基于TM影像纹理与光谱特征的红树林生物量估算

为研究红树林生物量的遥感估算方法,提取了广西和海南红树林TM遥感影像的光谱及纹理特征,结合地面调查所得126个样地生物量数据,进行多元逐步回归分析。结果表明,建立的生物量估算模型通过相关检验,可以高效、快速地进行红树林生物量的估测。     

基于KNN方法的大兴安岭地区森林地上碳储量遥感估算

【目的】采用 KNN方法进行碳储量估测,并对估测后的数据进行各种校正处理,绘制森林地上碳储量的空间分布图,为我国森林碳储量和固碳潜力的研究提供基础数据和科学依据。【方法】以黑龙江省大兴安岭为研究区(50°05'—53°33'N,121°11'—127°01'E),基于2010年森林资源连续清查固定样地和同年 Landsat5 TM 影像数据,利用 k－邻近法( KNN)在像素级水平上对森林地上碳储量进行估算。采用多准则方法分东、南、北和中4个区域对样地坐标和其对应的影像光谱值进行坐标重配准,并根据实测样地数据对坐标重配置前后不同林分类型地上碳储量估测精度进行评价;针对 KNN方法像素级估测结果存在明显的高值区域低估和低值区域高估现象,应用直方图匹配方法对估测结果进行变动范围调整;并根据样地实测碳储量和 KNN 估测值间的回归关系对调整后的结果分区域进行进一步匹配校正后处理,绘制森林碳储量的空间分布图。【结果】总体来说,本研究区域像元尺度KNN估测的欧式距离优于马氏距离,均方根误差随着最邻近值 k的增大而降低,当 k大于6时变化缓慢,并逐渐趋于稳定;坐标误差校正后,各林分类型森林地上碳储量的估测精度均显著提高,平均均方根误差由17.23降低到14.3 t·hm －2;直方图匹配后,各区域样地点高值区域低估和低值区域高估现象均有很大程度改善,实测值和估测值间的相关关系明显增强,然而高值地区(碳储量大于20 t·hm －2)出现过高估计现象;经匹配校正后处理的均值、标准差、直方图和累积频率分布图更接近样地实测值,均方根误差也明显降低,高值地区过高估计现象得到很好校正。【结论】森林资源清查数据、遥感数据及 KNN方法相结合逐渐成为区域尺度森林参数空间连续估测的重要手段。同利用光谱值和森林参数建立的回归模型相比,KNN方法能够更多地考虑到森林参数同光谱值之间的非线性依赖关系;但 KNN估测方法除了受距离度量标准、最邻近值 k的大小以及影像波段的选取等因素影响外,还存在如样地坐标和对应的影像光谱值匹配误差、像素级估测结果多呈明显集中分布趋势等问题,使得该方法的应用受到一定限制。本文的研究表明,对这些因素进行合理的校正,将更有利于区域尺度森林参数的精确估计和反演。     

生物量估测中的遥感技术

论述了森林生物量的概念和发展历史,介绍了常规森林生物量的估算方法,并进一步较为详尽地分析了广泛应用于生物量估算的遥感模型以及它们的影响因素。最后对应用遥感技术估测森林生物量的发展趋势作了论述。     

基于高分遥感数据的阿尔泰山乔木林地上生物量预测

为了在区域尺度上精准和便捷地估测森林生物量,以高分遥感数据和实地调查数据为基础,通过提取植被指数、纹理等遥感特征变量,并运用最近邻算法(k-NN)构建乔木林地上生物量预测模型。结果表明,运用k-NN进行区域尺度上乔木林生物量遥感定量估测,当k值为2,特征为B1(波段1)、SR(简单植被指数)、NDVI(归一化植被指数)、B4(波段4)时,研究区乔木林生物量估测结果最优。通过分析可知：乔木林生物量整体表现不高,地上生物量为803.90万t,单位面积生物量均值为82.15 t/hm²;乔木林主要龄组是成熟林时,其面积和生物量占比均最大;在海拔1 500～2 400 m范围,乔木林单位生物量较高。     

遥感在森林生物量监测的应用

森林生物量研究对监测生态系统有着重要作用,随着遥感技术的发展,动态地估测大区域乃至全球的森林生物量成为可能.文章就遥感数据源和估测方法,分析总结了传统方法和遥感方法的森林生物量估测.     

基于地理加权回归模型的思茅松生物量遥感估测

通过调查云南省景谷县思茅松林120株单木数据,构建思茅松单木生物量模型。结合2005年景谷县TM影像数据及2006年森林资源二类调查小班数据,采用普通最小二乘模型(OLS)和地理加权回归模型(GWR)的方法构建思茅松生物量遥感估测模型。结果表明:地理加权回归模型比普通最小二乘模型具有更好的拟合效果,其决定系数(R2)显著高于OLS模型,Akaike信息指数(AIC)相比降低7.832;两种模型通过独立样本检验可以看出,模型预估精度从OLS模型的72.70%提高至GWR模型的75.06%;通过GWR模型反演计算,研究区内思茅松林单位面积生物量为49.02t/hm~2,比实测数据低1.229%,与实测数据基本吻合,且估算误差优于OLS模型;基于GWR模型估算的景谷县思茅松林总生物量为2.101×107t。可见基于地理加权回归方法估测森林地上生物量的方法是有效的,能提高森林生物量遥感估测模型的拟合和预估精度,可以用于思茅松林的生物量的遥感估算。     

