多元线性回归与神经网络模型在森林地上生物量遥感估测中的应用

利用遥感影像构建森林生物量估测模型,能够快速、实时估算区域森林生物量。采用吉水县TM影像以及森林资源调查固定样地数据,构建估算森林地上生物量的多元线性回归模型及BP神经网络模型,并对两种模型进行了比较。结果表明:两种模型对样地生物量的预测值大部分比实测值小,多元线性回归模型预测值与实测值的偏差幅度比BP神经网络模型更大,偏差幅度分别为-110.24~38.09 t·hm-2、-35.12~26.17 t·hm-2;多元线性回归模型与BP神经网络模型的决定系数(R2)分别为0.470和0.869,均方根误差(RMSE)分别为30.52和12.69 t·hm-2,预测精度分别为50.07%和71.65%。因此,运用BP神经网络模型估测森林地上生物量优于多元线性回归模型。     

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.     

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 OLI和ETM+的杭州城市绿地地上生物量估算比较研究

城市绿地地上生物量的定量估算为城市碳循环研究提供重要依据。以杭州市辖区为研究区,选取Landsat 8OLI影像,提取影像的原始波段及植被指数信息,基于199个样地实测数据,建立研究区绿地地上生物量估算模型,反演研究区生物量,并与同时期Landsat 7ETM+遥感影像生物量估算结果进行对比分析。结果表明,基于OLI影像建立的逐步回归和随机森林模型R2分别为:0.643、0.514;城市绿地生物量主要集中在5~15、35~55t·hm~(-2),城区内绿地主要以带状、块状分布,其值偏低,中部公益林及城郊马尾松林生物量值较高;基于OLI影像估算的研究区生物量平均值为32.520t·hm~(-2),相应的ETM+估算结果为34.454t·hm~(-2),两者估算结果的差值基本上以0为中心,差值的平均值为-1.934t·hm~(-2),2种影像估算结果的Pearson系数为0.901,显著性0.001;总体上,2景影像的生物量估算结果差异较小,可通过线性关系相互补充利用。     

利用3S 技术估算鹿门寺林场马尾松林生物量

为了估算鹿门寺林场马尾松林生物量,在利用GPS定位进行野外调查的基础上,设立样地,测定了鹿门寺林场的马尾松林的生物量。利用遥感解译软件Erdas imagine 8.5提取Landsat5 TM影像数据中的TM3、TM4、NDVI、RVI 反射光谱特征图像,并将GPS 采样点的数据经投影转换后使之与反射光谱特征图像匹配、叠置,在统一的几何基础上,进行采样点数据与TM 图像信息的复合比较研究,建立了森林生物量与反射光谱的关系模型。根据模型计算出鹿门寺林场2006年6月份马尾松林总生物量为69 947 t,每公顷生物量为36.27～136.74 t。西北林学院学报22卷第6期吴展波等利用3S 技术估算鹿门寺林场马尾松林生物量     

基于SAR极化分解与Landsat数据的森林生物量遥感估测

目的森林生物量是评价森林生态系统结构、功能和生产力的重要指标之一,区域尺度上的森林生物量的准确估测对了解森林现状和科学经营森林具有重要指导意义。本文旨在利用SAR影像结合Landsat5 TM影像对区域尺度上的森林生物量进行定量估测。方法首先利用极化分解的方法对极化合成孔径雷达(SAR)数据进行处理获得45个极化分解参数,然后将45个极化分解参数与6个Landsat5 TM波段参数共51个参数作为自变量,森林生物量W作为因变量构建统计回归模型,最后利用最优模型反演研究区的森林生物量。结果使用两种方法进行模型构建:(1)逐步回归法,利用逐步回归进行变量筛选,选出2个参数构建模型,模型R2为0.534,拟合精度为67.51%,RMSE为43.21 t/hm2;(2)最优子集法,用Bootstrap法进行变量筛选,共筛选出9个参数,然后用这9个参数进行最优子集回归,获得511个选模型,然后选择出最优子集模型,并用交叉验证法对模型进行验证,最终选出的最优子集模型包含的参数为TM_band4、Neumann_delta_mod、Neumann_psi、TSVM_psi、TSVM_tau_m3,模型R2为0.768 2,拟合精度为88.32%,拟合RMSE为14.98 t/hm2,验证精度为86.21%,验证RMSE为19.14 t/hm2,CP指数为5.249 5,赤池信息量AIC为256.504 5。本文最终使用最优子集法获得的模型进行反演,获得研究区的森林生物量分布图。结论结果表明:全极化C波段SAR数据结合Landsat5 TM光学数据构建遥感信息模型可以准确反演森林生物量。      

