基于遥感的高山松连清固定样地地上生物量估测模型构建

  目的  研究利用遥感方法构建高山松固定样地地上生物量估测的参数模型，可以在今后前期样地的基础上直接快速、准确地估测生物量，或者开展少量的外业调查即可获取地上生物量。  方法  基于遥感因子与样地地上生物量变化量和线性混合模型提高生物量估测精度，以香格里拉市1987、1992、1997、2002、2007、2012、2017年7期国家森林资源清查固定样地和对应年份Landsat TM、OLI的Level-1数据为基础，首先对遥感数据进行预处理:包括辐射定标、大气校正、几何校正和地形校正，提取原始波段、比值因子、植被指数、图像增强信息、纹理指数、混合像元分解后的丰度、叶面积指数，计算5 ~ 30年间隔样地对应的遥感因子变化值。根据森林资源二类调查的高山松分布特征，选择地形因子作为线性混合模型的固定和随机效应，采用多元线性回归、非线性回归、地理加权回归、线性混合模型构建高山松地上生物量估测的静态模型，基于遥感光谱信息变化量构建了有树高和无树高参与的动态模型。最后对不同的建模方法和验证结果进行对比分析，选择最优结果作为估测模型并验证。  结果  （1）分析静态数据建模和验证的结果，采用样地号为固定因子、坡度等级为随机因子的线性混合模型的拟合R2最高，为0.75；但利用训练数据集和2017年数据验证，其精度都较低。（2）分析变化量数据建模和验证的结果，采用样地号为固定因子、坡度等级为随机因子、遥感因子变化量为自变量的线性混合模型拟合R2最高，为0.70，预测精度P值为（68.86 ± 11.93）%；增加平均树高变化量，拟合R2最高为0.79，预测P值为（73.39 ± 6.18）%。（3）无论是有、还是无树高参与的变化量模型其拟合和预测精度都达到80%，其预测精度达到了非参数模型预测精度。  结论  基于变化量的估测模型的拟合和预测精度较静态模型有所提高；综合遥感因子、地形因子构建的高山松地上生物量估测线性混合模型，其精度有较大提高；采用遥感因子变化量构建的高山松地上生物量估测模型，有效弥补了静态光学遥感数据估测生物量的不足，经检验可用于其他年期的估测。      

应用Landsat8 OLI和GBRT对高山松地上生物量的估测

依据香格里拉市Landsat8 OLI提取的因子和外业调查的高山松样地地上生物量,利用梯度提升回归树(GBRT)建立了地上生物量与遥感因子的估测模型,并与随机森林、多元线性回归、偏最小二乘方法进行了对比。结果表明:纹理信息对生物量有重要影响,其中熵、相关性和Landsat8 OLI近红外波段的信息对生物量的影响最大;采用GBRT进行建模,当迭代次数大于200次时,偏差降低减缓,GBRT建模方法的精度评价指标(R2=0.96,rRMSE=8.80%,P=73.88%)均优于其他3个模型。应用Landsat数据进行森林地上生物量估测的不确定因素较多,GBRT可作为高山松及其他树种地上地上生物量遥感估测的另一新方法。     

