南方农业学报ＪＯＵＲＮＡＬ ＯＦ ＳＯＵＴＨＥＲＮ ＡＧＲＩＣＵＬＴＵＲＥ ２０１３，４４（４）：６９３—６９６ ＩＳＳＮ ２０９５—１ １９１；ＣＯＤＥＮ ＮＮＸＡＡＢ ＤＯＩ：１０．３９６９／ｊ：ｉｓｓｎ．２０９５－１ １９１．２０１３．４．６９３ 红树林湿地地上生物量遥感估算研究进展 武高洁，郭志华，郭菊兰，朱耀军 （中国林业科学研究院湿地研究所，北京１０００９１） 摘要：根据所采用遥感数据源不同，分别从基于光学遥感影像、微波数据及激光雷达数据等方面综述了红树林湿 地地上生物量估测方法研究进展，提出了提高数据精度及采用融合多源遥感数据协同反演红树林湿地地上生物量是 今后红树林湿地地上生物量遥感估测研究的热点。 关键词：红树林；地上生物量；遥感；估算；研究进展 中图分类号：￥７１８．５５；ＴＰ７９ 文献标志码：Ａ 文章编号：２０９５—１ １９１（２０１３）０４—０６９３—０４ Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｍａｎｇｒｏｖｅ ｗｅｔｌａｎｄ ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｂａｓｅｄ ｏｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｄａｔａ：Ａ ｒｅｖｉｅｗ ＷＵ Ｇａｏ－ｊｉｅ，ＧＵＯ Ｚｈｉ－ｈｕａ，ＧＵＯ Ｊｕ－ｌａｎ，ＺＨＵ Ｙａｏ－ｊｌｉＢ （Ｉｎｓｔｉｔｕｔｅ ｏｆＷｅｔｌａｎｄＲｅｓｅａｒｃｈ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＦｏｒｅｓｔｒｙ，Ｂｅｉｊｉｎｇ １０００９１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｄｉｆｆｅｒｅｎｃｅｓ ｉｎ ｔｈｅ ａｄｏｐｔｅｄ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｄａｔａ ｓｏｕｒｃｅ，ｔｈｅ ｒｅｃｅｎｔ ｒｅｓｅａｒｃｈ ｏｆ ｅｓｔｉｍａｔｉｎｇ ｍａｎｇｒｏｖｅ ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｗａｓ ｒｅｖｉｅｗｅｄ，ｏｎ ｔｈｅ ｂａｓｉｓ ｏｆ ｏｐｔｉｃａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ，ｍｉｃｒｏｗａｖｅ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｄａｔａ ａｎｄ ＬｉＤＡＲ ｄａｔａ．Ｉｔ ＷＳＳ ｐｕｔ ｆｏｒｗａｒｄ ｔｈａｔ ｉｍｐｒｏｖｉｎｇ ｄａｔａ ａｃｃｕｒａｃｙ ａｎｄ ｉｎｔｅｇｒａｔｉｎｇ ｍｕｌｔｉ－ｓｅｎｓｏｒ ｄａｔａ ｔｏ ｅｓｔｉｍａｔｅ ｔｈｅ ｍａｎｇｒｏｖｅ ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｗｏｕｌｄ ｂｅ ｈｏｔ ｐｏｉｎｔｓ ｉｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｍａｎｇｒｏｖｅ ｗｅｔｌａｎｄ ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｉｎ ｆｕｔｕｒｅ． Ｋｅｙ ｗｏｒｄｓ：ｍａｎｇｒｏｖｅ；ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ；ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ；ｅｓｔｉｍａｔｉｏｎ；ｒｅｓｅａｒｃｈ ｐｒｏｇｒｅｓｓ ０ 引言 红树林是滨海湿地的重要资源类型，生长于热 带、亚热带海岸的潮间带，是一种特殊的湿地沼泽类 传统的红树林生物量统计以实测数据为基础，需 要进行大量的实地调查，工作量大，周期长，并对实物造 成一定的破坏，此外，红树林分布于海岸的潮间带，采 用常规方法进行野外调查十分困难（Ｇｉｒｉ ｅｔ ａ１．，２０１ １）， 且存在工作耗费高、受人为因素影响大、对湿地破坏 性强、调查精度低等缺点。目前，遥感技术已成为国内 外红树林湿地生态研究的重要技术手段。遥感技术在 红树林湿地研究中的主要应用为：红树林类外区分 （分布边界确定）、红树林类内区分、红树林湿地动态 变化监测，且在国内外都取得了很多成果（李天宏等， ２００２；张怀清等，２００８；Ｌｅｅ ａｎｄ Ｙｅｈ，２００９；Ｚｈｏｕ ｅｔ ａ１．， 型，其具有独特的生态学特性，在维护海岸生态平衡、 防风减灾、护堤保岸、提供大量的动植物资源等方 面发挥着重要作用（Ｇｉｅｓｅｎ ｅｔ ａ１．，２００７；Ａｌｏｎｇｉ，２００８； Ｋａｕｆｆｍａｎ ｅｔ ａ１．，２０１ １）。红树林生态系统又是地球上 生产力最强的生态系统之一（Ｂｏｒｇｅ ｅｔ ａ１．，２００３； Ｄｉｔｔｍａｒ ｅｔ ａ１．，２００６），对于海岸区及全球碳平衡有重 要影响。Ａｌｏｎｇｉ（２００７）研究表明，红树林是地球碳循环 的一个至关重要的部分，尽管它们只覆盖了地球表面 ０．１％的面积，却固定了相当于大气中５％的碳（Ｄｕａｒｔｅ ｅｔ ａ１．，２００４）。而生物量是碳储量和碳汇能力评估的 重要基础，如何快速、准确地获取红树林湿地生物量 ２０１０；Ｇｉｒｉ ｅｔ ａ１．，２０１１）。本文从目前主要的遥感数据 源出发，综述遥感技术估算红树林地上生物量的研究 现状，并分析其发展趋势，以期为相关研究提供参考。 信息成为近年来研究的关键问题。 收稿日期：２０１２—１１－０２ 基金项目：中央级公益性科研院所基本科研业务费专项项目（ＣＡＦＩＮＴ２０１２Ｋ０６） 作者简介：武高洁（１９８４－），博士研究生，研究方向为湿地资源管理，Ｅ－ｍａｉｌ：ｌｋｙｗｇｊ＠１２６．ｃｏｒｎ ・６９４・ 南方农业学报 １基于光学遥感数据的红树林湿地 差异，即使同一种植物，也会由于其生长状态的不同 而发生变化，因此可以利用植被的这一光谱特征来监 测其生长状况。当前红树林生物量遥感估算主要利用 Ｌａｎｄｓａｔ ＭＳＳ、ＴＭ、ＥＴＭ、ＭＯＤＩＳ、ＱｕｉｃｋＢｉｒｄ等数据， 各传感器特点见表１。 地上生物量估算模型与方法 在可见光及红外波段，植物的反射光谱曲线具有 显著特征，但是不同类型植物之间反射光谱存在一定 表１ 红树林地上生物量遥感估算使用的主要光学传感器 Ｔａｂ．１ Ｄｅｓｃｒｉｐｔｉｏｎ ｏｆｔｈｅ ｍａｉｎ ｏｐｔｉｃａｌ ｓｅｎｓｏｒｓ ｆｏｒ ｅｓｔｉｍａｔｉｎｇ ｍａｎｇｒｏｖｅ ＡＧＢ 目前，ＴＭ影像是生物量遥感估算中应用最多、技 术最成熟的一种，其通过叶面积指数、归一化植被指 数和影像的纹理特征、光谱特征等建立红树林地上生 物量估算模型。