许昌建,刘迎春,左丽君,李建更,张 婷,韩路萌,方 宇,张 尹,王 天

(1.国家林业和草原局调查规划设计院,北京 100714；2.北京工业大学 信息学部,北京 100124；3.中国科学院空天信息研究院,北京 100094)

森林作为陆地生态系统的主体,其生物量占全球陆地生态系统生物量的80%[1],在减缓全球气候变化影响、维护生物多样性和防治水土流失等方面起到至关重要的作用[2]。森林地上生物量(Above-Ground Biomass,AGB)是评价森林生产力和固碳速率的关键参数,因此,快速准确地估测森林地上生物量对于量化碳储量和了解全球碳循环是十分重要的[3]。目前,各国通用的森林地上生物量估测方法主要基于大量样地调查数据和线性回归模型,虽然估测精度高,但需要耗费较大的人力、物力和财力[4]。随着遥感技术的不断发展,激光雷达(Light Detection and Ranging,LiDAR)能够穿透森林植被冠层,获取森林垂直结构信息,进而获得较高精度森林地上生物量[5-6]。联合星载激光雷达、机载激光雷达和地面样地数据的北美洲寒带针叶林地上生物量,估算结果与森林资源调查方法相差1.9%[7]。Muss等[8]利用小光斑激光雷达生成仿真大光斑激光雷达波形,对森林地上生物量进行估算,研究发现,仿真波形法能够构建与生物量高度相关的模型。

在生物量估测模型的构建方法上,大多数模型基于参数之间的线性关系构建。如，多元线性回归、偏最小二乘、数量回归等方法。由于遥感因子之间往往具有较强的非线性关系,导致这些方法的拟合效果不佳[9]。人工神经网络是一种模拟人脑神经元工作方式的建模方法,能够较好地拟合非线性关系,并且具有一定的自组织与自学习能力[10]。……