• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于地統(tǒng)計學和多源遙感數(shù)據(jù)的森林碳密度估算*

    2017-08-30 14:24:16嚴恩萍趙運林莫登奎王廣興
    林業(yè)科學 2017年7期
    關鍵詞:樣地高斯協(xié)同

    嚴恩萍 趙運林 林 輝 莫登奎 王廣興,3

    (1.中南林業(yè)科技大學 林業(yè)遙感大數(shù)據(jù)與生態(tài)安全湖南省重點實驗室 長沙 410004; 2.中南林業(yè)科技大學林學院 長沙 410004;3.南伊利諾伊大學地理系 卡本代爾 629012)

    基于地統(tǒng)計學和多源遙感數(shù)據(jù)的森林碳密度估算*

    嚴恩萍1,2趙運林1,2林 輝1,2莫登奎1,2王廣興1,2,3

    (1.中南林業(yè)科技大學 林業(yè)遙感大數(shù)據(jù)與生態(tài)安全湖南省重點實驗室 長沙 410004; 2.中南林業(yè)科技大學林學院 長沙 410004;3.南伊利諾伊大學地理系 卡本代爾 629012)

    【目的】 基于遙感影像空間分辨率和地面樣地大小不一致的現(xiàn)象,采用地統(tǒng)計學和多源遙感數(shù)據(jù)進行森林碳密度估算,為MODIS數(shù)據(jù)在區(qū)域森林碳密度估算領域的應用提供參考。【方法】 以湖南省攸縣為試驗區(qū),首先利用基于塊的序列高斯協(xié)同模擬算法,將25.8 m×25.8 m的樣地數(shù)據(jù)分別上推到250 m × 250 m、500 m × 500 m和1 000 m×1 000 m; 然后將上推后的樣地數(shù)據(jù)分別與MOD13Q1、MOD09A1、MOD15A2數(shù)據(jù)結合,利用序列高斯協(xié)同模擬算法開展區(qū)域森林碳密度估算研究; 最后將最優(yōu)結果用于湖南省森林碳密度估算?!窘Y果】 Landsat5和MODIS數(shù)據(jù)與森林碳密度的敏感因子具有高度相似性,排在前3位的分別為1/TM3、1/TM2、1/TM1和1/Band1、1/Band4、1/Band3; 與植被指數(shù)產(chǎn)品MOD13Q1和MOD15A2相比,多光譜數(shù)據(jù)Landsat5和MOD09A1在攸縣森林碳密度估算方面顯示出巨大潛力,估算精度分別為82.02%和75.64%; 基于MOD09A1的序列高斯協(xié)同模擬算法具有很好的適用性,可用于湖南省森林碳密度的空間模擬,估算精度為74.07%?!窘Y論】 采用基于塊的序列高斯協(xié)同模擬算法,可以實現(xiàn)由地面樣地到不同空間分辨率MODIS像元之間的轉換; 由于空間分辨率的限制,MOD09A1數(shù)據(jù)在刻畫空間細節(jié)方面不如Landsat5精細。該研究方法適用于地面調查樣地大小和遙感影像空間分辨率不一致的區(qū)域森林碳密度估算。

    林業(yè)遙感; 森林資源清查; 多源遙感; 基于塊的序列高斯協(xié)同模擬; 森林碳密度

    作為陸地生態(tài)系統(tǒng)的主體,森林貯存了陸地生態(tài)系統(tǒng)有機碳的76%~98%,在全球碳循環(huán)中發(fā)揮著重要作用(劉暢等, 2014; Yanetal., 2015)。森林碳蘊含著豐富的地表結構和功能信息,近年來,隨著全球氣候變化和“溫室效應”的加劇,森林碳密度的空間分布和動態(tài)變化研究日益受到重視(嚴恩萍等, 2015; Zhaoetal., 2016)。遙感技術的快速發(fā)展和國家森林資源清查體系的持續(xù)推進,基于遙感影像和地面樣地數(shù)據(jù)的估算方法日趨成熟,如回歸分析、神經(jīng)網(wǎng)絡、KNN和空間模擬等(Tianetal., 2012; Wangetal., 2004a; 2009; Luetal., 2012; 戚玉嬌等, 2015),但受調查成本的限制,目前森林資源調查樣地大小主要分布于10 m × 10 m~50 m × 50 m之間,然而區(qū)域森林碳密度制圖采用的遙感影像空間分辨率通常在100 m × 100 m~1 000 m × 1 000 m。如湖南省森林資源清查的樣地大小為25.8 m × 25.8 m,但是Ladsat5和MODIS數(shù)據(jù)的像元大小分別為30 m × 30 m和250 m × 250 m、500 m × 500 m、1 000 m × 1 000 m,存在明顯的遙感影像空間分辨率和地面樣地大小不一致的現(xiàn)象。因此,需要建立一種尺度轉換關系,將小尺度的地面樣地同大尺度的遙感像元結合起來。

    目前,常用的尺度上推方法有最鄰近像元法、窗口平均法和塊克里格法。最鄰近像元法假設較大的塊由N個較小的像元組成,將離塊中心最近的像元值分配給塊,該方法雖然簡單,但是效果不好,無法真實反映較小單元數(shù)據(jù)間的細微變化; 窗口平均法是一種簡單且使用廣泛的尺度上推方法,即假設窗口內所有像元具有相同的權重,將窗口內像元的平均值賦值給較大的窗口,但忽略了樣本數(shù)據(jù)間的空間自相關性(Wangetal., 2004b); 塊克里格法是通過計算塊內較小像元的克里金估計(冉有華等, 2009),然后計算所有子像元平均值的一種地統(tǒng)計學方法,林業(yè)上常用的是序列高斯協(xié)同模擬算法。如張茂震等(2009; 2014)將森林資源清查樣地數(shù)據(jù)與Landsat5影像結合,采用序列高斯協(xié)同模擬算法繪制了臨安市和仙居縣森林碳的空間分布,發(fā)現(xiàn)模擬結果與地面樣地數(shù)據(jù)具有較好的空間一致性。沈希等(2011)以臨安市為研究區(qū),比較了序列高斯協(xié)同模擬和一元二次非線性回歸算法刻畫森林碳分布的真實程度,發(fā)現(xiàn)前者模擬結果更接近地面樣地估算結果。但這些研究多單純采用Landsat5數(shù)據(jù),缺少利用序列高斯協(xié)同模擬算法結合多源遙感數(shù)據(jù)開展區(qū)域森林碳密度估算的研究,特別是結合MODIS這種多空間分辨率的大尺度數(shù)據(jù)。

    鑒于此,本研究首先以森林資源清查數(shù)據(jù)和Landsat5影像為信息源,利用基于塊的序列高斯協(xié)同模擬算法,將25.8 m × 25.8 m的樣地數(shù)據(jù)分別上推到250 m × 250 m、500 m × 500 m和1 000 m × 1 000 m, 然后將MODIS數(shù)據(jù)和上推后的樣地數(shù)據(jù)結合開展森林碳密度估算,最后將最優(yōu)結果用于湖南省森林碳密度的估算研究,以期為MODIS數(shù)據(jù)在區(qū)域森林碳密度估算領域的應用提供參考。

    1 材料與方法

    1.1 研究區(qū)概況

    研究區(qū)位于湖南省東部的攸縣(圖1),113°09′09″—113°51′30″E,26°46′34″—27°26′30″N。境內四季分明,雨水充足,土壤肥沃,屬中亞熱帶季風濕潤氣候常綠闊葉林帶,年均氣溫17.8 ℃,無霜期292天,年降水量1 410 mm左右。全縣現(xiàn)有林地166 866.7 hm2,其中森林蓄積量和森林覆蓋率分別達到311.87 m3和57.24%。

    圖1 研究區(qū)位置Fig.1 Geographic position of study area

    1.2 數(shù)據(jù)來源與預處理

    1.2.1 固定樣地數(shù)據(jù) 現(xiàn)有森林碳密度估算一般通過直接或間接測定獲取森林生物量,再乘以生物量中的含碳率推算而得。本文以攸縣2009年森林資源清查數(shù)據(jù)為基礎,利用生物量回歸方程分樹種(組)計算生物量,再乘以相應樹種的含碳率系數(shù),獲取研究區(qū)固定樣地碳密度數(shù)據(jù)。固定樣地是以4 km × 8 km抽樣間隔設置的正方形樣地,樣地面積0.067 hm2。樣地調查因子包括樣地類別、地類、齡組、優(yōu)勢樹種、樹高、胸徑等。

    采用表1列出的回歸模型(李??? 2010),分樹種(組)計算樣地生物量,混交林生物量分別按比例[6杉(Cunninghamialanceolata)4馬(Pinusmassoniana)、5軟闊5硬闊、3.6杉2.4馬2軟闊2硬闊]計算,經(jīng)濟林、灌木林分別按平均生物量23.7 t·hm-2和19.76 t·hm-2計算(吳丹等, 2011),上述3類樹種含碳率均取0.5。對于無明確生物量回歸模型的樹種,采用近似樹種參數(shù)替代。

