全 文 ：第 !" 卷 第 #$ 期
% $ # # 年 #$ 月
林 业 科 学
&’()*+(, &(-.,) &(*(’,)
./01!"!*/1#$
2345!% $ # #
长白山林区森林生物量遥感估测模型
范文义6李明泽6杨金明
"东北林业大学林学院6哈尔滨 #9$$!$$
摘6要!6采用黑龙江长白山地区 +f图像和 #!7 块森林资源连续清查固定样地数据及野外调查补充样地数据!选
择包括各波段灰度值%不同波段灰度值之间的线性和非线性组合"包括 ## 种植被指数$%纹理信息以及环境因子在
内的 "9 个自变量!分别采用逐步回归分析法和偏最小二乘回归法建立黑龙江长白山林区森林生物量遥感估测模
型’ 逐步回归法采用 9 个自变量所建模型平均拟合精度为 "859>!均方根误差为#;1#% 4)?@A% !样地生物量真实值
与预测值相关系数为$19!7 !# 偏最小二乘回归法采用 #$ 个自变量所建模型平均拟合精度 :91:>!均方根误差
;1;% 4)?@A% !样地生物量真实值与预测值相关系数$1:8$ 7!偏最小二乘回归法要优于逐步回归法& 利用建立的偏
最小二乘回归模型计算得到黑龙江长白山 %$$" 生物量等级分布图!采用 %; 个检验样本对反演结果进行检验!计算
得到 %; 个样本的平均预测精度为 :71"7>&
关键词’6+f# 森林生物量# 逐步回归# 偏最小二乘回归# Y//4V4CIK# 长白山
中图分类号! &"9"666文献标识码!,666文章编号!#$$# A"!::"%$####$ A$$#8 A$9
收稿日期’ %$#$ A$8 A#9# 修回日期’ %$#$ A$: A%9&
基金项目’ 国家科技支撑项目"%$##G,H7"G$#$ # 国家林业局*;!:+项目"%$##‘!‘:$$ &
5,-*/$1%,+#//M/$%+#$%,’D,(*&/,0Q*+,$*!*’/%’4 %’3;#’42#%D,<’$#%’5,-*/$/
QIF RNFWD6-DfDFE^N6OIFEJDF@DFE
")#*%+%#;"#$%&’$(! F#$’/%1&’"#$%&’$(42-5%$&-’(6M1$:-2 #9$$!$$
=2/$-#:$’6f/UN0VMNNCNNV4IY0DV?NU MD4? 4?NV4NKMDVNCNECNVVD/F IFU KIC4DI00NIV4AVlPICNVCNECNVVD/F YIVNU /F +f
D@IENCWIFU IVPC[NW/X#!7 K0/4VDF ’?IFEYIDf/PF4IDF ICNI/XTND0/FE\DIFE4/NV4D@I4N4?NX/CNV4YD/@IVV5,V@P3? IV"9
DFUNKNFUNF4[ICDIY0NVMNCNVN0N34NU /P4! DF30PUDFEECIW[I0PN/XNI3? YIFU! 4?N0DFNICIFU F/F0DFNIC3/@YDFI4D/FVYN4MNNF
UDXNCNF4YIFUV/XECIW[I0PN"DF30PUDFE## [NEN4I4D/F DFUN_$! 4N_4PCNDFX/C@I4D/F IFU NF[DC/F@NF4I0XI34/CV5+?NV4NKMDVN
CNECNVVD/F NlPI4D/F MIVPVNU 4/NV4IY0DV? I@/UN0MD4? XD[NDFUNKNFUNF4[ICDIY0NV5+?N@/UN0?IU IV4IFUICU XD4DFEI33PCI3W
/X"819>! 4?NC//4‘@NIF‘VlPICNNCC/C/X#;1#% 4)?@A%! IFU 4?N3/CCN0I4D/F /X4?NKCNUD34D/F [I0PNVMD4? 4?N@/UN0IFU
XI34PI0W/YVNC[NU [I0PNVMIV$1:8$ 75SIC4DI00NIV4VlPICNV@N4?/U MIVPVNU 4/NV4IY0DV? I@/UN0MD4? #$ DFUNKNFUNF4
