遥感在森林地上生物量估算中的应用
3
何红艳 郭志华
33
肖文发
(中国林业科学研究院森林生态环境与保护研究所,北京100091)
摘 要 生物量是地表C 循环研究的重要组成部分,生物量研究有助于深入认识区域乃至
全球的C 平衡。森林作为地球最重要的陆地生态系统,区域乃至全球尺度的森林地上生物量估算一直是生态学研究的难点之一。在大的空间尺度上,遥感技术是估算森林地上生物量的有效手段。T M 、AVHRR 、S AR 等数据以及多源数据的融合在森林生物量估算方面广泛应用,并取得了显著效果。运用遥感技术进行森林生物量估算时,所采用的数据源不同,分析方法也不相同,主要分析方法有:相关分析、多元回归分析、神经网络和数学模型模拟等。随着测定不同空间、时间和波谱分辨率的各种传感器的广泛使用,以及生物量遥感估算模型的进一步发展和完善,大尺度森林生物量的遥感估算研究必将向前迈进一大步。 生物量;遥感;神经网络;数学模型中图分类号 S718.55 文献标识码 A 文章编号 1000-4890(2007)08-1317-06Appli ca ti on of re m ote sen si n g i n forest aboveground b i oma ss esti m a ti on.HE Hong 2yan,G UO Zhi 2hua,X I A O W en 2fa (Institute of Forest Ecology,Environm ent and P rotection,Ch inese A cade m y of Forestry,B eijing 100091,China ).Chinese Journa l of Ecology ,2007,26(8):1317-1322.
Abstract:B i omass is an i m portant variable in many ecol ogical and envir on mental models,and its large scale esti m ati on would be hel pful t o understand the gl obal C balance .Forest p lays an i m 2portant r ole in the gl obal carbon budget because it deter m ines the dyna m ics of terrestrial carbon cycle,but the measure ment of its abovegr ound bi omass involves extensive field surveys .On large regi onal scale,using satellite data is an effective way t o esti m ate forest bi omass .Up t o now,T M ,AVHRR ,radar data and the fusi on of multi p le satellite data have been widely used in f orest bi o 2mass esti m ati on .During esti m ating with satellite data,different mathe matic methods may be re 2quired if the data s ources are different .The main methods for the esti m ati on are correlati on analy 2sis,regressi on analysis,neural net w ork,and other mathe matic models .Ne w instru ments with different res oluti on in s patial,te mporal and s pectru m are devised f or the relatively reliable deter 2m inati on of f orest abovegr ound bi omass .W ith the devel opment and i m p r ove ment of the theories and models for bi omass esti m ati on by using re mote sensing data,great p r ogress will be achieved in the research of forest bi omass on large scales .Key words:bi omass;re mote sensing;neural net w ork;mathe matical model .
3国家自然科学基金重大研究计划项目(90211006)、国家重点基础研究发展规划项目(2002CB412508)、国家自然科学基金重大项目(30590383)、国家科技十一五攻关计划项目(2006037002027)和国家林业局重点试验室开放基金资助项目。33通讯作者E 2mail:guozh@caf .ac .cn 收稿日期:2006209230 接受日期:2007205205
1 引 言
作为生态和环境应用研究的重要变量之一,生物量的长期定位研究有助于加深对全球碳平衡的认识
和理解(Field et al .,1995;Fang et al .,2001;方精云
等,2002)。作为地球上最重要的陆地生态系统,森林在全球碳循环中居重要地位,对陆地生物圈和其它地表过程有着重要影响。因此,大尺度森林地上生物量的有效估算是生态学研究的重要内容之一。
利用遥感进行森林生物量估算是基于植物的反射光谱特征实现的。这是因为:不同植物及同种植物在不同的生长发育阶段,其反射光谱曲线形态和特征不同;并且,病虫害、灌溉和施肥等条件的不同
也会引起植物反射光谱曲线的变化(彭少麟等,
生态学杂志Chinese Journal of Ecol ogy 2007,26(8):1317-1322
1999)。因此,可以利用植物的这一特征,借助遥感技术,并结合地面调查,进行区域和全球尺度上的森林生物量估算研究。
多种遥感数据被广泛用于森林生物量估算,这些遥感数据主要包括Landsat T M、NOAA/AVHRR、S AR等。
2 森林生物量估算中的遥感数据源
211 T M数据
由美国陆地卫星五号(LANDS AT5)携带的主题成像传感器(The matic Mapper,T M)有7个波段,利用这7个波段的不同组合可以提取不同的植被指数,然后利用植被指数估算区域生物量(Ha me et al.,1997;M ichalek et al.,2000;Foody et al.,2001; Houghi on et al.,2001;T omppo et al.,2002;Foody et al.,2003;R ichards&B rack,2004)。
利用T M数据估算区域生物量时,往往在研究区域内实测生物量或与生物量有密切关系的数据如材积(Ha me et al.,1997;郭志华等,2002)和叶面积指数(leaf area index,LA I)(Phua&Sati o,2003)等,利用T M数据的7个波段及各波段的组合如归一化植被指数(nor malized difference vegetati on index,ND2 V I)(Houghi on et al.,2001;Dong et al.,2003)等与生物量或者材积等的关系进行多元回归分析建模。郭志华等(2002)利用T M数据的7个波段及其各种组合与材积的关系,估算了粤西地区的森林生物量。Foody等(2003)在对热带雨林(婆罗洲)的生物量制图时,基于T M数据和回归分析模型,有效提高了生物量估算精度。Phua和Sati o(2003)利用T M数据的6个波段(未使用第6波段)及植被指数信息,并结合其它因子,进行多元回归建模和生物量估算。212 NOAA/AVHRR数据
AVHRR是NOAA系列卫星的主要探测仪器,包含有一个5通道的光谱扫描辐射仪。利用AVHRR数据进行生物量估算时,主要是通过AVHRR数据计算NDV I指数。
利用AVHRR数据提取NDV I植被指数,然后通过NDV I估算区域的生物量,是一种比较常用的方法(Ha me et al.,1997;Houghi on et a l.,2001;San2 nier&Tayl or,2002;Dong et a l.,2003;A l2Bakri& Tayl or,2003;Moreau et al.,2003)。Dong等(2003)利用遥感估算16个国家(加拿大、芬兰、挪威、德国等)167个省份的北部森林和温带森林的生物量时,利用AVHRR数据提取NDV I植被指数,根据针叶林和阔叶林的不同,建立了估算生物量的不同模型,有效估算了这些区域的地上部分生物量。
AVHRR数据也用于森林的分类(M ichalek et a l.,2000),但其分类精度不如T M数据(Houghi on et a l.,2001)。
213 雷达数据
雷达遥感又叫微波遥感,可分为主动和被动2种方式,被动方式与可见光和红外遥感类似,是由微波扫描辐射计接收地表目标的微波辐射。目前多数星载雷达采用主动方式,即由遥感平台发射电磁波,然后接收辐射和散射回波信号,主要探测地物的后向散射系数和介电常数。微波遥感不依赖于太阳辐射的变化,能够全天候观测,可以随时随地获取植被信息,特别适用于云层覆盖的地区。而且,微波具有一定的穿透力和对某些地物明显的区分能力,利用雷达数据进行生物量估算相当普遍(Hoek man& Qui ones,2000;I m hoff&Johns on,2000;Houghi on et al.,2001;Sant os et al.,2003)。Lefsky等(2002)利用雷达遥感数据,估算了北方针叶林、温带针叶林和温带落叶林3类森林生态系统的地上部分生物量。
21311 合成孔径雷达 合成孔径雷达(S AR)利用波长01001～1μm的微波来探测地物,这种雷达数据在森林生物量估算中的应用越来越广(Hoek2 man&Qui ones,2000;I m hoff&Johns on,2000;Sant os et al.,2003)。
