全 文 ：
摇 摇 摇 摇 摇 生 态 学 报
摇 摇 摇 摇 摇 摇 摇 (SHENGTAI XUEBAO)
摇 摇 第 32 卷 第 23 期摇 摇 2012 年 12 月摇 (半月刊)
目摇 摇 次
中国石龙子母体孕期调温诱导幼体表型:母体操纵假说的实验检测 李摇 宏,周宗师,吴延庆,等 (7255)……
同种或异种干扰对花鼠分散贮藏点选择的影响 申摇 圳,董摇 钟,曹令立,等 (7264)……………………………
曝气充氧条件下污染河道氨挥发特性模拟 刘摇 波,王文林,凌摇 芬,等 (7270)…………………………………
贵州草海越冬斑头雁日间行为模式及环境因素对行为的影响 杨延峰,张国钢,陆摇 军,等 (7280)……………
青藏高原多年冻土区积雪对沼泽、草甸浅层土壤水热过程的影响 常摇 娟,王根绪,高永恒,等 (7289)………
长沙城市斑块湿地资源的时空演变 恭映璧,靖摇 磊,彭摇 磊,等 (7302)…………………………………………
基于模型数据融合的千烟洲亚热带人工林碳水通量模拟 任小丽,何洪林,刘摇 敏,等 (7313)…………………
农田氮素非点源污染控制的生态补偿标准———以江苏省宜兴市为例 张摇 印,周羽辰,孙摇 华 (7327)………
用 PFU微型生物群落监测技术评价化工废水的静态毒性 李朝霞,张玉国,梁慧星 (7336)……………………
京郊农业生物循环系统生态经济能值评估———以密云尖岩村为例 周连第,胡艳霞,王亚芝,等 (7346)………
基于遥感的夏季西安城市公园“冷效应冶研究 冯晓刚,石摇 辉 (7355)…………………………………………
海南岛主要森林类型时空动态及关键驱动因子 王树东,欧阳志云,张翠萍,等 (7364)…………………………
不同播种时间对吉林省西部玉米绿水足迹的影响 秦丽杰,靳英华,段佩利 (7375)……………………………
黄土塬区不同品种玉米间作群体生长特征的动态变化 王小林,张岁岐,王淑庆,等 (7383)……………………
密植条件下种植方式对夏玉米群体根冠特性及产量的影响 李宗新,陈源泉,王庆成,等 (7391)………………
沙地不同发育阶段的人工生物结皮对重金属的富集作用 徐摇 杰,敖艳青,张璟霞,等 (7402)…………………
增强 UV鄄B辐射和氮对谷子叶光合色素及非酶促保护物质的影响 方摇 兴,钟章成 (7411)……………………
不同产地披针叶茴香光合特性对水分胁迫和复水的响应 曹永慧,周本智,陈双林,等 (7421)…………………
芦芽山林线华北落叶松径向变化季节特征 董满宇,江摇 源,王明昌,等 (7430)…………………………………
地形对植被生物量遥感反演的影响———以广州市为例 宋巍巍,管东生, 王摇 刚 (7440)………………………
指数施肥对楸树无性系生物量分配和根系形态的影响 王力朋,晏紫伊,李吉跃,等 (7452)……………………
火烧伤害对兴安落叶松树干径向生长的影响 王晓春,鲁永现 (7463)……………………………………………
山地梨枣树耗水特征及模型 辛小桂,吴普特,汪有科,等 (7473)…………………………………………………
两种常绿阔叶植物越冬光系统功能转变的特异性 钟传飞,张运涛,武晓颖,等 (7483)…………………………
干旱胁迫对银杏叶片光合系统域荧光特性的影响 魏晓东,陈国祥,施大伟,等 (7492)…………………………
神农架川金丝猴栖息地森林群落的数量分类与排序 李广良,丛摇 静,卢摇 慧,等 (7501)………………………
碱性土壤盐化过程中阴离子对土壤中镉有效态和植物吸收镉的影响 王祖伟,弋良朋,高文燕,等 (7512)……
两种绣线菊耐弱光能力的光合适应性 刘慧民,马艳丽,王柏臣,等 (7519)………………………………………
闽楠人工林细根寿命及其影响因素 郑金兴,黄锦学,王珍珍,等 (7532)…………………………………………
旅游交通碳排放的空间结构与情景分析 肖摇 潇,张摇 捷,卢俊宇,等 (7540)……………………………………
北京市妫水河流域人类活动的水文响应 刘玉明,张摇 静,武鹏飞,等 (7549)……………………………………
膜下滴灌技术生态鄄经济与可持续性分析———以新疆玛纳斯河流域棉花为例
范文波,吴普特,马枫梅 (7559)
…………………………………
…………………………………………………………………………………
高温胁迫及其持续时间对棉蚜死亡和繁殖的影响 高桂珍,吕昭智,夏德萍,等 (7568)…………………………
桉树枝瘿姬小蜂虫瘿解剖特征与寄主叶片生理指标的变化 吴耀军,常明山,盛摇 双,等 (7576)………………
西南桦纯林与西南桦伊红椎混交林碳贮量比较 何友均,覃摇 林,李智勇,等 (7586)……………………………
长沙城市森林土壤 7 种重金属含量特征及其潜在生态风险 方摇 晰,唐志娟,田大伦,等 (7595)………………
专论与综述
城乡结合部人鄄环境系统关系研究综述 黄宝荣,张慧智 (7607)…………………………………………………
陆地生态系统碳水通量贡献区评价综述 张摇 慧,申双和,温学发,等 (7622)……………………………………
期刊基本参数:CN 11鄄2031 / Q*1981*m*16*380*zh*P* ￥ 70郾 00*1510*38*
室室室室室室室室室室室室室室
2012鄄12
封面图说: 麋鹿群在过河———麋鹿属于鹿科,是中国的特有动物。 历史上麋鹿曾经广布于东亚地区,到 19 世纪时,只剩下在北
京南海子皇家猎苑内一群。 1900 年,八国联军攻陷北京,麋鹿被抢劫一空。 1901 年,英国的贝福特公爵用重金从
法、德、荷、比四国收买了世界上仅有的 18 头麋鹿,以半野生的方式集中放养在乌邦寺庄园内,麋鹿这才免于绝灭。
在世界动物保护组织的协调下,1985 年起麋鹿从英国分批回归家乡,放养到北京大兴南海子、江苏省大丰等地。 这
是在江苏省大丰麋鹿国家级自然保护区放养的麋鹿群正在过河。
彩图提供: 陈建伟教授摇 北京林业大学摇 E鄄mail: cites. chenjw@ 163. com
第 32 卷第 23 期
2012 年 12 月
生 态 学 报
ACTA ECOLOGICA SINICA
Vol. 32,No. 23
Dec. ,2012
http: / / www. ecologica. cn
基金项目:国家自然科学基金项目(40971054)
收稿日期:2012鄄03鄄05; 摇 摇 修订日期:2012鄄08鄄03
*通讯作者 Corresponding author. E鄄mail: eesgds@ mail. sysu. edu. cn
DOI: 10. 5846 / stxb201203050298
宋巍巍, 管东生, 王刚.地形对植被生物量遥感反演的影响———以广州市为例.生态学报,2012,32(23):7440鄄7451.
Song W W,Guan D S, Wang G. Influence of terrain on plant biomass estimates by remote sensing: a case study of Guangzhou, China. Acta Ecologica
Sinica,2012,32(23):7440鄄7451.
