下载文档原格式
稀疏灌乔木地上生物量遥感估算方法研究的开题报告一、选题背景和意义稀疏灌乔木地生物量是森林生态系统中重要指标之一，对于了解水文循环、碳循环、生态系统结构和功能等具有重要意义。
近年来，随着遥感技术的不断发展和卫星数据的广泛应用，利用遥感数据估算地上生物量的方法逐渐得到认可和重视。
目前，对于密度较高的乔木林，已有一些比较成熟的地上生物量遥感估算方法，但是对于稀疏灌乔木地，由于植被结构复杂、地形起伏变化大等因素的影响，使得估算地上生物量的难度增大，因此需要开展相关研究。
二、研究内容和目标本研究旨在通过对稀疏灌乔木地上生物量遥感估算方法的研究，实现对该地区地上生物量的精确估算。
具体内容和目标如下：1. 系统梳理稀疏灌乔木地上生物量遥感估算方法的研究进展，总结目前应用于该地区的方法；2. 利用2015年和2020年的Landsat 8 OLI和Sentinel-2A卫星数据，对研究区内的稀疏灌乔木地进行遥感影像处理，提取相关植被指数（如NDVI、EVI等）和地形因子（如高程、坡度、坡向等）；3. 构建遥感模型，采用回归分析方法进行拟合，建立稀疏灌乔木地地上生物量的遥感估算模型；4. 对构建的遥感模型进行准确性测试和验证，对比不同模型的估算精度和稳定性，提出改进方案和调整策略；5. 分析影响稀疏灌乔木地上生物量遥感估算精度的因素，为进一步提高精度提供理论支持。
三、研究方法和技术路线1. 数据采集：获取该地区2015年和2020年的Landsat 8 OLI和Sentinel-2A卫星数据，以及当地的生物量调查数据。
2. 遥感影像预处理：包括辐射定标、大气校正、几何校正等。
3. 植被指数提取和构建地形因子：根据遥感影像和DEM数据，提取植被指数和地形因子。
4. 模型建立和优化：通过回归分析，建立地上生物量的遥感估算模型，进行模型优化和调整。
5. 模型验证和精度评价：采用交叉验证和误差评价等方法，对模型进行验证和精度评价。
东北林区森林生物量遥感估算及分析的开题报告一、研究背景与意义随着经济的快速发展，深入开发林区资源已经成为东北地区实现经济发展的必经之路。
林区是东北经济发展的支撑点和生态保持的重要地区，但是林区的生物量是影响生态保持、林区经济发展以及地球气候变化的重要指标。
因此林区生物量的监测具有非常重要的意义。
传统的林区生物量测量方法需要大量的人力物力，且时间成本较高，为了快速准确地获得林区生物量数据，遥感技术愈发受到重视。
现代遥感技术已发展到同步遥感、高光谱遥感和激光雷达遥感等水平，林区生物量遥感估算有了越来越多的优秀研究成果。
目前，空间分辨率较低的Landsat和MODIS卫星，以及空间分辨率高的HJ-1、GF等卫星已被广泛应用于林区生物量的遥感估算与监测。
本文的研究目标是以遥感技术为基础，借助遥感数据与地面数据，建立适合东北林区的林区生物量估算模型，并综合考虑环境因素、气候因素、土壤因素等因素，通过对林区生物量的研究，为东北林区的经济发展及生态保护提供科学依据。
二、研究内容与方法在研究过程中，我们首先将收集到的Landsat、MODIS、HJ-1、GF等卫星高分辨率遥感数据进行预处理，包括影像校正、辐射定标、大气校正等预处理步骤，同时与实地光谱和气象站资料进行验证。
其次，考虑到林区生物量与环境因素、气候因素、土壤因素等因素的相关性，我们将选取合适的气象站和生态站，并获取相关地理信息数据，如高程、坡度、土地利用类型等非遥感数据，以建立林区生物量估算模型。
最后，我们将运用遥感技术分析林区生物量分布特征及其时空变异规律，探讨林区生物量的影响因素。