Hoekman和Qui ones(2000)利用S AR数据分析了亚马逊流域(哥伦比亚)的陆地覆盖类型和生物量。为了区分不同的陆地覆盖类型并估算其生物量,他们首先将陆地覆盖分为4类,即原始林、次生林、近期砍伐林区和草地;然后,比较分析不同波段及极化数据的不同组合在土地覆盖分类和生物量估算中的精度,发现L波段和HV极化的组合或者P 波段的效果最好;最后,基于地面调查资料、L波段与HV极化的组合和P波段数据,对该地区的生物量进行制图,并根据大小将生物量分为8类。虽然P波段在区分原始林、次生林和草地方面具有最好的效果,但它不能很好的区分森林和近期砍伐地,而且在使用P波段上还存在技术困难。Sant os等(2003)利用了S AR数据的P波段能够很好区分原始林、次生林的优势,用该波段数据估算了巴西热带雨林的生物量。
8131 生态学杂志 第26卷 第8期
21312 激光雷达 激光雷达可以直接测量植被的垂直分布,并可以提供植被结构的三维特征,也用于森林生物量的估算。Houghi on等(2001)指出,由于生物量是个动态变化量,对生物量深度和广度的研究还需要进一步加强,而激光雷达数据和森林生物量具有很好的相关性,而且可以很好的测出树高,是一种有广阔应用前途的新方法。
214 其它数据源
除了T M、NOAA/AVHRR、S AR数据等被用来估算森林生物量外,其它数据源也可用于区域生物量估算(Meer et al.,2001;Benchalli&Prajapati, 2004),如MOD I S(Ka wa mura&Akiya ma,2005)、SP OT(Carl os et a l.,2003)、I K NOS(Carl os et a l., 2003;Read et a l.,2003)、QU I CK B I RD(Clark et a l., 2004)等。
Benchalli和Prajapati(2004)利用I RS-1B卫星数据对印度Haliyal地区的森林生物量进行了预测。Benchalli和Prajapati首先从遥感数据中提取植被指数(V I)和归一化植被指数(NDV I),然后结合平均高度(average stand height,HT)、林冠覆盖百分率(cr own cover percentage,CR)和降水(R),运用多元回归分析方法,建立生物量的遥感估算模型,有效地估算了该地区的森林生物量。
Rahman等(2005)利用ET M+数据估算了孟加拉国东南部热带森林的生物量。通过研究发现,直接利用各波段建立回归模型来估算生物量所得到的回归系数较低(r2<0126),而虚拟变量(该文中主要是指根据植被类型确定的分类系数)的引入有效提高了生物量估算模型的精度(r2=01881)。因此,根据遥感图像确定不同的分类组以及虚拟变量的选择至关重要。
215 多源遥感数据的融合
将不同传感器的不同波段进行融合,借此估算森林生物量也是一种有效的方法(Toan et a l.,1992; Franss on&Israelss on,1999;Kurvonen et al.,1999; Ts ol m on et al.,2002;Sa m i m i&Kraus,2004)。Kur2 vonen等(1999)利用ERS21的C波段和JERS21 S AR的L波段和HH极化数据估算了北方森林的材积。
Treuhaft(2003)将雷达数据和高光谱数据融合,从中获得了基于结构的森林生物量。Treuhaft 认为基于森林结构纵剖面的生物量估测比微波或光学遥感的方法准确,不同高度的C波段雷达干涉仪可测量叶面积密度(LAD),而高光谱光学遥感可测得叶面积指数(LA I),因此,可以通过融合遥感数据的方法,即通过遥感图像所反映的叶面积指数和叶面积密度(LAD)来提高对生物量的估算精度。
高分辨率可为低分辨率数据提供误差校正,将高分辨率数据与中低分辨率遥感数据有效结合,能有效提高森林生物量的估算精度(Ha me et al., 1997;Tomppo et al.,2002;R ichards&B rack,2004)。Ha me等(1997)利用T M数据和AVHRR数据,在欧洲以针叶为主的北方森林地区分别建立针叶林和落叶林生物量估算模型。T omppo等(2002)利用Landsat2T M数据和I RS21C W iFS数据,并结合国家森林清查数据(NF Is)估算了区域的材积和生物量,他们将Landsat2T M作为高分辨率数据用于森林参数的估计,将I RS21C W iFS作为中分辨率数据用于生物量估算模型的建立。在估算澳大利亚的生物量清查和清查变化情况时,R ichards和B rack(2004)利用LandsatMSS(1972—1988)和T M/ET M+(1988—2002)数据集,建立了生理主成分预测生长模型(physi ol ogical p rinci p les p redicting gr owth,3PG)进行多时间尺度制图。
3 森林生物量的遥感估算方法
311 多元回归分析
森林生物量与众多因素相关,而多元回归分析可以解决一个因变量与多个自变量之间的数量关系问题,因而被广泛用于森林生物量的遥感估算研究。Foody等(2001)认为,尽可能多地利用遥感数据的相关波段可提高生物量的估算精度。
Benchalli和Prajapati(2004)利用全色航空摄影像片对印度的Haliyal森林的生物量进行预测时,运用多元回归分析和相关分析,建立了估算生物量的模型。T omppo等(2002)通过建立多元非线性回归模型,估算出芬兰森林的材积和地上生物量。312 人工神经网络
由于多元回归分析要求各变量之间无相关性,遥感数据的各波段无法满足这一要求,神经网络可以实现多元回归分析功能,又不要求变量独立。因此可以利用神经网络来估算生物量(Foody et al., 2001)。
神经网络又称人工神经网络,是由大量处理单元(类似于生物神经网络系统的神经元)组成的非线性大规模自适应动力学系统,具有学习能力、记忆
9131
何红艳等:遥感在森林地上生物量估算中的应用
能力、计算能力以及智能处理功能,并在不同程度和层次上模仿人脑神经系统的信息处理、存储和检索功能,它具有非线性、非局域性、非定常性等特点。神经网络所涉及到的网络模型有:线性网络、后向(BP)神经网络、径向基函数网络和回归网络等。
Foody等(2001)对婆罗洲热带雨林的生物量进行制图分析时,运用神经网络,利用T M影像的7个波段进行了回归分析,有效提高了生物量的估算精度;运用神经网络分析时,他们比较了3种不同神经网络的精度:感知器神经网络(MLP)、径向基函数神经网络(RBF)和回归网络,其中感知器神经网络的精度最好。后来,Foody等(2003)基于T M数据提取的10种植被指数,采用多元回归分析和后向神经网络2种方法对巴西、马来群岛和泰国3个区域的生物量进行估算。
虽然神经网络具有多元回归无法取代的优点,但神经网络难以描述变量和输出数据之间的关系,因此限制了其在区域尺度上的应用。
313 数学建模
估算区域生物量还可以通过数学方法建模实现。不同的森林类型和树种类型,所建立的数学模型不尽相同。Houghi on等(2001)结合前人的研究成果,比较了几种不同的生物量估算模型,对它们各自的优缺点进行了评估,但一个通用的生物量模型始终是不存在的。
利用遥感数据对生物量进行估算不是直接进行的,而是利用遥感数据计算植被指数、叶面积指数、材积等,然后利用这些因子与生物量的密切关系估算区域的生物量。Ha me等(1997)估算针叶为主的北方森林时,利用地面调查数据、高分辨率T M数据和低分辨率AVHRR数据,鉴于针叶树种和阔叶树种的反射光谱特征的差异,根据光谱信息估算阔叶树种和针叶树种所占比例,然后利用材积和生物量的关系,建立估算生物量的数学模型。
Hari p riya(2000)在估算印度的生物量时,利用几个州样区的森林清查材积数据,引入生物量换算因子(bi o mass expansi on fact or,BEF),将材积转换为地上部分的生物量。由于缺乏充分的资料,Har2 i p riya对不同龄林和不同类型的所有森林都使用同一的BEF,这是不准确的。Fang等(2001)估算中国1949—1998年森林生物量时,也是利用生物量换算因子(BEF),但其换算因子是连续变化的。
Baccini等(2004)利用一般加法模型G AM(gen2eralized additive model)和决策树模型(tree2based model)建立了哥伦比亚森林生物量模型,获得了较高的精度;但是在基于样地数据估算区域尺度上的森林生物量时,决策树模型都不适用。
另外,直接建立适合研究区域的数学模型也不失为一种估算区域生物量的好方法(Sant os,et al., 2003;R ichards&B rack,2004)。比如:利用Landsat MSS(1972—1988年)和T M/ET M+(1988—2002年)建立的生理主成分预测生长(3PG)模型用于估算澳大利亚的生物量清查和清查变化情况;由3个地面调查数据集的林冠高度模型(canopy height models,CH M s)与机载激光雷达数据结合,估算了哥斯达黎加热带森林的生物量(Nels on et al., 2000)。
4 展 望
411 多种传感器的使用
航天遥感具有对地球进行宏观、综合、动态、快速观察的特点,为大区域的森林生物量估算提供了很好的条件。各种不同的卫星平台在森林生物量的研究中起着重要作用,如Landsat5、Landsat7、NO2 AA、SP OT、Terra和Aqua卫星等。同时,更多更高几何分辨率和光谱分辨率的传感器如MOD I S、L I SS-4等搭载于卫星平台上,将使得生物量的研究更进一步。
MOD I S是当今世界上新一代“图谱合一”的光学遥感仪器,具有36个光谱通道,分布在014～14μm的电磁波谱范围内。MOD I S数据的增强型植被指数(enhanced vegetati on index,E V I)对基础数据进行了全面的大气校正(王正兴等,2003),该指数可以在植被变化检测以及全球植被变化研究方面与NDV I指数实现互补(Huete et al.,2002),对生物量含量高的区域的敏感度较高(Fensholt,2004),可以更有效提高生物量估算精度。
另外,由于微波遥感具有全天候工作的能力,也在生物量估算中得到广泛使用。今后,更高时间和空间分辨率雷达数据在生物量估算中的应用将会越来越广泛。
412 森林生物量遥感估算模型的进一步发展和完善森林生物量的估算离不开数学,数学贯穿于森林生物量估算的始终。无论是多元回归分析、神经网络,还是决策回归树等其它模型的建立,都是数学方法运用的充分体现。
0231 生态学杂志 第26卷 第8期
对于不同区域的森林生物量,生物量模型都不相同,建模方法也不尽相同(Foody et al.,2001)。如何进一步更好的利用数学工具,将更多的方法如神经网络、地统计学、遗传算法等融入森林生物量估算,建立合适的遥感估算森林生物量模型,是森林生物量遥感估算研究的热点之一。
随着遥感和计算机软硬件的发展与完善,利用遥感数据进行生物量估算已经深入到生态学研究的各个领域,已取得了丰硕的成果,并将继续在生物量估算中发挥重要作用。
