遥感在森林地上生物量估算中的应用

基于郁闭度联立方程组模型的森林生物量遥感估测李明泽;毛学刚;范文义【摘要】以黑龙江省长白山地区遥感影像和122块森林资源连续清查固定样地数据为基础,选择包括各波段灰度值、不同波段灰度值之间的线性和非线性组合、纹理信息以及环境因子在内的171个自变量,分别采用无郁闭度变量常规回归生物量模型、有郁闭度变量常规回归生物量模型和郁闭度联立方程组模型,估算黑龙江省长白山森林生物量,并进行精度评价.结果表明:3种模型中郁闭度联立方程组模型为最优模型,精度最高为83.1％,与其他2个模型相比精度提高6％～7％.本研究可为遥感估算森林生物量提供一种新思路.【期刊名称】《林业科学》【年(卷),期】2014(050)002【总页数】7页(P85-91)【关键词】郁闭度;生物量;遥感估算;联立方程组模型【作者】李明泽;毛学刚;范文义【作者单位】东北林业大学林学院哈尔滨150040;东北林业大学林学院哈尔滨150040;东北林业大学林学院哈尔滨150040【正文语种】中文【中图分类】S757森林生物量作为陆地生态系统碳循环和碳动态分析的重要因子，精确地估算森林生物量已成为生态学和全球变化研究的重要内容之一(Fang et al.，1998;蒋延龄等，2001;Woodwell et al.，1978;杨清培等，2003;赵敏等，2004)。

20世纪70年代起针对国家及全球大尺度区域的森林生物量估测成为国内外研究的热点问题(Woodwell et al.，1978)。

利用传统点观测法对大尺度的森林生物量估算时具有局限性，不但精度达不到现实的要求，也不能反映区域大面积宏观森林生态系统生物量空间分布。

目前，基于森林资源清查数据的森林生物量估测方法和基于遥感信息技术的森林生物量估计方法是大尺度区域森林生物量估计的主要方法(方精云等，1996;Hame et al.，1997;Dong et al.，2003)。

邢素丽等(2004)用ETM数据探讨了落叶松(Larix gmelinii)林生物量的估算方法和模型，促进了生物量模型的研究。

地上生物量遥感估算模型类型
地上生物量遥感估算模型类型主要包括以下几种：
1. 基于森林样地清查法的地上生物量估算模型。

这种方法是传统的森林生物量估算方法，也是森林资源调查最切实可行的途径。

首先设计并建立典型样地，然后野外实测每块样地的生物量，最后通过样地生物量数据来估算一定区域范围内森林生态系统中的总生物量。

该类方法主要包括平均生物量估算法、换算因子连续函数估算法、平均换算因子估算法和生物量换算因子法。

2. 气候相关模型。

包含米阿利模型、托姆斯维特·莫里亚尔模型等，但由于气候因子复杂多变且很难由单因子决定，所以这类模型并没有被完全证实，只能作为经验技巧服务于植物潜在生物量的估测研究。

3. 光能利用率模型。

主要为CASA和GLPEM两种模型。

此类模型的机理类似木桶效应，选择一种最稀缺的资源作为其决定因素。

这样便可以通过一个简单的系数或使用单一的调控就可以使模型进行模拟计算，因此光能利用率模型都比较方便，但对精度无法保证。

光能利用率模型更适用于大尺度范围的宏观模拟计算，小尺度下的精准研究一般难以胜任。

总的来说，遥感技术是目前应用最为广泛的地上生物量估算技术，其使用GPS、GIS等手段进行信息采集，并参考光谱的相关理论，取得大量相关数据并进行系统处理分析，由此完成草地地上生物量的估计、草地生物量动态
平衡等一系列复杂的估测分析研究。

