结合地统计学与Landsat 8影像的乔木林地上碳储量估算

【目的】探究Landsat 8多光谱影像结合地统计学方法估算乔木林地上碳储量的可行性和适用性,为应用Landsat 8多光谱影像结合地统计学方法估算区域森林参数提供参考。【方法】以浙江省内的一景Landsat 8多光谱影像覆盖的范围为研究区,以乔木林地上碳储量为研究对象。通过外业调查获取专项调查数据,并采用生物量转换因子和树种含碳率参数,计算得到乔木林地上碳储量数据。基于Landsat 8多光谱影像和DEM数据,提取植被指数、纹理特征、主成分变换因子、缨帽变换因子和地形因子,采用皮尔森相关系数法和方差膨胀因子法对这些因子进行优选,生成用于建模的自变量集。分别采用稳健估计和协同克里格插值法构建乔木林地上碳储量模型,并对所构建的模型精度进行对比分析。【结果】本实验所提取的因子经皮尔森相关系数法筛选后,得到22个自变量因子,经方差膨胀因子法优选后,共有7个自变量因子(比值植被指数、非线性植被指数、海拔、第2波段的平均值纹理、第4波段的相关性纹理、第7波段的平均值纹理、第7波段的方差纹理)用于建模。协同克里格插值法构建模型的决定系数(R2)为0.45、均方根误差(RMSE)为9.88 t·hm-2、平均绝对偏差(MAE)为7.75 t·hm-2、总预报偏差的相对误差(RE)为0.24%,其拟合精度优于稳健估计法(R2=0.42,RMSE=10.15t·hm-2,MAE=8.03 t·hm-2,RE=0.27%)。本文所采用的皮尔森相关系数法结合方差膨胀因子法可有效地考虑变量间的相关性及共线性问题,可以在一定程度上提高所构建模型的稳定性,所采用的协同克里格插值法考虑了变量的空间分布特征,与传统的统计模型相比具有较好的应用优势。【结论】本研究为应用Landsat 8多光谱影像结合协同克里格插值法快速估算森林碳储量及其他森林参数提供了新的途径。     

思茅松天然林乔木生物量空间分异研究

以景谷县思茅松天然乔木林为研究对象,以2006年森林资源二类调查数据和DEM为信息源,在前期实测120株思茅松单木生物量建立思茅松单木生物量估测模型基础上,对研究区思茅松天然林乔木生物量的空间分异特征进行分析。研究结果表明:思茅松单木生物量模型以幂函数模型精度最高,决定系数R2=0.952 8,估测精度p=85.4%,均方根误差RMSE=14.81kg,可用来进行思茅松天然林生物量估测;在空间分异上,研究区思茅松天然林乔木生物量集中分布于海拔1 000~2 000 m,在海拔1 500~2 000 m时生物量密度最大,为73.33 t/hm2;坡度对生物量影响主要集中在陡坡、缓坡和斜坡上,其中,在急坡上生物量密度达到最大,为76.17 t/hm2;生物量在各个坡向上的分布相对较均匀,生物量密度在阴坡上最大,为74.13 t/hm2,在阳坡上最小,为70.42 t/hm2。     

基于随机森林回归模型的思茅松人工林生物量遥感估测

以云南省景谷县思茅松人工林为研究对象,以研究区2005年TM影像及2006年森林资源二类调查小班空间属性数据库为信息源,在前期建立思茅松单木生物量模型基础上,在ENVI下提取9个植被指数作为备选自变量,建立研究区思茅松人工林随机森林回归遥感估测模型。结果表明:随机森林回归遥感估测模型的决定系数(R2)=0.97,均方根误差(RMSE)=4.97;模型的预估精度(P)=87.67%。利用已经训练好的随机森林估测模型,估测研究区思茅松人工林生物量为3 644 612.00t;单位面积生物量为59.90 t/hm2。研究结果可为其它典型森林类型生物量或碳储量估测提供案例分析。     

