摘要
森林是全球陆地生态系统中最大的有机碳库，森林生物量、蓄积量、郁闭度等森林参数能够客观地反映森林生态系统的净初级生产力水平，从而为林业生产和森林经营管理提供相关依据。传统的森林参数估测具有较大的局限性，不仅费时费力，而且从样地推广到更大范围时存在一定的偏差。遥感技术具有大面积同步观测、时效性强、成本低等特点，已成为森林参数估测的重要手段。与其他遥感数据源相比，光学遥感影像具有时空覆盖范围广、分辨率多样化、成本较低等特点，目前仍是森林参数估测中应用最为广泛的数据源。 本文主要围绕森林生物量、蓄积量、郁闭度的估算，以浙江省杭州市淳安县为研究区，选取Landsat-8OLI影像和GF-6WFV影像，结合浙江省森林资源连续清查数据和DEM数据，通过皮尔逊相关系数法和随机森林—递归消除法筛选建模因子，采用多元线性回归、BP神经网络和随机森林建模方法，分别构建了基于Landsat-8和GF-6建模因子集的森林生物量、蓄积量和郁闭度估测模型，并且对不同模型的精度进行比较分析，最后选取最优估测模型进行研究区森林参数的反演和空间分布特征分析。主要研究结果如下： （1）在Landsat-8建模因子集的23个建模因子中，与森林生物量、蓄积量和郁闭度显著相关的建模因子个数均为12个；在GF-6建模因子集的26个建模因子中，显著相关的建模因子个数分别为17个、13个和19个。在所有建模因子中，GF-6的红边植被指数（NDVIre1）与生物量和郁闭度相关性最高，分别为0.542和0.625，GF-6的绿波段（Band2）与蓄积量相关性最高，为-0.486。GF-6与森林参数的相关性整体高于Landsat-8，红边植被指数与森林参数的相关性普遍较高，两种遥感影像的光谱波段及植被指数与森林参数的相关性整体高于纹理特征。 （2）从基于测试数据集的反演结果来看，在采用相同建模方法时，基于GF-6模型的反演精度均高于Landsat-8；在采用不同建模方法时，随机森林和BP神经网络模型的反演精度高于多元线性回归模型，其中随机森林模型的反演精度最高。综合来说，基于GF-6的随机森林模型对各森林参数的测试数据集反演精度最高：生物量的R2为0.579，RMSE为27.74t/ha；蓄积量的R2为0.634，RMSE为30.06m3/ha；郁闭度的R2为0.678，RMSE为0.101。 （3）通过基于GF-6的随机森林模型反演得到的研究区森林参数数据，统计分析表明：①总的生物量为3183.56万吨，单位面积生物量为89.58t/ha。单位面积生物量随高程的升高先降低后上升，随坡度的增加而上升，各坡向的单位面积生物量相差不大。②总的蓄积量为2150.63万立方米，单位面积蓄积量为60.51m3/ha。单位面积蓄积量随高程和坡度的增加先降低后上升。③森林的郁闭度范围为0-0.96，平均郁闭度为0.65，主要集中在0.6-0.8范围内。
NETL