三、研究计划与进度安排本文研究计划分为以下三个阶段：第一阶段（2018.11-2019.05）：收集和整理Landsat、MODIS、HJ-1、GF等卫星遥感数据和相关非遥感数据，进行预处理，建立林区生物量估算模型。
第二阶段（2019.06-2020.02）：利用收集的遥感数据，根据建立的林区生物量估算模型，对东北林区的生物量进行遥感估算，并进行实地验证，并对林区生物量分布特征及时空变异规律进行分析。
生态环评中森林植被生物量的估算方法
在生态环评中，估算森林植被生物量的方法可以通过以下几种途径进行：
1. 样地调查法：选择代表性的样地，对其中生长的植被进行调查和测量。
通过统计每
个样地中不同植物组成的生物量，再根据各样地的面积计算总体生物量。
2. 遥感和影像解译法：利用遥感数据和图像解译技术，对森林覆盖面积和植被类型进
行判读和分类，再根据不同的植被类型建立相应的生物量模型，通过计算该地区各植
被类型的面积和对应的生物量模型，估算总体生物量。
3. 生态模型法：根据森林植被的生长特征、环境参数以及人为干扰因素，建立相应的
生态模型。
通过输入相关参数，模型可以预测森林植被的生物量。
4. 无人机遥感法：利用无人机搭载的遥感传感器，对森林植被进行高分辨率的遥感监测。
通过获取的遥感数据，结合地面测量数据进行分析，得出森林植被的生物量估算。
以上是一些常用的森林植被生物量估算方法，在实际应用中可以根据具体的情况选择
适合的方法和技术。
森林生物量遥感估算与应用分析一、本文概述《森林生物量遥感估算与应用分析》一文旨在探讨利用现代遥感技术对森林生物量进行有效、精确估算的方法及其在实际林业管理、碳循环研究及气候变化应对等领域的广泛应用。
本文首先梳理了遥感技术在森林生物量估测方面的理论基础和最新进展，包括不同遥感平台（如卫星、无人机等）获取的多光谱、高光谱、雷达等数据源在生物量模型构建中的作用机理与适用性分析。
接着，本文详细介绍了目前国内外常用的遥感生物量估算模型，比较其性能优劣，并结合实地调查数据验证了各类模型在不同森林类型、不同尺度下的精度与稳定性。
研究中特别关注了遥感指数的选择、地表特征参数提取、生物量遥感变量关系建模以及不确定性分析等关键技术环节。
本文还深入剖析了遥感估算森林生物量的实际应用价值，通过实例展示如何将遥感估算成果应用于森林资源清查、碳汇计量、生态系统服务评估以及森林可持续经营策略制定等多个层面。
针对现有研究存在的问题与挑战，提出了未来遥感估算森林生物量的研究方向和技术改进策略，力求为推进我国乃至全球的森林资源精细化管理和生态环境保护工作提供科学依据和技术支撑。
二、森林生物量遥感估算的理论基础森林生物量遥感估算技术是一种结合现代遥感技术与生态学原理，对森林生态系统中植被固有的有机物质总量进行非接触式、大范围精确估计的方法。
这一技术的理论基础涵盖了遥感科学、生态计量学、森林生态学以及地理信息系统等多个学科领域。
遥感科学提供了从空间获取森林结构与状态信息的核心手段。
遥感卫星及航空器搭载的多光谱、高光谱和雷达等传感器能够捕捉到地表森林冠层的电磁波辐射特征，这些特征与森林生物量的相关性已被大量科学研究证实。
例如，近红外波段反映叶绿素含量及叶片面积指数，短波红外则可以指示水分状况和生物化学成分，雷达数据可用于提取森林高度和结构参数，这些都是估算生物量的关键参数。
生态计量学构建了生物量与遥感指标之间的定量关系模型。
通过对地面实测生物量数据与遥感数据的相关分析，科学家们建立了多元线性回归、机率密度函数模型、人工神经网络、随机森林等多种数学模型，用于模拟和预测大面积森林生物量分布。
