基于3S的森林植被面积空间抽样方法

以辽宁省为例,应用中分辨率成像光谱仪影像(MODIS)数据进行森林信息提取,并选取森林面积为研究对象,采用网格单元作为抽样单元,应用随机、系统、分层的抽样方法对辽宁省森林面积进行抽样估算,在获得最优抽样方法的基础上进行第2阶段抽样,设计不同样本容量水平下的森林面积空间抽样方法试验。结果表明:以县森林面积覆盖百分比为分层标志的分层抽样方法抽样效率最高,在第2阶段抽样估算的8种样本容量水平下,当样本容量为8时,抽样精度达到95%,并且所需样本数量最少,达到了森林面积抽样精度要求。应用此方法能够减少森林资源调查成本和工作量,可以结合遥感、地理信息系统和全球定位系统技术(3S技术),进行大区域范围森林面积的监测。     

全国森林面积和森林蓄积年度出数方法探讨

基于全国第8次森林资源连续清查的41.5万个地面样地数据和全国林地利用保护规划的"一张图"成果数据,采用全国20×20 km2抽样框架设计系统抽样和分层抽样,探讨全国森林资源森林面积、森林蓄积年度出数的基本方法。研究结果表明:(1)虽然采用系统抽样计算得到全国森林面积抽样精度为97.5%,在精度要求之内,但对于各省来说,森林面积的抽样精度较差;(2)对比分析不同抽样方式结果,采用系统抽样和分层抽样的全国森林蓄积量出数的抽样精度均在95%以上,与第8次清查实际数相差低于3%以下,森林资源分布稀少或行政面积小的省精度相对较差。(3)满足国家出数并兼顾省级总体要求,在全国统一框架基础上,优化设计各省地面样地体系,全国共布设24 760个地面样地,约为现行体系样地数量的1/17,每省约为800个样地,大大减少现行体系的地面调查样地,能实现由5年出数向每年出数的转变。(4)全国森林蓄积分层抽样方法,与基于高分辨遥感影像的样地判读方式获取森林面积方法结合,可以实现森林面积和森林蓄积的年度出数,实现森林面积和森林蓄积的年度出数,能有效解决全国森林资源数据的时效性问题,是目前值得推荐使用的可行方法。     

基于多阶抽样的林地蓄积量估测方法1）--以三峡库区为例

利用多阶抽样与实地调查技术相结合的方法，对三峡库区的林地蓄积量进行估测，并分析这种方法的抽样精度。结果表明：基于多阶抽样的林地蓄积量监测方法所估测的活立木蓄积量，与三峡库区一、二类清查数据进行误差分析，总体精度分别达到99．52％、94．19％，估计精度为87．16％，这种估测方法具有较好的总体精度和稳定性。     

依据多种抽样技术对二类调查蓄积量精度控制及比较

森林资源总蓄积量和平均每公顷蓄积量估计是森林资源二类调查的主要内容。为了准确反映森林资源二类小班调查的精度,通常采用不同抽样方式布设固定样地,样地数量要满足抽样控制精度要求,通过总体抽样调查方法获取的蓄积量与小班调查计算的蓄积量进行比较以实现二类小班调查蓄积量精度控制。以东北林业大学帽儿山实验林场为研究区域,2016年帽儿山实验林场森林资源二类小班调查数据和布设在实验林场的256块固定样地数据,采用系统抽样、事后分层抽样和自助法抽样技术进行小班调查蓄积量总体精度控制,并比较几种不同抽样方法的精度和特点。结果表明：有林地小班总蓄积为3 263 235.87 m³,系统抽样估测有林地总蓄积为3 991 105.77 m³。事后分层抽样按照龄组、林型、郁闭度估测有林地总蓄积分别为3 899 872.16、4 036 672.73、3 988 058.20 m³。自助法抽样在N=20时有林地总蓄积估计值为3 948 893.46 m³。结果均超出3倍标准误,初次小班调查不符合调查标准要求,应当重新调查小班,...     

应用三阶抽样技术和四点群团样地方法对森林资源调查最优样圆尺寸的确定——以北京市延庆区为例

为了优化我国森林资源监测体系,以北京市延庆区为研究区,应用美国FIA三阶抽样技术和四点群团样地方法,通过对不同尺寸的样地方案的抽样总体方差、变动系数、标准误差、绝对误差和估计精度计算,分析四点群团样地的尺寸对单位面积蓄积量的抽样精度的影响,以及限定精度下的最小样地尺寸设计方案。结果表明:最优子样圆方案为半径为7 m,总体精度90%,与二类调查数据相比精度为80%。     

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GF-1 PMS影像和k-NN方法的延庆区森林蓄积量估测

