基于混合效应模型的迪庆云冷杉林地上生物量遥感估测

  目的  确定云冷杉林生物量光学遥感估测饱和值,探索提高生物量遥感估测精度。  方法  以云南省迪庆藏族自治州云冷杉林为研究对象,根据森林资源二类调查数据,结合同时期Landsat 8 OLI遥感影像,利用随机选取的小班样本数据提取遥感因子反射率统计值,并与生物量进行曲线拟合,求解云冷杉林生物量饱和值,建立云冷杉生物量回归估测模型、BP神经网络模型。同时基于回归模型构建考虑区域、龄组效应的单水平和嵌套两水平(区域+龄组)混合效应模型,反演研究区云冷杉林地上生物量。  结果  利用幂函数拟合得到迪庆藏族自治州云冷杉林生物量饱和值为233 t·hm?2;最优回归估测模型调整决定系数(R_a2)为0.606,高于BP神经网络模型的R_a2(0.542),各个效应水平混合模型的拟合精度与独立性检验指标均优于回归模型。考虑两水平的混合效应模型有最优的拟合精度,而考虑龄组效应水平的混合模型有最优的独立性检验指标。混合效应模型在低生物量段(＜100 t·hm?2)和高生物量段(＞233 t·hm?2)均显著降低了回归模型和BP神经网络模型的估测平均残差。  结论  混合效应模型有更宽的估测范围,在一定程度上减小低值高估与数据饱和造成的高值低估影响,提高了预估精度。图3表12参28     

宜良县云南松林生物量遥感估测方法研究

利用landsat5影像和通过蓄积量-生物量转换方法获得的样地生物量数据,从宜良县云南松林遥感特征、地形特征、郁闭度等方面选取自变量,采用随机森林回归和偏最小二乘法进行生物量遥感估测建模。结果表明:随机森林回归估测模型调整决定系数R2为0.881,模型估测精度为82.3%;偏最小二乘模型的调整决定系数R2为0.753,模型估测精度为78.43%。随机森林回归在模型拟合效果和检验精度上均优于偏最小二乘模型。     

基于非线性混合效应的高山松林生物量模型研究

以云南省香格里拉县的高山松林为研究对象,选取遥感因子与地形因子作为模型中的固定效应,并以幂函数模型为基础进行林分生物量基本模型的构建;采用混合效应模型技术,根据海拔高低把样地划分为6个区域,将区域效应作为随机效应,并在基础混合效应模型基础上考虑方差和协方差结构,构建林分生物量混合效应模型,以此估测高山松林分生物量。利用AIC、BIC和Log Lik 3个拟合指标评价模型的拟合效果,利用SRE、MRE和AMRE进行最终林分生物量混合效应模型的独立性检验。结果表明:从模型拟合结果看,考虑区域效应的混合效应模型的拟合效果明显高于基础模型,其AIC和BIC值最低,Log Lik达到最大;从模型独立性检验看,考虑区域效应的混合效应模型的绝对平均误差最小(AMRE=31.52%),精度达到77.83%。综合分析,混合效应模型可有效提高高山松林分生物量估测精度。     

基于多源遥感数据的森林生物量定量评价研究

以ALOS PALSAR L波段双极化FBD微波遥感数据及多光谱光学遥感数据AVNIR-2为基础,对数据进行预处理,利用地面云南松林样地坐标,提取HH、HV双极化后向散射系数及极化比值3个因子,结合光学遥感数据提取4个波段值及NDVI、RVI 2个植被指数,作为云南松林生物量估测因子。分别以微波数据、光学数据、微波及光学数据结合的多源遥感数据,建立3个云南松林生物量估测模型。结果表明:所建模型经方差分析均达到显著相关或极显著相关水平;PALSAR L波段双极化后向散射系数,可以反映森林生物量的变化,但反演精度有待进一步提高;AVNIR-2数据模型优于PALSAR L波段双极化数据模型;多源数据模型与光学数据模型的估测精度相近。     

资源三号遥感卫星影像的生物量反演研究

研究了北京市森林生物量遥感估测模型的构建和合理性判断。建立森林生物量模型所需的各种数据,包括2012年的资源三号卫星影像数据和实测样地调查数据。采用9格法提取的遥感影像信息,其中影像的纹理因子作为建模因子之一,与光谱因子、地形因子一起与实地样地数据建立生物量模型,进行生物量反演,通过精度分析,分别建立整个北京市针叶林和阔叶林的森林生物量反演模型,其相关系数分别为0.82、0.71,拟合估测精度分别为76.75%、80.02%,为提高林业调查的效率与精度提供一种方法。     

