森林卫星遥感资源:30年的研究开发外文翻译资料

森林卫星遥感资源:30年的研究开发

作者：D.S.Boyd，F.m.Danson

国籍：英国

出处：《自然地理进展》29,1(2005)

中文译文：

摘要:国际上第一个用于监测地球资源的卫星传感器项目已经启动30年了。在此期间，森林资源受到越来越大的压力，因此，森林资源的管理和使用应以关于其财产的若干级别的资料为基础。本文对1972年地球资源卫星传感器(ERTS)首次发射以来，卫星遥感在森林资源评估中的应用进行了全面的综述。遥感在森林资源评估中的应用提供了三个层次的信息;即(1)森林覆盖的空间范围，可用于评价森林覆盖的空间动态;(2)森林类型(3)森林的生物物理生化特性。对森林资料的长期评估能够全面监测森林资源。本文全面回顾了卫星遥感迄今为止的应用情况，并在这些经验的基础上，强调了卫星遥感对森林资源的未来潜力。

关键词:生物物理生化性质，动力学，范围，森林资源，森林类型，卫星遥感。

一、介绍

1972年7月23日，作为地球资源技术卫星(ERTS)计划(后来称为陆地卫星)的一部分，发射了一颗无人卫星。ERTS-1上搭载的多光谱扫描仪(MSS)是专门为航天飞机的多光谱遥感数据采集而设计的分析和监测地球的自然资源。自ERTS-

1发射以来的三十年来，卫星遥感的发展使一个重要的自然资源基础受益，那就是森林。本文综述了如何利用卫星遥感提供的机会来收集强调了与森林资源有关的资料，并在这些经验的基础上展望未来。森林是一个重要的自然资源基础，需要从地方到全球采取行动，在空间范围内充分利用、管理和保护森林。森林提供物质商品，如薪柴、商用木材和其他非木材产品。它们是一种生物多样性和遗传资源，以及其他环境服务的提供者，是减轻贫困的关键角色(Myers,1996;Sellers等，1997;联合国粮农组织(FAO)， 2003年）。尽管这一资源基础至关重要，但森林仍然面临压力，世界自然森林继续被砍伐，土地被用于其他用途和各种覆盖。此外，森林继续退化，进一步造成森林资源的损失(粮农组织，2001)。

对森林资源基础的持续压力促使了关于如何最好地管理其未来的许多辩论;Myers(1996)认为“hellip;hellip;世界上许多森林的加速减少代表了全球社会面临的最大问题和机会之一”。这场辩论的一个重要组成部分是，有必要获得关于森林状况的准确信息，特别是森林随时间在何处以及如何变化(富兰克林，2001;Kleinn等，2002)。这些信息需要在一系列的空间和时间尺度上,从当地森林库存每年用于经济资源管理和更新,通过对全球碳排放数据,所需的水和能量通量环境管理(例如,造型和减缓气候变化)的几十年(科恩等人, 2001)。遥感可以在跨越这些尺度提供信息方面发挥关键作用(Franklin, 2001)。它允许在连续的基础上经常测量和监测世界的森林(Running等人，2000)，从而对其资源作出明智的判断任何时候都可以。因此，在过去三十年中，用于收集森林资源资料的遥感方法有了逐步的发展。卫星遥感一直是人们关注的主要焦点(Sader 等人，1990)，它被用来增强和增加人们对实地盘存和监测方法的信心(Frankin, 2001;Mickler等，2002)。它不大可能取代地图比例尺大于1:25 000的航空摄影解译，但是，在需要更大面积森林资源资料的地方，使用卫星数据更便宜，也更一致(Lunetta, 1999;辊,2000)。

二、森林资源评估卫星遥感:框架

尽管自ERTS-1以来的30年里已经发射了不同年代和类型的卫星传感器(图1)，但目前没有一种传感器完全满足全面森林资源评估系统的要求(Malingreau 等人， 1992)。从资源的角度看，卫星遥感可用于提供三个层次的资料。第一个层次是关于森林覆盖空间范围的信息，可以用来评价森林覆盖的空间动态;第二层是关于森林类型的资料，第三层是关于森林的生物物理和生物化学性质的资料。对森林资料的长期评估能够全面监测森林资源。考虑到所需的森林资源资料水平，可以委托一个适当的传感器或传感器的组合来使用。