基于BP神经网络模型思茅松天然林生物量遥感估测

以普洱市思茅松天然林为研究对象,以Landsat8 TM影像和DEM(30 m)数据为信息源,结合2006年森林资源二类调查小班数据和2012至2013年样地实测数据,在ENVI下提取14个自变量备选因子(11个遥感因子、3个地形因子),在MATLAB平台下利用BP神经网络模型建立研究区思茅松天然林生物量估测模型。结果表明,利用优选训练算法Ploak-Ribiere,隐含层节点数为9时效果最佳,得到决定系数R2=0.85,均方误差RMSE=14 t/hm2,预估精度P=74.75%。以像元为单位,分块提取思茅松对应的自变量,利用估测模型得到普洱市思茅松天然林总生物量为62 185 871.9 t,单位面积生物量为51.06 t/hm2。     

浙江舟山地区马尾松地上生物量模型研究

基于浙江舟山地区马尾松标准地的调查和几种常用的树木单株生物量估测模型,选择单个因子和多因子组合,分别对马尾松地上总生物量、树干生物量、树枝生物量和树叶生物量进行建模,并对各种模型进行误差分析,从中挑选最优的估测模型,可以在一定精度保证下,用于该地区马尾松生物量估测。     

马尾松成熟林单木生物量模型研究

基于福建省漳平市马尾松人工成熟林标准地调查和生物量测定,应用几种常用的单木生物量估测方程,建立马尾松各组份生物量模型,并对模型进行拟合优度与误差分析,从中选用最优估测模型。为科学经营马尾松人工林,最大限度提高经济效益提供理论依据。     

江西省不同立地等级的马尾松林生物量估计和不确定性度量

【目的】选择适合的单木地上生物量异速生长模型形式,获得区域尺度马尾松林生物量及其误差在不同立地等级下的估计,为精准估计不同立地质量的森林生物量提供技术支持,进而为森林立地生产力估计提供参考。【方法】在马尾松林3种单木生物量模型g_i=aD_i~b+ε[式(1)]、gi=a(D_i~2H_i)~b+ε[式(2)]、g_i=aD_i~bH_i~c+ε[式(3)]形式下(式中:g_i为单木生物量,D_i为单木胸径,H_i为单木树高,a、b、c为估计参数,ε为残差),运用优势木树高分级法对我国江西省马尾松林占优势的样地进行立地质量分级,采用蒙特卡洛模拟法估计3种模型形式下不同立地质量的单位面积生物量均值和不确定性。【结果】1)3种生物量模型形式的决定系数(R~2)及调整决定系数(R_(adj)~2)均达到0.95以上,拟合效果良好。从综合平均偏差、平均绝对偏差及均方根误差来看,式(3)模型较优。2)用优势木树高等级代替立地等级,利用树高分级法建立优势木树高-胸径模型,曲线的R2为0.907,平均偏差为0.001,平均绝对偏差为0.559,均方根误差为0.027,模型拟合效果良好。相同立地等级的样地成片分布,相对集中,每一立地等级的样地在江西省全境范围内均有分布。3)采用蒙特卡洛法对马尾松不同立地等级下的3种单木地上生物量模型估计结果及误差进行10 000次模拟后,马尾松地上生物量均值和误差的估计结果均达到稳定。在同一单木生物量模型形式下,不同立地等级的地上生物量均值估计结果随着立地等级的升高而增大;相对误差估计值在中间立地等级(3级)时最小,并有随着立地等级升高或降低而增大的趋势。相同立地等级下,3种模型地上生物量均值估计结果为式(1)式(3)式(2);绝对误差和相对误差估计结果为式(2)式(3)式(1)。【结论】1)区域尺度下的3种马尾松单木地上生物量模型从评价指标来看式(3)最好;从生物量估计误差结果相比较,3种模型的估计效果为式(2)好于式(3)好于式(1),带有树高因子的式(2)和式(3)的相对误差较式(1)更小。2)不同立地条件下,立地质量越接近平均水平,单位面积生物量均值估计的相对误差越小。3)结合优势木树高分级对立地等级进行划分,采用蒙特卡洛模拟法对不同立地等级下的生物量均值和误差进行估计,可以得到生物量及估计误差在不同立地条件下的分布。     

