2009年4月第2期林业资源管理
April 2009高空间分辨率遥感森林参数提取探讨
刘晓双, 黄建文, 鞠洪波
(中国林业科学研究院资源信息研究所, 北京100091)
摘要:介绍了高空间分辨率遥感在森林参数提取方面的研究和应用情况, 并结合国内外学者在此方面所做出的研究成果, 对不同森林参数的提取分别做了阐述, 包括单木树冠轮廓信息、胸径、森林生物量、树种识别和分类、叶面积指数、森林郁闭度、木材结构和性质。最后分析了高空间分辨率遥感在森林参数提取方面存在的问题, 并对该领域的应用前景作了展望。
关键词:高空间分辨率; 遥感; 森林参数; 树冠提取; 生物量
中图分类号:TP79 文献标识码:A 文章编号:1002-6622(2009) 02-0111-07
Study on Extraction of High Spatial R ,HUAN G Jianwen ,J U Hongbo
Research Instit ute of Forest Resources and Inf ormation Technique , CA F , Beiji ng 100091, Chi na )
Abstract :Study and application of forest parameters extraction by high spatial resolution remote sens 2ing was introduced in this article ,combined with achievements in this field made by researchers all over the world 1Extraction of such different forest parameters was described respectively as single tree crown contour ,diameter at breast height ,biomass ,identification and classification of species ,LAI ,canopy den 2sity ,wood structure and property 1Finally ,the problems of forest parameters extraction by high spatial resolution remote sensing were discussed ,and the prospect of forest parameters extraction by high spa 2tial resolution remote sensing was expected.
K ey w ords :high spatial resolution ,remote sensing ,forest parameters ,extraction of tree crown ,biomass
现代林业的经营管理得以顺利进行主要依赖于对各种森林参数的调查, 而森林限于其特殊的自然地理条件往往会给研究数据的采集造成很大的困
难。传统的森林调查方法一般是基于随机抽样和统计学, 其样本的选择是否具有代表性对调查的精确性有很大的影响。这种传统的以个体来推断总体的
收稿日期:2009-01-04; 修回日期:2009-04-03
基金项目:中央级公益性科研院所基本科研业务费专项基金(RIFRITZ J Z 2007006) ; 国家自然科学基金“基于高分辨率
遥感的树冠信息提取技术研究”项目(40771141)
作者简介:刘晓双(1985-) , 女, 甘肃兰州人, 在读硕士生, 主要从事遥感、GIS 技术应用研究。通讯作者:鞠洪波(1956-) , 男, 黑龙江人, 研究员, 研究方向:林业信息技术。
112
林业资源管理第2期
方式已经很难满足调查精度的要求, 而全面的调查, 在面对如此众多的森林资源和有限的人力物力条件下, 又几乎无法达到。虽然已经有许多先进仪器被用来提高地面调查效率, 但仍有许多研究利用遥感影像, 以发展自动化的森林调查方法。
最初的高空间分辨率遥感是以航空遥感形式出现的, 以飞机作为搭载传感器的平台。高空间分辨率航空遥感于20世纪40年代由军用转向民用之后得到了一定的发展[1]。20世纪60年代, 航天遥感加速发展[2], 但空间分辨率仍有待提高。直到1999年9月I KONOS 高空间分辨率商用卫星的发射, 才使高空间分辨率遥感的应用得到了较快的普及。如今, 卫星遥感影像的空间分辨率已经达到015m 以上, 航空遥感影像的分辨率更是高达011m 以上。高空间分辨率遥感技术在林业上的应用, 使森林调查不再局限于实地勘测, 并且调查的精确性也随着遥感技术的不断发展而有所提高, 。, 森林中每棵树木的树
冠清晰可辨, 纹理和细节信息非常明显, 这对于高效而精准地提取森林参数十分有利。但目前我国高空间分辨率遥感在森林参数提取方面的应用还比较有限。鉴于此, 本文结合国内外的研究进展, 就高空间分辨率遥感在森林参数提取方面的应用情况进行详细的论述, 并对问题和前景作了分析和展望。1 高空间分辨率遥感森林参数提取概述
高空间分辨率遥感由于信息丰富等特点在森林参数提取方面具有很大的优势。尤其是在提取单木树冠轮廓信息方面更能凸显其空间分辨率的优势。用高空间分辨率遥感自动提取单木树冠轮廓, 尽管在国内还比较少见, 但国外已经作了很多研究并取得了比较好的进展。, 也为) 、郁闭度以及预测木材性, 高空间分辨率遥感也有其不同优势。图1概括了高空间分辨率遥感森林参数提取应用的总体流程
。
图1 高空间分辨率遥感森林参数提取应用流程图
2 单木树冠轮廓提取及间接参数推算211 单木树冠轮廓提取
星TM 影像反演树冠大小和覆盖率。此外, Franklin 和Strahler [4]以及Wu 和Strahler [5]在运用Li -Strahler 模型估计树冠大小上也取得了一些成
在高空间分辨率遥感还没有普及的时代, 众多对树冠的研究都是基于物理模型。Li 和Strahler [3]早在1985年就提出了Li -Strahler 模型, 用陆地卫
功。但这种基于模型的方法也遭到了一些学者的质疑。Cohen 和Spies [6]曾指出陆地卫星TM 影像的
第2期刘晓双等:高空间分辨率遥感森林参数提取探讨
113
像素大小与树冠大小相比悬殊太大, 因此不可能有效获取树冠结构。随着遥感空间分辨率的提高, 个体树冠轮廓已经可以从影像中直接提取。与基于模型的方法相比, 用高空间分辨率遥感进行树冠提取和描绘更加直观而准确, 不必再引入复杂的模型。国外很多学者已经对树冠轮廓自动提取和描绘进行了一些卓有成效的应用, 针对某些树种已有了成型的算法并获得了较高的精度。
树冠轮廓自动或半自动提取研究始于20世纪90年代中期。G ougeon [7]在1995年提出基于光谱