北部湾沿海5种红树林群落生物量的遥感估算摘要：一、引言1.研究背景及意义2.研究目的与方法二、红树林生物量遥感估算方法1.概述2.遥感数据来源及预处理3.生物量估算模型建立与验证三、北部湾沿海红树林群落生物量估算1.样本区域及数据收集2.生物量估算结果与分析3.不同红树林类型生物量比较四、结果讨论与意义1.遥感估算方法的适用性2.北部湾沿海红树林生物量分布特征3.对生态修复和保护的意义五、结论1.研究成果总结2.局限性与展望正文：一、引言红树林是海洋与陆地生态系统的交汇处，具有极高的生态、经济和社会价值。
生物量是衡量生态系统功能的重要指标，对红树林生物量的准确估算有助于了解其生态功能和制定合理的保护措施。
近年来，遥感技术在生物量估算方面取得了显著成果。
本研究以北部湾沿海5种红树林群落为对象，采用遥感技术对其生物量进行估算，旨在为红树林生态保护和修复提供科学依据。
二、红树林生物量遥感估算方法1.概述本研究采用遥感图像处理软件ENVI和ArcGIS，结合地面实测数据，对北部湾沿海红树林生物量进行遥感估算。
具体流程如下：2.遥感数据来源及预处理选用MODIS遥感数据，包括植被指数、地表温度等参数。
预处理包括数据下载、辐射校正、大气校正和几何校正等。
3.生物量估算模型建立与验证利用地面实测数据，构建红树林生物量与遥感参数的回归模型。
选用决定系数（R）和均方根误差（RMSE）评估模型精度，并进行模型验证。
三、北部湾沿海红树林群落生物量估算1.样本区域及数据收集选择北部湾沿海5种红树林类型为研究对象，收集相应区域遥感数据和地面实测数据。
2.生物量估算结果与分析根据建立的生物量估算模型，对各红树林类型生物量进行遥感估算。
结果表明，不同红树林类型生物量存在显著差异。
3.不同红树林类型生物量比较分析各红树林类型生物量分布特征，为进一步保护和修复红树林生态系统提供依据。
四、结果讨论与意义1.遥感估算方法的适用性本研究采用的遥感估算方法具有较高的精度，可以为红树林生物量估算提供可靠依据。
东北林区森林生物量遥感估算及分析一、本文概述随着遥感技术的快速发展，其在森林资源监测和管理中的应用日益广泛。
本文旨在探讨遥感技术在东北林区森林生物量估算中的应用，并分析其估算结果的准确性和可靠性。
本文首先介绍了东北林区的地理特点、森林类型和生物量分布概况，为后续研究提供背景信息。
随后，详细阐述了遥感技术在森林生物量估算中的原理和方法，包括遥感数据源的选择、预处理、信息提取等步骤。
在此基础上，本文构建了适用于东北林区的森林生物量估算模型，并利用实地调查数据和已有研究成果对模型进行了验证和评估。
结合东北林区的实际情况，对遥感估算结果进行了深入的分析和讨论，提出了相应的建议和展望。
本文的研究结果对于提高东北林区森林资源监测的精度和效率，促进森林可持续经营和生态保护具有重要意义。
二、研究方法和数据来源本研究旨在通过遥感技术估算东北林区的森林生物量，并对其分布特征进行分析。
研究过程中，我们采用了多源遥感数据，结合地面实测数据，以建立生物量估算模型。
研究方法：本研究采用了遥感反演与地面验证相结合的方法。
我们利用高分辨率遥感影像提取林区的植被信息，包括植被类型、覆盖度、叶面积指数等。
结合地面实测的生物量数据，通过回归分析等方法建立生物量与遥感参数之间的估算模型。
利用该模型对整个东北林区的森林生物量进行遥感反演，生成生物量分布图。
数据来源：本研究使用的主要遥感数据源包括Landsat系列卫星影像、Sentinel-2影像以及高分辨率无人机影像。
这些影像数据提供了丰富的植被信息，为生物量估算提供了基础数据支持。
