基于BP神经网络模型思茅松天然林生物量遥感估测

以普洱市思茅松天然林为研究对象,以Landsat8 TM影像和DEM(30 m)数据为信息源,结合2006年森林资源二类调查小班数据和2012至2013年样地实测数据,在ENVI下提取14个自变量备选因子(11个遥感因子、3个地形因子),在MATLAB平台下利用BP神经网络模型建立研究区思茅松天然林生物量估测模型。结果表明,利用优选训练算法Ploak-Ribiere,隐含层节点数为9时效果最佳,得到决定系数R2=0.85,均方误差RMSE=14 t/hm2,预估精度P=74.75%。以像元为单位,分块提取思茅松对应的自变量,利用估测模型得到普洱市思茅松天然林总生物量为62 185 871.9 t,单位面积生物量为51.06 t/hm2。     

基于随机森林回归模型的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,以研究区2005年TM影像及2006年森林资源二类调查小班空间属性数据库为信息源,在前期建立思茅松单木生物量模型基础上,在ENVI下提取9个植被指数作为备选自变量,建立研究区思茅松人工林随机森林回归遥感估测模型。结果表明:随机森林回归遥感估测模型的决定系数(R2)=0.97,均方根误差(RMSE)=4.97;模型的预估精度(P)=87.67%。利用已经训练好的随机森林估测模型,估测研究区思茅松人工林生物量为3 644 612.00t;单位面积生物量为59.90 t/hm2。研究结果可为其它典型森林类型生物量或碳储量估测提供案例分析。     

基于森林生物量相容性模型长白山天然林生物量估测

利用中国第四次(1997年)二类森林调查数据,借助长白山天然林森林生物量相容性模型,以汪清天然林区为例,对阔叶林、针叶林及针阔混交林等不同森林群落进行森林生物量及其分量的估测,研究区森林生物量密度及碳密度估测值分别为110.06 t/hm2和51.73 t/hm2,碳库估测值为0.0119 Gt C.阔叶林生物量占总森林生物量的59%,在该研究区占主导地位。     

思茅松单木生物量模型研究

以景谷县文朗示范林场不同树龄、不同立地和不同密度的思茅松天然林作为研究对象,设置20块标准地,实测标准木120株。通过多元相关分析表明：地上部分总生物量、树干、木材、树皮、树冠、树枝、树叶生物量与D、H和V的相关性密切,同时地上部分总生物量、树冠、树枝、树叶生物量还与CW、L有较高的相关性。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,确定了思茅松单木各维量的最优估测模型。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顸估水平,在生产实践中可用其很好的对思茅松单木生物量及林分生物量进行估计,为思茅松的合理经营与开发提供理论依据。     

滇西北云南松生物量模型回归分析

对2010年以及2011年滇西北云南松样地数据进行计算分析,找出滇西北云南松单木及林分生物量模型、林分生产力的差异,结果表明:(1)用胸径(D)、树高(H)、胸径与树高乘积(HD)、胸径平方与树高乘积(D2 H)估测单株云南松生物量的模型以幂模型为佳,精度R2为0.9988~1,显著值均达到了0.000都极为显著,根据云南松的生长特性最终确定(W=0.0479*(D2 H)0.9638(单位:W为kg,D为cm,H为m))为滇西北云南松单木生物量模型,精度R2=0.9999.(2)滇西北云南松种群生物量为8228.3t/hm2,滇西北云南松林群落生物量为8477.065t/hm2.上层生物的生物量占绝对优势,各层次生物量的大小为:乔木层灌木层草本层。     

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。     

基于Landsat TM的香格里拉市高山松生物量估测重建

基于香格里拉市2006年TM影像、森林资源二类调查数据、外业调查数据,利用随机点所在小班的遥感因子平均值建立数据集,通过数据筛选和相关性分析,选出123个样地数据及14个遥感因子,建立了基于遥感因子的高山松生物量估测的非线性和线性模型,并讨论了模型精度及其预测精度。研究结果表明,线性模型(R2adj=0.406、RMSE=34.18 t/hm~2、rRMSE=38.54%)比非线性模型的精度(R_(adj)~2=0.286、RMSE=37.79 t/hm~2、rRMSE=42.60%)高;运用交叉验证法得到的线性模型的预测精度(RMSE’=35.12 t/hm~2、rRMSE’=39.59%)也要高于非线性模型的预测精度(RMSE’=38.44 t/hm~2、rRMSE’=43.34%)。与其它2个同类研究相比,重建的高山松生物量模型虽然在模型精度上还略有欠缺,但是建模数据更为随机、合理,对因子提取方法进行了一定改进,建立的模型为高海拔地区利用遥感数据和森林资源二类调查数据估测典型乔木森林生物量提供参考,为地形起伏较大区域进行森林生物量估测提供了较为完整的技术方法。     

香格里拉市高山松林碳储量空间分异研究

以香格里拉市高山松林为研究对象,构建高山松单木碳储量模型,结合森林资源二类调查数据推算香格里拉市高山松林的碳储量和碳密度,以DEM为数据源,对研究区高山松林碳储量和碳密度的空间分布特征进行分析。研究结果表明,高山松单木碳储量模型以幂函数模型精度最高,决定系数R²=0.989,均方误差MSE=259.43,可用来进行高山松林碳储量估测;在空间分布上,研究区高山松碳储量集中分布于海拔>2 500～4 000 m地段,在海拔>2 000～2 500 m地段碳储量密度最大,为40.80 t/hm²;高山松林碳储量从平坡到险坡的分布呈先增大后减小的趋势,其中,在陡坡上分布最多,在平坡上分布最少;高山松林碳密度随坡度的增大呈先增大后减小的趋势,其中高山松林在急坡上的碳密度最大,为35.94 t/hm²,在平坡上的碳密度最小,为30.85 t/hm²;高山松林碳储量在平地上分布极少,在阴坡、半阴坡、半阳坡、阳坡上的分布差异不大,呈先增大后减小的趋势,其中,在半阳坡上的分布最多,在阴坡上的分布最少,高山...     

观光木人工林生物量及生产力研究

对广西南宁良凤江国家森林公园27年生的观光木生物量和生产力进行测定研究,分析观光木人工林不同径阶生物量的分配规律和林分生物量、生产力,并根据林木各器官之间的相关关系,建立D2H与各器官生物量的估测模型。结果表明,观光木生物量随着径阶的增大而增大,不同径阶间差异显著;通过不同径阶D2H拟合的生物量估算模型,拟合精度高,可用于实际生产对该林分生物量的估算;观光木林分生物量为102.57 t/hm2,其中乔木层占了87.07%,林下灌木层、草本层及腐殖质层生物量分别为8.61 t/hm2、1.83 t/hm2、2.82 t/hm2。观光木人工林林分生产力为7.4 t/(hm2.a),具有较高的净生产力。     

思茅松树干生物量、树皮率与基本密度研究

建立思茅松树干生物量估测最优模型,分析思茅松木材基本密度、树皮率及其与胸径、树高、树龄等的关系.结果表明,在3种常用的生物量模型中,幂函数效果最好,且引入材积因子后,模型的估测精度有较明显提高;思茅松底部与中部木材基本密度无显著性差异,上部明显低于中部和底部;思茅松木材基本密度与树龄呈显著正相关,与胸径、树高等无显著相关;树干各部分树皮率底部最大,中部次之,上部最小.