国产高分遥感数据融合算法的林业生态研究综述
摘 要：城市绿地在城市生态环境和城市气候改善方面都有显著作用。有调查显示80%以上的CO2排放来自于城市，这导致了城市建成区近地面的CO2浓度是城市外地区的几倍以上,这种邻近效应促使了城市绿地在碳捕获和固定效率相对较高，城市绿地自然也成为了城市生态系统中重要的碳汇，由此本文将探究城市绿地生态研究的必要性以及国内外研究进展，但整理发现国内外研究中大多使用Landsat遥感影像作为数据源，而高分一号卫星融合了高空间分辨率、多光谱与宽覆盖相结合的光学遥感等关键技术在城市绿地生物量的估算中还鲜有应用。
关键词：城市绿地生物量；高分遥感数据；林业生态；
城市绿地生态研究的必要性
随着城市化进程不断加快，城市人口、各种工厂、企业数量也在不断增多，CO2、CH4等温室气体的排放也明显增多，有调查显示80%以上的CO2排放来自于城市[1]。城市绿地是城市生态环境系统的重要组成部分，它在美化环境的同时，不仅有益于人们的身心健康，而且可以吸收空气中CO2等气体。由于城市建成区近地面的CO2浓度是城市外地区的几倍以上,这种邻近效应使得城市(镇)绿地植被碳捕获和固定效率相对较高[1]~[2][3][4][5]，这将促使其对城市碳排放的吸收，体现出城市绿地对改善城市生态环境质量也起着极大的作用，表明城市绿地在城市碳吸收方面有很大潜力[2]。
目前,众多研究者对自然山体或人工林等成片林地的生物量、碳储量的变化有较深入的研究。城市绿地存在空间异质性较大、斑块破碎程度高等诸多因素不利于城市绿地生物量、碳储量的计算。虽然目前对于城市绿地方面己有众多研究成果[6]~[7][8][9]，但就大尺度、时间序列城市绿地生物量的研究还不足，难以确切地反映绿地生物量在时间序列中的变化过程和特征。城市是一个人口密度相对较高的区域，城市绿地在二氧化碳吸收及循环过程中所发挥的作用在不断增强，而且其影响的范围不仅仅只局限于城市的边界之内。
广义的城市绿地主要包括居住区绿地、交通绿地、附属绿地、生产防护绿地、公共绿地，即森林公园、游憩林荫待等;位于城郊的风景区绿地，即风景浏览区、修养区、疗养区等六大类型。由于各种绿地类型在城市中交叉存在，因此本文将居住区绿地、交通绿地、附属绿地、生产防护绿地、公共绿地等统称为人工绿地:而位于城郊的大面积风景园林绿地称为天然林地。生物量能够良好地体现碳储量的大小，城市绿地生物量的准确估计对城市碳储量研究有着极其重要的作用。所以，对城市绿地生物量准确估计的研究具有重要意义。
研究进展
国外生物量估算研究现状
最早有关生物量是Ebermeryerl[10]在1876年就对树枝、落叶和干材之间的关系进行了研究。从此之后，人们就进行最初的生物量研究，通过野外实测的数据进行相应的相关性分析和估算。最初的研究对象也就是农作物、草场及森林的产量。后来,Boysen[11](1910)在对森林自然稀疏问题进行研究时讨论了森林的初级生产量。从20世纪50年代开始，世界上陆续开始了对森林生物量的研究，美国和日本也相继展开了对森林生产力的相关研究，其中就有大量有关生物量调查的研究。Kitergel[12](1944)利用树叶的重量与树木胸径的相关关系,成功拟合了估算白松等树种叶量的对数回归模型。1952年，Burger[13]对树叶生物量与木材的生产关系进行研究。随着遥感技术的迅速发展，遥感影像以其多波段、多时相、多空间分辨率等优势，能够快速、精确、大范围和多尺度地获取地球表面丰富的资源与信息,使其逐渐成为估算区域生物量的有效方式[14]。最初，研究人员用Landsat MSS影像对植被的叶面积指数和活立木的生物量进行监测[15][16]。TuckerCJ等[15](1975)在没有考虑一些枯立植被的情况下，对矮草大草原进行样地调查，对获得的光谱反射数据进行研究,研究数据结果表明样地活植被的生物量与植被的叶绿素、绿色生物量及其叶的含水量之间存在一定的相关关系。后来，更多的是利用Landsat TM和NOAA/AVHRR影像数据来监测植被生长和生物量[17]~[18][19][20][21]。如Curran[22](1992)通过Landsat TM影像研究红光、近红光波段与叶的生物量的相关关系，研究结果表明它们之间存在较强的相关性。Hameli[17](1997)利用地而野外样地调查数据与TM、AVHRR影像数据相结合，对欧洲数百万平方公里的森林生物量进行估算。