论文部分内容阅读
森林是陆地生态系统最大的碳库。森林地上生物量(aboveground biomass，AGB)、树种组成和林分密度的空间分布及实时变化信息对于理解和评估森林生态系统的结构和功能，揭示全球碳循环的过程和机理，制定合理的森林管理政策以应对来自气候变化及其他大范围的自然和人为干扰因素的影响都是必须的。黑龙江省大兴安岭林区是我国北方重要的生态屏障，也是我国重要的木材生产基地。又因其地处高纬度地区，受气候变化的影响显著。林火、采伐、气候变化等因素严重的影响了并且正在改变着该区域森林AGB、树种组成和林分密度。因而获取该区域的森林AGB、树种组成及林分密度分布格局及并研究其变化机制，对于该区域的森林管理政策的制定尤为重要。这些信息通常可以通过地面调查来获取，然而传统的地面调查花费巨大，往往被限制在有限的地面调查点上，很难有效的捕捉各种干扰信息和气候变化对森林生态系统的影响。遥感技术可以在大时空尺度范围内提供有效的对地观测信息，将遥感与有限的地面调查数据相结合是获取大区域森林属性详细信息的有效手段。 本研究以黑龙江大兴安岭为研究区，将收集到的2000年小班调查数据和2011年样点数据分别与MODIS和Landsat数据结合，建立了区域尺度森林AGB、树种组成和带有胸径分布的林分密度估算模型，并估算了1990年之前（1985-1988年期间）、2000年和2010年三个时期的森林AGB、树种组成和林分密度。在森林AGB的估算过程中，本文探讨建模方法、样本偏度（样本代表性）及样本数量对大区域森林AGB遥感估算产生的影响。在树种组成的估算过程中，本文比较了6种kNN(k Nearest-neighbour distance)方法（RF-NN,Random Forests-based kNN;Euclidean;Mahalanobis;MSN,most similar neighbor;msnPP,most similar neighbor via projection pursuit;GNN，gradient nearest neighbor)，结合MODIS不同时相遥感数据及k值所建立的估算模型的表现，同时还对估算的结果在像元尺度、生态区尺度和区域尺度进行了评价。在林分密度估算的研究中，本文尝试将遥感数据估算的林分参数与Weibull分布函数相结合进行大区域尺度林分密度估算的可行性。最后本文通过结合Landsat和MODIS数据估算的结果，对三个时期林分特征的变化进行了分析。主要结论如下: (1)建模方法、样地数量和样本偏度均会对大区域森林AGB的遥感估算产生显著影响。样地数量的增加显著增加了四种建模方法(PLS，Partial Least-squares Regression;PCR,Principal Component Regression;RF,Random Forest;kNN)的检验精度以及可靠性。RF方法在森林AGB遥感估算建模中表现出了最好的精度，其次为PLS和PCR，kNN方法的拟合精度最差;参数化的PLS和PCR方法估算的研究区平均AGB的具有很大的不确定性，类似于PLS和PCR的参数化方法不适合于大区域森林AGB的遥感估算。当训练样本森林AGB分布偏度与研究区AGB分布偏度有较大差异时，使用RF方法建立的森林AGB遥感估算模型估算的研究区森林AGB也会产生很大误差，其误差与训练样本偏离总体样本的AGB差值具有一致性。 (2)RF-NN方法在树种组成的估算中表现出了最好的精度。其他方法精度排序依次是MSN，Euclidean，GNN,Mahalanobis和msnPP。除msnPP方法外，RF方法相对于其他方法精度的改善非常有限，其Generalized Root Mean Square Distance(grmsd)的差异均小于5％。采用多时相的MODIS数据相对于单时相的MODIS数据来说，树种组成的估算精度并没有表现出明显的改进。在所有采用MODIS单时相数据建立的树种组成估算模型中，采用6月份的MODIS数据建立的模型表现最佳。k值的增加显著的提高了kNN估算方法的精度，提高幅度均在20％以上。随着尺度的上升，估算结果的可靠性也明显的提高了。 (3)基于林分平均胸径的参数预测方法可以有效的预测由最大似然法拟合的两参数的weibull胸径分布函数的尺度参数和形状参数。将weibull胸径分布函数与RF方法估算的研究区像元水平林分平均胸径及kNN方法估算的各树种像元水平AGB相结合，可以较为合理的估算研究区各树种的林分密度及胸径分布。该方法适合于林分结构较为单一的北方森林区域。 (4)采用多期Landsat数据结合一期森林调查数据可以很好的捕捉到由强度较大的林火和采伐所造成的森林AGB损失，很难捕捉到由于轻微干扰或森林生长所造成的林分特征变化;研究区1990年之前、2000年和2010年平均森林AGB分别为61.96t/ha、57.21t/ha和61.34t/ha，森林面积分别为738.58×104ha，748.47×104ha和753.67×104ha;1990年之前-2010年期间研究区森林AGB变化呈现出先减少后增加的趋势，落叶松和樟子松是森林AGB降低最为显著的树种，白桦是森林AGB增加最多的树种;自然生长、采伐和林火是造成研究区林分森林地上生物量和树种组成等林分特征变化的主要驱动力，采伐造成森林AGB的减少量是林火的2.5倍多;温度、降水、海拔和坡度等环境变量对于森林AGB的变化均有显著的作用，这些要素通过作用于森林自然生长率、林火和采伐而影响森林AGB的分布格局。