥感、SAR微波遥感、高光谱遥感和激光雷达遥感对森林资源进行调查，从而形成多种遥感数据用于碳储量的估算，大大提高了准确性和快捷性，且不会对生态系统产生不必要的干扰。其中应用最广泛的数据有LandsatTM数据、NOAA/AVHRR数据、QuickBird数据、SPOT数据和MSS数据等。

2国外研究进展

20世纪90年代，国外研究者应用TM和NOAA/AVHRR数据对森林生物量进行了研究。1997年，HameT等人第一次应用TM影像结合外业调查数据构建光谱模型，将该模型应用到AVHRR图像来估算欧洲森林生物量；1998年，Raymond Salvador等人应用TM数据与样地清查数据结合，利用多元回归分析方法，估算了地中海的森林生物量；1999年，Lefsky等人利用TM数据和外业调查数据对落叶树的地上生物量做了计算；2003年Foody等人利用LandsatTM数据应用多元回归和神经网络分析方法对比分析了10个植被指数估算的植被生物量，其结论是神经网络分析方法是精度最高的一种方法；2004年，T.Calvão等人应用LandsatTM影像对灌木岩蔷薇光谱信息进行了研究，构建了Leave-One-Out模型并进行估算。结果显示夏季影像中单个TM波段与生物量呈负相关，而NDVI却与生物量呈正相关，且相关性较高，同时也开拓了光学卫星影像绘制生物量。2005年，LuDS利用TM数据对巴西亚马逊森林的地上生物量进行了研究，发现TM的光谱响应更适合林分结构相对简单的森林，而对林分结构较为复杂的，其纹理信息显得更为重要，TM光谱响应与纹理的结合，能有效提高森林地上生物量的估算精度；2006年，Myeongetal.采用TM/ETM影像的归一化植被指数(NDVI)数据与对应样地的碳储量数据建立了美国雪城的森林碳储量预测模型，结果显示，遥感技术在定量监测城市森林碳储量变化方面具有明显的优势；2007年，S.S.SAATCHI等人通过遥感数据、气象数据和生物量样地数据耦合，对地上植被生物量进行了估算[10]。2010年，Arief W等利用1 460个抽样小区的样地调查数据，结合ETM数据，分析了印度尼西亚东加里曼丹的森林植被2000—2003年间生物量的动态变化[11]。

3国内研究进展

我国森林碳储量的估算TM和NOAA数据的应用最为广泛。1996年，肖乾广等人应用AVHRR遥感数据搭载NOAA的气象卫星对中国植被NPP进行了估算[12]；2002年，郭志华等人通过TM数据谱信息构建材积模型，估算森林生物量和覆盖度[13]。2006年，魏安世等人利用TM数据和线性与非线性组合的光谱信息数据构建了多元线性回归方程，对森林碳储量进行了估算[14]；2008年，张慧芳利用TM数据，建立生物量估算模型反演了北京地区1999和2002年的森林生物量，并建立Markov模型，预测了该地区2005年及2008年的森林生物量[15]；2009年，韩爱忠基于MODIS和CBERS-WFI数据，结合地理气象因子，采用神经网络和多元回归法，研究了东北三省森林生物量估算模型[16]。2013年，黄绍霖等采用野外样地调查实测数据，并将其与同期SPOT5影像对应样地改进的归一化植被指数(MNDVI)数据进行回归分析，建立了河田盆地2011年马尾松林碳储量的反演模型[17]。

4结论与讨论

遥感估算法的优点在于遥感信息的宏观和动态化，不受自然环境条件的限制，对于大尺度范围内植被碳储量估算具有优势。但由于森林是一个复杂多变的生态系统，具有明显的时空特异性和复杂的内部结构与联系，对小尺度范围所测结果与实际值有较大偏差。因此，应用遥感技术法仍面临着有待于进一步改善的重要问题。

参考文献：

[1]杨海军,邵全琴,陈卓奇,等.森林碳蓄积量估算方法及其应用分析.地球信息科学,2007, 9(4):5 -12

[2]刘诗琦.山东菏泽杨树人工林碳储量和碳贮库特征研究[D.]北京：北京林业大学,2013

[3]Hame T, Salli A， Andersson K, et al.A new methodology for the estimation of biomass of conifer-dominated boreal forest using NOAA AVHRR data.International Journal of Remote Sensing, 1997，18(15):3211-3243

[4]Salvador R, Pons X. On the applicability of Landsat TM images to Mediterranean forest inventories. Forest Ecology And Management, 1998, 104(1): 193-208

[5]Lefsky M A, Harding D, Cohen W B, et al. Surface Lidar Remote Sensing of Basal Area and Biomass in Deciduous Forests of Eastern Mary land, USA.Remote Sensing Environment, 1999,67:83-98

[6]Foody G M, Boyd D S, Cutler M L. Predictive relations of tropical forest biomass from Landsat TM data and their transferability between regions.Remote Sensing of Environment, 2003, 85 (4):463-474

[7]T alvão, J M Palmeirim. Mapping Mediterranean scrub with satellite imagery: biomass estimation and spectral behaviour. Int. J. Remote Sensing, 2004,25(16):3113-3126

[8]Lu D S, Mateus B. Exploring TM image texture and its relationships with biomass estimation in Rondonia, Brazilian Amazon. Acta Amazonica, 2005, 35(2): 249-257

[9]Myeong S, Nowak D J, Duggin M J. A Temporal Analysis of Urban Forest Carbon Storage Using remote Sensing. Remote Sensing of Environment，2006,101(2):277-282

[10] Saatchi S S, Houghton R A,Dossantos alval≠,et al. Distribution of aboveground live biomass in the Amazon basin. Global Change Biology, (2007)13,816-837

[11] Arief W, Sandi K. Richard G et al. Improved strategy for estimating stem volume and forest biomass using moderate resolution remote sensing data and GIS.Journal of Forestry Research.2010,21(1): 1-12

[12] 肖乾广,陈维英,盛永伟,等.用NOAA气象卫星的 AVHRR 遥感资料估算中国的净第一性生产力.植物学报,1996,38(1)：35-39

[13] 郭志华，彭少麟，王伯荪.利用 TM 数据提取粤西地区的森林生物量．生态学报，2002，22(11):1832-1840

[14] 魏安世,林寿明,李志洪.基于TM数据的森林植物碳储量估测方法研究.中南林业调查规划,2006,25(4):44-47

[15] 张急芳.北京地区森林植被生物量遥感反演及时空动态格局分析.北京：北京林业大学,2008

[16] 韩爱惠.森林生物量及碳储量遥感监测方法研究.北京：北京林业大学,2009

[17] 黄绍霖,徐涵秋,曾宏达,等.福建长汀河田盆地的马尾松林碳储量时空动态变化.地球科学,2013,38(5):1081-1090

通讯作者：张东亚(1963-)，男，研究员，主要从事全球变化的区域响应研究工作，Email： 358999837@qq.com

作者简介：郭靖(1982-)，女，在读博士，主要从事应对气候变化、3S应用及干旱区环境评估等领域的研究工作， Email：guojing7227279@163.com

基金项目：中国清洁发展机制基金赠款项目(2013013)

收稿日期：2015-10-29

中图分类号：S718.5

文献标识码：A

doi:10.13601/j.issn.1005-5215.2016.01.024

文章编号：1005-5215(2016)01-0061-02