全 文 ：大兴安岭植被生物量的 ALOS PALSAR估算*
宋摇 茜摇 范文义**
(东北林业大学林学院, 哈尔滨 150040)
摘摇 要摇 利用野外实测调查数据,系统分析了 ALOS PALSAR L 波段 HH(L鄄HH)极化数据与
大兴安岭地区森林各成分参数的关系,并采用简单线性模型、指数模型和加入地理因子模型
建立森林生物量的估算模型进行最优反演.结果表明:后向散射系数与树木地上部分总生物
量相关性最大,其次是干生物量,L鄄HH 数据可以用来反演正确的树木地上部分总生物量. 3
种模型中,加入地理因子模型降低了植被生物量估算的误差,精度达 0郾 851,反演结果与实际
相符.在 41郾 5毅入射角 L鄄HH极化数据下,大兴安岭塔河林业局和阿木尔林业局的森林生物量
饱和点在 15郾 4 kg·m-2 .
关键词摇 森林生物量摇 后向散射系数摇 地理因子摇 ALOS PALSAR摇 大兴安岭
文章编号摇 1001-9332(2011)02-0303-06摇 中图分类号摇 TP79摇 文献标识码摇 A
ALOS PALSAR estimation of vegetation biomass in Daxing爷anling region. SONG Qian, FAN
Wen鄄yi (School of Forestry, Northeast Forestry University, Harbin 150040, China) . 鄄Chin. J. Appl.
Ecol. ,2011,22(2): 303-308.
Abstract: Based on field survey data, the correlations between the ALOS PALSAR L鄄band HH
(L鄄HH) polarization data and the parameters of forest components in Daxing爷 anling region were
systematically analyzed, and by adopting forest biomass estimation models, including simple linear
model, exponential model, and model with terrain factors, optimal inversion was conducted. The
results showed that backscattering coefficient had the greatest correlation with total forest biomass,
and secondly, with trunk biomass, suggesting that the L鄄HH data could be used to estimate the total
forest aboveground biomass. Among the three models adopted, the model with terrain factors could
greatly reduce the biomass estimation error, with the accuracy reached 0郾 851, and the inversion re鄄
sult coincided best with the actual situation. It was forecasted that under the 41郾 5毅 incidence angle
L鄄HH polarization, the vegetation biomass saturation point within the Tahe and Amuer forest bu鄄
reaus of Daxing爷anling was at about 15郾 4 kg·m-2 .
Key words: forest biomass;backscattering coefficient;geographical factor;ALOS PALSAR; Dax鄄
ing爷anling
*国家高技术研究发展计划项目(2006AA12Z104)和国家林业局
“948 计划冶项目(2011鄄4鄄80)资助.
**通讯作者. E鄄mail: fanwy@ 163. com
2010鄄05鄄04 收稿,2010鄄11鄄23 接受.
摇 摇 森林生物量是森林生态系统中重要的特征数
据.区域和全球生物量估测对于监测气候变化和人
类活动对森林生态系统的影响具有重大意义,因此
备受关注[1-3] . 研究发现,现有的技术手段中,光学
和近红外光谱只与叶生物量发生反应[4-6],对植被
垂直方向上的信息反映不足;微波具有穿透树冠的
能力,不仅能作用于树叶,而且与森林生物量的主
体———枝和树干也发生作用;而雷达遥感采取侧视
成像, 使用的波长比光学遥感长,不受天气条件和
时间的限制,能够充分反映植被的结构特征,且微波
后向散射强度对森林生物量极其敏感,因而成为较
精确地估测森林生物量的前提和基础[7] .
