利用MODIS数据反演森林生物量的方法研究

以东北三省为试验区,利用MOD IS时间序列上的植被指数NDVI,结合森林资源清查样地数据测算的林分生物量,以及年均降水量、年均蒸散量、年均湿润度、年均积温、经度、纬度等地理环境因子,采用多元线性回归的方法构建森林生物量遥感估测模型。通过样本检验,该模型对东北三省的森林生物量密度估测精度较高,与检验样本的平均每公顷生物量平均相差1.30%;通过样本定位检验,平均相差21.87%。该模型适宜在宏观尺度上估测森林生物量。     

基于Landsat时间序列数据的森林地上生物量估测研究进展

利用时间序列遥感数据可以提高森林生物量估测精度和估测生物量动态变化,为森林碳储量和气候变化研究提供更为精确的反演基础。文中基于Landsat时间序列数据研究森林地上生物量的遥感估测方法,从数据预处理、数据重构、遥感因子选取以及模型构建与精度评价4个方面进行回顾和评述,并提出研究建议与展望。     

基于Sentinel-1A和Landsat 8数据的区域森林生物量反演

【目的】结合主被动遥感数据,为基于不同遥感数据源、建模算法的亚热带森林生物量建模分析提供新思路。【方法】以湖南省郴州市桂东县2014年Landsat 8 OLI影像、2014年Sentine-1A影像、2014年43块森林资源连续清查固定样地数据为主要信息源,借助于ENVI、SNAP、R等软件,分别采用主动式遥感(Sentinel-1A数据)、被动式遥感(Landsat 8 OLI数据)、主被动相结合(Sentinel-1A数据结合Landsat 8 OLI数据)3种数据集和多元线性回归、随机森林、人工神经网络、袋装算法等4种模型,进行区域森林地上生物量特征变量选取、参数建模、模型精度评价、生物量空间制图。【结果】1)在特征变量选择上,红波段(B4)、红外波段(B5)反射率及纹理特征,归一化植被指数(NDVI),交叉极化(VH)后向散射系数及其纹理特征,在森林生物量反演中具有重要作用;2)4种遥感估测模型精度比较分析表明,无论是单一数据源还是二者结合,随机森林算法预测精度最高,人工神经网络、袋装算法次之,多元线性回归最低;3)3种不同数据源的遥感估测综合精度,按照由高到低的顺序排列,主被动结合被动式遥感主动式遥感;4)桂东县森林生物量平均值为53.68 t/hm2,生物量高( 90 t/hm2)的林分面积比例只有16.03%,主要分布在海拔较高、坡度较陡的东南、西南部。【结论】Sentinel-1A和Landsat 8数据的结合在估测森林生物量方面具有重要作用。     

遥感在森林生物量监测的应用

森林生物量研究对监测生态系统有着重要作用,随着遥感技术的发展,动态地估测大区域乃至全球的森林生物量成为可能.文章就遥感数据源和估测方法,分析总结了传统方法和遥感方法的森林生物量估测.     

联合GF-3 PolSAR数据与Landsat-8 OLI数据的森林地上生物量估测

【目的】森林是陆地生态系统的重要组成部分,精确估测森林地上生物量对森林资源的经营管理具有指示作用,对研究全球碳循环具有重要意义。为了改善单一来源遥感数据估测森林地上生物量的不足,探讨了联合高分三号(Gaofen-3,GF-3)全极化(Polarimetric synthetic aperture radar,PolSAR)数据极化分解参数和Landsat-8 OLI数据估测森林地上生物量的可行性,并针对多源遥感数据的冗余问题优化特征组合。【方法】以广西南宁市高峰林场为研究区,结合森林样地调查数据,提取GF-3 PolSAR数据的后向散射系数、极化分解参数和Landsat-8 OLI数据的光谱信息、植被指数、纹理,使用基于序列前向特征选择的K最近邻法(K-nearest neighbor based on sequence forward feature selection,KNN-SFS)估测研究区的森林地上生物量,以留一法交叉验证得到的森林地上生物量预测值和实测值之间的均方根误差(Root mean square error,RMSE)最小为原则,对比验证使用多源遥感数据和单一来源遥感数据时的估测结果,寻求估测森林地上生物量的最优特征组合,基于最优特征组合绘制研究区的森林地上生物量空间分布图。【结果】结合GF-3 PolSAR数据和Landsat-8 OLI数据估测研究区森林地上生物量的精度为RMSE=21.05 t·hm~(-2),R~2=0.75,优于仅使用GF-3 PolSAR数据估测的精度(RMSE=28.38 t·hm~(-2),R~2=0.47)和仅使用Landsat-8 OLI数据估测的精度(RMSE=29.52 t·hm~(-2),R~2=0.42)。【结论】多源数据协同反演森林地上生物量可以提高估测的精度,基于KNN-SFS方法联合GF-3 PolSAR数据与Landsat-8 OLI数据可以较好地估测森林地上生物量。     