群落的研究中发现了树冠直径与胸径之间的关系。但由于野外调查中胸径较树冠直径更易于测量, 因此这种树冠与胸径之间潜在的关系并没有得到重视和利用。直到高空间分辨率遥感使树冠直径提取成为可能, 树冠直径与胸径之间的关系才再度成为研究的热点。国外一些学者已经致力于研究树冠面积与树木胸径之间的潜在关系[14]。Read 等人[15]认为高空间分辨率数据潜在的应用就是通过树冠大小预测树干断面积和生物量。他们发现I KONOS 影像经数字化的树冠面积与树干直径有非常明显的相关性(r 2=0184, P
ter ) 与胸径() 1+(×dbh )
的谷地跟踪算法, 用来提取森林中的个体树冠。这种算法将每棵树冠都考虑为周围环绕着较暗阴影区域的明亮区域, 然后跟踪光谱最小值来提取树冠边界。随后的1996年,Pollock [8]应用了基于形状的模版匹配法, 对不同树种采用不同的模型进行树冠提取。Brandtberg 和Walter [9]于1998度方法, 树冠。, 。到了21世纪初, 基于光谱灰度值的局部最大值法应用较
50cm 之间时, 树, 且决定系数r 2≥018。同时, 研究表明所有树种在幼年时树冠直径与树干胸径的比值K/d 都较高, 随着树干直径的增加K/d 比会减小, 当胸径在30cm 左右时K/d 比开始达到稳定。
这些研究进一步证明了用树冠直径推导胸径的可行性。因此, 只要将高空间分辨率影像中自动提取的树冠直径或面积代入树冠-胸径方程中, 就能很快估算出树木胸径。但树种差异性和环境差异性使树冠直径和胸径的关系呈现不稳定状态。因此, 建立不同树种、不同地域的树冠直径与胸径的关系十分重要, 也是需要进一步研究的内容。213 推算森林生物量
为普遍。Pouliot 等人
[10]
2002年提出了一个基于局
[11]
部最大值的树木探测描绘算法, 用于正在更新的幼龄针叶林。同年,Culvenor
提出树木识别和描绘
算法(TIDA ) , 同样是基于局部最大值法。树冠描绘采用了一个“自顶向下”的方法, 从树冠顶点开始, 以最小边界或用户自定义阈值结束。我国学者熊轶群和吴健平
[12]
参照了Pouliot 的方法, 提出一种基于
射线法的半自动树冠面积提取算法, 并针对树冠重叠现象对算法进行了改进。这种算法从用户指定的树冠中心点引出若干条光谱射线, 进行高次曲线拟合, 求其拐点作为树冠边界点, 然后提取树冠面积。212 推算树木胸径
森林生物量是森林调查和监测的一个重要参数。目前森林生物量的研究主要是用遥感信息参数以及其它因子组合来构建模型, 通过模型来估计生物量。生物量模型的研究已经有了不少成果, 如常数相对生长比值模型(Constant Allometric Ratio ) , 变量相对生长比值模型(Variable Allometric Ratio ) , 以及我国学者提出的相容性的多自变量生物量模型[17]等。但森林生物量与遥感信息之间的相关性
由于高空间分辨率遥感数据在自动或半自动提取树冠轮廓信息方面已经开展了很多研究, 并有了一些成熟的算法。那么, 如果找到树冠大小和树木胸径之间的联系就可以通过树冠大小来估计树木胸径。早在1903年,Duchaufour [13]就已经在水青冈
114
林业资源管理第2期
会受到不同环境、不同树种、不同年龄等方面的影响, 这使森林生物量的估测精度常常变化不定[18]。同时, 自变量个数的确定、自变量的选择对估算模型的可靠性及精度都会有很大影响。因此, 有学者建议[19]自变量应该尽量选择一些可以直接测得或求得的变量因子, 并且自变量不宜过多, 这样可以减少变量因子的误差对估测模型所带来的精度影响。
因此, 使用高空间分辨率遥感提取树冠轮廓信息来估测森林生物量将有可能成为一个较理想的方法。树冠轮廓信息中的树冠直径或面积可以轻易获取, 如果根据212中介绍的方法推算出胸径, 再利用胸径与生物量的关系就可以进一步推算森林生物量。很多研究已经证明了胸径是一个与生物量密切相关的因子[20-21], 这种相关性是由特定的地域环境决定的。比如,Brown [22]对热带湿润森林的研究得到胸径(dbh ) 与生物量(B iom ass ) 的关系方程为2
Biomass (kg ) =211297-1(dbh )
亚西海岸的幼年针叶林进行了描绘, 分割出个体树冠后进一步对树种分类。树种分为5个针叶树种和1个阔叶树种, 分别是:花旗松(Pseudotsuga men 2
z iesii (Mirb 1) Franco ) 、北美冷杉(A bies grandis
Dougl 1ex Loud 1) 、温哥华冷杉(A bies am abilis Dougl 1ex Loud 1) 、北美乔柏(Thuja plicata Donn ex D 1Don ) 、异叶铁杉(Tsuga heterophylla Sarg 1) 和杨
树(Popul us spp 1) 。分类采用面向对象的方法, 用分割出的单个树木弧点元代表一个分类实体。16个试验地林分中的平均树种分类误差仅为7125%。林分中单个树种分类误差大多数都低于20%, 极少数大于30%。3 311(Leaf ,LAI ) 是指单位地, 对阔叶林来说是单侧叶面积, 针叶林则须根据叶或小枝的形态用相应的转换系数校正[24-25]。LAI 可以反映植物冠层中的二氧化碳、能量及物质环境, 是森林生长和健康状况的指标, 也是蒸散量、土壤水分、树冠层截光量等生态参数估测的基础。有研究表明[26], 用中低空间分辨率的遥感影像(如TM ,30m ) 提取LAI , 由于混合像元广泛存在, 反演误差会很大。孙鹏森等人[27]的研究进一步证明了随着象元空间分辨率的增大(100m ,250m , 500m , 1000m ) ,LAI 的根均方差由0199逐渐增大到1180, 预测误差也从23%增大到40%。这说明, 空间分辨率对LAI 提取的精度有很
同。另外, 关关系模型在理论上也是可行的, 但仍需要考虑不同树种和不同林型。214 单木树种识别和分类
地物光谱特征是遥感分类的基础。森林中不同树种具有不同的光谱特征, 通过不同树种的光谱特征就能够从遥感影像中将不同树种、不同林型区别开来, 为森林资源调查、绘制林相图、森林经营管理提供便捷有效的手段。高空间分辨率遥感影像不但含有丰富的地物光谱信息, 而且能很清楚地反映地物景观的结构、纹理和细节等方面的信息。因此, 利用高空间分辨率遥感影像进行树种识别分类, 可以将形状、纹理信息与光谱信息相结合, 使分类更加准确。并且通过高空间分辨率遥感影像可以实现单木树种识别和分类, 这是中低分辨率遥感不可能达到的。
对于高空间分辨率的自动树种分类, 国外学者已经做出了尝试并达到了良好的效果。Leckie [23]运用60cm 高空间分辨率多光谱航空影像对澳大利
