云南松地上生物量模型研究

森林生物量作为森林生态系统的最基本数量特征,是研究许多林业问题和生态问题的基础,但由于地域的不同,地上生物量及各分项生物量存在差异。以西藏、云南2个省(自治区)的130株实测云南松Pinus yunnanensis生物量数据,分别用传统回归方法和利用引入地理区域为特征的哑变量方法建立了地上总生物量和地上各分项生物量的一元(胸径为自变量)、二元(胸径和树高为自变量)和三元(胸径、树高、冠幅为自变量)模型。结果表明:所建生物量模型中,地上总生物量模型精度最高,预估精度为0.9300~0.9600,其次是树干、树皮和干材生物量模型,预估精度为0.9000~0.9500,树叶生物量模型的预估精度相对较低,其值为0.8500~0.8900,而且所有的模型都满足二元模型的预估精度和确定系数比一元模型高,与三元模型相差不大。引入哑变量后的模型中,不管是一元模型、二元模型还是三元模型,模型的确定系数、预估精度都相应提高,确定系数为0.7300~0.9600,预估精度为0.8800~0.9600,而且估计值的标准误差和平均相对误差都减少了。因此,构建不同区域地上生物量和和各分项生物量模型时,建议引入哑变量,以提高模型精度和适用性,来解决不同地区模型不相容的问题。     

基于MODIS时间序列数据的竹林地上生物量估算

  目的  基于浙江省中分辨率成像光谱仪(MODIS)时间序列数据,对浙江省竹林地上生物量进行估算,为竹林碳汇遥感监测提供参考。  方法  以MODIS叶面积指数(LAI)、增强型植被指数(EVI)和比值指数(RVI)时间序列数据为变量,利用随机森林模型筛选变量,采用支持向量回归(SVR)模型估算研究区竹林地上生物量。  结果  随机森林模型共筛选出43个对竹林地上生物量影响最大的变量;基于43个变量,采用radial核函数构建的SVR模型预测能力最强,模型训练精度和测试精度分别为0.76和0.72,均方根误差分别为5.15和8.03 Mg·hm?2。浙江省全省竹林地上生物量均值为7.85 Mg·hm?2,总地上生物量为3.31×107 Mg;浙江省竹林地上生物量在各市具有明显的差异性,其中,湖州市、杭州市、金华市、绍兴市和宁波市的竹林地上生物量均值均大于全省均值,湖州市竹林地上生物量均值最大,为13.56 Mg·hm?2,舟山市地上生物量均值最小,为5.72 Mg·hm?2。  结论  耦合了MODIS LAI、EVI、RVI时间序列数据的SVR模型可实现浙江省竹林地上生物量较高精度的估算。图3表1参31     

综合HJ-A数据和偏最小二乘法的小麦孕穗期生物量预估模型

生物量是反映大田小麦生长的重要指标之一,孕穗期是小麦关键生长时期.为准确获取小麦孕穗期生物量,利用HJ-A数据,结合偏最小二乘法(PLS)和主成分分析(PCA)分别建立及评价小麦孕穗期生物量的多变量预估模型.结果 表明:利用HJ-A数据获取小麦孕穗期生物量可行,且由HJ-A数据提取的植被指数之间存在显著的多重相关性.该...     

基于随机森林回归的不同龄组思茅松 人工林生物量遥感估测

以云南省景谷县思茅松人工林为研究对象,以景谷县实测思茅松单木生物量数据建立其单木生物量模型,计算得出90个景谷县思茅松实测样地林分单位面积生物量,采用2005年景谷县TM遥感影像提取9个植被指数作为备选自变量,基于随机森林回归建立总体样本及各龄组样本思茅松单位面积生物量估测模型.以像元为单位,利用估测模型,并采用2005年森林资源二类调查小班数据估算景谷县思茅松人工林的生物量.结果表明:各模型的决定系数(R2)＞ 0.89,均方根误差(RMSE)＜7.00,预估精度(P)＞87.00％;研究区思茅松人工林单位面积生物量为59.0889 t/hm2,其中幼龄林为38.5170 t/hrn2,中龄林为53.6626 t/hm2,近熟林为94.8018t/hm2.     

白桦天然林生物量模型的研究

本文以内蒙古大青山不同树龄、不同立地和不同密度的白桦天然林作为研究对象,设置17块固定标准地,实测标准木17株.利用非线性加权最小二乘法对不同模型分别进行拟合选型,确定了白桦单木各分量的最优估测模型.经各项指标检验,所确定的生物量模型均具有较好的拟合精度和预估水平.白桦各分量生物量的最佳模型为:树干生物量模型W=0.234 E3D-0.642H0.385V,树枝生物量模型W=43.403H0.619V,树叶生物量模型W=4.878E-11D9.675H0.220/(1-H9.455/D9.675),树皮生物量模型W=9.688E6D1.616H-6.592V/(1+H-3.296),木材生物量模型W=279.382D-0.63 V,树冠生物量模型W=140.464D-0.261H0.477V,总量生物量模型W=(8.023E6D2.872H-7.368V).     

