Worldview-2不同波段纹理特征对森林蓄积量估算精度影响

为检测高分辨率遥感影像不同波段纹理特征对于森林蓄积量估算精度的影响,以湖北省荆门市京山县太子山林场马尾松纯林为对象,基于灰度共生矩阵的方法分别提取高分辨率遥感影像Worldview-2 红光、绿光、蓝光、近红外波段和全色波段的纹理特征,利用随机森林算法,分别建立野外样地蓄积量与纹理参数的模型。结果表明,全色波段对马尾松森林的精度最高（R²=0.86,RMSE=47.37 m³·hm^-2）,其次是绿色波段（R²=0.85,RMSE=50.82 m³·hm^-2）和近红外波段（R²=0.85,RMSE=46.85 m³·hm^-2）,蓝色波段（R²=0.68,RMSE=60.72 m³·hm^-2）和红色波段（R²=0.69,RMSE=56.27 m³·hm^-2）的精度最低;窗口大小对模型精度影响较小,全色波段的R²取值在0.82~0.86,RMSE取值在47.66~51.99 m³·hm^-2,多光谱波段的R²取值在0.88~0.89;蓝色和红色波段的非相似度（DIS）的估算模型精度相对较高,绿色波段的对比度（CON）（R²=0.87,RMSE=46.21 m³·hm^-2）估算精度最高,红色波段的非相似度（R²=0.68,RMSE=58.30 m³·hm^-2）估算精度较高,近红外波段的角二阶矩阵（ASM）（R²=0.68,RMSE=60.30 m³·hm^-2）精度最高,全色波段的对比度、相关性、熵、变化量模型精度较高,R2为0.85。利用高分辨率遥感影像纹理特征估算森林参数时需综合考虑不同波段的纹理特征对模型的贡献。     

基于RapidEye的人工林生物量遥感反演模型性能对比

利用2012年RapidEye高空间分辨率遥感影像并结合野外样方数据,采用多种建模技术进行生物量的反演和制图。先依据RapidEye光谱数据发展出包括NDVI、RVI等多种植被指数、光谱特征图像及纹理特征,再通过相关分析筛选建模所需因变量,采用支持向量机、BP神经网络和随机森林算法建立森林生物量估测模型并进行精度验证。结果表明,基于支持向量机的建模R²为0.687,验证R²为0.641,平均相对误差为0.306;基于BP神经网的建模R²为0.552,验证R²为0.358,平均相对误差为0.525;基于随机森林的建模R²为0.850,验证R²为0.324,平均相对误差为0.468。采用支持向量机算法所制作的空间意义明确的森林生物量分布图,为制定合理的森林经营措施提供有益指导。     

基于机载LiDAR和光学遥感数据的热带橡胶林叶面积指数反演

叶面积指数（LAI）作为表征植被冠层结构的重要参数,一直是气候变化和生态研究中的热点,遥感技术的发展为大范围叶面积指数的获取提供了可能。以景洪市热带橡胶林为研究对象,以机载LiDAR和Landsat8/OLI为信息源,结合44块样地实测数据,使用支持向量机回归(SVR)、BP神经网络(BPNN)和偏最小二乘回归(PLSR) 3种模型,在前期建立基于林分水平的LAI估测模型的基础上,进一步构建区域尺度的LAI反演模型,实现景洪市橡胶林LAI的反演。结果表明,基于LiDAR的林分水平模型中,SVR模型最优,决定系数（R²）为0.76,相对均方根误差（rRMSE）为17%,估测精度（P）为83%;以SVR模型估测结果作为区域尺度遥感反演模型的先验样本,结合Landsat8/OLI数据的BP神经网络模型反演效果最好,估测精度达76%。     

