万方数据
１９９９）。因此，可以利用植物的这一特征，借助遥感技术。并结合地面调查，进行区域和全球尺度上的森
林生物量估算研究。
多种遥感数据被广泛用于森林生物量估算，这些遥感数据主要包括ＬａｎｄｓａｔＴＭ、ＮＯＡＡ／ＡＶＨＲＲ、
ＳＡＲ等。
２森林生物量估算中的遥感数据源
２．１
ＴＭ数据
由美国陆地卫星五号（ＬＡＮＤＳＡＴ５）携带的主
题成像传感器（ＴｈｅｍａｔｉｃＭａｐｐｅｒ，ＴＭ）有７个波段，
利用这７个波段的不同组合可以提取不同的植被指数，然后利用植被指数估算区域生物量（Ｈａｍｅ
ｅｔ
ａ１．，１９９７；Ｍｉｃｈａｌｅｋｅｔ
ａ１．，２０００；Ｆｏｏｄｙ
ｅｔ
ａ１．，２００１；
Ｈｏｕｇｈｉｏｎ
ｅｔ
ａ１．，２００１；Ｔｏｍｐｐｏｅｔａ１．，２００２；Ｆｏｏｄｙｅｔ
ａ１．，２００３；Ｒｉｃｈａｒｄｓ＆Ｂｒａｃｋ，２００４）。
利用ＴＭ数据估算区域生物量时，往往在研究区域内实测生物量或与生物量有密切关系的数据如材积（Ｈａｍｅｅｔ
ａ１．，１９９７；郭志华等，２００２）和叶面积指数（１ｅａｆ
ａｒｅａ
ｉｎｄｅｘ，ＬＡＩ）（Ｐｈｕａ＆Ｓａｔｉｏ，２００３）等，
利用ＴＭ数据的７个波段及各波段的组合如归一化植被指数（ｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ，ＮＤ—
ｖｉ）（Ｈｏｕｇｈｉｏｎ
ｅｔ
ａ１．，２００１；Ｄｏｎｇ
ｅｔ
ａ１．，２００３）等与
生物量或者材积等的关系进行多元回归分析建模。郭志华等（２００２）利用ＴＭ数据的７个波段及其各种
组合与材积的关系，估算了粤西地区的森林生物量。
Ｆｏｏｄｙ等（２００３）在对热带雨林（婆罗洲）的生物量制图时，基于ＴＭ数据和回归分析模型，有效提高了生物量估算精度。Ｐｈｕａ和Ｓａｔｉｏ（２００３）利用ＴＭ数据的６个波段（未使用第６波段）及植被指数信息，并
结合其它因子，进行多元回归建模和生物量估算。
２．２
ＮＯＡＡ／ＡＶＨＲＲ数据
ＡＶＨＲＲ是ＮＯＡＡ系列卫星的主要探测仪器，
包含有一个５通道的光谱扫描辐射仪。利用
ＡＶＨＲＲ数据进行生物量估算时，主要是通过
ＡＶＨＲＲ数据计算ＮＤＶＩ指数。
利用ＡＶＨＲＲ数据提取ＮＤＶＩ植被指数，然后通过ＮＤＶＩ估算区域的生物量，是一种比较常用的方法（Ｈａｍｅ
ｅｔ
ａ１．，１９９７；Ｈｏｕｇｈｉｏｎｅｔａ１．，２００ｌ；Ｓａｎ・
ｎｉｅｒ＆’Ｔａｙｌｏｒ，２００２；Ｄｏｎｇｅｔａ１．，２００３；ＡＩ—Ｂａｋｒｉ＆
Ｔａｙｌｏｒ，２００３；Ｍｏｒｅａｕｅｔ
ａ１．，２００３）。Ｄｏｎｇ等（２００３）
利用遥感估算１６个国家（加拿大、芬兰、挪威、德国等）１６７个省份的北部森林和温带森林的生物量时，
万
方数据生态学杂志第２６卷第８期
利用ＡＶＨＲＲ数据提取ＮＤＶＩ植被指数，根据针叶林和阔叶林的不同，建立了估算生物量的不同模型，有效估算了这些区域的地上部分生物量。
ＡＶＨＲＲ数据也用于森林的分类（Ｍｉｃｈａｌｅｋｅｔａ１．，２０００），但其分类精度不如ＴＭ数据（Ｈｏｕｇｈｉｏｎｅｔ
ａ１．，２００１）。２．３雷达数据
雷达遥感又叫微波遥感，可分为主动和被动２种方式，被动方式与可见光和红外遥感类似，是由微波扫描辐射计接收地表目标的微波辐射。目前多数星载雷达采用主动方式，即由遥感平台发射电磁波，然后接收辐射和散射回波信号，主要探测地物的后向散射系数和介电常数。微波遥感不依赖于太阳辐射的变化，能够全天候观测，可以随时随地获取植被信息，特别适用于云层覆盖的地区。而且，微波具有一定的穿透力和对某些地物明显的区分能力，利用雷达数据进行生物量估算相当普遍（Ｈｏｅｋｍａｎ＆Ｑｕｉｆｉｏｎｅｓ，２０００；Ｉｍｈｏｆｆ＆Ｊｏｈｎｓｏｎ，２０００；Ｈｏｕｇｈｉｏｎ
ｅｔ
ａ１．，２００１；Ｓａｎｔｏｓ
ｅｔ
ａ１．，２００３）。Ｌｅｆｓｋｙ等（２００２）
利用雷达遥感数据，估算了北方针叶林、温带针叶林和温带落叶林３类森林生态系统的地上部分生物量。
２．３．１合成孔径雷达合成孔径雷达（ＳＡＲ）利用波长０．００１～１Ｉｘｍ的微波来探测地物，这种雷达
数据在森林生物量估算中的应用越来越广（Ｈｏｅｋ－
ｍａｎ＆Ｑｕｉｆｉｏｎｅｓ，２０００；Ｉｍｈｏｆｆ＆Ｊｏｈｎｓｏｎ，２０００；Ｓａｎｔｏｓ
ｅｔ
ａ１．，２００３）。
Ｈｏｅｋｍａｎ和Ｑｕｉｆｉｏｎｅｓ（２０００）利用ＳＡＲ数据分
析了亚马逊流域（哥伦比亚）的陆地覆盖类型和生
物量。为了区分不同的陆地覆盖类型并估算其生物量，他们首先将陆地覆盖分为４类，即原始林、次生林、近期砍伐林区和草地；然后，比较分析不同波段
及极化数据的不同组合在土地覆盖分类和生物量估
算中的精度，发现Ｌ波段和ＨＶ极化的组合或者Ｐ
波段的效果最好；最后，基于地面调查资料、Ｌ波段与ＨＶ极化的组合和Ｐ波段数据，对该地区的生物量进行制图，并根据大小将生物量分为８类。虽然Ｐ波段在区分原始林、次生林和草地方面具有最好的效果，但它不能很好的区分森林和近期砍伐地，而且在使用Ｐ波段上还存在技术困难。Ｓａｎｔｏｓ等（２００３）利用了ＳＡＲ数据的Ｐ波段能够很好区分原始林、次生林的优势，用该波段数据估算了巴西热带
雨林的生物量。
何红艳等：遥感在森林地上生物量估算中的应用
２．３．２激光雷达激光雷达可以直接测量植被的垂直分布，并可以提供植被结构的三维特征，也用于森林生物量的估算。Ｈｏｕｇｈｉｏｎ等（２００１）指出，由于生物量是个动态变化量，对生物量深度和广度的研究还需要进一步加强，而激光雷达数据和森林生物量具有很好的相关性，而且可以很好的测出树高，是一种有广阔应用前途的新方法。２．４其它数据源
除了ＴＭ、ＮＯＡＡＺＡＶＨＲＲ、ＳＡＲ数据等被用来估算森林生物量外，其它数据源也可用于区域生物量估算（Ｍｅｅｒｅｔ
ａ１．，２００１；Ｂｅｎｃｈａｌｌｉ＆Ｐｒａｊａｐａｔｉ，２００４），如ＭＯＤＩＳ（Ｋａｗａｍｕｒａ＆Ａｋｉｙａｍａ，２００５）、
ＳＰＯＴ（Ｃａｒｌｏｓ
ｅｔ
ａ１．，２００３）、ＩＫＮＯＳ（Ｃａｒｌｏｓ
ｅｔａ１．，２００３；Ｒｅａｄ
ｅｔ
ａ１．，２００３）、ＱＵＩＣＫＢＩＲＤ（Ｃｌａｒｋ
ｅｔ
ａ１．，
２００４）等。
Ｂｅｎｃｈａｌｌｉ和Ｐｒａｊａｐａｔｉ（２００４）利用ＩＲＳ一１Ｂ卫星数据对印度Ｈａｌｉｙａｌ地区的森林生物量进行了预测。
Ｂｅｎｃｈａｌｌｉ和Ｐｒａｊａｐａｔｉ首先从遥感数据中提取植被指
数（ＶＩ）和归一化植被指数（ＮＤＶＩ），然后结合平均高度（ａｖｅｒａｇｅｓｔａｎｄ
ｈｅｉｇｈｔ，ＨＴ）、林冠覆盖百分率（ｃｒｏｗｎ
ｃｏｖｅｒ
ｐｅｒｃｅｎｔａｇｅ，ＣＲ）和降水（Ｒ），运用多元
回归分析方法，建立生物量的遥感估算模型，有效地
估算了该地区的森林生物量。
Ｒａｈｍａｎ等（２００５）利用ＥＴＭ＋数据估算了孟加拉国东南部热带森林的生物量。通过研究发现，直接利用各波段建立回归模型来估算生物量所得到的回归系数较低（ｒ２＜０．２６），而虚拟变量（该文中主要是指根据植被类型确定的分类系数）的引入有效提高了生物量估算模型的精度（ｒ２＝０．８８１）。因此，根据遥感图像确定不同的分类组以及虚拟变量的选择至关重要。
２．５多源遥感数据的融合
将不同传感器的不同波段进行融合，借此估算森林生物量也是一种有效的方法（Ｔｏａｎ
ｅｔ
ａ１．，１９９２；Ｆｒａｎｓｓｏｎ＆Ｉｓｒａｅｌｓｓｏｎ，１９９９；Ｋｕｒｖｏｎｅｎｅｔａ１．，１９９９；
Ｔｓｏｌｍｏｎｅｔ
ａ１．，２００２；Ｓａｍｉｍｉ＆Ｋｒａｕｓ，２００４）。Ｋｕｒ－
ｖｏｎｅｎ等（１９９９）利用ＥＲＳ．１的Ｃ波段和ＪＥＲＳ一１ＳＡＲ的Ｌ波段和ＨＨ极化数据估算了北方森林的材
积。
Ｔｒｅｕｈａｆｔ（２００３）将雷达数据和高光谱数据融
合，从中获得了基于结构的森林生物量。Ｔｒｅｕｈａｆｔ认为基于森林结构纵剖面的生物量估测比微波或光学遥感的方法准确，不同高度的ｃ波段雷达干涉仪
万
方数据可测量叶面积密度（ＬＡＤ），而高光谱光学遥感可测
得叶面积指数（ＬＡＩ），因此，可以通过融合遥感数据
的方法，即通过遥感图像所反映的叶面积指数和叶面积密度（ＬＡＤ）来提高对生物量的估算精度。
高分辨率可为低分辨率数据提供误差校正，将高分辨率数据与中低分辨率遥感数据有效结合，能有效提高森林生物量的估算精度（Ｈａｍｅ
ｅｔ
ａ１．，
１９９７；Ｔｏｍｐｐｏ
ｅｔ
ａ１．，２００２；Ｒｉｃｈａｒｄｓ＆Ｂｒａｃｋ，２００４）。
Ｈａｍｅ等（１９９７）利用ＴＭ数据和ＡＶＨＲＲ数据，在欧洲以针叶为主的北方森林地区分别建立针叶林和
落叶林生物量估算模型。Ｔｏｍｐｐｏ等（２００２）利用
Ｌａｎｄｓａｔ—ＴＭ数据和ＩＲＳ一１ＣＷｉＦＳ数据，并结合国家森林清查数据（ＮＦＩｓ）估算了区域的材积和生物量，他们将Ｌａｎｄｓａｔ－ＴＭ作为高分辨率数据用于森林参数的估计，将ＩＲＳ一１ＣＷｉＦＳ作为中分辨率数据用于生物量估算模型的建立。在估算澳大利亚的生物量清查和清查变化情况时，Ｒｉｃｈａｒｄｓ和Ｂｒａｃｋ（２００４）利用ＬａｎｄｓａｔＭＳＳ（１９７２——１９８８）和ＴＮＬ／ＥＴＭ＋（１９８８——２００２）数据集，建立了生理主成分预测生长模型（ｐｈｙｓｉｏｌｏｇｉｃａｌ