[ICDIY0NV5+?N@/UN0?IU IV4IFUICU XD4DFEI33PCI3W/X:91:>! IFU 4?NC//4A@NIF AVlPICNNCC/C/X;1;% 4)?@A%! IFU 4?N
3/CCN0I4D/F /X4?NKCNUD34D/F [I0PNVIFU /YVNC[NU [I0PNVMIV$1:8$ 75+?NCNVP04VDFUD3I4NU 4?I4KIC4DI00NIV4VlPICNV@N4?/U
MIVYN4NC4?IF 4?NV4NKMDVNCNECNVVD/F NlPI4D/F DF 4?DVV4PUW5+/4I0%$$" UDV4CDYP4D/F @IKV/X?DNCIC3?D3I0/XYD/@IVVDF
’?IFEYIDf/PF4IDF ICNIMNCN/Y4IDFNU YWPVDFE4?N@/UN0NV4IY0DV?NU MD4? 4?NKIC4DI00NIV4VlPICNV5+?N@NIF KCNUD34D/F
I33PCI3WMIV:71"7> X/C%; VI@K0NVM?D3? ?IU YNNF N[I0PI4NU YWI4NV4/XDF[NCVD/F CNVP04/X4?NVI@K0NV5
>*9 ?,-(/’6+f# X/CNV4YD/@IVV# V4NKMDVNCNECNVVD/F# S-&# Y//4V4CIK# ’?IFEYIDf/PF4IDF
66森林生态系统在全球碳循环过程中起着重要作
用& 森林生物量约占整个陆地生态系统生物量的
;$>"刘广义!%$$"$& 研究森林生物量对全球碳循
环及全球气候变化研究具有重要意义 "赵士洞等!
%$$## GC/MF %’1*5! #;;8$& 目前!对于以省%流域%
国家乃至全球尺度的区域森林生物量估计方法主要
有 % 类’ 基于森林资源清查数据的估计方法和基于
遥感信息技术的估计方法"方精云等!#;;8# 徐新良
等! %$$8 # TI@N%’1*5! #;;" # H/FE%’1*5! %$$7$&
基于遥感信息技术的方法包括遥感信息参数与生物
量拟合%遥感数据与过程模型融合%基准样地法
"B**方法$以及人工神经网络模型法"徐新良等!
%$$8$& fWFNFD等 "%$$# $和 H/FE等 "%$$7 $利用
*2,,a,.Tkk*H.(数据建立了森林生长季内的
累积 *H.(值与各省森林生物量总量之间的拟合方
程# TI@N等"#;;"$利用+f7 和+f! 波段及其组合
与森林材积的关系估算了芬兰北部地区的森林碳储
量并分析了其时空格局# 郭志华等 " %$$% $ 以
6第 #$ 期 范文义等’ 长白山林区森林生物量遥感估测模型
-IFUVI4+f为数据源建立了粤西阔叶林和针叶林材
积的遥感光谱估算模型# 国庆喜等"%$$7$采用多元
回归分析方法建立了 +f各个波段以及归一化植被
指数"*H.($%比值植被指数"k.($和环境植被指数
").($与森林生物量的遥感光谱模型& 国内外学者
多采用部分遥感波段值及植被指数".($与森林生物
量建立回归方程!且构建方法多采用传统的多元统计
分析法& 综合考虑各种森林生物量相关因子并采用
先进的建模方法是目前提高森林生物量反演精度的
有效途径之一& 本研究尽可能多地选取植被指数%地
学信息及影像纹理信息等可能与森林生物量有关的
变量!并利用逐步回归法和偏最小二乘回归分析法建
立森林生物量遥感估测模型!择优对 %$$" 年黑龙江
长白山林区的森林生物量进行反演& 本研究方法将
为森林生物量模型的构建提供新的途径!研究结果对
于了解黑龙江长白山林区的森林生物量分布具有重
要意义&
#6研究区概况
研究 区 位 于 黑 龙 江 省 东 南 部 长 白 山 区
"#%;=$!b7;t(#7%=$%b%#t)! !7=!;b97t(!9=9!b%;t*$!平
均海拔 9#" @!属北温带大陆性季风气候区!夏季短促!