县域尺度森林地上生物量遥感估测方法研究

以河南西峡县2013年Landsat 8影像及同期217块森林资源连续清查固定样地数据为信息源,以9个植被指数、3个地形指数为自变量,建立多元线性回归、决策与回归树、装袋算法、随机森林4种遥感估测模型;采用十折交叉验证,及相关系数、绝对误差、均方根误差、相对误差、相对均方根误差5个指标,对遥感估测模型进行精度评价,在此基础上,对研究区域2013年的森林地上部分生物量进行遥感估测和空间分析。结果表明:在4种遥感估测模型中,随机森林综合性能最高,装袋法次之,多元线性回归最低;在12个自变量中,地形(海拔、坡度)、土壤(亮度指数、湿度指数)、植被生长状况(垂直植被指数、有效叶面积指数)6个因子是影响研究区域森林地上部分生物量的重要环境变量;2013年,研究区域单位面积森林生物量为38.56 t/hm2,其中低(40 t/hm2)、中(40~60 t/hm2)、高(60 t/hm2)的面积分别占59.92%、24.30%、15.78%;研究区域森林地上部分生物量较高的区域,主要分布在交通不便、森林茂密、人类干扰活动较少的北部石质山区,而较低的区域,主要分布在交通发达,人口密度大,坡度较为平缓的南部鹳河谷地。     

应用Sentinel-1影像纹理信息模型估测杉木林生物量

以福建省将乐县杉木林为研究对象,以C波段双极化合成孔径雷达数据(Sentinel-1)为数据源,通过计算不同极化方式下的后向散射系数和纹理特征值,采用多元线性逐步回归分析,分别建立以后向散射系数与纹理特征值为自变量,杉木林生物量为因变量的估测模型,筛选最优杉木林生物量估测模型。结果表明:VH、VV与VH/VV极化方式的后向散射系数与森林生物量均没有明显的相关关系,相关系数均低于0.2;运用纹理信息建立的生物量估测模型中,VV极化纹理特征值的估测模型的决定系数为0.716 7,均方根误差为62.48 t·hm-2,模型的估测效果最好。因此,C波段双极化合成孔径雷达影像纹理参数在估测森林生物量方面具有重要作用。     

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。     

黑龙江省区小兴安岭森林生态系统碳密度遥感估算

以黑龙江省区域小兴安岭地区遥感影像和130块2005年小兴安岭二类调查数据及土壤数据为基础,选择各个波段的灰度值、不同波段灰度值之间的线性和非线性波段组合、纹理信息以及非生物因子栅格化后所形成的辅助波段等为自变量,选择与碳密度相关性显著的自变量,采用郁闭度碳密度联立方程组模型,对黑龙江省区域小兴安岭森林生态系统的碳密度进行估算、精度评价。结果表明:黑龙江省区域小兴安岭的南部和中部地区,森林碳密度主要集中在200~250 t·hm-2;北部地区大部在250~300 t·hm-2。黑龙江省区域小兴安岭森林生态系统碳密度,具有从西向东、从南向北,逐步升高的趋势。模型平均拟合精度85.1%,均方根误差=31.27 t·hm-2;平均检验精度84.7%,均方根误差=33.61 t·hm-2。     

浙江缙云公益林生物量及固碳释氧效益

 根据浙江省缙云县117个公益林固定小班监测数据,在推算不同群落类型（松林、杉木Cunnunghamia lanceolata林、阔叶林、针阔混交林、毛竹Phyllostachys edulis林和灌木林等6种群落类型）生物量的基础上,估算了公益林植被碳储量与碳密度,并通过碳税法、工业制氧法对缙云县公益林固碳释氧效益进行了分析。结果表明：缙云县公益林生物量现存总量为282.73 × 10⁴ t,单位生物量为93.21 t·hm^－2,杉木林单位生物量最高（102.61 t·hm^－2）,阔叶林次之（100.93 t·hm^－2）,灌木林最低（21.76 t·hm^－2）;公益林平均植被碳密度为47.37 t·hm^－2;固碳释氧总量为38.59 ×10⁴ t·a^－1,总价值4.07亿元·a^－1。对缙云县公益林建设提出了一些意见和建议。图3表6参25     

宝天曼自然保护区栎类群落细根生物量的研究

通过土柱取样法对宝天曼国家自然保护区4种栎类群落细根生物量及其垂直分布进行了研究.研究结果表明,不同栎类群落细根生物量差异明显,锐齿栎林细根生物量最高(4.657 t·hm-2)、其次为短柄袍林(4.450t·hm-2)、栓皮栎林(4.421 t·hm-2)和茅栗林(4.351 t·hm-2).从不同土壤层次中细根所占的比例看,栎类群落细根总生物量的60%左右分布在0～10 cm土层,85%以上分布在0～20 cm土层.随着土层深度的增加而减少,分析0～x cm土层细根生物量.回归分析表明负指数模型和双曲线模型效果较好.     