大影响, 高空间分辨率会使像元的异质性降低, 从而使LAI 提取精度提高。此外, 地面实测数据的尺度(一般小于10m ) 与大范围遥感模型估计的像元分辨
率之间存在的不匹配, 也是造成中低分辨率遥感提取LAI 精度偏低的原因[28]。可见, 利用高空间分辨率遥感提取LAI 存在一定的优势, 并有潜在的应用和发展前景。
但是用高分辨率遥感提取森林LAI 方面的研究目前比较少见。国外学者曾做过一些尝试。
第2期刘晓双等:高空间分辨率遥感森林参数提取探讨
115
Sprintsin 等人[29]用4m 空间分辨率的I KONOS 的
R 高达0186。
2
多光谱影像提取沙漠边缘干旱森林的LAI 。他们先通过NDV I 和一个线性混合像元模型计算植被覆盖度(FVC ) , 然后再通过FVC 的非线性关系计算LAI , 最后将LAI 用计算出的丛生指数进行校正。
313 木材结构和性质预测
森林木材的结构和性质对于评价森林的经济利用价值非常重要。对木材结构和性质的研究主要集中在边材面积、心材形成、边材的渗透性等方面。但这些研究必须通过砍伐后对解析木各项指标的测定来完成。如何不经过砍伐直接对生长树木进行木材结构和性质的估计一直是一个难题。在20世纪初很多学者已经开始研究木材结构性质与树冠形态的关系, 旨在通过树冠形态来判断估计木材性质。高空间分辨率遥感使树冠结构和参数的研究更加便捷高效, 这对于进一步研究树冠与木材结构性质之间的关系很有帮助。刘杏娥[32]等人探讨了利用高空间分辨率[33]也曾以小黑杨人工林为研究对象, 利用QuickBird 卫星影像提取树冠信息, 试图建立树冠特征参数及估测的树木特征因子与林木生长特征、木材性质、立木材积、湿心材、幼龄材材积以及木材产品出材量(单板、纤维) 的关系模型。4 存在问题及展望
校正过的LAI 与在10个1000m 2样地中用TRAC 冠层分析器实测的LAI 有很高的相关性(R 2=0179) 。金慧然等人[26]尝试将全色波段的高空间分
辨率数据与空间分辨率较低的多光谱数据结合起来提取农作物的LAI , 以提高LAI 提取精度。LAI 的反演结果与田间实测数据相比误差在10%以下。
312 森林郁闭度信息提取
森林郁闭度信息是森林调查的一个最基本的参数。而常规的森林郁闭度估计都是采用野外调查, 并且调查是基于随机抽样, 范围小, 表性。, 。高空间分辨率遥感的出现, 使小尺度甚至以林分为单位的郁闭度信息的提取成为可能。目前, 从遥感影像中提取郁闭度信息已经比较成熟, 主要是根据遥感各波段的灰度值及灰度比值这些遥感信息来进行森林郁闭度估测。李崇贵和赵宪文
[30]
曾对如何设置遥感比值波
高空间分辨率遥感提取各种森林参数的优势主要在于高空间分辨率遥感能提供大量的地表特征, 与中低分辨率相比, 高空间分辨率影像中树冠的形状、尺寸、纹理以及与相邻树冠的关系都能得到更好的表现。因此在理论上, 用高空间分辨率遥感提取各种森林参数会得到较好的精确度。但高空间分辨率遥感在实际的森林资源调查中, 还存在如下问题:
1) 高空间分辨率数据的利用效率低下。由于
段估测森林郁闭度, 如何确定各种比值波段间存在的多重相关性, 以及多重相关性对郁闭度估测的影响进行过系统的研究与分析。对于选择和确定对郁闭度估测有一定影响的比值波段, 已经有了现成可操作的软件系统。但在空间分辨率较低时, 由于一个像元所表达的实际范围过大, 像元光谱混合问题比较普遍, 会在很大程度上影响郁闭度信息提取的精确度。用高空间分辨率遥感提取森林郁闭度, 混合像元问题就会大大减轻, 可以有效提高郁闭度提取精度。在这一方面, 国外学者曾做过尝试。Morales 等人[31]用I KONOS 影像, 对夏威夷岛北部
其数据量大, 地物空间信息复杂, 使数据的处理分析比较困难。落后的信息提取技术也使高空间分辨率数据的利用效率非常低, 其优势和潜力还远远没有得到充分的发挥, 用于林业的各项研究挖掘工作还远远不够, 迫切需要智能化的信息提取技术。
2) 高空间分辨率数据的光谱分辨率降低。高
热带干旱森林的郁闭度作了定量提取, 提取结果与实地测量的林冠覆盖度有很大的相关性, 相关系数
116
林业资源管理第2期
空间分辨率遥感的光谱统计特征不如低分辨率稳定。表现为类内方差变大, 类间方差变小, 这使同类物体的光谱异质性很大, 不同物体的光谱又相互重叠。这对于植被类型的提取造成了困难。传感器自身的局限性使高空间分辨率与高光谱分辨率之间往往不能两全, 使空间信息与光谱信息只能择其一。
3) 高空间分辨率数据价格昂贵, 获取困难。由
未来高空间分辨率遥感技术的发展使森林参数的提取会日益凸现出优越性。其发展方向主要会倾向于两方面:1) 在理论方面, 高空间分辨率遥感因子与森林参数之间的关系迫切需要研究, 建立遥感因子与森林参数之间的数学模型在中低分辨率遥感中已经有了很多研究成果, 但高空间分辨率遥感的森林参数模型仍有待发展;2) 在技术方面, 自动化、智能化的信息提取技术也迫切需要研究, 它可以大大改进高空间分辨率遥感森林参数提取的效率, 使高空间分辨率遥感的潜力得到充分的挖掘。我们相信, 随着遥感空间分辨率的提高和计算机技术的快速发展, 高空间分辨率遥感将会更广泛地应用于林业研究中, 成为森林参数精确提取的必要手段。:
[[M . ,2008:11.], . [M ].北京. 科学出版社,2008:
[3]Li X ,Strahler A. H. G eometric -optical modeling of a conifer forest
canopy[J].IEEE Transactions on G eoscience and Remote Sensing , 1985(23) :705-721.
[4]Franklin J ,Strahler A H. Invertible canopy reflectance modeling of
vegetation structure in semi -arid woodland[J].IEEE Transactions on G eoscience and Remote Sensing ,1988(26) :809-825. [5]HWu Y ,Strahler A H. Remote estimation of crown size ,stand den 2
sity and foliage biomass on the Oregon transect [J].Ecological Ap 2plications ,1993(4) :299-312.
[6]Cohen W B , Spies T A. Semivariograms of digital imagery for
analysis of conifer canopy structure [J].Remote Sensing of Envi 2ronment ,1990(34) :167-178.