ｐｒｉｎｃｉｐｌｅｓｐｒｅｄｉｃｔｉｎｇ
ｇｒｏｗｔｈ，３ＰＧ）进行
多时间尺度制图。
３森林生物量的遥感估算方法３．１多元回归分析
森林生物量与众多因素相关，而多元回归分析可以解决一个因变量与多个自变量之间的数量关系问题，因而被广泛用于森林生物量的遥感估算研究。
Ｆｏｏｄｙ等（２００１）认为，尽可能多地利用遥感数据的
相关波段可提高生物量的估算精度。
Ｂｅｎｃｈａｌｌｉ和Ｐｒａｊａｐａｔｉ（２００４）利用全色航空摄影像片对印度的Ｈａｌｉｙａｌ森林的生物量进行预测时，
运用多元回归分析和相关分析，建立了估算生物量
的模型。Ｔｏｍｐｐｏ等（２００２）通过建立多元非线性回归模型，估算出芬兰森林的材积和地上生物量。
３．２人工神经网络
由于多元回归分析要求各变量之间无相关性，遥感数据的各波段无法满足这一要求，神经网络可以实现多元回归分析功能，又不要求变量独立。因此可以利用神经网络来估算生物量（Ｆｏｏｄｙ
ｅｔ
ａ１．，
２００１）。
神经网络又称人工神经网络，是由大量处理单元（类似于生物神经网络系统的神经元）组成的非线性大规模自适应动力学系统，具有学习能力、记忆
万
方数据
何红艳等：遥感在森林地上生物量估算中的应用
对于不同区域的森林生物量，生物量模型都不相同，建模方法也不尽相同（Ｆｏｏｄｙ
ｅｔ
ａ１．，２００１）。
如何进一步更好的利用数学工具，将更多的方法如神经网络、地统计学、遗传算法等融人森林生物量估
算，建立合适的遥感估算森林生物量模型，是森林生
物量遥感估算研究的热点之一。
随着遥感和计算机软硬件的发展与完善，利用遥感数据进行生物量估算已经深入到生态学研究的各个领域，已取得了丰硕的成果，并将继续在生物量估算中发挥重要作用。
４．３森林生物量遥感估算的系统集成
研究是为生产服务，将遥感估算森林生物量的成果进行系统集成，开发成基于软件平台的系统，是森林生物量遥感估算的一个很有前景的方向。
利用遥感数据、ＤＥＭ影像及部分控制点等数据，建立一个估算森林生物量的平台，使得生物量的遥感估算显得更为简单和适用，也将成为可能。５结语
准确估算森林地上生物量（特别是大区域尺度上的森林生物量估算）是个相当复杂的问题，涉及地面数据采集、遥感数据源、建模及精度验证等；并且，不同地区、数据源和数学建模方法不同。如何进
一步提高大尺度森林生物量的遥感估算精度，是森
林生态学研究的难点之一。
参考文献
方精云，陈安平，赵淑清，等．２００２．中国森林生物量的估
算：对Ｆａｎｇ等Ｓｃｉｅｎｃｅ一文（Ｓｃｉｅｎｃｅ，２００１，２９１：２３２０－２３２２）的若干说明．植物生态学报，２６（２）：２４３—２４９．郭志华，彭少麟，王伯荪．２００２．利用ＴＭ数据提取粤西地
区的森林生物量．生态学报，２２（１１）：１８３２—１８４０．彭少麟，郭志华，王伯荪．１９９９．ＲＳ和ＧＩＳ在植被生态学中
的应用及其前景．生态学杂志，ｉｓ（５）：５２—６４．王正兴，刘闯，ＡｌｆｆｅｄｏＨＥ．２００３．植被指数研究进展：从
ＡＶＨＲＲ—ＮＤＶＩ到ＭＯＤＩＳ－ＥＶＩ．生态学报，２３（５）：９８０－
９８７．ＡＩ．Ｂａｋｒｉ
ＪＴ。ＴａｙｌｏｒＪＣ．２００３．ＡｐｐｌｉｃａｔｉｏｎｏｆＮＯＡＡＡＶＨＲＲ
ｆｏｒｍｏｎｉｔｏｒｉｎｇｖｅｇｅｔａｔｉｏｎｃｏｎｄｉｔｉｏｎｓａｎｄｂｉｏｍａｓｓｉｎ
Ｊｏｒｄａｎ．
Ｊｏｕｒｎａ／ｏｆＡｒｉｄ
Ｅｎｖｉｒｏｎｍｅｎｔｓ。５４：５７９—５９３．
ＢａｃｃｉｎｉＡ，Ｆｒｉｅｄｌ
ＭＡ．ＷｏｏｄｃｏｃｋＣＥ．ｅｔａ１．２００４．Ｆｏｒｅｓｔｂｉｏ－
ｍａｓｓｅｓｔｉｍａｔｉｏｎ
ｏｖｅｒ
ｒｅｇｉｏｎａｌｓｃａｌｅｓｕｓｉｎｇｍｕｈｉｓｏｕｒｃｅｄａｔａ．
ａｅｏｐｈｙｓ／ｃａ／ＲｅｓｅａｒｃｈＬｅｔｔｅｒｓ，３１：Ｌ１０５０１．Ｂｅｎｅｈａｌｌｉ
ＳＳ，ＰｒａｊａｐａｔｉＲＣ．２００４．Ｂｉｏｍａｓｓｐｒｅｄｉｃｔｉｏｎｔｈｒｏｕｇｈｒｅｍｏｔｅｓｅｎｓｉｎｇ．ＩｎｄｉａｎＦｏｒｅｓｔｅｒ．１３０：５９９－６０４．Ｃａｒｌｏｓ
ＳＪｒ，ＦｉｒｅｓｔｏｎｅＬ。ＳｉｌｖａＬＭ．ｅｔａ１．２００３．Ｍａｐｐｉｎｇｆｏｒｅｓｔ
万
方数据１３２１
ｄｅｇｒａｄａｔｉｏｎｉｎ
ｔｈｅＥａｓｔｅｒｎＡｍａｚｏｎｆｒｏｍＳＰＯＴ４ｔｈｒｏｕｇｈ
ｓｐｅｃｔｒａｌｍｉｘｔｕｒｅｍｏｄｅｌｓ．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆ
Ｅｎｖｉｒｏｎｍｅｎｔ，
８７：４９４—５０６．ＣｌａｒｋＤＢ，Ｒｅａｄ
ＪＭ，ＣｌａｒｋＭＬ，甜ａ／．２００４．Ａｐｐｌｉｃａｔｉｏｎｏｆｌ—
Ｍａｎｄ４．Ｍｒｅｓｏｌｕｔｉｏｎｓａｔｅｌｌｉｔｅｄａｔａ
ｔｏ
ｅｃｏｌｏｇｉｃａｌｓｔｕｄｉｅｓｏｆ
ｔｒｏｐｉｃａｌｒａｉｎｆｏｒｅｓｔｓ．ＥｃｏｌｏｇｉｃａｌＡｐｐｌｉｃａｔｉｏｎｓ，２４：１０５１—０７６１．
Ｄｏｎｇ
ＪＲ，ＫａｕｆｒａａｎｎＲＫ，ＭｙｎｅｎｉＲＢ，ｅｔａ／．２００３．Ｒｅｍｏｔｅ
ｓｅｎｓｉｎｇｅｓｔｉｍａｔｅｓｏｆｂｏｒｅａｌａｎｄｔｅｍｐｅｒａｔｅ
ｆｏｒｅｓｔｗｏｏｄｙｂｉｏ—
ｍａｓｓ：Ｃａｒｂｏｎｐｏｏｌｓ，ｓｏｕｒｃｅｓ，ａｎｄｓｉｎｋｓ．ＲｅｍｏｔｅＳｅｎｓｉｎｇ
ｏｆＥｎｖｉｒｏｎｍｅｎｔ，８４：３９３—４１０．
ＦａｎｇＪＹ，ＣｈｅｎＡＰ，ＰｅｎｇＣＨ，ｅｔａ１．２００１．Ｃｈａｎｇｅｓｉｎｆｏｒｅｓｔ
ｂｉｏｍａｓｓｃａｒｂｏｎ
ｓｔｏｒａｇｅ
ｉｎｃｈｉｎａｂｅｔｗｅｅｎ１９４９
ａｎｄ１９９８．
Ｓｃ／ｅｎｃｅ．２９２：２３２０—２３２２．
ＦｅｎｓｈｏｈＲ．２００４．Ｅａｒｔｈｏｂｓｅｒｖａｔｉｏｎｏｆｖｅｇｅｔａｔｉｏｎｓｔａｔｕｓｉｎｔｈｅ
Ｓａｈｅｌｉａｎａｎｄ
ＳｕｄａｎｉａｎＷｅｓｔＡｆｒｉｃａ：ＣｏｍｐａｒｉｓｏｎｏｆＴｅｒｒａ
ＭＯＤＩＳａｎｄＮＯＡＡ
ＡＶＨＲＲｓａｔｅｌｌｉｔｅ
ｄａｔａ．Ｉｎｔｅｒｎａｔｉｏｎａｌ
Ｊｏｕｒｎａｌ
ｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，２５：１６４１－１６５９．
ＦｉｅｌｄＣ８，Ｒ矗ｎｄｅｒｓｏｎ
ＪＴ．ＭａｌｍｓｔｒｏｍＣＭ．１９９５．Ｇｌｏｂａｌ
ｎｅｔ
ｐｒｉ．
ｍａｒｙｐｒｏｄｕｃｔｉｏｎ：Ｃｏｍｂｉｎｉｎｇ
ｅｃｏｌｏｇｙａｎｄｒｅｍｏｔｅｓｅｎｓｉｎｇ．
Ｒｅｍｏｔｅ
ＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，５１：７４－８８．
Ｆｏｏｄｙ
ＧＭ，ＣｕｔｌｅｒＭＥ，Ｍｃｍｏｒｒｏｗ
Ｊ。ｅｔ“．２００１．Ｍａｐｐｉｎｇｔｈｅ
ｂｉｏｍａｓｓｏｆＢｏｒｎｅａｎｔｒｏｐｉｃａｌｒａｉｎｆｏｒｅｓｔｆｒｏｍｒｅｍｏｔｅｌｙｓｅｎｓｅｄｄａｔａ．ＧｌｏｂａｌＥｃｏｌｏｇｙ＆Ｂｉｏｇｅｏｇｒａｐｈｙ。１０：３７９－３８７．
ＦｏｏｄｙＧＭ，ＢｏｙｄＤＳ，ＣｕｄｅｒＭＥ．２００３．Ｐｒｅｄｉｃｔｉｖｅｒｅｌａｔｉｏｎｓ
ｏｆ
ｔｒｏｐｉｃａｌ
ｆｏｒｅｓｔｂｉｏｍａｓｓｆｒｏｍ
ＬａｎｄｓａｔＴＭ
ｄａｔａ
ａｎｄｔｈｅｉｒ
ｔｒａｎｓｆｅｒａｂｉｌｉｔｙ
ｂｅｔｗｅｅｎｒｅｇｉｏｎｓ．Ｒｅｍｏｔｅ
Ｓｅｎｓｉｎｇ
ｏｆＥｎｖｉｒｏｎ－
ｍｅｎｔ．８５：４６３—４７４．
Ｆｒａｎｓｓｏｎ
ＪＥ．ＩｓｒａｅｌｓｓｏｎＨ．１９９９．Ｅｓｔｉｍａｔｉｏｎｏｆｓｔｅｍｖｏｌｕｍｅｉｎ
ｂｏｒｅａｌｆｏｒｅｓｔｓｕｓｉｎｇＥＲＳ．１Ｃ．ｂａｎｄ
ＪＥＲＳ．１Ｌ．ｂａｎｄＳＡＲｄａ－
ｔａ．Ｉｎｔｅｒｎａｔｉｏｎａｌ如ｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ．２０：２１３－１３８．
ＨａｍｅＴ。ＳａｌｌｉＡ。ＡｎｄｅｒｓｓｏｎＫ。ｅｔａ１．１９９７．Ａ
ｎｅｗ
ｍｅｔｈｏｄｏｌｏ．
ｇＹ
ｆｏｒｔｈｅｅｓｔｉｍａｔｉｏｎｏｆｂｉｏｍａｓｓｏｆｃｏｎｉｆｅｒ—ｄｏｍｉｎａｔｅｄｂｏｒｅａｌ
ｆｏｒｅｓｔｕｓｉｎｇＮＯＡＡＡＶＨＲＲｄａｔａ．Ｉｎｔｅｒｎａｔｉｏｎａｌ１０ｕｒｎａｌｏｆ
ＲｅｍｏｔｅＳｅｎｓｉｎｇ，１８：３２１ｌ－３２４３．
ＨａｒｉｐｒｉｙａＧＳ．２０００．ＥｓｔｉｍａｔｅｓｏｆｂｉｏｍａｓｓｉｎＩｎｄｉａｎｆｏｒｅｓｔｓ．Ｂｉ．
ｏｍａｓｓａｎｄＢｉｏｅｎｅｒｇｙ，１９：２４５－２５８．Ｈｏｅｋｍａｎ
ＤＨ．ＱｕｉｆｉｏｎｅｓＭＪ．２０００．Ｌａｎｄ
ｃｏｖｅｒ
ｔｙｐｅａｎｄｂｉｏ．‘
ｌｌｌａＳＳ
ｃｌａｓｓｉｆｉｃａｔｉｏｎｕｓｉｎｇＡｉｒｓＡＲｄａｔａｆｏｒｅｖａｌｕａｔｉｏｎｏｆｍｏ－
ｎｉｔｏｒｉｎｇｓｃｅｎａｒｉｏｓｌｎｔｈｅＣｏｌｏｂｉａｎＡｍａｚｏｎ．１ＥＥＥ
Ｔｒ口ｎｓａｃ．
ｔｉｏｎｓ
ｏｎ
Ｇｅｏｓｃｉｅｎｃｅ
ａｎｄ
Ｒｅｍｏｔｅ
Ｓｅｎｓｉｎｇ，３８：６８５—６９６．
ＨｏｕｇｈｔｏｎＲＡ，ＬａｗｒｅｎｃｅＫＩ，ＨａｃｋｌｅｒＪＬ，ｅｔａ１．２００１．Ｔｈｅｓｐａ－
ｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｆｏｒｅｓｔｂｉｏｍａｓｓｉｎｔｈｅＢｒａｚｉｌｉａｎＡｍａｚｏｎ：