我们还收集了地面实测的生物量数据，这些数据来自于东北林区的多个样地，包括不同树种、不同林分密度的生物量测定。
通过整合这些多源数据，我们能够更加准确地估算东北林区的森林生物量。
通过本研究所采用的遥感反演与地面验证相结合的方法，以及多源遥感数据的使用，我们能够为东北林区的森林生物量估算提供更加准确、可靠的结果，为林区的生态保护和可持续发展提供科学依据。
如何利用遥感与测绘技术进行森林生态调查与评估遥感与测绘技术在森林生态调查与评估中起着重要的作用。
本文将从概念解释、数据获取、数据分析和应用四个方面，探讨如何利用遥感与测绘技术进行森林生态调查与评估。
一、概念解释森林生态调查与评估是指通过对森林环境、生物多样性以及各种生态环境因素的综合调查和评估，为森林资源管理、生态保护和环境规划提供科学依据。
遥感与测绘技术则是一种远距离获取和分析地物信息的技术手段，通过卫星、无人机等设备获取并处理数据，以实现对森林生态系统的全面观测和分析。
二、数据获取遥感与测绘技术能够通过卫星遥感、航空遥感和地面测绘等多种方式，获取大量森林生态系统相关数据。
卫星遥感可以远距离获取广域范围的数据，常用的卫星遥感数据包括陆地覆盖、森林类型、植被指数等。
而航空遥感则可以获取高分辨率的影像数据，对于细节的观测和测量具有优势。
此外，地面测绘技术也是重要的数据获取手段，通过现场测量和监测，获取森林地形、土壤质量、植被物候等重要数据。
三、数据分析获得的大量数据需要经过数据处理和分析，才能为森林生态调查与评估提供有用的信息。
数据处理包括数据校正、辐射校正和几何校正等环节，以确保数据的准确性和可靠性。
而数据分析则涉及遥感影像分类、指数计算和变化检测等方法，通过对数据进行分析，可以得出森林覆盖度、生物多样性、地表水体分布等相关指标。
四、应用遥感与测绘技术在森林生态调查与评估中的应用广泛而多样。
首先，根据获取的数据，可以评估森林覆盖度、森林类型和植被物候等指标，以了解森林的健康状况和变化趋势。
其次，遥感与测绘技术可以用于监测森林火灾、病虫害和其他自然灾害，提供实时数据和预警信息，为灾害管理和防御策略提供支持。
此外，遥感与测绘技术还可以用于研究森林生态系统的空间分布和相互关系，探究森林与生态环境的相互作用机制，为森林管理和生态保护提供科学依据。
总结起来，遥感与测绘技术在森林生态调查与评估中发挥着重要作用。
森林生物量及碳储量遥感监测方法研究一、本文概述随着全球气候变化问题的日益严峻，对森林生物量及碳储量的准确监测和评估显得尤为重要。
作为地球上最大的陆地生态系统，森林在全球碳循环中发挥着至关重要的作用。
然而，传统的森林生物量和碳储量监测方法往往受限于其耗时、耗力和高成本的特点，无法满足大规模、高频率的监测需求。
因此，遥感技术的引入为森林生物量和碳储量的监测提供了新的解决方案。
本文旨在探讨和研究利用遥感技术进行森林生物量及碳储量监测的方法。
我们将详细介绍遥感技术在森林生物量和碳储量监测中的应用原理、技术流程以及相关的数据处理和分析方法。
我们还将评估遥感技术的准确性和可靠性，并探讨其在实际应用中的优缺点。
通过对遥感监测方法的研究，我们期望能够为森林生态系统的碳循环和气候变化研究提供更为准确、高效的数据支持。
我们还将探讨如何将这些遥感监测方法应用于实际的森林管理和保护工作中，以实现对森林生物量和碳储量的长期、持续监测，为森林生态系统的可持续发展提供科学依据。
二、森林生物量及碳储量遥感监测基础森林作为地球上最大的陆地生态系统，其生物量和碳储量的监测对于全球气候变化研究、生态系统服务评估以及森林资源管理具有重要意义。
