1. 研究目的与意义

森林碳汇是指森林生态系统吸收大气中的二氧化碳并将其固定在植被和土壤中，从而减少大气中二氧化碳浓度的过程。

随着1997年《京都议定书》的签订，造林和再造林被列为清洁发展机制的一个重要措施，这使得国际社会对森林碳汇功能越来越重视。

k最近邻分类算法（k-nearest neighbor，knn），是将与样地坐标对应的像元具有最大的光谱相似性、在特征空间中距离最近的像元划分到该地面坐标点所属的森林类别，并赋予样地的森林碳密度值的方法。

2. 国内外研究现状分析

详见文献综述

3. 研究的基本内容与计划

一、研究内容：以广东韶关地区1997年、2002年、2007年3期固定样地地调查数据为主要信息源，以k最邻近分类算法作为碳密度遥感估测方法，分别遥感图像灰度值、大气校正值、地形与植被参数三种方法，分别建立遥感参数估测模型，通过精度比较，为该方法在区域森林碳汇遥感估测的应用提供科学依据。 最后成果包括：

（1）研究区域1997年森林碳密度空间分布图；

（2）研究区域2002年森林碳密度空间分布图;

4. 研究创新点

以广东韶关地区1997年、2002年、2007年3期固定样地地调查数据为主要信息源，以K最邻近分类算法作为碳密度遥感估测方法，结合遥感技术。

k-最近邻( k-NN)法也是一种非参数统计方法,不仅可用于分类识别, 也可以用于森林参数的定量估计。