秋季早霜!冬季漫长多雪& 年均气温 A" c7 d!# 月份
平均气温A%$ d&年日照时数% %"$ ?!年无霜期 #$$ 天
左右& 年降水量 "$$ c# !$$ @@!8(;月份降水量占全
年降水量的 8$> c"$>& 主要乔木树种有柞树
"N0%$.0&G#2+#*-.1$%黑桦"D%’0*1 A150$-.1$%紫椴"J-*-1
1G0$%2&-&$%山杨 "@#=0*0&A15-A-121$%色木槭 "3.%$
G#2#$%长白落叶松 " 91$-E#*+%2&-&$%樟子松 "@-20&
&(*5%&’$-&[IC5G#2+#*-.1$和红松"@-20&O#$1-%2&-&$等&
主要灌木有毛榛子 ")#$(*0&G12A&/0$-.1$%胡枝子
"9%&=%A%?1 :-.#*#$$和杜鹃">/#A#A%2A$#2 A10$-.0G$等!
主要草本植物有苔草")1$%E.1%&=-’#&1$和细叶蒿草
"I0$A122-1%&-G=*-.-&$等&
%6+f图像及样地数据处理
本研究采用 %$$" 年 8 月至 ; 月美国 -IFUVI4陆
地资源卫星 +f数据& 黑龙江长白山林区涉及 #!
景 +f影像!其行列号分别是’ ##! 条带的 %"!%: 和
%; 行# ##9 条带的 %:!%; 和 7$ 行# ##8 条带的 %:!
%; 和 7$ 行# ##" 条带的 %:!%; 和 7$ 行# ##: 条带的
%: 和 %; 行& 对 #! 景 +f影像分别进行几何校正%
辐射定标及 Q-,,&T大气校正!然后将其拼接到一
起!最后用研究区的边界矢量图进行裁切!得到研究
区地表反射率图像& 本研究所用 +f影像所用波段
为 +f#!+f%!+f7!+f!!+f9 和 +f"! 投影方式均
为 q+faRh&:!!空间分辨率为%:19 @&
收集研究区域内的 %$$9 年森林资源连续清查固
定样地数据及野外调查补充样地数据!共计 #!7 块!每
块样地面积为$1$8 ?@%&根据样地每木检尺数据及表 #
提供的各树种及器官生物量模型计算每株树木生物
量!最终求得样地总生物量& 模型中的树高 M由树高
胸径方程"表 %$估计!该方程的建模数据主要来源于东
北林业大学帽儿山实验林场的样地实测数据& 样地总
生物量除以样地面积得到不同样地的单位面积的乔木
生物量& 在+f影像上提取样地中心点所在像元及其
相邻的上下左右 ! 个像元的灰度值!求出其平均值作
为样地遥感信息源& 按照建模样本与检验样本 !g#的
比例随机将 #!7块样地分为 % 部分!其中 ##!块样地用
于建立回归方程!%;块样地用于检验&
表 @A生物量模型!
)#2B@A1%,+#//+,(*&
树种
&KN3DNV
茎生物量模型
&4N@YD/@IVV@/UN0
枝生物量模型
GCIF3? YD/@IVV@/UN0
叶生物量模型
-NIXYD/@IVV@/UN0
文献
-D4NCI4PCN
红松 @-20&O#$1-%2&-& H& i$1$7$ #;$"B
%M$ $1:"9 !% HGi$1$#7 :%9"B
%M$ $1":$ !! H-i$1$88 %"7"B
%M$ $1:$# $: 丁宝永等"#;:;$
樟子松 @-20&&(*5%&’$-&
[IC1G#2+#*-.1
H& i$1$#7 !"B
%M$ #1$%$ # HGi$1$#$ 9"B
%M$ $1"7: 8 H-i$1#:# $B
#1:!# 9 陈传国等"#;:;$
长白落叶松 91$-E
#*+%2&-&
H& i$1$%9"B
%M$ $1;8 HGi$1$$% #"B
%M$ $1:#: # H-i$1$$# %8"B
%M$ $1;8" 9 陈传国等"#;:;$
云杉 @-.%1 1&=%$1’1 H& i$1$9"B
%1!"9 7 HGi$1$## 8B
%1!$9 ! H-i$1$$: 7B
%17"7 7 陈传国等"#;:;$
赤松 @-20&A%2&-;*#$1 H& i$1$7% !#"B
%1798 9 HGi$1%$: ;7B
#1"$: % H-i$1%;# 98B
#1%:$ " 陈灵芝"#;;"$
水曲柳 "$1E-20&
G12A&/0$-.1
H& i$1$8$ #7"B
%M$ $1:;$ 8 HGi$1$$8 9%"B
%M$ #1#8; H-i$1$$! !"B
%M$ $1;;# ; 陈灵芝"#;;"$
色木槭 3.%$G#2# H& i$17%" !"B
%M$ $1"%# "89 HGi$1$#7 !;"B
%M$ $1"#; "; H-i$1$%7 !""B