20 世纪 90 年代,许多研究者结合森林后向散
射模型进行了 SAR 数据的森林生物量估测与制
图[8-10],结果表明,微波波段雷达后向散射与地上生
物量显著相关[11-12] . Luckman等[13]在新生热带森林
使用 ERS鄄1 / 2 tandem相干数据与 0 ~ 10 kg·m-2的
森林生物量进行相关分析,相关系数 (R2 )高达
0郾 805,之后又采用 JERS鄄1 SAR 数据估算热带森林
生物量时发现,当生物量达 6 kg·m-2时,后向散射
系数达到饱和[14] . Kuplich 等[15]发现,JERS鄄1 SAR
应 用 生 态 学 报摇 2011 年 2 月摇 第 22 卷摇 第 2 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Feb. 2011,22(2): 303-308
的后向散射数据适用于在皆伐迹地上更新的热带次
生林生物量研究,与生物量的相关性为 0郾 77. 国外
学者对多频率多极化雷达数据的研究获取了大量信
息[16-18],国内李增元等和车学俭研究发现了雷达遥
感在森林参数估测中的潜力[19-20] .目前应用雷达遥
感数据进行森林生物量估测的方法已被用于快速获
取植被生物量信息[21-22],针对 SAR 数据建立雷达
影像后向散射系数和森林生物量估算模型[23-25] .王
臣立等[26]研究发现,采用 c 波段 HH 数据的后向散
射系数与森林生物量的相关性较强. Eric 等[27]采用
BCEF(Bonanza Create Experimental Forest)SAR数据
在不同雷达视角下观测发现,P 波段数据的标定不
如 L波段精确.本研究采用 L 波段 HH 极化数据研
究其后向散射系数与森林生物量的关系,建立简单
线性模型和指数模型,再加入地形因子建立多元估
算模型,通过精度评价选取最佳反演模型.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
试验区位于黑龙江大兴安岭地区的塔河林业局
和阿穆尔林业局境内,是国家重要的林业生产基地.
塔河林业局位于大兴安岭伊勒呼里山北坡,黑龙江
以南,地理坐标为 123毅20忆—125毅07忆 E,52毅09忆—53毅
23忆 N,平均海拔 521 m,境内多低山丘陵,地势西高
东低,森林覆盖率 76郾 69% ;阿木尔林业局地处祖国
北部边疆黑龙江上游,漠河县境内 ( 122毅 38忆—
124毅05忆 E,52毅15忆—53毅33忆 N), 海拔最高为 1369郾 7
m,最低为 247郾 6 m,林木总蓄积量 3郾 517伊107m3,落
叶松 ( Larix gmelinii)、樟子松 (Pinus sylvrstris var.
mongolica)蓄积量占总蓄积量的 90%以上,全年无
霜期 70 d左右,结冰期 7 个月左右. 该研究区地处
高纬度山地,地势起伏不大,属大陆性气候,年平均
气温-5 益,林分结构简单,植物种类单一,主要乔木
有:樟子松、落叶松、蒙古栎(Querus mongolica)、白
桦(Betula platyphylla)、山杨(Populus davidiana)、云
杉(Picea asperata)、赤松 (Pinus densiflora)和黑桦
(Betula dahurica)等.
1郾 2摇 研究方法
1郾 2郾 1 样地生物量计算摇 试验样地为研究区域内均
匀分布的固定样地(2005 年野外调查数据,图 1),
面积均为 20 m伊30 m ,平均胸径在 1郾 2 ~ 27郾 4 cm,
平均树高在 4郾 5 ~ 21郾 8 m,郁闭度在 0郾 1 ~ 0郾 9,总生
物量在 0郾 5 ~ 227 t·hm-2 . 利用样地内各乔木树种
(不包括灌木和草本)每木检尺数据代入文献[28]
图 1摇 研究区内样地分布
Fig. 1摇 Plot distribution in the study area.
(同一研究范围)建立的树种生物量模型,分别计算
各树种的生物量,以固定样地为单位,合计样地内各
株树木的生物量,即为本文中固定样地的生物量.
1郾 2郾 2 ALOS PALSAR数据预处理摇 试验所用 ALOS
PALSAR数据成像为 2006 年 7—9 月共 16 景影像,
采用 41郾 5毅入射角,L波段(1郾 275 GHz),HH极化方
式,像素大小为 12郾 5 m,幅宽为 70郾 5 km,数据格式
为 CEOS. PALSAR 传感器有多种模式,其中的高分
辨率模式分为 FBS( fine beam single polarisation)和
FBD(fine beam double polarisation)2 种,按照处理级
别分为 Level 1郾 0、Level 1郾 1 和 Level 1郾 5共 3 级,本
文选择 FBS模式的 Level 1郾 5 级别产品,是经过距离
和方位(多视)压缩、辐射与几何纠正、地图投影等
处理过的地理编码数据. 处理过程主要包括辐射定
标和噪声消除.
辐射定标的目的是将原始影像记录的振幅数据
转换为反映能量值的后向散射系数,其数量级较小,
并且随地表参数的变化较小,为了扩大散射系数的
动态范围,通常以分贝表示,其方法是将得到的后向
散射系数取以 10 为底的对数,再乘以 10,最终 PAL鄄
SAR数据辐射绝对定标公式为:
滓i,j0 = 10 伊 lg(DNi,j2) + K (1)
式中:滓i,j0 为后向散射系数; DNi,j 为像元灰度值;K
为绝对定标常数,这里为- 83 dB.