Ａ
ｃｏｍｐａｒｉｓｏｎｏｆｅｓｔｉｍａｔｅｓ．ＧｌｏｂａｌＣｈａｎｇｅＢｉｏｌｏｇｙ，７：７３１
—７４６．
ＨｕｅｔｅＡ．ＤｉｄａｎＫ，ＭｉｕｒａＴ．税ⅡＺ．２００２．Ｏｖｅｒｖｉｅｗｏｆｔｈｅ
ｒａｏ
ｄｉｏｍｅｔｒｉｅａｎｄｂｉｏｐｈｙｓｉｃａｌｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅＭＯＤＩＳｖｅｇｅ—
ｔａｔｉｏｎｉｎｄｉｃｅｓ．Ｒｅｍｏｔｅ
Ｓｅｎｓｉｎｇｏｆ
Ｅｎｖｉｒｏｎｍｅｎｔ。８３：１９５－
２１３．Ｉｍｈｏｆｆ
ＭＬ．ＪｏｈｎｓｏｎＰ．２０００．ＢｉｏＳＡＲ／ｓｕｐＴＭ／：Ａｎｉｎｅｘｐｅｎ—
ｓｉｖｅ
ａｉｒｂｏｒｎｅＶＨＦｍｕｈｉｂａｎｄＳＡＲｓｙｓｔｅｍｆｏｒｖｅｇｅｔａｔｉｏｎｂｉ．
ｏｎｉａｓ８
ｍｅａｓｕｒｅｍｅｎｔ．ＩＥＥＥ
Ｔｒａｎｓａｃｔｉｏｎｓ
ｏｎ
Ｇｅｏｓｃｉｅｎｅｅ
ａｎｄ
万
方数据
遥感在森林地上生物量估算中的应用
作者：作者单位：刊名：英文刊名：年，卷(期)：被引用次数：
何红艳， 郭志华， 肖文发， HE Hong-yan， GUO Zhi-hua， XIAO Wen-fa中国林业科学研究院森林生态环境与保护研究所,北京,100091生态学杂志
CHINESE JOURNAL OF ECOLOGY2007,26(8)12次
参考文献(40条)
1. 方精云. 陈安平. 赵淑清 中国森林生物量的估算:对Fang等Science一文(Science,2001,291:2320-2322)的若干说明[期刊论文]-植物生态学报 2002(02)
2. 郭志华. 彭少麟. 王伯荪 利用TM数据提取粤西地区的森林生物量[期刊论文]-生态学报 2002(11)3. 彭少麟. 郭志华. 王伯荪 RS和GIS在植被生态学中的应用及其前景 1999(05)
4. 王正兴. 刘闯. Alfredo HE 植被指数研究进展:从AVHRR-NDVI到MODIS-EVI[期刊论文]-生态学报 2003(05)5. Al-Bakri JT. Taylor JC Application of NOAA AVHRR for monitoring vegetation conditions and biomassin Jordan[外文期刊] 2003(3)
6. Baccini A. Friedl MA. Woodcock CE Forest biomass estimation over regional scales using multisourcedata [外文期刊] 2004
7. Benchalli SS. Prajapati RC Biomass prediction through remote sensing[外文期刊] 2004
8. Carlos SJr. Firestone L. Silva LM Mapping forest degradation in the Eastern Amazon from SPOT 4through spectral mixture models[外文期刊] 2003(4)
9. Clark DB. Read JM. Clark ML Application of 1-M and 4-M resolution satellite data to ecologicalstudies of tropical rain forests[外文期刊] 2004(1)
10. Dong JR. Kaufmann RK. Myneni RB Remote sensing estimates of boreal and temperate forest woodybiomass:Carbon pools,sources,and sinks[外文期刊] 2003(3)
11. Fang JY. Chen AP. Peng CH Changes in forest biomass carbon storage in china between 1949 and 1998[外文期刊] 2001
12. Fensholt R Earth observation of vegetation status in the Sahelian and Sudanian WestAfrica:Comparison of Terra MODIS and NOAA AVHRR satellite data[外文期刊] 2004(9)
13. Field CB. Randerson JT. Malmstrom CM Global net primary production:Combining ecology and remotesensing [外文期刊] 1995(1)
14. Foody GM. Cutler ME. Mcmorrow J Mapping the biomass of Bornean tropical rain forest from remotelysensed data[外文期刊] 2001(4)
15. Foody GM. Boyd DS. Cutler ME Predictive relations of tropical forest biomass from Landsat TM dataand their transferability between regions[外文期刊] 2003(4)
16. Fransson JE. Israelsson H Estimation of stem volume in boreal forests using ERS-1 C-band JERS-1 L-band SAR data[外文期刊] 1999(1)
17. Hame T. Salli A. Andersson K A new methodology for the estimation of biomass of conifer-dominatedboreal forest using NOAA AVHRR data[外文期刊] 1997
18. Haripriya GS Estimates of biomass in Indian forests[外文期刊] 2000(4)
19. Hoekman DH. Qui(n)ones MJ Land cover type and biomass classification using AirSAR data forevaluation of monitoring scenarios in the Colobian Amazon[外文期刊] 2000(2, Part 1)
20. Houghion RA. Lawrence KI. Hackler JL The spatial distribution of forest biomass in the BrazilianAmazon:A comparison of estimates[外文期刊] 2001(7)
21. Huete A. Didan K. Miura T Overview of the radiometric and biophysical performance of the MODISvegetation indices[外文期刊] 2002
22. Imhoff ML. Johnson P BioSAR/sup TM/:An inexpensive airborne VHF multiband SAR system forvegetation biomass measurement[外文期刊] 2000(3)
23. Kawamura K. Akiyama T Monitoring of forage conditions with MODIS imagery in the Xilingolsteppe,Inner China[外文期刊] 2005(7)
24. Kurvonen L. Pulliainen J. Hallikainen M Retrieval of biomass in boreal forests from multitempotalERS-1 and JERS-1 SAR images[外文期刊] 1999(1 pt 1)
25. Lefsky MA. Cohen WB. Harding DJ Lidar remote sensing of above-ground biomass in three biomes[外文期刊] 2002(5)
26. Meer FD. Bakker W. Scholte K Spatial scale variations in vegetation indices and above-groundbiomass estimates:Implications for MERIS[外文期刊] 2001(17)
