基于优化k-NN模型的高山松地上生物量遥感估测

针对传统k-最近邻法（k-nearest neighbor,k-NN）在搜索最近邻单元时赋予特征变量相等的权重,缺少对特征变量加权优化等不足问题,在云南省香格里拉市,以高山松Pinus densata为研究对象,基于49块实测标准地,116株高山松样木和Landsat 8/OLI影像,在前期进行基于遗传算法（genetic algorithm,GA）优化的k-NN模型实现的基础上,对k-NN的3个参数（k,t和d）进行反复测试优化组合,在像元尺度上对研究区高山松地上生物量进行遥感估算。结果表明:基于遗传算法优化的k-NN模型精度优于传统的k-NN模型,优化前均方根误差为30.0 t·hm-2,偏差为-0.418 t·hm-2,相对标准误差百分比（R_MSE）为54.8%;优化后均方根误差为24.0 t·hm-2,偏差为-0.123 t·hm-2,R_MSE为43.7%。基于优化k-NN模型的研究区高山松地上生物量总储量估测结果为0.89×107 t。     

基于k-NN非参数模型的高山松生物量遥感估测研究

以香格里拉高山松为研究对象,Landsat8/OLI为信息源,在前期进行香格里拉市高山松遥感特征光谱提取的基础上,结合地面50个实测样地数据,建立了研究区高山松地上生物量k-最近邻法(k-NN)遥感估测模型。结果表明,采用欧式距离度量特征变量间的相似度,距离分解因子t、最近邻数k值分别取2和4的模型参数结构下拟合精度达到最佳,决定系数(R~2)为0.71,均方根误差(RMSE)为18.21 t/hm~2;基于像元尺度的优化模型估测得到香格里拉市的生物量约为0.22亿t,研究结果可为低纬度高海拔地区的森林生物量遥感估测提供案例。     

快速城市化地区城市森林景观破碎化的动态演变分析

【目的】综合分析城市森林景观破碎化的动态演变趋势,为快速城市化地区的城市总体规划、绿地系统规划、森林城市建设、城市可持续发展提供科学依据。【方法】基于广东省惠州市1990、2000、2010年Landsat TM/ETM+卫星影像,采用景观格局数量分析和转移矩阵从中心区、近郊区和远郊区3个梯度分析城市森林景观破碎化动态特征及演变。【结果】惠州市城市中心区斑块密度由1990年的0.08个·hm~(-2)增加到2010年的0.25个·hm~(-2),平均斑块面积由11.81 hm~2下降到3.92 hm~2;近郊区的斑块密度和平均斑块面积也呈相似的变化趋势,但2000—2010年间的变化相对较小,说明破碎化斑块逐步缩小;在远郊区,景观破碎化趋势较为缓慢,斑块密度由0.18个·hm~(-2)增加到0.30个·hm~(-2),再降至0.11个·hm~(-2),平均斑块面积由9.12 hm~2减小至3.51 hm~2。在1990—2000年期间,城市无序和快速的扩张,城市绿地的斑块数量增多,面积减小;但在2000—2010年期间,通过城市公园、人工荒山绿化、生态修复等人工绿地的有序建设,城市绿地斑块面积逐渐增大,斑块整合逐渐加强,景观破碎化程度逐步降低,表现出典型的逆破碎化趋势。【结论】人为有序和有规划的生态修复和重建可以有效地改善城市森林景观状态,提高城市森林覆盖率。     

基于NDVI像元二分模型的城市植被覆盖度分析——以焦作市为例

选取焦作市作为研究区,应用GIS与RS技术,以Landsat8和高空间分辨率影像为数据源,基于NDVI的像元二分模型对焦作市植被覆盖度进行估算分析,并在NDVI绿地提取的基础上,将研究区绿地进一步细分为草地、树林和农田,实现了城市绿地信息的精细提取,为城市绿地评价与分析提供科学依据,为城市绿地系统规划、优化植物群落结构、改善城市环境质量提供基础数据和决策支持。     

基于Landsat 8的深圳市森林碳储量遥感反演研究

以2014年Landsat 8遥感影像为数据源,研究了深圳市森林碳储量遥感反演模型的构建及其空间分布情况,对城市生态系统碳循环研究具有重要意义。采用分层随机抽样的方式布设168个样地,结合外业样地数据,从遥感影像中提取31个植被指数作为自变量,分别构建了多元线性回归模型、Logistic回归模型和Radical Basis Function(RBF)径向基函数神经网络模型,进而估算该地区的森林碳储量并比较分析。结果表明,RBF神经网络模型的估算精度最高,决定系数最大且均方根误差最小,分别为0.829t·hm~(-2)和9.131t·hm~(-2);Logistic回归模型估算精度次之,决定系数和均方根误差分别为0.523t·hm~(-2)和11.821t·hm~(-2);多元线性回归模型估算精度最低,决定系数最小,均方根误差最大,分别为0.438t·hm~(-2)和12.870t·hm~(-2)。可见,RBF神经网络模型能更好地模拟森林碳储量与各个因子之间的关系。研究区森林碳储量的空间分布特点表现为东南沿海部分碳储量大,中西部城市经济开发区碳储量小,与实际森林分布基本一致。     