斑点噪声是雷达影像的固有特性,可使图像判
译变得复杂,有效的滤波是雷达影像应用的基础.
Gamma滤波器可以保留边缘信息;局部 Sigma 滤波
器在对比度较低的区域也能很好地保留细节. 同时
使用 Gamma滤波和 Sigma 滤波去除图像中的斑点
噪声,可以兼顾二者的优点并提高了信息提取的有
效性.
403 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷
1郾 2郾 3 样地像元值的提取摇 在提取固定样地对应的
PALSAR影像上的遥感信息时,通过 GPS 野外测量
的样地中心点的坐标将样地生物量数据与遥感数据
一一对应. 由于固定样地面积为 600 m2,采用的微
波数据像元大小为 12郾 5 m,平均 3郾 84 个像元代表
一个样地的大小.实测样地形状并不规则,所以在提
取样地对应的遥感信息时,采用四邻域平均法提取,
即取样地点对应像元,以及包括相邻的正南、正北、
正东、正西 4 个方向的 5 个像元值求平均,即为该固
定样地对应的遥感信息值.
1郾 2郾 4 最佳森林生物参数反演模型变量的选择摇 通
常,树木越大,散射体越多,生物量越大,导致的后向
散射越强.有研究者认为,单波段单极化情况下饱和
点低,使得 SAR监测地表生物量变化能力有限[29],
但事实上,SAR后向散射系数除受树木本身的影响
外,还与树木各器官(如树枝、树叶、树干)的生物量
以及树的物理结构参数(如树高、森林面积)有关,
大尺度研究时还同时受到地形、湿度、温度等环境因
子的影响[30],这为单波段、单极化、非大尺度研究提
供可能性. 范凤云等[31]利用 PALSAR 数据研究发
现,地形校正后 HH 极化后向散射与生物物理参数
的相关性系数低于地形校正前,因此,本研究区在对
利用 L鄄HH数据反演森林生物物理参数时可暂且不
计地形的影响. 基于以上原因,利用 SPASS 统计软
件,分析后向散射系数与成分参数的相关性,以及总
生物量与多个变量因子的相关性,以解释采用逐步
回归法构建反演模型中变量因子.
2摇 结果与分析
2郾 1摇 PALSAR数据与生物量的相关性
2郾 1郾 1 后向散射系数与成分参数的相关性摇 成分参
数是指构成树的各种成分的参数,包括叶、花、果实、
树枝和树干.它们均接受太阳的直接照射而不断生
长,各个部分散射回波强度被记录下来,信号中携带
着地物信息,雷达后向散射系数和森林生物量的相
关系数见表 1.
摇 摇 由表 1 可以看出,森林总生物量(btot)、干生物
量(bt)、叶生物量(bl)、干枝生物量(btb)、叶枝生物
量(blb)与雷达后向散射系数在 0郾 01 水平上极显著
相关,雷达后向散射系数与枝生物量(bb)在 0郾 05 水
平上显著相关.后向散射系数与总生物量相关性最
高,R2 达到 0郾 324,与干生物量的相关系数次之,这
说明 L波段的穿透性较强,微波信号不仅包含了冠
层信息,而且可以穿过树冠到达树干,全面反映总生
物量的变化,同时也说明引用 L 波段 HH 反演总生
物量的可行性.
2郾 1郾 2 总生物量与敏感变量因子的相关性摇 采用经
过预处理的影像上记录的后向散射系数以及地学信
息(经度、纬度、高程、坡度、坡向)及其派生出来的
因子(如高程与高程、坡度与坡度、坡向与坡向、高
程与坡度、高程与坡向、坡度与坡向的乘积),在实
验区内选出与生物量较为敏感的自变量,用于估算
大兴安岭地区塔河和阿木尔林业局部分地区的总生
物量,建立不同类型的模型. 初步选出 12 个自变量
因子,与对应的样地上总生物量(包括干生物量、叶
生物量和枝生物量)进行相关性分析,结果见表 2.
摇 摇 由表 2 可以看出,后向散射系数、高程、坡度、高
程伊高程、坡度伊坡度、高程伊坡度与总生物量极显著
相关,高程伊坡向、坡度伊坡向与总生物量显著相关.