遥感技术作为一种高效、无损的监测手段，在森林生物量和碳储量的估算中发挥着越来越重要的作用。
遥感监测森林生物量的基础在于利用植被的光谱反射特性与生物量之间的关系。
不同植被类型、不同生长阶段的植物叶片对光谱的反射和吸收特性存在差异，这些差异可以通过遥感卫星或无人机搭载的光谱仪器进行捕捉和量化。
通过分析这些光谱数据，可以推断出植被的生物量分布和动态变化。
碳储量的遥感监测则主要依赖于植被的光合作用过程。
植被通过光合作用吸收二氧化碳并转化为有机物质，这一过程与植被的生长和生物量积累密切相关。
因此，通过遥感手段监测植被的生长状况，可以间接估算出森林生态系统的碳储量。
遥感技术还可以结合地面实测数据，建立生物量与碳储量之间的转换模型，进一步提高碳储量估算的精度。
森林生物量遥感估算方法分析近些年来，随着人类活动日益频繁，全球森林面积锐减，大量使用化石燃料，由此导致的温室效应等环境问题等全球环境问题。
所以，全球碳循环问题日渐成为全球环境变化究领域的热点问题，其中森林生态系统碳循环又是全球碳循环中受人类活动影响最强烈的部分。
因此，为了正确评价森林在全球碳平衡中所发挥的作用，森林生物量作为有效衡量森林生态系统生产力、生态系统结构功能的重要指标，其研究正日益成为人们关注的重点。
随着航天遥感技术应用技术的提高，利用卫星影像特征判读数据与地面实测数据建立数学模型，进行森林资源调查己越来越被人们所认识和应用。
需要注意的是，在对森林生物量进行估算时，模型的恰当选择是关键问题，因为它直接影响了森林生物量的估算精度。
2.基于遥感技术的森林生物量估算方法分析2.1基于遥感技术的森林生物量估算方法的机理分析生物量是指在一定时间内，单位面积内所含的一个或多个生物种组成的群落中所有生物有机体的总干物质的质量。
森林生物量包括乔木层生物量、活地被物层生物量以及动物和微生物生物量3个部分。
目前，对生物量研究的途径主要有三种：依据呼吸作用释放二氧化碳的变化的方法；依据监测光合作用的方法；依据对生物现存量来进行研究的方法。
植物遥感基于对植物叶片和冠层光谱特征的了解，所以要清楚植物叶片结构和植被结构。
从植物遥感—植物与光（辐射）的相互作用出发，叶片的大小、形状、结构以及叶绿素含量同植被结构一样，随着植物的种属、生长时期及分布的改变而变化的。
从植被光谱特征来看，近红外区的反射主要受叶片的叶腔结构控制；在叶片的光合作用过程中，叶绿素主要吸收可见光中的蓝光、红光以及少部分绿光；植物的发射特征主要表现在热红外和微波普段。
由于随着植物的生长发育的变化，其叶腔结构、细胞叶绿素含量和水分含量均会随之变化，导致叶片的光谱反应也发生相关变化。
因此，通过对这些现象及其相应的光谱特征变化的研究和多种光谱特征值的合理组合，可有效的进行植物与非植物的区分、不同植被类型的识别、植物长势监测以及植被生物量估算等研究。
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，而叶绿素含量与叶生物量相关，叶生物量又与群落生物量相关。
因此可以采用多波段遥感数据来揭示植物活动的信息等。
2.2基于传统森林生物量研究分析传统的森林生物量研究常常以采样区内一定面积内树木质量为主，采用实测数据为基础进行宏观拓展估算或相关分析的方法，其传统研究方法有气体交换法、微气象场法和收获法等。
传统的森林生物量估测方法需要大量的固定样地，运用相应方法进行实地测量以及相关部门提供的研究区统计资料。
其为植被遥感储备了丰富的地面实测数据样本。
这些数据既是建立生物量模型的基础，也是验证生物量模型的依据。