27. Michalek JL. French NHF. Kasischke ES Using Landsat TM data to estimate carbon release from burnedbiomass in an Alaska spruce forest complex[外文期刊] 2000(2)
28. Moreau S. Bosseno R. Gu XF Assessing the biomass dynamics of Andean bofedal and totora high-proteinwetland grasses from NOAA/AVHRR[外文期刊] 2003(4)
29. Nelson R. Jimenez J. Schnell CE Canopy height models and airborne lasers to estimate forestbiomass:Two problems[外文期刊] 2000(11)
30. Phua MH. Satio H Estimation of biomass of a mountainous tropical forest using Landsat TM data[外文期刊] 2003
31. Rahman MM. Csaplovics E. Koch B An efficient regression strategy for extracting forest biomassinformation from satellite sensor data[外文期刊] 2005(7)
32. Read JM. Clark DB. Venticinque EM Application of merged 1-m and 4-m resolution satellite data toresearch and management in tropical forests[外文期刊] 2003(3)
33. Richards GP. Brack C A continental biomass stock and stock change estimation approach forAustralia [外文期刊] 2004
34. Samimi C. Kraus T Biomass estimation using Landsat-TM and -ETM+ towards a regional model forSouthern Africa[外文期刊] 2004(3)
35. Sannier CAD. Taylor JC Real-time monitoring of vegetation biomass with NOAA-AVHRR in EtoshaNational Park,Namibia,for fire risk assessment[外文期刊] 2002(1)
36. Santos JR. Freitas CC. Araujo LS Airborne P-band SAR applied to the aboveground biomass studies inthe Brazilian tropical rainforest[外文期刊] 2003(4)
37. Treuhaft RN Structure-based forest biomass from fusion of radar and hyperspectral observations[外文期刊] 2003(9)
38. Tsolmon R. Tateishi R. Tetuko JS A method to estimate forest biomass and its application to monitorMongolian Taiga using ERS-1 SAR data[外文期刊] 2002(22)
39. Toan TL. Beaudo A. Riom J Relating forest biomass to SAR data[外文期刊] 1992(2)
40. Tomppo E. Nilsson M. Rosengren M Simultaneous use of Landsat-TM and IRS-1C WiFS data in estimatinglarge area tree stem volume and aboveground biomass[外文期刊] 2002(1)
本文读者也读过(10条)
1. 徐新良. 曹明奎. XU Xinliang. CAO Mingkui 森林生物量遥感估算与应用分析[期刊论文]-地球信息科学2006,8(4)
2. 杨存建. 刘纪远. 张增祥 热带森林植被生物量遥感估算探讨[期刊论文]-地理与地理信息科学2004,20(6)3. 王淑君. 管东生. WANG Shujun. GUAN Dongsheng 神经网络模型森林生物量遥感估测方法的研究[期刊论文]-生态环境2007,16(1)
4. 马泽清. 刘琪璟. 徐雯佳. 李轩然. 刘迎春. MA Ze-qing. LIU Qi-jing. XU Wen-jia. LI Xuan-ran. LIU Ying-chun 基于TM遥感影像的湿地松林生物量研究[期刊论文]-自然资源学报2008,23(3)
5. 李娜. 黄从德. LI Na. HUANG Congde 川西亚高山针叶林生物量遥感估算模型研究[期刊论文]-林业资源管理2008(3)
6. 张宝雷. 张淑敏. 周万村. ZHANG Bao-lei. ZHANG Shu-min. ZHOU Wan-cun 森林分布遥感获取方法在三峡库区的应用[期刊论文]-长江科学院院报2007,24(4)
7. 张佳华. 符淙斌. Zhang Jiahua. Fu Congbin 生物量估测模型中遥感信息与植被光合参数的关系研究[期刊论文]-测绘学报1999,28(2)
8. 黄国胜. 夏朝宗. HUANG Guosheng. XIA Chaozong 基于MODIS的东北地区森林生物量研究[期刊论文]-林业资源管理2005(4)
9. 张慧芳. 张晓丽. 黄瑜. Zhang Huifang. Zhang Xiaoli. Huang Yu 遥感技术支持下的森林生物量研究进展[期刊论文]-世界林业研究2007,20(4)
10. 安树杰. 张晓丽. 王震. 李春艳. AN Shu-ji. ZHANG Xiao-li. WANG Zhen. LI Chun-yan 生物量估测中的遥感技术[期刊论文]-林业调查规划2006,31(3)
引证文献(15条)
1. 张正健. 刘志红. 郭艳芬. 韩建宁. 李扬 偏最小二乘在遥感监测西藏草地生物量上的应用[期刊论文]-草地学报2009(6)
2. 武高洁. 郭志华. 郭菊兰. 朱耀军 红树林湿地地上生物量遥感估算研究进展[期刊论文]-南方农业学报 2013(4)3. 马义. 康芳. 郭昊 基于偏最小二乘方法估测生物量模型的应用[期刊论文]-华章 2011(5)
4. 马延辉. 林辉. 孙华 湖南省主要森林类型植被指数动态变化分析[期刊论文]-水土保持研究 2010(3)5. 薛巍. 张秋良. 赵鹏翔. 李卫忠 基于遥感技术的森林生物量估算应用[期刊论文]-水土保持研究 2009(2)6. 徐改花. 张福平. 周正朝. 甘卓亭. 蒲蕾. 陈丽 利用数码相片对冬小麦生物量的试算[期刊论文]-资源开发与市场2011(3)
7. 汤旭光. 刘殿伟. 王宗明. 贾明明. 董张玉. 刘婧怡. 徐文明 森林地上生物量遥感估算研究进展[期刊论文]-生态学杂志 2012(5)
8. 陈文烯 基于遥感数据的森林生物量测定理论与方法[期刊论文]-亚热带水土保持 2013(2)
9. 汪少华. 张茂震. 赵平安. 陈金星 基于TM影像、森林资源清查数据和人工神经网络的森林碳空间分布模拟[期刊论
文]-生态学报 2011(4)
10. 林伟. 胡理乐. 郑博福. 李俊生 林线树种太白红杉碳储量估算[期刊论文]-环境科学研究 2010(12)11. 娄雪婷. 曾源. 吴炳方 森林地上生物量遥感估测研究进展[期刊论文]-国土资源遥感 2011(1)
12. 宋巍巍. 管东生. 王刚 地形对植被生物量遥感反演的影响——以广州市为例[期刊论文]-生态学报 2012(23)13. 汪少华. 张茂震. 赵平安. 陈金星 基于TM影像、森林资源清查数据和人工神经网络的森林碳空间分布模拟[期刊论文]-生态学报 2011(4)
14. 宋巍巍. 管东生. 王刚 地形对植被生物量遥感反演的影响——以广州市为例[期刊论文]-生态学报 2012(23)15. 汤萃文. 陈银萍. 陶玲. 肖笃宁 森林生物量和净生长量测算方法综述[期刊论文]-干旱区研究 2010(6)
本文链接：http://d.wanfangdata.com.cn/Periodical_stxzz200708030.aspx