应用高分1号（GF-1）全色和多光谱（PMS）影像和k-最邻近（k-NN）方法进行县域尺度的森林蓄积量估测,探讨GF-1 PMS影像以及k-NN方法估测森林蓄积量的适用性。以北京市延庆区森林资源二类调查数据为基础数据,森林蓄积量为研究对象,基于国产GF-1 PMS影像数据提取植被指数,采用k-NN法构建森林蓄积量估测模型,并引入偏最小二乘回归法予以比较,选出最优估测方法对全区森林蓄积量进行反演。结果显示:偏最小二乘回归法估测的森林蓄积量均方根误差为21.90 m3·hm-2,相对均方根误差为27.5%,偏差为17.23 m3·hm-2。基于k-NN方法的森林蓄积量估测的均方根误差为12.80 m3·hm-2,相对均方根误差为16.0%,偏差为15.02 m3·hm-2。与官方公布的全区森林蓄积量进行对比,结果显示:基于k-NN法反演的全区森林蓄积量统计结果（245.98万m3,估测精度为86.0%）要好于偏最小二乘回归法（266.22万m3,估测精度为76.6%）。最后生成了全区森林蓄积量空间分布图。     

基于PCA-RBF神经网络的森林碳储量遥感反演模型研究

针对碳储量回归预测模型存在共线性和精度较低的问题,利用森林资源二类调查数据和SPOT5影像数据对北京市延庆县的杨树林进行碳储量反演研究。先对选取的10个指标进行主成分分析,在此基础上采用径向基函数(RBF)神经网络方法构建碳储量反演模型,用预留测试样本验证,并与实测值进行比较。研究结果表明:SPOT5数据和二类数据可以很好地结合起来用于森林地上碳储量反演研究;PCA-RBF神经网络森林碳储量遥感反演模型拟合精度为99.90%,平均预测精度达到96.71%,预估效果较理想;模型训练完成后,可以应用于延庆县森林地上碳储量反演。     

基于分区分层随机抽样的棉花种植面积遥感监测方法研究

以新疆建设兵团为研究区域,依据当地作物种植结构,结合遥感技术,在借鉴前人对大区域作物面积遥感估算研究方法的基础上,采取分区分层随机抽样的方法对新疆建设兵团的棉花种植面积进行估算,并引入均值和变异系数等精度评价指标对该抽样方法行评估,最后根据外推估算方法,以遥感影像中的棉花种植面积统计结果为真值与抽样反推结果进行对比分析。结果表明,各组格网的棉花种植面积均值的估计量变异系数在试验中的变化幅度很小,抽样体系稳定,符合统计抽样原理对精度的高要求。反推后的各组棉花种植总面积精度均达到95%以上,反推质量效果较好。综合来看,上述空间抽样方法是可行的,尤其是对总体分区分层的划分,对后面的抽样及反推工作起到了很好的效果,可为政府对新疆建设兵团棉花种植面积的统计提供方法参考。     

基于高分1号卫星数据的农作物面积遥感测量

针对传统农作物面积统计方法探测周期长、时效性差、难以保证信息准确度等问题,以高分1号(GF-1)卫星遥感影像为数据基础,提出一种将遥感技术与统计学方法相结合的农作物面积测量方法。首先,基于物候期影像进行作物分类,提取目标农作物空间分布信息;然后,构建含有目标作物的抽样总体,进行样本的分层随机抽选;接着,采集光谱信息点,进行实地调查,获取准确的样方调查结果;最后,结合遥感识别结果,采用分层比估计方法反推出测区目标作物面积,计算变异系数值,估计总体测量结果的推算精度。根据此方法估算出辽宁省义县2015年玉米种植面积为95 746.1 hm²,与实际测量结果较为相近,说明此方法是可行的。     

基于GF-1PMS影像的森林郁闭度定量估测模型研究

森林郁闭度是我国森林资源二类调查中的重要林分因子之一,为探索高分一号影像在森林郁闭度定量估测的可行性,以内蒙古自治区东北部柴河林业局为研究区,基于GF-1 PMS多光谱影像和DEM数据,以纹理特征、光谱信息和地形因子为自变量,采用k-最近邻法（k-Nearest Neighbor,k-NN）、稳健估计以及偏最小二乘法3种方法构建研究区域的森林郁闭度估测模型,辅之以二类调查小班数据和现地实测数据进行模型精度评价。结果表明:1）3种郁闭度估测方法的应用效果均能满足实际需求,这说明GF-1 PMS多光谱影像在森林郁闭度定量估测方面具有一定的潜力;2）k-NN法和稳健估计的实际应用效果明显优于偏最小二乘法,且2种模型的估测精度均>80%;3）3种郁闭度估测稳定性分析,结果显示k-NN法稳定性较好,而稳健估计法和偏最小二乘法估测模型不稳定。     

河南森林资源连续清查体系研究

在对河南历次森林资源连续清查研究的基础上,采用统计学理论和简单系统抽样的方法,将河南森林资源连续清查原Ⅰ,Ⅱ副总体合并为一个总体,优化完善了清查体系.新体系样点按4 km×4 km间距布设,总样地数10 355个.2003年复查,抽样调查精度普遍提高.当可靠性为95%时,有林地面积精度达95.617%,活立木蓄积量精度达95.115%,其它抽样精度指标也达到国家森林资源连续清查技术规定的要求.     