    將研究區(qū)固定樣地和遙感影像疊加,剔除個別云覆蓋樣地,最后保留78塊樣地作為研究樣本。通過隨機抽樣將樣本數(shù)據(jù)分為建模樣本和驗證樣本,抽樣比例分別為2/3和1/3; 結合湖南省森林資源分布情況,采用分層抽樣選取1/2的固定樣地作為測算樣本,剔除少量云覆蓋樣地,最后保留2 892塊樣地作為研究樣本,其中建模樣本占3/4,驗證樣本占1/4。1.2.2 遙感數(shù)據(jù) 采用Landsat5和MODIS 2種遙感影像。Landsat5數(shù)據(jù)空間分辨率為30 m × 30 m,含云量均低于1%,影像質量較好,用于攸縣森林碳密度遙感反演的接收時間為2009年8月21日(軌道號123/41),用于湖南省森林碳密度反演的Landsat5數(shù)據(jù)接收時間依次為2009年8月21日(軌道號123/40、123/41、123/42)、2009年8月28日(軌道號124/40、124/41、124/42)和2009年7月18日(軌道號125/40、125/41、125/42)。數(shù)據(jù)預處理包括輻射定標、大氣校正和幾何校正3種操作; 數(shù)據(jù)變換包括倒數(shù)運算、比值運算(兩波段、三波段和四波段組合間的比值運算)、植被指數(shù)運算(NDVI、EVI、ARVI和SAVI 4種指數(shù))、主成分變換和紋理變換(均值、角二階矩、對比度、相關、相異、熵、逆差距和方差8種紋理因子),參與運算的波段包括TM1、TM2、TM3、TM4、TM5和TM7共6個原始波段,共計生成88種基于Landsat5的遙感變量。

    ①WS表示樹干生物量,WP表示樹皮生物量,WB表示樹枝生物量,WL表示樹葉生物量,WT表示地上部分總生物量,WR表示地下部分生物量,D表示樣地平均胸徑,H表示樣地平均樹高。WS: stem biomass;WP: bark biomass;WB: branch biomass;WL: leaf biomass;WT: lotal aboveground biomass;D: tree diameter at breast height;H: tree height.

    MODIS數(shù)據(jù)包括MOD13Q1、MOD09A1和MOD15A2共3種產(chǎn)品,空間分辨率分別為250 m × 250 m、500 m × 500 m和1 000 m × 1 000 m,接收時間均為2009年8月21日(軌道號h28v06,用于湖南省森林碳密度反演的MODIS數(shù)據(jù)軌道號包括h27v05、h27v06和h28v06),3種產(chǎn)品的預處理包括投影轉換、影像鑲嵌、影像裁剪以及圖像修復4個步驟,均通過遙感軟件ENVI 5.0實現(xiàn)。其中圖像修復采用IDL語言編程實現(xiàn)(崔麗華等, 2009; Xiangetal., 2013),包括條帶去除和去云處理2部分。同Landsat5,MOD09A1數(shù)據(jù)最后選取Band3、Band4、Band1、Band2、Band6、Band7共6個波段分別進行倒數(shù)運算、比值運算、植被指數(shù)運算、主成分變換和紋理變換,共計生成88種基于MOD09A1的遙感變量; MOD13Q1和MOD15A2均包括2種植被指數(shù)產(chǎn)品,分別為NDVI、EVI和FPAR、LAI,遙感變量均包括原始植被指數(shù)和16種紋理因子。

    為篩選合適的遙感因子,研究運用ArcGIS 10.2軟件提取地面樣地所在位置的遙感因子,利用SPSS 20.0軟件分析遙感變量和樣地森林碳密度值間的Pearson相關性,保留相關性最高的遙感因子參與后續(xù)模擬。

    1.2.3 土地利用數(shù)據(jù) 根據(jù)研究區(qū)實際情況,參照《土地利用現(xiàn)狀分類標準》(GB/T 21010—2015),將研究區(qū)土地利用/覆蓋分為森林、耕地、水體、草地、建設用地和其他用地6大類。在ENVI 5.0遙感軟件支持下,利用先驗知識建立訓練樣本,對處理后的Landsat5遙感影像進行監(jiān)督分類,得到初始分類結果,然后結合森林資源連續(xù)清查數(shù)據(jù)和森林資源分布圖,對監(jiān)督分類結果進行修正,得到覆蓋湖南省和攸縣的2009年土地利用/覆蓋數(shù)據(jù)。經(jīng)檢驗,總體精度分別為85.1%和89.5%,Kappa系數(shù)均超過0.79,精度較高,滿足研究的需要。最后提取分類結果中的森林信息,將其作為掩膜數(shù)據(jù),用于后續(xù)序列高斯協(xié)同模擬和森林碳密度制圖。

    1.3 研究方法

    1.3.1 序列高斯協(xié)同模擬 序列高斯協(xié)同模擬(sequential Gaussian co-simulation, SGCS)是以地面樣地和遙感影像為基礎,通過結合變異函數(shù),利用隨機模擬算法估計未知參數(shù)的方法。該算法假設研究區(qū)由n個等大小的像元構成,每個像元的估計值從已有估計值和周圍樣地數(shù)據(jù)確定的條件累積分布中通過隨機抽樣獲得。該條件分布由一個統(tǒng)計平均數(shù)和方差確定,統(tǒng)計平均數(shù)和方差可以基于已有的地面樣地數(shù)據(jù)和遙感影像通過點位協(xié)同簡單克里格估計實現(xiàn)。具體計算公式如下:

    (1)

    (2)

    式中:zsck(u)代表協(xié)同簡單克里格算法像元位置u處森林碳密度的預測值;δ2(sck)(u)代表協(xié)同簡單克里格算法的預測方差;z(uα)代表樣本數(shù)據(jù),α=1,2,…,n(u);n(u)代表給定搜索范圍內獲得的樣本數(shù)量;y(u)代表像元u處的光譜變量;λsckα、λscky分別代表協(xié)同簡單克里格算法中樣本數(shù)據(jù)和影像數(shù)據(jù)的權重;mz、my分別代表地面樣本數(shù)據(jù)和遙感影像數(shù)據(jù)的均值;Czz(0)代表地面樣本數(shù)據(jù)的方差;Czy(0)代表森林碳密度與遙感影像光譜變量的協(xié)方差; 且當h=uα-u時,Czy(h)代表森林碳密度預測值與光譜變量的交叉協(xié)方差函數(shù)。

    當輸出的森林碳密度分布圖像元與固定樣地大小一致時,SGCS模擬過程為: 1) 用隨機抽樣方法設置一種遍歷每個像元的順序; 2) 從分布中隨機抽取一個像元位置值u,采用協(xié)同簡單克里格算法分別估計像元位置u處的預測值和方差,由此預測值和方差確定一個條件累積分布函數(shù); 3) 從分布中隨機抽取一個值,將其作為隨機變量在像元位置u的實現(xiàn)。重復步驟1~3,直至所有像元都有估計值,進而得到一張覆蓋整個研究區(qū)的森林碳密度分布圖。將該過程執(zhí)行M次,就可得到M張分布圖,通過求和取平均值獲取研究區(qū)森林碳密度的均值分布圖和方差分布圖,本研究的估計次數(shù)M全部取250。具體程序執(zhí)行過程,通過修改Wang等(2004a)提出的空間估計算法實現(xiàn)。變異函數(shù)是序列高斯協(xié)同模擬中最重要的參數(shù)之一,研究采用VARIOWIN 3.0(Pannatier, 1996)分析樣地森林碳密度,采用Spherical標準化模型進行擬合,從中選擇最優(yōu)變異函數(shù)模型。

    1.3.2 基于塊的序列高斯協(xié)同模擬 為解決固定樣地大小(25.8 m × 25.8 m)與MODIS空間分辨率(250 m × 250 m、500 m × 500 m和1 000 m × 1 000 m)不一致的問題,本研究采用Wang等(2004a)提出的尺度轉換方法——基于塊的序列高斯協(xié)同模擬(sequential Gaussian block co-simulation, SGBCS),首先將25.8 m × 25.8 m的地面樣地分別上推到250 m × 250 m、500 m × 500 m和1 000 m × 1 000 m 3種尺度,實現(xiàn)地面樣地數(shù)據(jù)和MODIS像元空間分辨率的匹配; 然后將上推后的樣地數(shù)據(jù)與MODIS數(shù)據(jù)結合,利用序列高斯協(xié)同模擬算法依次開展250 m × 250 m、500 m × 500 m和1 000 m × 1 000 m 3種尺度的森林碳密度估算; 最后將最優(yōu)算法用于湖南省森林碳密度估算,探討其在大區(qū)域森林碳密度估算領域的適用性。地面樣本的劃分同Landsat5數(shù)據(jù),2/3數(shù)據(jù)用于建模,1/3數(shù)據(jù)用于驗證。為深入探討基于塊的序列高斯協(xié)同模擬算法的適用性,本研究將其用于湖南省森林碳密度的估算研究,其中3/4(2 169塊樣地)數(shù)據(jù)作為建模樣本,余下的1/4數(shù)據(jù)(723塊樣地)作為驗證樣本。

    研究包括4種形式的森林碳密度模擬: 1) 基于固定樣地和攸縣Landsat5影像的SGCS(30 m × 30 m); 2) 基于固定樣地和攸縣Landsat5影像的SGBCS(250 m × 250 m、500 m × 500 m和1 000 m × 1 000 m); 3) 基于上推樣地和攸縣MODIS影像的SGCS(250 m × 250 m、500 m × 500 m和1 000 m × 1 000 m); 4) 基于上推樣地和湖南省MODIS影像的SGCS(500 m × 500 m)。

    (3)

    式中:cov(ui,uj)表示像元ui和uj的協(xié)方差,從該累積分布中,隨機抽取一個值作為該塊的模擬值;σ2(sck)表示像元ui的協(xié)同克里格方差。