基于RBF组合模型的山地红壤有机质含量光谱估测

【目的】探讨组合模型在山地红壤有机质含量高光谱估算中应用的可行性,以期为土壤有机质含量估测提供基础数据和科学依据。【方法】基于山地红壤光谱的全波段(400~2 450 nm)研究范围,选择偏最小二乘回归(PLSR)、BP神经网络(BP)和支持向量机回归分析(SVMR)3种单一高光谱估测模型,分别获得预测结果,并重构预测结果数据,以绝对误差和最小为目标,计算固定权重与不固定权重两种组合模型的权重值,并基于径向基函数(RBF)神经网络法建立组合模型,探讨不同赋权方法与是否重构数据条件下的最优组合模型。通过均方根误差(RMSE)、预测偏差比(RPD)和决定系数(R2)评价山地红壤有机质含量的预测精度。【结果】单一预测模型中的SVMR估测精度最高,验证决定系数(R2)为0.64,均方根误差为9.76 g·kg-1,测定值标准差与标准预测误差的比值为1.67;在组合模型数据不重构的条件下,不定权组合模型要优于定权组合模型;在组合模型数据重构的条件下,定权组合模型要略优于不定权组合模型,估测精度相差不大;最优模型是数据重构定权组合模型,模型验证决定系数(R2)为0.87,均方根误差为7.91 g·kg-1,测定值标准差与标准预测误差的比值为2.06;组合模型验证精度优于单一模型,说明利用RBF组合模型估算山地红壤有机质含量是可行的。【结论】对山地红壤有机质含量的快速估测而言,单一模型具有操作简单、运算速度快等特点,因而具有较大应用价值,但组合模型能较大限度地利用各种预测样本信息,从而能有效减少应用单一模型时所受随机因素的影响,从而提高山地红壤有机质含量的估测精度。     

基于多距离度量kNN模型的森林蓄积量反演

【目的】森林蓄积量是衡量森林质量和生长状况的重要指标。利用遥感技术进行森林蓄积量反演相比传统的森林调查能显著提高森林资源调查效率,对快速获取区域范围森林生长状况,进行高效的资源利用和森林经营管理具有重要意义。【方法】以陕西韩城市为研究区,利用森林资源二类调查数据库提取森林蓄积量实测数据,结合Sentinel-2遥感影像进行森林蓄积量反演。通过线性逐步回归法和重要性评价法分别进行变量筛选,构建多元线性回归模型、支持向量机模型、随机森林模型和基于欧式距离、曼哈顿距离和马氏距离构建的kNN模型进行森林蓄积量估测,通过精度评价比较最终选择估测精度最高的模型进行研究区森林蓄积量反演。【结果】1）马氏距离是最适合构建kNN模型的距离度量。基于马氏距离构建的kNN模型在所有模型中实现了最高的估测精度,决定系数R2为0.66,均方根误差RMSE为10.02 m3/hm2,均方根误差相比随机森林模型、支持向量机模型和多元线性回归分别下降了3.9%、7.8%和29.9%;2）非参数模型在森林蓄积量估测中的精度显著优于参数模型。基于马氏距离构建的kNN模型、随机森林模型、支持向量机模型均方根误差相比多元线性...     

蔡家川流域人工刺槐生物量模型的构建与比较

利用蔡家川流域不同立地条件下48株刺槐样木生物量的实测数据,以胸径、树高、冠幅、冠长及胸径、树高的复合因子为自变量,构建生物量异速生长模型、多元线性模型和相容性生物量模型。采用决定系数(R²)、均方根误差(RMSE)、估计标准误差(SEE)、总相对误差(TRE)、平均相对误差(ARE)和平均百分比误差(MPE)等6个指标对模型进行拟合度和精确度的检验。结果表明:以胸径(DB H)、树高(h)的复合因子构建的生物量模型估测效果较好。3种模型的检验指标均在可接受的范围内,均适用于蔡家川流域刺槐生物量的预测。其中,多元线性模型对树枝、树叶生物量预测效果最佳,预测精度为90.11%和89.72%;相容性生物量模型对总树干、根系和总生物量的预测精度高达91.38%、90.83%、93.90%,并且解决了各器官生物量与总生物量的相容性问题。构建的模型中,相容性生物量模型的估测效果最好,多元线性模型和生物量异速生长模型次之。     

