首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 46 毫秒
1.
[目的]研究基于遥感因子与地形因子构建香格里拉市高山松地上生物量非线性混合效应估测模型,提高高山松地上生物量估测精度.[方法]以2015年和2018年Landsat 8 OLI与对应年份样地实测数据为基础,通过二元生物量模型计算出高山松地上生物量.提取植被指数、纹理等遥感因子.将地形因子按照一定等级进行划分后作为模型因...  相似文献   

2.
【目的】基于无人机数据采用3种分层方案构建冠层盖度-乔灌木地上部分生物量模型以及基于Landsat8 OLI数据采用3种分层方案构建不同光谱指数-乔灌木地上部分生物量模型,对比分析不同分层方案的乔灌木地上部分生物量模型精度,以期为基于遥感数据的干旱区人工林乔灌木地上部分生物量高精度反演提供理论依据。【方法】在毛乌素沙地实地调查102块30 m×30 m样地,基于高分辨率无人机影像,利用面向对象的机器学习算法获取乔灌草植被覆盖度信息,采用3种分层方案(不分层、基于乔木和灌木2种植被类型分层、基于5个树种分层)构建冠层覆盖度-乔灌木地上部分生物量模型。基于Landsat8 OLI影像,使用6种光谱指数(NDVI、RVI、MSAVI、TCG、NDMI、NIRv),结合无人机影像解译草本植被覆盖度,采用3种分层方案(不分层、有无草本植被样地分层、3个草本植被覆盖度等级样地分层)构建不同光谱指数-乔灌木地上部分生物量模型。【结果】不分层的冠层覆盖度-乔灌木地上部分生物量模型鲁棒性最差(R2=0.22,n=102),且估算精度最低(RMSE=14.98 t·hm-2...  相似文献   

3.
【目的】确定思茅松林生物量遥感估测的光饱和点,构建空间全局和局域遥感信息模型反演思茅松林生物量,为思茅松林生物量遥感估测提供参考。【方法】以云南省普洱市思茅松林为研究对象,基于Landsat8 OLI遥感影像数据和森林资源二类调查数据,运用二次项函数和幂函数求解思茅松林生物量光饱和点,采用普通最小二乘模型(OLS)、空间滞后模型(SLM)、空间误差模型(SEM)和地理加权回归模型(GWR)构建遥感信息模型,估测思茅松林地上生物量。【结果】1)普洱市思茅松林Landsat8 OLI遥感估测地上生物量的光饱和点为106.3 t·hm~(-2);2)空间回归模型拟合精度较高,尤其是GWR模型具有最高的R2(0.373)和最小的AIC(4 577.8),其拟合精度显著高于OLS、SLM和SEM模型;3)独立性样本检验结果表明,GWR模型的预估精度最高,且通过刀切法检验可知GWR模型在高值阶段(≥100 t·hm~(-2))和低值阶段(0~50 t·hm~(-2))的生物量估测能力强于OLS、SLM和SEM模型;4) GWR模型反演计算结果表明,思茅松林单位面积地上生物量为66.496 t·hm~(-2),与实测值偏差23.511%,估测误差低于OLS、SLM和SEM模型。【结论】对普洱市思茅松林生物量进行遥感估测时,GWR模型优于OLS模型和其他空间全局回归模型,且GWR模型可在一定程度上解决高值低估和低值高估问题,减小光饱和点对遥感估测精度的影响。  相似文献   

4.
【目的】无人机机载激光雷达能够准确地测定单木、林分乃至大尺度森林结构参数(树高和树冠因子)。为应用无人机激光雷达技术准确估测森林蓄积量、生物量和碳储量提供计量依据和技术支撑。【方法】以150株实测马尾松生物量样本数据为研究对象,采用非线性回归估计方法和度量误差联立方程组方法,分析立木材积和地上生物量与树高、树冠因子的相关性,并在此基础上研究建立基于树高和树冠因子的立木材积与地上生物量相容模型。【结果】单株材积和地上生物量与树高因子的相关性最为紧密,其次才是树冠因子;基于树高和冠幅因子的二元材积和地上生物量模型预估精度较高,达到92%以上,再考虑冠长因子的三元模型预估精度改进不大;基于树高和冠幅因子的二元立木材积与地上生物量相容模型估计效果更好,相对于一元相容模型系统而言,二元相容模型拟合效果有较大幅度提高,预估精度达到92%以上。【结论】采用度量误差联立方程组方法可以有效解决基于树高和树冠因子的立木材积与地上生物量相容问题,并且预估精度达到92%以上,所建二元立木材积与地上生物量相容模型可为应用激光雷达技术反演森林蓄积量和生物量提供计量依据。  相似文献   