413 森林生物量遥感估算的系统集成
研究是为生产服务,将遥感估算森林生物量的成果进行系统集成,开发成基于软件平台的系统,是森林生物量遥感估算的一个很有前景的方向。
利用遥感数据、DE M影像及部分控制点等数据,建立一个估算森林生物量的平台,使得生物量的遥感估算显得更为简单和适用,也将成为可能。
5 结 语
准确估算森林地上生物量(特别是大区域尺度上的森林生物量估算)是个相当复杂的问题,涉及地面数据采集、遥感数据源、建模及精度验证等;并且,不同地区、数据源和数学建模方法不同。如何进一步提高大尺度森林生物量的遥感估算精度,是森林生态学研究的难点之一。
参考文献
方精云,陈安平,赵淑清,等.2002.中国森林生物量的估算:对Fang等Science一文(Science,2001,291:2320-
2322)的若干说明.植物生态学报,26(2):243-249.
郭志华,彭少麟,王伯荪.2002.利用T M数据提取粤西地区的森林生物量.生态学报,22(11):1832-1840.
彭少麟,郭志华,王伯荪.1999.RS和GI S在植被生态学中的应用及其前景.生态学杂志,18(5):52-64.
王正兴,刘 闯,A lfredo HE.2003.植被指数研究进展:从AVHRR2NDV I到MOD I S2E V I.生态学报,23(5):980-
987.
A l2Bakri JT,Tayl or JC.2003.App licati on of NOAA AVHRR
f or monit orin
g vegetati on conditi ons and bi omass in Jordan.
Journal of A rid Environm ents,54:579-593.
Baccini A,FriedlMA,Woodcock CE,et al.2004.Forest bi o2 mass esti m ati on over regi onal scales using multis ource data.
Geophysical Research L etters,31:L10501.
Benchalli SS,Prajapati RC.2004.B i omass p redicti on thr ough re mote sensing.Indian Forester,130:599-604.
Carl os S J r,Firest one L,Silva L M,et al.2003.M app ing f orest
degradati on in the Eastern Amazon fr om SP OT4thr ough s pectral m ixture models.Re m ote Sensing of Environm ent, 87:494-506.
Clark DB,Read J M,Clark ML,et al.2004.App licati on of12 M and42M res oluti on satellite data t o ecol ogical studies of tr op ical rain forests.Ecological A pplications,24:1051-0761.
Dong JR,Kauf mann RK,M yneni RB,et al.2003.Re mote sensing esti m ates of boreal and temperate f orest woody bi o2 mass:Carbon pools,s ources,and sinks.Re m ote Sensing of Environm ent,84:393-410.
Fang JY,Chen AP,Peng CH,et al.2001.Changes in f orest bi omass carbon st orage in china bet w een1949and1998.
Science,292:2320-2322.
Fensholt R.2004.Earth observati on of vegetati on status in the Sahelian and Sudanian W est Africa:Comparis on of Terra MOD I S and NOAA AVHRR satellite data.International Journal of Re m ote Sensing,25:1641-1659.
Field CB,Randers on JT,M al m str om C M.1995.Gl obal net p ri2 mary p r oducti on:Combining ecol ogy and re mote sensing.
Re m ote Sensing of Environm ent,51:74-88.
Foody G M,CutlerME,Mc morr ow J,et al.2001.Mapp ing the bi omass of Bornean tr op ical rain forest fr om re motely sensed data.Global Ecology&B iogeography,10:379-387. Foody G M,Boyd DS,CutlerME.2003.Predictive relati ons of tr op ical forest bi omass fr om Landsat T M data and their transferability bet w een regi ons.Re m ote Sensing of Environ2 m ent,85:463-474.
Franss on JE,Israelss on H.1999.Esti m ati on of ste m volu me in boreal forests using ERS21C2band JERS21L2band S AR da2 ta.International Journal of Re m ote Sensing,20:213-138. Ha me T,Salli A,Anderss on K,et al.1997.A ne w methodol o2 gy f or the esti m ati on of bi omass of conifer2dom inated boreal
f orest usin
g NOAA AVHRR data.International Journal of
Re m ote Sensing,18:3211-3243.
Hari p riya GS.2000.Esti m ates of bi omass in I ndian forests.B i2 o m ass and B ioenergy,19:245-258.
Hoek man DH,Qui ones https://www.doczj.com/doc/177040644.html,nd cover type and bi o2 mass classificati on using A irS AR data f or evaluati on of mo2 nit oring scenari os in the Col obian Amazon.IEEE T ransac2 tions on Geoscience and Re m ote Sensing,38:685-696. Houghi on RA,La wrence KI,Hackler JL,et al.2001.The s pa2 tial distributi on of forest bi omass in the B razilian Amazon:
A comparis on of esti m ates.Global Change
B iology,7:731
-746.
Huete A,D idan K,M iura T,et al.2002.Overvie w of the ra2 di ometric and bi ophysical perf or mance of the MOD I S vege2 tati on indices.Re m ote Sensing of Environm ent,83:195-213.
I m hoff ML,Johns on P.2000.B i oS AR/sup T M/:An inexpen2
sive airborne VHF multiband S AR syste m for vegetati on bi2 omass measure ment.IEEE Transactions on Geoscience and
1231
何红艳等:遥感在森林地上生物量估算中的应用
Re m ote Sensing,38:1458-1462.
Ka wa mura K,Akiya ma T.2005.Monit oring of f orage conditi ons with MOD I S i m agery in the Xilingol steppe,I nner China.
International Journal of R e m ote Sensing,26:1423-1436. Kurvonen L,Pulliainen J,Hallikainen M,et al.1999.Retriev2 al of bi omass in boreal forests fr om multite mpotal ERS21 and JERS21S AR i m ages.IEEE Transactions on Geoscience and Re m ote Sensing,37:198-205.
Lefsky MA,Cohen WB,Harding DJ,et al.2002.L idar re mote sensing of above2gr ound bi omass in three bi omes.Global Ecology&B iogeography,11:393-399.
Meer F D,BakkerW,Scholte K,et al.2001.Spatial scale var2 iati ons in vegetati on indices and above2gr ound bi omass esti2 mates:I m p licati ons for MER I S.International Journal of Re m ote Sensing,22:3381-3396.
