协同ICESat/GLAS和MISR数据估算小兴安岭地区森林地上生物量

摘要

大光斑激光雷达ICESat／GLAS波形数据包含大量的地物垂直结构信息，如森林垂直断面、地形等。这些信息与森林地上生物量具有很强的相关性。本研究在雷达波形数据处理的基础上，提取波形参数，分别用线性逐步回归模型和Erf-BP神经网络模型建立波形参数与森林地上生物量的关系式。使用Erf-BP神经网络模型计算研究区域内GLAS光斑点的生物量，协同多角度光学遥感数据MISR应用随机森林机器学习方法构建从点到面的空间尺度生物量扩展模型，最后用样地数据对模型反演的生物量结果进行检验。研究结果表明Erf-BP神经网络模型预测能力（P=0．965，RMSE=3．81t·ha^-1）优于线性逐步回归模型（P=0．86，RMsE=4．54t·ha^-1）；空间尺度扩展模型预测精度P=0．81，RMsE=2．39t·ha^-1，反演的森林地上生物量估计值范围在0～144．4t·ha^-1，平均地上生物量估计值为59．28t·ha^-1，用样地数据检验模型的反演结果（R^2=0．72，R_MSE=8．98t·ha^-1），估计值与实际值较为接近。研究实现使用少量实测数据获取大尺度、高精度森林地上生物量的目的，为森林资源调查、生态研究及碳循环研究提供基础。