%M$ $1:;% ;% 陈传国等"#;:;$
枫桦 D%’0*1 .#&’1’1 H& i$1$"; 78"B
%M$ $1;$# $9 HGi$1$#! #8""B
%M$ $1"87 9: H-i$1$#$ :8"B
%M$ $1:!" %$7 陈灵芝"#;;"$
黑桦 D%’0*1 A150$-.1 H& i$1#!# #!"B
%M$ $1"%7 ! HGi$1$$" %!"B
%M$ #1$%% 9 H-i$1$$" ;"B
%M$ $1:$: 9 陈传国等"#;:;$
柞树 N0%$.0&G#2+#*-.1 H& i$1$7# !$""B
%M$ $1"7% ; HGi$1$$% #%"B
%1;9$ ! H-i$1$$7 %#B
%1!"7 !; 陈传国等"#;:;$
紫椴 J-*-1 1G0$%2&-& H& i$1$#% "97"B
%M$ #1$$; !% HGi$1$$# :%!"B
%M$ $1;"! 99 H-i$1$$$ %!"B
%M$ $1;;$ " 罗天祥"#;;8$
白桦 D%’0*1 =*1’(=/(*1 H& i$1##; 7"B
%M$ $1:7" % HGi$1$$%"B
%M$ #1#% H-i$1$$$ $#9"B
%M$ #1!"% 陈传国等"#;:;$
山杨 @#=0*0&A15-A-121 H& i$1%%: 8"B
%M$ $18;7 : HGi$1$%! ""B
%M$ $1"7" : H-i$1$#$ :"B
%M$ $1:#: # 丁宝永等"#;:;$
66!H&’ 茎生物量 &4N@YD/@IVV# HG’ 枝生物量GCIF3? YD/@IVV# H-’ 叶生物量-NIXYD/@IVV# B’ 胸径HDI@N4NCI4YCNIV4?NDE?4# M’ 树高+CNN?NDE?45
"#
林 业 科 学 !" 卷6
表 CA树高模型
)#2BCA)-**;*%4;$+,(*&
树种 &KN3DNV 树高模型 +CNN?NDE?4@/UN0
红松 @-20&O#$1-%2&-& Mi81;!! #N_K"$1$!8 :B$
樟子松 @-20&&(*5%&’$-&[IC1G#2+#*-.1 Mi91"9: !N_K"$1$!; ;B$
长白落叶松 91$-E#*+%2&-& Mi81;!! #N_K"$1$!8 :B$
云杉 @-.%1 1&=%$1’1 Mi81::" ;N_K"$1$7! 7B$
赤松 @-20&A%2&-;*#$1 Mi81;!! #N_K"$1$!8 :B$
水曲柳 "$1E-20&G12A&/0$-.1 Mi:1!:7 !N_K"$1$%" "B$
色木槭 3.%$G#2# Mi"1$77 :N_K"$1$77 %B$
枫桦 D%’0*1 .#&’1’1 Mi#71";;N_K"$1$#7 :B$
黑桦 D%’0*1 A150$-.1 Mi#71";;N_K"$1$#7 :B$
柞树 N0%$.0&G#2+#*-.1 Mi:1#:" "N_K"$1$%# ;B$
紫椴 J-*-1 1G0$%2&-& Mi"1$:: ;N_K"$1$7! ;B$
白桦 D%’0*1 =*1’(=/(*1 Mi;1:$8 9N_K"$1$%! 8B$
杨树 @#=0*0&A15-A-121 Mi#%1#78N_K"$1$#7 7B$
76自变量选择
本研究尽可能多地选出各种自变量用于估算森
林生物量!包括各波段灰度值%不同波段灰度值之间
的线性和非线性组合"包括各种植被指数$% 纹理信息
以及非生物因子栅格化所形成的辅助波段如海拔%坡
度%坡向等!其中纹理信息采用灰度共生矩阵法!7 e7
像元窗口!步长为 #像元!水平方向& 初步选出 "9个自
变量因子!将这些因子与对应样地生物量作相关系数
显著性检验!结果见表 7& 各种植被指数计算公式分别
为’ H.(i!FDCA!CNU# &ki!FDCa!CNU# *H.(i"!FDCA
!CNU $a"!FDC j!CNU $# 槡+.(i *H.(j$19# S.(i
"$1799!FDCA$1#!;!CNU$
% j"$1799!CNU A$1:9%!FDC$槡
%#
"i"!FDCA!@DUDC$a"!FDCj!@DUDC$# &,.(i"# j$19$"!FDCA
!CNU$a"!FDC j!CNU j$19 $# f&k i"!FDCa!CNU A# $a
!FDCa!CNU槡 j## kH.(i"!FDC A!CNU $a "!FDCj!CNU槡 $#
&,.(% i!FDC j$19 A !FDC( )j$19 % A% !FDCA!( )槡 CNU #
*-(i"!%FDCA!CNU$a"!