M ichalek JL,French NHF,Kasischke ES,et al.2000.U sing Landsat T M data t o esti m ate carbon release fr om burned bi2 omass in an A laska s p ruce forest comp lex.International Journal of Re m ote Sensing,21:323-338.
Moreau S,Bosseno R,Gu XF,et al.2003.A ssessing the bi o2 mass dyna m ics of Andean bofedal and t ot ora high2p r otein wetland grasses fr om NOAA/AVHRR.Re m ote Sensing of Environm ent,85:516-529.
Nels on R,J i m enez J,Schnell CE,et al.2000.Canopy height models and airborne lasers t o esti m ate f orest bi omass:T wo p r oble m s.International Journal of Re m ote Sensing,21: 2153-2162.
Phua MH,Sati o H.2003.Esti m ati on of bi omass of a mountain2 ous tr op ical forest using Landsat T M data.Canadian Jour2 nal of Re m ote Sensing,29:429-440.
Rah man MM,Csap l ovics E,Koch B.2005.An efficient regres2 si on strategy for extracting f orest bi omass inf or mati on fr om satellite sens or data.International Journal of R e m ote Sens2 ing,26:1511-1519.
Read J M,Clark DB,Venticinque E M,et al.2003.App licati on of merged12m and42m res oluti on satellite data t o research
and manage ment in tr op ical forests.Journal of A pplied Ecology,40:592-600.
R ichards GP,B rack C.2004.A continental bi omass st ock and st ock change esti m ati on app r oach for Australia.A ustralian Forestry,67:284-288.
Sa m i m i C,Kraus T.2004.B i omass esti m ati on using Landsat2 T M and2ET M+t owards a regi onal model f or Southern Africa.GeoJournal,59:177-187.
Sannier C AD,Tayl or JC.2002. Real2ti m e monit oring of vege2 tati on bi omass with NOAA2AVHRR in Et osha Nati onal Park,Na m ibia,f or fire risk assess ment.International Journal of Re m ote Sensing,23:71-89.
Sant os JR,Freitas CC,A rauj o LS,et al.2003.A irborne P2band S AR app lied t o the abovegr ound bi omass studies in the B razilian tr op ical rainforest.R e m ote Sensing of Environ2 m ent,87:482-493.
Treuhaft RN.2003.Structure2based f orest bi omass fr om fusi on of radar and hypers pectral observati ons.Geophysical Research L etters,30:1472-1475.
Ts ol m on R,Tateishi R,Tetuko JS.2002.A method t o esti m ate
f orest bi omass and its app licati on t o monit orMongolian Tai2
ga using ERS21S AR data.International Journal of Re m ote Sensing,23:4971-4978.
Toan T L,Beaudo A,R i om J,et al.1992.Relating forest bi o2 mass t o S AR data.IEEE Transactions on Geoscience and Re m ote Sensing,30:403-411.
Tomppo E,N ilss on M,Rosengren M,et al.2002.Si m ultane2 ous use of Landsat2T M and I RS21C W iFS data in esti m ating large area tree ste m volu me and abovegr ound bi omass.
Re m ote Sensing of Environm ent,82:156-171.
作者简介 何红艳,女,1981年生,硕士研究生。主要从事3S在生态学中的应用研究,发表论文4篇。E2mail:hy_he@163.co m
责任编辑 王 伟
2231 生态学杂志 第26卷 第8期
遥感在森林地上生物量估算中的应用 3 何红艳 郭志华 33 肖文发 (中国林业科学研究院森林生态环境与保护研究所,北京100091) 摘 要 生物量是地表C 循环研究的重要组成部分,生物量研究有助于深入认识区域乃至 全球的C 平衡。森林作为地球最重要的陆地生态系统,区域乃至全球尺度的森林地上生物量估算一直是生态学研究的难点之一。在大的空间尺度上,遥感技术是估算森林地上生物量的有效手段。T M 、AVHRR 、S AR 等数据以及多源数据的融合在森林生物量估算方面广泛应用,并取得了显著效果。运用遥感技术进行森林生物量估算时,所采用的数据源不同,分析方法也不相同,主要分析方法有:相关分析、多元回归分析、神经网络和数学模型模拟等。随着测定不同空间、时间和波谱分辨率的各种传感器的广泛使用,以及生物量遥感估算模型的进一步发展和完善,大尺度森林生物量的遥感估算研究必将向前迈进一大步。 生物量;遥感;神经网络;数学模型中图分类号 S718.55 文献标识码 A 文章编号 1000-4890(2007)08-1317-06Appli ca ti on of re m ote sen si n g i n forest aboveground b i oma ss esti m a ti on.HE Hong 2yan,G UO Zhi 2hua,X I A O W en 2fa (Institute of Forest Ecology,Environm ent and P rotection,Ch inese A cade m y of Forestry,B eijing 100091,China ).Chinese Journa l of Ecology ,2007,26(8):1317-1322. Abstract:B i omass is an i m portant variable in many ecol ogical and envir on mental models,and its large scale esti m ati on would be hel pful t o understand the gl obal C balance .Forest p lays an i m 2portant r ole in the gl obal carbon budget because it deter m ines the dyna m ics of terrestrial carbon cycle,but the measure ment of its abovegr ound bi omass involves extensive field surveys .On large regi onal scale,using satellite data is an effective way t o esti m ate forest bi omass .Up t o now,T M ,AVHRR ,radar data and the fusi on of multi p le satellite data have been widely used in f orest bi o 2mass esti m ati on .During esti m ating with satellite data,different mathe matic methods may be re 2quired if the data s ources are different .The main methods for the esti m ati on are correlati on analy 2sis,regressi on analysis,neural net w ork,and other mathe matic models .Ne w instru ments with different res oluti on in s patial,te mporal and s pectru m are devised f or the relatively reliable deter 2m inati on of f orest abovegr ound bi omass .W ith the devel opment and i m p r ove ment of the theories and models for bi omass esti m ati on by using re mote sensing data,great p r ogress will be achieved in the research of forest bi omass on large scales .Key words:bi omass;re mote sensing;neural net w ork;mathe matical model . 