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。     

深圳市森林碳储量及其动态变化

根据深圳市2005年和2010年森林资源二类调查数据（更新）资料,采用生物量转换因子连续函数法,对深圳市森林的碳储量、碳密度及其动态变化进行分析。结果表明：深圳市2010年森林生物量碳储量223.95×104Mg,碳密度2821Mg/hm2,分别比2005年增加22.57×104Mg和2.18Mg/hm2,碳储量年增长1.81 %;乔木林生物量碳储量由2005年的13929×104Mg增加到2010年的161.86×104Mg,年均增长3.24%,碳密度由2932Mg/hm2增加到32.17Mg/hm2;2010年乔木林生态系统碳储量63896×104Mg,其中土壤碳储量占74.64 %,乔木层碳储量占1925 %,森林下层植被和枯落物碳储量分别占3.48 %和2.62 %;乔木林生态系统碳密度12687Mg/hm2。深圳市乔木林以幼中龄林为主,固碳潜力可达6620×104Mg。     

基于Landsat 8遥感影像的地上生物量模型反演研究

以吉林省延边朝鲜族自治州汪清县的主要针叶纯林树种为研究对象,结合Landsat 8 OLI数据和地面调查数据,通过提取半径为15 m圆形样地林分尺度下的遥感特征变量实现对地上生物量的估算。首先提取128块样地内的34个遥感特征,其次采用随机森林特征重要性分析遥感特征的贡献率,再利用BP神经网络算法的2种训练算法、SVM支持向量机的3种核函数构建地上生物量模型,最后利用32个测试样本评价模型的估算精度。结果表明,BP神经网络的L-M训练算法和贝叶斯正则化训练算法的R²分别为0.602 9、0.672 1,RMSE分别为5.096 9、4.263 7,MAE分别为4.166 9、3.211 8;SVM支持向量机的线性核函数、RBF核函数、多项式核函数的R²分别为0.585 8、0.561 9、0.487 7,RMSE分别为5.859 4、5.600 9、5.763 7,MAE分别为4.24、3.89、4.176。以贝叶斯正则化训练算法构建地上生物量模型的估测精度最佳;BP神经网络算法比SVM向量机更适用于本研究;同一种机器学习算法不同的训练函数存在差异性。     

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。     

基于地物光谱和Landsat8遥感影像的土壤铅含量反演研究

随着人类活动的影响,重金属污染逐渐成为土壤和环境研究的重点。采用遥感技术可以克服传统重金属监测过程中的缺点,做到快速、高效地反映重金属空间分布。本文以克拉玛依市某区域为研究区,利用SVC HR-768光谱仪和Landsat8影像对41块土壤样品进行地物光谱和波段反射率的获取,采用相关性分析和偏最小二乘回归的原理,建立地物光谱与Landsat8数据的土壤铅含量反演模型。结果表明,基于一阶微分变换的地物光谱能更好地反映光谱与重金属铅含量的相关性,建立的模型为最优预测模型;通过波段比值和波段差值方式建立的基于Landsat8波段反射率的反演模型精度较好,能粗略预测土壤重金属铅的含量,并且基于Landsat8影像反演的土壤铅含量空间分布符合土壤样点实测值的空间分布,为今后土壤环境监测土壤重金属含量提供数据支撑。     

基于Landsat8的黄河三角洲盐渍化反演

土壤盐渍化是最常见的土壤退化过程,垦利县位于黄河三角洲核心地带,是土壤盐渍化比较典型的区域。本研究在盐渍土野外调查采样的基础上,依据土壤理化分析和Landsat8卫星光谱数据,选取了相关性以及诊断指数较好的3个波段的反射率作为盐分反演因子,分别建立数理统计模型与BP神经网络盐分反演模型。研究表明:BP神经网络模型的精度明显优于传统多元回归模型,且反演模型更适合高盐度区域土壤盐渍化反演制图,具有较好的应用前景。     

基于Landsat8 OLI的内蒙古大兴安岭森林健康评价遥感模型研究

为了降低森林健康评价中野外调查人力、物力的大量消耗及对大尺度森林健康评价的需求,对森林健康评价遥感模型的研究具有十分重要的现实意义.本文分别选取内蒙古大兴安岭的针叶林(汗马自然保护区)、针阔混交林(五岔沟林场)及落叶阔叶林(赛罕乌拉自然保护区)为研究对象,分别针对3种森林类型设立30 m×30m样地(汗马18块,五岔沟...     