但其通常只能获得点上的数据，且耗时、费力、具有一定破坏性，无法做到实时动态监测，不利于研究生物量的空间分布和变化，而且实际应用中存在着林业测量仪器误差、样地空间分布的代表性不足等问题。
2.3基于遥感技术的森林生物量估算方法分析2.3.1遥感信息参数与生物量拟合关系的方法遥感信息参数与生物量拟合关系方法基于对遥感信息参数和地面观测的森林生物量进行相关性分析的基础上，通过建立两者的拟合方程来估算生物量的方法。
这种方法常常根据植被的反射光谱特征，利用红光、近红外波段的反射率和其他因子及其组合获得的植被指数，再同生物量进行拟合，从而来估算森林生物量。
从现有资料可以看出：基于样点观测数据建立遥感信息参数与森林生物量之间的回归关系模型是基于遥感信息参数与生物量拟合关系方法的关键。
上述方法中较常用的如多元线性回归方法，依据多个因变量与自变量的最优组合建立回归分析方程，其一般形式为：y=b0+b1xi1+b2xi2+b3xi3+…+bpxip+i式中：为第i（i=1，2…n，n为样本个数。
）个样本因变量观测值；称为第i个样本第p个自变量观测值；为的观测误差；为常数x1，x2，…，xp为y对应于，…，的偏回归系数。
在实际应用中，Mynei等应用NOAA/AVHRR数据，建立了森林NDVI值与各省森林生物量总量的关系，其方程为：1/Bimass=-0.377+0.0006·Lat+3809.65·（1/NDVI/Lat2）马泽清等在Landsat5.TM遥感图像数据和相应野外调查数据的基础上，建立了植被指数、影像与植被各器官生物量之间的关系。
其地上生物量多元回归模型分别为：Bleaf=*****.663+33.145TM1+60.515TM2-768.449TM3+225.790TM4-27.689TM5+50.638TM7-4062.812RVI Babove=*****.597+114.335TM1+395.904TM2-4895.496TM3+1462.842TM4-243.747 TM5+490.069TM7-*****.247RVI杨存建等采用统计回归的方法，对云南省西双版纳热带森林植被的生物量与遥感数据之间的相关性进行了深入探索。
2.3.2遥感数据与过程模型拟合的方法过程模型根据植物生理、生态学原理，通过对太阳能转化为化学能的过程以及植物冠层蒸散与光合作用相伴随的植物体及土壤水分散失的过程进行模拟，进而计算植被NPP。
它从机理上对植物的生物物理过程以及影响因子进行分析和模拟。
在众多NPP估算模型中，过程模型以其完整的理论框架、清晰的过程机理而逐渐趋于主导地位。
进行NPP模拟时，主要地表覆被信息、植物的生长状态相关信息与土壤水分相关信息需由遥感数据提供。
目前，较为常用的模型有：TEM模型、*****模型、BEPS模型、*****D模型、GLO-PEM模型等。
M.Chiesi等利用传统数据和NOAA/AVHRR NDVI数据分别应用FOREST-BGC模型，并对模型的模拟结果进行了验证，结果发现使用NOAA/AVHRR NDVI数据能大大提高模型的估算精度。
冯险峰对BEPS 模型进行了输入变量或部分算法的改进，并基于遥感数据参数对2001年中国陆地生态系统净第一性生产力进行了模拟。
2.3.3基准样地法基准样地法又被称为KNN。
该算法涉及3个主要因素：训练集、距离或相似的衡量、k的大小。
这种方法最初是由Cover和Hart于1968年提出的，是一个理论上比较成熟的方法。
其基本计算过程：算距离：给定测试对象，计算它与训练集中的每个对象的距离；找邻居：选定距离最近的k个训练对象，作为测试对象的近邻；做分类：根据这k个近邻归属的主要类别，来对测试对象分类。
