摘要
准确估算森林地上生物量对区域乃至全球碳循环，减缓气候变化等方面至关重要。山地森林因为其地形复杂、难以展开人力调查，森林结构参数和生物量的估算均存在较大的不确定性。为了在大尺度的山地森林反演得到连续的生物量制图，往往需要借助主动或被动遥感数据，利用合适的模型实现将样地生物量外推。星载激光雷达GEDI作为可以提取森林三维结构信息的大光斑主动遥感技术，能够提高大尺度森林生物量的估算精度。本文以祁连山国家公园为研究区，使用了地面调查数据、UAV-LiDAR数据、GEDI数据、Sentinel-1和Landsat 8 OLI影像数据，分别利用了地理加权回归和随机森林模型外推估算了研究区内的森林生物量并评估了精度。本文的主要结论有： （1）在样方尺度上，UAV-LiDAR点云中提取的森林结构参数和点云特征参数可作为地面实测数据的替代，准确预测森生物量（R2=0.84，RMSE=44.95Mg/ha， rRMSE=26.97%）。GEDI数据对于提高大尺度的森林生物量预测精度是有效的（R2=0.75gt;0.69，RMSE=28.75lt;29.44Mg/ha）。区域尺度上，外推森林生物量精度为（R2=0.66，RMSE=19.08 Mg/ha，rRMSE=11.04%），研究区总森林生物量为3.07×107Mg。 （2）在利用随机森林模型估算森林生物量的过程中，本文使用了一种尺度上升的方法，实现了生物量从样方尺度扩大到区域尺度。首先提取了UAV-LiDAR点云中的参数并用随机森林模型来估算样方尺度的森林生物量；将UAV-LiDAR的森林生物量估算结果作为下一步随机森林模型的输入，利用GEDI数据的指标估算得到其足迹点上的森林生物量；离散的GEDI足迹点森林生物量作为外推时随机森林模型的输入，利用Sentinel-1和Landsat 8 OLI影像的多种特征变量估算得到研究区连续的森林生物量数据。 （3）本文基于GEDI L2A高度产品，地形数据、气象数据等辅助数据，利用地理加权回归模型估算得到研究区内的森林树高（R2=0.43，RMSE=6.39m）。在森林树高的基础上，建立不同森林类型的异速生长方程得到森林生物量值。结果发现利用地理加权回归模型和异速生长方程得到的森林生物量比随机森林模型结果偏小，这是由于异速生长方程只关注了GEDI足迹点上最大树高的单棵树而忽略了估算单棵树生物量时造成的累积误差。
NETL