Sentinel-2A多特征变量反演针叶林地上生物量能力评估

  目的  森林生物量是衡量森林碳储量的关键因子，准确估算生物量对掌握森林现状和森林资源合理利用具有重要意义。欧空局发射Sentinel-2A数据因其丰富的光谱信息和较高的空间分辨率为生物量的反演和监测提供了新的机会。本文旨在评估基于Sentinel-2A的各类特征变量反演针叶林地上生物量的能力以及完成区域尺度的针叶林地上生物量定量估测。  方法  试验以内蒙古赤峰市喀喇沁旗旺业甸林场针叶林为研究对象，以Sentinel-2A为主要数据源，提取了10个波段反射率、20个植被指数和5个生物物理参数共3种类型变量，分别建立基于光谱反射率、植被指数、生物物理参数，以及融合3类变量的多元逐步回归生物量估算模型，同时每组均加入高程因子分析地形对估算精度的影响。  结果  （1）基于多种类型参数建立的模型估算效果最好，模型决定系数达到0.765，均方根误差为39.49 t/hm2；（2）在3组单类型变量模型中，基于植被指数的预测结果最好，说明相比于波段反射率和生物物理参数，植被指数对针叶林地上生物量的估算贡献更大；（3）无论基于何种类型参数建模，高程信息的加入都会提高针叶林地上生物量的估算精度。  结论  基于Sentinel-2A植被指数与地形特征的针叶林地上生物量反演模型较好，可用于区域生物量估算。该研究对区域性森林资源监测的实际应用具有指导意义。      

多元线性回归与神经网络模型在森林地上生物量遥感估测中的应用

利用遥感影像构建森林生物量估测模型,能够快速、实时估算区域森林生物量。采用吉水县TM影像以及森林资源调查固定样地数据,构建估算森林地上生物量的多元线性回归模型及BP神经网络模型,并对两种模型进行了比较。结果表明:两种模型对样地生物量的预测值大部分比实测值小,多元线性回归模型预测值与实测值的偏差幅度比BP神经网络模型更大,偏差幅度分别为-110.24~38.09 t·hm-2、-35.12~26.17 t·hm-2;多元线性回归模型与BP神经网络模型的决定系数(R2)分别为0.470和0.869,均方根误差(RMSE)分别为30.52和12.69 t·hm-2,预测精度分别为50.07%和71.65%。因此,运用BP神经网络模型估测森林地上生物量优于多元线性回归模型。     

基于k-NN非参数模型的高山松生物量遥感估测研究

以香格里拉高山松为研究对象,Landsat8/OLI为信息源,在前期进行香格里拉市高山松遥感特征光谱提取的基础上,结合地面50个实测样地数据,建立了研究区高山松地上生物量k-最近邻法(k-NN)遥感估测模型。结果表明,采用欧式距离度量特征变量间的相似度,距离分解因子t、最近邻数k值分别取2和4的模型参数结构下拟合精度达到最佳,决定系数(R~2)为0.71,均方根误差(RMSE)为18.21 t/hm~2;基于像元尺度的优化模型估测得到香格里拉市的生物量约为0.22亿t,研究结果可为低纬度高海拔地区的森林生物量遥感估测提供案例。     

基于Rapideye影像的林木地上生物量估测

以石台县为研究地,结合Rapideye高分遥感影像和不同森林类型样地林木地上生物量调查数据,采用Pearson双变量相关分析方法筛选模型变量,分别用多元线性回归和随机森林算法建立不同森林类型的遥感地上生物量估测模型,并进行模型估测精度对比分析。结果表明,叶绿素红边模型(CRM)与叶绿素绿波模型(CGM)2个指数与针叶林、阔叶林生物量在0.01水平上的相关性极显著,且在其多元线性回归模型和随机森林模型中两者均被挑选为建模变量。另外,与生物量相关性较强的纹理特征主要集中的红光波段和红边波段,且仅MEAN、VAR、SM3个滤波对生物量估测贡献较大,可作为建模变量。阔叶林、针叶林和针阔混交林3种森林类型的地上生物量模型估测精度均表现为随机森林模型优于多元线性回归模型。随机森林模型生物估测绝对均方误差在12.8760~36.5363之间,相对均方误差在20.20%~45.95%之间;多元线性回归生物量估测绝对均方误差在22.0425~46.4494之间,相对均方误差在34.58%~58.42%之间。     

基于偏最小二乘回归的高山松生物量遥感模型空间尺度效应分析

针对光学影像在森林生物量遥感估测中尺度不确定性问题,以香格里拉市高山松林为研究对象,基于SPOT-5影像,结合92块角规样地数据,在不同观测尺度下构建偏最小二乘回归模型,并对不同观测尺度下的遥感估测模型精度进行对比分析。结果表明:样地的合理观测尺度上限为70 m,生物量估测的最优空间尺度为50 m,此时PLS模型的RMSE最小为20.001 9 t/hm2,R2和精度P最大,分别为0.505 8、66.20%。     