基于BP神经网络的油松人工林树高模型研究

通过分析比较不同算法以及不同输入层因子,构建出最佳的黄龙山区油松人工林树高预测BP神经网络模型。以陕西省延安市黄龙县44块油松人工林样地实测数据为数据源,通过对6种BP神经网络的训练方法进行训练,经过反复筛选找出最优模型并与传统胸径-树高模型作比较;最后将BP神经网络中的输入因子从2个增加到6个后,经过反复训练筛选出最优模型与2因子的BP神经网络模型作比较。结果表明:1）贝叶斯归一化（BR）算法在6种算法中表现最佳,R²和MSE分别为0.963 0和1.168;2）不同隐含层节点数的选取会对BP神经网络模型的建立产生一定的影响,BP神经网络模型的决定系数（R²）随着隐含层节点数的增加呈现先上升后下降的趋势;均方误差（MSE）呈现先下降后上升的趋势,两者都在节点数为10时有极值,此时的模型为最优模型;3）当输入因子为胸径和优势树高时,油松人工林的最优模型结构为（输入层节点数:隐含层节点数:输出层节点数为2∶10∶1）,此时BP神经网络模型对树高预测的决定系数（R²）和均方误差（MSE）分别为0.761 0和1.984 7;当输入因子为胸径、优势树高、林分密度、竞争指数、坡度和坡向时,最优模型结构为6∶10∶1,此时BP神经网络模型对树高预测的决定系数（R²）和均方误差（MSE）分别为0.844 7和1.955 7。由此得出,在建立油松人工林树高BP神经网络模型方面优化类算法要优于启发式下降算法;BP神经网络模型与传统模型相比,BP神经网络模型不需要目标方程结构,并且模拟和预测的精度均要优于传统模型;在原有BP神经网络模型的基础上再引入林分密度、竞争指数、坡度、坡向这些输入因子后所得到的新的BP神经网络模型对树高模型的建立和预测要优于原有BP神经网络模型。     

基于颜色参数和BP神经网络的紫叶李叶片花青素含量估算

目前对植物叶片花青素含量的测定主要是湿化学法和高效液相色谱法(high performance liquid chromatography,HPLC),为简化测定方法,降低成本和提高精度,提出一种利用数码相机获取照片提取的颜色参数构建模型无损估测植物叶片花青素含量的方法。试验测定166份紫叶李叶片的花青素含量及其RGB特征值,对15种颜色参数进行皮尔逊相关分析,构建逐步多元线性回归（stepwise multiple linear regression,SMLR）、一元线性回归（single linear regression,SLR）和BP神经网络（BP neural network,BPNN）估算模型;同时对模型进行验证和比较。结果表明,1）BP神经网络模型建模集的R²、RMSE和MAE分别为0.883、0.412、0.323,验证集的R²、RMSE和MAE分别为0.796、0.462和0.353,相关系数均达到极显著水平;一元线性回归模型中,参数G-B与花青素含量的线性相关性最强,相关系数为-0.820,达到极显著水平;逐步多元线性回归模型的相关系数均达极显著水平,其中建模集的R²、RMSE和MAE分别为0.724、0.630、0.459,验证集的R²、RMSE和MAE分别为0.643、0.616和0.509。2）颜色参数与花青素含量之间具有明显的相关性,利用数码相机获取的颜色特征值估测紫叶李叶片花青素含量具有可行性;3）3种模型中,BP神经网络模型的估测效果最好,能有效地估测紫叶李叶片花青素含量,其次为逐步多元线性回归,一元线性回归模型的预测效果相对较差。     

基于随机森林算法的冬小麦叶面积指数遥感反演研究

【目的】通过利用随机森林算法（random forest,RF）反演冬小麦叶面积指数（leaf area index, LAI）,及时、准确地监测冬小麦长势状况,为作物田间管理和产量估测等提供科学依据。【方法】本研究依据冬小麦拔节期、挑旗期、开花期及灌浆期地面观测数据,将相关系数分析（correlation coefficient,r）和袋外数据（out-of-bag data,OOB）重要性分析与随机森林算法（random forest,RF）相结合,在优选光谱指数和确定最佳自变量个数的基础上,构建了两种冬小麦LAI反演模型|r|-RF和OOB-RF,并利用独立数据集对两种模型进行验证;然后,将所建LAI反演模型用于无人机高光谱影像,进一步检验所建模型对无人机低空遥感平台的适用性和可靠性。【结果】|r|-RF和OOB-RF反演模型分别采用相关性前5强、重要性前2强的光谱指数作为输入因子时精度最优,验证决定系数（R²）分别为0.805、0.899,均方根误差（RMSE）分别为0.431、0.307,表明这两个模型均能对作物LAI进行精确反演,其中OOB-RF模型的反演效果更好。利用无人机高光谱影像数据结合OOB-RF估算模型反演得到冬小麦LAI与地面实测值的拟合方程的决定系数R²为0.761,RMSE为0.320,数值范围（1.02-6.41）与地面实测（1.29-6.81）亦比较吻合。【结论】本文基于地面数据构建的OOB-RF模型不仅具有较高的反演精度,而且适用性强,可用于无人机高光谱遥感平台提取高精度的冬小麦LAI信息。     