地形对植被生物量遥感反演的影响
———以广州市为例
宋巍巍1,2,3, 管东生1, 2,*, 王摇 刚1, 2
(1. 中山大学环境科学与工程学院, 广州摇 510275; 2. 广东省环境污染控制与修复技术重点实验室, 广州摇 510275;
3. 环境保护部华南环境科学研究所, 广州摇 510655)
摘要:目前植被生物量遥感反演研究中的地形校正主要是校正地形变化对地表反射率的影响,较少考虑地形起伏引起的像元面
积与实际地表面积的差异,而这种差异将导致植被生物量估算结果的偏差。 在生物量遥感反演的基础上,结合地表面积计算模
型和物质守恒定律,建立了生物量地形校正模型,定量分析和讨论了地形起伏对广州市植被类型面积提取和生物量准确估算的
影响。 结果表明:地形校正前后全市针叶林、阔叶林、草地、灌木林和园地面积分别增加 6. 18% 、 3. 70% 、 2. 86% 、1郾 92%和
1郾 29% ;在综合分析区域生物量遥感反演中的各种不确定性的基础上,建立的各植被类型的生物量模型均具有较高精度,相关
系数均接近或者超过 0. 9,可以满足生物量反演的要求;全市植被生物量呈现出东、北高,西、南低的分布格局,像元实际代表的
林地(阔叶林和针叶林)平均生物量为 61. 86t / hm2,高于珠三角区域生物量平均值,但与亚热带林的顶级群落生物量水平有较
大差距,林地生物量还有较大的增长空间;经过校正地形变化引起的像元面积和实际地表面积差异对生物量提取结果的影响
后,植被总生物量比校正前增加了 5. 82% ,5 种植被类型的总生物量有不同程度的增加,阔叶林、针叶林、草地、灌木林和园地分
别增加了 7. 74% ,4. 76% 、3. 34% 、2. 50%和 1. 58% 。 与其它的表面积计算模型相比,利用的像元地表面积模型具有较高的精
度,可以满足生物量遥感估算中地形校正的需要。
关键词:地形校正;植被生物量;地表面积;遥感;广州市
Influence of terrain on plant biomass estimates by remote sensing: a case study of
Guangzhou City, China
SONG Weiwei1,2,3,GUAN Dongsheng1,2,*, WANG Gang1,2
1 School of Environment Science and Engineering, Sun Yat鄄sen University, Guangzhou 510275, China
2 Guangdong Provincial Key Laboratory of Environmental Pollution Control and Remediation Technology, Guangzhou 510275, China
3 Ministry of Environmental Protection, South China Institute of Environmental Sciences, Guang dong, Guangzhou 510655, China
Abstract: Terrain correction is typically used to adjust surface reflectivity for the influence of slope and aspect when plant
biomass is estimated by remote sensing. There are very few studies on the differences between the pixel area of a remote
sensing image and its real surface area. However, this difference inevitably influences the precision of quantitative remote
sensing when the terrain is undulating. This paper addresses the effects of the difference between the pixel area of a remote
sensing image and the real surface area of plant biomass obtained with remote sensing, when biomass鄄terrain correction
model was calibrated according to surface鄄area calculation model and the law of the conservation of mass. The results show
that the pixel area, influenced by undulating topography, was different from the actual surface area for Guangzhou city,
China, and this accounted for 33. 4% of the variability. Statistical values for the areas in different vegetation types were
http: / / www. ecologica. cn
much higher after the terrain correction than before. The biggest proportions were for the coniferous forest and broad鄄leaved
forest areas, at 6. 18% and 3. 70% , respectively. The grassland, shrubland, and orchard areas also increased by 2. 86% ,
1. 92% , and 1. 29% , respectively. Based on the uncertainty analysis for forest biomass estimation with remote sensing,
remote sensing models with high accuracy were built for different vegetation types, and their correlation coefficients were
close to or more than 0. 9. Therefore, these models can be applied to estimating of plant biomass. Biomass of vegetation in
the eastern and northern regions was much greater than that in the western and southern regions of Guangzhou. The average
biomass of woodland (broad鄄leaved forest and coniferous forest) was 61. 86 t / hm2 . This value was more than the average
biomass in Pear River Delta but much lower than the biomass of the climax community of southern subtropical forest in
Dinghushan. This suggests that the studied woodland biomass has a large potential for growth. The difference in biomass
distribution due to terrain undulation was given by the biomass model obtained from remote sensing and the biomass鄄terrain
correction model. The biomass of different vegetation types increased with terrain correction. The broad鄄leaved forest
biomass increased by 7. 74% which was the highest rate of change. Biomass of coniferous forest increased by 4. 76% , that
of grassland by 3. 34% , that of shrubland by 2. 50% , and that of orchard by 1. 58% . Total vegetation biomass of
Guangzhou increased by 5. 82% . We conclude that the impact of terrain cannot be ignored because it was an important
factor affecting the precision of biomass conversions. Compared with other models of surface area calculation, the pixel
surface area model could be used with high accuracy to correct for the terrain impact of plant biomass estimation with remote
sensing.
Key Words: terrain correction; plant biomass; surface area; remote sensing; Guangzhou City
图 1摇 影像像元与相对应的地表*