%
FDCj!CNU$& 式中’ !FDC为近红外波
段反射率# !CNU为红波段反射率# !@DUDC为中红外反
射率&
表 EA自变量因子与样地生物量相关系数!
)#2BEA3,--*&#$%,’:,*00%:%*’$,07#-%#2&*0#:$,-#’("&,$2%,+#//
变量 .ICDIY0N
相关系数
’/CCN0I4D/F
3/NXD3DNF4
变量 .ICDIY0N
相关系数
’/CCN0I4D/F
3/NXD3DNF4
变量 .ICDIY0N
相关系数
’/CCN0I4D/F
3/NXD3DNF4
原始波段
2CDEDFI0
YIFU
波段组合
GIFU
3/@YDFI4D/F
植被指数
.NEN4I4D/F
DFUN_
地学信息
hN/ECIK?D3
DFX/C@I4D/F
GIFU# A$1$%; 7
GIFU% A$19$:!!
GIFU7 A$1!9$!!
GIFU! $1$79
GIFU9 A$179"!!
GIFU" A$1!9;!!
+f"7 $1#$$
+f!7" A$1$;9
+f!9% $19##!!
+f!% $19;#!!
H.( $1#%#
&k $1!:%!!
*H.( $1!#;!!
+.( $1!#9!!
S.( $1$"#
(( $1!88!!
&,.( $1!#:!!
f&k $1!8;!!
kH.( $1%7$!
&,.(% $1!$;!!
*-( $177$!!
纵坐标 O
O‘3//CUDFI4N
A$1$9;
横坐标 L
L‘3//CUDFI4N
A$1$7#
高程 )0N[I4D/F $19;:!!
坡向 ,VKN34 A$1%:$!!
坡度 &0/KN A$1#%9
灰度共生矩阵
的平均值
fNIF /XECIW
0N[N0
3//33PCCNF3N
@I4CD_
灰度共生矩
阵的方差
.ICDIF3N/X
ECIW0N[N0
3//33PCCNF3N
@I4CD_
灰度共生矩
阵的均一性
qFDX/C@D4W/X
ECIW0N[N0
3//33PCCNF3N
@I4CD_
灰度共生矩
阵的对比度
’/F4CIV4/X
ECIW0N[N0
3//33PCCNF3N
@I4CD_
fNIF# A$179!!!
fNIF% A$1%%9!
fNIF7 A$1#%%
fNIF! $1$%"
fNIF9 A$17:7!!
fNIF8 A$17%7!!
.IC# A$1%9$!
.IC% A$17$:!
.IC7 A$1#%%
.IC! A$1#":
.IC9 A$17$9!!
.IC8 A$1$8%
T/@# $1%$8
T/@% $17!%!!
T/@7 $1$8#
T/@! $1$::
T/@9 $17$#!!
T/@8 A$1$7:
’/F# A$1%$8
’/F% A$17!%!!
’/F7 A$1$8#
’/F! A$1##7
’/F9 A$1%;%!!
’/F8 $1$7:
灰度共生矩阵
的相异性
HDVVD@D0ICD4W/X
ECIW0N[N0
3//33PCCNF3N
@I4CD_
灰度共生
矩阵的熵
)F4C/KW/X
ECIW0N[N0
3//33PCCNF3N
@I4CD_
灰度共生矩阵
的角二阶矩
,FEP0ICVN3/FU
@/@NF4/XECIW
0N[N0
3//33PCCNF3N
@I4CD_
灰度共生矩阵
的相关性
’/CCN0I4D/F /X
ECIW0N[N0
3//33PCCNF3N
@I4CD_
郁闭度
’IF/KWUNFVD4W
HDV# A$1%$8
HDV% A$17!%!!
