森林生物量遥感估算方法分析
近些年来，随着人类活动日益频繁，全球森林面积锐减，大量使用化石燃料，由此导致的温室效应等环境问题等全球环境问题。所以，全球碳循环问题日渐成为全球环境变化究领域的热点问题，其中森林生态系统碳循环又是全球碳循环中受人类活动影响最强烈的部分。 因此，为了正确评价森林在全球碳平衡中所发挥的作用，森林生物量作为有效衡量森林生态系统生产力、生态系统结构功能的重要指标，其研究正日益成为人们关注的重点。随着航天遥感技术应用技术的提高，利用卫星影像特征判读数据与地面实测数据建立数学模型，进行森林资源调查己越来越被人们所认识和应用。需要注意的是，在对森林生物量进行估算时，模型的恰当选择是关键问题，因为它直接影响了森林生物量的估算精度。
2.基于遥感技术的森林生物量估算方法分析 2.1基于遥感技术的森林生物量估算方法的机理分析
生物量是指在一定时间内，单位面积内所含的一个或多个生物种组成的群落中所有生物有机体的总干物质的质量。森林生物量包括乔木层生物量、活地被物层生物量以及动物和微生物生物量3个部分。目前，对生物量研究的途径主要有三种：依据呼吸作用释放二氧化碳的变化的方法；依据监测光合作用的方法；依据对生物现存量来进行研究的方法。
植物遥感基于对植物叶片和冠层光谱特征的了解，所以要清楚植物叶片结构和植被结构。从植物遥感—植物与光（辐射）的相互作用出发，叶片的大小、形状、结构以及叶绿素含量同植被结构一样，随着植物的种属、生长时期及分布的改变而变化的。从植被光谱特征来看，近红外区的反射主要受叶片的叶腔结构控制；在叶片的光合作用过程中，叶绿素主要吸收可见光中的蓝光、红光以及少部分绿光；植物的发射特征主要表现在热红外和微波普段。由于随着植物的生长发
育的变化，其叶腔结构、细胞叶绿素含量和水分含量均会随之变化，导致叶片的光谱反应也发生相关变化。因此，通过对这些现象及其相应的光谱特征变化的研究和多种光谱特征值的合理组合，可有效的进行植物与非植物的区分、不同植被类型的识别、植物长势监测以及植被生物量估算等研究。植物的反射光谱特征反映了植物的叶绿素含量和生长状况，而叶绿素含量与叶生物量相关，叶生物量又与群落生物量相关。因此可以采用多波段遥感数据来揭示植物活动的信息等。 2.2基于传统森林生物量研究分析
传统的森林生物量研究常常以采样区内一定面积内树木质量为主，采用实测数据为基础进行宏观拓展估算或相关分析的方法，其传统研究方法有气体交换法、微气象场法和收获法等。
传统的森林生物量估测方法需要大量的固定样地，运用相应方法进行实地测量以及相关部门提供的研究区统计资料。其为植被遥感储备了丰富的地面实测数据样本。这些数据既是建立生物量模型的基础，也是验证生物量模型的依据。但其通常只能获得点上的数据，且耗时、费力、具有一定破坏性，无法做到实时动态监测，不利于研究生物量的空间分布和变化，而且实际应用中存在着林业测量仪器误差、样地空间分布的代表性不足等问题。
2.3基于遥感技术的森林生物量估算方法分析 2.3.1遥感信息参数与生物量拟合关系的方法
遥感信息参数与生物量拟合关系方法基于对遥感信息参数和地面观测的森林生物量进行相关性分析的基础上，通过建立两者的拟合方程来估算生物量的方法。
这种方法常常根据植被的反射光谱特征，利用红光、近红外波段的反射率和其他因子及其组合获得的植被指数，再同生物量进行拟合，从而来估算森林生物量。从现有资料可以看出：基于样点观测数据建立遥感信息参数与森林生物量之间的回归关系模型是基于遥感信息参数与生物量拟合关系方法的关键。上述方法中较常用的如多元线性回归方法，依据多个因变量与自变量的最优组合建立回归分析方程，
其一般形式为：
y=b0+b1xi1+b2xi2+b3xi3+…+bpxip+i
式中：为第（ii=1，2…n，n为样本个数。）个样本因变量观测值；称为第i个样本第p个自变量观测值；为的观测误差；为常数x1，x2，…，xp为y对应于，…，的偏回归系数。
在实际应用中，Mynei等应用NOAA/AVHRR数据，建立了森林NDVI值与各省森林生物量总量的关系，其方程为： 1/Bimass=-0.377+0.0006·Lat+3809.65·（1/NDVI/Lat2） 马泽清等在Landsat5.TM遥感图像数据和相应野外调查数据的基础上，建立了植被指数、影像与植被各器官生物量之间的关系。其地上生物量多元回归模型分别为：
Bleaf=*****.663+33.145TM1+60.515TM2-768.449TM3+225.790TM4-27.689TM5+50.638TM7-4062.812RVI Babove=*****.597+114.335TM1+395.904TM2-4895.496TM3+1462.842TM4-243.747 *****.247RVI
杨存建等采用统计回归的方法，对云南省西双版纳热带森林植被的生物量与遥感数据之间的相关性进行了深入探索。 2.3.2遥感数据与过程模型拟合的方法
过程模型根据植物生理、生态学原理，通过对太阳能转化为化学能的过程以及植物冠层蒸散与光合作用相伴随的植物体及土壤水分散失的过程进行模拟，进而计算植被NPP。它从机理上对植物的生物物理过程以及影响因子进行分析和模拟。
在众多NPP估算模型中，过程模型以其完整的理论框架、清晰的过程机理而逐渐趋于主导地位。进行NPP模拟时，主要地表覆被信息、植物的生长状态相关信息与土壤水分相关信息需由遥感数据提供。目前，较为常用的模型有：TEM模型、*****模型、BEPS模型、*****D模型、GLO-PEM模型等。
M.Chiesi等利用传统数据和NOAA/AVHRR NDVI数据分别应用
TM5+490.069TM7-
森林生物量遥感估算方法分析