Fig. 1摇 Imagie pixels versus surface area
*像元面积与实际地表面积相比:A1 pixel area with the actual surface area, it was found that A1 B2 摇
生物量是生态系统运行的能量基础与物质来源,特别是森林生态系统在陆地生物圈与大气圈之间的碳交
换中发挥着重要作用[1鄄2],其生物量约占陆地生态系统生物量的 90% ,是陆地生态系统最主要的碳库之一[3]。
准确估算植被生物量是监测区域碳动态和理解全球碳循环的关键[4鄄5]。 由于遥感能够较为及时准确的反应
地物变化,已成为生物量估算的重要手段[6鄄7]。 然而,当前研究将陆地植被分布作为二维平面进行处理,植被
覆盖区的像元面积(投影面积)与对应像元的单位面积生物量之积为植被生物量[8鄄9],对具有生态学意义的三
维结构(如地形或高程等)少有关注[10鄄11]。 尤其在地形复杂的高山区域,由二维投影产生的像元地表面积和
距离可能远低于实际地表面积和距离[12鄄13]。 但地形变化、树种组成和林分密度等因素影响着森林生物量遥
感反演的准确性[14]。 由图 1 可知,虽然影像像元 A1 与 B1 面积相同,但是相对应的地表 A2 与 B2 面积相差较
大,地形起伏较大的 A2 面积明显大于 B2。 在校正坡度坡向的影响后,遥感反演的生物量是像元对应的地表
A2 与 B2 的生物量,如果使用地表面积 A2 与 B2 的生物
量作为像元面积 A1 与 B1 的生物量,那么像元植被生物
量和对应的实际地表植被生物量不相等。 刘蔚秋等在
样地调查的基础上,采用 Arcinfo 的 2 种三维模型估算
了黑石顶自然保护区森林的总生物量,二维尺度的计算
结果较三维模型估算的约低 12% [15],即忽略地形起伏
对像元生物量空间分布的影响,将不可避免地导致生物
量反演结果的偏差。
地形起伏引起地表面积的变化[16],而地表面积是
GIS技术模拟现实世界的重要参数之一[17],因此正确
计算实际地表面积具有重要的现实意义。 为提取实际
地表面积,国内外学者提出了各种基于数字高程模型
(DEM ) 的地表面积计算模型[18鄄20], 主要有 TIN
1447摇 23 期 摇 摇 摇 宋巍巍摇 等:地形对植被生物量遥感反演的影响———以广州市为例 摇
http: / / www. ecologica. cn
(Triangular Irregular Network,不规则三角网)模型、基于像元坡度的 Lattice模型以及基于中心像元与相邻 8 个
像元的地表面积计算模型。 Zhang等[17]在对不同的地表面积的计算模型进行对比时发现基于中心像元与相
邻 8 个像元的地表面积计算模型与 TIN 模型计算结果一致,而基于像元坡度的 Lattice 模型地表面积计算值
偏小。 基于中心像元与相邻 8 个像元的地表面积计算模型具有较高的计算精度[18],且在计算中加入了邻域
分析,具有计算速度快和输出稳定的优点,并可直接与遥感影像进行叠加分析。 因此本文将利用该模型来提
取研究区域的实际地表面积,定量研究地形起伏引起的地表面积变化对区域生物量估算的影响。
图 2摇 广州市像元地表面积分布图
Fig. 2摇 Pixel surface area map of Guangzhou
广州市作为中国改革开放的前沿,快速的工业化及
城市化强烈影响着城市自然生态系统的结构与功能。
如何准确估算该区域生物量是正确评价其生态系统结
构与功能的重要前提,也是未来制定生态环境保护规划
和决策的重要依据。 然而,广州市坡度大于 15毅的区域
像元数占总像元数的 19. 7% ,其中大于 25毅的像元数占
总像元数的 6. 3% (图 3);地形起伏引起的实际地表面
积与像元面积差异的像元数占广州市总像元数的
33郾 34% (图 2)。 因此,在对该区域生物量反演或者地
表实际面积提取时,地形起伏带来的影响不容忽视。 综
上所述,本文将在地表面积计算模型提取实际地表面积
和生物量遥感反演的基础上,构建生物量地形校正模
型,定量研究地形起伏引起的地表面积的变化对生物量
估算的影响,为其它存在地形起伏的区域植被生物量遥
感反演提供可借鉴的范例。
2摇 研究区域
广州市地处南亚热带,横跨北回归线,地处中国大
陆南部,广东省中南部,珠江三角洲北缘。 研究区海拔
高度、 坡度和坡向分布见图 3。 全市最高海拔
1181郾 41m,地势呈明显的南低北高的态势;除了平坦区
域外,坡向以东南方向和西南方向为主;坡度分布与海
拔高度分布规律相一致,北部山地丘陵区坡度较大,南部地势比较平坦;坡度和海拔因素也是影响植被分布的
重要因素之一,全市坡度大于 15毅的区域像元数占总像元数近 20% ,这些区域受到人为活动影响相对较少,因
而植被覆盖度较高。 近年来,优越的自然条件和居民生态意识的提高,使得区域植被覆盖度得到不断提高,但
仍受到不合理开发利用的影响。
3摇 研究方法
遥感数据为 2005 年 7 月 18 日摄录的轨道号为 122 / 044 的 Landsat TM影像,以 1颐50000DEM数据为基础
对 TM影像进行地形校正,消除由于地形起伏引起的阴阳坡影像辐射亮度差异,使影像更好地反映地物光谱
特征;利用大气辐射传输模型反演当日广州市 AOD(气溶胶光学厚度)空间分布[21],并进行大气校正、坡度坡
向影响校正[22]以获取较准确地物反射率;对大气校正后的影像进行监督分类,获取广州市不同植被类型的空
间分布;提取各种植被指数,结合野外生物量样方调查数据,根据不同的植被类型建立生物量反演逐步回归模
型,获取广州市地形校正前植被生物量分布;基于广州市 1颐50000 DEM对植被生物量空间分布进行地形校正。
3. 1摇 地面生物量数据
3. 1. 1摇 样方设置
地面样方生物量数据根据野外调查获得。 调查时间为 2005 年 10 月—2006 年 2 月。 样方调查时间与影
2447 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
图 3摇 广州市海拔、坡向和坡度分布
Fig. 3摇 Geographical distribution of altitude, aspect and slop in Guangzhou
图 4摇 样方分布图
Fig. 4摇 The sample plots map
像获取时间有一定时间差,但在较短时间内所调查的各
主要测树因子变化较小,且本研究主要是针对南亚热带
植被地上生物量部分,调查期内植被季节变化并不明
显,因此样方生物量数据可以满足遥感反演的要求。 在
样方调查时,用手持式 Garmin Vista etrex GPS进行样方
定位,分乔木层、灌木层及草本层分别调查。 最终在研
究区域布设乔木植被样方 130 个 (阔叶林 50 个,针叶
林 50 个、园地 30 个),其它植被样方 40 个 (灌木林 20
个、草地 20 个),野外样方位置示意图如图 4。 矩形样
方的短边长应大于林分的优势木的高[23],同时考虑本
研究所采用的 TM遥感影像第 1—5、7 波段的空间分辨
率为 30m,样方大小一般尽量设置为 30m伊30m。 记录
样方的中心坐标。 根据选取的生物量方程,测量出样方
内所有乔木的树高 (H) 和胸径 (D);调查样方内草本
层和灌木层的平均高度(H)与盖度 (P)。
3. 1. 2摇 样方生物量
阔叶林、针叶林以及园地中单株乔木生物量根据管
东生[24]在广州市流溪河水库林区 4 个林分类型的生物
量与生产力研究中建立的生物量方程计算,森林林下植
被以及草本、灌木的生物量根据杨昆等[25]提出的森林
林下植被生物量模型进行计算。
3. 2摇 生物量遥感指示因子的选取
建立生物量反演回归模型最重要的一步是选择合适的遥感指示因子作为回归自变量,这些因子能科学、
准确、简洁地反映研究区域不同植被生物量特征。 结合 TM数据各波段的性质以及各种植被类型生物量与单
波段光谱信息的相关分析结果,单波段遥感指示因子选用 TM3、TM4 和 TM5 波段。 研究发现广州市各种植被
类型生物量与不同的植被指数间的相关性不同,即不同的植被指数对反演不同类型植被生物量潜力不同。 所
3447摇 23 期 摇 摇 摇 宋巍巍摇 等:地形对植被生物量遥感反演的影响———以广州市为例 摇
http: / / www. ecologica. cn
以对于不同的植被类型,用于植被生物量反演的复合遥感指数的选择也不同。 根据各复合遥感指数与生物量
样方数据相关系数矩阵,阔叶林复合遥感指示因子选择 RVI、TM5 / 7、NDVI、ND54、VIS123、WI、1 / TM3;针叶林
复合遥感指示因子选择 TM5 / 7、ND57、VIS123、ln(TM3)、WI、1 / TM3、1 / TM4;园地生物量复合遥感指示因子选
择 RVI、TM5 / 3、TM5 / 7、VIS123;灌木林生物量复合遥感指示因子选择 RVI、NDVI、VIS123、ln(TM3)、1 / TM3;
草地生物量复合遥感指示因子选择 RVI、NDVI、SAVI、MSAVI、1 / TM4。
3. 3摇 生物量地形校正模型
由于基于中心像元与相邻 8 个像元的地表面积计算模型能够更好的进行邻域分析,且计算速度快,输出
稳定和精度较高等优点,因此本文采用该模型进行研究区域真实地表面积的提取[17鄄18]。 DEM 每一栅格像元
(如像元 9 对应的三维四边形 A1C1E1G1)的实际地表面积估算示意图见图 5,实际地表面积计算模型利用像
元 9 与其相邻的 1—8像元的高程信息计算其实际地表面积。 首先将像元 9 中心点与相邻的 1—8像元的中
心点相互相连,形成 8 个三维三角形 (如 OAH),利用 9 个像元的中心点(A—H,O)计算每个三维三角形的边
长,计算公式如下:
LSD = (HDE) 2+(LPD) 2 (1)
式中,LSD 是指 2 个像元中心点之间的地表距离,HDE 是指 2 个像元中心点之间的高程差,LPD 是指 2 个像
元中心点之间的平面距离 。
然后根据三维三角形的面积计算公式计算每个三维三角形的面积,公式如下:
Sarea = s s-( )a s-( )b s-( )c (2)
