實(shí)時(shí)準(zhǔn)確的掌握樹(shù)種組成和森林地上生物量等林分信息對(duì)于制定合理的森林管理策略來(lái)保證森林結(jié)構(gòu)功能和應(yīng)對(duì)各種干擾機(jī)制是非常重要的。通過(guò)KNN方法將野外調(diào)查數(shù)據(jù)與遙感數(shù)據(jù)相結(jié)合是估算區(qū)域尺度樹(shù)種組成和生物量等屬性的常用方法,該方法的估算精度受到距離參數(shù)、k值和遙感數(shù)據(jù)時(shí)相的影響。中國(guó)科學(xué)院沈陽(yáng)應(yīng)用生態(tài)研究所景觀過(guò)程組研究團(tuán)隊(duì)與美國(guó)地質(zhì)調(diào)查局研究人員合作,利用KNN方法將野外調(diào)查數(shù)據(jù)與5-10月份的MODIS數(shù)據(jù)相結(jié)合估算了大興安嶺樹(shù)種水平(每個(gè)樹(shù)種)地上生物量,并探討了6種常用的距離參數(shù)(Random Forest, Euclidean distance, Mahalanobis distance, most similar neighbor in canonical correlation space, most similar neighbor computed using projection pursuit, and gradient nearest neighbor)、不同k值及不同時(shí)相的MODIS數(shù)據(jù)對(duì)估算結(jié)果的影響。
研究結(jié)果顯示:Random Forest距離參數(shù)表現(xiàn)出了最好的估算精度,6月份的MODIS數(shù)據(jù)獲得了比其他月份更好的估算精度,k值選擇6較為合適,估算結(jié)果能夠較好的反應(yīng)由于林火和采伐等因素對(duì)樹(shù)種水平森林地上生物量的影響,并且隨著尺度的上升估算結(jié)果表現(xiàn)出了更高的可信度。
上述研究以Integrating forest inventory data and MODIS data to map species-level biomass in Chinese boreal forests為題發(fā)表在Canadian Journal of Forest Research雜志上。景觀過(guò)程組博士生張慶龍為第一作者,梁宇副研究員和賀紅士教授為通訊作者。相關(guān)工作得到了國(guó)家自然基金委項(xiàng)目、國(guó)家重點(diǎn)研發(fā)計(jì)劃和美國(guó)國(guó)家項(xiàng)目生物碳封存評(píng)價(jià)等項(xiàng)目的支持。(梁宇)

圖1. 樹(shù)種水平地上生物量隨精度隨不同kNN距離參數(shù)、k值及MODIS數(shù)據(jù)時(shí)相(All, May,…,Oct)的變化

圖2. 樹(shù)種水平地上生物量在像元尺度(a)和生態(tài)區(qū)尺度的估算精度(b)

圖3.估算的樹(shù)種水平地上生物量分布圖(a)及總地上生物量隨海拔的變化(b)




