| 摘 要: |
稀树草原拥有低密度而总量巨大的地上生物量,是影响全球碳循环的重要地区。但其内部空间差异显著,遥感提取生物量不确定性大。全球生态系统动态调查任务(GEDI)通过激光雷达获取地表植被的三维立体信息,能够在观测足迹上得到地上生物量的高质量估算,但缺乏空间连续的地上生物量数据。选取非洲苏丹草原的稀树草原为研究区,利用Sentinel-2光学和PALSAR-2微波观测,并结合遥感树木覆盖度数据提取了28个特征,与GEDI足迹水平地上生物量数据建立随机森林模型,构建非洲稀树草原高分辨率地上生物量估算方法。结果显示:算法能够生成研究区内空间连续的地上生物量数据,有效提取了以往研究中常被忽略的非森林区域的树木信息。模型平均绝对误差和均方根误差分别为15.798 Mg/hm2和24.626 Mg/hm2,使用不同季节光学影像建模的精度接近。当使用雨季光学数据建模时,红、红边和短波红外光谱波段及相关光谱指数重要性高;当使用旱季光学数据时,树木覆盖度和微波数据的重要性显著提升。在进行非洲稀树草原的大尺度生物量估算时,采用多种数据源有助于获得较好的估算精度。本研究为未来低成本监测稀树草原地上生物量提供了方法参考,有助于该区域的植被碳循环研究。 |