Ｉｓｈｉｌ和Ｔａｔｅｄａ（２００４）等通过间接测量 设备ＬＡＩ．２０００及遥感技术对泰国南部Ｔｒａｔ省中部的红 树林人工种植区进行了调研，建立了基于归一化植被 指数（Ｎｏｒｍａｌ ｄｉｆｆｅｒｅｎｃｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ，ＮＤＶＩ）的叶 面积指数（Ｌｅａｆ ａｒｅａ ｉｎｄｅｘ，ＬＡＩ）估算模型，并成功绘 制了该区域生物量和碳储量的分布；曹庆先等（２０１０） 上的生物量估计的有效性；肖海燕等（２００７）利用 Ｈｙｍａｐ数据计算的高光谱植被指数与红树林样方生 物量建立回归模型。 当前，光学遥感影像在获取水平结构参数方面有 一定优势，但是由于其穿透性较差，应用于垂直结构 参数反演还有一定距离，且在获取生物量信息时易饱 和、敏感性差，在热带和亚热带多云地区很难获得覆 盖整个红树林植被生长期的遥感数据，这是影响运用 光学遥感影像进行红树林地上生物量估算的一个重 要问题。 利用ＴＭ影像纹理特征和光谱特征等作为自变量，结合 红树林样地调查数据，应用多元逐步回归分析方法，建 立了基于遥感影像的红树林地上生物量估算模型。 ２基于微波雷达（Ｒａｄａｒ）的红树林湿地 近年来，随着对地观测高分辨率传感器的研发和 发射，将能够获取更详细资源信息的高分辨率高光谱 遥感技术用于环境资源的监测研究成为热点，高分辨 地上生物量反演模型与方法 在生物量研究中，可见光及红外波段仅与叶水平 生物量产生作用，而微波具有穿透树冠的能力，不仅 能与树叶发生作用，还能与树干、树枝发生作用，获取 率高光谱遥感为地上红树林生物量的测定提供精确 的手段（Ｐｒｏｉｓｙ ｅｔ ａ１．，２００７；Ｈｅｕｍａｎｎ，２０１１）。Ｐｒｏｉｓｙ等 （２００７）基于傅立叶基础结构分类和地面调查，利用 ＩＫＯＮＯＳ卫星数据绘制了法属圭亚那地区的红树林湿 地地上生物量分面图；Ｋｏｖａｃｓ等（２００７）基于叶面积指 红树林内部结构信息，且雷达遥感具有全天候、全天 时等特点，可以随时随地获取植被信息，特别适用于 云层覆盖地区，在红树林生物量估算中具有一定优 势。当前应用于红树林生物量估算的主要雷达数据源 及其数据特征见表２。 数和地面数据，分析了ＩＫＯＮＯＳＴＪ星数据对于树种水平 表２应用于红树林生物量遥感估算的主要雷达数据 Ｔａｂ．２ Ｄｅｓｃｒｉｐｔｉｏｎ ｏｆｔｈｅ ｍａｉｎ ｒａｄａｒ ｄａｔａ ｆｏｒ ｅｓｔｉｍａｔｉｎｇ ｍａｎｇｒｏｖｅ ＡＧＢ 武高洁等：红树林湿地地上生物量遥感估算研究进展 ・６９５・ Ｐｒｏｉｓｙ等（２００３）使用合成孔径雷达数据研究了澳 大利亚和法属圭亚那地区的红树林植被生物量；黎夏 等（２００６）根据雷达后向散射系数建立了红树林湿地 植被生物量估算模型，并运用遗传算法确定其中非线 性模型的最优参数，对珠江三角洲珠海的淇澳岛无 瓣海桑和互花米草进行了对比研究。另外，利用融合 合成孔径雷达（ＳＡＲ）数据与激光雷达数据对森林 结构参数及生物量进行空间反演是未来对地观测卫 星（ＥＯＳ）的一个重要任务（Ｈｅｌｄ ｅｔ ａ１．，２００３；Ｃｏｒｎｅｊｏ ｅｔ ａ１．，２００７；Ｓｕｎ ｅｔ ａ１．，２０１１）。 ３基于激光雷达数据（ＬｉＤＡＲ）的红树 林湿地地上生物量估测 ＬｉＤＡＲ对植被具有一定的穿透力，可以测定地表 和林冠的高度、平均树冠面积、树木密度等信息，同时 可以直接测量植被的垂直特征及提供植被结构的三 维特征，在估算红树林地上生物量方面表现出巨大优 势。