基于遥感识别误差校正面积的农作物种植面积抽样高效分层指标研究——以冬小麦为例

【目的】在遥感与空间抽样相结合进行农作物面积调查中,由于传统的基于面积规模的分层指标设计中缺失对遥感识别结果分类误差的表达,一定程度上影响抽样效率,因此提出基于遥感分类误差校正面积的分层标志--误差校正面积,以期改进农作物种植面积抽样调查效率。【方法】选取北京市通州、大兴区为研究区域,以冬小麦为例,选择16 m分辨率GF-1号影像（获取时间2015年4月4日）为遥感数据源,进行抽样方案的设计。设计与计算高效分层指标,先从像元尺度判断像元相应的错入、错出方向并计算其对应的误差面积,再在抽样单元尺度上统计所有像元的误差面积,将其用于面积规模的校正,校正后结果即为所提出的分层抽样指标--误差校正面积（S_correct）;构建边长为90-300 m的规则正方形格网为抽样框,并完成设置分层层数、确定分层界限方法、样本量分配方式、总体估计方式等空间抽样方案设计。基于设计的抽样方案进行试验,进行研究区冬小麦的区域总量面积反推。以误差校正面积指标和传统分层指标--面积规模为分层指标,进行多次种植面积抽样推断后进行指标有效性分析和精度评价,通过对相关性、典型区域分类错误像元误差分布、总体方差、平均相对误差 、CV值等方面的对比分析,验证所提出指标的可行性与优势。【结果】（1）通过结合原始影像、目标真值分布、遥感分类结果图、分类错误像元误差分布图的对比分析,从像元尺度验证了该指标能校正分类错误像元,从而改善分类结果;在试验抽样框下,误差校正面积的相关系数相较于面积规模略有提高,且数值大于0.7,可保证其与真值较高且稳定的相关性。验证了该指标作为分层指标的有效性。（2）在试验抽样框下,使用误差校正面积作为分层指标进行多次外推面积得到的总体方差在1.70×10¹³-2.41×10¹³,面积规模的总体方差为2.05×10¹³-3.11×10¹³,误差校正面积在推断稳定性方面高于面积规模;采用误差校正面积作为分层指标得到的 为4.21%-5.00%,面积规模的 为4.87%-5.98%,误差校正面积指标能稳定提高近1%的精度;选择误差校正面积指标作为分层指标进行抽样估算结果的CV值在试验抽样框下始终低于面积规模的推断结果,能稳定减少近0.8%。因此误差校正面积指标在与目标真值相关性、抽样精度、推断稳定性等方面均优于传统面积规模分层指标。【结论】误差校正面积指标可在一定程度上提高种植面积抽样调查精度,保证推断的稳定性,验证了遥感识别误差校正面积指标作为分层标志的有效性,能够提高抽样效率,其相较面积规模指标更具有优势。     

基于k-NN方法和GF遥感影像的森林蓄积量估测

综合利用黑龙江省某林业局的一类样地调查资料、GF-1号卫星影像、数字高程(DEM)模型以及土地利用类型图,采用k-近邻(k-nearest neighbor,k-NN)法进行森林蓄积量估测研究,分析k-NN方法及GF-1卫星数据在森林资源调查与监测中的应用效果。为对比k-NN方法的估测精度,对相同试验数据也进行了最小二乘估计和稳健估计建模。采用GF-1号16 m分辨率的多光谱数据,在林业局级尺度上分别应用这3种方法进行森林蓄积量建模估测,生成了监测区域森林蓄积量分布图并统计得到监测区域总的蓄积量值。将3种方法估测结果与二类调查实测结果进行比较,k-NN方法估测精度达到97.3%,略优于传统的最小二乘估计和稳健估计建模估测精度。因k-NN方法不受Gauss-Markov假设限制,且能有效克服建模变量间的复共线性问题,研究成果可用于县/林业局级尺度的森林蓄积量估测,且国产GF-1卫星影像能有效应用于森林资源监测。     

基于3S技术的北京市三维绿量估测研究

选取三景北京市2013年TM 遥感影像作为数据源,结合地面样地调查,采用多元回归估计的方法,建立三维绿量与遥感灰度值、GIS 信息之间的反演模型,对北京市大尺度的森林三维绿量进行估测。结果表明,模型的精度分别达到83.16%、82.48%,R为0.85、0.88,预估模型精度满足要求,可用于北京市绿化三维绿量的估测和生态环境效应的估算、分析与评价。     