福建省马尾松人工林林分相容性生物量模型研究

以福建省不同树龄、不同立地和不同密度的马尾松人工林为研究对象,设置18块标准地,实测标准木84株;利用SPSS统计分析软件,分别对马尾松人工林林木各分量的生物量进行建模,采用分级控制、比例分配的方法,构建了各分量的相容性生物量模型,并对各种模型进行误差分析,从中挑选最优的估测模型。结果表明:所构造的相容性生物量模型解决了各分量独立模型存在的各分量估计值与总量估计值不等的缺陷,预估精度都高于85%,可用于福建省马尾松人工林林分生物量估测。     

基于地理加权回归模型的思茅松生物量遥感估测

通过调查云南省景谷县思茅松林120株单木数据,构建思茅松单木生物量模型。结合2005年景谷县TM影像数据及2006年森林资源二类调查小班数据,采用普通最小二乘模型(OLS)和地理加权回归模型(GWR)的方法构建思茅松生物量遥感估测模型。结果表明:地理加权回归模型比普通最小二乘模型具有更好的拟合效果,其决定系数(R2)显著高于OLS模型,Akaike信息指数(AIC)相比降低7.832;两种模型通过独立样本检验可以看出,模型预估精度从OLS模型的72.70%提高至GWR模型的75.06%;通过GWR模型反演计算,研究区内思茅松林单位面积生物量为49.02t/hm~2,比实测数据低1.229%,与实测数据基本吻合,且估算误差优于OLS模型;基于GWR模型估算的景谷县思茅松林总生物量为2.101×107t。可见基于地理加权回归方法估测森林地上生物量的方法是有效的,能提高森林生物量遥感估测模型的拟合和预估精度,可以用于思茅松林的生物量的遥感估算。     

基于Landsat8影像的汝城县森林地上生物量遥感估算研究

精确估测森林生物量是分析森林碳动态和碳循环的基础。本研究采用汝城县森林资源连续清查数据,结合Landsat 8遥感影像,分析了森林地上生物量的空间自相关和空间异质性,并选取显著相关的植被指数因子,分别构建普通最小二乘模型、空间滞后模型以及地理加权回归模型,并绘制汝城县森林地上生物量的空间分布图。结果表明:通过对森林地上生物量的空间效应分析,发现样地生物量的空间自相关和空间异质性不容忽视。与普通最小二乘回归相比,空间滞后模型和地理加权回归模型可以减少空间效应对森林地上生物量估测的影响。地理加权回归模型可以最大程度地减少过高或过低估计,估测森林地上生物量的精度最高,决定系数达到0.756,均方根误差和平均相对误差最小,分别为17.288 t·hm~(-2)和-8.542%。因此使用Landsat 8遥感影像结合地理加权回归方法在改善森林地上生物量的估测中具有巨大潜力。     

基于Sentinel-1A和Landsat 8数据的区域森林生物量反演

【目的】结合主被动遥感数据,为基于不同遥感数据源、建模算法的亚热带森林生物量建模分析提供新思路。【方法】以湖南省郴州市桂东县2014年Landsat 8 OLI影像、2014年Sentine-1A影像、2014年43块森林资源连续清查固定样地数据为主要信息源,借助于ENVI、SNAP、R等软件,分别采用主动式遥感(Sentinel-1A数据)、被动式遥感(Landsat 8 OLI数据)、主被动相结合(Sentinel-1A数据结合Landsat 8 OLI数据)3种数据集和多元线性回归、随机森林、人工神经网络、袋装算法等4种模型,进行区域森林地上生物量特征变量选取、参数建模、模型精度评价、生物量空间制图。【结果】1)在特征变量选择上,红波段(B4)、红外波段(B5)反射率及纹理特征,归一化植被指数(NDVI),交叉极化(VH)后向散射系数及其纹理特征,在森林生物量反演中具有重要作用;2)4种遥感估测模型精度比较分析表明,无论是单一数据源还是二者结合,随机森林算法预测精度最高,人工神经网络、袋装算法次之,多元线性回归最低;3)3种不同数据源的遥感估测综合精度,按照由高到低的顺序排列,主被动结合被动式遥感主动式遥感;4)桂东县森林生物量平均值为53.68 t/hm2,生物量高( 90 t/hm2)的林分面积比例只有16.03%,主要分布在海拔较高、坡度较陡的东南、西南部。【结论】Sentinel-1A和Landsat 8数据的结合在估测森林生物量方面具有重要作用。     

