基于Landsat TM数据的高山松林生物量研究

以香格里拉地区高山松林为对象,对香格里拉地区高山松林生物量进行了研究。生物量模型以香格里拉地区2009年Landsat-5TM遥感图像数据和2011年野外调查获得的45个样地调查数据为基础,利用遥感数据提取各波段灰度值、植被指数和地学数据共14个因子作为自变量,分别运用逐步回归分析方法和主成分分析方法提取的的主成分建立了以样地实测生物量为因变量的生物量估算的回归模型。两个模型经方差分析及相关性检验,均达到显著相关水平,相关系数R分别为0.519和0.581,可用于高山松林生物量的估测,但是估测精度都较低。其中利用主成分分析建立的模型精度高于利用逐步回归分析法建立的生物量模型。     

东莞市针叶类森林生物量遥感模型研究

基于 Landsat 8 影像数据,对东莞市松树林 (Pinus sp.)、杉木林 (Cunninghamia lanceolata)、针 叶混交林 3 种针叶类森林生物量进行估算,利用相关分析、主成分分析和逐步回归分析,建立针叶类森 林生物量遥感估算模型,其决定系数 (R2) 值分别为 0.880 9、 0.832 5、 0.964 0,均达显著水平。经适用性 检验,模型均达 0.05 显著水平,可用于东莞市针叶类森林生物量估算。     

基于RS和GIS的林分蓄积预估模型研究

以松溪林业建设投资公司旧县项目林场212个小班为样地资料,从样地对应的遥感和GIS信息中筛选出影响蓄积估测的主要因子信息,构建林分蓄积量预估模型,以达到以少量的地面样地来估测林分蓄积的目的.通过精度验证和可行性分析,结果表明所建立的林分蓄积量预估模型估算结果与小班临时样地调查结果无显著差异,预估结果精度较高,可应用于区域林分蓄积量的估算.     

西藏自治区云杉林生物量密度模型研建

生物量密度模型是估算生物量和碳储量的依据。以西藏主要针叶树种云杉为研究对象,利用森林资源连续清查实测样地和样木数据,建立了云杉林生物量密度模型。结果表明:生物量密度随树高、郁闭度、胸径及林龄的增加而增加,随海拔的升高和经度的增加而减少。以海拔、郁闭度、平均胸径、经度作为解释变量构建的生物量密度非线性模型,其决定系数为0.716,总相对误差和平均系统误差控制在±1%以内,预估精度达到91.9%,可应用于实测或目测样地/小班生物量估算;以海拔、郁闭度、林龄、经度作为解释变量构建的生物量密度非线性模型,其决定系数为0.626,总相对误差和平均系统误差控制在±2%以内,预估精度达到90.6%,可应用于遥感样地/小班生物量估算;以海拔、郁闭度、胸径、林龄作为解释变量的生物量密度模型,其决定系数为0.717,总相对误差和平均系统误差控制在±2%以内,预估精度达到91.9%,可用于估算某个时间段内云杉林生物量变化或碳汇量。结合西藏森林资源连续清查或森林资源规划设计调查数据,可用于全区尺度上云杉林生物量的估算;利用林龄等因子建立的生物量模型,可掌握生物量、碳汇在空间上的分布规律及某一时期内的碳汇估算。     

3种模型在GF-2影像的生物量估测中的比较

为了研究高分二号(GF-2)影像生物量估测的模型效果,以攸县黄丰桥林场为研究区,在研究区内采用随机抽样的方法,结合国家森林资源连续清查样地,获取了共47个样地的生物量数据。对GF-2影像进行预处理,结合相关研究,提取8个单波段信息、24个多波段组合信息、4个植被指数以及海拔、坡度、坡向等39个因子作为建模的自变量,采用主成分分析、偏最小二乘和BP神经网络3种方法建立生物量估测模型。结果表明:主成分回归模型的实测值和预测值的决定系数R~2为0.44,模型的估测精度为65.83%;偏最小二乘回归模型的R~2为0.50,模型的估测精度为67.66%;BP神经网络模型的R~2为0.79,模型的估测精度为78.62%。比较可知,BP神经网络模型效果最好。     

