云南高黎贡山自然保护区森林碳储量估测方法的研究

采用印度遥感卫星数据,以云南省高黎贡山自然保护区阔叶林为主要研究对象,建立森林蓄积量估测模型,再利用生物量和蓄积量的线性回归方程以及国际上常用的碳转化率,对研究区域阔叶林小班的碳储量进行了估测。     

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.     

基于TM数据估测鞍山市不同林分蓄积量

文章以鞍山市2006年Landsat TM数据和ASTER DEM高程数据为数据源,在提取出波段1~5、7这6个波段后,通过波段运算、缨帽变换、主成分分析等方法获取差值植被指数、土壤调节植被指数、大气阻抗植被指数、垂直植被指数、归一化差值植被指数、比值植被指数等,以及亮度、绿度,前3个主成分等24个变量因子。基于这些变量因子和采样点数据,通过逐步回归模型选择最优模型并估测鞍山市不同林分蓄积量。鞍山市总蓄积量估测模型的相关系数R2是0.73,通过进行交叉验证,发现实测蓄积量和交叉估测值之间的相关系数R2是0.58。基于2007年的森林资源规划设计调查,从森林中提取出针叶林和阔叶林,分不同林分建立蓄积量估测模型;针叶林蓄积量、阔叶林蓄积量估测模型的相关系数R2分别是0.73和0.75。     

历史调查数据参与森林调查因子遥感定量估测的研究

森林调查因子估测是森林资源遥感调查的主要内容之一。本文以多元数量化回归估测模型Ⅰ为基础,综合考虑历史调查资料(主要为前期调查因子值)和遥感数据等信息,建立了以小班为估测单元,保留小班平均直径、平均树高、每公顷蓄积量的遥感定量估测模型。经检验,所建立模型具有良好的估测效果。     

基于高清航片的小班测树因子估测技术研究

利用高清航片影像特征与小班测树因子的相关关系,通过判读优势树种(组)、冠幅、郁闭度、株数,结合3S和回归模型等技术方法,估测小班平均胸径、平均树高、郁闭度、株数和蓄积量。重点介绍林分优势树种(组)、树种组成、平均胸径、郁闭度的估测方法。利用基于高清航片的小班测树因子估测技术与传统调查方法相比,可以减轻调查工作量,提高工作效率,降低调查成本。     

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。     

蓄积量计算过程中形高应按林分高增加修正项初步探讨

1 蓄积量的计算目前二类资源清查中,蓄积量的调查多采用角规测树法。即用角规估测小班蓄积量。小班每公顷蓄积量是分别树种计算的,各树种每公顷蓄积量为:     

浅谈回归估测在玉白顶林场森林资源二类调查中的应用

1996年玉白顶国营林场的森林资源二类调查采用了角规典型选样调查蓄积量与随机抽取有疏林地小班数的15%实测蓄积量配置回归方程估计总蓄积量的方法,调查结果,回归估测精度97.8%,对比精度98.7%,实测小班与调查小班的单位蓄积量相近,二者相关紧密,表明调查蓄积量可靠,典型选择调查结合回归估测的调查方法减少了抽样误差,保证了较高的蓄积量调查精度,降低了工作量,在森林资源二类调查中值得推广应用。     

基于GF-1的森林蓄积量遥感估测

森林蓄积量是评价森林资源数量的一个重要指标。结合遥感影像和地面调查数据估测森林蓄积量受遥感影像、遥感因子、预处理方法、估测方法等多方面的影响。为研究国产GF-1遥感影像估测森林蓄积量的最佳遥感因子组合方式和较优估测方法,并绘制森林蓄积量空间分布图,为我国森林蓄积量的研究提供理论基础和科学依据。为研究GF-1遥感影像估测森林蓄积量的遥感因子和估测方法,以湖南省醴陵市为研究对象,以国产GF-1遥感影像为数据源,通过对遥感图像预处理,获取光谱信息、纹理因子、植被指数作为特征变量,结合同时期的二类调查样地数据,从GF-1遥感影像像元与样地不匹配角度出发,应用移动窗口的方法解决像元与样地的对应关系,采用多元逐步回归、偏最小二乘回归和随机森林模型对研究区森林蓄积量进行估测,采用建模精度和估测精度进行分析评价。实验结果表明:1)3个模型选择的因子都包含了NDVI、 Band2、DI3、CO1和DVI等5个遥感因子,说明其对森林蓄积量的估测比较敏感;2)随机森林模型优于偏最小二乘回归和多元逐步回归,其决定系数R2为0.73、估测精度为83.69%。利用GF-1遥感影像结合随机森林模型应用于森林蓄积量的估测结果趋于真实分布,效果较理想;采用移动窗口法,利用国产GF-1遥感影像并结合随机森林进行森林蓄积量估测具有较好的应用前景。     