    基于塊的協(xié)同克里格模擬中,每個塊的條件累積分布取決于塊內像元的預測值和克里格方差以及二者之間的協(xié)方差?;趬K的協(xié)同克里格模擬算法克服了已有尺度上推算法的缺陷,可以較好地運用連續(xù)分布的遙感影像開展森林碳密度的空間估計研究,算法的效果取決于用戶估計的精度、方差和運算時間。

    1.3.3 精度評價 基于固定樣地的森林碳密度估算在由單木水平、樣地水平推算到區(qū)域水平的過程中,存在很大的不確定性,忽略這些不確定性將導致區(qū)域森林碳密度的高估或低估。本研究采用判定系數(shù)(R2)、均方根誤差(root mean square error, RMSE)和相對誤差(relative error, RE)3個指標,分別對Landsat5和MODIS像元水平的森林碳密度模擬結果進行不確定性分析。

    (4)

    (5)

    (6)

    R2可反映估測值與對應實測值之間的趨勢線擬合程度; RMSE雖能很好地反映估測模型的可靠性,但其是一個絕對數(shù),大小與均值相關,無法直觀反映結果的準確程度;RE具有相對性,不僅考慮了樣本估計值與實測值之間誤差的大小,同時也兼顧了樣本本身的大小,其值越小模型的估測精度越高。

    2 結果與分析

    2.1 空間變異函數(shù)

    研究針對攸縣25.8 m × 25.8 m、250 m × 250 m、500 m × 500 m和1 000 m × 1 000 m 4種尺度的樣地數(shù)據(jù)進行半方差函數(shù)擬合(圖2)。變程表示空間變異和自相關函數(shù)的最大距離,觀察圖2可知模型的變程分別為15.62、14.91、17.04和17.76 km,在此距離之內,觀測值是空間相關的; 在此范圍之外,觀測值本質上相互獨立。

    圖2 森林碳密度數(shù)據(jù)的標準化變異函數(shù)γ(h)Fig.2 Spatial autocorrelation γ(h) of forest carbon using spherical model for standardized datah表示距離h is distance(km).

    其標準化Spherical模型為:

    (7)

    (8)

    (9)

    (10)

    研究區(qū)樣地間距在東西向和南北向分別為8 km和4 km,森林碳密度空間變異的動態(tài)范圍(變程)大于樣地間距,樣本具有足夠的空間信息量。

    2.2 樣地數(shù)據(jù)分析

    分析研究區(qū)4種尺度的樣地碳密度統(tǒng)計結果(表2)可知,攸縣25.8 m × 25.8 m樣地碳密度在0 ~ 39.27 t·hm-2之間變化,標準差為8.39,且變異系數(shù)大于1.00,屬于強變異,說明攸縣森林碳密度數(shù)值分布合理,相互之間存在較大差異。值得注意的是,隨著樣地空間尺度增大,樣地碳密度平均值、標準差、變異系數(shù)呈逐漸減小的趨勢,說明研究區(qū)的森林樣地空間分布不均勻。

    表 2 攸縣固定樣地碳密度統(tǒng)計結果①

    ① SD: Standard deviation; CV:Coefficient of variation.

    2.3 相關性分析

    采用SPSS 20.0軟件分別計算樣地碳密度(包括25.8 m × 25.8 m固定樣地和3種上推樣地)與遙感變量間的Pearson相關性,結果發(fā)現(xiàn)基于Landsat5和MOD09A1的遙感變量與樣地碳密度的相關性較高,分別在-0.455~0.497和-0.626~0.763之間變化,表3列出了相關系數(shù)排在前6位的遙感變量。對于Landsat5數(shù)據(jù),當顯著水平為0.01時,與森林碳密度達到顯著相關的變量有1/TM3、TM1var、Elevation、1/TM2等15個因子,其中1/TM1、1/TM2、1/TM3和TM2mean4個變量相關系數(shù)在0.450以上; 對于MOD09A1數(shù)據(jù),當顯著水平為0.01時,與森林碳密度相關系數(shù)達到顯著的變量有1/Band1、1/Band3、1/Band7、NDVI等28個因子,其中1/Band1、1/Band3 和1/Band4 3個變量相關系數(shù)在0.700以上。

    表3 樣地森林碳密度與遙感變量的Pearson相關性①

    ① **: 在0.01水平(雙側)上顯著相關,*: 在0.05水平(雙側)上顯著相關; TM2mean表示TM2灰度共生矩陣的平均值。Correlation is significant at the 0.01 level ** and the 0.05 level*; TM2meanis the average value of gray-level co-occurrence matrix; Band67=Band6/Band7.

    MOD13Q1和MOD15A2數(shù)據(jù)衍生的遙感變量與森林碳密度的相關系數(shù)均較低,分別介于-0.230~0.312和-0.390~0.395之間,當顯著水平為0.01時,二者與森林碳密度相關系數(shù)達到顯著的變量分別為NDVImean和LAImean、LAIhom、LAIdis、FPARmean、LAIcon,其中相關系數(shù)最高的因子為NDVImean和LAImean。因此,研究依次選擇相關系數(shù)最高的4個因子: 1/TM3(Landsat5數(shù)據(jù))、NDVImean(MOD13Q1數(shù)據(jù))、1/Band1(MOD09A1數(shù)據(jù))和LAImean(MOD15A2數(shù)據(jù)),參與攸縣森林碳密度的空間模擬,相關系數(shù)分別為0.497、0.312、0.763和0.395,顯著水平均達0.000。

    2.4 基于Landsat5的森林碳密度模擬

    基于固定樣地和Landsat5影像,利用序列高斯協(xié)同模擬算法導出攸縣30 m × 30 m像元水平的森林碳密度分布圖,同時采用驗證樣本對其進行精度評價。結果表明,模型預測值和實測值之間具有良好的線性擬合關系(圖3a),決定系數(shù)R2達0.82,估測精度為82.02%,且殘差圖(圖3b)散點分布均勻。張茂震等(2014)基于浙江省仙居縣固定樣地和Landsat5影像,采用序列高斯協(xié)同模擬算法開展了森林碳估算研究,結果表明估算效果較好,進一步佐證了該算法的適用性。

    圖3 基于Landsat5的攸縣森林碳密度模擬值精度驗證Fig.3 Accuracy assessments for simulated values of forest carbon density in You county based on Landsat5a.預測值與實測值比較Comparison of predicted and observed values; b.殘差分析Residual analysis.

    為直觀反映模擬結果與地面樣地值的吻合程度,研究將森林碳密度模擬結果與地面樣地值疊加(圖4),結果發(fā)現(xiàn)攸縣森林碳密度整體上與地面樣地實測值的分布趨勢保持一致: 東部由于經(jīng)營管理完善,分布大面積質量較好的針葉成熟林,森林碳密度高; 中部和西南部主要用于農業(yè)種植和城鎮(zhèn)建設,森林碳密度相對較低。采用ArcGIS 10.0軟件進行統(tǒng)計得出,攸縣2009年平均森林碳密度達15.06 t·hm-2,具有較高的實用性和可信度。

    研究采用的固定樣地大小為25.8 m × 25.8 m,但用于大尺度反演的遙感數(shù)據(jù)MODIS像元大小分別為250 m × 250 m、500 m × 500 m、1 000 m ×1 000 m,本文在前期數(shù)據(jù)處理的基礎上,通過引入Wang等(2004a)設計的基于塊的序列高斯協(xié)同模擬,結合Landsat5數(shù)據(jù)和地面樣地數(shù)據(jù),將地面調查樣地大小從25.8 m × 25.8 m分別上推到250 m × 250 m、500 m × 500 m 和1 000 m × 1 000 m(圖5)?;诔叨壬贤频男蛄懈咚箙f(xié)同模擬程序,通過修改Dr Journel的協(xié)同克里格程序和Dr Almeida的協(xié)同模擬程序實現(xiàn)(Pannatier, 1996; Deutschetal., 1992)。

    為進一步驗證Landsat5數(shù)據(jù)上推結果的有效性,研究采用ArcGIS10.0軟件空間分析模塊的“波段集統(tǒng)計”工具,分別計算3種尺度上推結果與30 m × 30 m模擬結果重采樣后森林碳密度的相關性,結果顯示相關系數(shù)分別為0.996、0.987和0.964,說明上推效果較好,可用于后續(xù)基于MODIS的碳密度估算。

    圖4 攸縣基于Landsat5數(shù)據(jù)和序列高斯協(xié)同模擬算法的森林碳密度空間預測指標與樣地實測值的比較Fig.4 Spatial distribution of predicted indexes for forest carbon compared with the plot values at spatial resolution of 30 m×30 m by sequential Gaussian co-simulation using Landsat5 image in You countya.預測均值Predicted values; b.預測均方差Predicted variance; c.預測值大于均值概率Probability for predicted values larger than sample means.

