生态脆弱区典型森林生态系统生化参数高光谱遥感反演关键技术研究

Various biochemical parameters (chlorophyll, total nitrogen, moisture content, etc.) in forest have been used as indicator of assessment of the vegetation stress information, growth status and carbon sequestration capacity. Monitoring the change of vegetation biochemical parameters is important for studying forest ecosystem balance, environmental change, forest health status, and forest management. In the past decade, traditional technique has been widely used for monitoring the biochemical parameters but they are different to achieve real time and non-destructive, and a wide range of applications. Since then, hyperspectral remote sensing data, with hundreds of bands and high spectral resolution, can provide more spectral information and has been identified as one important data source in estimating the biochemical parameters of vegetation. Pinus densata, as the main trees species in Shangri-La region with high altitude and low temperature, is viewed to the typical forest ecosystem. The objective of this study is to provide a case for monitoring forest ecosystem health in the region with low latitudes and high altitudes by establishing the estimation model for Pinus densata at different scales (leaves, canopies and landscape) based on preliminary studies on key technologies for “saturation point” of biochemical parameters using hyperspectral remote sensing data. Specific objectives of the research are four steps. The first is to design the experiment and then to collect the hyperspectral data and major biochemical indicators of Pinus densata at different scales in typical forest ecosystems; Secondly, the "saturation point" of biochemical parameters is studied based on hyperspectral data, then estimation models at leaves and canopy scales are respectively established and then accuracy assessments are performed. Finally, the model of biochemical parameters of Pinus densata at landscape scale is estimated based on simultaneous equations by using hyperspectral remote sensing data.

森林植被体内各种生化参量(叶绿素、全氮、水分等)可以反映植被胁迫信息、生长情况和固碳能力。监测植被生化参量的变化对于研究森林生态系统平衡、环境变化、森林健康状况、森林经营管理具有重要意义。传统的监测植被生化组分方法一般具有滞后性、破坏性且难以实现大尺度的应用，高光谱遥感技术为此提供了全新的思路。本研究以高光谱为主要信息源，以香格里拉高寒山区乡土树种高山松为典型森林生态系统，在前期进行生化组分遥感信息“饱和点”关键技术研究基础上，建立高山松叶片、冠层和景观尺度的生化组分遥感监测模型，研究结果可为低纬度高海拔地区森林生态系统健康监测提供案例。主要研究内容包括：1）典型森林生态系统高山松不同尺度主要生化组分及高光谱数据采集试验设计；2）高山松典型生化参量高光谱遥感“饱和点”研究；3）高山松叶片及冠层尺度生化参数遥感估测模型建立及精度验证；4）基于联立方程组的景观尺度的高山松生化组分遥感反演。

植物体内含有的叶绿素、叶黄素、蛋白质、木质素和纤维素等组分以及碳、氮、氢等微量元素统称为植被生化组分。森林植被体内各种生化参量(叶绿素、全氮、水分等)可以反映植被胁迫信息、生长情况和固碳能力。监测植被生化参量的变化对于研究森林生态系统平衡、环境变化、森林健康状况、森林经营管理具有重要意义。.传统的森林生化组分测量大都采用野外实地采样、实验室分析的手段，费时、费力，不适合大面积开展，成为森林生化组分研究的一个瓶颈。遥感作为一种新型的探测手段，特别是高光谱遥感，能方便快捷地获得空间上连续的光谱信息，为森林生化参数监测提供新思路。但高光谱遥感进行森林生化组分监测时主要问题为光谱饱和现象、尺度效应等问题，易造成高值低估和低值高估现象；另外，不同的遥感估测模型在对同一区域生化组分进行监测时，由于模型不同、变量参数不同和监测尺度不一致，估测结果差异很大。如何提高估测精度，是当前定量遥感面临难题之一。.本研究针对传统森林植被生化参量遥感监测中存在的光谱饱和现象、尺度效应及模型选型参数问题，以机载和星载高光谱遥感为主要信息源，以香格里拉高寒山区乡土树种高山松林为典型森林生态系统，结合地物光谱和地面样地数据，建立了高山松单木和林分水平的生化组分（叶绿素a、叶绿素b、叶绿素ab、氮素和类胡萝卜素）统计模型；基于地统计学变异函数理论，识别出高山松生化组分高光谱“饱和点”，确定了区域尺度的高山松高光谱遥感最佳观测尺度等遥感监测关键技术，在此基础上建立了高山松区域尺度的生化组分遥感监测模型，制作研究区高山松主要生化组分的空间分布图。.本研究相关成果，有利于及时、准确地获取滇西北地区高山松生化参数相关信息，为研究区典型森林生态系统的健康监测、碳收支估测等提供技术支持。同时，研究结果还可以为其它区域森林生化组分和不同空间分辨率的遥感数据进行树种参数估测提供借鉴，为进一步促进森林资源调查自动化、智能化服务。