基于序贯高斯条件模拟的GEDI数据联合Landsat8反演森林地上生物量

[目的]单一遥感技术估测森林生物量存在较大局限性,本研究旨在利用多源遥感协同技术互补激光雷达和光学遥感的优势,提高生物量估测精度。[方法]以星载激光雷达GEDI和光学遥感Landsat8数据为主要信息源,采用序贯高斯条件模拟方法实现GEDI光斑数据由“点”到“面”的空间扩展,结合地面138块生物量调查样地,利用随机森林回归方法估测云南省香格里拉云冷杉林的地上生物量。[结果](1)采用序贯高斯条件模拟方法对GEDI光斑点进行空间插值,模拟的12个生物物理指标在空间分布上呈现出随机性、破碎化的特征,这与森林的空间分布聚集性非常相似,参与建模的9个指标OEC均大于0.90;(2)利用单一Landsat8光学遥感数据和地形因子构建的随机森林模型精度为:R2=0.82,RMSE=35.51 t·hm^(-2),P=0.77;Landsat8数据协同星载激光雷达GEDI数据构建的随机森林模型精度为:R2=0.86,RMSE=32.11 t·hm^(-2),P=0.80,模型精度明显提升;(3)利用多源遥感技术估测的香格里拉2019年云冷杉林地上的生物量总量为37 042 605.68 t,平均生物量为123.28 t·hm^(-2)。[结论]基于地统计学的序贯高斯条件模拟方法考虑到研究对象的空间异质性、能克服一定的平滑效应,用于实现激光点由“点”到“面”的空间扩展是可行的。星载激光雷达GEDI与光学遥感Landsat8协同的多源遥感数据可有效填补单一遥感数据源的缺陷,提高森林生物量的估测精度,能为激光雷达联合光学遥感估测大范围、全覆盖的森林生物量提供参考。

基于PLUS模型和InVEST模型的西双版纳碳储量变化研究

为了探究西双版纳州2000—2030年不同土地覆被类型变化特征及其对碳储量的影响,提升区域碳储量的估算精度和准确度,采用PLUS模型和InVEST模型相结合的方法,分别预测了2030年不同情景下西双版纳的土地覆被情况以及不同土地类型下的碳储量的变化。结果显示:(1)PLUS模型在西双版纳的预测结果比较理想,2000年模拟2010年、2010年模拟2020年的Kappa系数分别为0.80、0.81。(2)2000—2020年,林地、草地、灌木地在逐渐减少,建设用地在不断扩张,20年间城镇用地增加了172.37 km^(2),至2030年,建设用地进一步扩张,面积达到了381.18 km^(2),林地和草地转移成一部分转换成耕地,另一部分转换成建设用地。(3)InVEST模型计算出来的2000—2030年西双版纳碳储量总体呈下降趋势,空间上存在着呈块状和条状交错分布的特点。2000年、2010年、2020年西双版纳州的碳储量分别为4.94×10^(7)t、4.82×10^(7)t、4.76×10^(7)t,2030年自然发展情景下碳储量为4.64×10^(7)t,城镇发展下为4.63×10^(7)t,生态保护情景下为4.65×10^(7)t。总体来看,城镇化的发展导致西双版纳碳储量呈现逐年降低的趋势,生态保护情景下碳储量相比城镇发展情景提高了1.50×105 t,说明实施生态保护措施可以较好地实现西双版纳固碳作用。实验结果表明,运用PLUS模型模拟未来土地覆被变化具有可行性,同时结合InVEST模型可以预测出未来土地覆被变化下碳储量的增减情况,为西双版纳低碳田园农村发展规划以及推进西双版纳州实现“双碳”目标提供参考依据。