基于Landsat 8遥感图像的长春中北部地区土壤有机质含量反演

以Landsat 8遥感图像为数据源,利用FLAASH大气校正模型对遥感图像进行大气校正,结合野外土壤采样的有机质含量化验数据,采用逐步回归分析的方法,对研究区土壤有机质含量进行定量反演。结果表明,土壤有机质含量与Landsat 8遥感图像反射率在近红外波段具有较强的负相关性,对反射率进行适当的数学变换可以有效提高与有机质的相关性,由此而建立起来的逐步回归反演模型,其决定系数r2=0.925,总均根方差RMSE=0.171,说明该反演模型有较高的精度与稳定性。根据上述反演模型,结合遥感影像分类结果,对研究区土壤有机质含量进行反演,结果显示,研究区内土壤有机质含量呈东高西低之势,东部、南部地区土壤有机质含量普遍高于3%,而西部、北部地区土壤有机质含量普遍低于2%。     

基于遥感反演的森林生态系统呼吸研究

陆地生态系统碳循环是全球气候变化研究的核心内容之一,森林生态系统作为陆地生态系统中面积最多、最重要的自然生态系统,在维持全球碳平衡和调节全球气候等方面有着举足轻重的地位。本文采用3类MODIS数据(叶面积指数、地表温度数据、地表水份数据)结合Ameri Flux通量观测网络中位于加拿大亚寒带气候区的4个通量塔站点观测数据建立1个遥感反演模型,利用该模型对常绿针叶林生态系统呼吸进行估算,并使用独立的通量站点观测数据评估模型的准确性。结果表明,遥感反演模型在估算森林生态系统呼吸方面具有很大的潜力,为大区域尺度上定量评估森林生态系统对区域碳平衡及全球碳循环的影响,制定合理的森林生态管理方案提供数据支持。     

浅析森林植被碳储量研究

森林生态系统是地球上最大的陆地碳库,在全球碳循环和维持全球碳平衡中发挥着非常重要的作用。对森林植被碳库储量的研究方法和研究进展进行了简要阐述,以期为森林碳储量相关研究提供参考。     

基于Landsat 8数据的芜湖市地表温度反演

以空间分辨率100 m的Landsat 8 TIRS热红外传感器第10波段数据为基础,采用对大气透射率估算方程修正后的单窗算法,反演了芜湖市地表温度,并使用MODIS地温产品数据为标准对其进行精度评价。评价结果表明,修正后的算法所得到的反演结果具有较高的数据精度,能够更加准确细致地表示出地表温度空间分布的细节信息。     

基于Landsat 8数据反演水中CO_2含量的研究

海水中CO2总浓度影响大气CO2的浓度水平,是决定海洋酸化程度的重要因子。该研究利用珠江口海域现场采集的数据,建立了适用于Landsat 8卫星数据的反演海水中CO_2总浓度的模型,研究结果表明:利用现场实测数据对遥感模式估算值进行验证,所建立模式具有较高的准确率;珠江口海域水中总CO_2数值在26~70mg/L,分布为近岸海域高于外海,西部海域远高于中部和东部。     

基于第8次森林资源清查数据的广西森林碳储量特征研究

以广西第8次森林资源清查数据为基础,采用生物量-蓄积量转换函数和平均生物量法,结合不同树种的含碳率,估算了广西森林植被的碳储量与碳密度,分析了不同优势种和龄组的碳储量分布特征。结果表明:广西不同林地类型的总碳储量为1.97×108t,平均碳密度为14.87 t/hm~2,其中乔木林和灌木林的碳储量占总碳储量的99.86%;不同龄组乔木林的碳储量大小为中龄林幼龄林近熟林成熟林过熟林,其中中龄林和幼龄林碳储量占全省乔木林碳储量的72.21%。天然林的碳储量高于人工林的碳储量,天然阔叶混交林和马尾松林占天然林碳储量的77.28%,人工桉树、杉木和马尾松等林分占人工林碳储量的87.32%;用材林、防护林和经济林三大林种的碳储量占全省乔木林碳储量的93.24%,其中用材林的碳储量最高,占60.08%,而碳密度表现为特用林防护林用材林经济林薪炭林。     

