森林蓄积量遥感估测

零重力实验室

森林蓄积量是指森林中全部立木材积之和，伴随“3S 技术”的发展与计算机水平的提高，数学模型在该领域的应用研究越来越深，为森林蓄积量的实时估测、快速监测带来了新的方法，根据现有文献和书籍表明，遥感技术应用在森林蓄积量的估测日趋广泛。

以醴陵市为研究区，利用 16 m 分辨率的国产 GF-1 遥感影像为数据源，提取影像的光谱信息、植被指数、纹理因子，分别采用多元逐步回归、偏最小二乘回归、随机森林模型估测研究区森林蓄积量。

1. 研究区概况

选取湖南省醴陵市为研究区。研究区内森林植被属中亚热带常绿阔叶林带。主要植被类型有次生常绿阔叶林、落叶阔叶林、针阔混交林和竹林等类型。树种资源丰富，有木本植物 132 科、433 属、727 种，主要树种有樟树、马尾松、杉木、湿地松等。

研究区位置

2. 样地数据获取

样地数据来源于醴陵市二类调查抽样调查数据，在研究区内按照 800 m×900 m 系统布点，从北至南、从西至东编号，预估蓄积量变动系数为 0.6，可靠性为 95%，剔除无效点（含采伐迹地、火烧迹地、未成林造林地、疏林地、非林地和样地数据异常等），实际得到的合格样地共计 1215 个。调查时间为 2013 年8-11 月。

样地位置分布

样地调查采用角规测树方法进行，调查因子包括每个样地的地理坐标、郁闭度、树种、林分类型、胸径、树高等，利用《湖南省森林资源调查常用数表》查询单木材积，累加得到样地森林蓄积量。将样地按照 7:3 的比例随机划分为建模样本与检验样本，得到 850 个建模样本和 365 个检验样本。

3. 数据预处理

2013 年 10 月 5 日获取的醴陵市 GF-1 遥感影像（1 景）为数据源，分辨率为 16 m，投影为 UTM。首先，对原始影像进行辐射定标，将影像的无量纲值（DN）转换为辐射亮度值。其次，对辐射定标后的遥感影像进行大气校正，得到表征真实地物的反射率图像。最后，以用于二类调查的高分辨率影像（TIF 格式，西安 80 坐标系）为基础影像，通过选取道路、河流、池塘、农田等交叉点来对研究采用的 GF-1 遥感影像进行几何精校正。利用醴陵市行政区矢量图，裁剪几何精校正后的遥感影像，得到研究区范围的遥感影像。

4. 像元与样地点匹配

遥感影像因分辨率不同而存在多种尺度，而地面实际调查样地与遥感影像中的单个像元或多个像元的总面积并不相等，且在地理空间位置上不匹配。从 GF-1 遥感影像像元与样地不匹配角度出发，应用移动窗口法解决像元与样地的不匹配问题。样地调查采用的是角规绕测的方式，即代表的是每公顷蓄积量，而 GF-1 遥感影像的单个像元面积为16 m×16 m，即256 m2 。在Matlab中，以 6×6 的移动窗口取平均值，代表 0.92 hm2 森林植被的反射率，能使像元与样地较好的匹配。

5. 遥感因子的设置与筛选

研究选取的遥感因子主要有 3 种类型：光谱信息、植被指数、纹理因子。其中，光谱信息包含蓝光波段（band 1）、绿光波段（band 2）、红光波段（band 3）和近红外波段（band 4）；植被指数主要为比值植被指数（RVI）、差值植被指数（DVI）、归一化植被指数（NDVI）、增强型植被指数（EVI）和土壤调节植被指数（SAVI）；纹理因子选取常用的 8 个，即均值（Mean，ME）、协同性（Homogeneity，HO）、方差（Variance， VA）、相关性（Correlation，CO）、二阶矩（Second moment，SM）、相异性（Dissimilarity， DI）、熵（Entropy，EN）、和对比度（Contrast，CT），影像包含 4 个波段，合计 32 个纹理因子。共选取遥感因子 41 个。

分析森林蓄积量与遥感因子的相关系数，利用方差扩大因子法逐步对遥感因子进行筛选，寻求影响蓄积量估测的主要变量，消除自变量之间的共线性问题。经过 3 次变量筛选，森林蓄积量建模因子最终保留为 8 个：NDVI、DVI、Band2、DI3、CO1、 EN2、SM2、En3、VA4、EN3。