[7]G ougeon F A. A crown -following approach to the automatic
delineation of individual tree crowns in high spatial resolution aerial images[J].Canadian Journal of Remote Sensing ,1995(21) :274-282.
[8]Pollock R J. The automatic recognition of individual trees in aerial
images of forests based on a synthetic tree crown image model[D].The University of British Colombia , Vancouver , Canada , 1996:172.
[9]Brandtberg T , Walter F. Automated delineation of individual tree
crowns in high spatial resolution aerial images by multiple -scale analysis[J].Machine Vision and Applications ,1998(11) :64-73.
于拍摄及存储能力有限, 导致需要范围较大或某一特定地区的数据时, 不能马上获取。国内的高空间分辨率遥感数据市场仍以国外数据产品为主, 这种垄断效应也导致价格偏高。
上述原因成为了阻碍高空间分辨率遥感森林参数提取技术发展的瓶颈。面对这些困难, 一些解决方法也应运而生, 尽管还不够成熟, 但可以预见未来高空间分辨率遥感森林参数提取的发展方向。
1) 据利用效率低下这一问题。聚合成类, 通过面向对象, 森林参数提取就可以站在一个更高的层次上来把握研究对象的尺度, 使不同的提取对象都可以具备其相应的尺度。
2) 全色数据与多光谱数据融合, 可以缓和高空
间分辨率与高光谱分辨率之间的矛盾。但融合后的数据虽然空间分辨率有所提高, 但光谱信息会受到一定的影响, 这对森林参数提取有很大影响, 如何降低这种影响是未来需要解决的问题。
3) 高空间分辨率商用卫星的研制将会扩大数
据获取范围和降低数据获取成本。目前, 具有更高空间分辨率的商用卫星已经陆续发射成功。2007年9月18日美国数字地球公司(Digital G lobe ) 发射的WorldView 21商用卫星, 可提供015m 分辨率的全色图像。2008年9月6日美国地球之眼公司(G eo Eye ) 发射的G eo Eye 21商用卫星, 将提供0141m 全色和1165m 多光谱的高分辨率影像。未
来高空间分辨率卫星遥感影像能覆盖地球的任何区域, 适用性大大增强, 获取更加快捷[34]。
第2期刘晓双等:高空间分辨率遥感森林参数提取探讨
117
[10]Pouliot D A , K ing D J ,Bell F W ,et al. Automated tree crown de 2
tection and delineation in high -resolution digital camera imagery of coniferous forest regeneration[J].Remote Sensing of Environ 2ment ,2002(82) :322-334.
[11]Culvenor D S. TIDA :An algorithm for the delineation of tree
crowns in high spatial resolution remotely sensed imagery [J ].Computers &G eosciences ,2002(28) :33-44.
[12]熊轶群, 吴健平. 基于高分辨率遥感图像的树冠面积提取方法
[J].地理与地理信息科学,2007(6) :31-33.
[13]Duchaufour A. The management of the forest at compi ègne [J].
Forestry Journal ,1903(42) :65-78.
[14]Bechtold W A. Largest -crown -width prediction models for 53
species in the western United States [J ].Western Journal of Applied Forestry ,2004(19) :245-251.
[15]Read J M ,Clark D B ,Venticinque E M ,Moreira M P. Application
of merged 12m and 42m resolution satellite data to research and management in tropical forests [J].Journal of Applied Ecology , 2003(40) :592-600.
[16]Hemery G E , Savill P S , Pryor S N. Applications of the crown
diameter -stem diameter species broadleaved J ]., (215) :285-[17]唐守正, 张会儒相容性生物量模型的建立及其估计方
of south and southeast Asia [J].Canadian Journal of Forest Re 2search ,1991(21) :111-117.
[23]Leckie D G , G ougeon F A , Walsworth N , Paradine D. Stand
delineation and composition estimation using semi -automated in 2dividual tree crown analysis[J].Remote Sensing of Environment , 2003(85) :355-369.
[24]Chen J M ,Black T A. Defining leaf area index for non -flat leaves
[J],Plant Cell and Environment ,1992(15) :421-429.
[25]Chen J M ,Cihlar J. Retrieving Leaf Area Index of Boreal Conifer
Forests Using Landsat TM images [J ].Remote Sensing of Environment ,1996(55) :153-162.
[26]金慧然, 陶欣, 范闻捷, 等. 应用北京一号卫星数据监测高分辨
率叶面积指数的空间分布[J].自然科学进展,2007,9(17) :
1229-1234.
[27]孙鹏森, 刘世荣, 刘京涛, 等. 利用不同分辨率卫星影像的ND 2
VI 数据估算叶面积指数(LAI ) ———以岷江上游为例[J].生态
学报,2006(26) :3826-3834.
[28]. LAI/FPAR 的
[J].,4(19) :585-590.
], A ,Berliner P ,et al. The effect of spatial res 2
olution on the accuracy of leaf area index estimation for a forest planted in the desert transition zone[J].Remote Sensing of Envi 2ronment ,2007(109) :416-428.
[30]李崇贵, 赵宪文. 森林郁闭度定量估测遥感比值波段的选择
[J].林业科学,2005,4(41) :72-77.
[31]Morales R. M , Miura T , Idol T. An assessment of Hawaiian dry
forest condition with fine resolution remote sensing[J].Forest E 2cology and Management ,2008(255) :2524-2532.
[32]刘杏娥, 江泽慧, 费本华, 等. 利用遥感技术预测人工林木材性
法研究[J].林业科学,2000(36) :19-27.
[18]徐新良, 曹明奎. 森林生物量遥感估算与应用分析[J].地球信
息科学,2006(8) :123-128.
[19]徐小军, 杜华强, 周国模, 等. 基于遥感植被生物量估算模型自
变量相关性分析综述[J].遥感技术与应用,2008(23) :239-247.
[20]Clark D B ,Clark D A. Landscape -scale variation in forest struc 2
ture and biomass in a tropical rain forest [J].Forest Ecology and Management ,2000(137) :185-198.
[21]Alves L F ,Santos F A M. Tree allometry and crown shape of four
tree species in Atlantic rain forest ,southeast ,Brazil[J].Journal of Tropical Ecology ,2002(18) :245-260.
[22]Brown S , G illespie A. J. R ,Lugo A. E. Biomass of tropical forests
质及其产品价值的初探[J].林业科学研究,2005,4(18) :425-429.
[33]王小青. 基于遥感技术的小黑杨木材产量和质量预测[D ].北
京:中国林业科学研究院,2007.
[34]Song C. Estimating tree crown size with spatial information of
high resolution optical remotely sensed imagery [J].International Journal of Remote Sensing ,2006,28(15) :3305-3318.
