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。     

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。     

基于随机森林算法的冬小麦叶面积指数遥感反演研究

【目的】通过利用随机森林算法（random forest,RF）反演冬小麦叶面积指数（leaf area index, LAI）,及时、准确地监测冬小麦长势状况,为作物田间管理和产量估测等提供科学依据。【方法】本研究依据冬小麦拔节期、挑旗期、开花期及灌浆期地面观测数据,将相关系数分析（correlation coefficient,r）和袋外数据（out-of-bag data,OOB）重要性分析与随机森林算法（random forest,RF）相结合,在优选光谱指数和确定最佳自变量个数的基础上,构建了两种冬小麦LAI反演模型|r|-RF和OOB-RF,并利用独立数据集对两种模型进行验证;然后,将所建LAI反演模型用于无人机高光谱影像,进一步检验所建模型对无人机低空遥感平台的适用性和可靠性。【结果】|r|-RF和OOB-RF反演模型分别采用相关性前5强、重要性前2强的光谱指数作为输入因子时精度最优,验证决定系数（R²）分别为0.805、0.899,均方根误差（RMSE）分别为0.431、0.307,表明这两个模型均能对作物LAI进行精确反演,其中OOB-RF模型的反演效果更好。利用无人机高光谱影像数据结合OOB-RF估算模型反演得到冬小麦LAI与地面实测值的拟合方程的决定系数R²为0.761,RMSE为0.320,数值范围（1.02-6.41）与地面实测（1.29-6.81）亦比较吻合。【结论】本文基于地面数据构建的OOB-RF模型不仅具有较高的反演精度,而且适用性强,可用于无人机高光谱遥感平台提取高精度的冬小麦LAI信息。     

基于多源遥感数据反演森林植被面积

选取清原县为研究区,基于多源遥感数据,形成一套不同尺度（以县-乡为经营单位）的森林植被提取方法。以土口子乡为例,应用ENVI EX4．8软件,采用面向对象的方法对乡内森林植被进行提取,然后基于此方法,采用协同反演TM森林植被面积的方法对清原县森林植被面积信息进行提取。结果表明：RapidEy影像分类精度达88．87％,Kappa系数为0．61;TM影像的分类精度达到92．41％,Kappa系数为0．89,具有较高的分类精度。所建立的森林植被提取方法可为林业部门对不同尺度森林植被类型面积进行监测提供参考。     

基于CASI高光谱遥感数据的森林叶面积指数反演

高光谱遥感技术能够快捷、准确、无损坏地估测森林LAI,从而有效地监测森林长势,估测森林生物量,评价森林病虫害等。以黑龙江凉水自然保护区为例,利用高光谱遥感技术和GPS测量技术,结合地面实测LAI数据,采用从CASI图像提取的NDVI、SR、MSAVI 3种植被指数,与地面实测的LAI建立统计回归模型,然后再从众多的统计模型中根据相关系数,筛选出由CASI反演LAI的最佳植被指数和回归模型。     

基于WebGIS平台的森林郁闭度遥感反演信息系统研建

为满足区域森林资源结构参数特别是郁闭度信息的统一管理与处理分析需求,以福建省三明市将乐县为研究区,以Landsat 8卫星的陆地成像仪(OLI)数据、外业调查的样地数据以及ASTER GDEM的高程数据为基础,选取逐步线性回归模型、向后线性回归模型与偏最小二乘模型研究郁闭度分布情况。在此基础上,结合空间数据库技术,在Arc GIS Server for.NET(ADF)平台下开发基于B/S模式的分布式森林郁闭度反演信息系统,实现基础地理信息系统操作、数据查询、模型因子计算、森林郁闭度模型实现、数据编辑与输出等功能,为三明市将乐县森林资源结构参数数据的规格化管理与共享服务提供技术支持。     

基于PolInSAR森林高度反演研究

以仿真的全极化雷达L波段为数据源进行了复相干DEM差分算法和复相干幅度算法的森林树高反演研究,并采用星载全极化微波遥感数据ALOS PALSAR数据进行实例检验。结果表明:仿真试验中DEM差分算法严重低估了森林树高,复相干幅度算法则估测精度较高;ALOS PALSAR数据时间由于去相干和配准精度低等原因,难以有效估测森林树高。     