与遥感的所有应用一样，森林资源的测量依赖于电磁辐射与目标的相互作用和传感器记录的返回信号的分析。从广义上说，过去30年的卫星平台搭载了两种广义的传感器系统;光学和有源合成孔径雷达(SAR)系统。前者测量一个或多个位于400-3000纳米光谱范围内的离散波段的反射辐射，而后者测量波长在1 cm到1000 cm之间的反散射微波辐射。光的波长比构成森林冠层的树叶、针叶和树枝小几个数量级，因此也就比辐射小可能被这些成分吸收和散射。在微波波长较长的情况下，树叶、树枝、树干和地面的散射是主要的机制(图2)。由此可见，光学遥感系统可以提供关于树叶数量及其生化特性的信息，而微波系统可以提供关于木质生物量与森林结构。此外，一些系统还测量发射的辐射(在3000至15000纳米之间)，以提供表面能量通量和温度的重要测量(Quattrochi和Luvall,

1999)。此外，遥感仪器是成像设备，可以提供与冠层三维结构和成像传感器空间分辨率相关的额外空间信息(Marceau 等人，1994)。因此，森林资源信息的提取依赖于开发技术，以便从已投入使用的各种卫星系统所获得的遥感数据中推断所需的资源信息(Danson等人，1995年)。因此，发展了不同的卫星遥感系统和技术针对不同的森林生态系统和资源需求(Lambin, 1999)。

图1时间线，描绘了在光学和雷达光谱中提供森林资源信息收集的主要卫星和平台的发射日期

图2森林冠层的相互作用机制

三、森林资源信息:森林规模和变化动态

测量森林面积及其变化的技术已迅速发展。这些工作的大部分集中在热带森林，因为它们构成了人类历史上在这个空间尺度上最快的土地利用变化(Myers, 1992)，而且，这种变化的全部范围仍然鲜为人知(Achard 等人，2002)。森林面积和变化动态遥感沿着两条主线发展。一种方法是通过对森林与非森林的划分和森林覆盖面积的计算。另一种方法使用森林火灾的发生情况作为森林燃烧活跃地区的指标，用来估计森林损失。这两种方法都可以对森林的剩余面积、森林覆盖区域和森林消失的区域进行综合评估(Mayaux等人，1998)。

一个特定的卫星遥感系统在绘制森林和非森林地图时的效用取决于被研究的森林砍伐面积的大小、它们的空间分布以及森林砍伐面积和原始森林之间的光谱对比(T ownshend and Justice, 1988)。然而，在特定的研究中，传感器的选择可能取决于实际情况，如资金的可用性、处理能力和时间限制，而不是理论知识。因此，在大区域研究中经常使用粗空间分辨率图像。这些产生的非森林/森林估计值可能由于空间聚集误差而在局部不准确，但在非常大的区域内是可以接受的(Mayaux 等人， 1998)。另一方面，在局部区域研究中使用的精细空间分辨率图像可以对图像所覆盖的局部区域作出准确的估计;但是，由于森林覆盖的空间变化，将结果外推到其他无法获得图像的地区可能是不准确的。

开创性的研究说明了潜在的精细的空间分辨率光学传感器描述nonforest覆盖的森林覆盖,导致传感器的使用等进行了陆地卫星和卫星系列森林覆盖估计在当地和国家水平(Woodwell 等, 1987;格林和萨斯曼，1990年;霍顿等，2000)。粮农组织的《森林资源评估》(2001年)指出了在其泛热带遥感调查中使用这些数据的优点。然而，利用精细空间分辨率光学传感器所获得的数据，特别是在区域和全球各级，可能会因其相对较高的成本、大的数据量和较低的频率而受到损害特别是热带地区的云层和森林火灾产生的烟雾使数据采集更加复杂(Malingreau和Tucker,1988)。

克服了利用精细空间分辨率光学传感器获取的遥感数据、利用粗空间分辨率光学传感器和SAR传感器获取的数据等问题。在前者的情况下，国家海洋和大气管理局(NOAA)高级甚高分辨率辐射计(AVHRR)系列传感器得到了很大的考虑。AVHRR传感器具有中等的空间分辨率(1.1 km)和高的时间分辨率(提供近日覆盖)，为大面积土地覆盖研究提供了宝贵的数据源，并被认为是全球监测系统的基础(Mayaux 等人， 1998;富兰克林和武德，2002)。通过发射Envisat中分辨率成像光谱仪(MERIS) (Verstraete 等人， 1999)和T erra和Aqua中分辨率成像光谱仪(MODIS) (T own-shend and Justice, 2002)，确保了光学遥感数据在这些时空分辨率下的继续收集。

SAR系统的使用提供了无云数据的确定性。星载SAR传感器的日益增多是一些研究建议的结果，这些研究报告说，它们非常适合测绘森林覆盖，特别是通过获取多时间数据集(Suzuki和Shimada, 1992年;de Groof等，1992;Kuntz和Siegert, 1999;Quegan等，2000;罗森奎斯特等，2000;Balzter等2002; Sgrenzaroli等，2002)。