基于分层贝叶斯方法的高山松单木生物量模型

以香格里拉市典型森林生态系统高山松林为对象,在前期进行Ⅰ区和Ⅱ区共115株高山松单木地上生物量实测基础上,以异速生长方程为单木生物量基础模型,并采用分层贝叶斯方法、非线性混合模型法、贝叶斯方法和非线性最小二乘法进行异速生长参数拟合,运用决定系数(R²)、估测精度(E)、均方根误差(RMSE)等指标对模型参数拟合效果进行评价。结果表明:1)从拟合精度看,4种方法的模型拟合效果均较好,R²均达到了0.98以上。但分层贝叶斯方法估计结果更优,其R²=0.985 6,E=84.76%和R_MSE=39.75 kg;2)通过对比不同方法的差异发现,加入了区域随机效应的分层贝叶斯方法和非线性混合模型法的拟合效果均优于未加入区域随机效应的贝叶斯方法和非线性最小二乘法。分层贝叶斯方法在拟合高山松单木生物量模型中具有更大优势,模型拟合效果最好。加入了随机效应的分层贝叶斯方法和非线性混合模型法可以提高单木生物量模型的估计精度,采用分层贝叶斯方法进行高山松单木生物量模型参数估测,为大尺度样本数据模型参数估测方法提供新思路。     

基于哑变量和因子选择的森林蓄积量估测研究

为提高森林蓄积量遥感估测精度,探讨哑变量技术在蓄积量遥感估测中的作用。以云南省普洱市思茅区为研究区,以Landsat 8 OLI和93块森林资源二类调查角规控制样地数据为基础,使用随机森林（random forest）算法进行遥感变量因子的选择,并以龄组为哑变量分别构建基于哑变量的SVR和PLSR蓄积量估测模型,采用留一交叉验证对结果进行评估。结果表明,使用随机森林算法进行变量的选择有效减少了自变量的维度,提高了计算效率;其次,哑变量引入后,PLSR和SVR 2种回归模型的估测精度都比无哑变量方法有明显的提高,且SVR的估测结果优于PLSR;在引入哑变量后SVR模型的决定系数R²由0.59提高到0.68,相对均方根误差rRMSE由36.76%降低至32.97%,PLSR模型的决定系数R²由0.53提高到0.62,相对均方根误差rRMSE由39.41%降低至35.24%。在森林蓄积量的遥感估测中,哑变量技术的应用可以在一定程度上解决不同蓄积量大小对估测结果造成的影响,进而提高蓄积量的估测精度。     