桃江毛竹林生物量分布特征

以湖南桃江县不同年龄毛竹人工林为研究对象,探讨不同年龄毛竹林分生物量分布特征。结果表明,1年生、3年生和5年生不同年龄毛竹林分生物量分别为20.254、25.036t·hm~(-2)和55.685t·hm~(-2);毛竹林各组分生物量的大小顺序均表现为竿枝叶竹蔸竹鞭侧根须根,除竹鞭外,其他各组分生物量均表现出随年龄增长而增长的趋势;毛竹林地上部分生物量分别为17.787、22.159t·hm~(-2)与46.544t·hm~(-2),占林分总生物量的百分比分别为87.82%、88.51%与83.58%,属丰产林类型;地下部分生物量分别为2.467、2.877t·hm~(-2)与9.141t·hm~(-2),占林分总生物量百分比的12.18%、11.49%与16.42%。林下植被层生物量分别为6.522、4.325t·hm~(-2)与0.347t·hm~(-2),死地被物层分别为1.371、1.588t·hm~(-2)与1.731t·hm~(-2)。     

运用融合纹理和机载LiDAR特征模型估测森林地上生物量

针对区域尺度森林地上生物量的分布情况,以大兴安岭生态观测站为例,提出了一种融合光学影像纹理和机载LiDAR点云特征的森林地上生物量遥感估测方法。该方法首先提取Landsat 8 OLI不同波段在不同运算窗口下的纹理特征;然后对机载LiDAR点云进行滤波提取地面点,并利用地面点对点云数据进行高度归一化处理,提取点云特征因子;最后结合提取的遥感特征因子,利用支持向量回归的方法对研究区森林地上生物量进行估测,并对结果进行精度验证。结果表明:不同波段和窗口尺寸的建模精度差异较大,蓝光波段在7×7运算窗口下模型精度最高(R~2=0.73,R_(MSE)=22.32 t/hm~2);点云高度分位数变量的建模精度呈正态分布,变量H_(50)的建模精度最高(R~2=0.75,R_(MSE)=19.24 t/hm~2);与单一的遥感特征变量相比,融合光学影像纹理和机载LiDAR点云特征的模型精度有了一定提高,且针叶林和混交林的估测R_(MSE)分别为19.63和20.40 t/hm~2。因此,该方法可以为区域性的森林地上生物量估测提供有效参考。     

基于NDVI的巴音布鲁克天鹅湖高寒湿地地上生物量的反演

以巴音布鲁克天鹅湖高寒湿地为研究对象,基于Landsat 8 OLI多光谱遥感影像数据,提取植被指数(NDVI、EVI、RVI)信息,构建植被指数与地上生物量的回归模型,比较不同植被指数的拟合效果。结果表明,NDVI与地上生物量的相关性最高(r=0.778),显著大于EVI、RVI与地上生物量的相关性;二次多项式是NDVI与地上生物量构建的4种回归模型最优估测模型,决定系数R~2达到0.6619;巴音布鲁克天鹅湖高寒湿地2016年地上生物量的储量约为2.86×10~5 kg,地上生物量密度为10.25～444.99 g/m~2,均值为323.08±52.68 g/m~2。     

多元线性回归与神经网络模型在森林地上生物量遥感估测中的应用

利用遥感影像构建森林生物量估测模型,能够快速、实时估算区域森林生物量。采用吉水县TM影像以及森林资源调查固定样地数据,构建估算森林地上生物量的多元线性回归模型及BP神经网络模型,并对两种模型进行了比较。结果表明:两种模型对样地生物量的预测值大部分比实测值小,多元线性回归模型预测值与实测值的偏差幅度比BP神经网络模型更大,偏差幅度分别为-110.24~38.09 t·hm-2、-35.12~26.17 t·hm-2;多元线性回归模型与BP神经网络模型的决定系数(R2)分别为0.470和0.869,均方根误差(RMSE)分别为30.52和12.69 t·hm-2,预测精度分别为50.07%和71.65%。因此,运用BP神经网络模型估测森林地上生物量优于多元线性回归模型。     

六盘山叠叠沟华北落叶松人工林地上生物量的分配特征

生物量是评价森林生态系统结构与功能的重要指标,也反映了森林植被的生态适应性。在宁夏六盘山半干旱区的叠叠沟小流域,以当地优势林分华北落叶松人工林为对象,采用烘干法及生物量经验公式,调查了1个半阴坡和1个阴坡上共12个森林样地的地上植被生物量,分析了生物量的分配特征。结果表明:该流域内华北落叶松林地上生物量平均为59.20t·hm~(-2);阴坡林分地上生物量为63.49t·hm~(-2),较半阴坡高15.62%。在坡面上,生物量在坡中下部和下部最大,平均为71.75t·hm~(-2);其次是坡上部、中上部和坡脚,平均为58.08t·hm~(-2);最小的是坡顶,平均为37.45t·hm~(-2)。在垂直空间上,各层次生物量分配表现为:乔木层(67.95%)枯落物层(28.68%)草本层(2.62%)灌木层(0.75%),即乔木及枯落物(主要是难分解的松针)约占林分生物量的97%。乔木层不同径级林木的地上生物量分配呈正态分布,其中胸径为10~16cm的林木占比例最大,为60.19%,其次是径级16cm的林木(20.88%),最小的是径级10cm的林木(18.92%)。林木各器官的分配比例依次为:树干(56.51%)树枝(28.66%)树皮(11.58%)树叶(3.24%)。综上可知,该半干旱小流域内华北落叶松林生物量在阴坡居多,特别是坡中下部,这可能与降水及水分坡面分配格局有很大关系;冠层林木,特别是大径材林木贡献了林分生物量的绝大多数,而林下灌草及幼树生长较差,贡献极小,建议进行适当择伐,改善林分结构。