基于卫星影像和连续清查数据的森林碳模拟及其空间不确定性分析

大尺度森林碳空间分布信息是区域森林CO2源汇功能评价的重要依据。然而，如何准确估计森林碳的空间分布，目前在理论和方法上仍面临诸多挑战，这些挑战主要来自空间仿真模拟、尺度转换和不确定性分析等方面。本项目以浙江省为研究区域，利用该区域近年来森林资源连续清查样地数据和同期中低分辨率遥感数据，结合典型区域抽样调查，研究区域尺度上的森林碳分布空间估计方法。该研究将基于地统计学理论提出一个森林碳分布空间估计算法，完成从样地水平和像元水平到大尺度制图单位的转换；在验证和优化的基础上，对空间估计和尺度转换过程中的不确定性进行模拟和分析，确定输入端不确定性对输出成果中不确定性的贡献，最后导出一个基于遥感影像和森林资源连续清查数据的区域森林碳制图及其空间不确定性分析的方法系统，为大区域森林碳动态监测和多尺度森林碳汇空间数据产品的质量评价提供依据，为改进森林碳分布空间估计质量提供方法。

本项目为研究基于森林资源清查数据与卫星遥感数据的区域森林碳空间估计方法的应用基础研究项目。其目标是针对当前区域森林碳空间估计方法不能满足实际应用需要的现状，研究区域尺度上森林碳空间估计及其不确定性分析的方法，以期提出区域森林碳储量及其分布的空间估计、尺度转换和不确定性分析的方法框架，为区域尺度上森林碳的空间估计及其碳源汇功能评价提供方法参考。其实施期限为2010年1月1日至2012年12月31日。.根据《申请书》和《资助项目计划书》的计划安排，项目在实施其内，以仙居县和临安市为研究区，分别完成了森林资源清查数据搜集、遥感数据获取和野外验证样地调查等数据采集和分析工作，提出了基于空间仿真的区域森林碳分布协同克里格森林碳空间仿真算法和基于协同克里格块仿真的森林碳分布尺度上推算法，分析了不同参数对空间仿真的影响，比较了空间仿真、人工神经网络、回归等方法用于区域森林碳分布估计的不确定性大小，提出和分析了基于空间仿真的区域森林碳分布估计不确定性评估方法。研究表明：基于地统计理论进行空间仿真是区域森林碳储量及其分布估计的有效方法。与线性回归、非线性回归及人工神经网络方法相比，空间仿真方法具有明显优势。在保证总体总量一致的前提下，空间仿真方法能最大限度地真实再现森林碳储量的空间分布格局，同时可以提供每一个空间位置估计值的方差。基于协同克里格进行块空间仿真可以实现森林碳空间估计的尺度上推，其效果明显优于一般的平均值法、中心点法、双线性内插法等级与统计的尺度转换方法，而且结果能提供每个空间位置的方差。基于各空间位置森林碳估计值和原始数据值（遥感数据和样地数据）的方差建立回归模型（多项式）可以较好地描述和分析森林碳分布估计中不确定性从输入到输出的传播。在区域森林碳储量及其分布估计中，遥感数据（输入）的不确定性对估计值（输出）的不确定性贡献最大；地面样地位置误差也是不确定性输入的主要成分之一；当位置误差大到一定程度时，可以导致区域森林碳分布的格局消失。本项目对于充分利用森林资源连续清查数据和遥感数据进行区域森林碳储量及其分布估计，提出了从空间估计到不确定性分析的解决方案。这些结果对指导森林资源监测、管理及相关实践有重要意义。.本项目取得了预期的成果：（1）在国内外相关期刊上已发表学术论文7篇，收到正式录用通知的论文1篇，其中包括SCI 论文4篇，一级学报论文2篇，核心期刊2篇。发表会