基于Landsat 8影像的地溫對森林地上生物量的影響

郝 瀧，張 挺，厲香蘊，徐良泉，謝 天

（1.安徽農(nóng)業(yè)大學 理學院，安徽 合肥 230036；2.安徽省基礎(chǔ)測繪信息中心，安徽 合肥 230031）

森林作為陸地生態(tài)系統(tǒng)的主體，對于陸地生態(tài)系統(tǒng)的碳循環(huán)、水循環(huán)和輻射能量的交換都具有不可替代的作用，對人類生存的相關(guān)活動具有決定性影響[1-2]。森林生物量（Aboveground biomass，AGB）作為重要的評價指標，可以用來描述森林生態(tài)系統(tǒng)的物質(zhì)循環(huán)、能量流動及對森林生態(tài)功能[3]。森林生物量是生態(tài)環(huán)境和全球變化監(jiān)測研究的重要內(nèi)容[4-6]，可以用來分析生態(tài)系統(tǒng)碳循環(huán)和碳變化。傳統(tǒng)的森林地上生物量測量方法包括實測法和材積模型估算法，這兩種方法所獲取的森林地上生物量精度高，但是獲取所需要的實測數(shù)據(jù)一般方法都是在樣地實測和每木檢尺[7]，這種操作方法耗時費力、而且也會對林區(qū)的生態(tài)平衡及環(huán)境造成破壞，且該方法獲取的樣地數(shù)量有限，只能獲取有限的“點”上信息[8]，難以獲取完整的森林結(jié)構(gòu)信息。遙感技術(shù)手段可以實現(xiàn)對的森林地上生物量估算和大尺度動態(tài)監(jiān)測，不同分辨率的遙感影像和不同的遙感方式已經(jīng)廣泛的用于小區(qū)域和全球尺度范圍的森林地上生物量的估算和研究[9-13,32]?；诖耍狙芯恳訪andsat OLI 影像為數(shù)據(jù)源，提取相應的光譜特征、紋理特征等參數(shù)作為計算森林蓄積量的相關(guān)參數(shù)，進而推算研究區(qū)的森林地上生物量。

地球表面自然生態(tài)環(huán)境可以用地表溫度（Land surface temperature，LST）作為指標進行衡量[14]，基于遙感技術(shù)的LST 定量反演可以為災害預報、農(nóng)作物產(chǎn)量估算、全球碳平衡等研究領(lǐng)域提供參考依據(jù)，在地表輻射能量平衡、氣候變化和城市熱環(huán)境等領(lǐng)域具有重要意義[15]。傳統(tǒng)的地表溫度獲取方式主要是人為測量，只能獲取極小范圍內(nèi)的點數(shù)據(jù)。遙感影像為快速高效獲取大范圍的地表溫度數(shù)據(jù)提供了技術(shù)手段。包括MODIS、AVHRR 和TM/ETM+在內(nèi)的遙感數(shù)據(jù)，都已經(jīng)被廣泛的應用到地表溫度的研究中。針對不同的遙感影像數(shù)據(jù)，包括劈窗算法、單通道算法和多通道算法等多種反演算法都已經(jīng)廣泛用于地表溫度的反演[16-20]。單窗算法對地溫反演所需的參數(shù)少且反演結(jié)果精度較高，但是單窗算法[21]的設置是僅針對Landsat TM/ETM+熱紅外波段，而2013年發(fā)射的Landsat OLI/TIRS 影像的熱紅外波段（第10、11 波段均為熱紅外波段）設置與Landsat TM/ETM+（只有一個熱紅外波段）并不相同，無法直接使用單窗算法。但由于Landsat 8 衛(wèi)星自發(fā)射以來，熱紅外波段第11 波段的相關(guān)定標不確定性比第10 波段大1 倍，所以對于Landsat 8 數(shù)據(jù)而言，目前采用第10 波段來計算地表溫度[15,20-22]。因此，本研究以Landsat TIRS 影像為數(shù)據(jù)源，以單通道算法反演研究區(qū)的地表溫度。

