本科毕业设计（论文）

外文翻译

利用多源遥感数据绘制城市树木的碳存储:生物量、土地利用和波士顿社区人口统计数据之间的关系

作者:Steve M.Raciti,Lucy R.Hutyra,Jared D.Newell

国籍：美国(波士顿)

出处：Science of the Total Environment

摘要

高分辨率地图下的城市的植被和生物量是政策制定者和社区团体寻求降低城市径流率、缓和城市热岛效应和减轻温室气体排放影响的有力工具。我们开发了一幅非常高分辨率的城市树木生物量图，评估了生物量估算中的尺度敏感性，将我们的结果与较低分辨率的估算结果进行了比较，并探索了波士顿全市生物量分布的人口关系。我们整合了遥感数据(包括基于LiDAR的树高估计)和野外观测数据，绘制了约1 m空间尺度下的冠层覆盖度和地上树木的碳储量。波士顿市的平均树冠覆盖度估计为25.5plusmn;1.5%，碳储量为355 Gg (28.8 Mg C ha^minus;1)。树木生物量在森林斑块中最高(110.7 Mg C ha^minus;1)，但住宅区(32.8 Mg C ha^minus;1)和在开发的开放土地(23.5 Mg C ha^minus;1)也含有相对较高的碳储量。与之前的研究相比，我们没有发现树木生物量与波士顿社区的人口特征(包括收入、教育、种族或人口密度)之间的显著相关性。租房家庭比例与城市树木生物量呈负相关(R²= 0.26, p = 0.04)，与优先种植指标值相关(R²= 0.55, p = 0.001)，这可能反映了租赁住宅和自住住宅在土地管理方面的差异。我们比较了我们的高分辨率生物量图和其他来源的低分辨率生物量产品，发现这些产品一直低估了城市地区的生物量。随着空间分辨率的降低，这种低估变得更加严重。该研究表明:1)城市地区具有相当大的树木碳储量;2)冠层覆盖度和生物量可能与波士顿社区的人口学特征无关;3)高分辨率遥感的最新进展有可能改善城市植被的表征和管理。

介绍

城市化是全球环境变化的重要驱动力(Imhoff等人，2004;Foley等人，2005)。未来几十年，全球人口增长和发展中国家的社会经济进步,各国将加速城市扩张。到2050年，全球将有多达70%的人口居住在城市(人口基金，2007)，城市土地覆盖将扩大到目前面积的3倍(Angel等人，2005;Seto等人，2011)。城市增长造成了广泛的生态系统改变，极大地改变了城市化地区及其周围的土地覆盖。目前对城市面积的估计为全球土地覆盖的0.2-3%(Schneider等人，2010);但是，城市生态足迹和对自然资源的高需求导致更大范围的生态系统和土地覆盖的改变(Seto等人，2012;Defries等人,2010;Potere和Schneider,2007;Alberti等人，2003;Sadik,1999)。与城市化相关的土地覆被变化会降低碳储量(Seto等，2012;Hutyra等，2011a;Imhoff等人，2004年)，改变生物地球化学循环(Grimm等人，2008;Pataki等人，2006)和影响微气象和区域天气模式(Oke,1982;Zhang等人，2004;Zhou等，2011)。

城市的发展过程导致植被的直接损失，然而，经过最初的土地转换，城市土地覆盖逐渐变为由不透水表面、建筑、行道树、城市森林和管理绿地等异质斑块组成(Goetzetal.，2003;Luck和Wu，2002;Zhou和Troy，2008)。虽然城市地区是能源消费和CO₂排放的主要中心(国际能源机构，2008)，但它们也吸收了它们产生的一些完全相同的排放：即在城市的土壤、叶和木质的生物量中(Imhoff等，2004;McPherson等，2005;Golubiewski,2006;Raciti等，2011;Briber等，2013)。城市植被还可以帮助制定地方碳缓解战略(Nowak和Crane,2002;McPherson等，2005)。尽管潜在的城市碳汇可能不大，但城市植被作为城市生态系统和碳循环的重要组成部分，同时也为城市居民提供美学、经济和生态价值(Nowak和Crane,2002年;Raciti等，2012)。