式中,Sarea 是指单个三维三角形的面积,a、b、c是按式 1 计算的三维三角形 3 个边的边长,s= a+b+( )c / 2。
最后根据三角形相似法则,中心像元 9 所对应的 8 个三维三角形(如 OA1H1)面积是像元高程中心点互
相相连的三维三角形(如 OAH)面积的 0. 25 倍,因此根据式 2 计算获取的 8 个三维三角形面积之和的 1 / 4 便
是像元 9 所对应的地表面积。 具体过程由 Matlab编程计算实现。
图 5摇 像元地表面积计算示意图
摇 Fig. 5 摇 Illustration of the applied method to determine pixel
surface area
为获取像元实际代表的生物量,本文根据物质守恒
定律构建了生物量地形校正模型(式 3)。 其主要构建
过程如下:根据物质守恒定律,地形校正前的像元生物
量为地表生物量,其与像元地表面积的乘积,应与像元
面积与像元实际代表的生物量乘积相等。 地形校正后
的像元生物量代表实际生物量。
Br = Bs 伊
Sr
900
(3)
式中,Bs 是指地形校正前像元生物量 ( t / hm2),即地表
生物量 ( t / hm2),Br 是指地形校正后的像元实际代表
的生物量 ( t / hm2),Sr 是指像元对应的真实地表面积
(m2)。
4摇 结果
4. 1摇 生物量模型的建立
将 2. 2 中选择的 5 种植被类型生物量的遥感指示
因子作为自变量,40 组阔叶林样方数据、40 组针叶林样
方数据、23 组园地样方数据、15 组灌木地样方数据和 15 组草地样方数据(其余各植被类型样方数据用于相应
模型的精度检验)分别作为不同模型的因变量,显著水平 0. 15 作为挑选和提出变量的条件,进行逐步回归分
析,得到 5 种不同植被类型的生物量回归模型如下,模型通过了 F检验和 t检验,常数项与各项系数的显著性
均在 0. 05 以上。
4447 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
阔叶林
B= -90. 31+72. 31伊(NDVI)+4. 57伊(1 / TM3) (4)
针叶林
B= -80. 92+5. 42伊 (1 / TM3)+29. 49伊(ND57) (5)
园地
B=124. 91-1002. 35伊(TM3)+24. 86伊(TM5 / 7)-248. 94伊(VIS123) (6)
灌木林
B=9. 24+0. 97伊 (1 / TM3)-20. 33伊(ND54)+21. 52伊(TM4) (7)
草地
B= -37. 25-3. 27伊 (1 / TM4)+22. 73伊 (SAVI) (8)
式中,B为生物量(t / hm2)。
表 1摇 各植被类型生物量逐步回归模型统计量
Table 1摇 Statistic value of three kinds of forest stepwise regression model
植被类型
Vegetation types
模型
Models R
2
修正决定系数 R2
Modified coefficient
of determination R2
P
阔叶林 Broad鄄leaved forest (4) 0. 867 0. 860 <0. 001
针叶林 Coniferous forest (5) 0. 831 0. 822 <0. 001
园地 Garden plot (6) 0. 805 0. 774 <0. 001
灌木林 Shrubbery (7) 0. 819 0. 770 <0. 001
草地 Grassland (8) 0. 774 0. 736 <0. 001
表 1 各植被类型生物量回归模型的决定系数(或修正决定系数)R2淤均表明选取的遥感指示因子与生物
量达到显著相关。 利用各种植被类型随机选择的独立样方对模型进行精度检验,结果表明各种植被类型的生
物量反演模型预测值与实测量值显著相关,其中阔叶林的相关系数为 0. 923,平均偏差 5. 17t / hm2;针叶林的
相关系数为 0. 915,平均偏差 5. 32t / hm2;园地的相关系数为 0. 892,平均偏差 3. 70t / hm2;灌木林的相关系数为
0. 904,平均偏差 3. 53t / hm2;草地的相关系数为 0. 871,平均偏差 2. 02t / hm2。 相关系数均接近或者超过 0. 9,
说明五种植被类型的生物量反演模型模拟效果较好,利用遥感指示因子建立的生物量模型反演研究区域植被
生物量能够得到较高的精度。
4. 2摇 地形校正前后不同植被类型覆盖面积的变化
根据遥感影像分类结果,地形校正前广州市植被覆盖面积占总面积的 44. 8% ,其中面积最大的是阔叶
林,其次是针叶林,园地和灌木林,最小的是草地所占面积;全市植被分布不均,呈现“北多南少,东多西少冶的
分布格局;在未考虑地形起伏的情况下,5 种植被类型的统计面积如图 6,但此时各种植被统计面积只是真实
地表的水平投影面积。 若不考虑地形起伏所造成的实际地表面积的变化,特别是广州市北部地形较为复杂的
区域,必将对不同植被类型面积的统计和生物量反演产生影响[13]。 图 7 列出了地形校正前后广州五种植被
类型面积变化的比例,结果显示不同植被类型的统计面积均有不同程度的增加,其中针叶林和阔叶林的真实
地表面积与其水平投影面积相差比率最高,分别为 6. 18%和 3. 70% ,其次是草地 2. 86% 、灌木林 1. 92%和园
地 1. 29% 。 这也说明广州市的植被(特别是针叶林和阔叶林)主要分布在地形较为复杂的山地区域,因而地
表面积和水平投影面积之间的差异不可忽略,否则会造成植被面积和植被生物量遥感反演的显著误差。
5447摇 23 期 摇 摇 摇 宋巍巍摇 等:地形对植被生物量遥感反演的影响———以广州市为例 摇
淤 修正决定系数考虑自变量个数,在“最优冶回归方程建立时对自变量进行处罚,最终得到“最优冶回归方程的决定系数即为修正决定系数
http: / / www. ecologica. cn
图 6摇 地形校正前 TM影像植被分类组成图
Fig. 6 摇 The area of different vegetation types of before terrain
effect corrected
*不同类型植被覆盖面积占总的植被覆盖面积百分比
图 7摇 TM各植被类型在地形校正前后面积增加比例
摇 Fig. 7 摇 Increasing rate of the area of different vegetation types
after terrain correction
4. 3摇 广州植被生物量
4. 3. 1摇 植被生物量分布
摇 摇 研究区域植被生物量的分布格局(图 8)为东、北高,西、南低;海拔增加,居民点少的区域,植被生物量高;
靠近道路、河流、城镇、村庄的植被生物量低。 生物量的空间差异显著,形成多个以某一高值为中心,由内向外
从高变低的圈带结构,主要由地形的高低分布及其复杂程度决定。 地形校正后研究区域植被生物量估算结果
表明 (表 2),广州市有 40%以上像元实际代表的植被生物量低于 50 t / hm2,低于 100t / hm2 超过 80% ,部分原
因是由于园地、灌木林和草地的生物量普遍较低,而园地、灌木林和草地所占面积比例较高,所以低生物量的
植被面积所占比例较大。 高于 150t / hm2 的植被面积占植被总面积的 3. 71% ,其主要分布在流溪河林场、大岭
山林场、白云山、帽峰山、从化和增城一些地区,以及广州西部的丫髻岭等地。
表 2摇 地形校正后广州植被生物量分组统计结果
Table 2摇 The statistics of vegetation biomass and the areas with different groups after terrain correction
项目 Items 植被生物量分组 Group of vegetation biomass
生物量等级范围 Range of biomass rank / ( t / hm2) B<50 50臆B<100 100臆B<150 150臆B
所占面积百分比 Area fraction / % 42. 87 43. 04 10. 38 3. 71
4. 3. 2摇 地形校正前后植被生物量变化
地形校正前后每公顷像元面积最大生物量由 325. 14 t增加到了 430. 28 t,地形校正前后每公顷像元面积
最大生物量变化量为 105. 24 t;在广州市地形起伏比较大的北部和东部区域的生物量变化最为明显;以城市
建设用地为主的西部和南部的大部分区域,由于地势较为平坦,地形校正对生物量的变化影响程度较小。 生
物量变化量分布格局与植被生物量分布格局基本一致,这是由于广州市的植被主要分布在地形较为复杂的山
区。由表3可知地形校正后的广州市植被总生物量比校正前增加了5 . 82% 。地形校正后,阔叶林总生物量
表 3摇 地形校正前后广州市植被生物量统计量
Table 3摇 Statistical values of broadleaf forest biomass before and after topographic correction
生物量
Biomass
阔叶林 / t
Broad鄄leaved
forest
针叶林 / t
Coniferous
forest
园地 / t
Garden plot
灌木林 / t
Shrubbery
草地 / t
Grassland
总生物量 / t
Total biomass
地形矫正前
Before terrain correction 7719553 5932871 1737081 259314. 3 155960. 4 15804799. 62
地形矫正后
After terrain correction 8317073 6215133 1764485 265807. 5 161320. 8 16723855. 59
前后生物量变化
Biomass variety before and
after terrain correction
597520 282262. 1 27403. 56 6493. 22 5360. 34 919055. 97
生物量变化百分比 / %
