确定监测区域建立森林郁闭度估测方程最优样地的研究

在对监测区域样地进行合理分类的基础上,需抽取一定数量能代表监测区域森林资源分布状况的最优样地,根据所抽样地对应影响郁闭度估测的主要遥感和GIS因子,可建立以样地为单位的郁闭度估测方程. 最优样地是指能代表监测区域森林种类及分布状况的样地,它包含样地的数量及样地的代表性两个方面的含义. 如何抽取最优样地属多目标优化问题. 该文在理论描述特定监测区域最优样地数学模型的基础上,通过实例进行了系统研究与分析,有效解决了最优样地的抽样问题,所得结果可用于指导生产实践.      

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     

高分遥感比值波段设置对森林蓄积量估测影响规律的研究

为研究利用国产GF-1号卫星影像进行森林资源定量估测的可行性,本文选择我国东北大兴安岭地区某林业局为试验场地,采用GF-1号卫星影像16m分辨率的WFV多光谱数据,结合试验区域的一类样地调查资料,建立以样地为单位的森林蓄积量估测方程,进行森林蓄积量定量估测。为有效设置可能影响蓄积量估测的遥感信息,本文重点分析了遥感比值波段的设置和优选对蓄积量估测模型建立和估测精度等的影响规律。研究结果表明,设置不同种类的比值波段将影响最优变量筛选结果,高分遥感信息对提高森林蓄积量估测精度有较大影响。     

基于偏最小二乘回归模型的高山松蓄积量遥感估测

以Landsat 8影像为遥感数据源,以遥感因子、GIS因子、林分因子、郁闭度等为自变量,在前期野外样地调查的基础上,采用偏最小二乘法(PLS),建立香格里拉县高山松蓄积量遥感估测模型。试验结果表明,郁闭度对香格里拉县高山松蓄积量估测的影响极其显著,第5、6波段对其影响较为显著;运用偏最小二乘法建立的样地蓄积量估测模型,调整决定系数R2为0.777 5,均方根误差RMSE为36.90 m3/hm2,总预报偏差的相对误差RE为23.18%,模型精度为73.08%。以像元为单位提取高山松林所对应的自变量因子,利用估测模型得到研究区高山松林总蓄积量为1 372.406万m3。     

遥感区域大小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，详细分析遥感区域大小对蓄积估测的影响规律。     

基于小班对象的森林蓄积量遥感估测模型合理性诊断

以四川省遂宁市安居区为研究区域,研究了基于小班对象的森林蓄积量遥感估测模型的构建与合理性诊断。首先论述了建立森林蓄积量模型所需的各种数据,包括定性、定量数据以及遥感影像的派生数据。其次采用最大膨胀因子法及残差平方和法对选取的60个小班样地数据进行最优变量的选择,最终TM2、TM5、TM7、TM4×37、有林地、郁闭度等6个变量成为估测模型的主要因子。再次选取24个样地数据并采用残差分析方法对构建的模型进行合理性诊断,诊断结果显示模型基本合理。最后选用岭迹法对其余36个样地进行模型构建。构建的模型所测蓄积量的相对误差达8.0%,可应用到生产实践当中。     

利用RS和林分因子估测帽儿山林场森林可燃物负荷量

以东北林业大学帽儿山实验林场为研究区域,以少量野外定位调查数据与其对应的遥感信息和GIS信息为基础,选用岭回归分析方法,对影响森林可燃物负荷量估测的遥感因子和GIS因子进行了筛选优化,找出了TM(4×3)/7、TM4/3、海拔等影响可燃物负荷量估测的主要因子,建立了以像元为单位的森林可燃物负荷量估测模型。该模型的预测偏差为23%,可用于实现区域性森林可燃物负荷量的定量估测。     

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。     

用岭估计估测以分类为前提的森林蓄积量

为克服自变量间多重相关性对森林蓄积量估测的不利影响,采用岭估计建立估测模型。在确定岭参数时,分别试验了岭迹法、方差扩大因子法、Hoerl-Kennard法和预测残差平方和法,对不同地类分别建立蓄积量估测方程。根据建模样地的蓄积量拟合残差和预报样地的蓄积量估测偏差分别计算中误差,利用残差中误差（δ＾R）和预报偏差中误差（＾δF ）构造评价函数0．5（＾δR＋＾δF ）,并测度岭参数的优劣,进而确定监测区域的估测模型。结果表明：当影响蓄积量估测的自变量间存在复共线性时,分类建立模型的精度明显优于统一建模的精度。     