遥感技术发展至今其功能越来越强大，精度越来越高，日后必然成为草地调查研究的最佳方法。

遥感生物量反演反演原理-概述说明以及解释1.引言1.1 概述遥感生物量反演是利用遥感技术对地表物质进行监测与测量，通过反演算法来估算生物量密度的一种方法。

在生态环境监测、资源管理和气候变化研究等领域具有重要的应用价值。

本文旨在探讨遥感生物量反演的原理及其在环境研究中的应用，以期为相关研究提供参考和借鉴。

遥感技术为生物量反演提供了全新的视角和手段，可以实现对辽阔地域范围内生物量的遥感监测和评估。

通过对地表反射、辐射和散射数据的提取和分析，结合地面实测数据和数学模型，可以精确地反演出不同植被类型的生物量分布情况。

这种非接触式的监测方法极大地提高了生物量反演的效率和精度，同时也为科学研究和资源管理提供了更加便捷的工具和手段。

在未来的发展中，随着遥感技术的不断创新和完善，遥感生物量反演将更加深入到生态环境监测、碳汇评估和气候变化研究等领域。

同时，对于生物量反演算法和模型的进一步优化和改进也将成为未来研究的重点之一。

希望通过本文的探讨和总结，可以为遥感生物量反演的研究和应用提供一定的参考和指导。

1.2 文章结构:本文将分为三个主要部分，即引言、正文和结论。

在引言部分，将对遥感生物量反演的概念进行概述，介绍文章的结构和目的。

在正文部分，将从遥感技术的概述开始，然后详细解释生物量反演的原理，最后探讨其应用与发展。

在结论部分，将总结生物量反演的原理，讨论其实际应用意义，并展望未来的发展方向。

通过这三个主要部分的论述，读者可以全面了解遥感生物量反演的反演原理及其在现实中的应用和未来的发展前景。

1.3 目的目的部分的内容：本文旨在深入探讨遥感生物量反演的反演原理，通过对遥感技术和生物量反演的基本概念进行介绍，进一步阐述生物量反演原理的相关理论与方法。

同时，通过对该技术在实际应用和发展趋势进行分析，探讨生物量反演在资源监测、环境保护和生态研究等领域的潜在意义。

最终，通过总结反演原理及其实际应用意义，展望未来遥感生物量反演技术的发展方向，为相关领域的研究提供参考和借鉴。

遥感技术在森林碳储量监测中的应用森林作为地球上重要的生态系统之一，不仅为人类提供了丰富的资源，还在调节气候、维持生态平衡方面发挥着关键作用。

而森林碳储量的准确监测对于了解全球碳循环、制定气候变化应对策略具有极其重要的意义。

在众多监测手段中，遥感技术凭借其独特的优势，逐渐成为森林碳储量监测的重要工具。

遥感技术是一种非接触式的对地观测手段，它通过传感器获取远距离目标物的电磁波信息，并对这些信息进行处理和分析，从而获取目标物的特征和状态。

在森林碳储量监测中，常用的遥感技术包括光学遥感、雷达遥感和激光雷达遥感等。

光学遥感是利用可见光、近红外和短波红外等波段的电磁波来获取森林信息。

通过不同波段的反射率差异，可以反演森林的结构参数，如叶面积指数、植被覆盖度等。

这些参数与森林的光合作用和碳吸收能力密切相关。

例如，叶面积指数越大，意味着植物能够进行光合作用的面积越大，从而吸收更多的二氧化碳，增加碳储量。

此外，高分辨率的光学遥感影像还可以用于识别森林的树种组成和分布，不同树种的碳储量密度存在差异，准确的树种信息有助于提高碳储量估算的精度。

