基于Landsat TM 数据估算山东菏泽区域杨树人工林碳储量

利用Landsat TM5 数据,结合地面调查,对我国鲁西黄泛平原典型地区菏泽市的杨树人工林碳储量进行测算。 结果表明:单木生物量模型lnB =2.486lnD -2.415(R2 =0.879,P 0.05),拟合效果较好;基于TM5 影像提取的包 括6 个原始波段(TM1 ~ TM5、TM7)的光谱反射率、归一化植被指数NDVI、差值植被指数DVI、比值植被指数RVI、 主成分变换得到的3 个主分量及缨帽变换得到的亮度、绿度和湿度等在内的15 个参数,及单波段反射率线性或非 线性变换后产生的11 个新参数,通过多元回归分析建立生物量遥感回归模型B = 1 765.412 + 7 378.884ln4 + 2 113.781 ⅹ1/ 4 + 14.541 ⅹ1/ 1 (R2 =0.754,P 0.01),检验结果表明模拟值与实测值平均相对误差为7.65%,预 测精度较高。据该生物量遥感回归模型估算得出菏泽市杨树人工林碳储量为13郾93 Tg,占山东省森林植被总碳储 量的25郾39%;林木碳密度为43.82 t/ hm2 ,比全国杨树林平均碳密度高21.82%。菏泽市73.22% 的杨树人工林碳 密度小于57 t/ hm2 ,固碳增汇潜力巨大。      

基于TM遥感影像丰宁县森林地上生物量估测研究

利用TM遥感数据以及同期获得的野外调查样地数据,研究了河北省丰宁满族自治县森林地上生物量的遥感估测技术。提取TM遥感影像6个波段反射率及DVI、NDVI、PVI、RVI、VI3、SLAVI和SAVI 7个植被指数,分析了森林样地地上生物量与各个因子间的关系,得出相关系数较小（均小于0.400）;因此采用Stepwise逐步回归法,建立了多元回归模型。结果表明,ρ2、ρ3、ρ4、ρ54波段反射率和有效叶面积植被指数（SLAVI）结合建立的多元回归模型,可用于森林生物量的遥感估测,估测的R2值达0.730,留一交叉验证均方根误差RMSE最小,达33.712。利用2008年的全覆盖TM影像,结合丰宁遥感分类图像,获得了丰宁县2008年森林地上生物量分布图,森林植被总生物量为1.805×107t。     

基于Landsat 8的深圳市森林碳储量遥感反演研究

以2014年Landsat 8遥感影像为数据源,研究了深圳市森林碳储量遥感反演模型的构建及其空间分布情况,对城市生态系统碳循环研究具有重要意义。采用分层随机抽样的方式布设168个样地,结合外业样地数据,从遥感影像中提取31个植被指数作为自变量,分别构建了多元线性回归模型、Logistic回归模型和Radical Basis Function(RBF)径向基函数神经网络模型,进而估算该地区的森林碳储量并比较分析。结果表明,RBF神经网络模型的估算精度最高,决定系数最大且均方根误差最小,分别为0.829t·hm~(-2)和9.131t·hm~(-2);Logistic回归模型估算精度次之,决定系数和均方根误差分别为0.523t·hm~(-2)和11.821t·hm~(-2);多元线性回归模型估算精度最低,决定系数最小,均方根误差最大,分别为0.438t·hm~(-2)和12.870t·hm~(-2)。可见,RBF神经网络模型能更好地模拟森林碳储量与各个因子之间的关系。研究区森林碳储量的空间分布特点表现为东南沿海部分碳储量大,中西部城市经济开发区碳储量小,与实际森林分布基本一致。     

基于森林小班的香格里拉市高山松生物量遥感建模

以小班为研究单位,基于香格里拉市2006年TM影像、森林资源二类调查数据,利用随机选取的小班样地遥感因子平均值建立数据集,筛选出78个样地数据(60个训练数据和18个验证数据)及14个遥感因子,通过蓄积计算森林生物量,建立了基于遥感因子的高山松生物量估测的逐步回归模型和偏最小二乘模型。结果表明:逐步回归模型的精度(R=0.518、RMSE=34.265 t/hm~2、rRMSE=47.046%)要高于偏最小二乘模型的精度(R=0.514、RMSE=35.320t/hm~2、rRMSE=48.494%)。研究结果可为高海拔地区遥感生物量建模、生态环境保护与规划提供参考依据。     