与使用来自单个卫星传感器的遥感数据相反，来自多个传感器的遥感数据的协同作用已被证明能够改善森林与非森林的划分。协同作用允许利用所收集的不同光谱数据提供的关于森林和非森林的独家信息不同的传感器。一种特别有吸引力的方法是将SAR系统获得的数据与光学传感器获得的数据结合起来(Nezry等人，1993;Kuplich等，2000;(图2)。除了提供的光谱协同作用，微波传感器的云穿透能力允许在分析中包括缺少光学数据的区域，特别是如果使用的是多时间方法(Asner, 2001;Salas等，2002)。使用多个空间分辨率传感器数据也有好处(Jeanjean和Achard, 1997;T richon等，1999;Salajanu和Olson, 2001;吴和诺斯，2001)。

在过去30年里，利用光学和合成孔径雷达卫星传感器获得的遥感数据，采用了许多技术来划分森林覆盖和非森林覆盖。早期的研究集中在视觉图像的解释，由训练有素的人与知识的森林研究领域。该解释器依靠光谱和空间模式识别来定义森林区域。在单个通道或通道组合中具有相似光谱响应的像素的形状、大小和模式特征，可以为森林和非森林区域的排列提供洞察(T ucker 等人，1984)。其他人则利用了图像纹理。在精细的空间分辨率图像中，T-exture表现得尤为明显。它是指与特定对象相关的像素值的方差，在森林图像中普遍存在。冠层的复杂性以及冠层和象素的相对大小意味着森林覆盖与非森林区域具有不同的纹理(Riou和Seyler, 1997;Saura和Miguel-Ayanz, 2002)。人类对图像的解释可以考虑不同的卫星观测角度和不同表面的双向反射率的影响。然而，这种方法可能是费时、困难和主观的。此外，它可能会浪费信息，因为它是基于至多三个光谱波段组合而成的图像表示任何时间的彩色合成物，随着更复杂的数字图像处理方法的出现，视觉解释方法更常用于图像的初步检查或与其他方法结合使用(D Souza 等人,1995)。正是这些数字图像处理方法在估计森林覆盖率方面受到最多的注意，并将继续这样做，包括发射新的卫星传感器所提供的能力。

将遥感数据分为森林类或非森林类的二元分类允许将辐射阈值应用于遥感数据，从而将阈值两侧具有光谱响应的区域分配给不同的类别(Malingreau和T ucker, 1988;拉波特等，1995;格罗弗等，1999)。利用传感器获取的光谱信息，利用其他图像分类方法，可以更好地实现对森林与非森林的描述。有许多成功的无监督和监督分类森林和非林区的例子(Brown 等人，1993;盛世长城和里格诺特出版社，1997年;斯坦宁格等，2001)。分类输出的质量是通过与一些地面或其他辅助参考数据的比较来评估的，可以从这些数据中获得精确的定量度量(Foody, 2002)。

研究同一地区不同时间遥感图像的年际响应，可以为森林与非森林的划分提供相当多的有用信息。森林和非森林地区光谱响应的一般变化可以被表征和利用(Malingreau 等人，1995;罗伊和乔希，2002;刘等，2002)。但是，必须记住，图像的可用性可能受到云层覆盖(光学系统)和成本的限制。此外，预处理要求很高，因为图像的比较需要对遥感数据进行耗时的辐射、几何和大气校正(Song等人，2001;富兰克林和武德，2002)。尽管如此，这种方法的吸引力已经被提倡为一些森林生态系统(Achard和Blasco, 1990;康威,1997;格默尔等，2001)。

利用遥感数据进行森林资源评估的增长使人们注意到利用卫星图像的固有缺点。特别是对大面积森林覆被描绘最有用的粗空间分辨率遥感数据(Grainger, 1993;Achard等，2001)。一般情况下，随着图像的空间分辨率变粗，部分森林覆盖的像素比例越大，森林/非森林分类的精度就越低。目前的粗空间分辨率传感器的像素通常代表1平方公里的地面面积，因此绝大多数像素将覆盖两个或两个以上土地覆盖类的地面面积(Holben和Shimabukuro, 1993)。在遥感中广泛使用的传统“硬”技术中，这些混合的象元不能被容纳或适当地表示，在遥感中，每一象元只与一个类别有关，在这种情况下是森林或非森林。因此，这导致分类误差高达50% (Cross 等人， 1991;(Skole和T ucker, 1993)，森林覆盖率往往被低估，导致对森林砍伐率的高估。

虽然森林砍伐的空间分布仍然是错误的，但集中于对区域森林砍伐估计数的确认和纠正，有可能弥补分类错误的偏见。将基于粗空间分辨率数据的森林/非森林分类与共同登记的较细空间分辨率数据样本的分类进行比较(Laporte 等人 ， 1995)。修正可以采取在两种空间分辨率

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 28 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[273040]，资料为PDF文档或Word文档，PDF文档可免费转换为Word