雷达遥感则是利用微波波段的电磁波来探测森林。

由于微波具有穿透云层和植被的能力，因此雷达遥感在多云多雨的地区具有独特的优势。

雷达回波信号的强度和相位信息可以反映森林的垂直结构和生物量。

例如，森林的高度越高，雷达回波信号的强度越大，通过建立回波信号与森林生物量之间的关系模型，可以估算森林的碳储量。

激光雷达遥感是一种主动式遥感技术，它通过发射激光脉冲并接收反射信号来精确测量森林的三维结构。

激光雷达可以获取森林冠层的高度、密度、枝叶分布等详细信息，这些信息对于准确估算森林碳储量至关重要。

与传统的地面调查方法相比，激光雷达遥感能够快速、大面积地获取森林的三维结构信息，大大提高了监测效率。

在实际应用中，遥感技术监测森林碳储量通常需要结合地面调查数据。

地面调查可以获取树木的胸径、树高、木材密度等详细参数，这些参数是建立碳储量估算模型的基础。

森林生态系统碳计量方法引言：森林是地球上最重要的生态系统之一，对全球的碳循环和气候调节起着至关重要的作用。

为了量化和监测森林生态系统中的碳储量和流动，需要建立可靠的碳计量方法。

本文将重点介绍森林生态系统碳计量的方法和技术。

一、森林生态系统碳储量的测量1.直接测量法：直接测量法是通过在森林样地中采集实地数据来估计碳储量。

常用的直接测量法包括调查样地法、样线法和光遥感法。

（1）调查样地法：该方法通常通过在森林中设置样地，并记录样地内各种生物量（如树木、地上和地下植被、枯死物等）的大小和数量来估计碳储量。

通过对样地内植物的测量，可以计算出单位面积内的碳储量。

（2）样线法：样线法是一种通过在样地内设置样线，并在样线上测量植物的胸径或胸径高等参数，以估计植物生物量和碳储量的方法。

（3）光遥感法：光遥感法是利用遥感技术获取森林的光谱信息、高度和构造参数，并通过建立光谱-生物量关系模型来估计森林生物量和碳储量。

这种方法可以快速获取大片区域的数据。

2.间接测量法：间接测量法是通过收集环境和气候数据，并使用数学模型计算碳储量。

常用的间接测量法包括生态模型法和空间插值法。

（1）生态模型法：生态模型法是通过建立生态系统的物质和能量平衡模型，依据环境和气候因素来估计碳储量的方法。

这种方法需要采集大量不同时间和空间尺度上的数据，并进行模型构建和参数校正。

（2）空间插值法：空间插值法是根据已有的样地数据和环境变量的关系，通过插值方法来估计整个研究区域的碳储量。

这种方法可以在数据稀缺的情况下进行碳储量估计，但对于数据准确性和采样空间的选择提出了更高的要求。

二、森林生态系统碳流动的测量1.生态系统呼吸法：生态系统呼吸法是通过测量森林生态系统的呼吸通量来估计碳流动。

呼吸通量是指植物和土壤呼吸作用释放的二氧化碳量。

可以通过使用土壤呼吸测量仪和气体交换技术来测量呼吸通量。

2.净初级生产力法：净初级生产力法是通过测量森林生态系统植物的光合作用和凋落物的生产，并扣除呼吸通量来估计碳流动。

转载：森林⽣物量、碳储量的遥感反演与计算 摘要：利⽤地⾯调查获取的森林⽣物量为因变量，以GIS因⼦和遥感因⼦为⾃变量，建⽴多元线性回归模型，再进⾏⽣物量与碳储量的换算。

