河南省杨树人工林生物量估算

利用1989—2008年间共4次森林资源清查资料,依据生物量转换因子法(BEF)建立的杨树生物量与蓄积量相关方程,对河南省杨树人工林的生物量进行了估算。结果表明:河南省4次森林清查杨树人工林的生物量分别为92.44×10⁴ t、191.88×10⁴ t、1 256.79×10⁴ t和3 454.59×10⁴ t,呈明显增长的趋势; 20 a间,杨树生物量共增加3 362.15×10⁴ t,年均增长224.14×10⁴ t; 而同期生物量密度呈逐年下降的趋势,生物量密度由48.14 t·hm^-2下降到37.50 t·hm^-2,远低于全国杨树平均水平,表明河南省杨树人工林森林质量较差; 模型的选用对估算区域生物量的大小影响较大,BEF法与生物量转换因子连续函数法估算结果相差33.95%。     

运用卫星遥感数据对杨树人工林生物量的估算

以Landsat 8(地球资源观测卫星8号)和GF-2(高分2号卫星)影像数据为基础,利用ENVI5.3软件对Landsat8和GF-2遥感影像进行相关预处理,提取反映杨树生物量信息的波段信息和植被指数,结合研究区实测样地胸高断面加权平均高,采用多元线性回归和多远逐步回归构建杨树生物量估算模型。结果表明:依据两种影像数据构建的杨树生物量估算模型决定系数(R~2)均大于0.7;GF-2影像数据构建的模型精度高于Landsat8影像数据构建的模型;引入样地胸高断面加权平均高后,模型精度都有所提高;GF-2影像数据结合样地胸高断面加权平均高,构建的杨树人工林生物量多元逐步回归估算模型最优,R~2达到0.891。     

油菜不同组分生物量光谱遥感估算模型

通过田间小区试验,测定了4个品种、3个供氮水平的油菜冠层在不同生长时期的高光谱反射率及对应叶片、茎以及荚果的干鲜重,并对叶片、茎以及荚果的干生物量与光谱植被指数RVI,NDVI之间相关系数进行显著性检验(P=0.05),建立了油菜叶片、茎和荚果的干生物量光谱估算模型.     

红树林湿地地上生物量遥感估算研究进展

根据所采用遥感数据源不同,分别从基于光学遥感影像、微波数据及激光雷达数据等方面综述了红树林湿地地上生物量估测方法研究进展,提出了提高数据精度及采用融合多源遥感数据协同反演红树林湿地地上生物量是今后红树林湿地地上生物量遥感估测研究的热点。     

高山松地上生物量遥感估算的不确定性分析

  目的  采用遥感数据估算森林地上生物量仍存在一些不确定性问题,研究估算过程中的误差来源及其占比,对提高森林地上生物量的估测精度具有重要意义。  方法  从遥感影像提取因子,结合高山松Pinus densata外业调查数据,建立多元线性回归、梯度提升回归树、随机森林等3种地上生物量估测模型,对样地尺度与3种模型的不确定性进行分析和度量。  结果  ①高山松单株生物量模型不确定性为16.43%,样地尺度的不确定性为7.07%;②多元线性回归模型残差不确定性为34.86%,参数不确定性为21.30%,与样地不确定性合成后总不确定性为41.45%;③非参数模型中,梯度提升回归树估测高山松地上生物量的总不确定性为23.12%,随机森林为19.42%。  结论  3种遥感估算模型中,非参数模型的不确定性明显低于参数模型。相较于样地尺度,遥感估算模型的不确定性对地上生物量估算精度的影响较大。图3表3参26     

帽儿山地区6种灌木地上生物量估算模型

选择帽儿山地区6种典型灌木暴马丁香(Syringa reticulata var.amurensis)、刺五加(Acanthopanax senticosus)、鸡树条荚蒾(Viburnum sargentii)、乌苏里绣线菊(Spiraea ussuriensis)、毛榛(Corylus mandshurica)、卫...     

基于遥感信息模型的香格里拉森林生物量估算

森林生物量是陆地生态系统碳循环过程中最主要的参数,森林生物量准确估算是进行森林碳循环和碳储量及变化分析的基础。以香格里拉这一特殊区域为研究区,以野外调查样方数据为基础,利用植被指数、降水、积温、太阳总辐射量、海拔等多个因子,组合成遥感综合因子层、地理综合因子层与水、光、热一同构成变量,建立了研究区丽江云杉Picea likiangensis-长苞冷杉Abies georgei林,川滇高山栎Quercus aquifolioides林,云南松Pinus yunnanensis林,高山松Pinus densata林等4个建群种森林生物量遥感估算模型,并进行了检验。据此模型开展其生物量估算研究,结果表明:研究区4种森林总生物量为1.14亿 t,其中云冷杉林、栎类林、云南松林、高山松林4种森林的生物量分别是0.715亿t,0.14亿t,0.09亿t和0.20亿t;4种森林总的生物量分布在海拔、坡度上都具有明显的规律,在坡向上无明显分布规律。图1表7参10     