地上生物量與氣候、生物多樣性、土壤含水量等因素有密切關(guān)聯(lián)[23]，霍山縣作為安徽的西南門戶地區(qū)和大別山的重要森林資源分布地和生態(tài)屏障，研究其地表溫度對森林地上生物量的影響效應，對整個大別山的生態(tài)保護、資源利用和可持續(xù)發(fā)展具有重要作用。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

研究區(qū)霍山縣位于安徽省西南部，與湖北省接壤，地理坐標范圍為31°03′～31°33′N，115°52′～116°32′E，縣轄總面積2 043 km2，縣總?cè)丝?6.6 萬，共有16 個鄉(xiāng)鎮(zhèn)。全境總體為山地地貌，地勢由東南向西北傾斜。氣候?qū)俚湫偷谋眮啛釒貪窦诧L氣候，季風氣候明顯，年平均氣溫15℃。霍山縣水資源比較豐富，雨量充沛，年均降水量1 391 mm?；羯娇h位于大別山北麓，境內(nèi)森林資源分布廣泛，屬于落葉、闊葉-常綠闊葉混交林帶。研究區(qū)霍山縣位置示意圖如圖1所示。

圖1 霍山縣位置示意圖Fig.1 Location of Huoshan county

1.2 數(shù)據(jù)和預處理

本研究采用的遙感影像數(shù)據(jù)Landsat OLI/TIRS獲取時間為2017年6月，同時獲取覆蓋霍山縣分辨率為30 m 的數(shù)字高程影像（DEM）（http://www.gscloud.cn/）。Landsat OLI/TIRS 影像共11個波段，包括8 個分辨率為30 m 的多光譜波段、1 個分辨率為10 m 的全色波段和2 個分辨率為100 m 的熱紅外波段。對Landsat OLI/TIRS 遙感影像采取的預處理主要包括：輻射定標、大氣校正（FLAASH 模型）和幾何精校正等。研究所采用的衛(wèi)星過境當天研究區(qū)霍山縣的大氣水汽含量數(shù)據(jù)來自中國氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn）。

本研究所采用的輔助數(shù)據(jù)主要包括：霍山縣2017年森林資源二類調(diào)查數(shù)據(jù)、樣地實測數(shù)據(jù)和地理國情監(jiān)測數(shù)據(jù)。其中，樣地數(shù)據(jù)（30 組）于2018年7-8月野外采集獲得，主要用于地類驗證。霍山縣位于大別山腹地，地形復雜，且森林資源分布較為廣泛，有限的樣地數(shù)據(jù)不能滿足研究要求，所以在該研究中采用了霍山縣的2017年森林資源二類調(diào)查數(shù)據(jù)作為主要的參考數(shù)據(jù)，二調(diào)數(shù)據(jù)內(nèi)容主要包括：地類、林分起源、優(yōu)勢樹種、平均胸徑、平均樹高、郁閉度、公頃蓄積量等，并進行每木檢尺。根據(jù)二元材積表計算各個樣地的蓄積量。地理國情數(shù)據(jù)是對我國土地利用類型和資源利用現(xiàn)狀統(tǒng)計的重要數(shù)據(jù)，也可以用來彌補樣地數(shù)據(jù)[3]。根據(jù)三倍標準差的方法處理輔助數(shù)據(jù)并剔除異常數(shù)據(jù)之后，用于研究區(qū)的森林蓄積量的反演和驗證。