万方数据
１９９９）。因此，可以利用植物的这一特征，借助遥感技术。并结合地面调查，进行区域和全球尺度上的森
林生物量估算研究。
多种遥感数据被广泛用于森林生物量估算，这些遥感数据主要包括ＬａｎｄｓａｔＴＭ、ＮＯＡＡ／ＡＶＨＲＲ、
ＳＡＲ等。
２森林生物量估算中的遥感数据源
２．１
ＴＭ数据
由美国陆地卫星五号（ＬＡＮＤＳＡＴ５）携带的主
题成像传感器（ＴｈｅｍａｔｉｃＭａｐｐｅｒ，ＴＭ）有７个波段，
利用这７个波段的不同组合可以提取不同的植被指数，然后利用植被指数估算区域生物量（Ｈａｍｅ
ｅｔ
ａ１．，１９９７；Ｍｉｃｈａｌｅｋｅｔ
ａ１．，２０００；Ｆｏｏｄｙ
ｅｔ
ａ１．，２００１；
Ｈｏｕｇｈｉｏｎ
ｅｔ
ａ１．，２００１；Ｔｏｍｐｐｏｅｔａ１．，２００２；Ｆｏｏｄｙｅｔ
ａ１．，２００３；Ｒｉｃｈａｒｄｓ＆Ｂｒａｃｋ，２００４）。
利用ＴＭ数据估算区域生物量时，往往在研究区域内实测生物量或与生物量有密切关系的数据如材积（Ｈａｍｅｅｔ
ａ１．，１９９７；郭志华等，２００２）和叶面积指数（１ｅａｆ
ａｒｅａ
ｉｎｄｅｘ，ＬＡＩ）（Ｐｈｕａ＆Ｓａｔｉｏ，２００３）等，
利用ＴＭ数据的７个波段及各波段的组合如归一化植被指数（ｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ，ＮＤ—
ｖｉ）（Ｈｏｕｇｈｉｏｎ
ｅｔ
ａ１．，２００１；Ｄｏｎｇ
ｅｔ
ａ１．，２００３）等与
生物量或者材积等的关系进行多元回归分析建模。郭志华等（２００２）利用ＴＭ数据的７个波段及其各种
组合与材积的关系，估算了粤西地区的森林生物量。
Ｆｏｏｄｙ等（２００３）在对热带雨林（婆罗洲）的生物量制图时，基于ＴＭ数据和回归分析模型，有效提高了生物量估算精度。Ｐｈｕａ和Ｓａｔｉｏ（２００３）利用ＴＭ数据的６个波段（未使用第６波段）及植被指数信息，并
结合其它因子，进行多元回归建模和生物量估算。
２．２
ＮＯＡＡ／ＡＶＨＲＲ数据
ＡＶＨＲＲ是ＮＯＡＡ系列卫星的主要探测仪器，
包含有一个５通道的光谱扫描辐射仪。利用
ＡＶＨＲＲ数据进行生物量估算时，主要是通过
ＡＶＨＲＲ数据计算ＮＤＶＩ指数。
利用ＡＶＨＲＲ数据提取ＮＤＶＩ植被指数，然后通过ＮＤＶＩ估算区域的生物量，是一种比较常用的方法（Ｈａｍｅ
ｅｔ
ａ１．，１９９７；Ｈｏｕｇｈｉｏｎｅｔａ１．，２００ｌ；Ｓａｎ・
ｎｉｅｒ＆’Ｔａｙｌｏｒ，２００２；Ｄｏｎｇｅｔａ１．，２００３；ＡＩ—Ｂａｋｒｉ＆
Ｔａｙｌｏｒ，２００３；Ｍｏｒｅａｕｅｔ
ａ１．，２００３）。Ｄｏｎｇ等（２００３）
利用遥感估算１６个国家（加拿大、芬兰、挪威、德国等）１６７个省份的北部森林和温带森林的生物量时，
万
方数据生态学杂志第２６卷第８期
利用ＡＶＨＲＲ数据提取ＮＤＶＩ植被指数，根据针叶林和阔叶林的不同，建立了估算生物量的不同模型，有效估算了这些区域的地上部分生物量。
ＡＶＨＲＲ数据也用于森林的分类（Ｍｉｃｈａｌｅｋｅｔａ１．，２０００），但其分类精度不如ＴＭ数据（Ｈｏｕｇｈｉｏｎｅｔ
ａ１．，２００１）。２．３雷达数据
雷达遥感又叫微波遥感，可分为主动和被动２种方式，被动方式与可见光和红外遥感类似，是由微波扫描辐射计接收地表目标的微波辐射。目前多数星载雷达采用主动方式，即由遥感平台发射电磁波，然后接收辐射和散射回波信号，主要探测地物的后向散射系数和介电常数。微波遥感不依赖于太阳辐射的变化，能够全天候观测，可以随时随地获取植被信息，特别适用于云层覆盖的地区。而且，微波具有一定的穿透力和对某些地物明显的区分能力，利用雷达数据进行生物量估算相当普遍（Ｈｏｅｋｍａｎ＆Ｑｕｉｆｉｏｎｅｓ，２０００；Ｉｍｈｏｆｆ＆Ｊｏｈｎｓｏｎ，２０００；Ｈｏｕｇｈｉｏｎ
ｅｔ
ａ１．，２００１；Ｓａｎｔｏｓ
ｅｔ
ａ１．，２００３）。Ｌｅｆｓｋｙ等（２００２）
利用雷达遥感数据，估算了北方针叶林、温带针叶林和温带落叶林３类森林生态系统的地上部分生物量。
２．３．１合成孔径雷达合成孔径雷达（ＳＡＲ）利用波长０．００１～１Ｉｘｍ的微波来探测地物，这种雷达
数据在森林生物量估算中的应用越来越广（Ｈｏｅｋ－
ｍａｎ＆Ｑｕｉｆｉｏｎｅｓ，２０００；Ｉｍｈｏｆｆ＆Ｊｏｈｎｓｏｎ，２０００；Ｓａｎｔｏｓ
ｅｔ
ａ１．，２００３）。
Ｈｏｅｋｍａｎ和Ｑｕｉｆｉｏｎｅｓ（２０００）利用ＳＡＲ数据分
析了亚马逊流域（哥伦比亚）的陆地覆盖类型和生
物量。为了区分不同的陆地覆盖类型并估算其生物量，他们首先将陆地覆盖分为４类，即原始林、次生林、近期砍伐林区和草地；然后，比较分析不同波段
及极化数据的不同组合在土地覆盖分类和生物量估
算中的精度，发现Ｌ波段和ＨＶ极化的组合或者Ｐ
波段的效果最好；最后，基于地面调查资料、Ｌ波段与ＨＶ极化的组合和Ｐ波段数据，对该地区的生物量进行制图，并根据大小将生物量分为８类。虽然Ｐ波段在区分原始林、次生林和草地方面具有最好的效果，但它不能很好的区分森林和近期砍伐地，而且在使用Ｐ波段上还存在技术困难。Ｓａｎｔｏｓ等（２００３）利用了ＳＡＲ数据的Ｐ波段能够很好区分原始林、次生林的优势，用该波段数据估算了巴西热带
雨林的生物量。
何红艳等：遥感在森林地上生物量估算中的应用
２．３．２激光雷达激光雷达可以直接测量植被的垂直分布，并可以提供植被结构的三维特征，也用于森林生物量的估算。Ｈｏｕｇｈｉｏｎ等（２００１）指出，由于生物量是个动态变化量，对生物量深度和广度的研究还需要进一步加强，而激光雷达数据和森林生物量具有很好的相关性，而且可以很好的测出树高，是一种有广阔应用前途的新方法。２．４其它数据源
除了ＴＭ、ＮＯＡＡＺＡＶＨＲＲ、ＳＡＲ数据等被用来估算森林生物量外，其它数据源也可用于区域生物量估算（Ｍｅｅｒｅｔ
ａ１．，２００１；Ｂｅｎｃｈａｌｌｉ＆Ｐｒａｊａｐａｔｉ，２００４），如ＭＯＤＩＳ（Ｋａｗａｍｕｒａ＆Ａｋｉｙａｍａ，２００５）、
ＳＰＯＴ（Ｃａｒｌｏｓ
ｅｔ
ａ１．，２００３）、ＩＫＮＯＳ（Ｃａｒｌｏｓ
ｅｔａ１．，２００３；Ｒｅａｄ
ｅｔ
ａ１．，２００３）、ＱＵＩＣＫＢＩＲＤ（Ｃｌａｒｋ
ｅｔ
ａ１．，
２００４）等。
Ｂｅｎｃｈａｌｌｉ和Ｐｒａｊａｐａｔｉ（２００４）利用ＩＲＳ一１Ｂ卫星数据对印度Ｈａｌｉｙａｌ地区的森林生物量进行了预测。
Ｂｅｎｃｈａｌｌｉ和Ｐｒａｊａｐａｔｉ首先从遥感数据中提取植被指
数（ＶＩ）和归一化植被指数（ＮＤＶＩ），然后结合平均高度（ａｖｅｒａｇｅｓｔａｎｄ
ｈｅｉｇｈｔ，ＨＴ）、林冠覆盖百分率（ｃｒｏｗｎ
ｃｏｖｅｒ
ｐｅｒｃｅｎｔａｇｅ，ＣＲ）和降水（Ｒ），运用多元
回归分析方法，建立生物量的遥感估算模型，有效地
估算了该地区的森林生物量。
Ｒａｈｍａｎ等（２００５）利用ＥＴＭ＋数据估算了孟加拉国东南部热带森林的生物量。通过研究发现，直接利用各波段建立回归模型来估算生物量所得到的回归系数较低（ｒ２＜０．２６），而虚拟变量（该文中主要是指根据植被类型确定的分类系数）的引入有效提高了生物量估算模型的精度（ｒ２＝０．８８１）。因此，根据遥感图像确定不同的分类组以及虚拟变量的选择至关重要。
２．５多源遥感数据的融合
将不同传感器的不同波段进行融合，借此估算森林生物量也是一种有效的方法（Ｔｏａｎ
ｅｔ
ａ１．，１９９２；Ｆｒａｎｓｓｏｎ＆Ｉｓｒａｅｌｓｓｏｎ，１９９９；Ｋｕｒｖｏｎｅｎｅｔａ１．，１９９９；
Ｔｓｏｌｍｏｎｅｔ
ａ１．，２００２；Ｓａｍｉｍｉ＆Ｋｒａｕｓ，２００４）。Ｋｕｒ－
ｖｏｎｅｎ等（１９９９）利用ＥＲＳ．１的Ｃ波段和ＪＥＲＳ一１ＳＡＲ的Ｌ波段和ＨＨ极化数据估算了北方森林的材
积。
Ｔｒｅｕｈａｆｔ（２００３）将雷达数据和高光谱数据融
合，从中获得了基于结构的森林生物量。Ｔｒｅｕｈａｆｔ认为基于森林结构纵剖面的生物量估测比微波或光学遥感的方法准确，不同高度的ｃ波段雷达干涉仪
万
方数据可测量叶面积密度（ＬＡＤ），而高光谱光学遥感可测
得叶面积指数（ＬＡＩ），因此，可以通过融合遥感数据
的方法，即通过遥感图像所反映的叶面积指数和叶面积密度（ＬＡＤ）来提高对生物量的估算精度。
高分辨率可为低分辨率数据提供误差校正，将高分辨率数据与中低分辨率遥感数据有效结合，能有效提高森林生物量的估算精度（Ｈａｍｅ
ｅｔ
ａ１．，
１９９７；Ｔｏｍｐｐｏ
ｅｔ
ａ１．，２００２；Ｒｉｃｈａｒｄｓ＆Ｂｒａｃｋ，２００４）。
Ｈａｍｅ等（１９９７）利用ＴＭ数据和ＡＶＨＲＲ数据，在欧洲以针叶为主的北方森林地区分别建立针叶林和
落叶林生物量估算模型。Ｔｏｍｐｐｏ等（２００２）利用
Ｌａｎｄｓａｔ—ＴＭ数据和ＩＲＳ一１ＣＷｉＦＳ数据，并结合国家森林清查数据（ＮＦＩｓ）估算了区域的材积和生物量，他们将Ｌａｎｄｓａｔ－ＴＭ作为高分辨率数据用于森林参数的估计，将ＩＲＳ一１ＣＷｉＦＳ作为中分辨率数据用于生物量估算模型的建立。在估算澳大利亚的生物量清查和清查变化情况时，Ｒｉｃｈａｒｄｓ和Ｂｒａｃｋ（２００４）利用ＬａｎｄｓａｔＭＳＳ（１９７２——１９８８）和ＴＮＬ／ＥＴＭ＋（１９８８——２００２）数据集，建立了生理主成分预测生长模型（ｐｈｙｓｉｏｌｏｇｉｃａｌ
