联合GF-6和Sentinel-2红边波段的森林地上生物量反演

• 作者: 蒋馥根 孙华 李成杰 马开森 陈松 龙江平 任蓝翔
• 来源期刊: 生态学报
• 关键词: 森林地上生物量 落叶松 樟子松 遥感反演 GF-6 Sentinel-2
• 年，卷（期）: 2022,（20）
• 所属期刊栏目: 研究论文
• 页码范围: 8222-8236
• 页数: 14页
• 语种: 中文
• DOI: 10.5846/stxb202012173204

摘要

光谱反射率能反映地物差异，是森林地上生物量(Aboveground Biomass，AGB)遥感反演的理论基础。红边波段处于近红外与红光波段交界处快速变化的区域，能对植被冠层结构和叶绿素含量的微小变化做出快速反应，对植被生长状况较敏感。研究以GF-6和Sentinel-2多光谱影像作为数据源，结合野外调查AGB数据，构建落叶松和樟子松AGB线性和非线性估测模型，通过比较模型精度选择最优模型进行森林AGB反演和空间分布制图。结果表明：GF-6和Sentinel-2影像红边波段反射率与落叶松、樟子松AGB均呈显著相关(P<0.05)，红边波段对AGB估测较敏感。多变量估测模型整体估测效果优于单变量模型，所有模型中多元线性回归模型取得了最优的决定系数(落叶松R2=0.66，樟子松R2=0.65)和最低的均方根误差(落叶松RMSE=31.45 t/hm2，樟子松RMSE=54.77 t/hm2)。相比单个数据源，联合GF-6和Sentinel-2影像构建的多元线性回归模型估测效果得到了显著提升，模型RMSE对于落叶松和樟子松AGB估测分别最大降低了22.9%和11.2%。增加红边波段进行AGB估测能显著提高模型估测精度，三组数据源分别加入红边波段信息后进行建模，模型RMSE得到了显著降低。GF-6拥有800 km观测幅宽和高效的重访周期，可以快速地提供大尺度时间序列数据，在森林地上生物量反演和动态监测方面有着很大潜力。