    圖5 攸縣森林碳密度基于塊的序列高斯協(xié)同模擬預測結果Fig.5 Spatial distributions of simulated forest carbon density using sequential Gaussian block co-simulation algorithm and Landsat5 imagea. 250 m × 250 m; b.500 m × 500 m; c.1 000 m × 1 000 m

    2.5 基于MODIS的森林碳密度模擬

    利用固定樣地點分別提取250 m × 250 m、500 m × 500 m和1 000 m × 1 000 m 3種水平的森林碳密度,同時結合MOD13Q1、MOD09A1和MOD15A2影像,開展相應空間分辨率的森林碳密度估算。表4列出了3種MODIS數(shù)據(jù)森林碳密度模擬值的精度檢驗結果。

    分析表4可知,MOD09A1數(shù)據(jù)的模擬效果最好,R2達0.78,其次是MOD13Q1數(shù)據(jù)(R2=0.57),MOD15A2數(shù)據(jù)效果最差(R2僅0.53); 均方根誤差(RMSE)和估測精度與決定系數(shù)(R2)表現(xiàn)一致,其中模擬誤差分別為4.65、2.56和4.26 t·hm-2,估測精度分別為58.58%、75.64%和54.84%。3種檢驗指標共同表明多光譜數(shù)據(jù)MOD09A1的估算結果明顯優(yōu)于植被指數(shù)產(chǎn)品MOD13Q1和MOD15A2,在區(qū)域森林碳密度估算方面顯示出明顯的優(yōu)勢。

    同Landsat5數(shù)據(jù),研究基于MOD09A1影像的森林碳密度模擬結果包括3部分: 碳密度模擬平均值分布(圖6a)、碳密度模擬平均方差分布(圖6b)、碳密度模擬值大于均值的概率分布(圖6c),空間分辨率為500 m × 500 m。

    表4 3種MODIS數(shù)據(jù)森林碳密度模擬值的精度檢驗結果

    圖6 攸縣基于MOD09A1影像和序列高斯協(xié)同模擬算法的森林碳密度空間預測指標分布Fig.6 Spatial distribution of predicted indexes for forest carbon density using the sequential Gaussian co-simulation algorithm based on MOD09A1 image in You Countya.預測均值Predicted values; b.預測均方差Predicted variances; c.預測值大于均值概率Probability for predicted values larger than sample means.

    分析可知,基于MOD09A1數(shù)據(jù)模擬的森林碳密度空間分布(圖6a)與研究區(qū)內基于Landsat5模擬的森林碳密度具有較好的一致性,即樣地模擬值較高的局部區(qū)域,相應MODIS數(shù)據(jù)的模擬值也較高。這說明利用MODIS數(shù)據(jù)結合基于塊的序列高斯協(xié)同模擬算法,可以真實再現(xiàn)研究區(qū)森林碳密度的空間分布格局,模擬結果的方差分布(圖6b)和模擬結果大于平均數(shù)的概率分布(圖6c),與森林碳密度模擬結果的平均值具有較好的空間一致性。

    2.6 湖南省森林碳密度模擬

    為進一步探討基于塊的序列高斯協(xié)同模擬算法的適用性,研究將其用于湖南省森林碳密度的估算研究。首先借助ArcGIS10.0軟件的sample工具,抽取研究區(qū)3/4數(shù)據(jù)(2 169塊樣地)開展基于Landsat5影像和固定樣地的森林碳密度估算研究; 然后采用預留的1/4數(shù)據(jù)(723塊樣地)進行精度驗證(圖7)。結果表明,模型預測值和實際觀測值之間具有良好的線性擬合關系,決定系數(shù)(R2)達0.84,估測精度為87.02%,且殘差散點分布均勻,說明模型的擬合效果較好,可用于后續(xù)基于MOD09A1的森林碳密度估算。

    在前期數(shù)據(jù)處理的基礎上,采用基于塊的序列高斯協(xié)同模擬算法,將湖南省固定樣地從25.8 m × 25.8 m上推到500 m × 500 m,利用固定樣地點提取相應水平的森林碳密度值(圖8a)。同時結合MOD09A1影像,采用序列高斯協(xié)同模擬算法開展湖南省森林碳密度的估算研究; 樣本數(shù)據(jù)的劃分同Landsat5。

    采用決定系數(shù)(R2)、均方根誤差(RMSE)和估測精度(EA)3個指標檢驗湖南省森林碳密度的估算精度,具體檢驗結果見表5。分析可知,基于MOD09A1數(shù)據(jù)的湖南省森林碳密度模擬效果較好,決定系數(shù)(R2)達0.75,估測精度為74.06%,進一步佐證了基于塊的序列高斯協(xié)同模擬算法的有效性,可用于區(qū)域森林碳密度的估算。

    圖7 湖南省森林碳密度樣地模擬值精度驗證Fig.7 Accuracy assessments for simulated values of forest carbon density in Hunan Provincea.預測值與實測值比較Comparison of predicted and observed values; b.殘差分析Residual analysis.

    圖8 湖南省森林碳密度空間分布Fig.8 Spatial distribution map of forest carbon density in Hunan Provincea.上推樣點空間分布Spatial distribution for up-scaling plots using spatial block co-simulation algorithm;b.模擬值空間分布 Spatial distribution for simulated values using sequential Gaussian co-simulation algorithm.

    表5 基于MOD09A1數(shù)據(jù)的湖南省森林碳密度精度檢驗結果

    圖8b顯示了基于MOD09A1影像的湖南省森林碳密度分布,分析可知,湖南省森林碳密度與地面樣地上推值保持一致的分布趨勢: 高值區(qū)主要分布在湘東、湘南的郴州、湘西的懷化、吉首、張家界等地,湘中地區(qū)的森林碳密度較小。因為研究區(qū)東、南、西三面環(huán)山,中部分割為丘陵性河谷盆地,北部是沉積平原和吞噬湖泊,特殊的地形條件使得湘東、西、南三面山區(qū)分布著大面積的森林植被,由于經(jīng)營管理完善,森林質量較好,碳密度大; 湘北和湘中地區(qū)主要用于農田種植和水體覆蓋,森林碳密度相對較小。沅江以及資水附近的大面積連續(xù)森林碳密度高值分布,充分反映了森林植被隨地表水分布的規(guī)律; 而中南部和東北部洞庭湖附近的大面積連續(xù)低值分布,則反映出人類活動對森林植被覆蓋的影響,森林碳密度整體上與研究區(qū)植被分布規(guī)律一致。該結論進一步說明利用基于塊的序列高斯協(xié)同模擬算法可以再現(xiàn)湖南省森林碳密度的空間分布格局。

    3 討論

    3.1 相關性分析

    作為反映變量之間相關性密切程度的統(tǒng)計指標,森林碳密度和遙感因子之間的相關系數(shù)與遙感影像的空間分辨率和傳感器有關。本研究中4種遙感數(shù)據(jù)(Landsat5、MOD13Q1、MOD09A1和MOD15A2)衍生的變量均與森林碳密度具有較高的相關性,且相關系數(shù)均在0.312以上。Landsat5衍生變量與森林碳密度的相關系數(shù)在-0.455~0.497之間波動,且1/TM3與森林碳密度的相關系數(shù)最高(達0.497),這與Wang等(2014)的研究結果一致(相關系數(shù)0.312); 比較而言,MOD09A1衍生變量與森林碳密度的相關系數(shù)在-0.626~0.763之間波動,其中1/Band1與森林碳密度的相關系數(shù)最高。從某種程度上說,這一結論與Landsat5數(shù)據(jù)的研究結果相似,主要原因是Landsa5的 TM3波段與MOD09A1的Band1波段具有相似的波譜區(qū)間,分別在0.63~0.69 μm和0.62~0.67 μm之間波動。此外,MOD13Q1數(shù)據(jù)的衍生變量NDVImean和MOD15A2數(shù)據(jù)的LAImean分別與森林碳密度的相關性最高,因此二者分別用于250 m × 250 m和1 000 m × 1 000 m 2種空間分辨率的森林碳密度制圖。

    3.2 不同尺度森林碳密度模擬

    為克服地面樣地大小和遙感影像空間分辨率不一致的缺陷,研究采用Wang等(2004a)設計的基于塊的序列高斯協(xié)同模擬算法,將樣地碳密度從25.8 m × 25.8 m分別上推到250 m × 250 m、500 m × 500 m和1 000 m × 1 000 m 3種尺度,結果發(fā)現(xiàn)該算法可以很好地刻畫森林碳密度的空間分布格局。同250 m × 250 m的MOD13Q1和1 000 m × 1 000 m的MOD15A2產(chǎn)品相比,多光譜數(shù)據(jù)Landsat5和MOD09A1在森林碳密度模擬方面顯示出明顯的優(yōu)勢,因為來自可見光、近紅外和中紅外波段的光譜變量可以提取指示森林碳密度信息的光譜變量(Chenetal., 2002)。Landsat5數(shù)據(jù)的模擬結果與樣地實測值之間具有很好的一致性,且由其和固定樣地數(shù)據(jù)上推的250 m × 250 m、500 m × 500 m和1 000 m × 1 000 m 3種尺度的森林碳密度精度可靠,可作為相應尺度森林碳密度模擬的真值數(shù)據(jù)。雖然由MOD09A1數(shù)據(jù)模擬的森林碳密度在區(qū)域和國家尺度是可以接受的,但不能用于局部地區(qū)森林碳密度的高精度模擬,主要是因為MOD09A1數(shù)據(jù)在刻畫空間細節(jié)方面不如Landsat5數(shù)據(jù)精細; 另外,受Landsat5影像質量和序列高斯協(xié)同模擬算法數(shù)據(jù)量的限制,本文只是通過隨機抽樣獲取部分樣地上推到500 m × 500 m,然后將上推后的樣地與MOD09A1數(shù)據(jù)結合,開展湖南省森林碳密度的空間模擬,利用Landsat5和固定樣地數(shù)據(jù)開展湖南省森林碳密度的高精度模擬將是下一步的研究重點。