Percent of biomass variety 7. 74 4. 76 1. 58 2. 50 3. 44 5. 82
6447 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
图 8摇 地形校正后广州市植被生物量分布图
Fig. 8摇 The vegetation biomass map after terrain correction
图 9摇 地形校正前后广州市植被生物量变化量
Fig. 9摇 The vegetation biomass change after terrain correction
增加幅度最高,增加了 7. 74% ,其次是针叶林、草地、灌木林和园地,分别增加了 4. 76% 、3郾 44% 、2. 50% 、
1郾 58% ;地形校正后阔叶林、针叶林、园地、灌木林和草地的生物量变化量分别占植被生物量总变化量的
65郾 02% 、30. 71% 、2. 98% 、0. 71%和 0. 58% 。 因为在地表面积变化较大的区域地形起伏较大,受人为干扰相
对较少,这些区域的生物量高于平均值,所以地形校正后,各植被类型生物量的增加比例高于其面积增加的比
例。 由此可见,地形(特别是复杂地形)对植被生物量遥感反演的影响不可忽视。
5摇 讨论
5. 1摇 像元地表面积模型对比
目前计算像元地表面积的模型主要有 TIN 模型、基于中心像元与相邻 8 个像元的地表面积计算模型和
Lattice模型等,其中 TIN模型计算的像元地表面积往往作为实际地表面积对其它相关模型进行评价。 与本研
究采取的像元实际地表面积计算模型不同,TIN表面模型是利用 TIN数据与多边形矢量数据计算获取多边形
矢量数据各多边形的表面积;Lattice模型是将 DEM数据转换成坡度分布,计算每个坡度的余弦值,进而获取
每个像元的地表面积。 Zhang等[17]利用不同模型提取山东省 6 个山区地表面积时发现基于中心像元与相邻
八个像元的地表面积计算模型(即本文采用的模型)的计算结果与 TIN 表面模型的计算结果一致,在地形复
杂的区域表面积计算精度较高[20],在像元数大于 250 时与 TIN表面模型计算的地表面积很接近,像元数越大
二者之间的相差越小[18],广州市特别是北部地区,地形较为复杂,且 DEM像元数多于 1000 万个,因此可以认
为 2 种模型获取的表面积相差很小,在实际应用中可以忽略二者之间的差别。 本文的像元地表面积计算模型
是基于像元模式,具有计算速度快和输出稳定的优点,且在计算中加入了邻域分析,可直接与遥感影像进行叠
加分析,因此在生物量遥感反演研究中,基于像元的地表面积计算模型要优于 TIN 表面积计算模型。 虽然
Lattice模型也是基于像元模式,且具有计算简单的优点,但其精度相对较低,计算的像元地表面积与本研究地
形校正模型有较大差异。 Lattice模型与本文像元地表面积模型计算的像元地表面积差值(绝对值)分布如图
10 所示。 2 种校正模型有 75. 25%的像元地表面积相同,却有 24. 75%像元的地表面积存在差异,其中最大的
7447摇 23 期 摇 摇 摇 宋巍巍摇 等:地形对植被生物量遥感反演的影响———以广州市为例 摇
http: / / www. ecologica. cn
差异高达 7075. 34m2,是本研究地形校正模型获取的像元最大地表面积 3083. 89m2 的 2. 29 倍。 可见在地形
起伏越大的区域,加入邻域像元的分析,可以提高地表面积的计算精度,减少或防止基于单像元的 Lattice 模
型极端像元地表面积计算值的出现。
图 10摇 2 种地形校正模型的像元地表面积差值绝对值
Fig. 10 摇 Absolute difference value of pixel surface area between
two models
5. 2摇 广州生物量特征分析
20 世纪 70 年代初期,由于火烧山和开垦方式不当
等原因,致使森林的自然结构遭到破坏,出现大片荒山,
20 世纪 90 年代政府开始大规模的植树造林和封山育
林使得广州市自然植被有所增加[8],但由于恢复时间
相对较短,大量植物群落尚处于演替早期,植被生物量
较小。 植被生物量是具有一定空间分布的区域化变量,
受到各种人类活动及气候地形等因素影响,冯宗炜
等[26]对我国森林生态系统生物量野外样地的分析表
明,人为干扰对生物量的分布影响巨大;Fang等[27]也认
为,植被碳密度(生物量)与人口密度有关。 在人类聚
集区附近的植被由于受到人为扰动的影响,生物量普遍
较低;特别是园地,由于经营方式的特殊性,受到剧烈的
人为干扰,地形校正后像元实际代表的平均生物量仅为
23. 18t / hm2,仅高于灌木和草地的平均生物量。 位于流
溪河林场、大岭山林场、白云山、帽峰山和增城部分区域
的植被由于受到人为干扰较少,其生物量明显高于其它
区域。 地形矫正前后生物量变化较大的区域正是位于
广州市北部和东部的生物量相对较高的区域,这说明广
州市植被主要分布于地形起伏较大的区域。 研究发现
地形校正后像元实际代表的阔叶林与针叶林的平均生
物量为 61. 86t / hm2,低于方精云等[28]根据 1999—2003 年的森林资源清查资料的森林面积与森林蓄积量估算
的中国森林平均生物量 (81. 95 t / hm2),高于珠江三角洲地区森林平均生物量(47. 35 t / hm2) [29],说明广州市
森林植被状况在珠江三角洲地区相对较好。 但根据 Whittaker 等的研究[30]亚热带常绿阔叶林的平均生物量
为 356 t / hm2;彭少麟等[31]的研究也表明,鼎湖山南亚热带常绿阔叶林的顶级群落生物量为 380 t / hm2,广州
市林地平均生物量与这一标准差距较大。 因此,如果对广州现有林地进行更好的抚育与管理,林地生物量存
在较大的增长空间。
5. 3摇 区域生物量遥感反演的不确定分析
植被的光谱特征反映了植被的叶绿素含量以及生长健康状况,叶绿素含量与叶生物量相关,而叶生物量
与群落生物量又相关,因而可以利用获取的植被光谱特征进行区域生物量的反演。 由于卫星遥感光谱信息具
有良好的综合性和现势性,常常用于区域生物量的调查研究[32鄄33]。 但光学遥感数据主要反演植被冠层的状
况,而生物量包括了冠层和树干等信息,因此利用光学遥感反演植被生物量仍存在较大的不确定性。 首先生
物量遥感反演模型的拟合精度,以及 NDVI(归一化植被指数)在高植被覆盖度(或生物量)情况下容易饱和的
缺陷影响着区域生物量估算的精度[34]。 本文研究显示利用遥感指示因子建立的不同植被类型生物量反演模
型具有很高的拟合度(草地的相关系数最小为 0. 871,阔叶林相关系数最大达到 0. 923),平均偏差较小
(2郾 02— 5. 32 t / hm2),各植被类型相对精度分别为阔叶林 5. 6% ,针叶林 5. 5% ,园地 7. 8% ,灌木 18. 9% ,草
地 14. 3% ,因此具有较高的精度;同时选取生物量相关的多种遥感指示因子进行模型的构建,尽可能克服饱
和的缺陷。 其次,样方调查的数量、定位精度以及样方生物量的测定误差也是影响森林生物量估算精度的重
8447 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
要因素[35鄄36],本研究按照不同植被类型的实际分布进行了样方设置,总样方数 130 个,其中针叶林和阔叶林
的样方数分别达到 50 个,大于郭志华等[35]利用 TM 数据提取粤西地区的森林生物量样方调查数量;在样方
定位和森林因子测量的时候,选择在样方的中心进行定位,并严格按照森林调查规范进行每木调查,减少定位
误差和样地生物量测定误差影响估算精度。 据报道,样方数据中包括区域中较小生物量和较大生物量的群落
能够提高预测精度[32],为此本文对大小生物量的群落都进行了相应的样方调查(其中阔叶林的生物量范围为
12郾 13—325. 47 t / hm2,针叶林为 11. 61—320. 65 t / hm2,园地为 9. 47—131. 34 t / hm2,灌木林为 10. 39—41. 02
t / hm2,草地为 6. 24—25. 89 t / hm2)。 尽管如此,准确估算森林生物量是个相当复杂的问题,涉及地面样地调
查、遥感信息提取、模型构建及精度验证等,如何进一步提高大尺度森林生物量的遥感估算精度,是森林生态
学研究的难点之一[33]。
6摇 结论
地形起伏造成像元面积小于相对应的实际地表面积,因此按照像元面积估算植被生物量,往往小于实际
植被生物量。 本文借助像元实际地表面积计算模型和 DEM数据,按照物质守恒定律构建了生物量地形校正
模型,定量分析了地形起伏对植被类型面积提取和生物量反演的影响,并对不同地表面积计算模型的优缺点
和利用光学遥感反演植被生物量的不确定性进行了讨论。 研究结果表明:1)利用遥感指示因子建立的生物
量模型反演区域植被生物量能够取得较高的精度;2)全市植被呈现“北多南少,东多西少冶的分布格局,主要
植被类型特别是针叶林和阔叶林主要分布于地形较为复杂的山地区域,其地形校正后面积的增加比例也最
高,分别为 6. 18%和 3. 70% ;3)大面积园地、灌木林和草地的存在,使低生物量的植被面积仍占较高比例,全
市有 40%以上的植被生物量低于 50t t / hm2,80%以上植被生物量低于 100 t / hm2;4)地形校正前后不同植被
类型生物量的增加比例也不相同,即阔叶林>针叶林>草地>灌木林>草地;5)在地形较为复杂的山区,受到人
为干扰较少,植被生物量普遍较高,地形校正前后生物量变化比例也较大,地形起伏对该区域植被生物量反演
的影响不可忽视。 6)广州市森林植被平均生物量高于珠三角森林生物量平均值,但与鼎湖山南亚热带常绿
阔叶林的顶级群落生物量相比尚有较大差距。 因此,加强区域森林的抚育和管护,对广州森林植被的生物量
增长将有积极的作用。
References:
[ 1 ]摇 Lou X T, Zeng Y, Wu B F. Advances in the estimation of above鄄ground biomass of forest using remote sensing. Remote Sensing for Land &
Resources, 2011, (88): 1鄄8.