此外，Heather Reese等采用K最近邻分类法对芬兰的森林材积和林分年龄等进行了估算。
Tomppo将KNN算法应用于芬兰国家森林资源清查，提出了基于KNN的MS-NFI技术，并得到了良好的估测效果。
2.3.4人工神经网络模型法人工神经网络也称为神经网络人工神经网络模型，具有四个特性：非线性、非局限性、非常定性、非凸性。
它是近几年兴起的一种新的研究方法，它从微观结构与功能上模拟人脑神经系统，进而建立的一种模型，是模拟人的智能，比较适用于机制尚不清楚的高维非线性系统的研究。
目前国内外已有近40余种神经网络模型，常用的神经网络主要有BP神经网络、前向神经网络、径向基函数神经网络、自适应神经网络等。
首先，提出问题，确定主要变量及其主要影响因素。
然后，要建立ANN学习过程，利用己知的原始数据，是络预先学习。
最后，再利用已知的输入因子来计算输出变量，观测并记录模拟结果；另选一组原始数据（输入因子）进行预测计算，校验预测值与实际值之间的拟合效果。
只有当模拟和预测计算的拟合效果达到预设条件时，建模才算完成；否则，重新对模型进行调整，转到1、2步，直至建模完成为止。
3.基于遥感技术的森林生物量估算各方法的比较每种森林生物量遥感估算方法对森林生物量的研究都有积极的意义，只是所解决问题的角度和适用性不同。
明确各种遥感估算方法的特点以及它们之间的联系，有助于在进行森林生物量估算研究之前，选择最优的研究方法和模型，减小估算结果与实际值之间的误差，提高估算精度。
所以，各种森林生物量遥感估算方法的特点如下：（1）遥感信息参数与生物量拟合关系的方法的突出优点是可以宏观、连续地监测植被生物量，并且此种模型简便实用，适合一时一地一事的情况。
但其理论基础不完备，对物理机理认识不足，所建立的经验模型缺乏广泛的普适性。
（2）遥感数据与过程模型融合方法的理论完善，并对作用机理进行数学描述较好。
然而，它通常是方程复杂、实用性较低。
（3）KNN算法的门槛较低，并且能冗余量小。
对于重复较多的待分样本集来说，KNN方法相对于其他的方法更具优势，适用于样本容量较大的情况，但该算法计算量较大。
在不同研究尺度上，KNN算法比较适合区域尺度的森林生物量的研究。
（4）人工神经网络模型方法具有独特的信息处理能力，在高维非线性系统且机制不明时，它表现出巨大优势。
应用神经网络方法的“黑箱”操作，估测相对误差较小，但不能解释机理，模型缺乏生物物理意义。
该方法也只适合一时一地一事的情况，不能进行时间和空间的外推。
4.总结和展望传统的森林生物量估计相比，基于遥感信息的森林生物量估算方法具有减少野外工作量、节省投入成本、提高工作效率等优点，并可实现森林资源的实时监测，对人迹稀少、常规方法难以调查的地区更具有优势，具有重要的社会意义和经济意义。
根据已有资料分析，基于遥感技术的森林生物量估算方法还需要在以下几个方面进一步开展研究：（1）森林生物量监测站点密度较低，需建立标准化观测系统和观测方法，同时协同各个部门（如：气象部门、国土部门和测绘部门等）的数据共享，建立并完善观测数据库。
（2）从多种森林生物量研究方法的比较入手，结合新兴技术手段，发展更高效的估算方法。
（3）微观上从植被生理功能角度利用精确测量仪器测定植被生理参数；宏观上利用3S技术获取研究区域植被的整体变化信息和发展趋势。
多角度分析、多技术手段融合，拓展了森林生物量研究的视角。
（4）深化森林生物量因子与遥感信息的相关性研究，识别因树种、树龄以及物候期等的不同而引起的生物量差异，以减小因这些差异而引起的估测误差。