    3.3 不同信息源森林碳密度模擬

    研究采用基于塊的序列高斯協(xié)同模擬算法,將地面樣地(包括250 m × 250 m的地面樣地和3種上推后的地面樣地)分別與不同空間分辨率的遙感影像結合,開展多種空間尺度的森林碳密度模擬,該算法克服了地面樣地大小與遙感影像空間分辨率不一致的缺陷。雖然MODIS數(shù)據(jù)提供的模擬結果可用于大尺度的森林碳密度制圖,但會損失部分森林碳密度的估計精度和空間變異性。比較而言,Landsat5數(shù)據(jù)在模擬森林碳密度的空間分布和變異性方面更為精確,比MOD09A1數(shù)據(jù)呈現(xiàn)的森林冠層結構更為復雜,這與Yang等(2007)的研究結論一致。另外,Landsat5的TM3波段和MOD09A1的Band1波段在提供森林碳密度的預測變量方面顯示出較大的潛力。

    3.4 森林碳密度模擬精度的影響因素分析

    正確估算森林碳密度是研究全球氣候變化的關鍵途徑。本研究應用序列高斯協(xié)同模擬算法對攸縣和湖南省森林碳密度的空間分布進行了估算,同利用光譜值和森林參數(shù)建立的回歸模型相比,序列高斯協(xié)同模擬算法能夠更多地考慮森林參數(shù)同光譜值之間的非線性依賴關系(Trotteretal., 1997)。SGCS是基于像元的估計方法,且模擬結果的最小值接近0,更能真實反映非林地的實際情況(沈希等, 2011)。森林碳密度的模擬精度受多種因素的影響,如模擬次數(shù)L、影像特征波段的選取和采樣密度等:1) 相關研究表明,模擬次數(shù)L對模擬結果精度有重要影響,模擬次數(shù)越多,其平均值就越接近該位置的數(shù)學期望(郭含茹等, 2016)。本文當L達到250后,各像元位置森林碳密度的估計值趨于穩(wěn)定,因此將其作為最終的模擬次數(shù)。2) 由于影響SGCS森林碳密度最優(yōu)波段的選擇往往隨研究區(qū)和數(shù)據(jù)源的不同而變化,因此最優(yōu)波段需要通過具體試驗才能獲取。本文采用的Landsat5和3種MODIS數(shù)據(jù),雖然研究區(qū)相同,但是最優(yōu)波段因數(shù)據(jù)源的不同而變化。3) 眾所周知,隨著采樣密度的增加,抽樣誤差隨之減小,但到達一定程度后,逐漸趨于穩(wěn)定。本文主要研究森林資源清查樣地與不同傳感器數(shù)據(jù)相結合的模擬,然而關于不同采樣密度下的森林碳密度估計考慮不多。郭含茹等(2016)通過分析4種采樣密度對浙江省仙居縣森林碳密度模擬精度的影響,指出利用SGCS、SGBCS和森林資源清查樣地開展森林碳密度估計時,可適當降低對采樣密度的要求。

    4 結論

    隨著遙感技術的發(fā)展,基于固定樣地數(shù)據(jù)的森林碳密度遙感制圖得到了廣泛應用,然而地面樣地大小和遙感影像空間分辨率不一致的缺陷阻礙了制圖精度的提高。鑒于此,本研究以地面固定樣地和Landsat5影像為數(shù)據(jù)源,采用基于塊的序列高斯協(xié)同模擬算法,將25.8 m × 25.8 m的地面樣地分別上推到250 m × 250 m、500 m × 500 m和1 000 m × 1 000 m; 然后將上推樣地和MODIS影像結合,探討MODIS數(shù)據(jù)在區(qū)域森林碳密度遙感估算領域的潛力。結果表明: 1) 采用基于塊的序列高斯協(xié)同模擬算法,可以實現(xiàn)由地面樣地到不同空間分辨率MODIS像元之間的轉換; 2) Landsat5和MODIS數(shù)據(jù)與森林碳密度的敏感因子具有高度的相似性,排在前3位的分別為TM3、TM2、TM1和Band1、Band4、Band3; 3) 同植被指數(shù)產(chǎn)品MOD13Q1和MO15A2相比,多光譜數(shù)據(jù)Landsat5和MOD09A1在模擬森林碳密度方面顯示出巨大潛力,因為來自可見光、近紅外和中紅外波段的光譜變量可以提取指示森林碳密度信息的遙感因子,模擬精度分別82.02%和75.64%,但受空間分辨率的限制,MOD09A1數(shù)據(jù)在刻畫空間細節(jié)方面不如Landsat5精細; 4) 為進一步探討基于塊的序列高斯協(xié)同模擬方法的適用性,研究將其推廣到基于MOD09A1數(shù)據(jù)的湖南省森林碳密度模擬,結果表明估算效果較好,估測精度為74.06%,可用于區(qū)域森林碳密度的模擬。

    崔麗華, 劉善軍, 張艷博, 等. 2009. IDL程序去除MODIS遙感影像鑲嵌中的黑色條帶. 河北理工大學學報: 自然科學版,31(3): 79-82.

    (Cui L H, Liu S J, Zhang Y B,etal. 2009. Using IDL to remove black belt from the mosaic of MODIS remote sensing images. Journal of Hebei Polytechnic University: Natural Science, 31(3): 79-82. [in Chinese])

    郭含茹, 張茂震, 徐麗華, 等. 2016. 不同采樣密度下縣域森林碳儲量仿真估計. 生態(tài)學報, 36(14): 4373-4385.

    (Guo H R, Zhang M Z, Xu L H,etal. 2016. Simulation of regional forest carbon storage under different sampling desities. Acta Ecologica Sinica, 36(14): 4373-4385. [in Chinese])

    李??? 2010. 中國森林植被生物量和碳儲量評估. 北京: 中國林業(yè)出版社.

    (Li H K. 2010. Estimation and evaluation of forest biomass carbon storage in China. Beijing: China Forestry Publishing House. [in Chinese])

    劉 暢, 李鳳日, 甄 貞. 2014. 空間誤差模型在黑龍江省森林碳儲量空間分布的應用. 應用生態(tài)學報, 25(10): 2779-2786.

    (Liu C, Li F R, Zhen Z. 2014. Prediction of spatial distribution of forest carbon storage in Heilongjiang Province using spatial error model. Chinese Journal of Applied Ecology, 25(10): 2779-2786. [in Chinese])

    戚玉嬌, 李鳳日. 2015. 基于KNN 方法的大興安嶺地區(qū)森林地上碳儲量遙感估算. 林業(yè)科學, 51(5): 46-55.

    (Qi Y J, Li F R. 2015.Remote sensing estimation of aboveground forest carbon storage in Daxing’an Mountains based on KNN method. Scientia Silvae Sinicae, 51(5): 46-55. [in Chinese])

    冉有華, 李 新. 2009. 基于塊克里金的土壤水分點觀測向像元尺度的尺度上推研究. 冰川凍土, 31(2): 275-283.

    (Ran Y H, Li X. 2009. Up Scaling of point soil moisture measurements to oixel averages based on block Kriging. Journal of Glaciology and Geocryology, 31(2): 275-283.[in Chinese])

    沈 希, 張茂震, 祁祥斌. 2011. 基于回歸與隨機模擬的區(qū)域森林碳分布估計方法比較. 林業(yè)科學, 47(6): 1-8.

    (Shen X, Zhang M Z, Qi X B. 2011. Comparison of regional forest carbon estimation methods based on regression and stochastic simulation. Scientia Silvae Sinicae, 47(6): 1-8.[in Chinese])

    吳 丹, 邵全琴, 劉紀遠, 等. 2011.1985—2030年江西泰和縣森林植被碳儲量的時空動態(tài). 應用生態(tài)學報, 2011, 22(1): 41-46.

    (Wu D, Shao Q Q, Liu J Y,etal. 2011. Spatiotemporal dynamics of forest carbon storage in Taihe County of Jiangxi Province in 1985—2030. Chinese Journal of Applied Ecology, 22(1): 41-46. [in Chinese])

    嚴恩萍, 林 輝, 王廣興, 等. 2015. 基于MODIS混合像元分解的湖南省森林碳密度反. 應用生態(tài)學報, 26(11): 3433-3442.

    (Yan E P, Lin H, Wang G X,etal. 2015.Estimation of human forest carbon density based on spectral mixture analysis of MODIS data. Chinese Journal of Applied Ecology, 26(11): 3433-3442. [in Chinese])

    張茂震, 王廣興, 葛宏立, 等. 2014. 基于空間仿真的仙居縣森林碳分布估算. 林業(yè)科學, 50(11): 13-22.

    (Zhang M Z, Wang G X, Ge H L,etal. 2014. Estimation of forest carbon distribution for Xianju county based on spatial simulation. Scientia Silvae Sinicae, 50(11): 13-22. [in Chinese])

    張茂震, 王廣興, 周國模, 等. 2009. 基于森林資源清查、衛(wèi)星影像數(shù)據(jù)與隨機協(xié)同模擬尺度轉換方法的森林制圖. 生態(tài)學報, 29(6): 2919-2928.

    (Zhang M Z, Wang G X, Zhou G M,etal. 2009. Mapping of forest carbon by combining forest inventory data and satellite images with co-simulation based up-scaling method. Acta Ecologica Sinica, 29(6): 2919-2928. [in Chinese])

    Chen J M, Pavlic G, Brown L,etal. 2002. Derivation and validation of Canada-wide coarse-resolution leaf area index maps using high-resolution satellite imagery and ground measurements. Remote sensing of environment, 80(1): 165-184.