应用激光雷达估测森林生物量的研究进展

激光雷达相比传统被动遥感技术具有较强的穿透性,有利于森林垂直结构分布信息的获取,被广泛应用于林业研究中森林计测参数的估算。展望了激光雷达在森林生物量估测中的应用研究,主要以多源遥感数据协同估测森林生物量为研究思路,结合应用多源数据探索复杂地向条件下对森林生物量的高精度估测,以及探索不同算法对生物量估测的精度影响和相应适用条件。研究了以森林生物量估测为重,从三种不同搭载平台出发,结合相关研究总结近年来地基激光雷达、机载激光雷达、星载激光雷达三种雷达数据在生物量估测中的研究进展,旨在总结研究成果,展望未来生物量估测研究中模型构建、生物量估测研究方向及数据源的选择,并以此提出了参考性意见。     

崂山林场林分生物量遥感反演估算研究

以Landsat TM影像和高分一号影像为数据源,结合外业实测数据,利用遥感影像和实测数据建立崂山林场生物量多元线性反演模型,比较分析不同数据源下反演出的模型精度,估测了崂山林场森林生物量。研究发现,利TM遥感影像作为数据源的崂山林场森林生物量反演模型平均精度为77.12%。高分一号遥感数据反演的生物量模型平均反演精度达到80.75%,高于TM数据源下的生物量反演模型精度。分别根据TM遥感影像和高分一号遥感影像林分生物量估测模型,估测的崂山林场2009年的林分生物量为401185.62t,2013年的林分生物量为402485.44t。     

森林碳储量遥感估测模型构建研究——以闽江流域杉木林为例

以福建省闽江流域为研究对象,利用年均降水、温度数据,结合改进NPP模型构建基于气象因子的森林生产力估测模型,并通过森林生产力与二类调查结果对应的小班年龄曲线建立森林生物量模型,以此获得遥感估测模型所需的样地生物量,在此基础上利用遥感影像和杉木平均含碳率可以成功构建森林生物量非线性遥感估测模型和碳储量遥感估测模型。本研究不仅能建立森林碳储量模型,而且避免了繁杂的森林生物量野外实测,节省了大量的人力物力,且不需砍伐森林树木。实验计算结果:闽江流域杉木林碳储量2003~2012年从10 337 774 t增加到19 624 374 t。     

森林蓄积量遥感估测研究的现状及展望

论述了森林蓄积量遥感估测的研究现状,介绍了森林蓄积量遥感估测已经取得的进展,以及近年出现的新的蓄积量遥感估测方法。随着改进型的神经网络模型的优化,人工神经网络模型在森林蓄积定量估测领域应用的研究将会是森林蓄积量遥感定量估测的发展趋势。     

森林生物量估测进展

森林生物量是森林碳汇能力的重要标志之一,同时也是众多林业问题和生态问题的研究基础。估测生物量的方法可分为传统地面实测法、基于遥感经验模型的生物量估测法以及基于遥感机理模型的生物量估测法。对3种不同方法进行比较分析,结合研究现状,探讨森林生物量估测的发展趋势。     

国外森林地上部分碳汇遥感监测方法综述

森林的碳汇功能对缓解气候变化具有重要作用, 森林碳汇的计量和监测方法备受关注, 其中应用遥感方法对森林地上部分碳汇进行监测计量已经成为目前林业遥感的热点。文中基于光学遥感、微波雷达和激光雷达3种常用的遥感数据源综述了国外森林地上部分碳汇遥感监测的主要方法, 并讨论了这些监测方法的精度和不确定性。得出:1)基于光学遥感数据的多元回归分析法在森林地上部分碳汇估算中应用最为广泛, 人工神经网络法具有更高的估算精度; 2)微波雷达系统能够穿透云层, 可用于多云地区森林地上部分碳汇的估算; 3)基于激光雷达数据的估算结果是三者中精度最高的, 可用于高生物量地区森林地上部分碳汇的监测。     