纬度和总生物量成负相关,随着纬度的增大,生物量
表 1摇 训练数据库中雷达后向散射系数和森林生物量的相
关系数
Table 1摇 Correlation coefficients between radar backscatting
coefficients and forest biomass in training database (n=150)
b tot b t b l bb b tb b lb
后向散射系数
Backscatting
coefficient
0郾 324** 0郾 322** 0郾 297** 0郾 204* 0郾 319** 0郾 306**
btot:总生物量 Total biomass; bt 干生物量 Truck biomass; bl:叶生物
量 Leaf biomass; bb:枝生物量 Branch biomass; btb:干枝生物量 Truck
and branch biomass; blb:叶枝生物量 Leaf and branch biomass. * P<
0郾 05;**P<0郾 01. 下同 The same below.
表 2摇 训练数据库中森林生物量和变量因子的相关系数
Table 2摇 Correlation coefficients between forest biomass and variable factors in training database (n=150)
变量名称
Variable name
代码
Code
R 变量名称
Variable name
代码
Code
R
后向散射系数 Backscatting coefficient 滓0 0郾 324** 高程伊高程 Elevation伊elevation gcgc 0郾 269**
纬度 Latitude X -0郾 048 坡度伊坡度 Slope伊slope pdpd 0郾 218**
经度 Longitude Y -0郾 105 坡向伊坡向 Aspect伊aspect pxpx 0郾 118
高程 Elevation gc 0郾 265** 高程伊坡度 Elevation伊slope gcpd 0郾 242**
坡度 Slope pd 0郾 222** 高程伊坡向 Elevation伊aspect gcpx 0郾 195*
坡向 Aspect px 0郾 113 坡度伊坡向 Slope伊aspect pdpx 0郾 181*
5032 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 宋摇 茜等: 大兴安岭植被生物量的 ALOS PALSAR估算摇 摇 摇 摇 摇
表 3摇 模型精度对比表
Table 3摇 Comparison of model accuracy
模型编号
Model index
模型
Model
R2 MRE RMSE
(kg·m-2)
拟合精度
Fitting accuracy
A btot =22郾 441滓0 +266郾 422 0郾 703 0郾 250 2郾 131 0郾 750
B btot =3265郾 09895807exp(0郾 47910994滓0) 0郾 739 0郾 219 2郾 493 0郾 748
C btot =14郾 46195443819滓0 +0郾 00633069319114pdpx
+0郾 0001138507116904gcgc+159郾 2939347707
0郾 851 0郾 227 1郾 543 0郾 781
减小.后向散射系数对总生物量的影响最大,地理因
子与总生物量的相关性随着次数的升高而增大;高
程、坡度、坡向交叉相乘项大于单个因子的相关性.
在地形因子影响中,由于 PALSAR是侧视雷达,所以
坡度可能是对后向散射系数影响最大的地理因子.
2郾 2摇 构建反演模型及反演结果
以 112 个(75% )地面样地数据和对应遥感样
地数据构建模型,38 个(25% )地面样地数据进行模
型精度评价分析.利用 SPSS 13郾 0 软件,用全回归方
法构建简单线性模型和自然指数模型,从表 2 中的
12 个变量中,用逐步回归法筛得加入最敏感地理因
子的模型,各模型参数及其检验样本验证模型精度
情况见表 3.
摇 摇 将简单线性模型(A)、指数模型(B)和加入地
理因子的模型(C)相比较,从建模的确定系数(R)
来看,模型 C 的 R 值最高,相关性分别比模型 A 和
B高 17郾 4%和 13郾 2% . 38 个检验样本对模型的验
证,模型 C的 MRE 比模型 A 低 9郾 4% ,比模型 B 高
3郾 5% ;C 模型的均方根误差(RMSE)分别比模型 A
和 B低 27郾 6%和 38郾 1% ;C模型的拟合精度分别比
模型 A 和 B 高 4郾 0%和 4郾 3% . 综上可见,将 ALOS
PALSAR数据加入地理因子,对区域内地势起伏的
森林生物量反演有很好的效果,从一定程度上克服
了侧视雷达对地观测时由地形对后向散射和地域差
异对森林生物量分布的影响.