通过ＬｉＤＡＲ数据估算红树林地上生物量主要是通 过获取红树林结构（包含树高、林分密度等）来进行估 算。Ｓｉｍａｒｄ等（２００６）使用激光雷达数据估计了美国大 沼泽国家公园红树林湿地的树高和生物量数据；还使 用激光雷达数据获取红树林的树冠和树高信息，结合 异速生长方程得到哥伦比亚ＣＧＳＭ地区红树林地上生 物量（Ｓｉｍａｒｄ ｅｔ ａ１．，２００８）。 目前，应用激光雷达系统进行红树林结构参数及 生物量反演研究取得了较大进展，但仍存一些问题亟 待解决。虽然已有研究涉及郁闭度、地上生物量估算， 但其可信度与稳定性仍有待进一步研究。目前，都是 通过能量、高度与地面实测数据的相关性建立统计模 型，关于利用大光斑激光雷达估测红树林生物量的机 理仍有待进一步突破。我国对于ＬｉＤＡＲ￣据应用于红 树林地上生物量估算研究仍处于起步阶段．。 ４展望 每种遥感数据在空间、光谱和辐射分辨率方面均 存在一定的局限性，影响了遥感技术估算红树林湿地 地上生物量的精度。同时，调查样地的位置精度、遥感 影像几何纠正精度、遥感数据辐射纠正精度、遥感数 据和样地调查时间的同步性、样地生物量的范围以及 地面植被、土壤反射等因素也会影响遥感技术估算红 树林地上生物量的能力，导致不同遥感数据估算红树 林地上生物量的精度不稳定。将生态因子、环境因子 和遥感数据结合在一起，构建多源遥感数据的红树林 地上生物量估算模型，可以抑制这些因素的影响。如 何将不同传感器、不同时间、不同空间分辨率、不同光 谱分辨率的遥感数据有机结合，选择最优信息估算红 树林地上生物量，是目前多源遥感数据同化需要进一 步研究的问题。由于野外采样数据需要一个过程，不 可能与遥感数据同步，导致野外采样数据和遥感图像 成像时间有一定的间隔，存在一定的信息不匹配，也 是遥感数据同化研究的热点。 参考文献： 曹庆先，徐大平，鞠洪波．２０１０．基于ＴＭ影像纹理与光谱特 征的红树林生物量估算［Ｊ１＿林业资源管理，（６）：１０２—１０８． Ｃａｏ Ｑ Ｘ，Ｘｕ Ｄ Ｐ，Ｊｕ Ｈ Ｂ．２０１０．Ｔｈｅ ｂｉｏｍａｓｓ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｍａｎｇｒｏｖｅ ｃｏｍｍｕｎｉｔｙ ｂａｓｅｄ ｏｎ ｔｈｅ ｔｅｘｔｕｒａｌ ｆｅａｔｕｒｅｓ ａｎｄ ｓｐｅｃｔｒａｌ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ＴＭ ｉｍａｇｅｓ［Ｊ］．Ｆｏｒｅｓｔ Ｒｅｓｏｕｒｃｅｓ Ｍａｎａｇｅｍｅｎｔ，（６）：１０２—１０８． 何红艳，郭志华，肖文发．２００７．遥感在森林地上生物量估算 中的应用［Ｊ］．生态学杂志，２６（８）：１３１７—１３２２． Ｈｅ Ｈ Ｙ．Ｇｕｏ Ｚ Ｈ．Ｘｉａｏ Ｗ Ｆ．２００７．Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｒｅｍｏｔｅ ｓｅｎ－ ｓｉｎｇ ｉｎ ｆｏｒｅｓｔ ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｅｓｔｉｍａｔｉｏｎ ｌ Ｊ ｊ．Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆＥｃｏｌｏｇｙ，２６（８）：１３１７—１３２２． 