3国家自然科学基金重大研究计划项目(90211006)、国家重点基础研究发展规划项目(2002CB412508)、国家自然科学基金重大项目(30590383)、国家科技十一五攻关计划项目(2006037002027)和国家林业局重点试验室开放基金资助项目。33通讯作者E 2mail:guozh@caf .ac .cn 收稿日期:2006209230 接受日期:2007205205 1 引 言 作为生态和环境应用研究的重要变量之一,生物量的长期定位研究有助于加深对全球碳平衡的认识 和理解(Field et al .,1995;Fang et al .,2001;方精云 等,2002)。作为地球上最重要的陆地生态系统,森林在全球碳循环中居重要地位,对陆地生物圈和其它地表过程有着重要影响。因此,大尺度森林地上生物量的有效估算是生态学研究的重要内容之一。 利用遥感进行森林生物量估算是基于植物的反射光谱特征实现的。这是因为:不同植物及同种植物在不同的生长发育阶段,其反射光谱曲线形态和特征不同;并且,病虫害、灌溉和施肥等条件的不同 也会引起植物反射光谱曲线的变化(彭少麟等, 生态学杂志Chinese Journal of Ecol ogy 2007,26(8):1317-1322
森林生物量地研究进展-生物论文 森林生物量地研究进展 摘要：森林生物量是森林生态系统地最基本数量特征，是研究许多森林问题和生态问题地基础.建立森林生物量模型地目地是制定全国森林植被（包括乔木、灌木和草本）生物量地计量标准，为评价我国森林生产力和森林质量，以及监测我国地森林固碳释氧能力提供基础依据. 关键词：森林；生物量；生态系统 1 森林生物量 生物量是一定时间、一定空间一种或数种生物有机体地总重量，或者一个群落内所有生物有机体地总重量，前者是种地生物量，后者是群落地生物量.生物量实质是绿色植物在单位面积上通过同化器官进行光合作用积累地有机物和能量.群落生物量地多少，反映了群落利用自然潜力地能力，是衡量群落生产力地重要指标，也是研究森林生态系统物质循环地基础. 森林生物量是近代林学中发展起来地一项新内容，它是指各种森林在一定地年龄、一定地面积上所生长地全部干物质地重量，它是森林生态系统在长期生产与代谢过程中积累地结果.森林生物量是研究森林生态系统结构和功能地基本数据，主要有3个研究目地：一是在全球或区域地尺度上通过对森林生物量和生产力地地理空间分布规律，以及与气候因子、植物群落分布之间关系地研究，可以估算地球生物圈地承载能力.森林具有减缓温室效应地作用，森林生物量和生产力地研究与森林碳汇功能紧密结合起来，使森林地生物量和生产力成为新地研究热点.二是在生态系统地尺度上，某一森林生态系统生物产量地分布格局和机理可用来揭示生态系统生产力与环境地相互关系，探索维持持久林地生产力和健康
森林生态系统地内在生理要素和外在生态条件，为评价森林地可持续经营提供理论依据.三是森林生物量作为可再生地生物能源，通过生物技术措施来提高短轮伐期能源林地生物产量和生产力水平、能源林收获与加工贮存以及能源转换利用等技术，均是森林生物量地主要研究内容. 2 生物量地研究进展 最早有关生物量和生产力地研究报道，德国几种森林地枝叶掉落物和木材重量地测定.后来在研究森林自然稀疏问题时，探讨了森林地初级生产量.1944年，Kittredge利用叶重和胸径地拟合关系，成功地拟合了白松等树种预测叶量地对数回归方程.但这些研究都是局限于少数树种局部地段针对某项目地独立研究，总体上来说，森林生物量和生产力地研究并未引起人们地重视.到了20世纪50年代，人们开始关心生态系统到底能为人类提供多少有机物，世界上开始重视对森林生物量研究.20世纪80年代后，随着全球环境问题日益突出，全球碳循环研究得到重视，研究者将以往在斑块水平地生态系统研究成果和生物量数据，扩展到景观、区域乃至全球地空间尺度上，从而科学地评价森林生态系统在全球大气中发挥地碳源和碳汇地作用，同时也进一步推动了森林生物量和生产力地研究. 我国生物量研究工作起步较晚，20世纪60年代初，少数学者在部分地区对为数不多地树种开展了生物量测定和研究工作，以后地数十年里发展迅速.潘维俦等对杉木人工林地研究，冯宗炜对马尾松人工林地研究，以及李文华等对长白山温带天然林地研究，使我国森林生态系统生物量地研究在人工林和天然林两个方面得到了发展.冯宗炜采用特征木调查与分层切割等方法，对湖南省会同县森林群落地生物量及生物生产力进行了研究，并总结了全国不同森林类型地生物量
附件2 国家森林资源连续清查森林生物量模型建立暂行办法 （试行） 第一章总则 第一条目的任务 森林生物量是森林生态系统的最基本数量特征，是研究许多森林问题和生态问题的基础。建立森林生物量模型的目的是制定森林植被（包括乔木、灌木和草本）生物量计量标准，为评价森林生产力和森林质量，以及监测我国的森林固碳释氧能力提供基础依据。同时，增加森林枯落物储量调查建模，结合森林生物量，以满足森林碳汇现状与碳汇能力变化估算需要。 主要任务是通过采集所需的乔木、灌木、草本和枯落物等建模样本，建立森林生物量和枯落物储量模型，实验测定相应的固碳系数和储能系数。 第二条主要内容 （一）样本采集。包括乔木层（含竹类、下木，下同）、灌木层、草本层3个层次的生物量样本及枯落物层储量样本。 （二）系数测定。实验测定样品的含水率、含碳系数与储能系数。 （三）模型建立。森林生物量分别按乔木、竹类、灌木和草本建立回归模型，其中乔木和竹类建立单木回归模型，灌木建立
单木或样方回归模型，草本建立样方回归模型。枯落物储量按样方建立回归模型。 第三条建模单元 （一）乔木生物量建模单元原则上参照原农林部标准立木材积表（LY208－77）的分区和树种（组）确定。竹类生物量建模单元原则上按散生、丛生竹种类型，分毛竹类、刚竹类、其他散生竹类、簕竹、绿竹、其他丛生竹类确定建模单元。灌木和草本生物量建模单元原则上在森林植被群落内按建群种确定。枯落物储量建模单元原则上按森林的优势树种（组）确定。 （二）各省、自治区、直辖市可在上述原则要求的基础上，根据各自需求，并结合本地实际，进一步细化乔木、竹类、灌木、草本和枯落物建模单元。 第四条精度要求 （一）回归模型精度。乔木和竹类生物量模型精度在90％以上，灌木和草本生物量模型精度在85%以上，枯落物储量模型精度80%以上。 （二）系数测定精度。含水率、含碳系数和储能系数的实验测定精度要求在98％以上。 第二章样本采集 第五条前期准备 生物量建模承担单位根据本暂行办法编制操作细则，制定工
生物量测定方法 1树木生物量测定方法 1.1树木生物量的组成 一木树的生物量可以分为地下及地上两部分，地下部分是指树根系的生物量（WR）；地上部分主要包括树干生物量（WS）、枝生物量（WB）和叶生物量（WL）。在生物量的测定中，除称量各部分生物量的干重量外，有时还要计算它们占全树总生物量干重的百分数，此百分数称为分配比。树干占地上部分的分配比最大（一般为65～70%），而枝叶部分的分配比约各占15%左右。 与材积测定相比，生物量测定的对象更为复杂，测定的部分也多，因而使得生物量的测定工作即复杂又困难。但是树木生物量与树木胸径、树高等测树因子之间也有着密切的关系，这些关系也为树木生物量测定提供了依据。在树木生物量测定中，树冠量的大小与形状对枝、叶量的多少有着显著的影响，因此，在实际工作中，要研究反映冠形和冠量的因子，常用的因子有冠长率、树冠圆满度、树冠投影比等因子，这些因子的意义如下： ⑴冠长率是冠长与树高之比 ⑵树冠圆满度是冠幅与冠长之比。用以表明树冠的圆满程度，此值愈大愈圆满，反之而树冠狭长。 ⑶树冠投影比是冠幅与胸径之比。用以表明树木营养面积的相对大小，此值愈大则树木占有的相对空间愈大。 上述这些因子在枝叶生物量测定、估计及分析比较中起着较大的辅助作用。而且，这些因子与胸径、树高等测树因子之间有着密切的相关关系，这为利用测树因子直接估测树木生物量提供了依据。 1.2树木生物量鲜重和干重的测定 树体在自然状态下含水时的重量称为鲜重，它是砍伐后立即称量的重量。干燥后去掉结晶水的重量称为干重。在外业中只能测得树木的鲜重，然后采用各种方法将鲜重换算为干重，最常用的换算方法是计算树木的干重比（），即， 而（11-8） 式中可用取样测定获得。 （1）树干干重的测定方法 ①木材密度法