    Deutsch C V, Journel A G. 1992. GSLIB: geostatistical software library and user’s guide. 2nded. Oxford University Press.

    Lu D S, Chen Q, Wang G X,etal. 2012. Aboveground forest biomass estimation with Landsat and lidar data and uncertainty analysis of the estimates. International Journal of Forestry Research, Article ID 436537, 16 pages, doi:10.1155/2012/436537.

    Pannatier Y. 1996. Variowin: software for spatial statistics analysis in 2D. New York, Springer.

    Tian X, Su Z, Chen E,etal. 2012. Estimation of forest above-ground biomass using multi-parameter remote sensing data over a cold and arid area. International Journal of Applied Earth Observation and Geoinformation, 14(1): 160-168.

    Trotter C, Dymond J, Goulding C. 1997. Estimation of timer volume in a coniferous planation forest using Landsat TM. International Journal of Remote Sensing, 18(10): 2209-2223.

    Wang G X, Gertner G Z, Anderson A B. 2004a.Spatial-variability-based algorithms for scaling-up spatial data and uncertainties. IEEE Transactions on Geoscience and Remote Sensing, 42(9): 2004-2015.

    Wang G X, Gertner G Z, Anderson A B. 2004b. Mapping vegetation cover change using geostatistical methods andbi-temporal Landsat TM images. IEEE Transactions on Geoscience and Remote Sensing, 42(3): 632-643.

    Wang G X, Tonny O, Zhang M Z,etal. 2009. Mapping and spatial uncertainty analysis of forest vegetation carbon by combining national forest inventory data and satellite images. Forest Ecology and Management, 258(7): 1275-1283.

    Wang G X, Zhang M Z. 2014. Upscaling with conditional co-simulation for mapping above-ground forest carbon. Scale Issues in Remote Sensing,doi:10.1002/9781118801628.ch06.

    Xiang H B, Liu J S, Cao C X,etal. 2013. Algorithms for moderate resolution imaging spectroradiometer cloud-free image compositing. Journal of Applied Remote Sensing, 7(1): 073486.doi:10.1117/1.JRS.7.073486.

    Yan E P, Lin H, Wang G X,etal. 2015. Improvement of forest carbon estimation by integration of regression models and spectral unmixing of Landsat data. IEEE Geoscience and Remote Sensing Letters, 12(9): 2003-2007.

    Yang P, Ryosuke S, Wu W B,etal. 2007. Evaluation of MODIS land cover and LAI products in cropland of North China Plain using in situ measurements and Landsat images. IEEE Transactions on Geoscience and Remote Sensing, 45(10): 3087-3097.

    Zhao P, Lu D, Wang G,etal. 2016. Examining spectral reflectance saturation in Landsat imagery and corresponding solutions to improve forest aboveground biomass estimation. Remote Sensing, doi:10.3390/rs8060469.

    (責任編輯 石紅青)

    Estimation of Forest Carbon Density Based on Geostatistics and Multi-Resource Remote Sensing Data

    Yan Enping1,2Zhao Yunlin1,2Lin Hui1,2Mo Dengkui1,2Wang Guangxing1,2,3

    (1.KeyLaboratoryofForestryRemoteSensingBigData&EcologicalSecurityforHunanProvinceCentralSouthUniversityofForestry&TechnologyChangsha410004; 2.CollegeofForestry,CentralSouthUniversityofForestry&TechnologyChangsha410004; 3.DepartmentofGeography,SouthernIllinoisUniversityCarbondaleIl629012USA)

    【Objective】 Due to the inconsistency of spatial resolutions between sample plots and image pixels, in this study the estimation of forest carbon density was conducted by using geostatistics method and multi-resource remote sensing data, which aims to provide reference for the application of MODIS data in the regional estimation of forest carbon density.【Method】 Firstly, the spatial block co-simulation algorithm was employed to scale up the sample plots of forest carbon density in You county of Hunan Province from the spatial resolution of 25.8 m×25.8 m to the spatial resolutions of 250 m × 250 m, 500 m × 500 m and 1 000 m × 1 000 m respectively. Then, MODIS images with three spatial resolutions corresponding to those mentioned above, were applied to map forest carbon density for this county using sequential Gaussian co-simulation algorithm. Finally, the best model was applied in the estimation of forest carbon density for Hunan Province.【Result】 There were highly similarities for sensitive factors of forest carbon density between Landsat5 and MOD09A1 data, according to theresult of Pearson product moment correlations, the top three sensitive factors were 1/TM3, 1/TM2, 1/TM1 for Landsat5 and 1/Band1, 1/Band4, 1/Band3 for MOD09A1 respectively; compared to the vegetation product of MOD13Q1 and MOD15A2, multi-spectral data such as Landsat5 and MOD09A1 showed great potential in the simulation of forest carbon density with the accuracy of 82.02% and 75.64%, respectively; there is good application for the sequential Gaussian co-simulation algorithms based on the image of MOD09A1, which can be used in the spatial simulation of forest carbon density for Hunan Province with the accuracy of 74.07%.【Conclusion】 The spatial block co-simulation algorithm could be used to realize the conversion of spatial resolutions from sample plots to the pixels of MODIS images. It was also found that the MODIS derived maps were more smoothed than those from Landsat5 due to the limitation of spatial resolutions, especially in the terms of capturing the spatial variability of forest carbon density. The adopted method was well suited for regional estimation of forest carbon density based on the combination of forest inventory sample plot data and remotely sensed images, especially for the areas that the plot sizes and images pixels were inconsistent.

    forestry remote sensing; forest resource inventory; multi resource remote sensing; sequential Gaussian block co-simulation; forest carbon density

    10.11707/j.1001-7488.20170708

    2016-03-21;

    2016-09-15。

    國家“十二五”高技術發(fā)展研究計劃項目(2012AA102001); 國家自然科學基金面上項目(31470643); 林學重點學科開放基金擬資助項目(2016YB08)。