基于不同立地质量的松树林蓄积量遥感估测

森林蓄积量遥感估测在林业系统中具有十分重要的意义。以建德市为研究区,基于2007年TM遥感影像和2007年森林资源二类调查数据,对松树林分立地质量等级和不分地位等级两种类型建立蓄积量的遥感估测模型,并进行精度检验。其中立地质量等级依据小班平均高和平均年龄建立的地位级表划分为好、中、差三种类型,以每个小班的总蓄积量为因变量,小班各单个遥感因子信息总量为自变量。研究结果表明:1)以TM遥感影像主成分分析中第一主成分为自变量的模型拟合效果最好,决定系数R2均在0.54以上,最高为0.802;2)利用预留独立样本对模型精度进行验证,不分地位级总体估测精度为87.64%,分立地质量等级好、中、差三种类型总体的估测精度分别为94.14%,95.32%,92.38%,分立地质量类型建模的精度明显优于统一建模的精度。研究结果为森林蓄积量遥感估测提供一种改进的思路,且为提高森林生物量和碳储量遥感估测精度提供一种参考方法。     

6种地形校正方法对雷竹林地上生物量遥感估算的影响

结合野外调查数据和Landsat 5 TM影像,分析6种地形校正方法(Teillet -回归,Cosine,C,SCS,SCS+C和Minnaert)对雷竹林地上生物量遥感估算的影响.结果表明:1)除Cosine和SCS方法存在校正过度现象,其余4种地形校正方法均具有良好的校正效果;2)6种地形校正方法均可提高TM4,TM5与地上生物量的相关性,且RVI,NDVI和SAVI这3种植被指数与生物量之间的相关性也得到改善;3)与原始影像相比,6种地形校正后的遥感数据都能不同程度地提高雷竹林生物量估算精度,以Teillet -回归校正后所建雷竹林地上部分生物量估算模型精度最高,相关系数从0.441提高到0.687,RMSE降低17％左右;4)尽管Cosine校正最大程度地提高了TM4,TM5与地上生物量的相关关系,但Cosine方法存在校正过度问题,Cosine校正后雷竹林地上生物量遥感估算模型精度反而略低于Teillet -回归校正;5)虽然地形校正可提高植被指数与雷竹林地上生物量之间的相关性,但所选5种植被指数均未入选雷竹林地上生物量遥感估算模型的变量,这与雷竹林较高的密度有关.     

立木含碳量估算方法比较

【目的】研究立木各分项生物量、含碳量的分配及含碳率的变化规律,探索如何构建其生物量和含碳量可加性模型,并分析5种立木含碳量估算方法(立木含碳量模型法、各分项平均含碳率法、立木加权平均含碳率法、通用含碳率法Ⅰ和通用含碳率法Ⅱ)的预测精度,为全国性生物量和碳储量监测提供可靠的理论与技术知识。【方法】以小黑杨人工林为例,采用聚合型可加性模型建立其生物量、含碳量模型,模型参数估计采用非线性似乎不相关回归模型方法,利用"刀切法"对建立的立木生物量、含碳量模型进行评价。将样木和5种立木含碳量估算方法分别作为区组和处理,利用SAS POC GLM程序进行方差分析。【结果】建立的小黑杨人工林可加性生物量和含碳量模型拟合效果均较好,调整后其确定系数(Ra2)均大于0. 80,平均相对误差(MRE)为-2%～2%,平均相对误差绝对值(MARE)均小于30%,所有模型的预测精度均在85%以上。5种立木含碳量估算方法评价结果表明,立木含碳量模型法和立木加权平均含碳率法具有一定优势,利用通用含碳率0. 45和0. 50估算立木含碳量可能会产生较大误差。【结论】为了使模型参数估计更有效,建立的生物量、含碳量模型应当考虑立木总生物量、含碳量及各分项生物量、含碳量的可加性。本研究建立的立木生物量和含碳量模型可对黑龙江省西部平原小黑杨人工林生物量、含碳量进行很好估算。     