李天宏，赵智杰，韩鹏．２００２．深圳河河口红树林变化的多时 相遥感分析［Ｊ］＿遥感学报，６（９）：３６４—３７０． Ｌｉ Ｔ Ｈ，Ｚｈａｏ Ｚ Ｊ，Ｈａｎ Ｐ．２００２．Ｄｅｔｅｃｔｉｏｎ ａｎｄ ａｎａｌｙｓｉｓ ｏｆ ｍａｎ－ ｇｒｏｖｅ ｃｈａｎｇｅｓ ｗｉｔｈ ｍｕｌｔｉ—ｔｅｍｐｏｒａｌ ｒｅｍｏｔｅｌｙ ｓｅｎｓｅｄ ｉｍａｇｅｒｙ ｉｎ ｔｈｅ Ｓｈｅｎｚｈｅｎ ｒｉｖｅｒ ｅｓｔｕａｒｙ［Ｊ ｊ．Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎ— ｓｉｎｇ，６（９）：３６４—３７０． 黎夏，叶嘉安，王树功，刘凯，刘小平，钱峻屏，陈晓越，何 执兼，覃朝锋．２００６．红树林湿地植被生物量的雷达遥感 估算［Ｊ］．遥感学报，１０（５）：３８７—３９６． Ｌｉ Ｘ，Ｙｅ Ｊ Ａ，Ｗａｎｇ Ｓ Ｇ，Ｌｉｕ Ｋ，Ｌｉｕ Ｘ Ｐ，Ｑｉａｎ Ｊ Ｐ，Ｃｈｅｎ Ｘ Ｙ，Ｈｅ Ｚ Ｊ，Ｑｉｎ Ｃ Ｆ．２００６．Ｅｓｔｉｍａｔｉｎｇ ｍａｎｇｒｏｖｅ ｗｅｔｌａｎｄ ｂｉｏｍａｓｓ ｕｓｉｎｇ ｒａｄａｒ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｌ Ｊ Ｊ．Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，１０（５）：３８７—３９６． 肖海燕，曾辉，昝启杰，白钰，程好好．２００７．基于高光谱数 据和专家决策法提取红树林群落类型信息［Ｊ］．遥感学报， １１（４）：５３１－５３７． Ｘｉａｏ Ｈ Ｙ，Ｚｅｎｇ Ｈ，Ｚａｎ Ｑ Ｊ，Ｂａｉ Ｙ，Ｃｈｅｎｇ Ｈ Ｈ．２００７．Ｄｅｃｉ－ ｓｉｏｎ ｔｒｅｅ ｍｏｄｅｌ ｉｎ ｅｘｔｒａｃｔｉｏｎ ｏｆ ｍａｎｇｒｏｖｅ ｃｏｍｍｕｎｉｔｙ ｉｎｆｏｒ－ ｍａｒｉｏｎ ｕｓｉｎｇ ｈｙｐｅｒｓｐｅｃｔｒｌａ ｉｍａｇｅ ｄａｔａ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｒｅ－ ｍｏｔｅ Ｓｅｎｓｉｎｇ，１１（４）：５３１～５３７． 张怀清，赵峰，崔丽娟．２００８．红树林湿地恢复遥感动态监测 技术研究［Ｊ］．林业科学研究，２１（Ｓ）：２６—３２． Ｚｈａｎｇ Ｈ Ｑ，Ｚｈａｏ Ｆ，Ｃｕｉ Ｌ Ｊ．２００８．Ａ ｓｔｕｄｙ ｏｎ ｄｙｎａｍｉｃ ｍｏｎｉ－ ｔｏｔｉｎｇ ｏｆ ｍａｎｇｒｏｖｅ ｗｅｔｌａｎｄ ｒｅｓｔｏｒａｔｉｏｎ ｕｓｉｎｇ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｔｅｃｈｎｉｑｕｅｓ［Ｊｊ．Ｆｏｒｅｓｔ Ｒｅｓｅａｒｃｈ，２１（Ｓ）：２６—３２． Ａｌｏｎｇｉ Ｄ Ｍ．２００８．Ｍａｎｇｒｏｖｅ ｆｏｒｅｓｔｓ：ｒｅｓｉｌｉｅｎｃｅ，ｐｒｏｔｅｃｔｉｏｎ ｆｒｏｍ ｔｓｕｎａｍｉｓ，ａｎｄ ｒｅｓｐｏｎｓｅｓ ｔｏ ｇｌｏｂａｌ ｃｌｉｍａｔｅ ｃｈａｎｇｅ［Ｊ］．Ｅｓ－ ｔｕａｔｉｎｅ，Ｃｏａｓｔａｌ ａｎｄ Ｓｈｅｌｆ Ｓｃｉｅｎｃｅ，７６：１－１３． Ａｌｏｎｇｉ Ｄ Ｍ．２００７．Ｔｈｅ ｃｏｎｔｉｒｂｕｔｉｏｎ ｏｆ ｍａｎｇｒｏｖｅ ｅｃｏｓｙｓｔｅｍｓ ｔｏ ｇｌｏｂａｌ ｃａｒｂｏｎ ｃｙｃｌｉｎｇ ａｎｄ ｇｒｅｅｎｈｏｕｓｅ ｇａｓ ｅｍｉｓｓｉｏｎｓ［Ｃ］／／ Ｔａｔｅｄａ Ｙ．