县域尺度森林地上生物量遥感估测方法研究

以河南西峡县2013年Landsat 8影像及同期217块森林资源连续清查固定样地数据为信息源,以9个植被指数、3个地形指数为自变量,建立多元线性回归、决策与回归树、装袋算法、随机森林4种遥感估测模型;采用十折交叉验证,及相关系数、绝对误差、均方根误差、相对误差、相对均方根误差5个指标,对遥感估测模型进行精度评价,在此基础上,对研究区域2013年的森林地上部分生物量进行遥感估测和空间分析。结果表明:在4种遥感估测模型中,随机森林综合性能最高,装袋法次之,多元线性回归最低;在12个自变量中,地形(海拔、坡度)、土壤(亮度指数、湿度指数)、植被生长状况(垂直植被指数、有效叶面积指数)6个因子是影响研究区域森林地上部分生物量的重要环境变量;2013年,研究区域单位面积森林生物量为38.56 t/hm2,其中低(40 t/hm2)、中(40~60 t/hm2)、高(60 t/hm2)的面积分别占59.92%、24.30%、15.78%;研究区域森林地上部分生物量较高的区域,主要分布在交通不便、森林茂密、人类干扰活动较少的北部石质山区,而较低的区域,主要分布在交通发达,人口密度大,坡度较为平缓的南部鹳河谷地。     

基于无人机激光雷达的人工林碳储量线性与非线性估测模型比较

  目的  森林碳储量是生态系统结构与功能的重要指标，掌握森林碳储量现状有利于森林资源管理。激光雷达能够用于监测森林资源，但是存在森林参数估测的模型多、变量不确定和缺乏林分三维结构解析意义的变量等问题，因此，需要选择合适的林分解析变量和模型。  方法  借助无人机激光雷达点云数据与样地调查数据，以内蒙古自治区赤峰市喀喇沁旗旺业甸人工林为研究对象，分别使用多元线性模型与多元乘幂模型以不同变量对林分碳储量进行估测，选出最优模型并进行精度评价。  结果  研究表明:（1）模型方法而言，非线性模型的检验效果优于线性模型的检验效果:非线性模型（R2为0.66 ~ 0.86，rRMSE为23.51% ~ 9.91%），线性模型（R2为0.52 ~ 0.85，rRMSE为27.70% ~ 12.38%）。（2）模型使用平均高、郁闭度为基础变量，以穷举法筛选出来的变量组合，估算森林参数得出最佳模型，其中非线性模型以激光点云平均高、郁闭度、高度变动系数和叶面积变动系数的估算精度最高（R2=0.86，rRMSE=9.91%）。  结论  通过激光雷达估测人工林碳储量时，加入垂直结构变量可以提高模型拟合效果，非线性模型比线性模型更适合人工林碳储量的估测。      