1.3 特征提取

對于研究所需的特征提取，是依據(jù)Landsat 8遙感影像。其中，Landsat OLI 影像主要用于森林蓄積量的反演及森林地上生物量的轉(zhuǎn)化；Landsat TIRS 遙感影像主要用于地表溫度反演。經(jīng)過影像預處理之后，本研究所選取的Landsat OLI 計算影像的紋理特征和3 種不同的植被指數(shù)（歸一化植被指數(shù)、差值植被指數(shù)和比值植被指數(shù)）和光譜波段的波段比。Landsat TIRS（第10 波段）經(jīng)過輻射定標之后，計算相應的指數(shù)以備地表溫度反演使用。

遙感影像的紋理信息是對影像本身具有的空間信息的表達[7]，參考影像的紋理特征可以對圖像所具有的信息進行深入的挖掘。本研究利用由Haralick[23]等提出的基于灰度共生矩陣GLCM（Gray Level Co-occurrence Matrix）提取覆蓋霍山縣的Landsat OLI 的紋理特征進行森林蓄積量的反演研究。GLCM 主要是通過設定的間隔和方向，將不同的柵格點組合的出現(xiàn)頻率形成一個共生矩陣，并基于這個生成的共生矩陣去提取不同的紋理特征，灰度共生矩陣的原理是[25]：利用不同位置上像素的聯(lián)合概率密度定義，可以用來描述影像亮度的分布規(guī)律，也可以反映相同灰度像素之間的位置分布特征。對于給定像元在圖像（x,y）中的灰度值i，統(tǒng)計與距離為δ，灰度級為j的像素 (x+?x,y+?y)同時處在的概率P(i,j,δ,θ)，相應的數(shù)據(jù)計算公式為：

其中，i，j=0,1，…，L-1；x、y分別表示圖像中的像素的橫縱坐標值；L為圖像的灰度級數(shù)；Nx、Ny分別為圖像的行列數(shù)。在計算遙感影像紋理特征的時候應著重注意不同計算窗口大小對紋理特征信息表達的影響。上述式中，δ 表示不同像素之間的相對距離，如果相對距離δ=1，則表示兩個像素為相鄰像素；θ 表示不同像素之間的相對方向，通常情況下，考慮的方向為水平方向、垂直方向、對角線方向和反對角線方向，即0°、45°、90°、135°。Haralick 通過灰度共生矩陣一共定義了14個不同的紋理特征[24]。本研究采用ENVI 5.3 共計算得到以下8 中紋理特征：均值（Mean）、同質(zhì)性（Homogeneity）、方差（Variance）、對比度（Contrast）、二階矩（Second Moment）、熵（Entropy）、相關(guān)性（Correlation）和差異性（Dissimilarity）?；贚andsat OLI 遙感影像的各個波段可以計算得到相應的紋理特征，本研究所選用的紋理特征計算依據(jù)的灰度級為64，窗口大小為5*5，步長為3。本研究基于Landsat OLI 對霍山縣森林蓄積量的反演模型，共有三種特征參數(shù)，分別是紋理特征、光譜特征和地形特征。

1.4 模型構(gòu)建

多元逐步回歸分析法（Multiple stepwise regression，MSR）通過對所有自變量對因變量的貢獻對比，將偏回歸平方和顯著的自變量代入回歸方程，隨著新的變量引入，而同步更新保留在回歸模型中的參數(shù)，影響顯著的因變量保留，否則剔除，通過這樣的方法得到回歸方程[26]。

利用SPSS 軟件進行基于多特征參數(shù)的多元逐步回歸模型構(gòu)建森林蓄積量。自變量的選擇對于所構(gòu)建模型對于反演目標的表達具有重要影響，模型的優(yōu)劣并不是建立在更多的自變量的基礎(chǔ)上，構(gòu)建相關(guān)模型的時候引入過多與因變量無關(guān)的變量參數(shù)，除導致建模結(jié)果與實際情況偏差過大和模型不能解釋之外[27]，會造成巨大的數(shù)據(jù)計算量，因此在構(gòu)建模型之前，對待選自變量與因變量進行相關(guān)性分析，從待選參數(shù)中選取與因變量（森林蓄積量）相關(guān)性較強的待選參數(shù)進行模型構(gòu)建。