我国的森林生物量研究

论述了我国森林生物量的研究内容及方法,对乔木层、林下植被、凋落物、粗木质残体、根系以及区域尺度的生物量研究进行了总结,概述了直接收获法、回归模型、平均换算因子法等常见的森林生物量估测方法.最后提出当前我国在研究重点分布、基础数据采集以及空间尺度转换等方面存在的一些问题,指出森林生物量研究在遥感监测等方面的发展趋势.     

遥感技术支持下的森林生物量研究进展

遥感技术已被广泛应用于植被的定量研究中, 特别是植被生物量的遥感估测研究, 已取得了突破性的进展。文中叙述了遥感技术在植被生物量估测中的应用, 分析了各种遥感数据源在森林生物量估测中的优缺点。     

不同估算树冠生物量方法的比较——以长白落叶松林为例

以长白落叶松人工林为研究对象,应用平均标准木法及枝解析木法调查树冠生物量,并采用标准枝法与枝条模型估算法对估测的树冠生物量进行了比较研究。分析了枝长与枝基径,枝条生物量与枝基径、枝长等各因子的相关关系,建立一级枝长模型及枝条生物量模型。通过对枝条生物量估测模型的比较,结果表明:枝基径与枝条生物量、叶生物量有很高的相关性,幂函数拟合的精度较高,参数估计较稳定;虽然二次多项式模型拟合的相关系数较大,但因参数变动较大,预测不稳定。在树冠生物量模型研究中,基于胸径建立异速生物量模型,相关系数R2值达0.906以上;通过对估测树冠生物量模型的比较,枝条模型估测法优于标准枝法,同时对模型进行F检验,F值达极显著水平,所选枝条生物量模型对长白落叶松树冠生物量的估测具一定参考价值。     

高分辨率卫星遥感在红树林资源监测中的应用

卫星遥感是进行红树林资源监测的主要方法, 高分辨率卫星遥感能够提供细尺度上的资源信息, 是红树林资源保护和监测研究的重要发展方向。文中在综合国内外相关文献的基础上, 分析国内外高分辨率卫星遥感包括高空间和高光谱遥感数据应用于红树林资源监测研究的现状, 讨论用于遥感研究的数据源、研究内容、方法以及应用研究的局限性和发展趋势。     

基于不同立地质量的杉木生物量遥感估测

[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。     

Estimation of aboveground biomass in mangrove forests using high-resolution satellite data

Mangroves play important roles in providing a range of ecosystem services, mitigation of strong waves, protection of coastlines against erosion, maintenance of water quality, and carbon sink in the context of global warming. For trees in mangrove forests in southern Ranong Province, Thailand, we investigated the allometric relationship between crown area derived from high-resolution satellite data and stem diameter and used the resulting model to estimate aboveground biomass. We used QuickBird panchromatic and multispectral data acquired for the study area on 15 October 2006 as the high-resolution satellite data. Individual tree crowns were extracted from the satellite image of panchromatic data by using the watershed method, and the species were identified by using the maximum-likelihood method for the multispectral data. Overall classification accuracy for species identification was 88.5 %. The biomass derived from our field survey was plotted against aboveground biomass in the sample plots, estimated from the QuickBird data. The regression line through the origin between the satellite-estimated biomass and biomass based on the field data had a slope of 1.26 (R ² = 0.65). Stand aboveground biomass estimated from the high-resolution satellite data was underestimated because of a lack of data on the biomass of suppressed trees and inappropriate segmentation of crowns of large trees into two or more trees.     

Estimating above-ground biomass of trees: comparing Bayesian calibration with regression technique

The commitment to report greenhouse gas emissions requires an estimation of biomass stocks and their changes in forests. When this was first done, representative biomass functions for most common tree species were very often not available. In Germany, an estimation method based on solid volume was developed (expansion procedure). It is easy to apply because the required information is available for nearly all relevant tree species. However, the distributions of neither parameters nor prediction intervals are available. In this study, two different methods to estimate above-ground biomass for Norway spruce (Picea abies), European beech (Fagus sylvatica), and Scots pine (Pinus sylvestris) are compared. First, an approach based on information from the literature was used to predict above-ground biomass. It is basically the same method used in greenhouse gas reporting in Germany and was applied with prior and posterior parameters. Second, equations for direct estimation of biomass with standard regression techniques were developed. A sample of above-ground biomass of trees was measured in campaigns conducted previously to the third National Forest Inventory in Germany (2012). The data permitted the application of Bayesian calibration (BC) to estimate posterior distribution of the parameters for the expansion procedure. Moreover, BC enables the calculation of prediction intervals which are necessary for error estimations required for reporting. The two methods are compared with regard to predictive accuracy via cross-validation, under varying sample sizes. Our findings show that BC of the expansion procedure performs better, especially when sample size is small. We therefore encourage the use of existing knowledge together with small samples of observed biomass (e.g., for rare tree species) to gain predictive accuracy in biomass estimation.     