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。     

森林蓄积定量估测的岭估计参数

为克服影响森林蓄积估测的遥感和GIS因子间可能存在多重相关性的影响，采用岭估计建立森林蓄积估测方程。主要研究内容包括采用岭估计的条件、各种岭参数计算方法的比较、最优岭参数计算方法的选择及软件实现。通过实例计算，比较了当在影响蓄积估测的遥感和GIS因子间存在多重相关性时，岭参数的选择及岭估计和最小二乘估计的优劣。     

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。     

基于中巴资源卫星数据的森林郁闭度估测研究

森林资源分布具有辽阔性、复杂性、通达性差等特点,而遥感技术具有宏观、动态、便捷、可周期重复和成本低等优点,成为研究森林资源状况的理想手段。目前,在森林遥感应用中,多源遥感数据的提供能力越来越强。但由于遥感信息的综合性、复杂性,遥感信息处理技术相对落后。基于不同区域、不同季相和不同背景特征的森林遥感分类技术远未成熟。利用中巴资源卫星遥感数据,经过图像处理(包括图像的校正、图像的增强和图像的分类等),获取样地的灰度值,结合少量地面实测样地资料,通过线性回归建立森林郁闭度的数学模型,并进行检验以确保估测的精度,为林业生产和建设提供依据。     

t检验在遥感数据建模中的应用

以山东省2006年共15景TM遥感影像灰度值与地面角规抽样实测数据为基础,采用多元回归估计的方法建立了森林蓄积量与遥感影像灰度值信息之间的反演模型。并通过t检验选择影响蓄积量估测的主要因子,使参与建模的变量因子达到最佳状态。     

基于WorldView-2影像和随机森林算法的天山云杉蓄积量反演

【目的】研究林地遥感因子与蓄积量的关系来反演天山云杉林分蓄积量,为新疆天然林保护工程实施后天山云杉生态恢复与科学管理提供参考依据。【方法】以新疆天山西部巩留县恰国家西森林公园的天山云杉（Picea schrenkiana var.tianshanica）为研究对象,以样地内每木检尺为依据,基于WorldView-2影像,使用eCognition Developer 提取样地的光谱信息、纹理因子与植被指数三种遥感因子,通过随机森林算法建立模型反演天山云杉林分蓄积量。【结果】提取的24种遥感因子,筛选出对蓄积量影响最大的5种特征变量,分别为NDVI1、NDVI2、RVI2、均一性（Homogeneity）与相关性（Correlation）,建立随机森林回归模型,解释度高达81.27%,决定系数R²=0.8648（P<0.05）,估测样地蓄积量精度为86.38%。【结论】建立的随机森林回归模型可以有效地反演天山云杉林林分蓄积量。     

基于无人机可见光影像的树种和树冠信息提取——以晋西黄土区蔡家川流域为例

为探究无人机遥感技术在黄土高原森林资源调查中的适用性,以晋西黄土区蔡家川流域为研究区,以无人机可见光影像为遥感数据源,基于面向对象最邻近分类法,识别并提取研究流域的树种和树冠信息,并与样方调查数据进行对比分析,评估无人机影像提取植被信息的精度及其适用性。结果表明:面向对象最邻近分类法对于郁闭度较低的林分和经济果木林的树种提取效果极好,但复杂植被类型会导致提取精度下降。在农地子流域和人工林子流域上,树种提取的分类混淆矩阵Kappa系数分别为0.898和0.728。面向对象最邻近分类法对人工林和经济果木林的树冠提取精度较高,与实测数据线性回归的决定系数(R²)在0.7以上,但对次生林的树冠提取效果相对较差,R²仅有0.422 3。将该方法拓展应用至流域尺度,识别结果显示,蔡家川流域内人工林子流域主要为刺槐、油松和侧柏混交林,经济作物主要为苹果,油松的林分密度为1 744株·hm^-2,平均冠幅为2.24 m,苹果的林分密度为382株·hm^-2,平均冠幅为4.26 m;农地子流域有苹果树912株,林分密度为439株·hm^-2,平均冠幅为3.84 m。结果表明,基于无人机遥感影像,利用面向对象最邻近分类法可以高效、准确地提取林木株数、郁闭度和平均冠幅,从而有效提高黄土区植被调查的效率。     

连续森林清查应用地理信息估计蓄积量的方法

提出了应用地理信息系统作为技术手段,以常规固定样地设置为抽样方式,以地形因子与蓄积量回归的估计方法来估计森林总体蓄积量的问题。讨论了可能性和可行性,给出和推导了总体无偏估计值和方差公式。     

森林蓄积量遥感定量估测研究综述

论述森林蓄积量的概念和发展历史,介绍森林蓄积量定量估测的常规方法,以及近年出现的新蓄积量定量估测方法,如遥感方法、基于遥感技术的神经网络模型方法,并阐述了森林蓄积量遥感定量估测方法的发展趋势。