本研究利用多元逐步回歸的方法，分別基于光譜特征、紋理特征和多特征對霍山縣的森林蓄積量進行反演研究。

1.5 模型精度評價

對于模型的評價本研究采用RMSE 和相對誤差σ來表示。模型計算得到的估測值與實際值的相符程度依據(jù)均方根誤差（Root mean square error，RMSE）來評價，RMSE 可以反映樣本數(shù)據(jù)的極值效應和估測值的靈敏度，RSME 越小，表明預測結(jié)果越準確。相應的計算公式如下：

式中：mi表示森林蓄積量的實測值，ei表示森林蓄積量的估算值，n表示樣本總數(shù)。

2 結(jié)果與分析

2.1 霍山縣森林蓄積量反演

2.1.1 基于光譜特征的森林蓄積量反演

提取覆蓋研究區(qū)的Landsat 8 多光譜影像提取原始影像對應的波段反射率，由多光譜波段計算得到的波段比和植被指數(shù)，將上述計算量作為自變量與森林蓄積量進行相關(guān)性分析，并根據(jù)所選與森林蓄積量相關(guān)程度較高的備選參數(shù)，利用逐步回歸的方法，構(gòu)建得到基于光譜特征的森林蓄積量反演模型為：

式中：Y1為森林蓄積量，Band1，Band2，Band3，Band6 分別為Landsat 8 對應的多光譜波段。

2.1.2 基于紋理特征的森林蓄積量反演

本研究基于GLCM 方法提取覆蓋研究區(qū)的Landsat OLI 影像多光譜特征7 個波段的8 種紋理特征（共得到56 個紋理特征），將相關(guān)紋理特征作為自變量與森林蓄積量進行相關(guān)性分析，利用多元逐步回歸的方法，得到基于紋理特征的森林蓄積量反演模型為：

式中：Y2為森林蓄積量，Band5Contrast和Band5Correlation為波段5 的緊致性和相關(guān)性紋理特征，Band2Mean是波段2 的均值紋理特征。

2.1.3 基于多特征的森林蓄積量反演

經(jīng)過對所有備選量進行與森林蓄積量的相關(guān)性分析，優(yōu)先選擇與森林蓄積量相關(guān)程度較高的參數(shù)，通過多元逐步回歸的方法最終入選的特征變量包括：坡度、波段比、均值紋理特征和植被指數(shù)EVI。逐步回歸分析，得到霍山縣森林蓄積量估算方程為：

式中：Y3為森林蓄積量，Slope為坡度，EVI為增強植被指數(shù)，和為波段比，Band2Mean為波段2 的均值。

2.1.4 森林蓄積量反演模型精度評價

根據(jù)建模預留的驗證數(shù)據(jù)，對研究構(gòu)建的3種蓄積量反演模型進行精度驗證，相應的精度評價指標如下表所示：

表1 不同森林蓄積量反演模型精度評價和對比Table 1 Comparison of three growing stock volume inversion models’ results

依據(jù)RMSE 和相對誤差對3 種森林蓄積量反演模型的精度進行評價，經(jīng)比對結(jié)果顯示，基于多特征的森林蓄積量反演模型反演精度最高。將研究區(qū)的森林蓄積量反演統(tǒng)計值與樣地數(shù)據(jù)進行對比，以驗證多源回歸模型對森林蓄積量反演的精度，反演蓄積量估測均值為108.6 m3/hm2，實測均值為135.7 m3/hm2，相對精度為80.02%，模型預測結(jié)果較為理想，因此基于多特征的森林蓄積量反演模型和結(jié)果可以用于霍山縣森林地上生物量的計算。

2.2 霍山縣森林地上生物量的轉(zhuǎn)換

研究根據(jù)森林蓄積量與生物量之間具備的顯著回歸關(guān)系，采用方精云等建立的蓄積量-生物量估計回歸方程及參數(shù)估算森林生物量[18]?；貧w方程為：