公益林生物量估算方法研究——以浙江省缙云县公益林为例

以缙云县公益林为例,利用2010年的117个公益林固定小班监测数据和Landsat5 TM遥感数据,选取遥感变量和地学变量等80个自变量,运用多元线性回归、偏最小二乘回归、随机森林回归和Erf-BP神经网络四种模型,对缙云县公益林生物量进行建模估算,并比较四种方法的优缺点。结果表明:在R2、PRECISION和RMSE方面,随机森林回归优于其他方法,而在VR和BIAS方面,Erf-BP神经网络方法比其他方法更好,但从提高生物量精度和减少均方根误差综合评价,随机森林方法是较好的选择。     

临安杉木生物量估算模型及其通用性研究

采用多种生物量测算模型对临安区杉木Cunninghamia lanceolata的幼龄林、中龄林、近熟林、成熟林的单木各器官和全株杉木的生物量进行估算,从而得到多个生物量估算模型和通用性最佳的模型。拟合结果表明,24种生物量模型均能较好的模拟杉木单木生物量,其中以幂函数模型的拟合效果最好,指数函数模型次之,最后是多项式模型;杉木生物量的最优模型是基于幂函数的5个分器官的模型和1个全株模型。研究结果表明,在通用性方面,杉木幼龄林生物量模型效果不佳,近熟林和成熟林模型效果次之,中龄林效果最好,可用于大范围不同龄组杉木生物量的估算。     

基于树高和树冠因子的立木材积与地上生物量相容模型研究

【目的】无人机机载激光雷达能够准确地测定单木、林分乃至大尺度森林结构参数(树高和树冠因子)。为应用无人机激光雷达技术准确估测森林蓄积量、生物量和碳储量提供计量依据和技术支撑。【方法】以150株实测马尾松生物量样本数据为研究对象,采用非线性回归估计方法和度量误差联立方程组方法,分析立木材积和地上生物量与树高、树冠因子的相关性,并在此基础上研究建立基于树高和树冠因子的立木材积与地上生物量相容模型。【结果】单株材积和地上生物量与树高因子的相关性最为紧密,其次才是树冠因子;基于树高和冠幅因子的二元材积和地上生物量模型预估精度较高,达到92%以上,再考虑冠长因子的三元模型预估精度改进不大;基于树高和冠幅因子的二元立木材积与地上生物量相容模型估计效果更好,相对于一元相容模型系统而言,二元相容模型拟合效果有较大幅度提高,预估精度达到92%以上。【结论】采用度量误差联立方程组方法可以有效解决基于树高和树冠因子的立木材积与地上生物量相容问题,并且预估精度达到92%以上,所建二元立木材积与地上生物量相容模型可为应用激光雷达技术反演森林蓄积量和生物量提供计量依据。     

基于不同立地质量的杉木生物量遥感估测

[目的]研究不同立地质量对杉木生物量遥感估测精度的影响,为进一步提高和完善森林生物量遥感监测体系提供一种新的思路和方法。[方法]以2007年建德市森林资源二类调查数据和TM影像为研究材料,采用蓄积量—生物量换算因子连续函数法计算杉木林生物量和地位级法评价立地质量等级,比较杉木立地质量好、中等、差和不分地位等级4种生物量遥感估测模型,并进行精度检验。[结果]表明:(1)以TM遥感影像主成分分析中第一主成分为自变量的模型拟合效果最好,决定系数R2均在0.69以上,最高0.855。(2)利用预留独立样本对模型精度进行验证,不分地位级总体估测精度为87.78%,分立地质量等级好、中、差3种类型总体估测精度分别为97.37%、95.82%、98.23%。分不同立地质量类型可以提高杉木生物量遥感估测精度。[结论]研究结果为森林生物量遥感估测提供一种改进的思路,且为提高森林生物量和碳储量遥感估测精度提供一种参考方法。     

Applicability of semi-destructive method to derive allometric model for estimating aboveground biomass and carbon stock in the Hill zone of Bangladesh