Ｇｒｅｅｎｈｏｕｓｅ Ｇａｓ ａｎｄ Ｃａｒｂｏｎ Ｂａｌａｎｃｅｓ ｉｎ Ｍａｎ— ｇｒｏｖｅ Ｃｏａｓｔａｌ Ｅｃｏｓｙｓｔｅｍｓ Ｍａｒｎｚｅｎ．Ｋａｎａｇａｗａ：Ｇｅｎｄａ Ｔｏｓｈｏ： １—１０． Ｂｏｒｇｅｓ Ａ Ｖ，Ｄｊｅｎｉｄｉ Ｓ，Ｌａｃｒｏｉｘ Ｇ，Ｔｈｅａｔｅ Ｊ，Ｄｅｌｉｌｌｅ Ｂ， ・６９６・ 南方农业学报 Ｆｒａｎｋｉｇｎｏｕｌｌｅ Ｍ．２００３．Ａｔｍｏｓｐｈｅｒｉｃ ＣＯ２ ｆｌｕｘ ｆｒｏｍ ｍａｎ— ｇｒｏｖｅ ｓｕｒｒｏｕｎｄｉｎｇ ｗａｔｅｒｓ［Ｊ］．Ｇｅｏｐｈｙｓｉｃａｌ Ｒｅｓｅａｒｃｈ Ｌｅｔｔｅｒｓ， ３０：１５５８． Ｃｏｒｎｅｊｏ Ｒ Ｈ，Ｋｏｅｄａｍ Ｋ，Ｌｕｎａ Ａ Ｒ，Ｔｒ０ｅｌ１ Ｍ，Ｄａｈｄｏｕｈ— Ｇｕｅｂａｓ Ｆ．２００７．Ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ａｎｄ ｅｔｈｎｏｂｏｔａｎｉｃａｌ ａｓ— ｓｅｓｓｍｅｎｔ ｏｆ ｔｈｅ ｍａｎｇｒｏｖｅ ｃｈａｎｇｅｓ ｉｎ ｔｈｅ Ｎａｖａｃｈｉｓｔｅ Ｓａｎ Ｉｇｎａｃｉｏ Ｍａｃａｐｕｌｅ ｌａｇｏｏｎ ｃｏｍｐｌｅｘ Ｓｉｎａｌｏａ Ｍｅｘｉｃｏ［Ｊ］．Ｅｃｏ— ｌｏｇｙ ａｎｄ Ｓｏｃｉｅｔｙ．１０：１６—２６． Ｄｉｔｔｍａｒ Ｔ，Ｈｅ￣ｋｏｒｎ Ｎ，Ｋａｔｔｎｅｒ Ｇ，Ｌａｒａ Ｒ Ｊ．２００６．Ｍａｎ— ｇｒｏｖｅｓ，ａ ｍａｊｏｒ ｓｏｕｒｃｅ ｏｆ ｄｉｓｓｏｌｖｅｄ ｏｒｇａｎｉｃ ｃａｒｂｏｎ ｔｏ ｔｈｅ ｏ— ｃｅａｎｓ［Ｊ］．Ｇｌｏｂａｌ Ｂｉｏｇｅｏｃｈｅｍｉｃａｌ Ｃｙｃｌｅｓ，２０：７２－７６． Ｄｕａｒｔｅ Ｃ Ｍ，Ｍｉｄｄｅｌｂｕｒｇ Ｊ Ｊ，Ｃａｒａｃｏ Ｎ．２００５．Ｍａｊｏｒ ｒｏｌｅ ｏｆ ｍａｒｉｎｅ ｖｅｇｅｔａｔｉｏｎ ｏｎ ｔｈｅ ｏｃｅａｎｉｃ ｃａｒｂｏｎ ｃｙｃｌｅ［Ｊ ３．Ｂｉｏｇｅｏ－ ｓｃｉｅｎｃｅｓ，２：１－８． Ｇｉｅｓｅｎ Ｗ，Ｗｕｌｆｆｒａａｔ Ｓ，Ｚｉｅｒｅｎ Ｍ，Ｓｃｈｏｈｅｎ Ｌ．２００７．Ｍａｎｇｒｏｖｅ Ｇｕｉｄｅｂｏｏｋ ｆｏｒ Ｓｏｕｔｈｅａｓｔ Ａｓｉａ［Ｍ Ｊ．Ｂａｎｇｋｏｋ：Ｆｏｏｄ ａｎｄ Ａ— ｇｒｉｃｕｌｔｕｒｅ Ｏｒｇａｎｉｚａｔｉｏｎ ｏｆ ｔｈｅ Ｕｎｉｔｅｄ Ｎａｔｉｏｎｓ，Ｒｅｇｉｏｎａｌ ０ｆ＿ ｉｒｃｅ ｆｏｒ Ａｓｉａ ａｎｄ ｔｈｅ Ｐａｃｉｉｆｃ． Ｇｉｒｉ Ｃ，Ｏｃｈｉｅｎｇ Ｅ，Ｔｉｅｓｚｅｎ Ｌ Ｌ，Ｚｈｕ Ｚ，Ｓｉｎｇｈ Ａ，Ｌｏｖｅｌａｎｄ Ｔ．Ｍａｓｅｋ Ｊ．Ｄｕｋｅ Ｎ．２０１ １．Ｓｔａｔｕｓ ａｎｄ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｍａｎ— ｒｇｏｖｅ ｆｏｒｅｓｔｓ ｏｆ ｔｈｅ ｗｏｒｌｄ ｕｓｉｎｇ ｅａｒｔｈ ｏｂｓｅｒｖａｔｉｏｎ ｓａｔｅｌｌｉｔｅ ｄａｔａ［Ｊ］．Ｇｌｏｂａｌ Ｅｃｏｌｏｇｙ ａｎｄ Ｂｉｏｇｅｏｇｒａｐｈｙ，２０：１５４－１５９． Ｈｅｌｄ Ａ，Ｔｉｅｅｈｕｒｓｔ Ｃ，Ｌｙｍｂｕｒｎｅｒ Ｌ，Ｗｉｌｌｉａｍｓ Ｎ．２００３．