千金子对水稻生长的影响及其经济阈值

【目的】千金子是直播稻田的恶性杂草,严重危害水稻生长发育,降低水稻产量。研究直播稻田千金子对水稻生长的影响及其经济阈值,为制定稻田千金子的防治指标和措施提供科学依据。【方法】在大田条件下,采用添加系列试验法研究不同密度千金子（0、1、3、6、9、12、15、18和21株/m²）对直播中稻和双季早、晚稻生长和产量的影响,采用模型拟合法研究不同密度千金子与水稻产量构成因子及其损失率间的函数关系,依据经济危害允许水平（EIL）公式推导不同类型稻田千金子的防治经济阈值。【结果】直播水稻在千金子的竞争干扰下,植株的株高、分蘖数、有效穗数、每穗实粒数、千粒重及产量均随千金子密度的增加而逐渐降低。与无千金子对照比较,在千金子密度为21株/m²时,早稻、中稻和晚稻株高分别下降11.73%、4.80%和7.82%,分蘖力分别下降22.08%、29.67%和19.22%,有效穗数分别下降12.00%、25.57%和21.43%,每穗实粒数分别下降13.28%、15.07%和14.82%,千粒重分别下降12.11%、11.99%和7.03%,从而导致产量分别降低39.22%、44.36%和37.80%。采用二次曲线函数y=ax²+bx+c可较好地拟合千金子密度与早稻（y=-0.0037x²-0.1389x+57.2631,P＜0.001）、中稻（y=-0.0007x²-0.0816x+77.0617,P＜0.001）和晚稻（y=-0.0006x²-0.2032x+78.0150,P＜0.001）株高的关系,与早稻（y=0.0229x²-3.5944x+331.5809,P＜0.001）、中稻（y=-0.0529x²-5.3734x+464.9348,P＜0.001）和晚稻（y=0.0302x²-3.7612x +399.7899,P＜0.001）分蘖力的关系,以及与早稻（y=-0.0259x²-1.3288x+282.2607,P＜0.001）、中稻（y=0.0208x²-4.9362x +366.0443,P＜0.001）和晚稻（y =0.0412x²-3.6170x+326.3593,P＜0.001）有效穗数的关系;而采用对数函数y=alnx+b可较好地拟合千金子密度与早稻（y=-2.8309lnx+87.8309,P＜0.001）每穗实粒数的关系,二次曲线函y=ax²+bx+c可较好地拟合中稻（y=0.0434x²-1.6046x+94.9940,P＜0.001）和晚稻（y=0.0084x²-0.8042x+93.7427,P＜0.001）每穗实粒数的关系。同时,采用二次曲线函数y=ax²+bx+c还可较好地拟合千金子密度与早稻（y=0.0051x²-0.2633x+27.1196,P＜0.001）、中稻（y=-0.0003x²-0.1312x+25.7605,P＜0.001）和晚稻（y=-0.0022x²-0.0335x+26.0215,P＜0.001）千粒重的关系,以及与早稻（y=2.1426x²-144.7765x+6674.9628,P＜0.001）、中稻（y=5.3452x²-298.2884x+8933.8063,P＜0.001）和晚稻（y=1.4743x²-156.4516x+7906.4028,P＜0.001）产量的关系;而早稻、中稻和晚稻产量损失与千金子密度之间的关系分别以幂函数y= 8.6313x^0.4757（P＜0.001）、y=2.5916x^0.9722（P＜0.001）和y=4.6306x^0.6864（P＜0.001）拟合的效果最佳。在早稻、中稻和晚稻产量水平分别为7 500、9 750和8 625 kg·hm^-2时, 人工防除千金子的经济危害允许水平分别为12.73%、8.80%和10.07%,经济阈值分别为2.26、3.52和3.56株/m²;使用氰氟草酯和嗪草酮进行化学除草时,早稻、中稻和晚稻的经济危害允许水平分别为2.26%-2.72%、1.56%-1.88%和1.77%-2.12%,经济阈值分别为0.06-0.09、0.59-0.72和0.25-0.32株/m²。【结论】千金子对水稻的抑制效应与其密度呈正相关,早稻、中稻和晚稻间存在差异;通过对经济阈值分析,化学药剂防治千金子的经济阈值表现为早稻＜晚稻＜中稻。     

福建将乐灌木生物量模型研究

以实测数据为基础,采用模型法分析了福建将乐林场粗叶榕、檵木、厚叶冬青、建润楠4种灌木生物量与地径（D）、株高（H）、冠幅（C）、植冠面积（A）、DH、D²H的相关性。结果表明,以DH、D²H为参数构建的w=a+b(DH)+c(DH)²+d(DH)³和W=a+b(D²H)+c(D²H)²+d(D²H)³模型方程能更好地描述灌木的生物量与各形态因子的相关关系;同时,拟合灌木层混合生物量模型,其整株生物量模型为W_总=35.4+4.19×10^-2(DH)+2.03×10^-3(DH)²+1.08×10^-6(DH)³(R=0.921,SEE=0.921)。     

基于热暗点植被指数的马尾松林叶面积指数反演分析

为了减少单一角度卫星遥感与传统植被指数在LAI反演过程中的误差，提升马尾松林LAI反演精度，以福建省龙岩市长汀县河田镇马尾松林为研究对象，获取多角度无人机影像和马尾松林LAI实测数据。根据研究区不同波段热暗点指数、植被指数与实测LAI的相关关系，优化热暗点植被指数构建马尾松林LAI反演模型。结果表明，基于红光波段反射率计算的热暗点比值指数HDRI-r（R²=0.398）是研究区马尾松林LAI反演的重要辅助参数；将HDRI-r引入表征研究区冠层结构的传统植被指数NDVI、GNDVI、RVI、MSAVI、NRI、SIPI、VARI，构建的热暗点植被指数NHDRI与实测马尾松林LAI相关性最高，R²为0.406 5；引入热暗点信息的植被指数（NHDRI、GNHDRI、RHDRI、MSAHDRI、NRHDRI、SIPHDRI、VAHDRI）与实测LAI的拟合R²均>0.37，相较于对应的传统植被指数，R²分别提高了82%、333%、295%、161%、1 409%、380%、192%，热暗点信息与传统植被指数的结合能够缓解植被冠层光饱和现象，有效提高马尾松林LAI反演精度；研究区马尾松林LAI范围为0.11~4.28 m²/m²，总体水平偏低，与当地马尾松林以枝叶稀疏、矮小的“老头松”为主的实际情况相符。     

