多尺度落叶松人工林地上生物量估测及其不确定性分析

论文编号lybs0000212649

论文标题多尺度落叶松人工林地上生物量估测及其不确定性分析

论文作者 杨兰

指导导师 甄贞

授予时间2022

授予年份2022

学位级别硕士

学科专业 森林经理学

主题词 地上生物量 地上碳储量 空间不确定性 ITA ABA 激光雷达

授予单位东北林业大学

摘要  在全球气候变暖的背景下,本世纪初国际社会开始实施REDD+(reducing emissions from deforestation and forest degradation)计划,目的是减少发展中国家毁林和森林退化,通过森林保护、森林可持续经营增加森林碳汇,从而达到改善气候变化的目的。REDD+减排项目需要稳健的方法来量化大尺度森林碳汇,而作为世界上人工林面积最大的国家,对人工林森林生物量和碳储量进行量化研究不可或缺,因此,利用遥感数据且精准的方法估测典型人工林森林生物量和碳储量显得尤为重要。目前,利用遥感数据重点对森林地上生物量(Aboveground biomass,AGB)和地上碳储量(Aboveground carbon,AGC)进行评估,采用的主要方法是基于面方法(Area-based approach,ABA)的大尺度AGB/AGC估算。随着单木检测技术的发展和多平台遥感数据的出现,基于单木的方法(Individual tree-based approach,ITA)具有无破坏性地进行精细AGB制图的潜力,但如何应用这两种方法从单木到林分尺度上进行AGB的升尺度估测,以及如何量化各尺度不确定性还有待深入探讨。本研究以中国东北地区最重要的造林树种之一长白落叶松(Larix olgensis Henry)为例,应用无人机激光雷达(Unmanned Aerial Vehicle Laser Scanning,ULS)数据、背包激光雷达(Backpack Laser Scanning,BLS)数据、机载激光雷达(Airborne Laser Scanning,ALS)数据和Landsat 8 OLI数据,使用四种方法(点云分割、区域生长、分水岭、区域层次断面积)进行单木树冠提取(Individual Tree Crown Delineation,ITCD),选择精度最高的分割算法估测树高、胸径等单木参数,结合单木可加性生物量模型和蒙特卡洛模拟计算单木AGB及样地AGB及其不确定性,在样地AGB及其不确定性的基础上,利用ITA和ABA的思路进行了非破坏性的像元尺度和林分尺度的AGB估算,比较了两种方法对多尺度AGB估计及其空间不确定性的影响,据此将AGB转换为AGC,探索帽儿山林场落叶松人工林的像元和林分尺度AGC空间分布及不确定性。主要研究结果表明:(1)四种单木树冠提取算法中,由于本研究的林分密度较高(约1265株/ha),基于点云分割算法表现优于三种基于CHM算法(区域生长、分水岭和区域层次断面积),得到较高的单木AGB估计精度(R~2=0.97,RMSE=28.58kg,r RMSE=21.13%)。(2)应用所有探测到的单木比只考虑1:1匹配的单木计算的样地尺度AGB精度更高。应用蒙特卡洛模拟得到落叶松人工林的样地尺度AGB估计值和不确定性分别为158.16 t/ha和3.64 t/ha。(3)在像元尺度上,基于ITA和ABA估计的帽儿山林场落叶松人工林的像元尺度(30×30m)AGB非常相似,分别为129.66 t/ha和144.38 t/ha,但ABA方法估计的像元尺度AGB精度低于ITA方法,且不确定性更高;在林分尺度上,基于ITA估计的AGB值平均为124.60 t/ha,而基于ABA估计的AGB值平均为138.38 t/ha。尽管两种方法估计的AGB平均值相似,但与ABA相比,ITA估计的林分AGB空间分布更精细,异质性更大。ITA能够有效消除ABA方法普遍出现的对低AGB值的高估现象。(4)应用ITA方法和ABA方法估计的帽儿山林场落叶松人工林总地上碳储量(AGC)分别为191575.67 t和214909.08 t,平均像元尺度AGC分别为64.83 t/ha和72.19t/ha,平均林分尺度AGC分别为62.30 t/ha和69.19 t/ha,这与AGB估计值的趋势一致。无论在像元尺度还是林分尺度,ITA方法估测的AGC不确定性远远低于ABA方法,而且能够提供更加精细的细节信息。本研究提出了一个基于单木探测技术的AGB估测的升尺度框架,并比较了ITA和ABA对像元尺度和林分尺度AGB和AGC估计及空间不确定性的影响,应用ITA和ABA两种方法估算AGB的框架可应用在其他人工林或简单林分中。对于更复杂的天然林或天然次生林,AGB/AGC的升尺度估测会受到更多因素的影响,更加复杂,需要更加全面的MC模拟研究。随着ITCD算法的迅速发展和误差量化技术不断成熟,ITA为更精准地估测森林生物量和碳储量、森林监测和保护,以及未来森林可持续经营提供了一个可靠的技术保障。