BP神经网络反演森林生物量模型研究

基于LandsatTM影像和DEM数据,尝试利用BP神经网络建立旺业甸林场森林生物量非线性遥感模型系统,通过实验筛选,最终利用增强型的BP网络进行训练仿真。模型仿真结果表明,增强型的BP神经网络具有自学习和自适应功能强、收敛速度快的特点,能够最大限度地利用先验样本。仿真检验结果的相对系数达0．8022,平均相对误差为15．7％,表明该模型预测的生物量与实际生物量一致性较好,能够达到较好的反演效果。     

基于BP神经网络的针阔混交林TM遥感图像自动分类技术研究

在对标准BP神经网络试验分析的基础上，通过输入矢量归一化处理、主成分分析、增加验证集、改进训练学习算法、扩大隐层和输出层规模等措施，对BP神经网络自动分类系统进行改进；利用改进后的BP系统对吉林省汪清林业局的典型针阔混交林TM遥感图像进行辩识、分类试验研究。结果表明：改进后的BP网络分类系统自动分类精度提高了19．14％，比传统无监督自动分类精度提高8．55％，达到了区分森林类型的分类要求。研究还显示了该改进系统应用于针阔混交林TM遥感图像自动分类识别的精度随网络规模增大而提高。     

基于BP神经网络的森林植被遥感分类研究

如何解决多类别图像的识别并满足一定的精度,是遥感图像研究中的一个关键问题,具有十分重要的意义。本文使用Landsat7ETM+遥感数据和森林资源分布图等地理辅助数据,用BP神经网络方法对森林植被进行了分类,并与最大似然法的分类结果进行精度比较分析。结果表明地理辅助数据参与的BP神经网络用于森林植被遥感图像分类其效果是较好的,是一种有效的图像分类方法。     

合成孔径雷达森林生物量估测研究进展

随着合成孔径雷达（SAR）遥感技术的发展,微波遥感独特的成像机理及其全天候全天时成像能力,使其在区域和全球森林生物量估测方面具有其它光学遥感数据不可替代的作用,这愈来愈受到科学家们的重视。首先就SAR对森林生物量的敏感性进行了论述,分别P、L和C3个波段及其不同极化方式总结了SAR对森林生物量的敏感性和饱和点等反应特性;然后就SAR对森林生物量的后向散射机理和影响森林后散射的其它因素进行了分析;最后总结了利用SAR进行森林生物量估测的技术路线。     

动态数据驱动的林火蔓延模型适宜性选择

基于BP人工神经网络方法设计林火模型适宜性选择技术框架结构,通过神经网络形成林火模型选择知识,实现林火模型的自动化和智能化选择;以火场环境因子为输入变量,以适宜火场环境模拟的林火蔓延模型作为输出变量,构建林火模型选择神经网络模型;研究输入、输出因子数据的获取与计算方式,实现动态数据驱动的林火模型自动选择机制.以北京市为例,选择有详细火场情况记录的72场林火作为试验样本,其中60条记录作为学习样本集,12条记录作为验证样本,对神经网络进行学习和验证,结果表明:模型选择精度可达到80%以上.     

基于遥感信息的森林生物量估算研究进展

遥感技术已被广泛应用于植被和生态系统的定量研究中,特别是利用遥感技术快速准确地估算森林生物量已取得了突破性的进展。综述了遥感技术在森林生物量估算中的现状,分析了各种遥感数据源在森林生物量估算中的优缺点,并简要总结了遥感技术在森林生物量估算应用方面的发展趋势。     

基于统计的遥感图像分类方法

对遥感图像分类是遥感图像信息获取的重要手段。统计分类方法在遥感图像分类中运用得很普遍,同时统计分类方法还是各种新兴分类方法的基础。文章主要研究了各种统计分类方法在遥感图像分类中的应用,在此基础上运用核密度估计Bayes分类方法、BP神经网络分类法进行分类,并与传统的统计分类方法进行比较。