ｐｒｉｎｃｉｐｌｅｓｐｒｅｄｉｃｔｉｎｇ
ｇｒｏｗｔｈ，３ＰＧ）进行
多时间尺度制图。
３森林生物量的遥感估算方法３．１多元回归分析
森林生物量与众多因素相关，而多元回归分析可以解决一个因变量与多个自变量之间的数量关系问题，因而被广泛用于森林生物量的遥感估算研究。
Ｆｏｏｄｙ等（２００１）认为，尽可能多地利用遥感数据的
相关波段可提高生物量的估算精度。
Ｂｅｎｃｈａｌｌｉ和Ｐｒａｊａｐａｔｉ（２００４）利用全色航空摄影像片对印度的Ｈａｌｉｙａｌ森林的生物量进行预测时，
运用多元回归分析和相关分析，建立了估算生物量
的模型。Ｔｏｍｐｐｏ等（２００２）通过建立多元非线性回归模型，估算出芬兰森林的材积和地上生物量。
３．２人工神经网络
由于多元回归分析要求各变量之间无相关性，遥感数据的各波段无法满足这一要求，神经网络可以实现多元回归分析功能，又不要求变量独立。因此可以利用神经网络来估算生物量（Ｆｏｏｄｙ
ｅｔ
ａ１．，
２００１）。
神经网络又称人工神经网络，是由大量处理单元（类似于生物神经网络系统的神经元）组成的非线性大规模自适应动力学系统，具有学习能力、记忆
万
方数据
何红艳等：遥感在森林地上生物量估算中的应用
对于不同区域的森林生物量，生物量模型都不相同，建模方法也不尽相同（Ｆｏｏｄｙ
ｅｔ
ａ１．，２００１）。
如何进一步更好的利用数学工具，将更多的方法如神经网络、地统计学、遗传算法等融人森林生物量估
算，建立合适的遥感估算森林生物量模型，是森林生
物量遥感估算研究的热点之一。
随着遥感和计算机软硬件的发展与完善，利用遥感数据进行生物量估算已经深入到生态学研究的各个领域，已取得了丰硕的成果，并将继续在生物量估算中发挥重要作用。
４．３森林生物量遥感估算的系统集成
研究是为生产服务，将遥感估算森林生物量的成果进行系统集成，开发成基于软件平台的系统，是森林生物量遥感估算的一个很有前景的方向。
利用遥感数据、ＤＥＭ影像及部分控制点等数据，建立一个估算森林生物量的平台，使得生物量的遥感估算显得更为简单和适用，也将成为可能。５结语
准确估算森林地上生物量（特别是大区域尺度上的森林生物量估算）是个相当复杂的问题，涉及地面数据采集、遥感数据源、建模及精度验证等；并且，不同地区、数据源和数学建模方法不同。如何进
一步提高大尺度森林生物量的遥感估算精度，是森
林生态学研究的难点之一。
参考文献
方精云，陈安平，赵淑清，等．２００２．中国森林生物量的估
算：对Ｆａｎｇ等Ｓｃｉｅｎｃｅ一文（Ｓｃｉｅｎｃｅ，２００１，２９１：２３２０－２３２２）的若干说明．植物生态学报，２６（２）：２４３—２４９．郭志华，彭少麟，王伯荪．２００２．利用ＴＭ数据提取粤西地
区的森林生物量．生态学报，２２（１１）：１８３２—１８４０．彭少麟，郭志华，王伯荪．１９９９．ＲＳ和ＧＩＳ在植被生态学中
的应用及其前景．生态学杂志，ｉｓ（５）：５２—６４．王正兴，刘闯，ＡｌｆｆｅｄｏＨＥ．２００３．植被指数研究进展：从
ＡＶＨＲＲ—ＮＤＶＩ到ＭＯＤＩＳ－ＥＶＩ．生态学报，２３（５）：９８０－
９８７．ＡＩ．Ｂａｋｒｉ
ＪＴ。ＴａｙｌｏｒＪＣ．２００３．ＡｐｐｌｉｃａｔｉｏｎｏｆＮＯＡＡＡＶＨＲＲ
ｆｏｒｍｏｎｉｔｏｒｉｎｇｖｅｇｅｔａｔｉｏｎｃｏｎｄｉｔｉｏｎｓａｎｄｂｉｏｍａｓｓｉｎ
Ｊｏｒｄａｎ．
Ｊｏｕｒｎａ／ｏｆＡｒｉｄ
Ｅｎｖｉｒｏｎｍｅｎｔｓ。５４：５７９—５９３．
ＢａｃｃｉｎｉＡ，Ｆｒｉｅｄｌ
ＭＡ．ＷｏｏｄｃｏｃｋＣＥ．ｅｔａ１．２００４．Ｆｏｒｅｓｔｂｉｏ－
ｍａｓｓｅｓｔｉｍａｔｉｏｎ
ｏｖｅｒ
ｒｅｇｉｏｎａｌｓｃａｌｅｓｕｓｉｎｇｍｕｈｉｓｏｕｒｃｅｄａｔａ．
ａｅｏｐｈｙｓ／ｃａ／ＲｅｓｅａｒｃｈＬｅｔｔｅｒｓ，３１：Ｌ１０５０１．Ｂｅｎｅｈａｌｌｉ
ＳＳ，ＰｒａｊａｐａｔｉＲＣ．２００４．Ｂｉｏｍａｓｓｐｒｅｄｉｃｔｉｏｎｔｈｒｏｕｇｈｒｅｍｏｔｅｓｅｎｓｉｎｇ．ＩｎｄｉａｎＦｏｒｅｓｔｅｒ．１３０：５９９－６０４．Ｃａｒｌｏｓ
ＳＪｒ，ＦｉｒｅｓｔｏｎｅＬ。ＳｉｌｖａＬＭ．ｅｔａ１．２００３．Ｍａｐｐｉｎｇｆｏｒｅｓｔ
万
方数据１３２１
ｄｅｇｒａｄａｔｉｏｎｉｎ
ｔｈｅＥａｓｔｅｒｎＡｍａｚｏｎｆｒｏｍＳＰＯＴ４ｔｈｒｏｕｇｈ
ｓｐｅｃｔｒａｌｍｉｘｔｕｒｅｍｏｄｅｌｓ．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆ
Ｅｎｖｉｒｏｎｍｅｎｔ，
８７：４９４—５０６．ＣｌａｒｋＤＢ，Ｒｅａｄ
ＪＭ，ＣｌａｒｋＭＬ，甜ａ／．２００４．Ａｐｐｌｉｃａｔｉｏｎｏｆｌ—
Ｍａｎｄ４．Ｍｒｅｓｏｌｕｔｉｏｎｓａｔｅｌｌｉｔｅｄａｔａ
ｔｏ
ｅｃｏｌｏｇｉｃａｌｓｔｕｄｉｅｓｏｆ
ｔｒｏｐｉｃａｌｒａｉｎｆｏｒｅｓｔｓ．ＥｃｏｌｏｇｉｃａｌＡｐｐｌｉｃａｔｉｏｎｓ，２４：１０５１—０７６１．
Ｄｏｎｇ
ＪＲ，ＫａｕｆｒａａｎｎＲＫ，ＭｙｎｅｎｉＲＢ，ｅｔａ／．２００３．Ｒｅｍｏｔｅ
ｓｅｎｓｉｎｇｅｓｔｉｍａｔｅｓｏｆｂｏｒｅａｌａｎｄｔｅｍｐｅｒａｔｅ
ｆｏｒｅｓｔｗｏｏｄｙｂｉｏ—
ｍａｓｓ：Ｃａｒｂｏｎｐｏｏｌｓ，ｓｏｕｒｃｅｓ，ａｎｄｓｉｎｋｓ．ＲｅｍｏｔｅＳｅｎｓｉｎｇ
ｏｆＥｎｖｉｒｏｎｍｅｎｔ，８４：３９３—４１０．
ＦａｎｇＪＹ，ＣｈｅｎＡＰ，ＰｅｎｇＣＨ，ｅｔａ１．２００１．Ｃｈａｎｇｅｓｉｎｆｏｒｅｓｔ
ｂｉｏｍａｓｓｃａｒｂｏｎ
ｓｔｏｒａｇｅ
ｉｎｃｈｉｎａｂｅｔｗｅｅｎ１９４９
ａｎｄ１９９８．
Ｓｃ／ｅｎｃｅ．２９２：２３２０—２３２２．
ＦｅｎｓｈｏｈＲ．２００４．Ｅａｒｔｈｏｂｓｅｒｖａｔｉｏｎｏｆｖｅｇｅｔａｔｉｏｎｓｔａｔｕｓｉｎｔｈｅ
Ｓａｈｅｌｉａｎａｎｄ
ＳｕｄａｎｉａｎＷｅｓｔＡｆｒｉｃａ：ＣｏｍｐａｒｉｓｏｎｏｆＴｅｒｒａ
ＭＯＤＩＳａｎｄＮＯＡＡ
ＡＶＨＲＲｓａｔｅｌｌｉｔｅ
ｄａｔａ．Ｉｎｔｅｒｎａｔｉｏｎａｌ
Ｊｏｕｒｎａｌ
ｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，２５：１６４１－１６５９．
ＦｉｅｌｄＣ８，Ｒ矗ｎｄｅｒｓｏｎ
ＪＴ．ＭａｌｍｓｔｒｏｍＣＭ．１９９５．Ｇｌｏｂａｌ
ｎｅｔ
ｐｒｉ．
ｍａｒｙｐｒｏｄｕｃｔｉｏｎ：Ｃｏｍｂｉｎｉｎｇ
ｅｃｏｌｏｇｙａｎｄｒｅｍｏｔｅｓｅｎｓｉｎｇ．
Ｒｅｍｏｔｅ
ＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，５１：７４－８８．
Ｆｏｏｄｙ
ＧＭ，ＣｕｔｌｅｒＭＥ，Ｍｃｍｏｒｒｏｗ
Ｊ。ｅｔ“．２００１．Ｍａｐｐｉｎｇｔｈｅ
ｂｉｏｍａｓｓｏｆＢｏｒｎｅａｎｔｒｏｐｉｃａｌｒａｉｎｆｏｒｅｓｔｆｒｏｍｒｅｍｏｔｅｌｙｓｅｎｓｅｄｄａｔａ．ＧｌｏｂａｌＥｃｏｌｏｇｙ＆Ｂｉｏｇｅｏｇｒａｐｈｙ。１０：３７９－３８７．
ＦｏｏｄｙＧＭ，ＢｏｙｄＤＳ，ＣｕｄｅｒＭＥ．２００３．Ｐｒｅｄｉｃｔｉｖｅｒｅｌａｔｉｏｎｓ
ｏｆ
ｔｒｏｐｉｃａｌ
ｆｏｒｅｓｔｂｉｏｍａｓｓｆｒｏｍ
ＬａｎｄｓａｔＴＭ
ｄａｔａ
ａｎｄｔｈｅｉｒ
ｔｒａｎｓｆｅｒａｂｉｌｉｔｙ
ｂｅｔｗｅｅｎｒｅｇｉｏｎｓ．Ｒｅｍｏｔｅ
Ｓｅｎｓｉｎｇ
ｏｆＥｎｖｉｒｏｎ－
ｍｅｎｔ．８５：４６３—４７４．
Ｆｒａｎｓｓｏｎ
ＪＥ．ＩｓｒａｅｌｓｓｏｎＨ．１９９９．Ｅｓｔｉｍａｔｉｏｎｏｆｓｔｅｍｖｏｌｕｍｅｉｎ
ｂｏｒｅａｌｆｏｒｅｓｔｓｕｓｉｎｇＥＲＳ．１Ｃ．ｂａｎｄ
ＪＥＲＳ．１Ｌ．ｂａｎｄＳＡＲｄａ－
ｔａ．Ｉｎｔｅｒｎａｔｉｏｎａｌ如ｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ．２０：２１３－１３８．
ＨａｍｅＴ。ＳａｌｌｉＡ。ＡｎｄｅｒｓｓｏｎＫ。ｅｔａ１．１９９７．Ａ
ｎｅｗ
ｍｅｔｈｏｄｏｌｏ．
ｇＹ
ｆｏｒｔｈｅｅｓｔｉｍａｔｉｏｎｏｆｂｉｏｍａｓｓｏｆｃｏｎｉｆｅｒ—ｄｏｍｉｎａｔｅｄｂｏｒｅａｌ
ｆｏｒｅｓｔｕｓｉｎｇＮＯＡＡＡＶＨＲＲｄａｔａ．Ｉｎｔｅｒｎａｔｉｏｎａｌ１０ｕｒｎａｌｏｆ
ＲｅｍｏｔｅＳｅｎｓｉｎｇ，１８：３２１ｌ－３２４３．
ＨａｒｉｐｒｉｙａＧＳ．２０００．ＥｓｔｉｍａｔｅｓｏｆｂｉｏｍａｓｓｉｎＩｎｄｉａｎｆｏｒｅｓｔｓ．Ｂｉ．
ｏｍａｓｓａｎｄＢｉｏｅｎｅｒｇｙ，１９：２４５－２５８．Ｈｏｅｋｍａｎ
ＤＨ．ＱｕｉｆｉｏｎｅｓＭＪ．２０００．Ｌａｎｄ
ｃｏｖｅｒ
ｔｙｐｅａｎｄｂｉｏ．‘
ｌｌｌａＳＳ
ｃｌａｓｓｉｆｉｃａｔｉｏｎｕｓｉｎｇＡｉｒｓＡＲｄａｔａｆｏｒｅｖａｌｕａｔｉｏｎｏｆｍｏ－
ｎｉｔｏｒｉｎｇｓｃｅｎａｒｉｏｓｌｎｔｈｅＣｏｌｏｂｉａｎＡｍａｚｏｎ．１ＥＥＥ
Ｔｒ口ｎｓａｃ．
ｔｉｏｎｓ
ｏｎ
Ｇｅｏｓｃｉｅｎｃｅ
ａｎｄ
Ｒｅｍｏｔｅ
Ｓｅｎｓｉｎｇ，３８：６８５—６９６．
ＨｏｕｇｈｔｏｎＲＡ，ＬａｗｒｅｎｃｅＫＩ，ＨａｃｋｌｅｒＪＬ，ｅｔａ１．２００１．Ｔｈｅｓｐａ－
ｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｆｏｒｅｓｔｂｉｏｍａｓｓｉｎｔｈｅＢｒａｚｉｌｉａｎＡｍａｚｏｎ：
