基于Landsat TM数据的高山松林生物量研究.docVIP

PAGE PAGE 1 基于LandsatTM数据的高山松林生物量研究 　　摘要：以香格里拉地区高山松林为对象，对香格里拉地区高山松林生物量进行了研究。生物量模型以香格里拉地区2009年Landsat-5TM遥感图像数据和2011年野外调查获得的45个样地调查数据为基础，利用遥感数据提取各波段灰度值、植被指数和地学数据共14个因子作为自变量，分别运用逐步回归分析方法和主成分分析方法提取的的主成分建立了以样地实测生物量为因变量的生物量估算的回归模型。两个模型经方差分析及相关性检验，均达到显著相关水平，相关系数R分别为0.519和0.581，可用于高山松林生物量的估测，但是估测精度都较低。其中利用主成分分析建立的模型精度高于利用逐步回归分析法建立的生物量模型。 　　关键词：高山松林生物量；逐步回归分析；主成分分析；香格里拉地区 　　中图分类号：S718.43文献标识码：A文章编号2013　　1引言 　　森林是陆地生态系统的主体，森林生物量是反映森林生态系统功能的重要指标，约占陆地生态系统生物量的90%＼[1＼]。随着森林资源的不断消耗，生态环境的日益恶化，加之《京都议定书》国际协议的签订，促使人们加强对森林生物量的研究，并且更加深刻地认识森林生物量及其影响因子的重要性。 　　在森林生物量的研究中，利用遥感信息对较大尺度森林生物量进行估算是森林生物量研究的一种重要手段。高山松是横断山区高山地带的特有种，是中国松林中分布海拔最高的特有类型＼[2＼]，但是基于遥感手段的高山松林生物量研究比较少，尤其是复杂地形和气候条件下有地学信息参与的高山松林生物量估测模型，所以文章拟利用TM遥感数据和相关地学信息建立高山松林生物量估测模型，以期找出研究区域内高山松林生物量估测最优模型，并为在这种环境下高山松林的研究、开发利用和管理提供参考。 　　2森林生物量估算的遥感机理 　　森林生物量估算的遥感机理主要表现在：植被的遥感图像信息是由其反射的光谱特征决定的，植物的光合作用表现为对红光和蓝紫光的强烈吸收而使其反射光谱曲线在该部分呈现波谷形态，所以，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，而叶绿素含量和叶生物量相关，叶生物量又与群落生物量相关，因此，可根据植物反射光谱特征，利用遥感信息来估算陆地植被生物量＼[3，4＼]。本文根据该机理利用样地植被的遥感光谱信息、植被指数和相关地学信息建立高山松林生物量估算模型。 　　3基础数据 　　3.1研究区概况 　　本文以香格里拉县为研究区域，其地理坐标为东经99°20′～100°19′和北纬26°52′～28°52′。主要研究区域位于云南省西北部迪庆州的东北部。该区地处有“世界第三极”之称的青藏高原南端，地势由西北向东南倾斜，山脉、河流南北纵贯，相向并列，高差大，山高谷深，地形复杂，其中高山松林样地分布在3000m左右的亚高山地区。区域内气候主要为立体气候和高原气候，而且由于地形影响形成地形小气候，并且受西南季风和南支西风急流的交替控制，气候条件复杂。这些因素决定了该研究区域的遥感图像更容易受外界环境的干扰。 　　3.2样地实测生物量 　　2011年香格里拉地区的高山松林为本文研究对象，利用角规控制检尺的方法对研究区域内的高山松林进行调查。在每块林分中随机布设角规点，记录每个角规点的GPS坐标，利用该方法对入选木进行每木测量，并以相关生长方程先求出样地蓄积量，再利用生物量—蓄积量模型求出样地生物量。本文采用黄从德在《生态学报》上发表的高山松林生物量和蓄积量的函数转换模型即W=0.5272V1.0793来获得样地实测高山松林生物量，其中W为生物量，V为蓄积量，该模型是在林分平均碳含量系数为51%～53%时得到的。 　　3.3遥感因子的提取 　　3.3.1波段光谱值的提取 　　遥感数据采用2009年Landsat-5TM影像，数据除去第6波段即热红外波段的几何分辨率为120m×120m外，其余波段的几何分辨率均为30m×30m。在对TM图像进行辐射校正和大气校正之后，利用1∶50000香格里拉地形图，选取50个明显的地物点对TM影像进行几何精校正，使得校正后的图像误差在一个像元以内。校正后的像元大小为30m×30m。利用ENVI和ArcGIS软件提取波段光谱值和每个样地对应的各个波段光谱值，作为生物量建模的因子。 　　3.3.2植被指数的提取 　　不同的光谱通道所获得的植被信息有着各自的特点，仅用个别波段或多个单波段数据来提取植被信息是相当局限的，因而常常选用多光谱遥感数据经线性或非线性组合，产生对植被长势、生物量等有一定指示意义的植被指数加以分析＼[5，6＼]。在ENVI和ArcGIS软件的支持下，利用遥感图像提取植被的NDVI、RVI、EVI、GVI、BI