青岛近岸海域大叶藻的生态学研 摘要： 2010年5月-2011年4月对汇泉湾潮间带大叶藻进行调查，2011年6月-2012年11月对汇泉湾和青岛湾潮间带的大叶藻进行生态调查，经调查，汇泉湾潮间带大叶藻分布面积约为4000m2，大叶藻的密度约384株/m2，平均株高为42.5cm，年平均盖度为50.9%。大叶藻海草场平均生物量为161.7g/m2。青岛湾潮间带大叶藻分布面积约为8875m2，大叶藻的密度约496株/m2，平均株高为53.2cm，年平均盖度为68.4%。大叶藻海草场平均生物量为309.2g/m2。大叶藻的生长呈现明显的季节性变化。春季大叶藻开始生长，到夏季，各项生态指数都达到最高，秋季生长缓慢，甚至出现负增长，冬季停止生长。 2012年6月-11月，汇泉湾大叶藻地上部分平均C元素含量为34.4%，平均N元素含量为2.3%，地下部分平均C元素含量为为33.0%，平均N元素含量为1.6%。大叶藻平均总碳和氮含量分别为33.9%和2.0%。通过大叶藻的平均C元素含量来评价其固碳能力。大叶藻固碳量（g/m2）=大叶藻平均生物量×平均C 元素含量。汇泉湾潮间带大叶藻地上部分固碳量=112.7×33.4%=37.6（g/m2），地下部分固碳能量=50.6×29.6%=15.0（g/m2），总固碳量=161.7×33.9%=54.8（g/m2）。关键词：大叶藻；生物量；固碳能力 大叶藻(Zostera marina L)是多年生海草，属被子植物门（Liliopsidal）、单子叶植物纲（Monocotyledoneae）、沼生目(Helobiae)、大叶藻科(Zosteraceae)、大叶藻属（Zostera），其生长于潮间带和潮下带的浅海中，通常形成广大的群落——海草床。海草床具有重要的生态功能，其发达的根系和地下茎可以加固底质，起到稳定海岸的作用[19-20]；叶片及附生物是重要的初级生产力，可以调节海水水体的悬浮物、溶解氧、营养盐和重金属，维持生态平衡。研究表明，海草床在维持全球碳、氮平衡过程中发挥了很重要的作用，海草床巨大的碳汇能力被逐渐揭示：海草以不足０．２％的覆盖面积，占到了海洋每年总碳埋藏量的10％-18％(Duarte et al., 2005)。与珊瑚礁、红树林共同形成三大最重要的滨海生态系统[6]。 我国的大叶藻主要分布于辽宁、河北、山东等海域[7]。但是由于近年来自然环境的变化以及人为因素的影响，大叶藻草场正在逐步退化。据统计，全世界
第38卷第3期江 苏 林 业 科 技 V o l .38N o.32011年6月 Journal of J i angsu Forestry Science &T echnology Jun.2011 文章编号:1001-7380(2011)03-0017-04 徐州市森林生物量的估算 田勇燕1,4 ,秦 飞2 ,吴 静3 ,李亚丽3 ,梁 波3 ,关庆伟 4 (1.徐州市林政资源管理站,江苏 徐州 221009;2.徐州市市政园林局,江苏 徐州 221009;3.南京林业大学森林资源与环境学院,江苏 南京 210037;4徐州市林业站,江苏 徐州 221009) 收稿日期:2011 03 13 作者简介:田勇燕(1970-),女,经济师,硕士,主要研究方向:森林资产核算。E m ai:l tyy700312@126.co m 。 摘要:利用森林蓄积量推算森林生物量的方法,系统研究了徐州市森林植被的生物量。徐州市森林的总生物量是1397 81万t ,其中,杨树林1209 07万t ,侧柏林52 39万t ,银杏林34 04万t ,杂木林46 62万t ,灌木经济林44 51万t ,其他灌木林11 18万t 。分析了其特点,为全面核算森林生态效益提供依据。关键词:森林生物量;森林资源清查资料;估算;徐州市中图分类号:Q 948 1 S718.5 文献标识码:A E stimati ng of bi o mass of forests i n Xuzhou C ity,Chi na T I AN Yong yan 1,4 ,Q IN Fei 2 ,WU Jing 3 ,LI Y a li 3 ,L I ANG Bo 3 ,GUAN Q ing w ei 4 (1.X uzhou F orestry M anage m ent Station ,X uzhou 221009,Chi na ;2.X uzhou M unic i palW orks and G a rdens Bureau , X uzhou 221018,Chi na ;3.Fo restry S tati on of X uzhou C ity ,X uzhou 221009,Chi na ;4.College o f F orest R esources and Env iron m ent N an jing Forestry U n i versity ,N an ji ng 210037,China) Abstrac t :T he m ethod o f esti m ati ng forest bio m ass used o f f o rest st o ck w as proposed in t h i s paper ,and b i o l og ical producti on a ll over X uz hou reg ion w as esti m ated by usi ng this m et hod .A s a resu lt ,T ota l b i omass of fo rest vege tati on in X uzhou reg i on w as 1397 81 104t ,o f which 1209 07 104t fo r P opulus sp .planta ti on ,52 39 104t for P lat y cl adus orientalis f o rest ,34 04 104t for G inkgo b iloba forest ,46 62 104t fo r broadleafm i xed forest ,44 51 104t fo r econo m ic scrub f o rest and 11 18 104t for shrub forest ,and its features w as ana l yzed . K ey word s :Forest b i om ass ;F orest i nventory ;Esti m a tion ;Xuzhuo C i ty in Chi na 森林及其变化对陆地生物圈及其他地表过程有着重要影响,推算森林生物量是生态学和全球变化研究的重要内容之一,我国植被生物量的测定开始于20世纪70年代末80年代初 [1] 。徐州市位于黄 淮海平原的南缘(117 06 -117 18 E ,33 43 -34 58 N ),国土总面积1125800hm 2 ,地貌以平原为主,约占全市总面积的90%,海拔高度在20~50m;丘陵岗地约占10%,为鲁中南低山丘陵向南延续部分,海拔高度大都在100~200m 。徐州处我国南北气候过渡地带,属暖温带季风气候区,气候温和,四季分明,光照充足,雨量适中,森林植被在该区域具有一定的代表性。对于这一区域的森林资源状况,梁波等从森林、林地和林木资源的种类、面积与蓄积等方面进行了分析 [2] ,但在森林生物量方面尚没有 详细的报告。本研究旨在通过森林生物量的估算,为全面核算森林生态效益提供依据。 1 研究方法 1.1 森林资源概况 根据2009年进行的徐州市森林资源清查调查,全市有林地面积283971 76hm 2 、灌木林地面积34673 89hm 2 、苗圃地2914 92hm 2,分别占林地总面积的81 26%,9 92%,0 83%;疏林地、未成林地、无立木林地、辅助生产林地等共占林地总面积的7 99%;此外,四旁树占地面积13228 92hm 2 。有林地中,乔木林地面积283953 98h m 2 ,占99 99%;竹林面积17 79hm 2 ,占0 01%。活立木总蓄积21452008 13m 3 ,其中乔木林蓄积20427835 00
环县典型草原地下生物量测定最少取样数的确定及地下生物量对放牧家畜践踏的响应1 林慧龙，李飞，侯扶江 兰州大学草地农业科技学院，甘肃省草原生态研究所（730020） E-mail：linhuilong@https://www.doczj.com/doc/177040644.html, 摘要：结合轮牧实验，确定测定草地地下生物量对各践踏强度水平下样区的最少应重复的次数应为12。家畜践踏有使天然草原的根系有向表层聚集的趋势，各放牧样地0~20 cm土层地下生物量占0~30cm土层的90%以上；随着践踏强度的增强，0~10 cm层土壤中的根量呈现先增长后降低的规律，其中以中度践踏（80次羊践踏/m2?期）样地地下生物量为最高，约为对照（0次羊践踏/m2?期）和轻度践踏（40次羊践踏/m2?期）的1.7倍；10~20 cm土层地下生物量也呈现类似规律，但以轻度践踏（40次羊践踏/m2?期）样地地下生物量为最高；20~30 cm 土层地下生物量与践踏强度无明显的关系，相关系数为：0.12。以地下生物量最大化为准则，对0~10 cm、10~20 cm土层地下生物量与践踏强度的回归模型进行解析和寻优分析，可得环县该类典型草原适宜的草地放牧强度是3.5~5羊单位/hm2。 关键词：根量；践踏强度；放牧管理 草地地下生物量是指存在于草地植被地表下草本根系和根茎生物量的总合，地下生物量是草地植被碳蓄积的重要组成部分，中生、旱生植物均需要深而庞大的根系来维持生存，植物根系对固定植株和获得水分和养分起重要作用，还具有贮藏营养物质的功能，对于地上生物量的形成乃至对整个植物的生长发育都起着重要的作用，是草地生态系统物质循环和能量流动不可缺少的环节[1～7]。因此，准确测定草地地下生物量是草地生态系统研究的重要基础[8]。 从十九世纪开始，人类就已对植物根系进行研究[9]。Weaver在对美国中西部大草原植物根系的研究介绍的土柱法(soil monolith)[10～22]，一直延用至今，仍是我们研究根系的主要方法[23]。即在采样地点挖一个土壤剖面，然后再在土壤剖面上挖取土块。但土柱法破坏性大且耗费极大的人力物力，工作效率低，无法满足今后的草地生态研究的需要[24]. 到了上世纪六十年代，研究者们开始使用土钻来研究地下生物量。从土钻的直径来看，有Steen (1989）[25]、Lauenroth and Whitman (1971)[26]、Hansson and Andren (1986)[27]采用直径为7cm的土钻，重复的次数有24、10、6次。除7cm直径外，还为研究者所采用过的有直径3.5cm，重复3次[28]; 直径2.5cm，重复3次[29];直径4.19cm[30];直径6cm，重复5次[31];直径8cm，重复5次[32];直径9cm，重复9次[33];直径10cm，重复3-4次[34]等等。显然土钻的直径不宜过大。因为如果钻头直径过大，取样会相当困难，而且过大的样品量会难于运输并增加处理样品的时间。同时，土钻的直径也不宜过小，过小的直径将影响结果的精确性。土钻直径的选择取决于细根分布的异质性和取样的数量。根据实验的具体情况选择适宜的钻头直径对实验的成功十分重要[35]。因此，对土钻的直径和各直径下应最少重复的次数，应有一个规范化的标准和参数(对于不同群落、不同地域和研究方向所决定的参数)。根据当前实际的实验条件，确定不同类型草地群落根系测定所需土钻直径和钻数为当前地下生物量测定的首先必须解决的问题[36、37]. 本研究的目的是：结合轮牧实验，探讨地下生物量对放牧家畜践踏的响应及确定测定草地地下生物量最少应重复的次数。为深入研究地下生量对放牧利用的响应机制提供基础材 1本课题得到教育部博士点基金项目(20030730008)的资助。