在城市斑块中，树木覆盖是土地覆盖的重要组成部分，在美国主要城市中占土地面积的比例在10~54%之间(Nowak和Greenfield,2012)。然而，“城市”是一种独特且定义不一致的土地覆盖，可以储存大量的碳。例如，Raciti等人(2012)比较了三种常用的城市定义，发现波士顿城区的植被碳储量密度估计数为37plusmn;7至66plusmn;8MgCha^minus;1。Hutyra等人(2011b)发现西雅图都市地的植被平均为89plusmn;22MgCha^minus;1(平均冠层盖度57%)，该地区人口超过320万。城市碳存量估计数的巨大差异反映了对城市和城市土地覆盖异质性本身的模糊定义。

城市森林的社会效益，就像城市森林范围本身一样，并不是均匀地分布在城市内部和城市之间((Iverson和Cook，2000;Flocks等，2011;Szantoi等，2012)。Szantoi等人(2012)发现，在佛罗里达州迈阿密-戴德县，城市树木覆盖与种族、年龄、教育水平、平均家庭年收入和住房使用权有关。Heynenetal(2006)发现，在威斯康星州的密尔沃基，家庭收入较低、租房者比例较高、少数族裔居民比例较高与居住树冠覆盖度较低相关。结合使用树木优先种植指数等定量工具(Nowak和Greenfield,2008年)，精确绘制城市树木覆盖图的能力可以帮助社区定位城市绿化计划对社区产生最大积极影响的区域(Raciti等，2006年)。

研究人员利用卫星数据监测森林砍伐、绘制生物群落图和提取植被特征，如叶面积指数(LAI)和植物生产力。最近的研究已经开始提取城市植被的重要功能特征，如生物量、物候节律和植物生产力(Zhangetal.，2004;Myeong等人，2006;Diem等人，2006;Oneal-dunne等人，2012)。Myeong等人(2006)使用来自纽约州锡拉丘兹市的LandsatTM图像，通过使用地面样本和美国森林服务(USFS)城市树木模型估算每像素生物量，来量化城市树木的地上碳储量。在锡拉丘兹，归一化植被指数(NDVI)与生物量之间的一致性非常显著，但30m分辨率的Landsat数据缺乏精确的城市植被制图所需的细节，包括区分草坪、灌木和树木的能力，这些对地面生物量的贡献差别很大。

IKONOS和QuickBird商业卫星拍摄的超高分辨率图像已被用于绘制全球许多城市的城市植被，包括香港(Nichol和Wong,2007)、温哥华、BC(Tooke等，2009)、吉隆坡(Chen等，2009)和洛杉矶(McPherson等，2013)。最近的一些工作集成了激光雷达数据，以进一步提高分类精度(Chen等，2009;(Huang等，2013)。分割和面向对象的方法也被用来识别城市冠层中的物种。沃克和布里格斯(2007)使用0.6m真彩色数码航空摄影和一个面向对象的分析对城市植被进行分类和各种属在阿兹特克的凤凰城。尽管只有3个光谱波段可用,它们仍然能够绘制城市植被,其准确性达81%以及可以较为准确的辨别种类。除了Myeong等人(2006)、Nowak和Crane(2002)、Hutyra等人(2011a)和Davies等人(2011、2013)所做的工作外，很少有研究使用遥感来估计城市环境中的生物量。上述研究都没有提供超出广泛土地利用或植被类别位置的空间明确的生物量图，对这些位置使用单一的平均生物量值。基于LiDAR的树高数据已被用于估计森林系统中的生物量(如Kellndorfer等，2013)，但这些数据除了识别广泛的植被类型(如Davies等，2011)并没有被广泛用于建模城市地区的树木生物量。

城市植被的空间详细地图是城市森林管理和城市系统内生物碳动力学和生态系统服务建模的重要工具。在本文中,我们演示:1)如何结合多源高分辨率遥感数据可以帮助改善的映射树树冠覆盖,2)基于LiDAR测得的树高指标可以用来估计生物质在城市地区,3)遥感数据的空间规模如何影响我们的能力来解决城市生物质,和4)生物量在波士顿的城市模式在社区广泛不同人口学特征不同。

方法和数据

下面是我们使用多个遥感数据源估算城市树木生物量的方法。利用QuickBird图像和LiDAR点云数据，我们开发了一个多层分割过程来描述冠层和冠层面积。直接野外测量树木直径和异速尺度结合分段冠层建立基于高度的城市树木生物量模型。模型估计使用了开放生长和封闭树冠的树木进行验证。