长白落叶松高固碳种源选择研究

以东北林业大学帽儿山试验林场31年生长白落叶松种源试验林为研究对象。首先对林木碳储量研究中非破坏性取样方法进行探究,通过对比树干1.3 m处木芯样品含碳率与树干平均含碳率数据,发现二者存在较强的线性关系,利用回归分析计算出直线方程y=0.908 2x+4.379 4,R2=0.842 5,方程拟合程度达到理想水平,利用1.3 m处木芯样品含碳率推算树干平均含碳率方法可行。对不同种源长白落叶松的生长、材性、含碳率、干材生物量、碳储量等性状进行测定,结合方差分析、多重比较、相关分析等数理统计方法,最终筛选出生长优良,固碳能力强的种源。结果显示:干材生物量与碳储量存在较丰富的变异,平均变异系数分别为21.33%和21.30%。相关分析结果显示,碳储量与生长性状、干材生物量呈极显著正相关,与综纤维素含量和木质素含量相关不显著。通过方差分析与Duncan法多重比较,最终选择出小北湖与白刀山两个种源为高固碳能力种源。小北湖与白刀山种源单株干材碳储量分别为74.38 kg和69.27 kg,二者平均值高出总平均值27.83%,比对照CK高出54.45%。以现有试验林为标准,若选择小北湖种源,则每公顷固碳27 297.46 kg,比利用碳储量最小的露水河种源造林每公顷固碳量高47.85%。     

基于距离相关系数和KNN回归模型的森林蓄积量估测研究

【目的】探究Landsat8 OLI数据和KNN算法在森林蓄积量估测中的潜力。【方法】以湖南省湘潭县为研究区,采用Landsat8 OLI数据和同时期的二类调查数据,通过距离相关系数筛选特征,分别采用线性回归模型(MLR)、K-近邻模型(KNN)、距离加权KNN模型(DW-KNN)和优化欧式KNN模型(FW-KNN)对森林蓄积量进行估测。使用十折交叉方法进行精度检验,对检验结果进行对比分析。【结果】3种KNN模型的估测结果均高于传统的线性模型,并且在3种KNN模型中,FW-KNN算法效果最好,决定系数达到0.69,为3种模型中最高;3种KNN模型中,本研究优化欧氏距离KNN模型的估测精度最高,其均方根误差为30.3%,相比于传统KNN模型的均方根误差降低了5.1%,相比于DW-KNN模型降低了3.3%。【结论】采用DW-KNN蓄积量估测结果明显优于其他两种模型,说明通过特征与蓄积量的相关性优化样本间的距离是一种可行的KNN优化方法。     

基于Landsat 8 OLI遥感影像的森林蓄积量估测模型研究

本次试验以湖南省湘潭县为研究区,提取Landsat 8 OLI影像数据的56个遥感因子作为候选因子,结合皮尔逊相关系数和主成分分析两种方法对变量进行降维,构建多元线性回归模型(MLR)、误差反向传播神经网络(BP-ANN)、K最近邻模型(KNN)和随机森林模型(RF)进行蓄积量反演,并采用决定系数(R²)、均方根误差(RMSE)以及相对均方根误差(RRMSE)三个指标对模型进行精度评价。结果表明:三种机器学习模型的拟合结果均优于多元线性回归模型,其决定系数(R²)均大于0.6,其中RF最高,为0.67;四种模型中,三种机器学习模型的估测精度均比传统线性模型高出10%以上,其中随机森林模型(RF)精度最高,其均方根误差为57.5 m 3·hm^-2,相对均方根误差为24.2%。     

Net primary productivity of Bruguiera parviflora (Wight & Arn.) dominated mangrove forest at Kuala Selangor,Malaysia

The net primary productivity of Bruguiera parviflora dominated mangrove forest at Kuala Selangor, Malaysia was estimated from the average yearly biomass increment and litter production. The average yearly biomass increment in saplings and trees was 0.58 and 16.51 t ha⁻¹, respectively, and the annual amount of total litter production was 10.35 t ha⁻¹. The biomass increment in saplings and trees was not significantly different (t-test, p > 0.05) in 2 successive years and the estimated net primary productivity was 27.44 t ha⁻¹ year⁻¹. The ratio (2.65:1) of net primary productivity and litterfall suggests that this mangrove forest is at a juvenile stage.     

基于树高和树冠因子的立木材积与地上生物量相容模型研究

【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。     

带截距的非线性方程与分段建模方法对立木生物量估计的比较

针对用单一的非线性模型拟合生物量方程会导致小径阶林木的估计明显有偏的问题,以东北落叶松和南方马尾松的地上生物量数据为例,提出采用带截距的非线性方程和分段建模方法来改进对立木生物量的估计,并对二者的预估效果进行了比较。结果表明:两种方法都能有效克服小径阶林木的有偏估计问题,同时对整个模型的预估效果也有一定程度的改善;从对比分析结果看,分段拟合方程的预估效果还要略好一些。