Biomass estimation using allometric models is a nondestructive and popular method.Selection of an allometric model can influence the accuracy of biomass estimation.Bangladesh Forest Department initiated a nationwide forest inventory to assess biomass and carbon stocks in trees and forests.The relationship between carbon storage and sequestration in a forest has implications for climate change mitigation in terms of the carbon sink in Bangladesh.As part of the national forest inventory,we aimed to derive multi-species biomass models for the hill zone of Bangladesh and to determine the carbon concentration in tree components(leaves,branches,bark and stem).In total,175 trees of 14 species were sampled and a semi-destructive method was used to develop a biomass model,which included development of smaller branch(base dia 7 cm) biomass allometry and volume estimation of bigger branches and stems.The best model of leaf,branches,and bark showed lower values for adjusted R2(0.3152-0.8043) and model efficiency(0.436-0.643),hence these models were not recommended to estimate biomass.The best fit model of stem and total aboveground biomass(TAGB) showed higher model efficiency 0.948 and 0.837,respectively,and this model was recommended for estimation of tree biomass for the hill zone of Bangladesh.The best fit allometric biomass model for stem was Ln(Stem)=-10.7248+1.6094*Ln(D)+1.323*Ln(H)+1.1469*Ln(W);the best fit model for TAGB was Ln(TAGB)=-6.6937+0.809*Ln(D^2*H*W),where DBH=Diameter at Breast Height,H=Total Height,W=Wood density.The two most frequently used pan-tropical biomass models showed lower model efficiency(0.667 to 0.697) compared to our derived TAGB model.The best fit TAGB model proved applicable for accurate estimation of TAGB for the hill zone of Bangladesh.Carbon concentration varied significantly(p 0.05) by species and tree components.Higher concentration(48-49%) of carbon was recorded in the tree stem.     

A review of the challenges and opportunities in estimating above ground forest biomass using tree-level models

Accurate biomass measurements and analyses are critical components in quantifying carbon stocks and sequestration rates, assessing potential impacts due to climate change, locating bio-energy processing plants, and mapping and planning fuel treatments. To this end, biomass equations will remain a key component of future carbon measurements and estimation. As researchers in biomass and carbon estimation, we review the present scenario of aboveground biomass estimation, focusing particularly on estimation using tree-level models and identify some cautionary points that we believe will improve the accuracy of biomass and carbon estimates to meet societal needs. In addition, we discuss the critical challenges in developing or calibrating tree biomass models and opportunities for improved biomass. Some of the opportunities to improve biomass estimate include integration of taper and other attributes and combining different data sources. Biomass estimation is a complex process, when possible, we should make use of already available resources such as wood density and forest inventory databases. Combining different data-sets for model development and using independent data-sets for model verification will offer opportunities to improve biomass estimation. Focus should also be made on belowground biomass estimation to accurately estimate the full forest contribution to carbon sequestration. In addition, we suggest developing comprehensive biomass estimation methods that account for differences in site and stand density and improve forest biomass modeling and validation at a range of spatial scales.     

西藏自治区森林碳密度及分布规律研究

利用森林资源连续清查实测样地及样木数据,结合相对树高曲线,构建生物量-蓄积量模型,解决了模型与各类森林资源调查数据的衔接问题,可应用于西藏自治区森林资源连续清查的目测与遥感样地生物量估算及森林资源规划设计调查小班生物量估算等。根据计算的森林资源连续清查各样地生物量密度,结合树种面积数据及含碳率,估算全区森林碳密度,并初步探讨了森林碳库地带性分布规律。     

基于印度遥感卫星IRS—P6的森林生物量估测模型研究

印度遥感卫星IRS—P6的LISS3数据由于其较高的空间分辨率和相对较低的数据价格而受到广泛关注,而利用LISS3数据估测森林生物量的研究报道较少。以高黎贡山自然保护区常绿阔叶林为研究对象,以2006年印度卫星IRS—P6的LISS3影像为主要数据源,利用地面样地胸径每木调查数据,结合生物量相对生长式,得出样地生物量。通过遥感数据提取4个波段的光谱值、6种植被指数,从DEM获取的海拔、坡度、坡向,共13个遥感及地学因子。在此基础上,提取13个因子的主成分,以前5个主成分值作自变量,建立主成分与地面生物量的回归模型,模型经方差分析及相关性检验,达到显著相关水平,相关系数R=0．7129。     