在 ENVI中采用模型 C,运用土地利用类型图
做掩膜对研究区域森林覆盖地区进行生物量反演,
结果如图 3. 根据实验区森林生物量分布情况,按
2郾 0 kg·m-2划分等级,共分为 10 个等级:0 ~ 2郾 0、
2郾 0 ~ 4郾 0、4郾 0 ~ 6郾 0、6郾 0 ~ 8郾 0、8郾 0 ~ 10郾 0、10郾 0 ~
12郾 0、12郾 0 ~ 14郾 0、 14郾 0 ~ 16郾 0、 16郾 0 ~ 18郾 0 和
>18郾 0(图 2).从中可以看出,由于 PALSAR 具有高
分辨率的特点,加入地理因子的后向散射模型能很
好地反映研究区域的生物量的空间变化.
2郾 3摇 研究区森林总生物量估测结果的精度检验
将预留样本的实测值和对应反演的生物量预测
值进行比较(图 3),结果表明,C 模型对大兴安岭地
区塔河和阿木尔林业局的森林生物量的模拟效果很
好.预测值均与 1 颐 1 直线大体接近. RMSE = 1郾 924
kg·m-2 .估测得到森林生物量与野外实地测量值之
间的相关系数为 0郾 779.
图 2摇 森林生物量分布
Fig. 2摇 Forest biomass distribution (kg·m-2).
图 3摇 C模型预测值与实测值的关系
Fig. 3 摇 Relationship of predicted value and measured value
based on Model C.
603 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷
摇 摇 图 3 显示了使用 2006 年的 ALOS PALSAR鄄HH
极化数据的多元非线性回归方程估测得到的森林生
物量与野外实地测量值之间的关系. 野外样地数据
为 2005 年 7 月底调查所得,其森林生物量水平在
0 ~ 18郾 2 kg·m-2;通过 ALOS PALSAR鄄HH 极化的
回归方程反演得到的生物量值与实际相符.
3摇 讨摇 摇 论
在森林中,林木的各个散射体决定了后向散射
系数的大小.从检验结果来看,实测值和对应反演的
生物量预测值比较一致,但是由于林分结构复杂和
环境因素的多变,使反演得到的森林生物量与野外
实地调查的生物量存在一定的偏差:
1) 森林生物量在 0 ~ 5郾 0 kg·m-2水平上明显
出现一些高估现象. 分析其原因:一方面,在低生物
量情况下,由于植被密度较低,L波段电磁波很容易
穿透植被射向地表,所以后向散射值有很大一部分
来源于地表土壤和地上草本植物的散射. 这导致除
了森林植被本身外,还有地表回波信息能增强回波
信号,以致反演时其生物量偏高. 另一方面,由于反
演森林生物量所用的 ALOS PALSAR 影像数据为
2006 年,而模型训练和检验用的调查数据是 2005
年的外业调查数据,存在一定的时间间隔 郾 从 ALOS
PALSAR影像和土地利用类型图上可以看出,间隔
期内森林恢复状况较好,原来非林地区域已经或正
在向灌木或林地转变.
2) 森林生物量在 5郾 0 ~ 11郾 0 kg·m-2水平上,
反演得到的生物量既有高估,也有低估现象.这是由
于森林生物量反演时选取训练样本的数目为 112 个
样地建立回归方程,方程中加入的变量因子如高程、
坡向和坡度是有限的.实际上,影响后向散射系数的
因子还有很多,例如林分的结构和类型等,因此,回
归方程并不能完全反应其后向散射系数与生物量水
平之间的关系.
3) 森林生物量在 11郾 0 kg·m-2以上出现比较
明显的低估现象.这主要是后向散射对生物量水平
饱和点的出现,当生物量越来越大,后向散射系数的
值却增长比较慢,最后趋于不变.虽然后向散射系数
与生物量之间存在饱和现象[32],但是由于使用的雷
达波长、极化方式、数据时相和入射角不同,使得饱
和点也有所不同.本研究区内,使用 41郾 5毅入射角 L
波段 HH 极化下,可以预测生物量饱和点在
15郾 4 kg·m-2左右(图 3).
4摇 结摇 摇 论
L波段的 SAR 数据可以全面反映植被的立体
信息,森林总生物量与后向散射系数、地理因子有很
好的相关性,用这些因子建模反演是可行的,其精度
高于简单线性和指数模型,结果符合实际情况.后向
散射系数除受树木本身的影响外,还与树木的物理
结构参数(如树高、森林面积)、地形、湿度、温度等
环境因子的影响饱和点的高低有关. 本研究在采用
41郾 5毅入射角 PALSAR HH 极化下与森林总生物量
的饱和点在 15郾 4 kg·m-2左右,要想提高饱和点需
要引入其他因子加以控制.
