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。     

基于单木位置的杉木林分空间竞争关系研究

研究林木竞争关系,有助于了解林木生长规律,帮助制定科学有效的营林措施。本文基于树冠因子的林木竞争指数,提出了一种顾及林分地形因子的树冠竞争指数,并把这两种指数与基于交角的林木竞争指数以及简单竞争指数在不同林分中的适应性进行对比。同时用这四种指数计算不同树种组成的林分以及杉木林中不同龄组、坡向、坡度的林分中单木受到的平均竞争。结果表明四种指数中简单竞争指数的相关性最高,顾及地形的树冠竞争指数次之,基于交角的林木竞争指数相关性最低;在不同树种组成的林分中马褂木样地单木受到的平均竞争最大,马褂木杉木混交林最小,其它两种林分次之;在杉木林分中,中龄林单木受到平均竞争要大于成熟林,阴坡样地中单木受到平均竞争要大于阳坡,单木受到的平均竞争随坡度增大而增大。因此四种指数中简单竞争指数的适用性最好;在杉木林经营中,中龄林需要及时间伐;在造林过程中阴坡的林地造林密度要适当小于阳坡、坡度级大的林地要小于坡度级小的林地。     

三种回归分析方法在Landsat-5影像森林碳密度反演中的比较

随着遥感技术的快速发展,基于遥感影像和地面样地的方法成为目前森林碳密度精确估算的主要手段,然而没有找到具有普适性的建模因子和最佳的森林碳密度估算模型。鉴于此,本文通过分析研究区地面固定样地碳密度与Landsat-5影像及其衍生波段的相关性,筛选出估算森林碳密度的敏感因子。采用三种回归分析方法(逐步回归、偏最小二乘回归及非线性回归)分别建立森林碳密度的最优遥感估算模型。结果表明:1参与建模的遥感因子中,1/TM3与森林碳密度的相关性最大,敏感性最高;2三种回归分析方法建立的预测模型中,以4个遥感因子建立的非线性回归模型预测精度最高,预测值与实测值得决定系数R2为0.74;3通过测算,研究区平均森林碳密度为14.36 t/hm2,变化范围介于0.00~38.28 t/hm2之间。研究表明非线性回归在区域森林碳密度反演方面具有一定的潜力。     

洞庭湖流域植被物候特征参数遥感提取

以洞庭湖流域为研究区域,对MODIS13Q1植被产品数据的所有像元进行EVI时间序列重构后,采用滑动平均法、动态阈值法、最大变化斜率法以及Logistic函数拟合法等4种方法进行物候参数提取。对比分析后,选择了效果最佳的滑动平均法对2005年及2015年洞庭湖流域的EVI时间序列的遥感影像进行植被物候参数提取,分析近10年来研究区域植被物候特征变化。结果表明:滑动平均法提取的植被物候参数较准确,适用性较强;利用遥感手段能及时准确地监测大区域尺度植被物候变化,为研究区域气候变化等提供参考。     

湖北省三峡库区长江两岸绿化途经浅析

本文从宏观层面、操作层面、政策层面、时空层面、规模层面、规划层面及微观层面等七个层面论述三峡库区长江两岸造林绿化之要点,为其绿化提供借鉴。     

贡觉县森林植被及土壤分布规律研究

贡觉县属藏东高山峡谷区,特殊的自然条件和地理环境,直接影响到水热条件在地域空间上的重新分配,导致水热条件差异明显,从而影响到植被和土壤的分布规律,而干热河谷的出现使得植被和土壤在垂直分布上不同于其他区域。研究该区域的植被和土壤分布规律,对于天然林保护、造林规划、造林树种选择及引种栽培工作,都具有极其重要的指导意义。     

基于高分辨率遥感影像与DSM的典型地物提取

高分辨率遥感影像和数字地表模型(DSM)结合的地物信息提取,虽可以区分异物同谱中存在高度差异的地物,但相同高度的地物在DSM数据可能会因海拔高度不同而存在明显差异,降低了地物提取精度。从DSM中提取出地物高度信息(nDSM),再以nDSM结合高分辨率光学影像进行地物提取。结果表明:仅以高分辨率光学影像为数据源的方法分类效果最差,结合DSM数据的方法居中,而结合nDSM的方法最优,说明在基于光学影像和DSM数据的地物提取中,采用去除地形因素的nDSM替代DSM可以有效提高分类精度。