[ 2 ] 摇 Jack K W, Robert K D, Paul E S. Forest management and carbon storage: an analysis of 12 key forest nations. Water, Air, and Soil Pollution,
1993, 70: 239鄄257.
[ 3 ] 摇 Wang H Y, Gao Z H, Wang Q Y, Bai L N, Wu J J. Estimation of forest biomass in Fengning county by TM satellite images. Journal of Anhui
Agricultural Sciences, 2010, 38(32): 18472鄄18474.
[ 4 ] 摇 Clark M L, Roberts D A, Ewel J J, Clark D B. Estimation of tropical rain forest aboveground biomass with small footprint lidar and hyperspectral
sensors. Remote Sensing of Environment, 2011, 115: 2931鄄2942.
[ 5 ] 摇 Powell S L, Cohen W B, Healey S P, Kennedy R E, Moisen G G, Pierce K B, Ohmann J L. Quantification of live aboveground forest biomass
dynamics with Landsat time鄄series and field inventory data: A comparison of empirical modeling approaches. Remote Sensing of Environment,
2010, 114: 1053鄄1068.
[ 6 ] 摇 Lu D. The potential and challenge of remote sensing鄄based biomass estimation. International Journal of Remote Sensing, 2006, 27 ( 7 ):
1297鄄1328.
[ 7 ] 摇 Xu X J, Zhou G M, Du H Q, Dong D J, Cui R R, Zhou Y F, Shen Z M. Estimation of aboveground biomass of Phyllostachys praecox forest based
on landsat thematic mapper image. Scientia Silvae Sinicae, 2011, 47(9): 1鄄6.
[ 8 ] 摇 Wang S J, Guan D S, Li X, Song W W. The temporal鄄spatial evolution and heterogeneity of forest carbon in Guangzhou,China. Acta Scientiae
Circumstantiae, 2008, 28(4): 778鄄785.
[ 9 ] 摇 Wang H Y, Gao Z H, Wang F Y, Li S M, Bai L N. Estimation of vegetation biomass using SPOT5 satellite images in Fengning county,Hebei
province. Remote Sensing Technology and Application, 2010, 25(5): 639鄄646.
9447摇 23 期 摇 摇 摇 宋巍巍摇 等:地形对植被生物量遥感反演的影响———以广州市为例 摇
http: / / www. ecologica. cn
[10]摇 David N B, Miguel B A. Species richness, area and climate correlates. Global Ecology and Biogeography, 2006, (15): 152鄄460.
[11] 摇 Zhang Z M, Luo Q P, Wang W L, Yin M, Sun Z H, Ou X K, Liu X K. A comparison of 2D and 3D landscape metrics for vegetation patterns
change quantification in mountainous areas. Acta Ecologica Sinica, 2010, 30(21): 5886鄄5893.
[12] 摇 Wang X Y, Chen Y, Zhou H H, Zhang Q. Application of DEM to calculating the surface area of forest land. Journal of Nanjing Normal University
(Engineering and Technology), 2006, 6(1): 86鄄90.
[13] 摇 Chen J L, Wu W, Liu H B. Calculation of the surface area of forest land using DEM. Southwest China Journal of Agricultural Sciences, 2008, 21
(5): 1348鄄1352.
[14] 摇 Tian X, Su Z B, Li Z Y, Christiaan V D T, Guo J P, He Q S. Estimation of forest above鄄ground biomass using multi鄄parameter remote sensing
data over a cold and arid area. International Journal of Applied Earth Observation and Geoinformation, 2012, 14: 160鄄168.
[15] 摇 Liu W Q, Yu S X, Wang Y F, Lian J. Estimation of the forest biomass with 3鄄Dimensional model at Heishiding nature reserve, Guangdong. Acta
Scientiarum Naturalium Universitatis Sunyatseni, 2004, 43(4): 66鄄69.
[16] 摇 Cui B L, Li X Y, Jiang G H, Zhang S Y, Huang Y K. Study on land use / cover in mountain area based on the DEM—Taking the Qinghai lake
basin as an Example. Journal of Natural Resources, 2011, 26(5): 871鄄880.
[17] 摇 Zhang Y, Zhang L N, Yang C D, Bao W D, Yuan X X. Surface area processing in GIS for different mountain regions. Forestry Studies in China,
2011, 13(4): 311鄄314.
[18] 摇 Jenness J S. Calculating landscape surface area from digital elevation models. Wildlife Society Bulletin, 2004, 32(3): 829鄄839.
[19] 摇 Rashid H. 3鄄D Surface鄄area computation of the state of Jammu & Kashmir using Shuttle Radar Topographic Mission (SRTM) data in Geographical
Information System (GIS) . Journal of Geomatics, 2010, 4(2): 77鄄82.
[20] 摇 Tripathi S, Susaki J, Chen X. Fusion of DEM and satellite imagery for surface area calculation development of an algorithm and a tool for GRASS鄄
GIS. [2012鄄05鄄15] http: / / www. a鄄a鄄r鄄s. org / acrs / proceeding / ACRS2005 / Papers / DTF鄄4. pdf.
[21] 摇 Song W W, Guan D S. The distribution of aerosol optical depth retrieved by TM imagery over Guangzhou,China. Acta Scientiae Circumstantiae,
2008, 28(8): 1638鄄1645.
[22] 摇 Chen X L, Zhao H M, Tian L Q. Remote Sensing of Environment: Models and Applicaton. Wuhan: Wuhan university press, 2008.
[23] 摇 Pande M C, Tandon V N, Negi M. Biomass production in plantation ecosystem of Ailanthus excelsa at five different ages in Utter Pradesh. Indian
Forest, 1988, 114: 362鄄371.
[24] 摇 Guan D S. The biomass and productivity of four stand types in Liuxihe reservior. Ecology Science, 1986, 16(5): 45鄄52.
[25] 摇 Yang K, Guan D S. Selection of gaining quadrat for harvesting the undergrowth vegetation and its biomass estimation modeling in forest. Acta
Ecologica Sinica, 2007, 27(2): 705鄄714.
[26] 摇 Feng Z W, Wang X K, Wu G. The Productivity and Biomass of Forest Ecosystems in China. Beijing: Science Press, 1999.
[27] 摇 Fang J Y, Chen A P, Peng C H, Zhao S Q, Ci L J. Changes in forest biomass carbon storage in China between 1949 and 1998. Science, 2001,
392: 2320鄄2322.
[28] 摇 Fang J Y, Guo Z D, Piao S L, Chen A P. Terrestrial vegetation carbon sink of 1981鄄2000 in China. Science in China (D series), 2007, 37(6):
804鄄812.
[29] 摇 Yang K, Guan D S. Forest biomass and its dynamics in Pearl River Delta. Chinese Journal of Applied Ecology, 2007, 18(4): 705鄄712.
[30] 摇 Whittaker R H, Likens G E. Carbon in the biota. In: Carbon and the biosphere (eds. Woodwell GM). Virginia: Springfiled, 1973: 281鄄302.
[31] 摇 Peng S L, Zhang Z P. Biomass, productivity and energy useefficiency of climax vegetation on Dinghu mountains, Guangzhou China. Sci China
(series B), 1994, 24(5): 497鄄502.
[32] 摇 Xu X J, Du H Q, Zhou G M, Fan W Y. Review on correlation analysis of independent variables in estimation models of vegetation biomass based
on remote sensing. Remote Sensing Technology and Application, 2008, 23(2): 239鄄247.
[33] 摇 He H Y, Guo Z H, Xiao W F. Application of remote sensing in forest aboveground biomass estimation. Chinese Journal of Ecology, 2007, 26(8):
1317鄄1322.
[34] 摇 Fan W Y, Zhang H Y, Yu Y, Mao X G, Yang J M. Comparison of three models of forest biomass estimation. Journal of Plant Ecology, 2011, 35
(4): 402鄄410.
[35] 摇 Guo Z H, Peng S L, Wang B S. Estimating forest biomass in western Guangdong using landsat TM data. Acta Ecologica Sinica, 2002, 22(11):
1832鄄1839.