广东省含参数分级的阔叶林分生物量生长模型

  目的  建立区域尺度林分生物量生长模型,为预测未来某一时段广东省天然阔叶林生物量和碳储量提供方法学支持。  方法  基于广东省1997—2017年5期森林清查数据,选择栎类、木荷和其他软阔类等6个阔叶树种为优势树种的203个天然林样地,以参数分级反映立地质量差异,以竞争指数表示密度影响,以分步建模（一元非线性回归法）和联合建模（非线性联立方程组法）区别建模方式,采用理论生长方程构建胸径生长模型估计林龄进而构建多种林分生物量生长模型,以决定系数和平均预估误差等4个指标评价模型拟合优度;对拟合优度较高的模型,以2002—2017年4期连清的183块样地为检验样本,用总相对误差来验证其应用效果。  结果  对比模型拟合效果和区域尺度及样地水平上的估计精度,以探究林分密度、不同参数分级、分级方法和建模方法共4项影响因素对生物量生长模型的效果,结果表明:非线性联立方程组法优于分步建模法;与生长速度有关的参数b分级模型优于与生长潜力有关的参数a分级模型;考虑林木竞争和分级方程中加入竞争指数对优化模型性能影响不大。参数b分级、自变量和分级方程皆不含竞争指数的联合模型（模型10）为最优模型,其生物量生长模型确定系数R2为0.970 1;预测4期生物量时,估计效果较好,后期估计误差明显低于前期,如采用模型10预估栎类2002—2017年区域尺度生物量时,4期的估计误差分别为6.22%、15.27%、4.80%、?1.84%。  结论  以Richards理论生长方程为基础构建林分生物量生长模型来估测区域尺度生物量是一种可行的方法,为评估未来某一时段区域尺度森林生态系统的固碳能力提供依据,也为其他区域的林分生物量生长模型研建提供参考。      

基于MODIS时间序列数据的竹林地上生物量估算

  目的  基于浙江省中分辨率成像光谱仪(MODIS)时间序列数据,对浙江省竹林地上生物量进行估算,为竹林碳汇遥感监测提供参考。  方法  以MODIS叶面积指数(LAI)、增强型植被指数(EVI)和比值指数(RVI)时间序列数据为变量,利用随机森林模型筛选变量,采用支持向量回归(SVR)模型估算研究区竹林地上生物量。  结果  随机森林模型共筛选出43个对竹林地上生物量影响最大的变量;基于43个变量,采用radial核函数构建的SVR模型预测能力最强,模型训练精度和测试精度分别为0.76和0.72,均方根误差分别为5.15和8.03 Mg·hm?2。浙江省全省竹林地上生物量均值为7.85 Mg·hm?2,总地上生物量为3.31×107 Mg;浙江省竹林地上生物量在各市具有明显的差异性,其中,湖州市、杭州市、金华市、绍兴市和宁波市的竹林地上生物量均值均大于全省均值,湖州市竹林地上生物量均值最大,为13.56 Mg·hm?2,舟山市地上生物量均值最小,为5.72 Mg·hm?2。  结论  耦合了MODIS LAI、EVI、RVI时间序列数据的SVR模型可实现浙江省竹林地上生物量较高精度的估算。图3表1参31     

森林地上生物量遥感估算方法

生物量是林业和生态应用研究的重要信息,森林生态系统地上生物量估算的遥感技术引起了国内外学者的广泛关注。总结与探讨不同数据源与估算方法能够为森林地上生物量的估算提供指导。本文首先总结并探讨单传感器遥感数据,包括光学遥感、合成孔径雷达与激光雷达数据在森林地上生物量估算中的应用,以及协同使用多源遥感数据估算森林地上生物量的优势;然后论述森林地上生物量估算的传统模型估算法与机器学习估算方法（决策树法、K最近邻法、人工神经网络、支持向量机、最大熵）。多源遥感数据集成能够结合不同数据的优势,能够为森林地上生物量估算提供丰富的特征信息,结合机器学习估算方法,是提高森林地上生物量估算的准确性的发展趋势。      

基于Landsat 8遥感影像的地上生物量模型反演研究

以吉林省延边朝鲜族自治州汪清县的主要针叶纯林树种为研究对象,结合Landsat 8 OLI数据和地面调查数据,通过提取半径为15 m圆形样地林分尺度下的遥感特征变量实现对地上生物量的估算。首先提取128块样地内的34个遥感特征,其次采用随机森林特征重要性分析遥感特征的贡献率,再利用BP神经网络算法的2种训练算法、SVM支持向量机的3种核函数构建地上生物量模型,最后利用32个测试样本评价模型的估算精度。结果表明,BP神经网络的L-M训练算法和贝叶斯正则化训练算法的R²分别为0.602 9、0.672 1,RMSE分别为5.096 9、4.263 7,MAE分别为4.166 9、3.211 8;SVM支持向量机的线性核函数、RBF核函数、多项式核函数的R²分别为0.585 8、0.561 9、0.487 7,RMSE分别为5.859 4、5.600 9、5.763 7,MAE分别为4.24、3.89、4.176。以贝叶斯正则化训练算法构建地上生物量模型的估测精度最佳;BP神经网络算法比SVM向量机更适用于本研究;同一种机器学习算法不同的训练函数存在差异性。     