式中：B為單位面積地上生物量（t/hm2），V為蓄積量（m3/hm2），a，b參數(shù)通過生物量-蓄積量換算模型參數(shù)得到。對應的a、b參數(shù)參考值如表2所示[19]。在依據(jù)該方法進行蓄積量和生物量換算的時候，需要確定特定范圍內(nèi)的喬木類型，根據(jù)下表可以發(fā)現(xiàn)，不同的喬木類型所對應的a和b各不相同，本研究依據(jù)2017年霍山縣的森林資源二類調(diào)查數(shù)據(jù)和地理國情數(shù)據(jù)確定劃定不同喬木類型的范圍。

表2 生物量-蓄積量換算模型參數(shù)Table 2 Parameters for the AGB transformation model

在基于多特征反演得到的霍山縣森林蓄積量模型的基礎(chǔ)上，根據(jù)生物量-蓄積量相關(guān)關(guān)系可以估算得到霍山縣森林地上生物量。為驗證基于生物量轉(zhuǎn)換模型得到的地上生物量的精度，將樣地實測森林蓄積量數(shù)據(jù)按照相應的轉(zhuǎn)換參數(shù)轉(zhuǎn)換為生物量，經(jīng)過計算實測森林地上生物量均值為113.2 t/hm2，反演得到的森林地上生物量為93.5 t/hm2，相對精度為82.6%，森林地上生物量反演精度較高。經(jīng)過計算得到霍山縣森林地上生物量的分布如下圖2所示。

圖2 霍山縣森林生物量估算分布圖Fig.2 Estimation AGB map of Huoshan county

2.3 霍山縣地表溫度反演

地表溫度是反映地球資源環(huán)境動態(tài)變化的一個重要參數(shù)，在氣候、生態(tài)環(huán)境等領(lǐng)域的研究中具有重要價值[28]?；贚andsat TIRS 數(shù)據(jù)的地表溫度反演經(jīng)過國內(nèi)外學者的研究已經(jīng)趨于完善，像元二分模型是一種便于計算且十分實用的遙感估算模型[29]，它假設將單個像元分為有植被覆蓋和無植被覆蓋的兩種部分地表組成，計算方程如下：

其中：S為遙感傳感器所觀測到的信息，Sv為由植被覆蓋部分貢獻的信息，Ss為由無植被覆蓋部分（裸土）所貢獻的信息；fc為單位像元植被覆蓋所占面積比例，（1-fc）為單位像元裸土所占面積比例；Fc為植被覆蓋率。研究將像元二分模型與NDVI相結(jié)合可以有效反映植被覆蓋率的反演情況，以此結(jié)果進行溫度反演具備更高精度。

利用遙感影像數(shù)據(jù)反演LST 的理論基礎(chǔ)是基于普朗克定律（Planck）量化所構(gòu)成的熱輻射傳輸方程，根據(jù)衛(wèi)星傳感器的空間分辨率設置，主要分為單波段算法、劈窗算法和多波段算法[30]。研究以像元二分模型得到的植被覆蓋率結(jié)果為主體，采用輻射傳輸模型反演地表溫度（大氣校正法）：首先估測大氣層中各種因素對地表熱輻射的各種不同的影響，將其從衛(wèi)星傳感器測得的熱輻射總量中減去，最后將計算后得到的精度較高地表熱輻射強度轉(zhuǎn)化為攝氏度表示的正常地表溫度[31]。計算公式如下：