杉木单木和林分水平地下生物量模型的构建

【目的】利用一重样本和二重样本,构建单木地下生物量模型,比较抽样形式对单木模型的影响;在杉木主要分布区进行区域尺度扩展方法比较研究,探索不同形式林分模型的优劣,为在林分水平上估算地下生物量提供科学依据。【方法】以278株杉木地上生物量实测样本为一重样本,以其中88株有地下生物量的样本为二重样本,在只利用二重样本和两重样本相结合2种情况下,分独立模型、仅利用二重样本的兼容性模型和两重样本相结合的兼容性模型,构建3种单木地下生物量模型;分基于林分因子的地下生物量模型、固定根茎比模型和基于林分因子的根茎比模型,构建3种林分水平地下生物量模型,分别进行地下生物量从单木尺度向林分尺度的扩展。采用决定系数(R2)、均方根误差(RMSE)、平均系统误差(ASE)、平均相对误差绝对值(RMA)、总相对误差(TRE)以及平均预估精度(MPE)对模型拟合结果进行分析与评价,并对模型在三省的拟合参数以及与样本量的关系进行分析,同时与IPCC的根茎比模型的方法和参数进行比较。【结果】3种类型的单木模型拟合效果基本相同,决定系数(R2)均达到0.95以上,两重样本相结合的兼容模型取得了最优拟合效果;在区域尺度扩展时,基于林分因子的根茎比模型拟合效果明显优于固定根茎比模型(R2提高0.04~0.08,RMSE每公顷降低1 t左右);基于林分因子的地下生物量模型的拟合精度优于固定根茎比模型,但弱于基于林分因子的根茎比模型;地下生物量估测误差在三省之间表现出地域差异性,同一套方法在不同地区进行估计时无一致性规律。【结论】两重样本相结合的方法可提高单木地下生物量模型的拟合精度;增加林分调查因子能显著提高林分模型的拟合效果。固定根茎比模型形式简单,使用方便,在进行地下生物量大尺度扩展时可以取得较好效果。研究结果有助于单木地下生物量最优模型的筛选、构建,可为单木模型区域尺度扩展提供准确、科学的方法。     

湖南省马尾松相对树高曲线模型研建

基于湖南省主要树种模型研建项目中50块马尾松样地的每木胸径和树高实测数据，经数据预处理后，构建了马尾松固定参数相对树高曲线模型和可变参数相对树高曲线模型。基于构建的树高曲线模型，计算林木材积和样地蓄积，并以二元材积公式计算蓄积作为真值，将基于树高曲线模型计算的蓄积、二元材积公式计算蓄积和一元材积公式计算蓄积进行对比。结果表明：固定参数和可变参数相对树高曲线模型的决定系数分别为0.844和0.857,体现了较好的拟合精度；两种方法统计的总体蓄积相对误差均在5%以内，满足林业行业标准要求的允许误差范围；分径级组或分起源统计样地蓄积相对误差，相对树高曲线模型均较一元材积公式表现出更高的精度，能有效避免产生较大偏差。构建的马尾松相对树高曲线模型能应用于生产实践。     

顺昌县马尾松生物量遥感估测

以顺昌县马尾松为研究对象,通过样地选择和样木调查,结合遥感及其相关数学集成技术,引进材积因子,建立马尾松地上部分总的生物量与材积的相关关系模型。在此基础上,运用ERDAS建模功能将生物量模型与马尾松遥感蓄积估测图叠加生成顺昌县马尾松生物量估测图,并根据属性表统计了顺昌县马尾松生物量。     