实现由点到⾯的森林⽣物量及碳储量的获取。

1数据获取因变量的获取：地⾯样地⽣物量数据的获取⽅法是设置森林调查样地,调查样地乔⽊的每⽊胸⾼直径,计算平均胸径,利⽤各树种已建⽴的森林⽣物量相对⽣长式，计算树⼲、树枝、树叶、树根⽣物量,最后得出地⾯样地单位⾯积⽣物量. 利⽤常⽤的碳转换系数乘以森林⽣物量进⾏森林碳储量计算.在南北向⼭体的两侧,从低到⾼,海拔相差约 50 m左右设置调查样地,样地⾯积0.04～0.06 hm2 (20 m ×20 m, 20 m ×30 m) ,调查样地中乔⽊的胸⾼直径,计算平均胸径,利⽤西部常绿阔叶林、温性针叶林、华⼭松林等⽣物量相对⽣长式计算树⼲、树枝、树叶、树根⽣物量,最后得出地⾯样地单位⾯积⽣物量. 样地数量为31个.⾃变量的获取：利⽤GPS获取地⾯样地坐标,并提取与地⾯样地坐标对应的遥感光谱值、波段⽐值、地学因⼦值作为估测模型的⾃变量.遥感数据采⽤2006年1⽉的印度卫星IRS -P6 LISS 3影像. 数据包括B2, B3, B4, B5 4个波段,⼏何分辩率为25 m ×25 m, 1个全⾊波段,⼏何分辩率为5.8m.利⽤1∶5万地形图,选取30个明显地物点,对影像进⾏⼏何校正,校正误差控制在⼀个像元内. 校正后的像元⼤⼩为25 m ×25 m,和地⾯样地⾯积基本吻合,以样地GPS实测坐标为准,在ArcMap下提取4个波段值(B2, B3, B4, B5波段)及3个波段⽐值( (B4 - B3) / (B4 +B3) 、B4 /B3、B4 /B2) ,共7个输⼊变量.利⽤GIS技术提取与⽣物量相关的部分地学因⼦参与⽣物量估测是提⾼估测精度的有效⽅法. 利⽤1∶5万地形图通过建⽴像元为25 m ×25 m的格⽹DEM提取海拔、坡度、坡向值作为3个地学因⼦变量.上述波段值、波段⽐值及地学因⼦共10个因⼦作为模型的候选变量.2建⽴模型以上述波段值、波段⽐值及地学因⼦共10个因⼦作为模型的⾃变量,样地⽣物量为因变量,利⽤Matlab 7.0 的stepwise函数进⾏逐步回归分析,在0.05显著性⽔平下, 通过F 检验筛选变量, 则有B2、B3、B4、B5 4个波段值及海拔、坡度、坡向值7个变量⼊选, 3个波段⽐值被剔除. 对⼊选的7个变量利⽤回归分析regress函数计算,建⽴森林⽣物量最优估测⽅程.Y = - 0.149 4 ×海拔+ 2.620 1 ×坡度- 1.264 5×坡向- 48.227 ×B2 + 34.856 ×B3 +1.569 7 ×B4 – 12.08 ×B5 +2 754.7式中: Y为森林⽣物量( t/ hm2 );B2,B3,B4,B5分别为4个波段值.3⽅差分析及线性回归关系显著性检验根据⽅差分析,模型的F = 3.76, F > F0.05 = 2.44,F > F0.01 =3.54. 模型的7个遥感及地学因⼦和森林⽣物量在0.01⽔平下具有极显著相关关系,相关系数R = 0.730 5. 说明模型可⽤于森林⽣物量估测.⽣物量模型似合效果见图1.（问：应该预留部分数据⽤于检验，如果拿建模的数据来检验说服⼒不强）4 常绿阔叶林⽣物量的估测对IRS - P6数据经⼏何校正、图像增强、假彩⾊合成处理后得到的合成图像,在ArcMap 下采⽤⽬视解释的⽅法区划常绿阔叶林⼩班,并单独提取常绿阔叶林图层. 以该图层为边界,提取和该图层对应的上述7个因⼦.利⽤已建⽴的回归模型计算像元⽣物量,并⽣成⽣物量图层,最后以常绿阔叶林⼩班为边界,取⼩班边界内平均值作为⼩班单位⾯积⽣物量. M. 则有:⼩班⽣物量= . M ×⼩班⾯积.（问：计算结果直接汇总就能算出总⽣物量，为何要⽤均值计算？）5 常绿阔叶林碳储量的估测通常,对植物⽣物量转化为碳储量是按照植物⼲重有机物中碳所占的⽐重进⾏计算. 树种组成、年龄和种群结构不同,转化率也不同,但差异不⼤,⼀般在0.45～0.5之间变化. 由于获取各种植被类型的转化率⽐较困难,所以国际上常⽤的转化率为0.50[ 3, 4 ] . 在此采⽤0.5的碳转化系数计算碳储量.则有:⼩班碳储量=⼩班⽣物量×0.5下⽂将介绍在外业调查数据的基础上，如何计算⽣物量。