Ａ
ｃｏｍｐａｒｉｓｏｎｏｆｅｓｔｉｍａｔｅｓ．ＧｌｏｂａｌＣｈａｎｇｅＢｉｏｌｏｇｙ，７：７３１
—７４６．
ＨｕｅｔｅＡ．ＤｉｄａｎＫ，ＭｉｕｒａＴ．税ⅡＺ．２００２．Ｏｖｅｒｖｉｅｗｏｆｔｈｅ
ｒａｏ
ｄｉｏｍｅｔｒｉｅａｎｄｂｉｏｐｈｙｓｉｃａｌｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅＭＯＤＩＳｖｅｇｅ—
ｔａｔｉｏｎｉｎｄｉｃｅｓ．Ｒｅｍｏｔｅ
Ｓｅｎｓｉｎｇｏｆ
Ｅｎｖｉｒｏｎｍｅｎｔ。８３：１９５－
２１３．Ｉｍｈｏｆｆ
ＭＬ．ＪｏｈｎｓｏｎＰ．２０００．ＢｉｏＳＡＲ／ｓｕｐＴＭ／：Ａｎｉｎｅｘｐｅｎ—
ｓｉｖｅ
ａｉｒｂｏｒｎｅＶＨＦｍｕｈｉｂａｎｄＳＡＲｓｙｓｔｅｍｆｏｒｖｅｇｅｔａｔｉｏｎｂｉ．
ｏｎｉａｓ８
ｍｅａｓｕｒｅｍｅｎｔ．ＩＥＥＥ
Ｔｒａｎｓａｃｔｉｏｎｓ
ｏｎ
Ｇｅｏｓｃｉｅｎｅｅ
ａｎｄ
万
方数据
遥感在森林地上生物量估算中的应用
作者：作者单位：刊名：英文刊名：年，卷(期)：被引用次数：
何红艳， 郭志华， 肖文发， HE Hong-yan， GUO Zhi-hua， XIAO Wen-fa中国林业科学研究院森林生态环境与保护研究所,北京,100091生态学杂志
CHINESE JOURNAL OF ECOLOGY2007,26(8)12次
参考文献(40条)
1. 方精云. 陈安平. 赵淑清 中国森林生物量的估算:对Fang等Science一文(Science,2001,291:2320-2322)的若干说明[期刊论文]-植物生态学报 2002(02)
2. 郭志华. 彭少麟. 王伯荪 利用TM数据提取粤西地区的森林生物量[期刊论文]-生态学报 2002(11)3. 彭少麟. 郭志华. 王伯荪 RS和GIS在植被生态学中的应用及其前景 1999(05)
4. 王正兴. 刘闯. Alfredo HE 植被指数研究进展:从AVHRR-NDVI到MODIS-EVI[期刊论文]-生态学报 2003(05)5. Al-Bakri JT. Taylor JC Application of NOAA AVHRR for monitoring vegetation conditions and biomassin Jordan[外文期刊] 2003(3)
6. Baccini A. Friedl MA. Woodcock CE Forest biomass estimation over regional scales using multisourcedata [外文期刊] 2004
7. Benchalli SS. Prajapati RC Biomass prediction through remote sensing[外文期刊] 2004
8. Carlos SJr. Firestone L. Silva LM Mapping forest degradation in the Eastern Amazon from SPOT 4through spectral mixture models[外文期刊] 2003(4)
9. Clark DB. Read JM. Clark ML Application of 1-M and 4-M resolution satellite data to ecologicalstudies of tropical rain forests[外文期刊] 2004(1)
10. Dong JR. Kaufmann RK. Myneni RB Remote sensing estimates of boreal and temperate forest woodybiomass:Carbon pools,sources,and sinks[外文期刊] 2003(3)
11. Fang JY. Chen AP. Peng CH Changes in forest biomass carbon storage in china between 1949 and 1998[外文期刊] 2001
12. Fensholt R Earth observation of vegetation status in the Sahelian and Sudanian WestAfrica:Comparison of Terra MODIS and NOAA AVHRR satellite data[外文期刊] 2004(9)
13. Field CB. Randerson JT. Malmstrom CM Global net primary production:Combining ecology and remotesensing [外文期刊] 1995(1)
14. Foody GM. Cutler ME. Mcmorrow J Mapping the biomass of Bornean tropical rain forest from remotelysensed data[外文期刊] 2001(4)
15. Foody GM. Boyd DS. Cutler ME Predictive relations of tropical forest biomass from Landsat TM dataand their transferability between regions[外文期刊] 2003(4)
16. Fransson JE. Israelsson H Estimation of stem volume in boreal forests using ERS-1 C-band JERS-1 L-band SAR data[外文期刊] 1999(1)
17. Hame T. Salli A. Andersson K A new methodology for the estimation of biomass of conifer-dominatedboreal forest using NOAA AVHRR data[外文期刊] 1997
18. Haripriya GS Estimates of biomass in Indian forests[外文期刊] 2000(4)
19. Hoekman DH. Qui(n)ones MJ Land cover type and biomass classification using AirSAR data forevaluation of monitoring scenarios in the Colobian Amazon[外文期刊] 2000(2, Part 1)
20. Houghion RA. Lawrence KI. Hackler JL The spatial distribution of forest biomass in the BrazilianAmazon:A comparison of estimates[外文期刊] 2001(7)
21. Huete A. Didan K. Miura T Overview of the radiometric and biophysical performance of the MODISvegetation indices[外文期刊] 2002
22. Imhoff ML. Johnson P BioSAR/sup TM/:An inexpensive airborne VHF multiband SAR system forvegetation biomass measurement[外文期刊] 2000(3)
23. Kawamura K. Akiyama T Monitoring of forage conditions with MODIS imagery in the Xilingolsteppe,Inner China[外文期刊] 2005(7)
24. Kurvonen L. Pulliainen J. Hallikainen M Retrieval of biomass in boreal forests from multitempotalERS-1 and JERS-1 SAR images[外文期刊] 1999(1 pt 1)
25. Lefsky MA. Cohen WB. Harding DJ Lidar remote sensing of above-ground biomass in three biomes[外文期刊] 2002(5)
26. Meer FD. Bakker W. Scholte K Spatial scale variations in vegetation indices and above-groundbiomass estimates:Implications for MERIS[外文期刊] 2001(17)