第22卷 第5期世 界 林 业 研 究Vol.22 No.5 2009年10月World Forestry Research Oct12009 我国的森林生物量研究3 马 炜 孙玉军 (北京林业大学省部共建森林培育与保护教育部重点实验室,北京100083) 摘要:论述了我国森林生物量的研究内容及方法,对乔木层、林下植被、凋落物、粗木质残体、根系以及区域尺度的生物量研究进行了总结,概述了直接收获法、回归模型、平均换算因子法等常见的森林生物量估测方法。 最后提出当前我国在研究重点分布、基础数据采集以及空间尺度转换等方面存在的一些问题,指出森林生物量研究在遥感监测等方面的发展趋势。 关键词:森林生物量,模型估算,粗木质残体,尺度转换,遥感反演 中图分类号:S758.5 文献标识码:A 文章编号:1001-4241(2009)05-0071-06 Forest B i oma ss i n Ch i n a Ma W ei SunYujun (The Key Laborat ory for Silviculture and Conservati on of M inistry of Educati on, Beijing Forestry University,Bejing100083,China) Abstract:Forest bi o mass has great research and app licati on value in f orest ecol ogical syste m.Con2 cep ti on,significance and devel opment hist ory of China’s f orest bi omass were exp lained.Extra e m2 phasis was p laced on research contents and methods of forest bi omass in China.An intr oducti on was made on the researches including dom inant s pecies,vegetati on,litter,coarse,r oot and regi onal scale bi omass esti m ati on as well.Some common forest bi omass esti m ati on methods were su mmarized, such as harvest,regressi on model,and bi omass-expansi on-fact or equati on.There still existed s ome shortages in forest bi omass research in China,i.e.in dis p r oporti on of study field,the collec2 ti on of basic data and the scaling-up of measure ment.Finally,the devel opment trend of forest bi o2 mass was pointed out. Key words:forest bi omass,esti m ati on model,coarse woody debris,scaling-up, re mote sensing inversi on 森林生物量是森林生态系统最基本的数量特征,近十几年来,其提供了大量可靠的基础数据用以研究森林生态系统的生产能力以及揭示森林生态系统能量平衡和养分循环等功能过程的变化规律[1-2]。森林生物量已成为量度森林结构和功能变化的重要指标,并为生态系统的碳汇和碳素循环研究提供关键数据,在碳循环、全球气候变化研究中起到重要作用[3-5]。目前国际林联(I U FRO)在《国际森林资源监测大纲》中已将森林生物量列为最主要的监测项目之一[6]。 我国植被生物量的研究起步较晚,但经过近30年的发展,已经对森林生态系统中主要乔木、林下植被、凋落物、粗木质残体、根系等生物量进行了大量估测,开拓了不同森林类型、不同气候带与区域尺度生物量等研究领域。目前,我国森林生物量已经有了大量点上的分散资料的积累,这 3收稿日期:2009-05-23 基金项目:引进国际先进林业科学技术计划资助项目(948)(2008-4-48);高等学校博士学科点专项科研基金基于树木生长的森林碳储量模型(20060022009);国家自然科学基金资助项目基于森林资源清查的碳循环研究(30571492)作者简介:马炜(1985-),男,福建龙岩人,硕士,主要从事森林资源监测与评价研究,E-mail:bright m a wei@https://www.doczj.com/doc/177040644.html, 通讯作者:孙玉军,E-mail:sunyj@https://www.doczj.com/doc/177040644.html,.an
第42卷第5期 2006年5月林业科学SCIE NTI A SI LVAE SI NIC AE V ol 142,N o 15May ,20063种沙漠植物地上部分形结构与生物量的自相似性 李伟成1 盛海燕2 潘伯荣3 常 杰4 (1.国家林业局竹子研究开发中心 杭州310012; 2.杭州环境保护科学研究院 杭州310005; 3.中国科学院新疆生态与地理研究所 乌鲁木齐830011; 4.浙江大学生命科学学院 杭州310029) 摘 要: 应用自相似原理,分别研究极干旱地区塔克拉玛干腹地和吐鲁番盆地地下水浇灌区柽柳、梭梭和沙拐枣植株的地上分形结构与各自地上部生物量的关系。通过分析3种植物的枝长、冠幅和体积与地上部生物量之间的统计自相似性,发现在统计拟合精度上自相似模型不如BP 神经网络模型,但分析植株生长的地域性差异时,缺少像分形维数这样的定量化描述。 关键词: 沙漠植被;地上部生物量;分形;自相似;BP 神经网络模型 中图分类号:Q948;Q949 文献标识码:A 文章编号:1001-7488(2006)05-0011-06 收稿日期:2004-08-05。 基金项目:国家自然科学基金重大研究计划N o.90202019。 Self 2Similarity R elationship betw een Component of Shoot and Biomass of Three H ungriness Plants Li W eicheng 1 Sheng Haiyan 2 Pan Borong 3 Jie 4 (1.China National Bamboo Research Center Hangzhou 310012;2.Hangzhou Environmental Protection Science Institute Hangzhou 310005; 3.Xinjiang Institute o f E cology and G eography ,Chinese Academy o f Sciences Ulmuqi 830011; 4.College o f Life Science ,Zhejiang Univer sity Hangzhou 310029) Abstract : Function y =ax b maybe can disclose the correlation between shoot fractal structure and above 2ground biomass of hungriness plant in T aklamakan Desert com pared with Turpan Basin.Desertification and salinized soil ,the tw o serious environment problems ,annoyed human in willful persecution.Especially ,this phenomenon is m ore obvious in the second largest desert T aklamakan ,which lies in T arim Basin.This research note aims to use the theory of self 2sim ilarity to study the relationship between the shoot fractal structure and each biomass of hungriness plant in T aklamakan Desert ,exert the fractal dimension (FD )to explain the capability of spatial occupation of these three plants.Three hungriness plants (Tamarix spp.,Haloxylon ammodendron and Calligonum mongolicum )are chosen and the statistical self 2sim ilarity (SS M )characters am ong shoot ,branch and above 2ground biomass are analyzed in this study.Based on the close relationship of statistical self 2sim ilarity