使用高光谱遥感技术进行植被覆盖监测高光谱遥感技术是一种通过获取地物的高光谱信息来进行分析的遥感技术。

它通过收集地面或大气中的反射光谱数据，利用这些数据来提取地物的特征信息，从而实现对植被覆盖情况进行监测和评估。

在过去的几十年中，高光谱遥感技术在农业、林业、环境保护和城市规划等领域发挥了重要作用。

植被覆盖是指地表上由植物形成的覆盖层，对于生态系统的稳定和环境的改善具有重要的作用。

随着城市化进程的加快和人口增长的压力，植被覆盖的监测和评估变得越来越重要。

传统的植被覆盖监测方法主要依靠地面调查和遥感影像的解译，但这些方法存在着时间成本高、空间范围有限等问题。

而高光谱遥感技术的出现，为植被覆盖监测提供了更高效、更准确的手段。

高光谱遥感技术通过获取地物的高光谱信息，可以从细微的光谱变化中提取出更多的信息。

物体的光谱信息在不同波段呈现出不同的变化规律，而植被的反射光谱特征与其生理、化学和结构特性密切相关。

因此，利用高光谱遥感技术可以准确获取植被的光谱信息，从而实现对植被覆盖状况的监测。

高光谱遥感技术在植被监测中的应用主要包括植被类型判别、植被覆盖度评估和植被生长状态监测。

通过对植被的光谱信息进行解译和分类，可以精确地判别不同类型的植被，比如森林、草地、湿地等，为生态环境管理和资源保护提供科学依据。

植被覆盖度评估是指通过分析植被反射光谱的特征，来评估一定区域内植被的分布和空间分布。

利用高光谱遥感技术可以获取植被的反射光谱曲线，通过光谱特征参数的计算，可以准确地估算出植被覆盖度，并进一步分析植被的分布格局和植被覆盖的变化趋势。

植被生长状态监测是指通过监测植被的生长动态和生理状态，来评估植被生长状况和健康状况。

高光谱遥感技术可以获取植被的生理指标，比如叶绿素含量、地下生物质等，通过对这些指标的分析和比较，可以揭示植被的养分状况、生长状态和生态适应能力。

高光谱遥感技术在植被覆盖监测中的应用还包括草地质量评价、荒漠化监测、植被退化评估等。

测绘技术中的树木森林测量方法近年来，随着人们对环境保护意识的提高，森林资源的测量与管理变得愈发重要。

测绘技术在森林资源测量中起着关键作用，尤其是树木森林测量方法的应用。

本文将探讨测绘技术中的树木森林测量方法，展示其在实际应用中的国内外现状和发展趋势。

一、激光雷达测量方法激光雷达技术是树木森林测量领域最为常用的方法之一。

通过向森林区域发射激光束，激光雷达可以测量出激光束与树木之间的距离和高度差。

通过对激光束的反射和回波时间的测量，可以获得树木的高度、形态、密度和位置信息。

激光雷达测量方法具有无侵入性、高精度、高效率等优点，被广泛应用于森林调查和林业资源管理。

国际上已有很多研究通过激光雷达进行树木高度、冠层密度和干体积等参数测量。

二、无人机遥感测量方法随着无人机技术的飞速发展，无人机遥感测量方法在树木森林测量领域也逐渐崭露头角。

通过搭载激光雷达、高分辨率相机等设备的无人机，可以对森林进行高精度、高分辨率的测量和影像获取。