5.
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。  相似文献   

6.
【目的】森林是陆地生态系统的重要组成部分,精确估测森林地上生物量对森林资源的经营管理具有指示作用,对研究全球碳循环具有重要意义。为了改善单一来源遥感数据估测森林地上生物量的不足,探讨了联合高分三号(Gaofen-3,GF-3)全极化(Polarimetric synthetic aperture radar,PolSAR)数据极化分解参数和Landsat-8 OLI数据估测森林地上生物量的可行性,并针对多源遥感数据的冗余问题优化特征组合。【方法】以广西南宁市高峰林场为研究区,结合森林样地调查数据,提取GF-3 PolSAR数据的后向散射系数、极化分解参数和Landsat-8 OLI数据的光谱信息、植被指数、纹理,使用基于序列前向特征选择的K最近邻法(K-nearest neighbor based on sequence forward feature selection,KNN-SFS)估测研究区的森林地上生物量,以留一法交叉验证得到的森林地上生物量预测值和实测值之间的均方根误差(Root mean square error,RMSE)最小为原则,对比验证使用多源遥感数据和单一来源遥感数据时的估测结果,寻求估测森林地上生物量的最优特征组合,基于最优特征组合绘制研究区的森林地上生物量空间分布图。【结果】结合GF-3 PolSAR数据和Landsat-8 OLI数据估测研究区森林地上生物量的精度为RMSE=21.05 t·hm~(-2),R~2=0.75,优于仅使用GF-3 PolSAR数据估测的精度(RMSE=28.38 t·hm~(-2),R~2=0.47)和仅使用Landsat-8 OLI数据估测的精度(RMSE=29.52 t·hm~(-2),R~2=0.42)。【结论】多源数据协同反演森林地上生物量可以提高估测的精度,基于KNN-SFS方法联合GF-3 PolSAR数据与Landsat-8 OLI数据可以较好地估测森林地上生物量。  相似文献   

7.
利用MODIS数据反演森林生物量的方法研究   总被引:2,自引:1,他引:1  
以东北三省为试验区,利用MOD IS时间序列上的植被指数NDVI,结合森林资源清查样地数据测算的林分生物量,以及年均降水量、年均蒸散量、年均湿润度、年均积温、经度、纬度等地理环境因子,采用多元线性回归的方法构建森林生物量遥感估测模型。通过样本检验,该模型对东北三省的森林生物量密度估测精度较高,与检验样本的平均每公顷生物量平均相差1.30%;通过样本定位检验,平均相差21.87%。该模型适宜在宏观尺度上估测森林生物量。  相似文献   

8.
利用时间序列遥感数据可以提高森林生物量估测精度和估测生物量动态变化,为森林碳储量和气候变化研究提供更为精确的反演基础。文中基于Landsat时间序列数据研究森林地上生物量的遥感估测方法,从数据预处理、数据重构、遥感因子选取以及模型构建与精度评价4个方面进行回顾和评述,并提出研究建议与展望。  相似文献   

9.
基于UAV遥感的单木冠幅提取及胸径估算模型研究   总被引:1,自引:0,他引:1  
在森林资源调查中冠幅和胸径是重要的测树因子,自动获取冠幅和胸径值可以提高森林资源调查效率。以云南松为研究对象,基于无人机影像自动提取单木冠幅参数,拟合不同密度等级样地的单木冠幅和树冠面积与胸径的关系以估测单株胸径。首先利用标记控制分水岭分割算法对样地冠层高度模型(CHM)中的单株树冠进行分割,获取最大、最小冠幅和树冠面积,并与实测数据进行精度评价,然后将提取冠幅与树冠面积与实测胸径进行拟合,建立不同密度等级样地的一元回归模型和二元回归模型。结果表明:单木树冠分割准确率为86.26%,冠幅相对误差平均值为6.04%,冠幅面积的相对误差平均值为11.23%;在拟合的模型中,冠幅树冠面积-胸径模型的拟合效果最好,决定系数均在0.7以上,该模型验证数据相对误差均不超过5%,符合A类森林资源调查胸径误差值低于5%的要求。提出的基于无人机影像提取冠幅及预测树木胸径的方法较为准确,可推动森林资源调查自动化发展。  相似文献   

10.
基于不同立地质量的杉木生物量遥感估测   总被引:1,自引:1,他引:0       下载免费PDF全文
[目的]研究不同立地质量对杉木生物量遥感估测精度的影响,为进一步提高和完善森林生物量遥感监测体系提供一种新的思路和方法。[方法]以2007年建德市森林资源二类调查数据和TM影像为研究材料,采用蓄积量—生物量换算因子连续函数法计算杉木林生物量和地位级法评价立地质量等级,比较杉木立地质量好、中等、差和不分地位等级4种生物量遥感估测模型,并进行精度检验。[结果]表明:(1)以TM遥感影像主成分分析中第一主成分为自变量的模型拟合效果最好,决定系数R2均在0.69以上,最高0.855。(2)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87.78%,分立地质量等级好、中、差3种类型总体估测精度分别为97.37%、95.82%、98.23%。分不同立地质量类型可以提高杉木生物量遥感估测精度。[结论]研究结果为森林生物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。  相似文献   