2009年4月第2期林业资源管理
April 2009高空间分辨率遥感森林参数提取探讨
刘晓双, 黄建文, 鞠洪波
(中国林业科学研究院资源信息研究所, 北京100091)
摘要:介绍了高空间分辨率遥感在森林参数提取方面的研究和应用情况, 并结合国内外学者在此方面所做出的研究成果, 对不同森林参数的提取分别做了阐述, 包括单木树冠轮廓信息、胸径、森林生物量、树种识别和分类、叶面积指数、森林郁闭度、木材结构和性质。最后分析了高空间分辨率遥感在森林参数提取方面存在的问题, 并对该领域的应用前景作了展望。
关键词:高空间分辨率; 遥感; 森林参数; 树冠提取; 生物量
中图分类号:TP79 文献标识码:A 文章编号:1002-6622(2009) 02-0111-07
Study on Extraction of High Spatial R ,HUAN G Jianwen ,J U Hongbo
Research Instit ute of Forest Resources and Inf ormation Technique , CA F , Beiji ng 100091, Chi na )
Abstract :Study and application of forest parameters extraction by high spatial resolution remote sens 2ing was introduced in this article ,combined with achievements in this field made by researchers all over the world 1Extraction of such different forest parameters was described respectively as single tree crown contour ,diameter at breast height ,biomass ,identification and classification of species ,LAI ,canopy den 2sity ,wood structure and property 1Finally ,the problems of forest parameters extraction by high spatial resolution remote sensing were discussed ,and the prospect of forest parameters extraction by high spa 2tial resolution remote sensing was expected.
K ey w ords :high spatial resolution ,remote sensing ,forest parameters ,extraction of tree crown ,biomass
现代林业的经营管理得以顺利进行主要依赖于对各种森林参数的调查, 而森林限于其特殊的自然地理条件往往会给研究数据的采集造成很大的困
难。传统的森林调查方法一般是基于随机抽样和统计学, 其样本的选择是否具有代表性对调查的精确性有很大的影响。这种传统的以个体来推断总体的
收稿日期:2009-01-04; 修回日期:2009-04-03
基金项目:中央级公益性科研院所基本科研业务费专项基金(RIFRITZ J Z 2007006) ; 国家自然科学基金“基于高分辨率
遥感的树冠信息提取技术研究”项目(40771141)
作者简介:刘晓双(1985-) , 女, 甘肃兰州人, 在读硕士生, 主要从事遥感、GIS 技术应用研究。通讯作者:鞠洪波(1956-) , 男, 黑龙江人, 研究员, 研究方向:林业信息技术。
112
林业资源管理第2期
方式已经很难满足调查精度的要求, 而全面的调查, 在面对如此众多的森林资源和有限的人力物力条件下, 又几乎无法达到。虽然已经有许多先进仪器被用来提高地面调查效率, 但仍有许多研究利用遥感影像, 以发展自动化的森林调查方法。
最初的高空间分辨率遥感是以航空遥感形式出现的, 以飞机作为搭载传感器的平台。高空间分辨率航空遥感于20世纪40年代由军用转向民用之后得到了一定的发展[1]。20世纪60年代, 航天遥感加速发展[2], 但空间分辨率仍有待提高。直到1999年9月I KONOS 高空间分辨率商用卫星的发射, 才使高空间分辨率遥感的应用得到了较快的普及。如今, 卫星遥感影像的空间分辨率已经达到015m 以上, 航空遥感影像的分辨率更是高达011m 以上。高空间分辨率遥感技术在林业上的应用, 使森林调查不再局限于实地勘测, 并且调查的精确性也随着遥感技术的不断发展而有所提高, 。, 森林中每棵树木的树
冠清晰可辨, 纹理和细节信息非常明显, 这对于高效而精准地提取森林参数十分有利。但目前我国高空间分辨率遥感在森林参数提取方面的应用还比较有限。鉴于此, 本文结合国内外的研究进展, 就高空间分辨率遥感在森林参数提取方面的应用情况进行详细的论述, 并对问题和前景作了分析和展望。1 高空间分辨率遥感森林参数提取概述
高空间分辨率遥感由于信息丰富等特点在森林参数提取方面具有很大的优势。尤其是在提取单木树冠轮廓信息方面更能凸显其空间分辨率的优势。用高空间分辨率遥感自动提取单木树冠轮廓, 尽管在国内还比较少见, 但国外已经作了很多研究并取得了比较好的进展。, 也为) 、郁闭度以及预测木材性, 高空间分辨率遥感也有其不同优势。图1概括了高空间分辨率遥感森林参数提取应用的总体流程
。
图1 高空间分辨率遥感森林参数提取应用流程图
2 单木树冠轮廓提取及间接参数推算211 单木树冠轮廓提取
星TM 影像反演树冠大小和覆盖率。此外, Franklin 和Strahler [4]以及Wu 和Strahler [5]在运用Li -Strahler 模型估计树冠大小上也取得了一些成
在高空间分辨率遥感还没有普及的时代, 众多对树冠的研究都是基于物理模型。Li 和Strahler [3]早在1985年就提出了Li -Strahler 模型, 用陆地卫
功。但这种基于模型的方法也遭到了一些学者的质疑。Cohen 和Spies [6]曾指出陆地卫星TM 影像的
第2期刘晓双等:高空间分辨率遥感森林参数提取探讨
113
像素大小与树冠大小相比悬殊太大, 因此不可能有效获取树冠结构。随着遥感空间分辨率的提高, 个体树冠轮廓已经可以从影像中直接提取。与基于模型的方法相比, 用高空间分辨率遥感进行树冠提取和描绘更加直观而准确, 不必再引入复杂的模型。国外很多学者已经对树冠轮廓自动提取和描绘进行了一些卓有成效的应用, 针对某些树种已有了成型的算法并获得了较高的精度。
树冠轮廓自动或半自动提取研究始于20世纪90年代中期。G ougeon [7]在1995年提出基于光谱