典型温带树种固碳速率研究

  目的  森林是陆地生态系统的主体,在陆地碳循环中起着关键作用,因此在碳中和背景下,如何持续增加森林碳库储量以及提高森林碳汇功能,已成为各方关注的热点。合理的树种配置是提升森林质量和碳汇能力的基础。  方法  以长白山阔叶红松林25 hm2固定样地连续15年（2004—2019年）4次群落调查数据为基础,分析了主要树种对地上生物量碳库储量贡献,比较不同树种固碳速率差异及在时间上的相关性。  结果  （1）2019年阔叶红松林地上生物量为（282.5 ± 102.8） Mg/hm2,过去15年间年均净固碳速率约为1.0 Mg/hm2,在3个监测周期（2004—2009年、2009—2014年和2014—2019年）内的固碳速率分别为1.54、0.73和0.76 Mg/（hm2·a）;（2）样地内地上生物量最高的7个树种（紫椴、红松、蒙古栎、水曲柳、春榆、色木槭和大青杨）累计贡献量占整个群落总地上生物量的96.2%,其中紫椴、水曲柳和蒙古栎3个树种贡献了73.6%;（3）紫椴、水曲柳、蒙古栎、红松和春榆5个树种种群数量持续下降,而其平均胸径和地上生物量均呈现增加趋势,表明其大径级个体的固碳作用持续增强;（4）主要树种固碳速率存在明显差异（?0.97% ~ 0.77%）,其中具有复叶结构的水曲柳是地上生物量积累速率最快的树种,年均增速约为0.77%,其后依次是紫椴（0.60%）、春榆（0.54%）、蒙古栎（0.38%）、红松（0.09%）、色木槭（?0.46%）和大青杨（?0.97%）;（5）7个种群在3个监测周期内表现出不同的增长动态,其中紫椴和色木槭、蒙古栎和红松、水曲柳和春榆之间表现出较高的正向波动关系,大青杨和春榆呈负向关系。因此,固碳速率在树种间存在时间上的异步性。  结论  该研究揭示的典型温带树种固碳规律、树种间固碳速率在时间上的异步性特点可为本地区植树造林实践中树种选择及配置提供一定的参考。      

基于激光雷达技术估算钱江源国家公园森林的地上生物量

  目的  采用激光雷达结合地面调查的方法,拟合并预测钱江源国家公园森林的地上生物量,为国家公园森林生态系统保护和动物生境质量评估提供基础数据。  方法  采用冠层结构指数量化亚热带常绿阔叶林的冠层高度和垂直复杂度,并结合地面调查数据和地形数据,用模型拟合和预测钱江源国家公园的地上生物量。  结果  冠层结构指数中,与地上生物量的相关程度从大到小依次为冠层平均高度、冠层垂直复杂度、冠层最大高度。钱江源国家公园生物量分布主要在27.24 ~ 210.31 Mg/hm2（0.05 ~ 0.95分位数）,平均为111.21 Mg/hm2,总的生物量约为2.57 × 106 Mg。  结论  结合冠层指数和地形变量能较好地模拟和预测钱江源国家公园地上生物量。钱江源国家公园有大面积低海拔集中分布的常绿阔叶林,冠层平均高度和冠层垂直复杂度都比较大,地上生物量高;同时,也有大面积人工林和次生林,这些人工林和次生林主要分布在国家公园成立后才开始保护的两个片区,冠层平均高度和冠层垂直复杂度小,地上生物量较低,有待进一步恢复。