11.
薛松  李志荣  倪翠萍 《防护林科技》2004,(Z1):92-93,105
在原有种植试验的基础上 ,选择适宜树种和模式对洪泽湖大堤防护林进行规划更新。在充分考虑防护功能的同时 ,注重堤防美化、生态保护和投资效益 ,适应新时期水利工程管理的需要  相似文献   

12.
柴河林业局天保工程区在天然林保护工程实施后,森林生态环境得到了很大改善。文章通过对天保工程区各类土地资源在天然林保护工程实施前后的对比分析,系统阐述和评价了天然林保护工程的实施对该局森林资源和生态状况变化的影响。  相似文献   

13.
为了解巨桉内含物对牧草的化感作用,试验选用浓度为1∶10、1∶50、1∶100的巨桉根浸提液(母液浓度为1∶10,w/v),以蒸馏水为对照,按照培养皿水培和盆栽土培的生物检测方法,探讨巨桉根系对黑麦草、紫花苜蓿、高羊茅3种牧草的化感作用。结果表明:在水培试验中,对黑麦草表现为高浓度抑制其根和苗生长,低浓度促进其根和苗生长;对紫花苜蓿根和苗生长均表现为促进作用。在盆栽试验中,对黑麦草和高羊茅表现为抑制其根长和促进其茎高生长,随着浓度的增加,对根的抑制作用逐渐增强;对紫花苜蓿根和地上部分干重表现为促进作用,随浓度的增加,促进作用减弱。  相似文献   

14.
沙棘嫩枝扦插的病害防治   总被引:3,自引:1,他引:3  
周自知  王星 《沙棘》2003,16(4):23-24
沙棘嫩枝扦插育苗是在特定的高温高湿条件进行的,插条很易受到真菌、细菌和病毒的侵染致病。经多年育苗推广的实践,介绍了插条常见病害的发病时期、症状和防治措施,并提出了运用合适的水分管理技术和有针对性的应用化学药剂防治相结合的思路,可供生产工作者参考。  相似文献   

15.
4种忍冬属植物花粉形态结构的扫描电镜观察   总被引:1,自引:0,他引:1  
在扫描电子显微镜下观察了长白山4种忍冬属植物长白忍冬(Lonicera ruprechtiana)、金银忍冬(Lonicera maackii(Rupr.)Maxim.)、黄花忍冬(Lonicera chrysantha)、蓝靛果忍冬(Lonicea caerulea L.)的花粉形态结构,并对有关分类学问题进行讨论。  相似文献   

16.
单因素方差分析的改进   总被引:1,自引:1,他引:0  
方差分析是林业工作中广泛应用的统计分析方法。尽管目前可以用各种统计软件进行方差分析计算,但是,在基层工作中,绝大多数统计工作还是用便于携带的计算器进行计算。传统的方差分析方法需要记录每个原始数据,并且在计算时需要重复输入每个原始数据,计算比较繁琐。经...  相似文献   

17.
论述了牡丹江野生百合科药用植物的开发利用。  相似文献   

18.
沙生植物是沙区重要的自然资源之一,沙地基质流动性对沙生植物的生长与分布有重要影响。而沙生植物也形成了对其特殊的生态适应对策。文章从4个方面回顾了我国沙生植物的生长对沙地基质流动性响应的主要研究进展,指出了研究中存在的一些分歧,并分析了沙生植物的生长与沙地紧实度及相关的主要生态因子之间的互馈关系,指出了需要进一步深入开展的研究方向及内容,旨在为干旱半干旱沙区植被恢复与重建中防风固沙植物种选择、合理配置、植物资源合理利用与管理提供科技支撑。  相似文献   

19.
文昌市林业科学研究所2005年9月引种11个品种桉树优良无性系在迈号镇种植试验,通过6年对试验点跟踪调查、分析,对各品系的生长情况进行综合评价,为今后同一立地条件下种植桉树提供理论依据.  相似文献   

20.
森林可持续经营策略的若干思考   总被引:2,自引:0,他引:2  
森林可持续经营是现代林业的核心,我国林业应走可持续经营带动多目标、多功能经营的超常规发展道路。文章提出了我国森林可持续经营的若干策略,以加快中国林业与国际林业同步发展的步伐。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号