东北林区10种主要森林类型的蓄积量、生物量和碳储量模型研建

【目的】林分水平的蓄积量、生物量和碳储量模型或数表,是开展森林资源规划设计调查的必备计量工具。研建东北林区10种主要森林类型的蓄积量、生物量和碳储量模型,既是方法学探索,也为生产实践提供参考成果。【方法】基于东北林区云冷杉林、落叶松林、红松林、樟子松林、栎树林、桦树林、杨树林、榆树林、椴树林和水胡黄林10种主要森林类型的2 000个样地的实测数据,分别利用非线性独立回归估计、非线性误差变量联立方程组和含哑变量的非线性误差变量联立方程组方法,建立了林分水平的蓄积量、生物量和碳储量模型。【结果】基于全部样地通过误差变量联立方程组方法建立的蓄积量、生物量和碳储量总体平均模型,其确定系数分别为0.945、0.805和0.839,而包含森林类型参数的蓄积量、生物量和碳储量哑变量模型,其确定系数分别达到0.959、0.949和0.951。10种主要森林类型的蓄积量、生物量和碳储量模型,确定系数(R2)都在0.86以上,平均预估误差(MPE)都在3%以内,平均百分标准误差(MPSE)大多数在10%以内。蓄积量模型的R2在0.876～0.980之间,MPE在0.90%～1.95%之间,MPSE在5.1...     

基于立地因子及其交互作用的柠条生物量模型研究

森林碳汇是实现碳中和目标的重要路径之一，精确计算森林碳储量具有十分重要的意义。生物量模型是估测森林生物量、计算森林碳储量的重要手段。以宁夏白芨滩林场的典型灌木树种柠条为研究对象，通过样地调查及样本采集，利用非参数双因素方差分析坡向、坡度2个立地因子及其交互作用对柠条各类(总、地上、茎、叶、根)生物量的影响，并基于哑变量模型，构建了立地因子及其交互作用的生物量模型。结果表明，除坡向与坡度的交互作用对柠条叶生物量影响不显著外(P=0.399)，坡向、坡度及其交互作用对柠条其余各类生物量影响均显著(P<0.01)；在柠条各类生物量模型中，以总基径(D)平方和与平均高(H)的乘积(D_t²H)为自变量、以f_i(x)=a+bx_i为基本形式建立的生物量模型拟合精度较高(总、地上、茎、叶、根生物量模型的adj-R²分别为0.645 2、0.671 0、0.623 2、0.600 0、0.502 0)；以坡向、坡度及其交互作用作为哑变量能够显著提高模型的预估能力，其中，对于叶生物量，以坡度...     

长白山林区14种幼树生物量估测模型

以长白山林区林下14种幼树为对象,采用收获法对胸径D1.3≤2.5cm的幼树植株进行随机取样,通过对不同树种各器官和全株生物量的统计,建立了幼树生物量的最优估测模型,并进行了实测验证。结果表明:以地径(D0)和地径平方与株高乘积(D20H)为自变量,拟合的14种幼树各器官和全株生物量最优模型为幂函数,并达到了极显著水平,而且都有较大的R2值(0.712～0.983)和较小的SEE值(0.217～1.122)。幼树器官和全株生物量最优回归方程的R2值,从大到小依次为全株生物量地上部分枝地下部分叶。验证结果表明:以地径(D0)为自变量时,建立的幼树器官和全株生物量模型,对生物量的估测结果均较为准确。自变量为地径平方与株高乘积(D20H)时,怀槐、东北槭等8种幼树器官和全株生物量模型对生物量预测效果较好;除红松、拧筋槭等6种幼树部分器官和全株生物量模型估测效果相对较差外,其他模型均可对生物量进行准确估测。     

杉木分布区中带不同发育阶段人工林生物量估测模型

在收集杉木分布区中带不同发育阶段杉木人工林生物量资料基础上,选择10种不同的生物量估测模型,对杉木幼龄林、中龄林、近熟林和成熟林各器官（地上部分、叶、枝、皮、干、根）生物量与主要测树因子进行拟合,筛选不同发育阶段杉木不同器官生物量估测模型.结果表明：拟合效果最好的为幂函数模型,其次为指数函数模型,再次为多项式模型;共筛选出估算杉木幼龄林、中龄林、近熟林和成熟林各器官和总生物量的最优模型42个（包括36个不同器官生物量模型、6个全株生物量模型）;从杉木各器官生物量的拟合效果看,拟合度最高的模型均是以胸径和树高为自变量的模型.这些模型为分布区中带不同发育阶段杉木人工林生物量的确定和碳储量评价提供科学依据.     

高山松地上生物量遥感估算的不确定性分析

  目的  采用遥感数据估算森林地上生物量仍存在一些不确定性问题,研究估算过程中的误差来源及其占比,对提高森林地上生物量的估测精度具有重要意义。  方法  从遥感影像提取因子,结合高山松Pinus densata外业调查数据,建立多元线性回归、梯度提升回归树、随机森林等3种地上生物量估测模型,对样地尺度与3种模型的不确定性进行分析和度量。  结果  ①高山松单株生物量模型不确定性为16.43%,样地尺度的不确定性为7.07%;②多元线性回归模型残差不确定性为34.86%,参数不确定性为21.30%,与样地不确定性合成后总不确定性为41.45%;③非参数模型中,梯度提升回归树估测高山松地上生物量的总不确定性为23.12%,随机森林为19.42%。  结论  3种遥感估算模型中,非参数模型的不确定性明显低于参数模型。相较于样地尺度,遥感估算模型的不确定性对地上生物量估算精度的影响较大。图3表3参26