Ｈｉｇｈ ｒｅｓｏｌｕｔｉｏｎ ｍａｐｐｉｎｇ ｏｆ ｔｒｏｐｉｃａｌ ｍａｎｇｒｏｖｅ ｅｃｏｓｙｓｔｅｍｓ ｕｓｉｎｇ ｈｙｐｅｒｓｐｅｃｔｒａｌ ａｎｄ ｒａｄａｒ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｌ Ｊ ｊ．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｍａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２４：２７３９—２７５９． Ｈｅｕｍａｎｎ Ｂ Ｗ．２０１ １．Ｓａｔｅｌｌｉｔｅ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｏｆ ｍａｎｇｒｏｖｅ ｆｏｒｅｓｔｓ：Ｒｅｃｅｎｔ ａｄｖａｎｃｅｓ ａｎｄ ｆｕｔｕｒｅ ｏｐｐｏｒｔｕｎｉｔｉｅｓ［Ｊ］．Ｐｒｏｇｒｅｓｓ ｉｎ Ｐｈｙｓｉｃａｌ Ｇｅｏｇｒａｐｈｙ，３５：８７－１０８ Ｋａｕｆｆｍａｎ Ｊ Ｂ，Ｈｅｉｄｅｒ Ｃ，Ｃｏｌｅ Ｔ Ｇ，Ｄｗｉｒｅ Ｋ Ａ，Ｄｏｎａｔｏ Ｄ Ｃ． ２０１ １．Ｅｃｏｓｙｓｔｅｍ ｃａｒｂｏｎ ｓｔｏｃｋｓ ｏｆ Ｍｉｅｍｎｅｓｉａｎ ｍａｎｇｒｏｖｅ ｆｏｒｅｓｔｓ［Ｊ］．Ｗｅｄａｎｄｓ，３１：３４３—３５２． Ｋｏｖａｃｓ Ｊ Ｍ，Ｆｌｏｒｅｓ－Ｖｅｒｄｕｇｏ Ｆ，Ｗａｎｇ Ｊ，Ａｓｐｄｅｎ Ｌ Ｐ．２００４． Ｅｓｔｉｍａｔｉｎｇ ｌｅａｆ ａｒｅａ ｉｎｄｅｘ ｏｆ ａ ｄｅｇｒａｄｅｄ ｍａｎｇｒｏｖｅ ｆｏｒｅｓｔ ｕｓｉｎｇ ｈｉｇｈ ｓｐａｔｉａｌ ｒｅｓｏｌｕｔｉｏｎ ｓａｔｅｌｌｉｔｅ ｄａｔａ［Ｊ］．Ａｑｕａｔｉｃ Ｂｏｔａｎｙ， ８０：１３—２２． Ｌｅｅ Ｔ Ｍ．Ｙｅｈ Ｈ Ｃ．２００９．Ａｐｐｌｙｉｎｇ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｔｅｃｈｎｉｑｕｅｓ ｔｏ ｍｏｎｉｔｏｒ ｓｈｉｆｔｉｎｇ ｗｅｔｌａｎｄ ｖｅｇｅｔａｔｉｏｎ：Ａ ｃａｓｅ ｓｔｕｄｙ ｏｆ Ｄａｎｓｈｕｉ Ｒｉｖｅｒ ｅｓｔｕａｒｙ ｍａｎｇｒｏｖｅ ｃｏｍｍｕｎｉｔｉｅｓ，Ｔａｉｗａｎ［Ｊ Ｊ． Ｅｃｏｌｏｇｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，３５：４８７－４９６． Ｐｒｏｉｓｙ Ｃ，Ｃｏｕｔｅｒｏｎ Ｐ，Ｆｒｏｍａｒｄ Ｆ．２００７．Ｐｒｅｄｉｃｔｉｎｇ ａｎｄ ｍａｐ－ ｐｉｎｇ ｍａｎｇｒｏｖｅ ｂｉｏｍａｓｓ ｆｒｏｍ ｃａｎｏｐｙ ｇｒａｉｎ ａｎａｌｙｓｉｓ ｕｓｉｎｇ Ｆｏｕｒｉｅｒ－ｂａｓｅｄ ｔｅｘｔｕｒａｌ ｏｒｄｉｎａｔｉｏｎ ｏｆ ＩＫＯＮＯＳ ｉｍａｇｅｓ［Ｊ］． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，１０９：３７９－３９２． Ｐｒｏｉｓｙ Ｃ，Ｍｉｔｃｈｅｌｌ Ａ，Ｌｕｃａｓ Ｒ，Ｆｒｏｍａｒｄ Ｆ，Ｍｏｕｇｉｎ Ｅ．２００３． Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｍａｎｇｒｏｖｅ ｂｉｏｍａｓｓ ｕｓｉｎｇ ｍｕｌｔｉｒｆｅｑｕｅｎｃｙ ｒａｄａｒ ｄａｔａ ｌ Ｃ Ｊ／／Ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｍａｎｇｒｏｖｅｓ ｏｆ Ｆｒｅｎｃｈ Ｇｕｉａｎａ ａｎｄ Ｎｏｒｔｈｅｒｎ Ａｕｓｔｒａｌｉａ．