between the length of branches ,crown width ,external v olume and shoot biomass ,a fractal m odel on calculating shoot biomass is built.When the source data are not uniform ,the results show that the simulative outcomes of SS M w orse than BP neural netw ork m odel (NNM )that the values of χ22test are not up the con fidence interval too.SS M can be used for one method in measuring the biomass with the data of small variance and im ply the capacity of spatial occupancy with the FD.It is practicable that this growth m odel using biomass of some segments of one whole plant to estimate the shoot biomass in the arid and sem iarid regions where vegetation is sparse ,ecosystem is flimsy and building the man 2made vegetation area is difficult.W e em phasize that the ecological scale in this paper is of individual significance. K ey w ords : hungriness plant ;above 2ground biomass ;fractal ;self 2sim ilarity ;BP neural netw ork m odel 目前,荒漠化与盐碱化是人类面临的2个环境问题,在塔里木盆地的塔克拉玛干沙漠表现得尤其突出(陶玲等,2001;李伟成等,2003)。塔克拉玛干地区生态环境恶劣,气候极度干旱,因此一些抗热、抗寒、抗强碱的优良固沙先锋植物在这里就显得尤为重要了(潘伯荣等,1994;陶玲等,2001)。柽柳(Tamarix spp.)作为干旱、半干旱区广泛分布的灌木,具有强大的固定流沙和耐盐碱能力;梭梭(Haloxylon ammodendron )是我国干旱荒漠区的优良固沙植物,是荒漠濒危类3级国家保护植物(陶玲等,2001);而沙拐枣(Calligonum mongolicum )以其独特的生活型、表型特征和薪柴、饲用、固沙、蜜源等经济特点,早就引起了人们的注意。上述3种植物具备了荒漠先锋种的生理、形态特征(潘伯荣等,1994;陶玲等,2001),是西北荒漠生态系统的关键物种。 自从Burrough (1981)将Mandelbort (1979)提出的分形和分维概念应用到自然生态和环境学科领域以来,
森林生物量的研究进展-生物论文 森林生物量的研究进展 摘要：森林生物量是森林生态系统的最基本数量特征，是研究许多森林问题和生态问题的基础。建立森林生物量模型的目的是制定全国森林植被（包括乔木、灌木和草本）生物量的计量标准，为评价我国森林生产力和森林质量，以及监测我国的森林固碳释氧能力提供基础依据。 关键词：森林；生物量；生态系统 1 森林生物量 生物量是一定时间、一定空间一种或数种生物有机体的总重量，或者一个群落内所有生物有机体的总重量，前者是种的生物量，后者是群落的生物量。生物量实质是绿色植物在单位面积上通过同化器官进行光合作用积累的有机物和能量。群落生物量的多少，反映了群落利用自然潜力的能力，是衡量群落生产力的重要指标，也是研究森林生态系统物质循环的基础。 森林生物量是近代林学中发展起来的一项新内容，它是指各种森林在一定的年龄、一定的面积上所生长的全部干物质的重量，它是森林生态系统在长期生产与代谢过程中积累的结果。森林生物量是研究森林生态系统结构和功能的基本数据，主要有3个研究目的：一是在全球或区域的尺度上通过对森林生物量和生产力的地理空间分布规律，以及与气候因子、植物群落分布之间关系的研究，可以估算地球生物圈的承载能力。森林具有减缓温室效应的作用，森林生物量和生产力的研究与森林碳汇功能紧密结合起来，使森林的生物量和生产力成为新的研究热点。二是在生态系统的尺度上，某一森林生态系统生物产量的分布格局和机理可用来揭示生态系统生产力与环境的相互关系，探索维持持久林地生产力和健康
森林生态系统的内在生理要素和外在生态条件，为评价森林的可持续经营提供理论依据。三是森林生物量作为可再生的生物能源，通过生物技术措施来提高短轮伐期能源林的生物产量和生产力水平、能源林收获与加工贮存以及能源转换利用等技术，均是森林生物量的主要研究内容。 2 生物量的研究进展 最早有关生物量和生产力的研究报道，德国几种森林的枝叶掉落物和木材重量的测定。后来在研究森林自然稀疏问题时，探讨了森林的初级生产量。1944年，Kittredge利用叶重和胸径的拟合关系，成功地拟合了白松等树种预测叶量的对数回归方程。但这些研究都是局限于少数树种局部地段针对某项目的独立研究，总体上来说，森林生物量和生产力的研究并未引起人们的重视。到了20世纪50年代，人们开始关心生态系统到底能为人类提供多少有机物，世界上开始重视对森林生物量研究。20世纪80年代后，随着全球环境问题日益突出，全球碳循环研究得到重视，研究者将以往在斑块水平的生态系统研究成果和生物量数据，扩展到景观、区域乃至全球的空间尺度上，从而科学地评价森林生态系统在全球大气中发挥的碳源和碳汇的作用，同时也进一步推动了森林生物量和生产力的研究。 我国生物量研究工作起步较晚，20世纪60年代初，少数学者在部分地区对为数不多的树种开展了生物量测定和研究工作，以后的数十年里发展迅速。潘维俦等对杉木人工林的研究，冯宗炜对马尾松人工林的研究，以及李文华等对长白山温带天然林的研究，使我国森林生态系统生物量的研究在人工林和天然林两个方面得到了发展。冯宗炜采用特征木调查与分层切割等方法，对湖南省会同县森林群落的生物量及生物生产力进行了研究，并总结了全国不同森林类型的生物量
生物量数据是研究林业和生态问题的基础数据，而森林生物量是森林生态系统最基本的数量特征，它既能表明森林的经营水平和开发利用价值，又能反映森林及其所在环境物质循环和能量流动上的复杂关系。 早在2009年，国务院新闻办公室举行了新闻发布会，发布了我国第七次全国森林资源清查结果：我国森林植被总碳储量为78.11亿吨。这是我国首次对外公布的全国性森林碳储量数据，由此填补了我国在国际上的一项空白。2010年，我院举行了中国森林生态服务评估研究成果新闻发布会，公布了另一研究结果：我国森林植被生物量总量为157.7亿吨。这也是我国首次公布的全国生物量数据。这两项数据，全面评估了我国森林生态服务功能的物质和价值量，为构建我国林业三大体系、促进现代林业发展提供了科学依据，同时也客观反映了我国森林在全球碳循环及全球气候变化中所做出的贡献，为我国树立大国形象，以及在全球气候变化谈判中争取更多话语权发挥了重要的作用。 而这些数据的获得，得益于中国科学院院士、我院专家唐守正研究员率领的科研团队的长期研究结果。自1995年始，唐守正院士率领我院资源信息研究所、国家林业局中南林业调查规划设计院的专家，在林业部重点基金、国家自然基金、948、国家林业局专项基金等项目的陆续支持下，开展了森林生物量估算模型的研究和推广应用，形成了“与森林资源调查相结合的森林生物量测算技术”的研究成果，本成果获得了2012年度国家科技进步奖二等奖。 成果首次提出了非线性模型联合估计方法，有效解决了各维量模型之间不相容的问题。首次对干物质率法和密度法进行了比较研究，证明了生物量样品的密度和干物质率估计的最佳方法，证明在通过样品的密度和干物质率来计算全树的平均密度和干物质率的两种方法中，加权法优于直接回归法，提出了树干、树冠部分生物量外业测定时最好分别采用密度法、干物质率法。 据研究主要参加人我院资信所张会儒研究员介绍，森林生物量的测定和估计是当代林业生产和科研的热点问题，立木生物量是森林生物量的主体，它的优化模型尚不系统，之前在我国基本处在空白状态。“与森林资源调查相结合的森林生物量测算技术”研究成果的获得，对规范我国森林生物量调查评价技术、推进森林可持续经营，以及在研究森林生态系统功能等方面将发挥十分重大的作用。国家林业局资源司基于第七次全国森林资源连续清查资料，应用“与森林资源调查相结合的森林生物量测算技术”成果中提出的技术线路和方法，进行了我国森林植被生物量和碳储量评估。成果除了在第七次全国森林资源连续清查中发挥了重要的作用外，还在广东、贵州等部分省区的森林资源监测工作中得到了很好的推广应用。为结合森林资源调查编制森林生物量表提供了一套可行的技术路线和方法，为计量森林生态效益提供了强有力的技术手段，推动了我国森林生物量估测模型研究的深入发展。 张会儒研究员介绍说，在东北天然林区及南方人工林区，研究团队通过野外调查，研究提出了一套完整的建立相容性立木地上部分生物量模型的方法，研建了我国南、北11个树种(组)的二元和多元相容性生物量模型，在国内外首次提出了非线性模型联合估计方法，解决了生物量调查用表中的相容性和规范性问题。由此编制的生物量表解决了长期以来调查表中分量和总量不相容的问题。提出了生物量模型的评价指标体系，综合反映了模型的拟合效果、统计性能和预估的准确性。在模型中引进了材积因子，提高了模型的估计精度。将自适应树高曲线引入生物量模型，实现了由通用性向局部应用的转换。模型精度达到了总量和树干及木材生物量总相对误差±5%以内，平均相对误差±1%以内，预估精度达到了90%以上；树皮、树冠、枝和叶的平均相对误差在±8%以内，具有较高的精度和稳定性。成果具有明显创新性，在同类研究中处于国际先进水平。 广东省林业调查规划院在2002年和2007年开展的广东省森林资源连续清查和生态状况监测工作中，利用“与森林资源调查相结合的森林生物量测算技术”中的杉木、马尾松和阔