光学遥感主要反映冠层信息,而微波信号的穿
透性虽较光学强,但是其散射机制复杂,单纯采用微
波或传统光学遥感均有其局限性,在森林资源调查
与保护的应用中,将二者有机结合起来,优势互补,
将是今后的研究工作重点.
参考文献
[1] 摇 Zhou Y鄄R (周玉荣), Yu Z鄄L (于振良), Zhao S鄄D
(赵士洞). Carbon storage and budget of major Chinese
forest types. Chinese Journal of Plant Ecology (植物生
态学报), 2000, 24 (5): 518-522 (in Chinese)
[2]摇 Wei H鄄D (尉海东). Study on the Carbon Storage and
Soil Respiration of Three Forest Ecosystems in the Mid鄄
Subtropical Zone, China. Master Thesis. Fuzhou: Fujian
Agriculture and Forest University, 2005 (in Chinese)
[3]摇 Chen X鄄L (陈遐林). Researches on Carbon Sequestra鄄
tion Functions of Main Forest Types in Northern China.
PhD Thesis. Beijing: Beijing Forestry University, 2003
(in Chinese)
[4]摇 Jiang Y鄄L (蒋延龄), Zhou G鄄S (周广胜). Carbon
equilibrium in Larix gmelinii forest and impact of global
change on it. Chinese Journal of Applied Ecology (应用
生态学报), 2001, 12 (4): 481-484 (in Chinese)
[5]摇 Yang Q鄄P (杨清培), Li M鄄G (李鸣光), Wang B鄄S
(王伯荪). Dynamics of biomass and net primary pro鄄
ductivity in succession of south subtropical forests in
Southwest Guangdong. Chinese Journal of Applied Ecolo鄄
gy (应用生态学报), 2003, 12 (12): 2136-2140 (in
Chinese)
[6]摇 Wang L鄄H (王立海), Xing Y鄄Q (邢艳秋). Remote
sensing estimation of natural forest biomass based on an
artificial neural network. Chinese Journal of Applied
Ecology (应用生态学报), 2008, 19 (2): 261-266
(in Chinese)
[7]摇 Chen E鄄X (陈尔学). Development of forest biomass es鄄
timation using SAR data. World Forestry Research (世
界林业研究), 1999, 12(6): 18-23 (in Chinese)
[8]摇 Beaudoin A, Le Toan T, Goze S, et al. Retrieval of for鄄
est biomass from SAR data. International Journal of Re鄄
7032 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 宋摇 茜等: 大兴安岭植被生物量的 ALOS PALSAR估算摇 摇 摇 摇 摇
mote Sensing, 1994, 15: 2777-2797
[9]摇 Le TT, Beaudoin A, Riom J, et al. Relating forest bio鄄
mass to SAR data. IEEE Transactions on Geoscience and
Remote Sensing, 1992, 30: 403-411
[10] 摇 Israelsson H, Ulander L, Askne J, et al. Retrieval of
forest stem volume using VHF SAR. IEEE Transactions
on Geoscience and Remote Sensing, 1997, 35: 36-40
[11]摇 Dobson MC, Ulaby FT, Letoan T, et al. Dependence of
radar backscatter on coniferous forest biomass. IEEE
Transactions on Geoscience and Remote Sensing, 1992,
30: 412-415
[12]摇 Rignot E, Way J, Williams C, et al. Radar estimates of
aboveground biomass in boreal forest of Interior Alaska.
IEEE Transaction Geoscience and Remote Sensing,
1994, 32: 1117-1124
[13]摇 Luckman A, Baker J, Wegmuller U. Repeat鄄pass inter鄄
ferometric coherence measurements of disturbed tropical
forest from JERS and ERS satellites. Remote Sensing of
Environment, 2000, 73: 350-360
[14]摇 Luckman A, Baker J, Honzak M, et al. Tropical forest
biomass density estimation using JERS鄄1SAR: Seasonal
variation, confidence limits, and application to image
Mosaics. Remote Sensing of Environment, 1998, 63:
126-139
[15]摇 Kuplich TM, Salvatorl V, Curran PJ. JERS鄄l / SAR
backscatter and its relationship with biomass of regener鄄
ating forests. International Journal of Remote Sensing,
2000, 21: 2513-2518
[16]摇 Harrell PA, Kasischke ES, Bourgeau鄄Chavez LL, et al.
