东北典型区芦苇分布提取与地上生物量遥感估算综述报告.docx

东北典型区芦苇分布提取与地上生物量遥感估算综述报告
东北地区是我国重要的生产、生态、旅游和商贸中心之一，而芦苇是我国湿地保护的重点，对于东北地区芦苇的分布提取和地上生物量的遥感估算具有重要的意义。本文将对东北地区芦苇分布提取和地上生物量遥感估算的研究现状进行综述。
一、芦苇分布提取
芦苇是东北地区主要湿地植被之一，其分布范围广泛，但传统的人工调查成本高昂。因此，通过遥感技术对芦苇的分布进行提取显得尤为重要。
1.遥感数据选择
遥感技术可以通过利用航空遥感、卫星遥感等多源数据来获取芦苇区的信息。常见的可以使用的遥感数据有Landsat、TM、ETM、MODIS等。
2.遥感方法选择
（1）基于光谱的方法
该方法主要原理是利用遥感数据中的不同波段，在不同光谱范围内抽取不同的光谱特征值，如反射率、植被指数等，进而进行分类。
（2）基于纹理的方法
该方法主要是从空间角度上考虑，例如使用纹理特征值来描述芦苇植被的空间异质性，通过利用图像处理和分类算法进行芦苇提取。
（3）基于特征结合的方法
该方法主要是综合运用像元、形态学、纹理等多个特征，进行芦苇的提取和分类。
3.芦苇提取结果的精度评价
进行芦苇提取后需要对其准确度进行评价。目前，常用的指标有准确性、召回率等，可以通过制作混淆矩阵来得到。
二、地上生物量遥感估算
芦苇地上生物量（AGB）通常指芦苇茎秆和叶片的总干重，是研究芦苇生长和生态系统碳储量的重要指标。因此，利用遥感技术进行芦苇地上生物量的估算也具有重要意义。
1.遥感数据选择
较好的所选遥感数据应具有遥感定量反演中所需的光谱、空间、时间和光谱分辨率，如Landsat、MODIS等。
2.地上生物量遥感估算模型
（1）基于光谱-生物量关系的模型
该方法主要是利用光谱与地上生物量之间的相关性来建立模型，如LinearSpectralMixtureAnalysis模型。
（2）基于植被指数的模型
该方法是以植被指数作为输入变量，建立基于回归分析的预测模型，如NormalizedDifferenceVegetationIndex模型等。
（3）基于机器学习的模型
该方法主要是利用机器学习算法建立模型，如随机森林、支持向量机等。
3.地上生物量估算精度评价
地上生物量估算精度评价主要基于模型估算结果和实测地上生物量之间的误差。
三、结论
通过遥感技术对东北地区芦苇分布的提取和地上生物量的遥感估算，可以有效降低人工调查成本，节约时间，提高工作效率，同时也可以优化芦苇资源的保护和管理，促进湿地生态系统的可持续发展。