无人机遥感测量方法弥补了传统测量方法的局限性，使得数据获取更加快速、准确。

同时，无人机在树木森林测量中的应用还包括树种分类、林分结构和生物量估算等方面，为森林资源的管理提供了更多的数据支持。

三、全站仪测量方法全站仪是一种通过光学和测距技术进行树木测量的装备。

全站仪测量方法主要通过测量树木的高度、直径和树冠等参数来评估森林资源。

全站仪具有高精度、易操作和快速测量等优点，广泛应用于林业和测绘领域。

在树木森林测量中，全站仪可以用于编制树木清查表、制定采伐计划和评估生态环境等方面，对于森林资源的可持续管理起着重要作用。

四、遥感影像解译方法遥感影像解译方法是树木森林测量中另一重要的测量手段。

通过获取卫星或航空摄影的遥感影像，利用数字图像处理和解译技术，可以获得树木的空间分布、覆盖率和种类等信息。

遥感影像解译方法可以大范围、多时态的获取树木森林数据，为森林资源管理提供了方便快捷的工具。

此外，遥感影像解译方法结合地理信息系统，还可以实现对树木森林资源进行大规模的空间分析和决策支持。

高光谱遥感技术在农林植被调查方面的应用高光谱分辨率遥感（简称高光谱遥感），是20世纪末迅速发展起来的一项集探测器技术、精密光学机械、微弱信号检测、计算机和信息处理技术于一体的全新遥感技术。

它能够获得地物的连续光谱信息，实现地物图像信息与光谱信息的同步获取，因而在地质、林业、农业、生态环境、海洋、军事等领域具有巨大的应用价值和广阔的发展前景。

植被作为遥感观测和记录的第一表层，是遥感数据反映的最直接信息。

目前，多光谱遥感已被广泛应用于植被的长势研究、沙漠化研究、气候演变规律分析等方面，但传统的多波段遥感数据对于植被的研究和应用仍仅限于一般性的红光吸收特征与近红外的反射特征及中红外的水吸收特征波段，由于受波段宽度和波段数以及波长位置的限制，往往对植被类型不敏感，对植被长势反映不理想，而高光谱遥感在对目标的空间特征成像的同时，对每个像元可在更宽范围上，形成几十个乃至几百个窄波段连续的光谱覆盖，使更深入地考察植被光谱的响应机制和物理机制成为可能，因此成为植被和林业方面监测的强有力工具。

1. 高光谱遥感在植被调查方面的优势高光谱遥感在光谱分辨率方面的提高，使地物目标的属性信息探测能力有所增强，因此，较之全色和多光谱遥感，高光谱遥感有以下显著优势：（1）成像光谱仪所获取的地物连续光谱比较真实，能全面反映自然界各种植被所固有的光谱特征以及其间的细节差异性，从而大大提高地物分类的精细程度和准确性，使得高光谱图像数据与光谱仪地面实测光谱曲线数据之间的直接匹配成为可能。

（2）高光谱图像数据提高了根据混合光谱模型进行混合像元分解的能力，减少了土壤等植被生长背景地物的影响，从而能够获取最终光谱端元的真实光谱特性曲线数据。

（3）高光谱分辨率的植被图像数据将对传统的植被指数运算予以改进，大大提高了植被指数所能反演的信息量，使人们可以直接收获诸如植被叶面积指数、生物量、光合有效吸收系数等植被生物物理参量。