辽宁冰砬山不同年龄落叶松人工林生物量和生产力的研究

森林生物量和生产力直接关系到森林生态系统的固碳能力.以冰砬山4个年龄阶段的长白落叶松(Larix olgensis)人工林为研究对象,采用标准木收获法建立生物量与胸径的相对生长方程,推算各林龄的生物量、生产力及其分配规律.结果表明:幼龄林、中龄林、近熟林和成熟林的群落生物量分别为154.04t· hm-2· a-1、179.29t· hm-2· a-1、229.40t·hm-2· a-1和254.78t· hm-2· a-1,其中乔木层生物量占群落生物量的比例达94％以上.不同年龄阶段的落叶松人工林乔木层的年平均净生产力均较高,并随着林龄的增大而下降,幼龄林乔木层的生产力可高达16.71t· hm-2· a-1,比成熟林的生产力高出近1倍.在所有不同年龄阶段,各器官的生产力占总生产力的比例平均为:叶(46％)＞树干(39％)＞根(10％)＞枝(5％).     

黑木相思人工林生态系统生物量、碳贮量及其分配特征

研究了广西壮族自治区南宁市8年生黑木相思(Acacia melanoxylon)人工林生态系统的生物量、碳贮量及其分布特征。结果表明:黑木相思人工林生物量为108.47 t.hm-2,其中乔木层占总生物量的85.85%、灌木层占7.26%、枯枝落叶层占4.47%、草本层占2.42%。黑木相思人工林生态系统总碳贮量为143.06 t.hm-2,其中乔木层为46.33 t.hm-2,占整个生态系统碳贮量的32.39%;灌草层为4.78 t.hm-2,占3.34%;凋落物层为2.26 t.hm-2,占1.58%;林地土壤(0～60 cm)为89.69 t.hm-2,占62.24%。黑木相思人工林乔木层年净生物量增长量为17.02 t.hm-2.a-1,年净固碳量为8.45 t.hm-2.a-1,折合成CO2为30.98 t.hm-2.a-1。     

基于优化k-NN模型的高山松地上生物量遥感估测

针对传统k-最近邻法（k-nearest neighbor,k-NN）在搜索最近邻单元时赋予特征变量相等的权重,缺少对特征变量加权优化等不足问题,在云南省香格里拉市,以高山松Pinus densata为研究对象,基于49块实测标准地,116株高山松样木和Landsat 8/OLI影像,在前期进行基于遗传算法（genetic algorithm,GA）优化的k-NN模型实现的基础上,对k-NN的3个参数（k,t和d）进行反复测试优化组合,在像元尺度上对研究区高山松地上生物量进行遥感估算。结果表明:基于遗传算法优化的k-NN模型精度优于传统的k-NN模型,优化前均方根误差为30.0 t·hm-2,偏差为-0.418 t·hm-2,相对标准误差百分比（R_MSE）为54.8%;优化后均方根误差为24.0 t·hm-2,偏差为-0.123 t·hm-2,R_MSE为43.7%。基于优化k-NN模型的研究区高山松地上生物量总储量估测结果为0.89×107 t。     

基于Landsat-8影像的西宁市南北山森林生物量估测模型研究

基于Landsat-8遥感影像结合同期的野外调查样地数据,建立青海省西宁市南北山森林生物量估测模型。通过对Landsat-8遥感数据6个原始波段的灰度值和4个常用植被指数(DVI、NDVI、EVI、SAVI),开展主成分分析后得到主分量PCA1、缨帽变换得到BRIGHT、GREEN、WET,分析遥感信息与生物量的相关性,运用逐步回归分析法建立研究区森林生物量回归估测模型:B=119.495+3.704E^-24e^DVI+0.026OLI-5²-3.478OLI-5（R²=0.554,p<0.01）,经检验模型的平均相对误差为13.509%,反演得到西宁市单位面积森林生物量为5.227 t/hm²,总森林生物量为998 991.768 t。结合西宁市遥感影像,绘制了西宁市森林生物量分布图。     

安徽阜南杞柳林生长及其土壤特性u

对阜南黄岗地区杞柳纯林及杨树-杞柳混交林两种栽培模式下的林分结构、生物量及土壤特性进行了研究.结果表明:不同栽培模式下杞柳的平均地径为0.46～0.99 cm,平均条高为130.44～187.61 cm,在相同林龄下纯林的平均地径和条高大于混交林;杞柳纯林及混交林的平均总生物量分别为17.55、17.03 t·hm-2...