中文摘要：

准确估测森林生态系统生物量以及碳源/碳汇的时空格局是全球碳循环及气候变化研究的基础和核心内容。本研究基于多源数据，包括森林资源清查数据，多源遥感数据（光学，SAR以及LiDAR数据），结合先进学习机算法（构建最优化学习机结构，包括距离度量标准、权重函数、特征权重参数），最优回归法等进行森林地上生物量反演；基于两种生态模型遥感生态模型和生态过程模型，模拟试验区森林生态系统碳通量；结合多尺度实地观测数据，对比分析模型的模拟结果以及模型对参数的敏感性；综合应用遥感技术，遥感生态模型与生态过程模型，分析生态过程模型的不确定性以及遥感模型估测的尺度转换对模拟结果的影响，提高模拟结果精度；结合多年气象资料，探讨气象因子对试验区森林生态系统碳通量变化的驱动机制。

结论摘要：

项目获取了黑龙江省小兴安岭实验区内，包括星载ICESat/GLAS数据，机载LiDAR点云数据以及森林样地调查数据。针对星载LiDAR数据进行了波形预处理，提取波形参数，并结合获取的星载LiDAR脚印内的机载LiDAR数据进行森林结构参数（树高及AGB）提取；结果表明重合区内二者提取树高的相关性R2=0.41，RMSE=2.31m；AGB相关性R2=0.51，RMSE=25.96吨/公顷。项目选取甘肃省黑河流域上游祁连山森林保护区为重点研究区，获取了“黑河综合遥感联合试验”所搜集的星-机-地遥感综合实验数据，包括机载LiDAR，星载SAR，光学遥感数据，森林生态、样地调查数据，时间序列（2000-2012年）区域气象模式数据。首先，本项目对比分析了参数化（多元逐步回归）/非参数化方法（k-NN）在景观破碎、地形复杂区进行森林AGB遥感反演的评价，结果表明基于优化的k-NN算法反演精度（R2=0.48；RMSE=20.70吨/公顷）高于多元逐步回归（R2=0.31，RMSE=37.40吨/公顷）。本研究通过随机森林法（RF）进行建模挑选光谱特征，并应用于构建优化的k-NN，支持向量回归（SVR）结构体，分别实现了RF与k-NN，SVR的联合反演森林AGB（精度分别为R2=0.62，RMSE=24.00吨/公顷；R2=0.56，RMSE=25.78吨/公顷），大大提高了基于多源遥感特征变量构建优化学习机结构的效率。针对碳通量模拟，本项目综合多尺度遥感技术，遥感生态模型及生态过程模型联合模拟了时间序列碳通量，抑制了模型畸态模拟，提高了区域碳通量模拟精度；经过涡动数据以及树轮数据验证，GPP精度为R2=0.79，RMSE=1.31gC/m2/d；NEE为R2=0.68，RMSE=3.09gC/m2/d；NPP为R2=0.72， RMSE=47.33gC/m2/year。最后结合同期气象资料，分析了气象因子对NPP模拟结果的影响，结果表明降雨、温度不是主导NPP变化的因素；而较低DSW以及较高的VPD则在很大程度上影响了NPP。本项目提出的基于小样本，留一验证法的RF与k-NN联合反演森林AGB的策略以及综合利用遥感生态模型与生态过程模型模拟碳通量的方法可适用于任何其他森林植被生态系统，为可持续发展林业经营管理、生态环境保护等问题提供技术、方法支撑。