[36] 摇 Feng Z K, Liu Y X. Precision analysis of forest biomass measuring. Journal of Beijing Forestry University, 2005, 27(S2): 108鄄111.
参考文献:
[ 1 ]摇 娄雪婷, 曾源, 吴炳方. 森林地上生物量遥感估测研究进展. 国土资源遥感, 2011, (88): 1鄄8.
0547 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
[ 3 ]摇 王红岩, 高志海, 王琫瑜, 白黎娜, 吴俊君. 基于 TM 遥感影像丰宁县森林地上生物量估测研究. 安徽农业科学, 2010, 38 (32):
18472鄄18474.
[ 7 ] 摇 徐小军, 周国模, 杜华强, 董德进, 崔瑞蕊, 周宇峰,沈振明. 基于 Landsat TM 数据估算雷竹林地上生物量. 林业科学, 2011, 47(9):
1鄄6.
[ 8 ] 摇 王淑君, 管东生, 黎夏, 宋巍巍. 广州森林碳储量时空演变及异质性分析. 环境科学学报, 2008, 28(4): 778鄄785.
[ 9 ] 摇 王红岩, 高志海, 王琫瑜, 李世明, 白黎娜. 基于 SPOT5 遥感影像丰宁县植被地上生物量估测研究. 遥感技术与应用, 2010, 25(5):
639鄄646.
[11] 摇 张志明, 罗亲普, 王文礼, 尹梅, 孙振华, 欧晓昆, 柳小康. 2D与 3D景观指数测定山区植被景观格局变化对比分析. 生态学报, 2010,
30(21): 5886鄄5893.
[12] 摇 王秀云,陈晔, 周厚华, 张强. DEM在林地资源表面积调查中的应用. 南京师范大学学报(工程技术版), 2006, 6(1): 86鄄90.
[13] 摇 陈吉龙, 武伟, 刘洪斌. DEM在林地表面积计算中的应用研究. 西南农业学报, 2008, 21(5): 1348鄄1352.
[15] 摇 刘蔚秋, 余世孝, 王永繁, 练琚. 广东黑石顶森林生物量的三维估算. 中山大学学报(自然科学版), 2004, 43(4): 66鄄69.
[16] 摇 崔步礼, 李小雁, 姜广辉, 张思毅, 黄央奎. 基于 DEM的山地丘陵区土地利用 /覆被研究———以青海湖流域为例. 自然资源学报, 2011,
26(5): 871鄄880.
[21] 摇 管东生, 宋巍巍. 利用 TM影像反演广州市气溶胶光学厚度空间分布. 环境科学学报, 2008, 28(8): 1638鄄1645.
[22] 摇 陈晓玲, 赵红梅, 田礼乔. 环境遥感模型与应用. 武汉: 武汉大学出版社, 2008.
[24] 摇 管东生. 流溪河水库林区四个林分类型的生物量与生产力. 生态科学, 1986, 16(5): 45鄄52.
[25] 摇 杨昆, 管东生. 森林林下植被生物量收获的样方选择和模型. 生态学报, 2007, 27(2): 705鄄714.
[26] 摇 冯宗炜, 王效科, 吴刚. 中国森林生态系统的生物量和生产力. 北京: 科学出版社, 1999.
[28] 摇 方精云, 郭兆迪, 朴世龙, 陈安平. 1981—2000 年中国陆地植被碳汇的估算. 中国科学(D), 2007, 37(6): 804鄄812.
[29] 摇 杨昆, 管东生. 珠江三角洲地区森林生物量及其动态. 应用生态学报, 2007, 18(4): 705鄄712.
[31] 摇 彭少麟, 张祝平. 鼎湖山地带性植被生物量、生产力和光能利用效率. 中国科学 B辑, 1994, 24(5): 497鄄502.
[32] 摇 徐小军, 杜华强, 周国模, 范文义. 基于遥感植被生物量估算模型自变量相关性分析综述. 遥感技术与应用, 2008, 23(2): 239鄄247.
[33] 摇 何红艳, 郭志华, 肖文发. 遥感在森林地上生物量估算中的应用. 生态学杂志, 2007, 26(8): 1317鄄1322.
[34] 摇 范文义, 张海玉, 于颖, 毛学刚, 杨金明. 三种森林生物量估测模型的比较分析. 植物生态学报, 2011, 35(4): 402鄄410.
[35] 摇 郭志华, 彭少麟, 王伯荪. 利用 TM数据提取粤西地区的森林生物量. 生态学报, 2002, 22(11): 1832鄄1839.
[36] 摇 冯仲科, 刘永霞. 森林生物量测定精度分析. 北京林业大学学报, 2005, 27(增刊 2): 108鄄111.
1547摇 23 期 摇 摇 摇 宋巍巍摇 等:地形对植被生物量遥感反演的影响———以广州市为例 摇
ACTA ECOLOGICA SINICA Vol. 32,No. 23 December,2012(Semimonthly)
CONTENTS
Maternal thermoregulation during gestation affects the phenotype of hatchling Chinese skinks (Eumeces chinensis): testing the
maternal manipulation hypothesis LI Hong, ZHOU Zongshi, WU Yanqing, et al (7255)…………………………………………
Effects of conspecific and interspecific interference competitions on cache site selection of Siberian chipmunks (Tamias sibiricus)
SHEN Zhen,DONG Zhong, CAO Lingli,et al (7264)
…
………………………………………………………………………………
Characterization of ammonia volatilization from polluted river under aeration conditons: a simulation study
LIU Bo, WANG Wenlin, LING Fen, et al (7270)
……………………………
…………………………………………………………………………………
Diurnal activity patterns and environmental factors on behaviors of Bar鄄headed Geese Anser indicus wintering at Caohai Lake of
Guizhou, China YANG Yanfeng,ZHANG Guogang,LU Jun,et al (7280)…………………………………………………………
Impacts of snow cover change on soil water鄄heat processes of swamp and meadow in Permafrost Region, Qinghai鄄Tibetan Plateau
CHANG Juan,WANG Gengxu,GAO Yongheng,et al (7289)
……
………………………………………………………………………
Spatial鄄temporal changes of urban patch wetlands in Changsha, China GONG Yingbi, JING Lei, PENG Lei, et al (7302)…………
Modeling of carbon and water fluxes of Qianyanzhou subtropical coniferous plantation using model鄄data fusion approach
REN Xiaoli, HE Honglin, LIU Min, et al (7313)
……………
…………………………………………………………………………………
Ecological compensation standard for controlling nitrogen non鄄point pollution from farmland: a case study of Yixing City in Jiang
Su Province ZHANG Yin, ZHOU Yuchen, SUN Hua (7327)……………………………………………………………………
Static toxicity evaluation of chemical wastewater by PFU microbial communities method
LI Zhaoxia, ZHANG Yuguo, LIANG Huixing (7336)
………………………………………………
………………………………………………………………………………
Emergy evaluation of an agro鄄circulation system in Beijing suburb: take Jianyan village as a case study
ZHOU Liandi, HU Yanxia, WANG Yazhi, et al (7346)
………………………………
……………………………………………………………………………
Research on the cooling effect of Xi忆an parks in summer based on remote sensing FENG Xiaogang, SHI Hui (7355)………………
The dynamics of spatial and temporal changes to forested land and key factors driving change on Hainan Island
WANG Shudong, OUYANG Zhiyun,ZHANG Cuiping, et al (7364)
………………………
………………………………………………………………
Impact of different sowing dates on green water footprint of maize in western Jilin Province
QIN Lijie, JIN Yinghua, DUAN Peili (7375)
……………………………………………
………………………………………………………………………………………
The dynamic variation of maize (Sea mays L. ) population growth characteristics under cultivars鄄intercropped on the Loess Plateau
WANG Xiaolin, ZHANG Suiqi, WANG Shuqing, et al (7383)
…
……………………………………………………………………
Effect of different planting methods on root鄄shoot characteristics and grain yield of summer maize under high densities
LI Zongxin, CHEN Yuanquan, WANG Qingcheng, et al (7391)
………………
…………………………………………………………………
Heavy metal contaminant in development process of artificial biological Soil Crusts in sand鄄land
XU Jie, AO Yanqing, ZHANG Jingxia,et al (7402)
………………………………………
………………………………………………………………………………
Effects of enhanced UV鄄B radiation and nitrogen on photosynthetic pigments and non鄄enzymatic protection system in leaves of
foxtail millet (Setaria italica (L. ) Beauv. ) FANG Xing, ZHONG Zhangcheng (7411)…………………………………………
Photosynthetic response of different ecotype of Illicium lanceolatum seedlings to drought stress and rewatering
CAO Yonghui, ZHOU Benzhi, CHEN Shuanglin,et al (7421)
………………………
……………………………………………………………………
Seasonal variations in the stems of Larix principis鄄rupprechtii at the treeline of the Luya Mountains
DONG Manyu, JIANG Yuan, WANG Mingchang, et al (7430)
……………………………………
……………………………………………………………………
Influence of terrain on plant biomass estimates by remote sensing: a case study of Guangzhou City, China
SONG Weiwei,GUAN Dongsheng, WANG Gang (7440)
……………………………
……………………………………………………………………………
Effects of exponential fertilization on biomass allocation and root morphology of Catalpa bungei clones
WANG Lipeng, YAN Ziyi, LI Jiyue, et al (7452)
………………………………
…………………………………………………………………………………
Effects of fire damages on Larix gmelinii radial growth at Tahe in Daxing忆an Mountains, China
WANG Xiaochun, LU Yongxian (7463)
………………………………………
……………………………………………………………………………………………
A model for water consumption by mountain jujube pear鄄like XIN Xiaogui,WU Pute, WANG Youke, et al (7473)…………………
Specificity of photosystems function change of two kinds of overwintering broadleaf evergreen plants
ZHONG Chuanfei, ZHANG Yuntao, WU Xiaoying, et al (7483)
…………………………………
…………………………………………………………………
Effects of drought on fluorescence characteristics of photosystem 域 in leaves of Ginkgo biloba
WEI Xiaodong,CHEN Guoxiang,SHI Dawei,et al (7492)
…………………………………………
…………………………………………………………………………
Numerical classification and ordination of forest communities in habitat of Sichuan Snub鄄nosed Monkey in Hubei Shennongjia
National Nature Reserve LI Guangliang, CONG Jing, LU Hui, et al (7501)……………………………………………………
Impact of inorganic anions on the cadmium effective fraction in soil and its phytoavailability during salinization in alkaline soils
WANG Zuwei, YI Liangpeng, GAO Wenyan, et al (7512)
……
…………………………………………………………………………
Photosynthetic adaptability of the resistance ability to weak light of 2 species Spiraea L.
