高光谱遥感与森林制图、清查和分类

将森林群落的组成精确地映射为不同的覆盖类别，对于调用具有特定参数配置的模型，用于模拟各类覆盖类别所对应的生态过程具有重要意义。森林的结构特征及其演替阶段是林隙模型建构与生态系统功能变化评估中的关键因素。例如，再生的热带森林被认为是大气二氧化碳的重要汇之一。

 图 1森林监测

传统的森林制图通常依赖于光谱模式识别方法，如基于最大似然判别理论的监督分类方法。遥感光谱数据广泛应用于森林覆盖类型的识别，例如区分针叶林与阔叶林等大类覆盖类型。用于土地覆盖识别的主要宽波段遥感仪器包括陆地卫星的专题制图仪（TM）、多光谱扫描仪（MSS）以及SPOT卫星的高分辨率可见光仪（HRV）。许多研究利用这些工具，对森林类型进行更高物种分辨率的分类，并在不同程度上取得了成功。

在相关研究中，研究人员基于用于评估林分生化特性的叶片数据，提出了一组关键光谱波段，这些波段在校正AVIRIS高光谱数据、用于估算哈佛森林和黑鹰岛样地的叶片氮含量与木质素浓度时，具有显著的统计学意义。研究结果表明，与多光谱数据相比，高光谱数据在信息含量方面更具优势，更适合于对森林林分进行精细化和准确的分类。

 图2六类针叶树的平均反射光谱 （Buddenbaum et al. 2005）

 图3塞尔自然公园森林分类图