实时准确的掌握树种组成和森林地上生物量等林分信息对于制定合理的森林管理策略来保证森林结构功能和应对各种干扰机制是非常重要的。通过KNN方法将野外调查数据与遥感数据相结合是估算区域尺度树种组成和生物量等属性的常用方法，该方法的估算精度受到距离参数、k值和遥感数据时相的影响。永利娱高ylg060net景观过程组研究团队与美国地质调查局研究人员合作，利用KNN方法将野外调查数据与5-10月份的MODIS数据相结合估算了大兴安岭树种水平（每个树种）地上生物量，并探讨了6种常用的距离参数（Random Forest, Euclidean distance, Mahalanobis distance, most similar neighbor in canonical correlation space, most similar neighbor computed using projection pursuit, and gradient nearest neighbor）、不同k值及不同时相的MODIS数据对估算结果的影响。 

　　研究结果显示：Random Forest距离参数表现出了最好的估算精度，6月份的MODIS数据获得了比其他月份更好的估算精度，k值选择6较为合适，估算结果能够较好的反应由于林火和采伐等因素对树种水平森林地上生物量的影响，并且随着尺度的上升估算结果表现出了更高的可信度。 

　　上述研究以Integrating forest inventory data and MODIS data to map species-level biomass in Chinese boreal forests为题发表在Canadian Journal of Forest Research杂志上。景观过程组博士生张庆龙为第一作者，梁宇副研究员和贺红士教授为通讯作者。相关工作得到了国家自然基金委项目、国家重点研发计划和美国国家项目生物碳封存评价等项目的支持。(梁宇） 

图1. 树种水平地上生物量随精度随不同kNN距离参数、k值及MODIS数据时相（All, May,…,Oct）的变化 

　　图2. 树种水平地上生物量在像元尺度（a）和生态区尺度的估算精度（b） 

图3.估算的树种水平地上生物量分布图（a）及总地上生物量随海拔的变化（b）