HDV7 A$1$8#
HDV! A$1$;7
HDV9 A$17$#!!
HDV8 $1$7:
)F4# A$1%77!
)F4% A$17!%!!
)F47 A$1#7"
)F4! A$1#78
)F49 A$1778!!
)F48 A$1$#"
&N3# $1%7$!
&N3% $17!$!!
&N37 $1#7"
&N3! $1#$:
&N39 $17%;!!
&N38 $1$#;
’/C# $17$;!!
’/C% $1788!!
’/C7 $1#7#
’/C! $1#!7
’/C9 $1#"%
’/C8 $1$;9
$1%:7!!
66!+f"7 i+@"a+@7# +f!7" i+@! e+@7a+@"# +f!9% i "+@! j+@9 A+@% $a"+@! j+@9 j+@% $ # +f!% i+@!a+@%# !’ "i
$1$9# !!’ "i$1$#5
:#
6第 #$ 期 范文义等’ 长白山林区森林生物量遥感估测模型
!6逐步回归法建模
对样本进行标准化处理!利用 &S&G$ 软件!
采用逐步回归法建立多元线性回归模型& 通过检验
的变量为郁闭度%高程%横坐标 L%GIFU7 和 ’/C#!经
% 倍标准化残差删除特异样本后剩余 ;7 个样本&
模型决定系数为 $1":9!平均拟合精度为 "819>!均
方根误差为#;1#" 4)?@A%&模型形式如下’
Di#%91889 :$: 77" 7 j#:1%;9 !79 9;% #7" 7 e)j
$1$9" 9%$ :%! %#7 " eMA$1$$$ #9% %:: :;# 8: ePA
$1$#: !$% %$: 777 ! eGIFU7 j$1%;% ;77 #7: "9 e’/C#
式中’ D为样地生物量# )为郁闭度# M为高程&
样地生物量拟合值与实测值的对比如图 #&
图 #6样地生物量实测值与逐步回归模拟值
QDE5#62YVNC[NU IFU V4NKMDVNCNECNVVD/F XD4NU VI@K0NYD/@IVV
96偏最小二乘回归法建模
本研究采用的 G//4V4CIK 变量筛选法及偏最小
二乘方法均使用 f,+-,G"1# 编程实现&
NF@A1,,$/$-#"变量筛选
G//4V4CIK 变量筛选法是近 7$ 年来发展的一种
新的统计方法!是由美国斯坦福大学统计系教授倚
佛侬")XC/F$于 #;"; 年提出的一种再抽样方法!也
称为自助法"王惠文等!%$$8$&
设置检验水平 "i$17!取试验次数为# $$$次!
G//4V4CIK 样 本 为 ;7 个 "徐 小 军! %$$; $& 利 用
G//4V4CIK 变量筛选法对 "9 个变量进行筛选!有 !:
个自变量未通过显著性检验!对剩余的 %" 个变量继
续采用 Y//4V4CIK 方法进行筛选"参数设置同上$!直
到所有变量均通过检验为止!最终有 #$ 个变量通过
检验"表 !$!其拒绝域临界值如表 !&
NFCA偏最小二乘回归建模
偏最小二乘回归" KIC4DI00IV4‘VlPICNVCNECNVVD/F!
简称 S-& 回归$是一种新型的多元统计数据分析方
法!它于 #;:7 年由伍德和阿巴诺等首次提出& 偏最
小二乘应用了主成分分析的基本思想!并且区别于
主成分回归考虑了主成分与因变量之间的相关性!
因此它能解决以往普通多元回归无法解决的问题!
如自变量之间的多重相关性问题和样本数量不宜太
表 GA拒绝域临界值
)#2BGA3-%$%:#&7#&<*,0-*R*:$%,’-*4%,’
变量
.ICDIY0N
回归系数
kNECNVVD/F
3/NXD3DNF4
临界值
’CD4D3I0
[I0PN
变量
.ICDIY0N
回归系数
kNECNVVD/F
3/NXD3DNF4
临界值
’CD4D3I0
[I0PN
郁闭度 ’IF/KWUNFVD4W $1%9! 7;% $1#$7 ;$" &k #1$%# 8$# $19:! !#;
高程 )0N[I4D/F $1!$; ;%8 $1#$! !88 &N3# $1%%# ";9 $1%#" ;$8
坡度 &0/KN A$1##: #% $1$87 ";% HDV9 #17## 8## #1$#9 !!