群落的研究中发现了树冠直径与胸径之间的关系。但由于野外调查中胸径较树冠直径更易于测量, 因此这种树冠与胸径之间潜在的关系并没有得到重视和利用。直到高空间分辨率遥感使树冠直径提取成为可能, 树冠直径与胸径之间的关系才再度成为研究的热点。国外一些学者已经致力于研究树冠面积与树木胸径之间的潜在关系[14]。Read 等人[15]认为高空间分辨率数据潜在的应用就是通过树冠大小预测树干断面积和生物量。他们发现I KONOS 影像经数字化的树冠面积与树干直径有非常明显的相关性(r 2=0184, P
ter ) 与胸径() 1+(×dbh )
的谷地跟踪算法, 用来提取森林中的个体树冠。这种算法将每棵树冠都考虑为周围环绕着较暗阴影区域的明亮区域, 然后跟踪光谱最小值来提取树冠边界。随后的1996年,Pollock [8]应用了基于形状的模版匹配法, 对不同树种采用不同的模型进行树冠提取。Brandtberg 和Walter [9]于1998度方法, 树冠。, 。到了21世纪初, 基于光谱灰度值的局部最大值法应用较
50cm 之间时, 树, 且决定系数r 2≥018。同时, 研究表明所有树种在幼年时树冠直径与树干胸径的比值K/d 都较高, 随着树干直径的增加K/d 比会减小, 当胸径在30cm 左右时K/d 比开始达到稳定。
这些研究进一步证明了用树冠直径推导胸径的可行性。因此, 只要将高空间分辨率影像中自动提取的树冠直径或面积代入树冠-胸径方程中, 就能很快估算出树木胸径。但树种差异性和环境差异性使树冠直径和胸径的关系呈现不稳定状态。因此, 建立不同树种、不同地域的树冠直径与胸径的关系十分重要, 也是需要进一步研究的内容。213 推算森林生物量
为普遍。Pouliot 等人
[10]
2002年提出了一个基于局
[11]
部最大值的树木探测描绘算法, 用于正在更新的幼龄针叶林。同年,Culvenor
提出树木识别和描绘
算法(TIDA ) , 同样是基于局部最大值法。树冠描绘采用了一个“自顶向下”的方法, 从树冠顶点开始, 以最小边界或用户自定义阈值结束。我国学者熊轶群和吴健平
[12]
参照了Pouliot 的方法, 提出一种基于
射线法的半自动树冠面积提取算法, 并针对树冠重叠现象对算法进行了改进。这种算法从用户指定的树冠中心点引出若干条光谱射线, 进行高次曲线拟合, 求其拐点作为树冠边界点, 然后提取树冠面积。212 推算树木胸径
森林生物量是森林调查和监测的一个重要参数。目前森林生物量的研究主要是用遥感信息参数以及其它因子组合来构建模型, 通过模型来估计生物量。生物量模型的研究已经有了不少成果, 如常数相对生长比值模型(Constant Allometric Ratio ) , 变量相对生长比值模型(Variable Allometric Ratio ) , 以及我国学者提出的相容性的多自变量生物量模型[17]等。但森林生物量与遥感信息之间的相关性
由于高空间分辨率遥感数据在自动或半自动提取树冠轮廓信息方面已经开展了很多研究, 并有了一些成熟的算法。那么, 如果找到树冠大小和树木胸径之间的联系就可以通过树冠大小来估计树木胸径。早在1903年,Duchaufour [13]就已经在水青冈
114
林业资源管理第2期
会受到不同环境、不同树种、不同年龄等方面的影响, 这使森林生物量的估测精度常常变化不定[18]。同时, 自变量个数的确定、自变量的选择对估算模型的可靠性及精度都会有很大影响。因此, 有学者建议[19]自变量应该尽量选择一些可以直接测得或求得的变量因子, 并且自变量不宜过多, 这样可以减少变量因子的误差对估测模型所带来的精度影响。
因此, 使用高空间分辨率遥感提取树冠轮廓信息来估测森林生物量将有可能成为一个较理想的方法。树冠轮廓信息中的树冠直径或面积可以轻易获取, 如果根据212中介绍的方法推算出胸径, 再利用胸径与生物量的关系就可以进一步推算森林生物量。很多研究已经证明了胸径是一个与生物量密切相关的因子[20-21], 这种相关性是由特定的地域环境决定的。比如,Brown [22]对热带湿润森林的研究得到胸径(dbh ) 与生物量(B iom ass ) 的关系方程为2
Biomass (kg ) =211297-1(dbh )
亚西海岸的幼年针叶林进行了描绘, 分割出个体树冠后进一步对树种分类。树种分为5个针叶树种和1个阔叶树种, 分别是:花旗松(Pseudotsuga men 2
z iesii (Mirb 1) Franco ) 、北美冷杉(A bies grandis
Dougl 1ex Loud 1) 、温哥华冷杉(A bies am abilis Dougl 1ex Loud 1) 、北美乔柏(Thuja plicata Donn ex D 1Don ) 、异叶铁杉(Tsuga heterophylla Sarg 1) 和杨
树(Popul us spp 1) 。分类采用面向对象的方法, 用分割出的单个树木弧点元代表一个分类实体。16个试验地林分中的平均树种分类误差仅为7125%。林分中单个树种分类误差大多数都低于20%, 极少数大于30%。3 311(Leaf ,LAI ) 是指单位地, 对阔叶林来说是单侧叶面积, 针叶林则须根据叶或小枝的形态用相应的转换系数校正[24-25]。LAI 可以反映植物冠层中的二氧化碳、能量及物质环境, 是森林生长和健康状况的指标, 也是蒸散量、土壤水分、树冠层截光量等生态参数估测的基础。有研究表明[26], 用中低空间分辨率的遥感影像(如TM ,30m ) 提取LAI , 由于混合像元广泛存在, 反演误差会很大。孙鹏森等人[27]的研究进一步证明了随着象元空间分辨率的增大(100m ,250m , 500m , 1000m ) ,LAI 的根均方差由0199逐渐增大到1180, 预测误差也从23%增大到40%。这说明, 空间分辨率对LAI 提取的精度有很
同。另外, 关关系模型在理论上也是可行的, 但仍需要考虑不同树种和不同林型。214 单木树种识别和分类
地物光谱特征是遥感分类的基础。森林中不同树种具有不同的光谱特征, 通过不同树种的光谱特征就能够从遥感影像中将不同树种、不同林型区别开来, 为森林资源调查、绘制林相图、森林经营管理提供便捷有效的手段。高空间分辨率遥感影像不但含有丰富的地物光谱信息, 而且能很清楚地反映地物景观的结构、纹理和细节等方面的信息。因此, 利用高空间分辨率遥感影像进行树种识别分类, 可以将形状、纹理信息与光谱信息相结合, 使分类更加准确。并且通过高空间分辨率遥感影像可以实现单木树种识别和分类, 这是中低分辨率遥感不可能达到的。
对于高空间分辨率的自动树种分类, 国外学者已经做出了尝试并达到了良好的效果。Leckie [23]运用60cm 高空间分辨率多光谱航空影像对澳大利