Ｓａｌｖａｄｏｒ：Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｍａｎ－ ｇｒｏｖｅ ２００３ Ｃｏｎｆｅｒｅｎｃｅ． Ｓｉｍａｒｄ Ｍ，Ｚｈａｎｇ Ｋ Ｑ，Ｒｉｖｅｒａ—Ｍｏｎｒｏｙ Ｖ Ｈ，Ｒｏｓｓ Ｍ Ｓ，Ｒｕｉｚ Ｐ Ｌ，Ｃａｓｔａｆｉｅｄａ－Ｍｏｙａ Ｅ，Ｔｗｉｌｌｅｙ Ｒ Ｒ，Ｒｏｄｒｉｇｕｅｚ Ｅ．２００６． Ｍａｐｐｉｎｇ ｈｅｉｇｈｔ ａｎｄ ｂｉｏｍａｓｓ ｏｆ ｍａｎｇｒｏｖｅ ｆｏｒｅｓｔｓ ｉｎ ｅｖｅｒ－ ｇｌａｄｅｓ ｎａｔｉｏｎａｌ ｐａｒｋ ｗｉｔｈ ＳＲＴＭ ｅｌｅｖａｔｉｏｎ ｄａｔａ［Ｊ］．Ｐｈｏ— ｔｏｇｒａｍｍｅｔｒｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，７２：２９９— ３ｌ１． Ｓｉｍａｒｄ Ｍ，Ｒｉｖｅｒａ—Ｍｏｎｒｏｙ Ｖ Ｈ，Ｍａｎｃｅｒａ—Ｐｉｎｅｄａ Ｊ Ｅ，Ｔｗｉｌｌｅｙ Ｒ Ｒ．２００８．Ａ ｓｙｓｔｅｍａｔｉｃ ｍｅｔｈｏｄ ｆｏｒ ３Ｄ ｍａｐｐｉｎｇ ｏｆ ｍａｎ— ｇｒｏｖｅ ｆｏｒｅｓｔｓ ｂａｓｅｄ ｏｎ ｓｈｕｔｄｅ ｒａｄａｒ ｔｏｍｐｇｒａｐｈｙ ｍｉｓｓｉｏｎ ｅｌ－ ｅｖａｔｉｏｎ ｄａｔａ，ＩＣＥｓａｔ／ＧＬＡＳ ｗａｖｅｆｏｒｍｓ ａｎｄ ｆｉｅｌｄ ｄａｔａ：ａｐｐｌｉ— ｃａｔｉｏｎ ｔｏ ｃｉｅｎａｇａ ｇｒａｎｄｅ ｄｅ Ｓａｎｔａ Ｍａｒｔａ，Ｃｏｌｏｍｂｉａ ｌ Ｊ Ｊ． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，１ １２：２１３１－２１４４． Ｓｕｎ Ｇ Ｑ，Ｒａｎｓｏｎ Ｋ Ｊ，Ｇｕｏ Ｚ，Ｚｈａｎｇ Ｚ，Ｍｏｎｔｅｓａｎｏ Ｐ，Ｋｉｍｅｓ Ｄ．２０１ １．Ｆｏｒｅｓｔ ｂｉｏｍａｓｓ ｍａｐｐｉｎｇ ｆｒｏｍ ｌｉｄａｒ ａｎｄ ｒａｄａｒ ｓｙｎ－ ｅｒｇｉｅｓ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆＥｎｖｉｒｏｎｍｅｎｔ。１１５：２９０６—２９１６． Ｉｓｈｉｉ Ｔ，Ｔａｔｅｄａ Ｙ．２００４．Ｌｅａｆ ａｒｅａ ｉｎｄｅｘ ａｎｄ ｂｉｏｍａｓｓ ｅｓｔｉｍａｔｉｏｎ ｏｆｒ ｍａｎｇｒｏｖｅ ｐｌａｎｔａｔｉｏｎ ｉｎ Ｔｈａｉｌａｎｄ［Ｊ］．Ｇｅｏｓｃｉｅｎｃｅ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｓｙｍｐｏｓｉｕｍ，４：２３２３－２３２７． Ｚｈｏｕ Ｊ，Ｐｒｏｉｓｙ Ｃ，Ｄｅｓｃｏｍｂｅｓ Ｘ，Ｈｅｄｈｌｉ Ｉ，Ｂａｒｂｉｅｒ Ｎ，Ｚｅｒｕｂｉａ Ｊ，Ｇａｓｔｅｌｌｕ－Ｅｔｃｈｅｇｏｒｒｙ Ｊ Ｐ，Ｃｏｕｔｅｒｏｎ Ｐ．２０１０．Ｔｒｅｅ ｃｒｏｗｎ ｄｅｔｅｃｔｉｏｎ ｉｎ ｈｉｇｈ ｒｅｓｏｌｕｔｉｏｎ ｏｐｔｉｃａｌ ａｎｄ ｌｉｄａｒ ｉｍａｇｅｓ ｏｆ ｔｒｏｐ— ｉｃａｌ ｆｏｒｅｓｔ［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆｒ Ａｇｒｉｃｕｌｔｕｒｅ，Ｅｃｏｓｙｓｔｅｍｓ， ａｎｄ Ｈｙｄｒｏｌｏｇｙ。１００：７８２４—７８２９． （责任编辑孔令孜）