坡向 ,VKN34 A$1#%9 ;# $1$:$ !#: )F4! A$1%:# " $1%%# "7"
GIFU9 A#1%!7 8! $18;! %97 T/@9 #179; !;: $1;"! $!"
少等问题& 在许多情况下!偏最小二乘回归并不需
要采用全部的成分 ’#!’%!,!’3进行建模!因为采用
过多的成分会破坏对统计趋势的认识!因此在应用
偏最小二乘回归建模时必须要进行交叉有效性检
验!以确定提取成分数 G"Gm3$& 偏最小二乘回归
的具体计算步骤请参考-偏最小二乘回归的线性与
非线性方法."王惠文等!%$$8$&
对 ;7 个样地生物量数据及 Y//4V4CIK 筛选出的
#$ 个自变量进行偏最小二乘回归& 当提取 #7 个有
效成分时模型的决定系数为 $1:"8 :!拟合精度
:91:>!均方根误差为 ;1;% 4)?@A%& 偏最小二乘回
归的相对误差如图 %& 模型最终表达式为’
图 %6建模样本相对误差
QDE5%6kN0I4D[NNCC/C/X@/UN0DFEVI@K0N
D i#%%1:$! :8! "!8 "#% j7#1:7# !;! 9;9 !#" e)j
$1$:! 7:: %78 ;99 eMA$1;:; 7#9 %#9 #%7 9%8 e, A
$1$8$ 9!$ :$: #9# #;8 e3A$1$8% !9; 798 7"# eGIFU9 j
91!7% ;;! "9" ":8 9; e&kj#81!:: 7#! "8# %!$ e&N3# A
;#
林 业 科 学 !" 卷6
:1:$% :$8 89: %"; 7% eHDV9 j#$1$7; 9!: %78 ;99 e)F4! j
%"19$; ;"; !78 %9# "% eT/@9& 式中’ , 为坡度# 3为
坡向&
86黑龙江长白山区森林生物量反演
% 种模型采用了随机抽取的 ##! 个样本中的 ;7
个样本进行建模& 逐步回归法利用 "9 个自变量中
的 9 个建立模型!拟合精度为 "819>!偏最小二乘
方法采用 #$ 个自变量建立模型!拟合精度达到
:91:>!说明偏最小二乘方法对生物量的预测明显
优于逐步回归方法& 分析自变量之间的相关性可
知!*H.(与 &,.(%’/F# 与 HDV#%’/F# 与 T/@#%
’/F% 与 HDV%%’/F% 与 T/@% 等 9# 对自变量之间的
相关系数达到了 $1; 以上!而偏最小二乘回归应用
了主成分分析的基本思想!能够很好地解决自变量
之间的多重相关性问题!因此偏最小二乘回归建模
结果要优于逐步回归法建模结果&
利用偏最小二乘方法建立的样地生物量模型对黑
龙江长白山地区 %$$" 年的 +f影像进行反演!计算每
个像元的生物量值!生成生物量等级分布图"图 7$&
图 76黑龙江长白山 %$$" 年生物量等级分布图
QDE576hCIUNUDV4CDYP4D/F /XYD/@IVV/X
’?IFEYIDf/PF4IDF DF TND0/FE\DIFEDF %$$"
从长白山 %$$" 年生物量分布图中将 %; 块检验
样地的生物量预测值提取出来!提取时只提取样地
坐标落入的像元的灰度值& 将预测值与实际值进行
比较!计算得 %; 个检验样本的偏最小二乘预测精度
为 :71"7>!其相对误差见图 !&
图 !6检验样本相对误差
QDE5!6kN0I4D[NNCC/C/X4NV4VI@K0N
"6结论
#$分别采用逐步回归分析法和偏最小二乘回
归法建立了黑龙江长白山林区森林生物量遥感估测
模型& 逐步回归法采用 9 个自变量所建模型平均拟
合精度为 "819>!均方根误差为#;1#% 4)?@A%!样地
生物量真实值与预测值相关系数为$19!7 !&偏最小
二乘回归法采用 #$ 个自变量所建模型平均拟合精
度 :91:>!均方根误差;1;% 4)?@A%!样地生物量真
实值与预测值相关系数$1:8$ 7&因此偏最小二乘回
归法要优于逐步回归法&