参数优选支持的光学与SAR数据森林地上生物量反演研究

  目的  森林是整个陆地碳循环系统中最大的有机碳贮库,准确地估测森林地上生物量影响着全球碳源与碳储量的分析与评价。本文旨在评价利用Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR 3组不同源遥感数据估测森林AGB的潜力,进而剖析光学数据和SAR数据在估测森林AGB方面的差异。  方法  首先对Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR数据分别提取波段比值、植被指数、纹理信息,对ALOS-1 PALSAR-1SAR数据同时提取极化分解信息;然后,利用随机森林算法对不同数据提取的特征参数进行重要性排序,选择排序靠前的特征进行建模;最后,利用KNN-FIFS算法分析不同特征组合,对4组数据建立4个模型估测森林AGB,并使用留一交叉验证法对4个模型估测森林AGB值进行精度评价。  结果  使用植被因子、波段比值、纹理因子、极化分解信息4种特征参数分别对3组数据进行建模估测森林AGB,基于Landsat8 OLI数据反演森林AGB的精度评价结果为R2 = 0.50,RMSE = 33.34 t/hm2;基于高分一号数据估测精度为R2 = 0.36,RMSE = 37.60 t/hm2;基于PALSAR纹理特征估测精度为R2 = 0.45,RMSE = 35.40 t/hm2;基于PALSAR全极化分解信息估测精度为R2 = 0.63,RMSE = 28.84 t/hm2。  结论  参数提取方法相同时,即基于植被因子、波段比值、纹理信息3种特征参数估测森林AGB,其光学数据和SAR数据的反演潜力基本一致;参数提取方法不同时,即SAR数据加入极化分解信息估测森林AGB,与光学数据相比,SAR数据对森林AGB的反演潜力较好。      

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。     

杉木人工林平均树高遥感反演模型研究

以湖南攸县黄丰桥国有林场杉木人工林为研究对象,以高分辨率SPOT5影像及1∶10 000地形图为数据源,提取海拔、坡度、坡向、郁闭度,B1(反射率)、B2(反射率)、B3(反射率)、B4(反射率),B1/B4、B2/B4、B3/B1,EVI、NDVI、RVI等14个因子,运用主成分分析法以及岭迹估计法剔除与平均树高相关性小的变量因子,确定影响平均树高估测的主要因子为:B2(反射率)、B4(反射率)、坡向、郁闭度、NDVI。基于最小二乘法建立遥感反演关系模型,用实地调查数据进行模型检验,平均树高估测回归模型的相关系数、决定系数、调整相关系数以及标准估计的误差分别为0.891 0、0.793 0、0.774 0、0.842 2,树高估测模型达到较好的拟合效果,得到杉木人工林的平均树高模型。     

基于机载激光雷达的森林地上碳储量估测

以内蒙古大兴安岭生态站为研究对象,以2012、2013年的66块样地数据和2012年同步获取的机载Li DAR遥感数据为数据源,分别采用多元线性回归和随机森林回归算法,通过对比不同算法间的估测精度差异,选择更适于研究区的估测方法,实现研究区森林地上碳储量的遥感估测。结果表明:随机森林回归算法的估测精度最优,模型训练精度(R2为0.861,RMSE为11.133 t/hm2,rRMSE为0.279)和预测精度(RMSE为17.956 t/hm2,rRMSE为0.342,估测精度范围40.898%~95.129%,平均估测精度76.385%)均优于多元线性回归的模型训练结果 (R2为0.676,RMSE为11.846 t/ha,rRMSE为0.351)和模型预测结果(RMSE为22.703 t/hm2,rRMSE为0.636,估测精度范围45.824%~94.752%,平均估测精度69.859%)。机载Li DAR数据的高度变量和密度变量与森林地上碳储量均具有显著相关性,高度变量相关性更为显著。随机森林回归算法对区域森林地上碳储量的估测结果趋于真实分布情况,效果比较理想。     

亚热带地区马尾松林碳储量的遥感估算——以长汀河田盆地为例

全球气候的变化已使得人类日益关注森林生态系统的碳储量变化.以福建省长汀县河田盆地为例,开展马尾松林碳储量估算模型的研究.通过2010年的野外样地调查获得了马尾松林的实测数据,并将其与同年的ALOS遥感影像对应样地的植被光谱信息进行比较.通过研究5种遥感植被指数与马尾松林碳储量之间的相关关系,从中选取了基于归一化植被指数(NDVI)的研究区最佳马尾松林碳储量反演模型.精度分析表明,该模型平均相对误差为-1.95％,均方根误差为3.01 t/hm2,因此可以有效地用于反演研究区的马尾松林碳储量.利用该模型反演出河田盆地2010年马尾松林的总碳储量为114.58×104 t,碳密度为34.92 t./hm2.     

不同遥感影像空间分辨率对川西南山地常绿阔叶林有效叶面积指数估测的影响

【目的】分析遥感影像不同空间分辨率对LAIe估测结果的影响。【方法】基于地面调查的83个20 m×20 m样地和Landsat-8、SPOT-5、Pleiades-1遥感数据,以川西南山地常绿阔叶林为研究对象,运用偏最小二乘回归分析法,估测了2 m、10 m、30 m 3种尺度(粒度)上区域森林有效叶面积指数(LAIe)。【结果】3种分辨率的遥感数据提取的植被指数NDVI、SAVI对LAIe估测最为重要(Landsat-8:NDVI、SAVI的VIP=1.662;SPOT-5:NDVI、SAVI的VIP=1.573;Pleiades-1:NDVI、SAVI的VIP=1.423)。3种传感器的NDVI、SAVI的相关系数大于0.8,均达极显著水平。对LAIe回归估测检验显示,Landsat-8的决定系数R2=0.793,精度P=79.8%;SPOT-5的决定系数R2=0.853,P=84.4%;Pleiades-1的R2高达0.898,估测精度最高,达89.5%。【结论】不同空间分辨率的影像对LAIe估测有显著影响,使用高空间分辨率数据能显著提高LAIe估测精度。