基于第8次森林资源清查数据的安徽森林碳储量特征研究

【目的】研究安徽森林植被碳储量的分布特征,为森林碳汇功能的评价提供依据。【方法】以安徽省第8次(2014年)森林资源清查数据为基础,采用生物量-蓄积量转换模型法和平均生物量法,结合不同树种含碳率,估算安徽森林植被的碳储量和碳密度,并分析了不同森林类型及不同林级、林种和起源的乔木林碳储量分布特征。【结果】安徽不同森林类型的总碳储量为8.51×10~7 t,平均碳密度为20.55 t/hm~2,其中竹林的碳密度最高,为37.33 t/hm~2。乔木林和竹林的碳储量分别为6.42×10~7和1.45×10~7 t,各占总碳储量的75.47%和17.02%;不同龄级乔木林中,中龄林碳储量最大,达2 490.92×10~4 t,约占乔木林总碳储量的40%;过熟林碳储量最小,为256.24×10~4 t,仅占乔木林总碳储量的3.99%,且表现出林龄越大碳密度越高的趋势。用材林和防护林的碳储量分别为3 798.04×10~4和2 205.68×10~4 t,共占乔木林碳储量的93.48%;各林种碳密度大小为特用林防护林用材林经济林薪炭林。天然林的面积(153.86×10~4 hm~2)略低于人工林(154.81×10~4 hm~2),但由于天然林的碳密度高于人工林,使得天然林的碳储量(3 476.50×10~4 t))反而高于人工林(2 946.29×10~4 t)。【结论】安徽省森林植被具有明显的碳汇能力,但其碳密度较低,应对现有森林进行科学抚育和管理,以提高森林的碳汇能力。     

中国森林碳储量研究综述

森林生态系统在陆地生态系统碳循环中占有十分重要的地位.综述了中国森林碳储量的时间变化规律和空间变化规律,总体上随着时间的推移,中国森林面积和碳储量都呈现出增长趋势,起着"汇"的作用;中国森林的植被碳密度有从东南向东北和西增加的趋势,并与人口密度负对数显著相关.此文分析了温度与降水、CO2浓度及土地利用变化等主要影响因子,还对今后碳密度的研究方向作了思考.     

基于Landsat8遥感影像的六安市土地利用分类研究

利用遥感数据波段融合技术与图像分类技术,采用Landsat8遥感影像,通过ArcGIS平台,经过数据裁剪、融合、样本管理与在线分类学习,展开六安市部分区域的土地利用分类研究。通过研究,以期为六安市的土地利用分类提供一种科学的监测方法。     

基于GF-1与Landsat 8遥感数据的耕地表层土壤有机质含量反演精度对比研究

以GF-1和Landsat 8遥感影像为数据源,以依安县、拜泉县为研究对象,结合研究区土壤采样的化验数据,比较2种遥感影像在反演土壤有机质含量方面的能力与差异。结果表明,2种遥感影像在可见光与近红外波段的反射率与土壤有机质含量显著相关,且在近红外波段相关性最大,利用GF-1近红外波段建立的指数模型比利用Landsat 8近红外波段建立的幂模型估测效果略好。引入蓝波段(深蓝波段)、红波段建立起来的多元回归模型比单波段模型具有更高的反演精度,尤以对Landsat 8遥感影像的改善效果更明显。与Landsat 8相比,GF-1遥感影像具有更高的空间分辨率和更短的重访周期,在土壤有机质含量的探测方面具有相近的预测能力,可以替代Landsat 8遥感影像。     

泰山森林生态系统碳储量及碳密度研究

按照植被组成差异将泰山森林划分为油松林、赤松林、黑松林、华山松林、侧柏林、栎林、刺槐林、混交林、经济林和草甸共10种植被类型,分类型设置典型样地,并结合生物量经验（回归）模型估计法测算了泰山森林生态系统乔木、灌木、草本、枯落物及土壤各层的碳储量和碳密度。结果表明：泰山森林生态系统总碳储量为240.54×104 t,不同植被类型森林碳储量由高到低依次为油松林（85.63×104 t）＞混交林（57.29×104 t）＞刺槐林（28.11×104 t）＞栎林（22.50×104 t）＞侧柏林（16.75×104 t）＞赤松林（14.90×104 t）＞经济林（6.12×104 t）＞黑松林（3.93×104 t）＞华山松林（2.75×104 t）＞草甸（2.55×104 t）;不同空间层次碳储量所占比率由高到低分别为土壤层（77.52％）、乔木层（20.60％）、枯落物层（1.49％）、草本层（0.22％）、灌木层（0.17％）,其中土壤层和乔木层占总碳储量的98.12％,土壤层碳储量约是植被层的3.69倍。泰山森林生态系统总碳密度为202.17 t/hm2,各植被类型中碳密度最大的为刺槐林（310.88 t/hm2）,从森林的碳汇功能来讲,刺槐林不仅不能减少面积,而且应成为今后强化经营管理的对象。     

基于QUEST决策树的Landsat 8遥感影像的南京市土地分类研究

以南京市为研究对象,获取研究区域Landsat8 OLI遥感影像,利用QUEST决策树的分类方法对影像进行分类。将植被覆盖指数(NDVI)、迭代自组织数据分析技术(ISODATA)非监督分类作为地学辅助数据因子添加到分类波段中,构建多源数据集进行不同特征的融合,处理目标类别之间的非线性关系。该方法灵活性大,总精度达91.045%,Kappa系数为0.851,取得了比普通方法更好的精度。精度的提高有助于解决南京市复杂的规划、决策和管理等问题。