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。      

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%。     

基于树干解析的高山松天然林单木木材生物量生长模型

以云南省香格里拉市两块典型样地内的10株高山松样木为研究对象,基于树干解析测定和计算其单木木材生物量生长及木材生物量生长率,采用非线性混合效应模型技术,分别考虑了样地效应和样木效应,将所有不同随机参数组合的模型进行拟合并分析模型的方差和协方差结构,构建其生物量生长及生物量生长率混合效应模型。结果表明:考虑样地效应、样木效应作为随机效应的单水平混合效应模型和两水平混合效应模型均提高了模型的拟合精度,其中考虑两水平随机效应的混合效应模型具有最佳的拟合表现,具有最低的AIC和BIC值。考虑两水平混合效应在生物量生长量及生物量生长率模型构建中预估精度最高,分别达93.05%和89.83%;考虑样木效应的混合效应模型次之,分别为88.34%和88.74%;考虑样地效应的混合模型预估精度均最低,分别为83.99%和67.27%;而一般回归模型的预估精度仅87.00%和87.11%。     

香格里拉高山松天然林林分蓄积混合效应模型构建

以云南省香格里拉的高山松天然林为研究对象,构建林分蓄积的混合效应模型;引入林分、海拔等环境因子的影响,构建含环境因子的林分蓄积混合效应模型,所有模型均采用拟合指标和独立样本检验进行评价。结果表明:混合效应模型相对于一般回归模型在林分蓄积拟合中有较高较好的拟合效果;引入环境因子的混合效应模型的拟合效果比一般混合效应模型要好;其中,引入林分因子的混合效应模型拟合效果最好;从模型独立性检验来看,一般混合效应模型的预估精度最高,绝对平均相对误差最小;引入环境因子后,混合效应模型的总相对误差以及平均相对误差有所减小,其中又以引入林分因子的混合效应模型的误差最小,表现最佳;一般回归模型无论在误差方面还是在精度方面都与混合效应模型有很大差距。     

基于森林小班的香格里拉市高山松生物量遥感建模

以小班为研究单位,基于香格里拉市2006年TM影像、森林资源二类调查数据,利用随机选取的小班样地遥感因子平均值建立数据集,筛选出78个样地数据(60个训练数据和18个验证数据)及14个遥感因子,通过蓄积计算森林生物量,建立了基于遥感因子的高山松生物量估测的逐步回归模型和偏最小二乘模型。结果表明:逐步回归模型的精度(R=0.518、RMSE=34.265 t/hm~2、rRMSE=47.046%)要高于偏最小二乘模型的精度(R=0.514、RMSE=35.320t/hm~2、rRMSE=48.494%)。研究结果可为高海拔地区遥感生物量建模、生态环境保护与规划提供参考依据。     

基于不同立地质量的森林蓄积量遥感估测

森林蓄积量遥感估测在森林资源管理中具有十分重要的意义。以建德市为研究区,利用2007年TM遥感影像和2007年森林资源2类调查数据,对杉木树种分立地质量等级和不分地位等级2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3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。结果表明:以TM遥感影像主成分分析中第1主成分为自变量的模型拟合效果最好,相关系数R均在0.67以上,最高为0.868;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90.31%,分立地质量等级好、中、差3种类型总体的估测精度分别为96.1%、97.24%、95.56%,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。     

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。     

应用无人机可见光遥感技术估测林分蓄积量

以云南省富民县典型天然云南松(Pinus yunnanensis)纯林为研究对象,结合无人机影像获取和外业样地调查对林分蓄积量估测。结果表明：利用目视解译方法提取云南松单木冠幅,精度达72%;采用11种模型拟合得到云南松林分不同郁闭度的胸径-冠幅最优回归模型;3个郁闭度等级林分的平均蓄积量估测精度分别达53.12%、78.65%和81.16%。由此可见,中、高郁闭度林分的平均蓄积量估测精度较高,说明了无人机遥感估测林分蓄积量的可行性和适用性。     

气候对云南松林分生物量的影响研究

基于云南省森林资源连续清查数据和气象站点数据,以为云南松林为研究对象,利用13种基础模型对林分生物量生长进行拟合,选取最优模型引入气象因子,分析林分生物量与不同气象因子的相关性。结果表明:年平均降水量(MAP)和年平均日照时数(MASD)与云南松林分生物量的相关性不显著;年平均温度(MAT)和年平均生物学温度(BT)与云南松林分生物量存在极显著的负相关关系(P0.01);以决定系数(R2)和均方根误差(RMSE)为指标,选出最优模型为Gompertz模型,R2达到了0.461,RMSE为23.184 t/hm2;分别将MAT、WI、BT、HI气象因子引入最优模型后,模型RMSE和绝对平均相对误差(RMA)均有所降低,R2分别达到0.524、0.532、0.520、0.521;预估精度(P)分别达到73.349%、71.792%、72.863%、62.354%。因此引入气象因子将提高云南松林分生物量生长模型的拟合精度。     

红树林湿地地上生物量遥感估算研究进展

根据所采用遥感数据源不同,分别从基于光学遥感影像、微波数据及激光雷达数据等方面综述了红树林湿地地上生物量估测方法研究进展,提出了提高数据精度及采用融合多源遥感数据协同反演红树林湿地地上生物量是今后红树林湿地地上生物量遥感估测研究的热点。     