基于Landsat5 TM遥感影像估算江山市公益林生物量

本研究基于Landsat5 TM遥感影像数据和样地调查数据,利用多元逐步回归、偏最小二乘回归和随机森林回归3种方法,建立江山市公益林生物量估算模型,分析和比较3种模型的精度结果,探究随机森林回归模型在估算生物量方面的应用,为提高估算森林生物量的精度提供参考。结果表明,多元逐步回归模型的预测精度为58.31%、均方根误差为31.02 t/hm2,偏最小二乘回归模型分别为60.84%、30.72 t/hm2,随机森林回归模型为70.02%,22.18 t/hm2。由此可得,随机森林回归模型的预测精度优于其他2种模型,随机森林算法能提高估算森林生物量的精度。     

基于近红外光谱波段优选的针叶木材基本密度估测模型的优化研究

【目的】木材基本密度在木材质量等级评定中具有重要作用,是木材分流及精细化利用的重要依据。【方法】以东北林区典型针叶树种为研究对象,结合近红外光谱技术,构建红松、落叶松、云冷杉木材基本密度近红外估测模型,分析比较了不同波段优选算法并进行了模型优化。研究采用竞争性自适应重加权法(CARS)、无信息变量消除法(UVE)和间隔偏最小二乘法(iPLS)对木材近红外光谱波段进行优化,基于卷积平滑算法对近红外光谱数据进行预处理,结合偏最小二乘法(PLS)建立针叶木材基本密度估测模型。依据相关系数(R)、均方根误差(RMSEC)等模型参数对模型效果进行评价,对比分析确定最佳波段优选方法,得到最优针叶木材基本密度近红外估测模型。【结果】利用CARS、UVE、i PLS的波段优化方法对近红外光谱波段的筛选,可以起到优化针叶木材基本密度模型的作用,减少参与建模的近红外光谱的波段变量数,明显提升模型的运算速度,使得模型准确度更高、稳定性更好;利用间隔偏最小二乘法结合偏最小二乘法(iPLS-PLS)进行波段优选的针叶木材基本密度模型效果最好,其模型校正相关系数为0.938 0,校正均方根误差为0.021 8,验证相关系数为0.8959,验证均方根误差为0.028 0。【结论】基于波段优选及模型优化构建东北林区典型针叶树种基本密度近红外估测模型,可以有效提高运算速度及估测精度,实现针叶材基本密度的快速、准确、无损估测,为针叶木材材性研究和森林培育提供了理论依据与技术支撑,有利于进一步实现木材的高效节约与精细化利用。     

广东省木荷碳密度及其不确定性估计

【目的】基于实测的广东省木荷地上和地下生物量数据及加权平均含碳率,建立单木地上、地下生物量模型,获得区域尺度木荷碳密度及其估计误差,为其他树种的区域尺度碳汇估计提供参考。【方法】参考广东省木荷分布数据,选择并伐倒90株木荷测定地上部分的含碳率和生物量,并从中抽取40株木荷测定地下部分的含碳率和生物量。分地上、地下部分构建生物量随胸径变化的异速模型,利用非线性回归拟合模型参数。基于广东省第八次森林资源连续清查数据,使用Monte Carlo模拟法分地上、地下部分估计区域尺度上木荷的碳密度。采用决定系数、均方根误差和平均预估误差评价单木生物量模型拟合效果,通过均方根误差和相对均方根误差度量区域碳密度估测的不确定性。【结果】广东省木荷地上部分含碳率为0554 9,地下部分含碳率为0548 7;建立的单木地上和地下生物量模型的决定系数分别为0909 8和0793 1,表明木荷单木生物量模型具有良好的拟合优度和预估精度;广东省第八次森林资源清查时的木荷地上碳密度为580±044 t·hm~(-2),不确定性占比762%,地下碳密度为173±017 t·hm~(-2),不确定性占比976%,总碳密度为753±054 t·hm~(-2),不确定性占比723%。【结论】广东省木荷地上和地下部分含碳率均大于南方地区的平均水平,有明显的地域特征。使用Monte Carlo方法可得到稳定可靠的区域尺度的碳密度,并可量化广东省木荷碳密度估计的不确定性。