（4）提高遥感高定量分析的精度和可靠性，基于高光谱分辨率的光谱吸收特征信息提取可以完成部分植被生物化学成分（如植被干物质和水分含量等）定量填图。

生态环境评估的遥感方法在当今社会，生态环境的保护和评估日益受到重视。

随着科技的不断进步，遥感技术凭借其独特的优势，成为了生态环境评估的重要手段。

遥感，简单来说，就是不直接接触目标物体，通过传感器获取其相关信息的技术。

在生态环境评估中，它就像一双“千里眼”，能够从宏观的角度，快速、大面积地获取各种生态环境数据。

遥感技术在生态环境评估中的应用非常广泛。

比如说，在土地利用和土地覆盖变化的监测方面，它大显身手。

通过不同时间段的遥感影像对比，我们可以清晰地看到土地的用途是如何改变的，是从森林变成了农田，还是从荒地变成了城市建设用地。

这对于了解生态系统的结构和功能变化至关重要。

在植被监测方面，遥感也发挥着不可替代的作用。

它可以测量植被的覆盖度、生长状况以及生物量等指标。

植被的生长状况往往能反映出当地的生态环境质量。

比如，如果一片区域的植被生长茂盛，颜色鲜艳，通常意味着这里的土壤肥沃、水分充足，生态环境相对较好；反之，如果植被稀疏、枯黄，可能暗示着存在土壤退化、水资源短缺等问题。