27. Michalek JL. French NHF. Kasischke ES Using Landsat TM data to estimate carbon release from burnedbiomass in an Alaska spruce forest complex[外文期刊] 2000(2)
28. Moreau S. Bosseno R. Gu XF Assessing the biomass dynamics of Andean bofedal and totora high-proteinwetland grasses from NOAA/AVHRR[外文期刊] 2003(4)
29. Nelson R. Jimenez J. Schnell CE Canopy height models and airborne lasers to estimate forestbiomass:Two problems[外文期刊] 2000(11)
30. Phua MH. Satio H Estimation of biomass of a mountainous tropical forest using Landsat TM data[外文期刊] 2003
31. Rahman MM. Csaplovics E. Koch B An efficient regression strategy for extracting forest biomassinformation from satellite sensor data[外文期刊] 2005(7)
32. Read JM. Clark DB. Venticinque EM Application of merged 1-m and 4-m resolution satellite data toresearch and management in tropical forests[外文期刊] 2003(3)
33. Richards GP. Brack C A continental biomass stock and stock change estimation approach forAustralia [外文期刊] 2004
34. Samimi C. Kraus T Biomass estimation using Landsat-TM and -ETM+ towards a regional model forSouthern Africa[外文期刊] 2004(3)
35. Sannier CAD. Taylor JC Real-time monitoring of vegetation biomass with NOAA-AVHRR in EtoshaNational Park,Namibia,for fire risk assessment[外文期刊] 2002(1)
36. Santos JR. Freitas CC. Araujo LS Airborne P-band SAR applied to the aboveground biomass studies inthe Brazilian tropical rainforest[外文期刊] 2003(4)
37. Treuhaft RN Structure-based forest biomass from fusion of radar and hyperspectral observations[外文期刊] 2003(9)
38. Tsolmon R. Tateishi R. Tetuko JS A method to estimate forest biomass and its application to monitorMongolian Taiga using ERS-1 SAR data[外文期刊] 2002(22)
39. Toan TL. Beaudo A. Riom J Relating forest biomass to SAR data[外文期刊] 1992(2)
40. Tomppo E. Nilsson M. Rosengren M Simultaneous use of Landsat-TM and IRS-1C WiFS data in estimatinglarge area tree stem volume and aboveground biomass[外文期刊] 2002(1)
本文读者也读过(10条)
1. 徐新良. 曹明奎. XU Xinliang. CAO Mingkui 森林生物量遥感估算与应用分析[期刊论文]-地球信息科学2006,8(4)
2. 杨存建. 刘纪远. 张增祥 热带森林植被生物量遥感估算探讨[期刊论文]-地理与地理信息科学2004,20(6)3. 王淑君. 管东生. WANG Shujun. GUAN Dongsheng 神经网络模型森林生物量遥感估测方法的研究[期刊论文]-生态环境2007,16(1)
4. 马泽清. 刘琪璟. 徐雯佳. 李轩然. 刘迎春. MA Ze-qing. LIU Qi-jing. XU Wen-jia. LI Xuan-ran. LIU Ying-chun 基于TM遥感影像的湿地松林生物量研究[期刊论文]-自然资源学报2008,23(3)
5. 李娜. 黄从德. LI Na. HUANG Congde 川西亚高山针叶林生物量遥感估算模型研究[期刊论文]-林业资源管理2008(3)
6. 张宝雷. 张淑敏. 周万村. ZHANG Bao-lei. ZHANG Shu-min. ZHOU Wan-cun 森林分布遥感获取方法在三峡库区的应用[期刊论文]-长江科学院院报2007,24(4)
7. 张佳华. 符淙斌. Zhang Jiahua. Fu Congbin 生物量估测模型中遥感信息与植被光合参数的关系研究[期刊论文]-测绘学报1999,28(2)
8. 黄国胜. 夏朝宗. HUANG Guosheng. XIA Chaozong 基于MODIS的东北地区森林生物量研究[期刊论文]-林业资源管理2005(4)
9. 张慧芳. 张晓丽. 黄瑜. Zhang Huifang. Zhang Xiaoli. Huang Yu 遥感技术支持下的森林生物量研究进展[期刊论文]-世界林业研究2007,20(4)
10. 安树杰. 张晓丽. 王震. 李春艳. AN Shu-ji. ZHANG Xiao-li. WANG Zhen. LI Chun-yan 生物量估测中的遥感技术[期刊论文]-林业调查规划2006,31(3)
引证文献(15条)
1. 张正健. 刘志红. 郭艳芬. 韩建宁. 李扬 偏最小二乘在遥感监测西藏草地生物量上的应用[期刊论文]-草地学报2009(6)
2. 武高洁. 郭志华. 郭菊兰. 朱耀军 红树林湿地地上生物量遥感估算研究进展[期刊论文]-南方农业学报 2013(4)3. 马义. 康芳. 郭昊 基于偏最小二乘方法估测生物量模型的应用[期刊论文]-华章 2011(5)
4. 马延辉. 林辉. 孙华 湖南省主要森林类型植被指数动态变化分析[期刊论文]-水土保持研究 2010(3)5. 薛巍. 张秋良. 赵鹏翔. 李卫忠 基于遥感技术的森林生物量估算应用[期刊论文]-水土保持研究 2009(2)6. 徐改花. 张福平. 周正朝. 甘卓亭. 蒲蕾. 陈丽 利用数码相片对冬小麦生物量的试算[期刊论文]-资源开发与市场2011(3)
7. 汤旭光. 刘殿伟. 王宗明. 贾明明. 董张玉. 刘婧怡. 徐文明 森林地上生物量遥感估算研究进展[期刊论文]-生态学杂志 2012(5)
8. 陈文烯 基于遥感数据的森林生物量测定理论与方法[期刊论文]-亚热带水土保持 2013(2)
9. 汪少华. 张茂震. 赵平安. 陈金星 基于TM影像、森林资源清查数据和人工神经网络的森林碳空间分布模拟[期刊论
文]-生态学报 2011(4)
10. 林伟. 胡理乐. 郑博福. 李俊生 林线树种太白红杉碳储量估算[期刊论文]-环境科学研究 2010(12)11. 娄雪婷. 曾源. 吴炳方 森林地上生物量遥感估测研究进展[期刊论文]-国土资源遥感 2011(1)
12. 宋巍巍. 管东生. 王刚 地形对植被生物量遥感反演的影响——以广州市为例[期刊论文]-生态学报 2012(23)13. 汪少华. 张茂震. 赵平安. 陈金星 基于TM影像、森林资源清查数据和人工神经网络的森林碳空间分布模拟[期刊论文]-生态学报 2011(4)
14. 宋巍巍. 管东生. 王刚 地形对植被生物量遥感反演的影响——以广州市为例[期刊论文]-生态学报 2012(23)15. 汤萃文. 陈银萍. 陶玲. 肖笃宁 森林生物量和净生长量测算方法综述[期刊论文]-干旱区研究 2010(6)
本文链接：http://d.wanfangdata.com.cn/Periodical_stxzz200708030.aspx