Evaluation of approaches to estimating aboveground bio鄄
mass in southern pine forests using SIR鄄C data. Remote
Sensing of Environment, 1997, 59: 223-233
[17]摇 Ranson KJ, Sun GQ. Mapping biomass for a northern
forest ecosystem using multifrequency SAR data. IEEE
Transactions on Geoscience and Remote Sensing, 1994,
32: 388-396
[18]摇 Dobson MC, Ulaby FT, Pierce LE, et al. Estimation of
forest biophysical characteristics in northern Michigan
with SIR鄄C / X鄄SAR. IEEE Transactions on Geoscience
and Remote Sensing, 1995, 33: 877-895
[19] 摇 Li Z鄄Y (李增元), Che X鄄J (车学俭), Liu M (刘
闽), et al. Preliminary research on the application of
ERS鄄1 SAR in forest. Forest Research (林业科学研
究), 1994, 7(6): 692-696 (in Chinese)
[20]摇 Che X鄄J (车学俭). The Volume Estimation of Pinus
Using Luoshan Forest as an Example to Study the Appli鄄
cation of Spaceborne Radar. Beijing: Chinese Science
and Technology Press, 1996 (in Chinese)
[21] 摇 Kasischke ES, Christensen NL, Bourgeau鄄Chavez LL.
Correlating radar backscatter with components of bio鄄
mass in loblolly pine forests. IEEE Transactions on Geo鄄
science and Remote Sensing, 1995, 33: 643-659
[22]摇 Wigneron J, Ferrazzoli P, Olioso A, et al. A simple ap鄄
proach to monitor crop biomass from C鄄band radar data.
Remote Sensing of Environment, 1999, 69: 179-188
[23] 摇 Huete AR. A soil adjusted vegetation index ( SAVI).
Remote Sensing of Environment, 1988, 25: 295-309
[24] 摇 Li X. A two鄄axis adjusted vegetation index ( TWVI).
International Journal of Remote Sensing, 1994, 15:
1447-1458
[25]摇 Mather PM. Computer Processing of Remotely鄄sensed
Images: An Introduction. Chichester: John Wiley and
Sons, 1999
[26]摇 Wang C鄄L (王臣立), Guo Z鄄X (郭治兴), Niu Z (牛
铮), et al. Study on forest biophysics parameter impact
on RADAR signature. Ecology and Environment (生态
环境), 2006, 15 (1): 115-119 (in Chinese)
[27]摇 Eric R, Jobea W, Cynthia W, et al. Radar estimates of
aboveground biomass in boreal forest of interior Alaska.
IEEE Transactions on Geoscience and Remote Sensing,
1994, 32: 1117-1124
[28]摇 Zhang Y鄄Y (张元元). Research on the Remote Sensing
Model for Forest Biomass in Daxing爷 an Mountains.
Master Thesis. Harbin: Northeast Forest University,
2009 (in Chinese)
[29]摇 Imhoff M. Radar backscatter and biomass saturation:
Ramifications for global biomass inventory. IEEE Trans鄄
actions on Geoscience and Remote Sensing, 1995, 33:
511-518
[30]摇 Guo H鄄D (郭华东). Radar for Earth Observation Theo鄄
ry and Applications. Beijing: Science Press, 2000 ( in
Chinese)
[31]摇 Fan F鄄Y (范凤云), Chen E鄄X (陈尔学), Li S鄄M (李
世明). Evaluation of sensitivity of ALOS PALSAR po鄄
larimetric data to forest volume in hilly region. 2nd Aca鄄
demic Conference of Chinese Forestry-S3 Forest Man鄄
agement and Forestry Information Proceedings of the
New Mission, Nanning, 2009: 211-217
[32]摇 Zhu H鄄Z (朱海珍), Pang Y (庞摇 勇), Yang F (杨
飞), et al. Estimating forest volume using ENVISAT
ASAR data. Geography and Geo鄄Information Science
(地理与地理信息科学), 2007, 23(2): 51-55 ( in
Chinese)
作者简介摇 宋摇 茜,女,1985 年生,硕士.主要从事遥感在林
业生态与环境中的应用研究. E鄄mail: songqianwin999@ sohu.
com
责任编辑摇 李凤琴
803 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 22 卷