利用资源三号遥感影像进行森林生物量估测
高永明1 高 超2,3
【摘 要】[摘 要] 国土资源调查是我国查实查清土地利用类型、土地资源利用现状的重要手段,森林资源作为我国最重要的土地利用类型之一,在国土资源调查中尤为重要。本文以北京延庆松山自然保护区为研究区域,利用资源三号卫星影像估算生物量,将光谱等作为反演生物量的因子,分析不同因子与森林生物量的相关性,获取相关性较高的10个建模因子,通过多元线性回归,得出最优针叶林和阔叶林的生物量模型,精度依次为70.3%和66.8%,满足森林调查精度要求。 【期刊名称】北京测绘 【年(卷),期】2024(032)010 【总页数】6
【关键词】[关键词] 国土调查; 资源三号; 纹理因子; 生物量
引文格式: 高永明,高超.利用资源三号遥感影像进行森林生物量估测[J].北京测绘,2024,32(10):1186-1191.
0 引言
国土资源调查是我国查实查清土地利用类型、土地资源利用现状的重要手段[1]。2007-2009年,我国进行了第二次全国土地调查,其中典型优秀的案例包括卫片执法在矿产资源管理与地质灾害防护、土地开发整理和复垦、森林资源调查方面的应用[2]。森林生物量是森林生态系统最基本数量特征,通常以单位面积或单位时间积累的干物质量或能量来表示[3-5]。传统的森林生物量统计以实测数据为基础,需要大量的人力、物力、财力;而且需要较长的时间周期,在大范围大规模的森林资源调查中,获取每木检尺的数据更是难上加难[6],而且数据更新速度
远不能满足当今信息化时代对森林资源调查数据的获取需求[7-11]。随着遥感技术的不断发展,为国土资源调查提供了高效快捷的手段,因此,遥感技术反演森林生物量方法已经成为最常用的方法[12-13]。
本文主要是围绕森林调查为目的展开的对森林生物量进行提取。以北京延庆松山自然保护区为研究区域,以2014年资源三号卫星遥感数据以及2014年4月在该实验区域获得的外业样地调查数据为主要的数据源,对森林因子进行提取。首先,提取研究区坡度、坡向信息、光谱信息、植被指数信息等,选定相关性较大的因子参与建模,得到林分生物量模型;其次,利用林分生物量模型得到的林分生物量;最后,将遥感影像获取的林分生物量与森林小班实测数据进行对比。
1 研究区概况
北京松山国家级自然保护区位于北京市延庆县,距北京市区90公里,距延庆县城25公里。地理坐标为115°43′44″-115°50′22″E, 40°29′9″-40°33′35″N,海拔629-2198 m,总面积4671 hm2,林地面积3626.6 hm2,占总面积的77.8%,灌木林地900.3 hm2,占19.3%,荒山荒地121.1 hm2,占2.6%,其它土地(建筑用地、水域等)12 hm2,占0.3%。北京松山有着丰富的植被资源和多样性的生物群落,植物是以温带气候植被为主,主要分为三类:一是以油松为主的针叶林、二是以山杨、黑桦、蒙古栎等为主的阔叶林;三是针、阔叶混交林,见表1所示。
2 数据来源和处理方法
2.1 数据来源
本文采用的是2014年6月9日的资源三号卫星获取的影像数据(图1),其中包括2.1 m的全色波段和5.8 m的多光谱波段。该影像与其他资源类型的遥感卫星相比,在国际上具有领先水平[14]。该影像也是国家基础测绘的主要数据源,为
我国测绘事业的长期发展提供强有力的保障。
本次试验于2014年4月对北京市松山国家自然保护区进行外业数据调查,利用角规分别对研究区的样地中心进行绕测并记录角规计数且利用GPS记录该中心的坐标值。然后对角规计数的每株样木都进行量测胸径、树高及冠幅等参数，见表2所示。 2.2 数据处理方法 2.2.1 数据预处理
对资源三号卫星遥感影像进行预处理,包括对影像进行几何校正、大气校正、影像融合以及影像裁剪。同时,对松山外业调查的数据进行整理,剔除信息不全样木。本文采用的外业实地调查数据是2014年4月北京延庆松山地区的50块实测角规样地数据。另外20块角规实测样地数据作为对已建立的模型进行精度验证,其中角规数据通过计算其蓄积量进而转化为生物量。首先根据外业获取采集到的胸径、树高、冠径等立木几何参数等信息计算蓄积量: (1)
其中,为角规计数,为1.3米处胸径横面积,h为树高,n为计数木,f实验形数。 不同树种的蓄积量和生物量之间呈线性关系,参考方精云的研究(方精云,1996),北方主要树种蓄积量转换为生物量的计算公式见表3。 注a:B为生物量,V为蓄积量。 2.2.2 建模因子提取
遥感卫星影像的纹理携带着丰富的信息,反演生物量一般通过测定若干个地面点的生物量,然后建立对应点的生物量和像素之间的回归模型,用方程的方式来估计所有像元代表的地面生物量,最后通过分析,比较选择较敏感的波段来回归生物量。
利用资源三号遥感影像进行森林生物量估测
