1、森林生物量作為森林生態(tài)系統(tǒng)中物質(zhì)循環(huán)的基礎(chǔ)，是衡量生態(tài)系統(tǒng)生產(chǎn)力的一個重要指標(biāo)。傳統(tǒng)的森林生物量統(tǒng)計方法工作量大、周期長，難以獲取大區(qū)域的林木測量數(shù)據(jù)。隨著遙感技術(shù)的快速發(fā)展，多種遙感數(shù)據(jù)都已成功應(yīng)用于森林結(jié)構(gòu)特征的信息監(jiān)測和提取，為區(qū)域尺度估算森林生物量及其動態(tài)變化研究提供了方法和手段。近年來，遙感技術(shù)研究呈現(xiàn)多樣化，人們對多源遙感數(shù)據(jù)進(jìn)行森林生物量的研究寄予厚望。
　　本文以云南省南滾河保護(hù)區(qū)滄源縣境內(nèi)的區(qū)域為研究區(qū)，首先討論

2、了遙感技術(shù)在林業(yè)上的發(fā)展應(yīng)用和現(xiàn)狀動態(tài)，并結(jié)合本文的研究內(nèi)容和目的，對激光雷達(dá)回波波形數(shù)據(jù)和多光譜數(shù)據(jù)進(jìn)行預(yù)處理，再使用激光雷達(dá)數(shù)據(jù)估測森林冠層高度和多光譜數(shù)據(jù)的參數(shù)因子的計算及森林水平結(jié)構(gòu)參數(shù)的提取，結(jié)合外業(yè)調(diào)查數(shù)據(jù)，驗證各參數(shù)因子和森林生物量之間的相關(guān)性。最后，分別構(gòu)建多元回歸模型和BP神經(jīng)網(wǎng)絡(luò)模型估算生物量，并討論在本研究區(qū)中最佳的模型構(gòu)建方法。主要研究如下:
　　(1)運(yùn)用獲取的研究區(qū)的Landsat TM數(shù)據(jù)，將區(qū)域內(nèi)的

3、多光譜數(shù)據(jù)經(jīng)過輻射校正、大氣校正、正射校正等預(yù)處理后，根據(jù)數(shù)據(jù)的6個波段轉(zhuǎn)換得出10個植被指數(shù)，包括RVI、NDVI、SLAVI、EVI、VII、MSR、NDVIc、BI、GVI和WI。
　　(2)分析了研究區(qū)的森林分布情況，將研究區(qū)的森林覆被信息進(jìn)行分類。利用區(qū)域增長聚類方法將激光雷達(dá)數(shù)據(jù)進(jìn)行分類，將植被點疊加到TM多光譜數(shù)據(jù)上進(jìn)行數(shù)據(jù)點篩選，得到準(zhǔn)確的分類信息，為冠層高度估算和生物量模型構(gòu)建奠定基礎(chǔ)。
　　(3)利用校正

4、后的TM多光譜數(shù)據(jù)得到的6個波段反射率和10個植被指數(shù)，分析葉面積指數(shù)與各單一指標(biāo)之間建立遙感反演的相關(guān)性，利用偏最小二乘回歸方法構(gòu)建模型，從而構(gòu)建了適用于區(qū)域尺度的森林葉面積指數(shù)遙感估測模型，結(jié)合樣本數(shù)據(jù)與估測數(shù)據(jù)對比得出相關(guān)系數(shù)R2為0.91。
　　(4)根據(jù)研究區(qū)TM多光譜數(shù)據(jù)得到的植被指數(shù)，運(yùn)用混合像元二分法構(gòu)建植被指數(shù)與郁閉度之間的最優(yōu)回歸模型。結(jié)合樣地數(shù)據(jù)與估測數(shù)據(jù)建立回歸線性關(guān)系得出相關(guān)系數(shù)R2達(dá)到了0.86。

5、>　　(5)利用處理后的標(biāo)準(zhǔn)的激光雷達(dá)回波波形數(shù)據(jù)，運(yùn)用Lefskyetal方法建立森林冠層高度估測模型，分析引入方程中的各個自變量與林木平均冠層高度的相關(guān)性強(qiáng)弱以及變量的解釋能力并分析預(yù)測精度。總體而言，森林冠層高度估測的精度較高，相關(guān)系數(shù)R2為0.89，均方根誤差RMSE在0.5m左右，總體一致性較好。
　　(6)基于激光雷達(dá)數(shù)據(jù)和TM多光譜數(shù)據(jù)，將兩種數(shù)據(jù)分析和估算得到的森林冠層高度、TM數(shù)據(jù)計算得到的10個植被指數(shù)以及估算

6、的葉面積指數(shù)和森林郁閉度，利用多元線性回歸方法和BP神經(jīng)網(wǎng)絡(luò)方法分別構(gòu)建森林生物量估算模型。對比發(fā)現(xiàn)聯(lián)合光譜信息與森林高度信息的BP神經(jīng)網(wǎng)絡(luò)模型有非線性處理的能力，能夠更好的對生物量進(jìn)行估算，根據(jù)驗證樣本的實測數(shù)據(jù)和估算數(shù)據(jù)進(jìn)行驗證。研究表明，基于MLR模型的相關(guān)系數(shù)R2為0.78，基于BP神經(jīng)網(wǎng)絡(luò)模型的相關(guān)系數(shù)R2為0.88。因此，適合本研究區(qū)的森林生物量估測的模型為BP神經(jīng)網(wǎng)絡(luò)模型。
　　森林生物量是森林生產(chǎn)力和營養(yǎng)物質(zhì)分布的