大影响, 高空间分辨率会使像元的异质性降低, 从而使LAI 提取精度提高。此外, 地面实测数据的尺度(一般小于10m ) 与大范围遥感模型估计的像元分辨
率之间存在的不匹配, 也是造成中低分辨率遥感提取LAI 精度偏低的原因[28]。可见, 利用高空间分辨率遥感提取LAI 存在一定的优势, 并有潜在的应用和发展前景。
但是用高分辨率遥感提取森林LAI 方面的研究目前比较少见。国外学者曾做过一些尝试。
第2期刘晓双等:高空间分辨率遥感森林参数提取探讨
115
Sprintsin 等人[29]用4m 空间分辨率的I KONOS 的
R 高达0186。
2
多光谱影像提取沙漠边缘干旱森林的LAI 。他们先通过NDV I 和一个线性混合像元模型计算植被覆盖度(FVC ) , 然后再通过FVC 的非线性关系计算LAI , 最后将LAI 用计算出的丛生指数进行校正。
313 木材结构和性质预测
森林木材的结构和性质对于评价森林的经济利用价值非常重要。对木材结构和性质的研究主要集中在边材面积、心材形成、边材的渗透性等方面。但这些研究必须通过砍伐后对解析木各项指标的测定来完成。如何不经过砍伐直接对生长树木进行木材结构和性质的估计一直是一个难题。在20世纪初很多学者已经开始研究木材结构性质与树冠形态的关系, 旨在通过树冠形态来判断估计木材性质。高空间分辨率遥感使树冠结构和参数的研究更加便捷高效, 这对于进一步研究树冠与木材结构性质之间的关系很有帮助。刘杏娥[32]等人探讨了利用高空间分辨率[33]也曾以小黑杨人工林为研究对象, 利用QuickBird 卫星影像提取树冠信息, 试图建立树冠特征参数及估测的树木特征因子与林木生长特征、木材性质、立木材积、湿心材、幼龄材材积以及木材产品出材量(单板、纤维) 的关系模型。4 存在问题及展望
校正过的LAI 与在10个1000m 2样地中用TRAC 冠层分析器实测的LAI 有很高的相关性(R 2=0179) 。金慧然等人[26]尝试将全色波段的高空间分
辨率数据与空间分辨率较低的多光谱数据结合起来提取农作物的LAI , 以提高LAI 提取精度。LAI 的反演结果与田间实测数据相比误差在10%以下。
312 森林郁闭度信息提取
森林郁闭度信息是森林调查的一个最基本的参数。而常规的森林郁闭度估计都是采用野外调查, 并且调查是基于随机抽样, 范围小, 表性。, 。高空间分辨率遥感的出现, 使小尺度甚至以林分为单位的郁闭度信息的提取成为可能。目前, 从遥感影像中提取郁闭度信息已经比较成熟, 主要是根据遥感各波段的灰度值及灰度比值这些遥感信息来进行森林郁闭度估测。李崇贵和赵宪文
[30]
曾对如何设置遥感比值波
高空间分辨率遥感提取各种森林参数的优势主要在于高空间分辨率遥感能提供大量的地表特征, 与中低分辨率相比, 高空间分辨率影像中树冠的形状、尺寸、纹理以及与相邻树冠的关系都能得到更好的表现。因此在理论上, 用高空间分辨率遥感提取各种森林参数会得到较好的精确度。但高空间分辨率遥感在实际的森林资源调查中, 还存在如下问题:
1) 高空间分辨率数据的利用效率低下。由于
段估测森林郁闭度, 如何确定各种比值波段间存在的多重相关性, 以及多重相关性对郁闭度估测的影响进行过系统的研究与分析。对于选择和确定对郁闭度估测有一定影响的比值波段, 已经有了现成可操作的软件系统。但在空间分辨率较低时, 由于一个像元所表达的实际范围过大, 像元光谱混合问题比较普遍, 会在很大程度上影响郁闭度信息提取的精确度。用高空间分辨率遥感提取森林郁闭度, 混合像元问题就会大大减轻, 可以有效提高郁闭度提取精度。在这一方面, 国外学者曾做过尝试。Morales 等人[31]用I KONOS 影像, 对夏威夷岛北部
其数据量大, 地物空间信息复杂, 使数据的处理分析比较困难。落后的信息提取技术也使高空间分辨率数据的利用效率非常低, 其优势和潜力还远远没有得到充分的发挥, 用于林业的各项研究挖掘工作还远远不够, 迫切需要智能化的信息提取技术。
2) 高空间分辨率数据的光谱分辨率降低。高
热带干旱森林的郁闭度作了定量提取, 提取结果与实地测量的林冠覆盖度有很大的相关性, 相关系数
116
林业资源管理第2期
空间分辨率遥感的光谱统计特征不如低分辨率稳定。表现为类内方差变大, 类间方差变小, 这使同类物体的光谱异质性很大, 不同物体的光谱又相互重叠。这对于植被类型的提取造成了困难。传感器自身的局限性使高空间分辨率与高光谱分辨率之间往往不能两全, 使空间信息与光谱信息只能择其一。
3) 高空间分辨率数据价格昂贵, 获取困难。由
未来高空间分辨率遥感技术的发展使森林参数的提取会日益凸现出优越性。其发展方向主要会倾向于两方面:1) 在理论方面, 高空间分辨率遥感因子与森林参数之间的关系迫切需要研究, 建立遥感因子与森林参数之间的数学模型在中低分辨率遥感中已经有了很多研究成果, 但高空间分辨率遥感的森林参数模型仍有待发展;2) 在技术方面, 自动化、智能化的信息提取技术也迫切需要研究, 它可以大大改进高空间分辨率遥感森林参数提取的效率, 使高空间分辨率遥感的潜力得到充分的挖掘。我们相信, 随着遥感空间分辨率的提高和计算机技术的快速发展, 高空间分辨率遥感将会更广泛地应用于林业研究中, 成为森林参数精确提取的必要手段。:
[[M . ,2008:11.], . [M ].北京. 科学出版社,2008:
[3]Li X ,Strahler A. H. G eometric -optical modeling of a conifer forest
canopy[J].IEEE Transactions on G eoscience and Remote Sensing , 1985(23) :705-721.
[4]Franklin J ,Strahler A H. Invertible canopy reflectance modeling of
vegetation structure in semi -arid woodland[J].IEEE Transactions on G eoscience and Remote Sensing ,1988(26) :809-825. [5]HWu Y ,Strahler A H. Remote estimation of crown size ,stand den 2
sity and foliage biomass on the Oregon transect [J].Ecological Ap 2plications ,1993(4) :299-312.
[6]Cohen W B , Spies T A. Semivariograms of digital imagery for
analysis of conifer canopy structure [J].Remote Sensing of Envi 2ronment ,1990(34) :167-178.