长白山典型森林生态系统土壤呼吸的季节动态

利用Li-6400-09土壤呼吸室测定了生长季内(5-10月)长白山北坡不同海拔高度的4种森林生态系统土壤呼吸.结果表明:4种森林土壤总呼吸、异养呼吸和根系呼吸都存在明显的季节动态.阔叶红松林、红松云冷杉林的土壤总呼吸和异养呼吸都呈双峰型的季节动态,岳桦云冷杉林和岳桦林呈单峰型;阔叶红松林、红松云冷杉林和岳桦云冷杉林根呼吸都呈双峰型的季节动态,岳桦林呈单峰型;测定期间内,4种森林土壤总呼吸的季节变化范围是1.06～5.97μmol·m-2·s-1;根系呼吸对土壤总呼吸的贡献约为44.4％.     

基于遥感数据的洞庭湖温度反演研究

根据Landsat TM数据,利用单窗算法对洞庭湖区域进行地表温度反演,得出湖区地表温度的分布规律。结果表明:温度反演成果可靠误差小,湖区温度比周边植被、裸露地地表温度偏低,湖泊冷湖效应明显;地表温度与土地利用类型紧密相关。研究成果对于改善湖区生态环境、加强科学规划洞庭湖具有参考价值。     

基于遥感的城市公园绿地生态系统服务研究

城市公园绿地对于城市空气、气候、污染、秩序和空间格局等都有着不可忽视的作用。以山东省青岛市的城市公园绿地为研究对象,对比不同年份、不同区县、不同街道的城市公园绿地-鉴于公园绿地对城市空气、气候、烟尘、噪音和城市景观格局的重要作用,借助于Arcgis平台提取城市公园绿地的空间位置、面积大小和形状等各类基础信息,运用等效替代法、碳税法等多种方法对城市公园绿地固碳服务价值等11个城市生态功能系统服务指标进行统计分析,对不同年份、不同区县和不同街道等多方面对于城市公园绿地生态系统服务价值进行比较,从而综合评价城市公园绿地生态系统服务价值。     

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。     

依据光学遥感特征优选的森林地上生物量反演

以Landsat 8、GF-1和Sentinel-2A为数据源,依据2019年、2020年外业调查数据为实测数据,提取纹理因子和植被指数,采用KNN-FIFS方法构建研究区的森林AGB估算模型,对云南省宜良县小哨林场森林AGB进行反演。结果发现3种光学数据的森林AGB估算模型中,Sentinel-2A数据结果最优,R²为0.60,R_MSE为21.40 t/hm²;GF-1反演结果次之,R²为0.59,R_MSE为22.11 t/hm²;Landsat 8反演结果较差,R²为0.47,R_MSE为23.29 t/hm²;组合3种数据特征的反演结果最差,R²为0.42,R_MSE为23.86 t/hm²。结论得出：高空间分辨率光学数据反演结果优于低空间分辨率结果,多源数据组合反演森林AGB低于单一数据源反演结果,Sentinel-2A和...     

森林生态系统经营研究

阐述了森林生态系统经营的提出背景、概念、目标、原则、可持续发展观念及实践,并简述了国内外森林生态系统经营的发展情况和目前存在的主要问题。     

基于随机森林算法的橡胶林地上生物量遥感反演研究——以景洪市为例

以景洪市橡胶林为研究对象,将获得的样地植被指数和生物量数据用随机森林方法建立相关关系,将建立的关系用Landsat TM影像反演出整个研究区域的生物量分布,用影像和实地样地调查数据进行分析和验证,实现光学遥感的大范围生物量反演。在反演过程中将植被指数作为自变量,使用R语言环境下的随机森林方法进行变量筛选和建模,并对该方法的适用性进行分析评价。结果表明：随机森林算法适用于森林生物量反演;选择的变量为可见光大气阻抗植被指数（VARI）、简单比值指数（RVI）、归一化植被指数（NDVI）、水分胁迫指数（MSI）、中红外指数（MidIR）;总体模型反演精度R2=043,RMSE=4605。反演结果对于生物量密度较低的区域回归效果较好,对于生物量超过200t/hm2的地区,反演结果偏低,且随着生物量密度的增加,反演结果偏差逐渐增大。     