基于逐步回归的XGboost方法的森林蓄积量估测

【目的】森林蓄积量是反映森林资源总规模和水平的基本林分调查因子之一,也是衡量森林资源丰富程度和森林生态环境优劣的重要依据。为探索更优的森林蓄积量建模和估测方法,以期为林业科学中森林蓄积量的估测研究提供新的方法与思路。【方法】以浙江省龙泉市为研究区,以单位蓄积量(m3/mu)为研究对象,集成森林资源二类调查数据、高分二号遥感影像数据、数字高程模型(DEM)数据。通过逐步回归特征选择方法选取与蓄积量相关的自变量因子,在不区分树种的情况下,利用极端梯度提升(eXtreme gradient boosting,XGboost)方法、决策树梯度提升(Light generalized boosted regression models,LGBM)方法和梯度提升(Gradient boosting)方法分别建立蓄积量估测模型。然后,基于区分针叶林、阔叶林、针阔混交林的情况下,用XGboost方法再次建立蓄积量估测模型,并与未区分树种情况下的估测结果进行对比。采用十折交叉验证法对模型性能指标进行检验。【结果】在不区分树种的情况下,XGboost呈现了最佳的效果,优于LGBM方法和Gradient boosting方法,其建模精度为89.65%,估测精度为83.19%。在区分树种结构下,XGboost方法的建模精度(89.31%)与不区分树种情况下没有明显区别,但估测精度(84.5%)有一定提升,其中针叶林的效果最好。【结论】逐步回归特征选择方法结合XGboost方法能够取得最好的森林蓄积量估测效果,区分树种能够在一定程度上提高模型的泛化能力。XGboost方法在实践中使用方便,提供了在短时间内估测森林蓄积量的可能性,从而为森林蓄积量的估测提供了新的方法。     

利用航片判读郁闭度优势木高估测蓄积量

以落叶松天然林地面调查标准地为材料,选择航片上易于判读的优势木高、郁闭度为自变量,实际调查森林蓄积量为因变量,建立了森林蓄积量的估测模型,经29个小班的适用性检验,证明估测模型是适用的,为估测森林蓄积提供了简单易行的方法。     

基于RS的林分蓄积量估测模型研究——以内蒙古大青山人工油松林为例

以TM遥感影像和二类调查小班数据为研究资料,以内蒙古大青山人工油松林为研究对象,采用逐步回归的方法构建内蒙古大青山人工油松林蓄积量估测模型,其中遥感因子选取与植物生长相关的植被指数及比值波段,林分立地条件因子选取郁闭度、坡向、龄级。研究结果表明:NDVI、RVI、DVI、郁闭度、TM4*TM3/TM7通过了T检验,作为入选变量参与模型构建。所建立的模型线性关系显著,估测精度86.21%,达到了森林资源二类调查要求,有一定的应用价值。     

基于ALOS数据的巨尾桉蓄积量遥感估测——以广西平南县为例

蓄积量是森林资源监测的一项重要指标,蓄积量遥感估测一直是林业遥感研究的重要内容。本文采用ALOS数据为遥感信息源,以广西自治区平南县优势树种巨尾桉为研究对象,分析选取影响巨尾按蓄积量估测主要的遥感信息和地理信息因子,结合郁闭度实地调查因子,建立了巨尾桉蓄积量估测模型,模型精度达91．18％。     

浅谈回归估测在玉白顶林场森林资源二类调查中的应用

１９９６年玉白顶国营要场的森林资源二类调查采用了角规典型选择调查蓄积量与随机抽取有疏林地小班数的１５％实测蓄积量配置回归方程估计总蓄积量的方法，调查结果，回归估测精度９７．８％，对比精度９７．８％，对比精度９８．７％，实测小班与调查小班的单位蓄积量相近，二者相关紧密，表明调查蓄积量可靠，典型选择调查结合回归估测的调查方法减少了抽样误差，保证了较高的蓄积量调查精度，降低了工作量，在森林资源二类调查中     

基于RS的闽江流域马尾松林分蓄积量估测模型研究

从福建省第5次森林资源一类调查落在闽江流域的样地中抽取马尾松林样地130个,以RS可提取因子及样地林分立地条件因子为可选变量,利用3倍标准差法进行异常数据的筛选,对林分立地条件定性因子进行数量化处理,通过逐步回归构建闽江流域马尾松林分蓄积量估测模型,研究结果所构建的蓄积量估测模型的相关系数为0.735。经模外抽取30个样地对估测模型适用性检验和精度验证表明,在可靠性α=0.01条件下模型估测值与外业实测值无显著差异,模型的林分蓄积量估测精度达85.03%,为此,本研究的蓄积量估测模型对森林经营管理具有现实意义。     

