高光谱遥感与可持续森林管理

 图 高光谱林业管理

 可持续森林管理增加了对经济价值的关注，主要关注 物种多样性、结构以及生态系统当前和未来功能和生物生产力的维持或改善 。从强调木材价值的老式传统森林管理方法到可持续森林管理的变化是深刻的——对于考虑森林和林业的未来方向来说，这是一个充满挑战的时期。

遥感在可持续森林管理中的应用通常分为四类，包括 森林覆盖类型的分类、森林结构和资源清单变量（即树种、高度、年龄、树冠闭合程度）的估计、森林变化检测和森林建模。 从这个角度来看，遥感提供的其它变量（目前森林管理不一定有很高的需求）也将被考虑，因为它们在未来管理情景中的潜在作用，为了更好地了解它们的功能和对环境变化的响应，有必要将林分层面的现有知识扩大到整个森林或小区域规模。因此，森林生产力模型的清单变量和间接投入/产出变量之间的区别变得不那么重要，因为森林管理对生态应用、建模和综合森林结构信息的需求将继续增长。

近年来，森林生态系统面临着全球变暖和人口增长等环境变化带来的巨大压力。在这种情况下，制定适应性管理战略至关重要，并且随着这项任务的开展，以及越来越需要了解的森林在全球碳预算中的作用（如京都议定书）），必须对森林生态系统进行定量分析，以便更好地了解其主要过程。森林中最重要的过程包括碳交换（光合作用和呼吸）、蒸散作用和养分循环。   在地方层面，这些过程很难衡量；   从区域到全球范围内，这些过程根本无法测量，因此，开发出物质和能量通量模拟模型。   这些模拟模型需要作为输入（初始化）或用于验证目的对森林结构和化学特性进行准确估计。

相关研究已经证明了如何利用遥感获得的叶片和冠层变量来约束生态系统模型。这些方法在模拟开始时需要生态系统状态的空间连续输入，并且同化遥感获得的相关生物物理和生化状态变量。高光谱成像系统被强调可以更详细和准确地反演相关植被特性，其中，最重要的植被参数是叶片叶绿素和氮含量、光合有效辐射吸收比率、冠层含水量、单位面积的年最大叶片重量和年最大叶面积。

用于管理的森林清单数据通常作为以实地调查的定量属性或以航空影像解译得到的森林覆盖图方式存在，调查属性包括树高、茎密度、体积、树种、年龄等。传统上，森林清查每10年或更长时间重复一次，通常针对国家或市政当局拥有的森林而非私有森林进行清查。由于私有森林可能具有重大的经济和生态重要性，地方和州林业局对此类清查数据非常感兴趣。因此，能够绘制重要森林属性（如物种类型、年龄等级、树冠体积和生物量）的遥感方法将具有巨大价值。

 因此，高光谱遥感将重点关注高光谱成像系统有望做出重大贡献的林业应用，而不是技术方面，例如图像采集、图像校准和处理。从可持续森林管理和基于生态系统的管理方法确定的目标出发，重点将放在森林分类（林分物种组成、密度、树冠闭合度、高度和年龄）、森林结构估计（连续变量估计）和森林变化检测（自然干扰，如由于灾难、火灾、破碎而造成的森林破坏、落叶和失活）。

 图 森林内物种分类