基于Landsat 8 OLI的昆明市主要森林类型生物量遥感估测与反演

基于昆明市2016年森林资源规划设计调查数据与Landsat 8 OLI遥感影像对昆明市12种优势树种分别构建多元线性回归模型、BP神经网络模型和随机森林模型,并选择最优模型对昆明市12种森林类型进行地上生物量反演。结果表明： 3种模型中,随机森林模型有着最好的估测效果,且其中杉木林的模型拟合精度最高为0.683,RMSE为12.68 t/hm2;线性逐步回归模型的拟合精度最低;当AGB小于50 t/hm2和大于100 t/hm2时,3个模型均分别出现不同程度的低值高估和高值低估,但随机森林模型的平均残差值的绝对值较低,在不同生物量段的估测误差相对较低;利用随机森林模型反演研究区森林AGB,反演精度为85.31%,该模型可以较好地反演昆明市森林地上生物量。     

基于随机森林算法的凉水自然保护区蓄积量反演研究

以黑龙江凉水自然保护区为研究对象,采用GF-1卫星遥感影像为数据源,提取遥感影像在不同窗口大小下的纹理特征信息,与遥感影像自身的光谱信息相结合;利用随机森林算法,结合地面蓄积量采样点数据,建立凉水自然保护区蓄积量反演模型。结果表明:只基于卫星光谱的反演模型的相关系数为0.59,基于卫星光谱与纹理特征的蓄积量反演模型的相关系数为0.65;当窗口大小为3×3时,森林蓄积量反演效果最好。研究表明,基于卫星光谱信息和纹理特征信息,利用随机森林算法进行森林蓄积量反演在森林资源调查方面具有良好的应用前景。     

森林生态系统水循环研究概述

森林是一个复杂的生态系统,森林水循环是陆地水循环的重要组成部分,也是历来森林水文研究的热点。基于近几年有关森林水循环的研究成果,简要介绍森林水文的发展历史,概述森林在大气层、林冠层、地被层、土壤层等不同界面层的水文现象及蒸散的主要研究成果,并初步探析我国森林水文研究的发展趋势。     

森林生态系统健康评价研究

近年来,由于人类对森林的破坏,导致洪水、干旱、沙尘暴等各种自然灾害频发,为此保护森林生态平衡,维持森林系统的健康具有非常重要的意义。本文就是基于这个背景下对森林生态系统健康评价研究。本文首先回顾了森林生态系统健康评价运用必要性,其次对于森林生态系统健康评价法进行分类,最后对森林生态系统健康评价法的标准进行阐述。     

仁怀市森林生态系统多样性研究

植被是生态系统中不可或缺的一部分,中亚热带地区森林生态系统对区域环境的可持续发展具有标志性及不可替代的作用。仁怀市社会经济体量大、发展速度快,可持续发展需要理清仁怀市生态系统类型多样性,形成评估区域生态系统功能与服务基础资料。因此,本文基于植被的实地调查样点,通过对仁怀市域内设立的255个植被样点进行数据标准化、距离计算、系统分类等处理,对样点进行归纳分析,并结合中国植被、贵州植被系统及IUCN全球生态系统分类框架确定区域生态系统分类结构。本研究梳理了仁怀市森林生态系统分类情况,共有35个植被群系;理清了仁怀市现存有原生性较强的地带性植被,如中亚热带常绿阔叶林、地形顶极中亚热带石灰岩山地常绿阔叶林、中亚热带石灰岩山地常绿落叶阔叶混交林等3种类型,可作为生态系统保护重点对象、生态系统修复物种库及群落配置的参考模板。研究结果可为区域生态系统结构管理与功能调节决策的制定提供参考依据。     

基于遥感与地理信息系统的森林立地分类研究

采用航空遥感技术,对纸坊沟流域森林立地条件进行调查.通过对纸坊沟流域立地景观特征及其地形部位、坡向、土壤、坡度等各因子的定性分析,确定分类原则、依据和分类系统.用GIS建立各分类因子的专题数据库和图形数据库,通过各分类层次的主导因子及辅助因子的专题图叠置,编制了纸坊沟流域立地类型图.