水资源的评估也是生态环境评估的重要组成部分。

遥感技术能够监测水体的面积、水位、水质等。

通过特定的光谱波段，我们可以判断水体是否受到污染，以及污染的程度。

例如，某些污染物会使水体在遥感影像中呈现出特殊的颜色和光谱特征，从而为我们的评估提供依据。

此外，遥感还能用于监测大气环境。

它可以获取大气中的颗粒物浓度、气态污染物的分布等信息。

这对于了解大气污染的扩散规律、评估空气质量具有重要意义。

那么，遥感技术是如何实现这些生态环境评估的呢？这就涉及到一系列的原理和方法。

首先，光谱分析是遥感技术的核心之一。

不同的地物在电磁波谱上具有不同的反射和辐射特征。

例如，植被在可见光和近红外波段的反射率有明显的差异，而水体在红外波段的反射率较低。

通过分析这些光谱特征，我们可以识别出不同的地物类型，并对其状态进行评估。

其次，多源数据融合也是常用的方法。

除了光学遥感数据，还有雷达遥感、热红外遥感等多种数据源。

陆地生态系统的生物量估算陆地生态系统是地球上最为复杂和多样化的生态系统之一，其中包括了森林、草原、沙漠、湿地等多种生态系统类型。

对于生态保护和管理而言，估算陆地生态系统的生物量是必不可少的一个环节。

本文将重点探讨陆地生态系统的生物量估算方法。

一、估算植被生物量植被生物量是估算陆地生态系统总生物量的重要组成部分。

在对植被生物量进行估算时，通常采用以下几种方法。

1. 直接收获法直接收获法是最为常用和直观的一种估算方法。

该方法是通过将植物整株或部分采摘，并进行干重称量来计算植被干重。

这种方法的优点在于估算结果比较准确，适用于生长周期长、有多遍生长季的植物。

2. 全地、干盤、鲜盤法全地、干盤、鲜盤法是一种常用的野外调查方法。

该方法的基本原理是在常规调查基础上，通过制定调查面积或长度，然后采集植被样品并进行称重等操作来进行生物量估算。

这种方法的优点是操作简单、高效、可靠并且适用于大面积平均估算。

然而，该方法的缺点是需要采集大量的植物样品才能得到较为准确的数据。

3. 遥感方法随着遥感技术的不断发展，遥感技术在生物量估算方面的应用越来越广泛。

遥感技术主要是利用卫星遥感数据、气象数据等来建立数学模型，通过对植被的反射光谱、植被高度、绿度等参数进行估算，得出植被的总生物量。

这种方法的优点是可以快速、准确地获得大范围的生物量数据，是一种高效、经济的估算方法。

但是，由于遥感数据本身的限制以及植被自身的变异性，该方法的估算结果还需要进一步的验证和修正。

二、估算土壤生物量土壤是陆地生态系统非常重要的组成部分，其中包含了各种细菌、真菌、线虫等微生物，以及甲虫、蛇、鼹鼠等无脊椎动物。

这些生物的干重总和便是土壤生物量。

为了估算土壤生物量，通常会采用以下这些方法。

1. 土壤直接萃取法土壤直接萃取法是一种比较常用的估算方法。

该方法通常是通过在土壤样品中加入溶剂（如甲醇、丙酮、乙醇等），然后过滤并烘干土样，称重后即可得到微生物的全干重。

第８卷第３期　２００６年６月　滁州学院学报　ＪＯＵＲＮＡＬ　ＯＦ　ＣＨＵＺＨＯＵ　ＵＮＩＶＥＲＳＩＴＹ　Ｖ０１．８　Ｎｏ．３　

Ｊｕｎ．２００６　

航天遥感技术在我国森林资源中的应用　蔡爱民　（滁州学院国土信息工程系，安徽滁州２３９ｏｌ２）　

摘要：作为生态系统的主体，森林资源是人类赖以生存的物质基础，目前航天遥感技术在我国森林资源中已　经得到广泛应用。对该研究领域进行了回顾和归类，分析了我国森林资源遥感应用表现出来的特点和存在的　问题，展望了遥感技术在我国森林资源应用中的发展趋势。　关键词：航天遥感；森林资源；应用；中国　中图分类号：５７７１．８　文献标识码：Ａ　文章编号：１６７３—１７９４（２００６）０３—００８４—０５　

作者简介：蔡爱民（１９７８－），男，安徽肥东人，硕士，滁州学院国土信息工程系讲师。　

１前言　森林资源是人类赖以生存的物质基础，作为生态系统的主体，在经济和生态环境建设中起着不可替代的　作用Ｉｌｌ。人类从未间断过对森林资源的研究，遥感利用电磁波的微观信息来探测我们周围空间的客观规律，　并由此及彼——由表及里，成为人类认识物质的运动形式与能量交换规律的一种现代化手段。为地球资源　调查与开发——国土整治——环境监测以及全球性研究提供了一种新的探测手段翻。自二十世纪６０年代遥　感技术发展起来以来，遥感技术也被积极地应用到森林资源研究中。　森林遥感是遥感众多应用中的一种，有着其特定的规律，表现为遥感技术和林业学科的结合，需要物理、　数学、计算机、林学、地理和测绘多学科的支持１３１。在森林资源应用中，已显示出很大的优越性。自２０世纪７０　年代末，中国林业工作者开始了一系列有关航天遥感技术应用于森林资源的研究。经过二十多年的发展，这　项先进的技术被引入到森林资源研究中的各个领域，充分展现了其在森林资源应用中的巨大生命力。　２航天遥感技术遥感在我国森林资源中的应用领域　２．１森林资源调查　森林资源的消长变化一直倍受关注，估计森林蓄积量和进行森林资源清查是遥感技术应用研究的主要内　容　。这些应用充分发挥了遥感视野开阔，能够动态监测，信息获取方便，图像直观及现势性、多时相性和立体覆　盖能力大等特点。另外，卫星遥感对地物的同景佰影像成像时间上基本一致，便于在森林资源调查应用中，认识　同一时刻各地类植被分布的规律性。利用两个不同时相的遥感资料，可以获得森林资源的动态变化信息。　在森林资源清查和动态监测中，一般要求能识别森林面积、树种，在树种复杂时要求识别到树种组阁。通　过对叶面积指数动态变化的遥感监测研究［ｑ，可以客观准确地反映地表森林分布的优势，实现对森林质量动　态监测。国际林协（ＩＵＦＲＯ）林业调查规划专业委员会遥感学科组曾专门拟定了全球林业监测指南ｃ７】。典型的　应用是“三北”防护林地区的遥感综合，调查结果显示：该区域的森林覆被率由１９７７年的６．１３％上升到２００１