基于机载P波段全极化SAR数据的森林地上生物量估测

  目的  森林生物量的空间精准量化对了解陆地碳储量、碳收支、碳平衡,以及揭示森林碳储量与全球气候变化的影响过程具有重要意义。P波段波长较长,在森林中具有更高的穿透能力,研究机载P波段SAR数据提高森林地上生物量(AGB)估测精度的可行性。  方法  以机载P波段全极化合成孔径雷达(SAR)数据和高精度激光雷达(LiDAR)数据估测的森林AGB抽样点为基础,提取20个极化SAR特征,并分别与森林AGB变化作敏感性响应情况分析。采用多元线性回归模型(MLR)、K近邻方法(KNN)、支持向量回归(SVR)和随机森林(RF)4种估测方法,探究机载P波段SAR数据的森林AGB估测精度。  结果  在较低森林AGB(均值约45 t·hm?2)的森林覆盖区中,P波段的同极化后向散射系数、Freeman-Durden和Yamaguchi分解中的表面和二次散射分量对森林AGB变化敏感;此外H-A-ALPHA极化分解的散射角(alpha)、拓展极化参数极化辨别率参数(PDR)也对森林AGB变化敏感。4种方法估测的森林AGB相对误差均约30%,其中MLR估测结果精度最低,估测精度为63.55%,均方根误差(RMSE)为19.16 t·hm?2;RF估测结果精度最高,估测精度为72.97%,RMSE为15.98 t·hm?2;KNN和SVR估计结果差别不明显,RMSE分别为17.04和17.09 t·hm?2。  结论  P波段SAR数据对估测森林AGB具有一定潜力,3种非参数方法的估测结果明显优于MLR参数方法。此外,P波段的森林AGB估测精度受到待估森林AGB水平高低的影响明显,在森林AGB水平较高的分组中估测精度较高。在森林AGB均值为45 t·hm?2,最大值为120 t·hm?2的森林覆盖区,以50 t·hm?2将森林AGB样点分为2组时,高森林AGB组的估测精度高出低AGB组约6%。图5表3参34     

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。     

几种林场总体森林蓄积量密度均值估计方法的比较评价

【目的】以林场或县森林资源总体为调查对象,及时、准确地调查监测总体平均每公顷蓄积量,对上级(如市、省)部门开展森林资源宏观管理、生态保护价值评价、森林碳储量计量、领导干部任期绩效考核等工作都有重要支撑作用。将卫星、无人机等多源遥感数据作为辅助数据,采用较少抽样调查样地数据,实现总体参数有效估测的新方法,已成为国内外重要的研究方向,但目前,国内尚无多种现有估计方法的比较评价研究。为了促进新一代遥感技术在森林资源调查业务中的应用,提高我国森林资源天空地一体化调查监测技术水平,亟需对现有林场或县总体参数估测方法进行比较评价研究。【方法】以内蒙古旺业甸实验林场主要人工林树种为总体,基于2019年在林场获取的无人机激光雷达(LiDAR)抽样数据、Sentinel-2A多光谱数据(全覆盖)和少量样地数据,针对样地(p)、样地-卫星(ps)、样地-抽样无人机LiDAR(pl)以及样地-抽样无人机LiDAR-卫星(pls)4种模式,利用适合这4种模式的概率抽样法(DB)、模型辅助法(MA)、模型法(MD)和混合法(HY)4类共5种估测方法(DB_p、MD_ps、...     

遥感区域大小对森林蓄积估测影响规律的研究

该文将 1幅TM遥感图像分别分成 1 4及 1 2幅 ,通过实例分析了 1 4,1 2及整幅TM图像所能达到的几何精校正精度 .然后 ,以样地对应的遥感和GIS信息为影响森林蓄积估测的变量 ,采用最小二乘原理及岭迹分析 ,研究了上述 3种不同面积幅值图像对应林区影响森林蓄积估测的主要变量 .由 3种不同面积遥感区域蓄积估测方程中所含变量的个数、种类及预报精度 ,详细分析了遥感区域大小对蓄积估测的影响规律     

大样地调查方案在森林资源调查中的可行性分析

本文在前人提出的一种衔接一类清查和二类调查的大样地调查方案基础上,选取各类林地面积为指标,在辽宁省进行大样地调查方案试验,验证了大样地调查方案的可行性,并对存在的问题进行了讨论。结果表明:辽宁省大样地调查的有林地抽样精度能够达到抽样精度要求(95%以上),灌木林地、未成林地、无立木林地、宜林地抽样精度都在90%以上,表明大样地调查能够推算和代表辽宁省森林资源总体面积状况,调查方案是可行的,大样地调查既利用了一类清查的抽样方法,又采用了二类调查的区划方法,能充分利用遥感与现有调查基础信息。