    S718.5; S757.2

    A

    1001-7488(2017)07-0072-13

    *林輝為通訊作者。

    猜你喜歡
    樣地高斯協(xié)同
    小高斯的大發(fā)現(xiàn)
    額爾古納市興安落葉松中齡林植被碳儲量研究
    蜀道難:車與路的協(xié)同進化
    科學大眾(2020年23期)2021-01-18 03:09:08
    昆明市主要綠化樹種閾值測定與分析
    基于角尺度模型的林業(yè)樣地空間結構分析
    新農業(yè)(2020年18期)2021-01-07 02:17:08
    天才數(shù)學家——高斯
    “四化”協(xié)同才有出路
    汽車觀察(2019年2期)2019-03-15 06:00:50
    三醫(yī)聯(lián)動 協(xié)同創(chuàng)新
    有限域上高斯正規(guī)基的一個注記
    協(xié)同進化
    生物進化(2014年2期)2014-04-16 04:36:26
    亚洲国产色片| 看十八女毛片水多多多| 亚洲一区高清亚洲精品| 琪琪午夜伦伦电影理论片6080| 国产精品乱码一区二三区的特点| 亚洲第一欧美日韩一区二区三区| 亚洲欧美激情综合另类| 亚洲国产色片| 国产真实乱freesex| 国产久久久一区二区三区| 中文资源天堂在线| 精品一区二区三区视频在线观看免费| 国产av在哪里看| 国产免费av片在线观看野外av| 在线观看一区二区三区| 大型黄色视频在线免费观看| 无遮挡黄片免费观看| 中文字幕人成人乱码亚洲影| 午夜福利在线在线| 亚洲精品一区av在线观看| 无遮挡黄片免费观看| 亚洲精品一区av在线观看| 亚洲18禁久久av| 欧美黑人欧美精品刺激| 欧美日韩中文字幕国产精品一区二区三区| 五月玫瑰六月丁香| 国产乱人视频| 国产极品精品免费视频能看的| 亚洲经典国产精华液单 | 此物有八面人人有两片| 久久欧美精品欧美久久欧美| 91久久精品电影网| 精品一区二区三区人妻视频| 一级av片app| 蜜桃久久精品国产亚洲av| 最新在线观看一区二区三区| 欧洲精品卡2卡3卡4卡5卡区| 窝窝影院91人妻| 亚洲国产日韩欧美精品在线观看| 欧美高清成人免费视频www| 亚洲经典国产精华液单 | 亚洲乱码一区二区免费版| 网址你懂的国产日韩在线| 怎么达到女性高潮| 日日摸夜夜添夜夜添小说| 天堂av国产一区二区熟女人妻| 日韩大尺度精品在线看网址| 久久久久久久久中文| 精品久久久久久久久久久久久| 国产日本99.免费观看| 可以在线观看的亚洲视频| 在线观看午夜福利视频| 国产精品久久电影中文字幕| 欧美区成人在线视频| 九九久久精品国产亚洲av麻豆| 最近中文字幕高清免费大全6 | 国产人妻一区二区三区在| 免费观看精品视频网站| 国产一区二区在线观看日韩| 午夜免费激情av| 久久国产精品人妻蜜桃| 国产爱豆传媒在线观看| 超碰av人人做人人爽久久| 又爽又黄无遮挡网站| 久久精品国产亚洲av涩爱 | 给我免费播放毛片高清在线观看| 久久天躁狠狠躁夜夜2o2o| 国产麻豆成人av免费视频| 色综合欧美亚洲国产小说| aaaaa片日本免费| 午夜久久久久精精品| 国产av麻豆久久久久久久| 丁香六月欧美| 久久久久久久久久成人| 精品不卡国产一区二区三区| 亚洲精品一区av在线观看| 少妇的逼好多水| 丝袜美腿在线中文| 最近最新免费中文字幕在线| 精品一区二区三区视频在线| 国产v大片淫在线免费观看| 一级av片app| 国产免费av片在线观看野外av| 757午夜福利合集在线观看| 韩国av一区二区三区四区| 三级男女做爰猛烈吃奶摸视频| 久久久久久久亚洲中文字幕 | 午夜两性在线视频| 国产免费一级a男人的天堂| 全区人妻精品视频| 久久国产乱子伦精品免费另类| 天堂av国产一区二区熟女人妻| 毛片女人毛片| 日韩有码中文字幕| 免费看日本二区| 国产精品电影一区二区三区| 99久久九九国产精品国产免费| 亚洲,欧美,日韩| 亚洲一区二区三区色噜噜| 国产一区二区在线观看日韩| 床上黄色一级片| 18美女黄网站色大片免费观看| 性色avwww在线观看| 久久精品国产99精品国产亚洲性色| 国内久久婷婷六月综合欲色啪| 可以在线观看毛片的网站| 成年版毛片免费区| 久久精品久久久久久噜噜老黄 | 最新在线观看一区二区三区| 搡老熟女国产l中国老女人| 天天一区二区日本电影三级| 韩国av一区二区三区四区| 日韩欧美在线乱码| 99精品在免费线老司机午夜| 熟妇人妻久久中文字幕3abv| 少妇高潮的动态图| 欧美日韩国产亚洲二区| 久久国产精品影院| 欧美一区二区精品小视频在线| 欧美绝顶高潮抽搐喷水| 亚洲av二区三区四区| 午夜免费成人在线视频| 亚洲18禁久久av| 99久久无色码亚洲精品果冻| 女人被狂操c到高潮| 美女被艹到高潮喷水动态| 一区二区三区激情视频| 色噜噜av男人的天堂激情| 乱人视频在线观看| 国产人妻一区二区三区在| 国产综合懂色| 伦理电影大哥的女人| av中文乱码字幕在线| 国产精品三级大全| 成人鲁丝片一二三区免费| 有码 亚洲区| 亚洲一区二区三区色噜噜| 2021天堂中文幕一二区在线观| 婷婷精品国产亚洲av在线| 哪里可以看免费的av片| 97热精品久久久久久| 午夜福利成人在线免费观看| 亚洲中文日韩欧美视频| 一区二区三区激情视频| 久久99热这里只有精品18| 在线观看美女被高潮喷水网站 | 久久草成人影院| 亚洲午夜理论影院| 欧美三级亚洲精品| 久久这里只有精品中国| 观看美女的网站| 桃色一区二区三区在线观看| 别揉我奶头 嗯啊视频| 悠悠久久av| 国内毛片毛片毛片毛片毛片| 国产精品一区二区免费欧美| 日韩欧美精品v在线| 夜夜爽天天搞| 人妻丰满熟妇av一区二区三区| 不卡一级毛片| 国产高清有码在线观看视频| 亚洲av成人精品一区久久| 国产精品久久久久久亚洲av鲁大| 嫩草影院入口| 国产精品野战在线观看| 香蕉av资源在线| 日韩有码中文字幕| 波野结衣二区三区在线| 俄罗斯特黄特色一大片| 国产色爽女视频免费观看| 精品人妻1区二区| 亚洲精品影视一区二区三区av| 国产aⅴ精品一区二区三区波| 欧美三级亚洲精品| 日日干狠狠操夜夜爽| 十八禁国产超污无遮挡网站| 精品人妻视频免费看| 在线观看午夜福利视频| 国产探花极品一区二区| 亚洲国产欧美人成| 观看免费一级毛片| 丁香欧美五月| 青草久久国产| 国产毛片a区久久久久| 天堂动漫精品| 久久伊人香网站| 久久久久久九九精品二区国产| 乱人视频在线观看| 久久久精品大字幕| 草草在线视频免费看| 国产淫片久久久久久久久 | 99在线人妻在线中文字幕| 国产精品亚洲av一区麻豆| 亚洲专区国产一区二区| 欧美一区二区亚洲| 欧美潮喷喷水| 91麻豆精品激情在线观看国产| 久9热在线精品视频| 成人永久免费在线观看视频| АⅤ资源中文在线天堂| 亚洲第一电影网av| 久久国产乱子免费精品| 午夜激情福利司机影院| 日韩中文字幕欧美一区二区| av视频在线观看入口| 欧美最黄视频在线播放免费| 亚洲激情在线av| 亚洲欧美激情综合另类| 成人av一区二区三区在线看| 国产成人影院久久av| 久久久久免费精品人妻一区二区| 久久婷婷人人爽人人干人人爱| 精品欧美国产一区二区三| 国产午夜精品论理片| 久久99热这里只有精品18| x7x7x7水蜜桃| 麻豆久久精品国产亚洲av| 最近中文字幕高清免费大全6 | 久久久久久久久中文| 国产蜜桃级精品一区二区三区| 国产淫片久久久久久久久 | 国产三级黄色录像| 十八禁国产超污无遮挡网站| 亚洲美女视频黄频| 一级av片app| 成人av一区二区三区在线看| 高清毛片免费观看视频网站| 激情在线观看视频在线高清| 国产精品精品国产色婷婷| 国产色爽女视频免费观看| 日韩欧美精品v在线| 亚洲欧美日韩高清专用| 99视频精品全部免费 在线| av在线天堂中文字幕| 观看免费一级毛片| 精品一区二区免费观看| 一卡2卡三卡四卡精品乱码亚洲| 欧美日韩黄片免| 69人妻影院| 日日夜夜操网爽| 亚洲片人在线观看| 亚洲欧美激情综合另类| 亚洲一区二区三区色噜噜| 亚洲国产精品成人综合色| 久久久久久久久中文| 国产精品免费一区二区三区在线| 国产精品伦人一区二区| 午夜福利在线在线| 亚洲人与动物交配视频| 夜夜看夜夜爽夜夜摸| а√天堂www在线а√下载| 欧美潮喷喷水| 欧美精品国产亚洲| 国产久久久一区二区三区| 国产男靠女视频免费网站| 禁无遮挡网站| 亚洲经典国产精华液单 | 精品福利观看| 最近视频中文字幕2019在线8| 亚洲avbb在线观看| 2021天堂中文幕一二区在线观| 高清毛片免费观看视频网站| 日本熟妇午夜| 一级毛片久久久久久久久女| 中文字幕高清在线视频| www.999成人在线观看| 亚洲avbb在线观看| 亚洲精品成人久久久久久| 无人区码免费观看不卡| 午夜福利高清视频| 久久午夜亚洲精品久久| 亚洲成人免费电影在线观看| 亚洲精品久久国产高清桃花| .国产精品久久| 制服丝袜大香蕉在线| 日韩欧美国产一区二区入口| 国产精品嫩草影院av在线观看 | 国产毛片a区久久久久| 一个人免费在线观看的高清视频| 成人美女网站在线观看视频| 国产精品免费一区二区三区在线| 一卡2卡三卡四卡精品乱码亚洲| 日韩欧美 国产精品| 色精品久久人妻99蜜桃| 99久久九九国产精品国产免费| 色综合站精品国产| 窝窝影院91人妻| www.