崂山林场林分生物量遥感反演估算研究

以Landsat TM影像和高分一号影像为数据源,结合外业实测数据,利用遥感影像和实测数据建立崂山林场生物量多元线性反演模型,比较分析不同数据源下反演出的模型精度,估测了崂山林场森林生物量。研究发现,利TM遥感影像作为数据源的崂山林场森林生物量反演模型平均精度为77.12%。高分一号遥感数据反演的生物量模型平均反演精度达到80.75%,高于TM数据源下的生物量反演模型精度。分别根据TM遥感影像和高分一号遥感影像林分生物量估测模型,估测的崂山林场2009年的林分生物量为401185.62t,2013年的林分生物量为402485.44t。     

景谷县森林蓄积量遥感估测及其动态变化分析

以云南省景谷县为研究区,基于Landsat5和Landsat8遥感数据,利用2012年和2017年两期全国森林资源连续清查实地调查数据,建立多元逐步回归和随机森林模型对景谷县森林蓄积量进行遥感估测对比研究.结果显示:综合建模精度来看,随机森林法在相同样地数量条件下具有更好的估测效果;从估测结果与林地保护利用规划和林地变...     

基于国家森林资源清查数据的不同生物量和碳储量估计方法的对比分析

[目的]通过对不同生物量和碳储量的估计方法进行对比分析,为确定在国家森林资源清查中生物量和碳储量的具体估计方法提供依据。[方法]以广东省2012年森林资源清查的100个杉木林和80个马尾松林的实测样地资料为基础,利用近年来我国建立的主要树种立木生物量模型,对改进IPCC法、生物量模型法和转换因子连续函数法(即方精云法)3种方法按一元和二元模型共6种方案进行了对比;同时,基于改进IPCC法一元和二元模型的生物量估计值,用平均含碳系数法、组分含碳系数法和固定含碳系数(0.5或0.47)法分别对碳储量进行估计。[结果]用二元生物量模型法得到的杉木林和马尾松林样地的总生物量分别为320 Mg和331 Mg,一元生物量模型法的结果分别相差0.9%和6.2%;改进IPCC法的估计结果,采用二元和一元模型时杉木林分别相差-3.6%和-11.9%,马尾松林分别相差-8.5%和-19.6%;而方精云法的估计结果,采用二元和一元模型时杉木林分别相差6.65倍和6.60倍,马尾松林分别相差-14.3%和-18.0%。平均含碳系数法和组分含碳系数法的碳储量估计结果,杉木林仅相差0.2%,马尾松林相差约0.4%;固定含碳系数法的估计结果因树种而异,对杉木林要低估0.6%5.4%,对马尾松林要低估3.3%9.1%。[结论]对生物量的估计,采用生物量模型法准确性最高,而林木水平的生物量模型其预估精度要高于林分水平的模型;IPCC法是基于材积源的通用方法,将其中的缺省参数改进为可变参数模型,可大大提高方法的适应性;方精云法只是基于IPCC法所建立的林分水平模型在大尺度上的一种具体应用方法,其精度要低于林木水平的生物量模型法,不适于中小尺度应用。对碳储量的估计,采用平均含碳系数法与组分含碳系数法差异很小,但采用固定含碳系数法则误差较大。     

利用混合模型方法建立全国和区域相容性立木生物量方程

开展全国森林生物量监测和评估,建立适合较大区域范围的通用性立木生物量模型将成为必然趋势,而如何保证不同尺度范围森林生物量估计值的相容性,是必须面临的一个问题。以南方马尾松(Pinus massoniana)地上生物量数据为例,通过利用混合模型方法,同时建立全国和区域性立木生物量方程,为解决不同区域尺度范围内森林生物量估计的相容性问题提供有效途径。从模型反映的结果看,相同直径林木的地上生物量估计值随起源、地域的不同存在一定程度的差异,其差异大小可以通过混合模型中的随机效应来估计。该方法可推广应用于其它通用性模型(如材积方程)的建立。