式中：K1和K2為傳感器特定的定標常數(shù)，研究采用的為Landsat 8 的第10 和第11 波段，其中Band 10：K1=774.89，K2=1321.08；Band 11：K1=480.89，K2=1201.14。TSurface是地表溫度，B(TS)是在TS溫度下的黑體輻射亮度，Lλ是利用輻射定標系數(shù)將像元灰度值DN 轉(zhuǎn)化為接收到的輻射亮度值，gian 和offset 是Band10 和Band11 響應函數(shù)的斜率和截距。DN為影響原始像素值；τ是大氣在紅外波段的透過率；ε是地表比輻射率，L↑為大氣向上輻射亮度；L↓為大氣向下輻射亮度。

基于Landsat TIRS 影像的霍山縣地表溫度反演結(jié)果如圖3所示。

圖3 地表溫度反演結(jié)果Fig.3 Result of the land surface temperature inversion

2.4 霍山縣地溫與森林地上生物量關(guān)系

不同的海拔高度所反映的地表溫度不一致，本文在探討地表溫度對森林地上生物量的影響時，將研究區(qū)的海拔按照100 m 的間隔進行梯度劃分，研究區(qū)的海拔共劃分為8 個梯度，依據(jù)每個梯度范圍的生物量與溫度的關(guān)系來探討地表溫度對森林地上生物量的影響效應。在不同海拔范圍內(nèi)梯度中，地表溫度對森林地上生物量的關(guān)系如圖4所示。

圖4 不同海拔梯度范圍內(nèi)地表溫度對森林地上生物量的影響Fig.4 Impact of the land surface temperature to the AGB

在100～200m 的海拔范圍內(nèi)，地表溫度對森林地上生物量的影響不顯著，該海拔范圍分布的點的生物量沒有顯著差異，以此可以判定在海拔200 m 以下的區(qū)域，地表溫度對森林地上生物量可以不考慮。在海拔200～300 m 和300～400 m的區(qū)域，可以發(fā)現(xiàn)隨著地表溫度的升高，森林地上生物量呈增加趨勢，可以判定在該區(qū)間內(nèi)，地表溫度與森林地上生物量呈正相關(guān)關(guān)系，隨著地表溫度的增加，森林地上生物量也隨之而增加，且在海拔300～400 m 范圍的正相關(guān)表現(xiàn)比海拔200～300 m 的區(qū)域更明顯。在海拔范圍為400～500 m，500～600 m，600～700 m 的范圍內(nèi)，地表溫度與森林地上生物量仍呈現(xiàn)出正相關(guān)的關(guān)系，但隨著海拔的增加，兩者之間的正相關(guān)關(guān)系逐漸減小；在海拔700～800 m 的范圍內(nèi)，地表溫度與森林地上生物量反而 呈現(xiàn)出負相關(guān)關(guān)系，在該區(qū)域內(nèi)，隨著地表溫度的增加，森林地上生物量減小。超過800 m 的區(qū)域，地表溫度與森林地上生物量的關(guān)系不明顯，此時地表溫度對森林地上生物量的影響可以忽略。根據(jù)研究結(jié)果可以發(fā)現(xiàn)，總體而言，地表溫度與森林地上生物量呈正相關(guān)關(guān)系，200～700 m 范圍內(nèi)，森林地上生物量會隨著地表溫度的增加而增加，并在海拔300～400 m 的范圍內(nèi)達到最高，海拔700～800 m 范圍內(nèi)，地表溫度與森林地上生物量呈負相關(guān)關(guān)系，但相關(guān)性較小。而海拔 200 m 以內(nèi)和800 m以上，地表溫度對森林地上生物量的關(guān)系較小。