色视频.com| 男人狂女人下面高潮的视频| 亚洲自拍偷在线| 狂野欧美白嫩少妇大欣赏| 欧美三级亚洲精品| 桃红色精品国产亚洲av| 久久国产精品影院| 中国美女看黄片| 两性午夜刺激爽爽歪歪视频在线观看| 精品午夜福利在线看| 欧美国产日韩亚洲一区| 久久精品久久久久久噜噜老黄 | 国产精品99久久久久久久久| 亚洲性夜色夜夜综合| 精品国内亚洲2022精品成人| 波多野结衣高清作品| 国产在视频线在精品| 国产不卡一卡二| 最新在线观看一区二区三区| 欧美日本亚洲视频在线播放| 97超级碰碰碰精品色视频在线观看| 午夜福利在线观看免费完整高清在 | 美女 人体艺术 gogo| 国产精品久久久久久久电影| 国产成人影院久久av| 老熟妇乱子伦视频在线观看| 亚洲aⅴ乱码一区二区在线播放| 少妇的逼水好多| 长腿黑丝高跟| 免费观看精品视频网站| 少妇的逼好多水| 国产在线精品亚洲第一网站| 久久亚洲精品不卡| 蜜桃久久精品国产亚洲av| av国产免费在线观看| 免费在线观看亚洲国产| 亚洲精品一区av在线观看| 国产成人av教育| 一区二区三区高清视频在线| 国产人妻一区二区三区在| 国产一区二区三区视频了| 最后的刺客免费高清国语| 亚洲色图av天堂| а√天堂www在线а√下载| 好看av亚洲va欧美ⅴa在| 午夜福利免费观看在线| 国产精品不卡视频一区二区 | netflix在线观看网站| 精品久久国产蜜桃| 天堂av国产一区二区熟女人妻| 国产精品免费一区二区三区在线| 亚洲第一电影网av| 国产91精品成人一区二区三区| 老司机福利观看| 久久人人精品亚洲av| aaaaa片日本免费| 此物有八面人人有两片| 99久久精品国产亚洲精品| 神马国产精品三级电影在线观看| 一本一本综合久久| 人妻夜夜爽99麻豆av| 亚洲最大成人手机在线| 不卡一级毛片| 午夜精品久久久久久毛片777| 亚洲人成网站在线播放欧美日韩| 国产精品久久久久久人妻精品电影| 91在线观看av| av在线天堂中文字幕| 国产亚洲精品av在线| 久久久精品欧美日韩精品| 日韩欧美在线乱码| 免费大片18禁| 欧美日韩瑟瑟在线播放| 欧美成人a在线观看| 日韩精品中文字幕看吧| 最近最新免费中文字幕在线| 国产精品亚洲一级av第二区| 欧美乱妇无乱码| 成年女人看的毛片在线观看| 国产精品嫩草影院av在线观看 | 精品人妻1区二区| 亚洲人成伊人成综合网2020| 国产野战对白在线观看| 国产成人欧美在线观看| 一级a爱片免费观看的视频| 中出人妻视频一区二区| 一区福利在线观看| 久久久久精品国产欧美久久久| 亚洲自拍偷在线| 亚洲精品456在线播放app | 欧美日韩乱码在线| 伦理电影大哥的女人| 老鸭窝网址在线观看| 亚洲经典国产精华液单 | 日本黄大片高清| 1024手机看黄色片| 男人舔奶头视频| 99久久精品国产亚洲精品| 自拍偷自拍亚洲精品老妇| 国产亚洲欧美98| 少妇人妻一区二区三区视频| 亚洲男人的天堂狠狠| 日本 av在线| 国产精品永久免费网站| 色综合亚洲欧美另类图片| 国产 一区 欧美 日韩| 国产91精品成人一区二区三区| 国产精品永久免费网站| 日本精品一区二区三区蜜桃| 国产伦精品一区二区三区四那| 国产成人福利小说| 午夜日韩欧美国产| 国产伦人伦偷精品视频| 日韩精品中文字幕看吧| 国产成人影院久久av| 永久网站在线| 国产麻豆成人av免费视频| 午夜免费成人在线视频| 91麻豆av在线| 国产精品久久久久久精品电影| www.熟女人妻精品国产| 国产精品一区二区三区四区久久| 日韩大尺度精品在线看网址| 亚洲av电影在线进入| 欧美乱色亚洲激情| 日本 欧美在线| 亚洲电影在线观看av| 欧美色视频一区免费| 日本免费一区二区三区高清不卡| 给我免费播放毛片高清在线观看| 人妻夜夜爽99麻豆av| 精品人妻熟女av久视频| 2021天堂中文幕一二区在线观| 日本撒尿小便嘘嘘汇集6| 日本与韩国留学比较| 亚洲第一欧美日韩一区二区三区| avwww免费| 在线播放国产精品三级| 哪里可以看免费的av片| 国产午夜精品论理片| 成人午夜高清在线视频| 国产精品久久久久久久电影| 一进一出抽搐动态| 少妇人妻一区二区三区视频| 国内久久婷婷六月综合欲色啪| 日韩欧美一区二区三区在线观看| 久久人妻av系列| 99热只有精品国产| 在线国产一区二区在线| 女人十人毛片免费观看3o分钟| 又黄又爽又免费观看的视频| 俺也久久电影网| 成人毛片a级毛片在线播放| aaaaa片日本免费| 一级a爱片免费观看的视频| 久久伊人香网站| 男女床上黄色一级片免费看| netflix在线观看网站| 亚洲av第一区精品v没综合| 一级黄片播放器| 两个人的视频大全免费| 99热6这里只有精品| 搡老岳熟女国产| 国产精品永久免费网站| 国产黄a三级三级三级人| 日日摸夜夜添夜夜添av毛片 | 最新在线观看一区二区三区| 日本 av在线| 亚洲人成网站高清观看| 久久久久久国产a免费观看| 人人妻人人看人人澡| 欧美性感艳星| 亚洲成av人片在线播放无| 欧美黄色片欧美黄色片| 淫妇啪啪啪对白视频| 国产一区二区在线av高清观看| 蜜桃久久精品国产亚洲av| 亚洲成人精品中文字幕电影| 欧美日韩亚洲国产一区二区在线观看| 亚洲乱码一区二区免费版| 中文字幕免费在线视频6| 精品一区二区免费观看| 国产色婷婷99| av在线天堂中文字幕| 特级一级黄色大片| 免费搜索国产男女视频| 全区人妻精品视频| 亚洲人与动物交配视频| 免费看a级黄色片| 精品日产1卡2卡| www.色视频.com| 怎么达到女性高潮| 欧美性猛交黑人性爽| 可以在线观看毛片的网站| 久久精品影院6| 十八禁国产超污无遮挡网站| 亚洲精品在线美女| 亚洲国产精品sss在线观看| 青草久久国产| 国产老妇女一区| 男女视频在线观看网站免费| 91狼人影院| 国产精品自产拍在线观看55亚洲| 国产中年淑女户外野战色| 国产亚洲精品久久久久久毛片| 国产精品自产拍在线观看55亚洲| 国产av一区在线观看免费| 亚洲国产精品sss在线观看| 国产日本99.免费观看| 大型黄色视频在线免费观看| av女优亚洲男人天堂| 精品国产亚洲在线| 99riav亚洲国产免费| 黄色日韩在线| 中国美女看黄片| 麻豆成人av在线观看| 国模一区二区三区四区视频| 国产老妇女一区| 美女cb高潮喷水在线观看| 全区人妻精品视频| 欧美成狂野欧美在线观看| 人妻夜夜爽99麻豆av| 精品熟女少妇八av免费久了| 1000部很黄的大片| 久99久视频精品免费| 中文字幕av成人在线电影| 在线免费观看不下载黄p国产 | 国语自产精品视频在线第100页| 深爱激情五月婷婷| 国产午夜精品论理片| 51午夜福利影视在线观看| 老熟妇乱子伦视频在线观看| 日本 欧美在线| 在线观看免费视频日本深夜| 欧美成人一区二区免费高清观看| 欧美激情久久久久久爽电影| 亚洲av熟女| .国产精品久久| 日本一二三区视频观看| av福利片在线观看| 男插女下体视频免费在线播放| 国产乱人伦免费视频| 夜夜爽天天搞| 久久久久国产精品人妻aⅴ院| 在线观看美女被高潮喷水网站 | 人人妻,人人澡人人爽秒播| 亚洲人成伊人成综合网2020| 自拍偷自拍亚洲精品老妇| 久久草成人影院| 国内揄拍国产精品人妻在线| 久久久久精品国产欧美久久久| 搡女人真爽免费视频火全软件 | 97人妻精品一区二区三区麻豆| 日本撒尿小便嘘嘘汇集6| 久久国产乱子伦精品免费另类| 夜夜夜夜夜久久久久| 亚洲成人中文字幕在线播放| 亚洲国产精品久久男人天堂| 宅男免费午夜| 可以在线观看毛片的网站| 精品国产亚洲在线| 欧美xxxx性猛交bbbb| 国产主播在线观看一区二区| 亚洲中文日韩欧美视频| 一边摸一边抽搐一进一小说| 欧美日本亚洲视频在线播放| 亚洲在线观看片| 两个人视频免费观看高清| 成人av一区二区三区在线看| 欧洲精品卡2卡3卡4卡5卡区| 综合色av麻豆| 国产亚洲精品久久久久久毛片| 美女 人体艺术 gogo| 久久久久久久久大av| 搡老熟女国产l中国老女人| 亚洲五月婷婷丁香| 久久国产乱子免费精品| 成人欧美大片| 色精品久久人妻99蜜桃| 免费看a级黄色片| 精品久久久久久久久久免费视频| 俄罗斯特黄特色一大片| 亚洲电影在线观看av| 亚洲欧美精品综合久久99| 床上黄色一级片| 波野结衣二区三区在线| 国产亚洲欧美98| 国产欧美日韩一区二区三| 丁香六月欧美| 美女xxoo啪啪120秒动态图 | 久久6这里有精品| 日本黄色视频三级网站网址| 美女 人体艺术 gogo| www日本黄色视频网| 老司机午夜福利在线观看视频| 3wmmmm亚洲av在线观看| 国产综合懂色| 九九热线精品视视频播放| 欧美精品啪啪一区二区三区| 国产精品久久视频播放| 欧美日韩黄片免| 在线看三级毛片| 五月伊人婷婷丁香| 99久久成人亚洲精品观看| 少妇被粗大猛烈的视频| 亚洲天堂国产精品一区在线| 黄片小视频在线播放| 国产成人a区在线观看| 琪琪午夜伦伦电影理论片6080| 18+在线观看网站| 欧美性感艳星| 网址你懂的国产日韩在线| 久久九九热精品免费| 国产av在哪里看| 欧美日韩亚洲国产一区二区在线观看| 麻豆国产97在线/欧美| 国产精品人妻久久久久久| 亚洲av熟女| 国产一区二区三区视频了| 很黄的视频免费| 男女下面进入的视频免费午夜| 精品久久久久久成人av| 国产高清视频在线观看网站| 日韩欧美在线乱码| 色播亚洲综合网| 三级国产精品欧美在线观看| 99热这里只有是精品在线观看 | 99久久精品国产亚洲精品|