[7]G ougeon F A. A crown -following approach to the automatic
delineation of individual tree crowns in high spatial resolution aerial images[J].Canadian Journal of Remote Sensing ,1995(21) :274-282.
[8]Pollock R J. The automatic recognition of individual trees in aerial
images of forests based on a synthetic tree crown image model[D].The University of British Colombia , Vancouver , Canada , 1996:172.
[9]Brandtberg T , Walter F. Automated delineation of individual tree
crowns in high spatial resolution aerial images by multiple -scale analysis[J].Machine Vision and Applications ,1998(11) :64-73.
于拍摄及存储能力有限, 导致需要范围较大或某一特定地区的数据时, 不能马上获取。国内的高空间分辨率遥感数据市场仍以国外数据产品为主, 这种垄断效应也导致价格偏高。
上述原因成为了阻碍高空间分辨率遥感森林参数提取技术发展的瓶颈。面对这些困难, 一些解决方法也应运而生, 尽管还不够成熟, 但可以预见未来高空间分辨率遥感森林参数提取的发展方向。
1) 据利用效率低下这一问题。聚合成类, 通过面向对象, 森林参数提取就可以站在一个更高的层次上来把握研究对象的尺度, 使不同的提取对象都可以具备其相应的尺度。
2) 全色数据与多光谱数据融合, 可以缓和高空
间分辨率与高光谱分辨率之间的矛盾。但融合后的数据虽然空间分辨率有所提高, 但光谱信息会受到一定的影响, 这对森林参数提取有很大影响, 如何降低这种影响是未来需要解决的问题。
3) 高空间分辨率商用卫星的研制将会扩大数
据获取范围和降低数据获取成本。目前, 具有更高空间分辨率的商用卫星已经陆续发射成功。2007年9月18日美国数字地球公司(Digital G lobe ) 发射的WorldView 21商用卫星, 可提供015m 分辨率的全色图像。2008年9月6日美国地球之眼公司(G eo Eye ) 发射的G eo Eye 21商用卫星, 将提供0141m 全色和1165m 多光谱的高分辨率影像。未
来高空间分辨率卫星遥感影像能覆盖地球的任何区域, 适用性大大增强, 获取更加快捷[34]。
第2期刘晓双等:高空间分辨率遥感森林参数提取探讨
117
[10]Pouliot D A , K ing D J ,Bell F W ,et al. Automated tree crown de 2
tection and delineation in high -resolution digital camera imagery of coniferous forest regeneration[J].Remote Sensing of Environ 2ment ,2002(82) :322-334.
[11]Culvenor D S. TIDA :An algorithm for the delineation of tree
crowns in high spatial resolution remotely sensed imagery [J ].Computers &G eosciences ,2002(28) :33-44.
[12]熊轶群, 吴健平. 基于高分辨率遥感图像的树冠面积提取方法
[J].地理与地理信息科学,2007(6) :31-33.
[13]Duchaufour A. The management of the forest at compi ègne [J].
Forestry Journal ,1903(42) :65-78.
[14]Bechtold W A. Largest -crown -width prediction models for 53
species in the western United States [J ].Western Journal of Applied Forestry ,2004(19) :245-251.
[15]Read J M ,Clark D B ,Venticinque E M ,Moreira M P. Application
of merged 12m and 42m resolution satellite data to research and management in tropical forests [J].Journal of Applied Ecology , 2003(40) :592-600.
[16]Hemery G E , Savill P S , Pryor S N. Applications of the crown
diameter -stem diameter species broadleaved J ]., (215) :285-[17]唐守正, 张会儒相容性生物量模型的建立及其估计方
of south and southeast Asia [J].Canadian Journal of Forest Re 2search ,1991(21) :111-117.
[23]Leckie D G , G ougeon F A , Walsworth N , Paradine D. Stand
delineation and composition estimation using semi -automated in 2dividual tree crown analysis[J].Remote Sensing of Environment , 2003(85) :355-369.
[24]Chen J M ,Black T A. Defining leaf area index for non -flat leaves
[J],Plant Cell and Environment ,1992(15) :421-429.
[25]Chen J M ,Cihlar J. Retrieving Leaf Area Index of Boreal Conifer
Forests Using Landsat TM images [J ].Remote Sensing of Environment ,1996(55) :153-162.
[26]金慧然, 陶欣, 范闻捷, 等. 应用北京一号卫星数据监测高分辨
率叶面积指数的空间分布[J].自然科学进展,2007,9(17) :
1229-1234.
[27]孙鹏森, 刘世荣, 刘京涛, 等. 利用不同分辨率卫星影像的ND 2
VI 数据估算叶面积指数(LAI ) ———以岷江上游为例[J].生态
学报,2006(26) :3826-3834.
[28]. LAI/FPAR 的
[J].,4(19) :585-590.
], A ,Berliner P ,et al. The effect of spatial res 2
olution on the accuracy of leaf area index estimation for a forest planted in the desert transition zone[J].Remote Sensing of Envi 2ronment ,2007(109) :416-428.
[30]李崇贵, 赵宪文. 森林郁闭度定量估测遥感比值波段的选择
[J].林业科学,2005,4(41) :72-77.
[31]Morales R. M , Miura T , Idol T. An assessment of Hawaiian dry
forest condition with fine resolution remote sensing[J].Forest E 2cology and Management ,2008(255) :2524-2532.
[32]刘杏娥, 江泽慧, 费本华, 等. 利用遥感技术预测人工林木材性
法研究[J].林业科学,2000(36) :19-27.
[18]徐新良, 曹明奎. 森林生物量遥感估算与应用分析[J].地球信
息科学,2006(8) :123-128.
[19]徐小军, 杜华强, 周国模, 等. 基于遥感植被生物量估算模型自
变量相关性分析综述[J].遥感技术与应用,2008(23) :239-247.
[20]Clark D B ,Clark D A. Landscape -scale variation in forest struc 2
ture and biomass in a tropical rain forest [J].Forest Ecology and Management ,2000(137) :185-198.
[21]Alves L F ,Santos F A M. Tree allometry and crown shape of four
tree species in Atlantic rain forest ,southeast ,Brazil[J].Journal of Tropical Ecology ,2002(18) :245-260.
[22]Brown S , G illespie A. J. R ,Lugo A. E. Biomass of tropical forests
质及其产品价值的初探[J].林业科学研究,2005,4(18) :425-429.
[33]王小青. 基于遥感技术的小黑杨木材产量和质量预测[D ].北
京:中国林业科学研究院,2007.
[34]Song C. Estimating tree crown size with spatial information of
high resolution optical remotely sensed imagery [J].International Journal of Remote Sensing ,2006,28(15) :3305-3318.