3 結(jié)論與討論

3.1 結(jié) 論

本研究以Landsat 8 為遙感數(shù)據(jù)源，以數(shù)字高程模型（DEM）、森林資源二類調(diào)查數(shù)據(jù)、地理國情監(jiān)測和樣地數(shù)據(jù)為輔助數(shù)據(jù)，耦合多源數(shù)據(jù)分別對霍山縣森林蓄積量和霍山縣地表溫度進行反演研究。研究基于3 種不同的特征對森林蓄積量進行反演模型構(gòu)建，分別是：1）基于光譜特征的森林蓄積量反演模型；2）基于紋理特征的森林蓄積量反演模型；3）基于多特征的森林蓄積量反演模型。以均方根誤差和相對誤差為評價指標，對研究所構(gòu)建的森林蓄積量反演模型進行精度評價。根據(jù)評價結(jié)果可以發(fā)現(xiàn)，單一基于Landsat 8遙感影像光譜特征的反演精度最低，耦合多源特征的森林蓄積量反演精度最高，研究結(jié)果表明，隨著遙感影像紋理特征的引入，可以有效提高森林蓄積量的反演精度。根據(jù)本研究反演得到的森林蓄積量模型和生物量-蓄積量的轉(zhuǎn)換方程，計算得到霍山縣的森林地上生物量分布情況。根據(jù)像元二分模型和單通道算法，以Landsat 8 影像的第10 波段對霍山縣的地表溫度進行反演。根據(jù)反演得到霍山縣森林地上生物量和地表溫度，對兩者之間的關(guān)系進行分析，得到如下結(jié)論：

1）在海拔為200 m 以下和800 m 以上的區(qū)域，地表溫度對森林地上生物量影響不明顯。

2）在一定的海拔范圍內(nèi)，森林地表生物量與地表溫度成正相關(guān)關(guān)系，即在200 m～700 m 海拔范圍的森林地上生物量均隨著地表溫度的身高而增加。

3）500 m 海拔高度為界限，500～700 m 范圍內(nèi)的森林地上生物量與地表溫度仍呈現(xiàn)正相關(guān)性，但是正相關(guān)性隨海拔升高逐漸減小。

4）海拔700～800 m 范圍內(nèi)，森林地上生物量與地表溫度呈現(xiàn)負相關(guān)關(guān)系。

3.2 討 論

Landsat 系列影像作為目前使用最廣泛的中等分辨率影像，對于大尺度大范圍的資源監(jiān)測具有顯著的優(yōu)勢。本研究表明，基于多特征的森林蓄積量反演方法可行，據(jù)此反演方程結(jié)合森林地上生物量經(jīng)驗方程得到的霍山縣的森林地上生物量，但由于所選用的遙感影像空間分辨率的影響，并考慮到研究區(qū)內(nèi)的地形特殊性，雖然依據(jù)該理論方法得到了相應的反演模型，但是對于精度較高的監(jiān)測而言，應該采用分辨率更高的遙感影像進行相應內(nèi)容的反演和研究。參考對森林蓄積量模型構(gòu)建的相關(guān)研究，本研究依據(jù)中低分辨率的森林蓄積量建模方法可以進一步提升精度。葉子林等[2]利用高分影像的不同窗口大小計算的紋理特征對森林蓄積量的反演精度較好；李云等[33]基于參數(shù)優(yōu)選支持的方法結(jié)合光學和SAR 數(shù)據(jù)對森林地上生物量的反演結(jié)果顯示，SAR 數(shù)據(jù)對森林地上生物量反演潛力較好。陳松等[34]對森林蓄積量的反演基于不同的變量選擇方法對森林蓄積量的反演研究也取得較好成果；本研究對于森林蓄積量的反演模型采用的是多元逐步回歸分析，可在以后的研究中探討不同的建模算法對森林蓄積量等森林參數(shù)的反演精度的影響和比較，除此之外也要考慮引入多源影像數(shù)據(jù)來對相應的森林參數(shù)進行模擬和反演。對于地表溫度和森林地上生物量的關(guān)系探討，雖然在一定程度上能夠反映地表溫度對森林地上生物量的影響關(guān)系，但是由于地形和實驗條件限制而導致所獲取的實測樣本數(shù)據(jù)有限，這對于更高精度的驗證要求有所欠缺。采用高分辨率和充足的實測數(shù)據(jù)對于分析地表溫度和森林地上生物量的影響效應有較大幫助。