基于单木水平和林分水平的油松兼容性生长模型

以油松林分为研究对象,基于北京市一类连续清查数据161块油松林分2期固定样地,建立单木水平和林分水平模型,利用组合预测法把油松单木水平模型和林分水平模型组合起来,用最优加权法计算单木水平和林分水平的权重系数,最后用3项数学指标M_AD、R_MSE、R²评估模型的预测效果。结果表明,所建的单木水平、林分水平和组合水平模型的预测效果均较好,经过分析比较,组合预测法预测油松断面积、蓄积量生长模型的精度高于单木水平和林分水平预测的精度。组合预测法所建立的模型结合了单木水平、林分水平模型的优点,提高了油松林分生长预测模型的兼容性,保障了油松林分生长模型预测结果的一致性,也可以用来预测下一期油松林分断面积、蓄积量生长规律。     

基于地统计模型的林分蓄积量空间异质性研究

基于云南省昭通市大关县天星镇林分二调数据，以林分蓄积量作为因变量，将郁闭度、平均胸径、平均海拔和坡度作为自变量，采用最小二乘法模型(OLS)和地理加权回归模型(GWR),对林分蓄积量的空间效应进行分析。结果表明：1)距离在6 075 m以内，林分蓄积量在总体上呈现出显著的空间自相关性，且随距离的增大自相关性逐渐减小最后趋于稳定；2)随着间隔距离的增加，基台值逐渐减小，块金值逐渐增加，在距离达到6 075 m时趋于稳定；3)平均胸径、郁闭度和平均海拔与林分蓄积量呈现出正相关性，而坡度与林分蓄积量具有负相关性；4)GWR模型的R²(0.73)和预测精度P(0.60)均大于OLS模型R²(0.34)和预测精度P(0.54)。林分蓄积量在空间尺度上具有异质性，且GWR模型能很好地描述林分蓄积量的空间异质性，采用合理的经营方式以促进林木胸径、郁闭度的生长，同时考虑海拔和坡度的影响，从而促进林分蓄积量的增长。     

不同生长势杉木成熟林胸径-树高生长曲线研究

旨在研究福建省将乐县国有林场地区不同生长势杉木成熟林胸径-树高状况,以福建将乐国有林场不同生长势杉木成熟林为研究对象,采用树干解析的方法获取杉木优势木、中庸木和被压木的胸径-树高实测数据,利用SPSS 19.0拟合3种不同生长势杉木成熟林的胸径-树高模型。建立杉木优势木树高的幂函数模型,ln(H)=0.891×D^0.376;杉木中庸木树高的幂函数模型,ln(H)=0.669×D^0.504;杉木被压木树高的幂函数模型,ln(H)=0.643×D^0.542。结果表明,3种非线性回归模型的判定系数R²都>0.910,D_1.3能够很好解释各器官树高。对指导将乐地区杉木营林生产提供了疏伐选木的依据和抚育采伐开始及采伐强度的信息。     

巴氏杀菌乳中金黄色葡萄球菌的生长预测模型构建

巴氏杀菌乳中金黄色葡萄球菌污染可能会产生肠毒素,对人体健康造成危害。分别监测在4、10、16、20、24、28 ℃储藏条件下金黄色葡萄球菌在巴氏杀菌乳中的生长数据,采用Modified Gompertz模型、Logistic模型、Huang模型和Baranyi模型构建金黄色葡萄球菌动力学一级模型,采用平方根模型和Arrhenius模型建立二级模型以描述温度与相对最大生长速率(μ_max)的关系。结果显示,各温度下Modified Gompertz模型的拟合度更优,决定系数(R²)>0.98,均方根误差(RMSE)<4.6,为最合适的一级模型。二级模型中,Arrhenius模型的拟合度更优(R²=0.99,RMSE=0.60)。相较于平方根模型,外部验证显示Arrhenius模型的精确度因子(A_f)和偏差因子(B_f)分别为1.39和0.87,较接近于1,说明预测效果更好。研究结果可为巴氏杀菌乳中金黄色葡萄球菌的风险评估提供数据基础,为乳品货架安全期预测提供科学依据。