LIU Huimin,MA Yanli, WANG Baichen,et al (7519)
………………………………………………
………………………………………………………………………………
Fine root longevity and controlling factors in a Phoebe Bournei plantation
ZHENG Jinxing,HUANG Jinxue,WANG Zhenzhen,et al (7532)
………………………………………………………………
……………………………………………………………………
Analysis on spatial structure and scenarios of carbon dioxide emissions from tourism transportation
XIAO Xiao, ZHANG Jie, LU Junyu, et al (7540)
……………………………………
…………………………………………………………………………………
The hydrological response to human activities in Guishui River Basin, Beijing
LIU Yuming, ZHANG Jing, WU Pengfei, et al (7549)
…………………………………………………………
……………………………………………………………………………
Socio鄄economic impacts of under鄄film drip irrigation technology and sustainable assessment: a case in the Manas River Basin,
Xinjiang, China FAN Wenbo, WU Pute,MA Fengmei (7559)……………………………………………………………………
Effects of pattern and timing of high temperature exposure on the mortality and fecundity of Aphis gossypii Glover on cotton
GAO Guizhen, L譈 Zhaozhi, XIA Deping, et al (7568)
…………
……………………………………………………………………………
Physiological responses of Eucalyptus trees to infestation of Leptocybe invasa Fisher & La Salle
WU Yaojun, CHANG Mingshan, SHENG Shuang, et al (7576)
………………………………………
……………………………………………………………………
Carbon storage capacity of a Betula alnoides stand and a mixed Betula alnoides 伊 Castanopsis hystrix stand in Southern Subtropical
China: a comparison study HE Youjun, QIN Lin, LI Zhiyong,et al (7586)………………………………………………………
Distribution and ecological risk assessment of 7 heavy metals in urban forest soils in Changsha City
FANG Xi, TANG Zhijuan, TIAN Dalun, et al (7595)
…………………………………
……………………………………………………………………………
Review and Monograph
The relationship between humans and the environment at the urban鄄rural interface:research progress and prospects
HUANG Baorong, ZHANG Huizhi (7607)
…………………
…………………………………………………………………………………………
Flux footprint of carbon dioxide and vapor exchange over the terrestrial ecosystem: a review
ZHANG Hui, SHEN Shuanghe, WEN Xuefa,et al (7622)
…………………………………………
…………………………………………………………………………
4367 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
《生态学报》2013 年征订启事
《生态学报》是中国生态学学会主办的生态学专业性高级学术期刊,创刊于 1981 年。 主要报道生态学研
究原始创新性科研成果,特别欢迎能反映现代生态学发展方向的优秀综述性文章;研究简报;生态学新理论、
新方法、新技术介绍;新书评介和学术、科研动态及开放实验室介绍等。
《生态学报》为半月刊,大 16 开本,300 页,国内定价 90 元 /册,全年定价 2160 元。
国内邮发代号:82鄄7,国外邮发代号:M670
标准刊号:ISSN 1000鄄0933摇 摇 CN 11鄄2031 / Q
全国各地邮局均可订阅,也可直接与编辑部联系购买。 欢迎广大科技工作者、科研单位、高等院校、图书
馆等订阅。
通讯地址: 100085 北京海淀区双清路 18 号摇 电摇 摇 话: (010)62941099; 62843362
E鄄mail: shengtaixuebao@ rcees. ac. cn摇 网摇 摇 址: www. ecologica. cn
摇 摇 编辑部主任摇 孔红梅摇 摇 摇 执行编辑摇 刘天星摇 段摇 靖
生摇 态摇 学摇 报
(SHENGTAI摇 XUEBAO)
(半月刊摇 1981 年 3 月创刊)
第 32 卷摇 第 23 期摇 (2012 年 12 月)
ACTA ECOLOGICA SINICA
摇
(Semimonthly,Started in 1981)
摇
Vol郾 32摇 No郾 23 (December, 2012)
编摇 摇 辑摇 《生态学报》编辑部
地址:北京海淀区双清路 18 号
邮政编码:100085
电话:(010)62941099
www. ecologica. cn
shengtaixuebao@ rcees. ac. cn
主摇 摇 编摇 冯宗炜
主摇 摇 管摇 中国科学技术协会
主摇 摇 办摇 中国生态学学会
中国科学院生态环境研究中心
地址:北京海淀区双清路 18 号
邮政编码:100085
出摇 摇 版摇
摇 摇 摇 摇 摇 地址:北京东黄城根北街 16 号
邮政编码:1R00717
印摇 摇 刷摇 北京北林印刷厂
发 行摇
地址:东黄城根北街 16 号
邮政编码:100717
电话:(010)64034563
E鄄mail:journal@ cspg. net
订摇 摇 购摇 全国各地邮局
国外发行摇 中国国际图书贸易总公司
地址:北京 399 信箱
邮政编码:100044
广告经营
许 可 证摇 京海工商广字第 8013 号
Edited by摇 Editorial board of
ACTA ECOLOGICA SINICA
Add:18,Shuangqing Street,Haidian,Beijing 100085,China
Tel:(010)62941099
www. ecologica. cn
Shengtaixuebao@ rcees. ac. cn
Editor鄄in鄄chief摇 FENG Zong鄄Wei
Supervised by摇 China Association for Science and Technology
Sponsored by摇 Ecological Society of China
Research Center for Eco鄄environmental Sciences, CAS
Add:18,Shuangqing Street,Haidian,Beijing 100085,China
Published by摇 Science Press
Add:16 Donghuangchenggen North Street,
Beijing摇 100717,China
Printed by摇 Beijing Bei Lin Printing House,
Beijing 100083,China
Distributed by摇 Science Press
Add:16 Donghuangchenggen North
Street,Beijing 100717,China
Tel:(010)64034563
E鄄mail:journal@ cspg. net
Domestic 摇 摇 All Local Post Offices in China
Foreign 摇 摇 China International Book Trading
Corporation
Add:P. O. Box 399 Beijing 100044,China
摇 ISSN 1000鄄0933
CN 11鄄2031 / Q
国内外公开发行 国内邮发代号 82鄄7 国外发行代号 M670 定价 70郾 00 元摇