运用卫星遥感数据对杨树人工林生物量的估算

以Landsat 8(地球资源观测卫星8号)和GF-2(高分2号卫星)影像数据为基础,利用ENVI5.3软件对Landsat8和GF-2遥感影像进行相关预处理,提取反映杨树生物量信息的波段信息和植被指数,结合研究区实测样地胸高断面加权平均高,采用多元线性回归和多远逐步回归构建杨树生物量估算模型。结果表明:依据两种影像数据构建的杨树生物量估算模型决定系数(R~2)均大于0.7;GF-2影像数据构建的模型精度高于Landsat8影像数据构建的模型;引入样地胸高断面加权平均高后,模型精度都有所提高;GF-2影像数据结合样地胸高断面加权平均高,构建的杨树人工林生物量多元逐步回归估算模型最优,R~2达到0.891。     

西伯利亚落叶松天然林立木生物量估算模型研究

[目的]构建西伯利亚落叶松地上、地下及各组分器官的生物量估测模型.[方法]基于54株伐倒样木实测数据,运用相关回归分析方法,构建西伯利亚落叶松各组分生物量估测模型,并对比分析各种模型估测精度.[结果]以胸径、树高构建的落叶松各组分二元估测模型优于一元模型,其中地上、树干、树冠和树枝生物量预估精度提高了2.84; ～5.00;,而树叶和地下生物量仅提高了0.33;和0.15;.落叶松树干生物量和地上总生物量最优估测模型为W=aDbhc、树冠和树枝生物量最优模型为W=a(D3/H)b、树叶生物量最优模型为W=aDb;其中地上总生物量预估精度最高,达96.38;;树叶生物量预估最低,为84.07;;地下生物量以实测数据直接建模法与根茎比建模法对比,根茎比建模法预估精度高,其最优模型精度为90.50;.[结论]研究确定西伯利亚落叶松天然立木单株各组分生物量的最优估测模型,根据现地实测数据,可进行立木生物量估测,但人工落叶松立木生物量和天然落叶松不同林分的生物量估测还有待进一步研究.     

混合模型在福建省粗叶榕生物量模型中的应用

为建立粗叶榕灌木生物量的混合模型,精确估算灌木生物量,以福建省将乐县4种林分类型(杉木纯林、杉木马尾松混交林、马尾松纯林、毛竹林)的114组粗叶榕灌木生物量数据为基础,以粗叶榕各部分生物量(地上、地下、总生物量)为因变量,以地径、株高、冠幅等为自变量,从6种常用的灌木生物量模型中选择拟合精度最高的线性及非线性模型作为基础模型。以林分类型为随机效应,采用混合效应模型方法,建立粗叶榕的线性及非线性混合模型。利用幂函数、指数函数、常数加幂函数3种结构消除数据异方差对模型精度的影响。采用AIC、BIC和负2倍的对数似然值对模型进行精度比较,并用绝对平均误差、均方根误差和调整后的决定系数对模型进行检验。结果表明,考虑冠幅建立的非线性生物量模型拟合精度较高;以幂函数作为异方差结构建立的非线性混合模型在精度上有显著提高,检验数据显示地上、地下、总生物量模型的决定系数分别提高12.17%、21.01%、20.24%。利用混合模型,并考虑异方差结构建立的灌木生物量模型可以精确地预估粗叶榕的生物量。     

基于哑变量的云南松蓄积生长模型

为了解云南松林分蓄积生长规律,为更好的经营云南松林分提供理论依据,笔者基于云南省云南松一类清查数据,以Schumacher和Richards模型为基础模型,选取不同的林分密度指标,来拟合云南松林分蓄积生长模型,并在最优基础模型上引入哑变量,将不同林分类型合并,建立同时适用于间伐林分和未间伐林分的蓄积生长模型。结果表明:4个传统生长模型的模拟效果都较好,R~2和预估精度最高分别为0.971 6、96.79%,不同的林分密度指标对模型的预测效果有较大影响,且以选用林分断面积作为林分密度指标的Richards模型的预估效果最好,其预估精度为96.79%。在最优传统生长模型中引入哑变量后,模型的R~2和预估精度都比传统的生长模型稍高,分别达到0.973 0、96.84%。通过对模型的适应性检验,所建的哑变量模型的预估精度超过98%,且对间伐林分的拟合效果更佳,可以用来描述不同措施下云南省云南松林分的蓄积生长规律,也解决了不同类型林分合并建模不相容的问题。     

基于TM遥感影像丰宁县森林地上生物量估测研究

利用TM遥感数据以及同期获得的野外调查样地数据,研究了河北省丰宁满族自治县森林地上生物量的遥感估测技术。提取TM遥感影像6个波段反射率及DVI、NDVI、PVI、RVI、VI3、SLAVI和SAVI 7个植被指数,分析了森林样地地上生物量与各个因子间的关系,得出相关系数较小（均小于0.400）;因此采用Stepwise逐步回归法,建立了多元回归模型。结果表明,ρ2、ρ3、ρ4、ρ54波段反射率和有效叶面积植被指数（SLAVI）结合建立的多元回归模型,可用于森林生物量的遥感估测,估测的R2值达0.730,留一交叉验证均方根误差RMSE最小,达33.712。利用2008年的全覆盖TM影像,结合丰宁遥感分类图像,获得了丰宁县2008年森林地上生物量分布图,森林植被总生物量为1.805×107t。