%$利用建立的偏最小二乘回归模型计算得到
了黑龙江长白山 %$$" 生物量等级分布图!采用 %;
个检验样本对反演结果进行了检验!计算得到 %; 个
样本的平均预测精度为 :71"7>&
7$本研究尽可能多地考虑与森林生物量有关
的各种变量!包括与遥感信息相关的各种植被指数
和波段值之间的组合以及纹理信息!为研究区的森
林生物量遥感反演提供了尽可能多的信息&
!$针对众多的具有多重相关性的变量利用
Y//4V4CIK 方法成功进行了筛选!采用筛选出的 #$ 个
变量利用偏最小二乘方法建模取得了较好的效果&
参 考 文 献
陈传国!朱俊凤1#;:;5东北主要林木生物量手册5北京’ 中国林业
出版社5
陈灵芝5#;;"5暖温带森林生态系统结构与功能的研究5北京’ 科学
出版社5
丁宝永!孙继华5#;:;5红松人工林生态系统生物生产力及养分循
环研究5东北林业大学学报!#"" &%$ ’ #: A#;5
方精云!刘国华!徐嵩龄5#;;85我国森林植被生物量和生产力5生
态学报!#8 "!$ ’ !;" A9$:5
国庆喜! 张6锋5%$$75基于遥感信息估测森林的生物量5东北林
业大学学报! 7# "%$ ’ #7 A#85
郭志华!彭少麟!王伯苏5%$$%5利用 +f数据提取粤西地区的森林
生物量5生态学报!%%"##$ ’ #:7% A#:7;5
刘广义5%$$"5森林与碳循环5现代农业科技!"#;$ ’ %#: A%%$5
罗天祥5#;;85中国主要森林类型生物生产力格局及其数学模型5
中国科学院国家计划委员会博士学位论文5
王惠文! 吴载斌!孟6洁5%$$85偏最小二乘回归的线性与非线性方
法5北京’ 国防工业出版社5
徐小军5%$$;5基于 -,*H&,++f影像毛竹林地上部分碳储量估算
研究5浙江林学院硕士学位论文5
徐新良!曹明奎5%$$85森林生物量遥感估算与应用分析5地球信息
科学! : "!$ ’ #%% A#%:5
赵士洞!汪业勖5%$$#5森林与碳循环5科学对社会的影响!"7$’ 7: A!#5
GC/MF &!&I4?IWNJ!’IFN0f!%’1*5#;;85fD4DEI4D/F /X3ICY/F N@DVVD/F
4/4?NI4@/VK?NCNYWX/CNV4@IFIEN@NF45’/@@/FMQ/CkN[DNM!
"9"#$ ’ :$ A;#!#$;!### A##%5
H/FEJk! BIPX@IFF kB! fWFNFDkG! %’1*5%$$75kN@/4NVNFVDFE
NV4D@I4D/FV/XY/CNI0IFU 4N@K/CI4NX/CNV4M//UWYD/@IVV’ 3ICY/F
K//0V! V/PC3NV! IFU VDFZV5 kN@/4N &NFVDFE /X)F[DC/F@NF4!
:!"7$ ’ 7;7 A!#$5
TI@N+! &I00D,! ,FUNCVV/F B! %’1*5#;;"5,FNM@N4?/U/0/EWX/C4?N
NV4D@I4D/F /XYD/@IVV/X3/FDXNC‘U/@DFI4NU Y/CNI0X/CNV4PVDFE*2,,
,.TkkUI4I5(F4NCFI4D/FI0J/PCFI0/XkN@/4N&NFVDFE! #: "#9$ ’
7%## A7%!75
fI04?/PVN)’! +?@?IFI,’! fI? k& T5#;;"5*/F0DFNICKIC4DI00NIV4
VlPICNV5J/PCFI0/X’/@KP4I4D/FI0’?N@DV4CW! %#":$’ :"9 A:;$5
fWFNFDkG! H/FEJ! +P3ZNC’J!%’1*!%$$#5,0ICEN3ICY/F VDFZ DF
4?NM//UWYD/@IVV/X*/C4?NCF X/CNV4V5SC/3NNUDFEV/X4?N*I4D/FI0
,3IUN@W/X&3DNF3NV! ;:"%8$ ’ #!":! A#!":;5
!责任编辑6于静娴"
$%