网站描述

我们的分析集中在马萨诸塞州的波士顿(42.356°N，minus;71.062°W;陆地面积125公里)。波士顿是美国最大的大都市的最北城市，从波士顿一直延伸到华盛顿特区(“博斯沃什走廊”)。“博斯沃什”地区代表着分散的城市蔓延式发展，是20%的美国人口的家园(Schneider和Woodcock,2008)。像许多北美城市一样，大波士顿地区在过去几十年经历了显著的人口增长和随之而来的广泛城市化，其中大部分都发生在城市核心之外。作为北美最古老的城市之一，波士顿市区得到了广泛的开发和建设;然而，这个城市有一些美国最古老和最著名的公园和开放空间(如波士顿公园和翡翠项链)。根据Koppen气候分类系统，波士顿通常被划分为温带落叶林生物群系和湿润大陆性气候。该地区的原生植被以落叶乔木为主，包括红栎、红枫、糖枫、铁杉和黑樱桃。和其他城市地区一样，波士顿的植物种类也非常丰富，这是由于外来植物的引入，几个世纪以来的观赏和入侵物种(Clemants和Moore, 2003)。

数据源

两幅大波士顿、马州城区的4波段2.4 m QuickBird图像由DigitalGlobe Inc.，Longmont, CO获得(图 1A)。图像采集日期为2006年7月26日和2007年8月3日，都是生长高峰期，两幅图像的最低角度都为7度，云污染程度lt;1%。这两张照片共覆盖了大约350 km²的区域，包括波士顿市的全部以及萨默维尔、剑桥、切尔西、埃弗雷特、布鲁克莱恩、牛顿、阿灵顿和沃特敦的部分地区。2007年8月3日的图像覆盖了大约80%的研究区域，而2006年7月26日的图像则覆盖了研究区域的西部。大气校正和转换到地表反射率(约W cm^minus;2 nm^minus;1 sr^minus;1)是通过修改的MODTRAN dark object subtraction算法，FLAASH(光谱超立方体的快速视线大气分析;ITT视觉信息解决方案公司)。使用1/9弧秒的USGS数字高程模型对图像进行正规化，投影到UTM区域19 N, NAD83，并用500 m的平均值缝合重叠进行拼接。

激光雷达数据产品以x、y、z点云文件的预处理形式从马萨诸塞州地理信息系统(MassGIS)获得(图1B)。数据产品以三个地理空间层的形式交付，分别表示首次返回、最后返回和裸地模型。数据产品基于较小的占用空间(1 m)离散返回数据，由3Di技术公司在2005年6月从飞机上飞行。在水平面上的精度为50厘米，在垂直方向上为15厘米。裸地中，第一个返回点和最后一个返回点云数据被插值到1m光栅的范围内的QuickBird数据集。通过从第一个返回层减去裸地模型，创建了一个归一化数字表面模型(nDSM)。图1显示了LiDAR和QuickBird数据集的空间范围和站点细节。

土地利用/土地覆盖数据来自2005年马萨诸塞州土地覆盖数据层，这是一个使用半自动方法创建的基于2005年4月以来的0.5 m分辨率的数字正射像，并通过地块评估和其他辅助数据进行了增强(MassGIS,2009)的全州无缝数字数据集。次级冠层覆盖估计是从2006年的国家土地覆盖数据集获得的，以更大的分辨率(30 m)与我们在这项工作中生成的更高分辨率的冠层估计进行比较(NLCD;Fry等人，2011)。MassGIS(2009)获得了1 m分辨率的不透水表面积(ISA)数据层。ISA层基于2005年4月获得的0.5 m分辨率近红外正射像图和路网数据。不透水区域包括建筑表面，如建筑物、道路、沥青和人工夯实的土壤。波士顿再开发局(Boston Redevelopment Authority, 2013)研究部门编制的2010年美国人口普查数据是基于收入、种族、教育、住房使用权等参数的社区人口数据。在所有情况下，使用最小的人口普查地理单位(块、块组或区域水平)来将数据分配给社区。在人口普查地理单元被划分为社区，2010年的街区人口数据被用于人口分布。请参阅原始的BRDA报告以了解更多细节(波士顿再开发局，2013年)。

图 1波士顿市的QuickBird图像(A，左)和基于激光雷达的归一化差分表面模型(B，右)。QuickBird图像显示在假彩色(红=近红外，绿=红，蓝=绿)，而激光雷达的首次返回的颜色加深从蓝色(低海拔)到红色(高海拔)。特写的例子分别展示了中央(a

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[268593]，资料为PDF文档或Word文档，PDF文档可免费转换为Word