基于偏最小二乘回归的森林蓄积量遥感估测

森林蓄积量受遥感因子与地形因子的影响,但这些因子间存在多重相关性,会影响模型稳定性与精度。针对森林蓄积量遥感估测自变量间存在多重共线性问题,采用异于传统最小二乘的偏最小二乘方法建立密云县森林蓄积量遥感估测模型。先对可能影响蓄积量的因子进行分析,选取既存在相关性又对模型显著性有影响的因子为森林蓄积量估测的自变量。用预留的样本对模型进行检验,预测值与实测值相比精度达到90.1%。将通过检验的模型对整个密云县进行反演,得到密云县估测森林蓄积量为2 447 695.203 m3。     

航天遥感资料在森林资源二类调查中的应用研究

该研究首次利用陆地资源卫量ＴＭ数据及通过数字图象处理的１：５万比例尺ＴＭ影像，航片，对近６１万ｈｍ＾２林地进行了森林资源二类调查，调查结果表明，蓄积量的估测精度在林业局和林场一级达到了精度要求，完全使用航天资料估测小班测树因子取得一定时展，建立了树高，胸径及郁闭度等测树因子与航遥感数据之间的数学模型，估测精度达到林业局，林场一级规程要求，与统计调查方法相比，外业工作量减少２／３，经费节省近１／２。     

航天遥感资料在森林资源二类调查中的应用研究

该研究首次利用陆地资源卫星ＴＭ数据及通过数字图象处理的１：５万比例尺ＴＭ影象。航片，对近６１万ｈｍ~２林地进行了森林资源二类调查。调查结果表明，蓄积量的估测精度在林业局和林场一级达到了精度要求；完全使用航天资料估测小班测树因子取得了一定进展，建立了树高、胸径及郁闭度等测树因子与航天遥感数据之间的数学模型，估测精度达到林业局、林场一级规程要求。与传统调查方法相比，外业工作量减少了２／３，经费节省近１／２。     

基于无人机LiDAR特征变量的南方集体林区蓄积量估测

基于广西壮族自治区森林资源年度监测评价成果数据,采用逐步回归选择机载激光雷达特征变量,建立多元线性回归、Logistic回归和随机森林模型,预测南方集体林区桉树、杉木和天然阔叶林样地的蓄积量。结果表明:1)桉树和杉木样地的逐步回归特征变量多为高度和强度变量,而天然阔叶林样地则是间隙率、覆盖度、叶面积指数等综合变量;2)桉树和天然阔叶林样地,随机森林模型的蓄积量估测精度(桉树R~2=0.97,RMSE=12.60m~3/hm~2;天然阔叶林:R~2=0.90,RMSE=18.45m~3/hm~2)高于多元线性回归和Logistic回归模型,而杉木样地在多元线性回归模型中得到了最优的蓄积量估测结果(R~2=0.91,RMSE=24.30m~3/hm~2);3)在3种模型估测精度中,人工桉树和杉木样地均优于天然阔叶林样地。可见,高密度的激光雷达点云可以获取更优的特征变量,针对复杂的样地条件需要灵活选择估测模型实现蓄积量调查,以便为林草部门进行森林资源调查、监测和经营管理提供科学依据。     

基于机载激光雷达的国外松片林蓄积量反演研究

该文基于金坛区碳汇监测山区调查点范围内,第250,77号国外松林小班的LiDAR数据和样地实测数据,利用冠层高度模型与点云分割相结合的方法实现单木识别,以实测胸径作为因变量,估测树高作为自变量,通过建立非线性回归方程的方式进行林分胸径反演和公顷蓄积量估算.结果表明:机载LiDAR估测的国外松数据与实测数据具有较好的相关性,通过设置3组反演模型并进行方程优选,确认当LiDAR估测树高范围在14—22 m时,推荐y=-2.1849x2+13.569x-17.605(R2=0.8063)作为胸径反演最优方程.将250号LiDAR估测树高代入方程反算胸径,并根据《江苏省主要树种一元材积表》计算公顷蓄积量,获LiDAR估测胸径为26.6 cm,估测公顷蓄积量为157.2 m3/hm2,估测精度符合《森林资源规划设计调查技术规程(GB/T 26424-2010)》中的允许误差要求.