Hame等[18]在森林样地调查数据的基础上构建了TM3、TM4波段数据及它们的组合与森林蓄积量的关系，将用该经验模型应用到NOAA /AVHRR数据的AVHRRI和AVHRR2波段，对芬兰北部地区的森林碳储量分布情况进行估算。Dong等[23](2003)利用NOAA AVHRR数据及森林清查数据,建立了空间与时间不同尺度上的生物量和植被指数相关关系的回归模型，对六个国家的167个省和州的森林木质生物量中的碳进行估算。Muukkonen等[24](2005)分别选用非线性与神经网络两种方法对生物量分别建模，研究结果表明ASTER的所有波段与树木生物量之间都有很强的相关关系，尤其是绿波段。跟以前的一些研究相比，精度有明显的提高。Wulder等[25]利用波形数据与ETM 进行了大区域的森林制图研究。近年来，不同的星载跟机载SAR数据都广泛用于地球植物生物量的估算。人们通过卫星遥感数据能够监测大陆甚至全球尺度上的自然资源。如Hrell等(1995)指出合成孔径雷达(SAR)在区域或局部尺度上对植被的生物量监测、生物量分布领域，它可以获得计算生物量所需要的胸径、高度、密度、年龄等参数。Boyd等[27](1999)利用影像的可见光、近红外、中红外和热红外的波段组合成不同的植被指数,然后分别与森林覆盖度进行相关性分析，探讨他们之间的相关关系Dubayah等[28](2000)运用激光雷达数据进行不同树种(针叶落叶林、松树林等)和高郁闭度热带雨林的树高数据进行分析，研究表明所测树高与地上生物量有很强的相关性。Smithl[29](2002)对比了LiDAR数据和SAR数据在估测森林蓄积量方面的研究。JASON B.DRAKE等[30]利用雷达数据对热带森林地.上生物量进行估计。T.R. Feldpausch等[31](2012) 通过考虑树高(H)因子对热带林木生物量估计,结果发现比只考虑胸径(D)所得结果精度高。A. D. A. Castanho .等[32](2013)通过考虑不同植被的空间异质性建立亚马逊河流域的地表植被生物量及生产力估算模型，使其估算精度有很大提高。Victor Klemasl[33] (2013)通过遥感数据与地面样地调查数据相结合确定沿海湿地生物量于长期潮汐沼泽变化的关系。V.Meyer等[34](2013)通过两种机载激光雷达测量方法，采用五个相对高度和平均树冠高度两种方法对巴拿马科罗拉多岛的热带森林生物量建立模型估测，与热带科学森林中心(CTFS)的调查数据进行精度对比，得出当面积不小于10公顷时，用平均树冠高度的模型可以很好的对热带森林生物量进行预估。可见，一般基于遥感的生物量估算的研究思路是从光学遥感生物量估测发展到激光雷达生物量估测:从中、低分辨率逐步发展到高分辨率影像数据，估算的方法和精度都在不断的发展和提高。
对城市森林/绿地的碳汇功能重要性的认识，北美一些国家相对比较早，也研发出一些相关的计算机软件，如City-green、UFORE等对城市森林吸收CO2及碳储量的估算。其中，City-green 是一个基于遥感技术的工具，使用相对比较方便，但在城市尺度上由于只考虑了林地面积，忽略了树种组成所带来的差异，并以一般林地的碳汇功能为基础，因此,对城市森林CO2吸收估算精度有所影响:UFORE模型通过大量的样地调查，从而获取城市森林的树种组成与种群结构特点，并记录树木的胸径及叶面积数据，结合相关的气象数据等环境因素后计算得到，但由于城市环境的空间异质性比较大、样地设置需要很大的工作量,所投入的资金也比较大。目前，Nowakl[36]对于城市森林的研究成果进行了总结，借助遥感影像建立归一化植被指数(NDVI, Normalized Difference Vegetation Index)与林地生物量的关系模型。归一化植被指数是近红外波段与可见光波段反射率之差与之和的比值，它能够反映植被覆盖状况。它这种方法的优点在于可用很少的样地数量可以计算出生物量的空间分布，能够克服城市空间特性差异大的不足。利用UFORE模型与遥感影像相结合,Nowank等[37]对全美及其各个州的城市森林效益进行了估算,其中就包括了它的碳汇能力，这也是世界上在国家层面上对城市森林功能的测算的先例。这些研究仍然是以城市市域为范围，基于中等分辨率遥感影像，关注成片森林的生物量/碳储量计算，或者是基于高空间分辨率遥感影像，综合运用相关气象等其他相关的数据，对城市森林生物量进行估算。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