基于HJ-CCD遥感数据和DK-SVR算法的小麦生物量估算研究

基于2010～2013年江苏地区小麦环境减灾卫星(HJ-CCD)的影像数据,提取拔节、孕穗和开花3个生育期的卫星植被指数并作为模型的输入参数,分别利用双核支持向量回归算法(DK-SVR)、MLR和PLS方法构建各生育期小麦生物量估测模型,比较各模型的预测性能。结果表明:可以使用DK-SVR算法遥感估算小麦生物量,基于该算法构建的模型预测性能在3个生育期均优于MLR模型和PLS模型,各期实测值与模型预测值之间决定系数R~2分别为0.50、0.67和0.65,相应的均方根误差RMSE为506、1 389和2 058kg·hm~(-2)。     

森林地上生物量遥感估算方法

生物量是林业和生态应用研究的重要信息,森林生态系统地上生物量估算的遥感技术引起了国内外学者的广泛关注.总结与探讨不同数据源与估算方法能够为森林地上生物量的估算提供指导.本文首先总结并探讨单传感器遥感数据,包括光学遥感、合成孔径雷达与激光雷达数据在森林地上生物量估算中的应用,以及协同使用多源遥感数据估算森林地上生物量的优...     

古尔班通古特沙漠不同生态类型梭梭地上生物量估算模型

以古尔班通古特沙漠梭梭(Haloxylon ammodendron)为研究对象,采用基径(D)和株高(H)的组合D2H为变量,建立了沙质、盐土和石砾质3个生态类型梭梭地上生物量、基径≥3 cm的粗枝生物量及基径<3 cm细枝生物量的预测模型。结果表明:梭梭地上生物量、粗枝生物量及细枝生物量与基径平方乘高(D2H)之间存在极为显著的相关关系;地上生物量在3种生态类型上均表现出与乔木树种类似的相对生长规律,其估测模型以幂函数方程最优;粗枝和细枝生物量在沙质生态类型上以幂函数方程最好,而在盐土和石砾质生态类型上则以二次多项式方程最佳;各模型回检的拟合精度都在85%以上,预测精度较可靠。     

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56t/hm2,其中低（<40t/hm2）、中（40~60t/hm2）、高（>60t/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。     

基于遥感信息估测森林的生物量

采用小兴安岭南坡TM图像和232块森林资源一类清查样地数据构建多元回归方程和神经网络模型，用以估测该地区森林生物量，选取环境因子，生物因子和遥感信息在内的13个自变量计算出回归方程的R^2=0．7125，并通过了相关检验，在对独立样地估测中，人工神经网络模型估测的平均精度为90．61％，基于回归方程估测有助于阐明森林生物量与遥感信息之间的内在机理；神经网络技术使高精度估测成为可能。     

基于遥感的森林生物量估测样地调查方法的研究动态

科学的样地调查是利用遥感方法进行森林生物量估测的重要前提,也是提高生物量估测精度的基础。通过回顾国内外利用遥感估测森林生物量研究领域中样地调查的方法,并对其进行归纳分析可知,调查方法根据不同的遥感数据源、研究区和调查对象而不同,涉及到样地的个数、样地布设、样地形状及大小、样地调查因子和内容等方面。由此提出了样地调查的建议,以期减少今后利用遥感估测森林生物量的不确定性。     

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。     

基于多源遥感数据的森林生物量定量评价研究

以ALOS PALSAR L波段双极化FBD微波遥感数据及多光谱光学遥感数据AVNIR 2为基础,对数据进行预处理,利用地面云南松林样地坐标,提取HH、HV双极化后向散射系数及极化比值3个因子,结合光学遥感数据提取4个波段值及NDVI、RVI 2个植被指数,作为云南松林生物量估测因子。分别以微波数据、光学数据、微波及光学数据结合的多源遥感数据,建立3个云南松林生物量估测模型。结果表明：所建模型经方差分析均达到显著相关或极显著相关水平; PALSAR L波段双极化后向散射系数,可以反映森林生物量的变化,但反演精度有待进一步提高;AVNIR 2数据模型优于PALSAR L波段双极化数据模型;多源数据模型与光学数据模型的估测精度相近。     

基于遥感影像的单县土地利用动态变化分析

土地动态变化的研究对于土地资源的可持续利用、社会的和谐发展都有重要作用。运用遥感技术能够高效、精确地对土地利用动态变化进行分析。以单县为研究对象,运用ENVI软件,对山东省单县2000年和2009年两期遥感影像进行配准、裁剪、监督分类等操作,将该县土地分为耕地、林地、居民地、湖泊、河流、其他用地六种类型。结果表明,从2000年到2009年,居民用地、林地不断减少,耕地、湖泊的面积在扩大,其中湖泊的年变化速度最快,其他用地在大幅度减少。总之,该县要严格控制人口增长;实行退耕还林政策,提高耕地的质量;合理开发、规划土地,处理好单县的城市发展与耕地、林地之间的矛盾,实现该县土地资源的可持续发展。     

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。     

城市森林生物量遥感估测中DN值分层抽样的应用

为了提高城市森林生物量遥感估测的精度,以杭州市西湖区为研究区,利用标准误差和平均绝对误差作为评价指标,与简单随机抽样、一般分层抽样等方法进行模拟抽样比较,根据简单随机抽样、一般分层抽样和DN值分层抽样3种方法分别进行样地实测和构建回归模型,通过均方根误差和相对均方根误差对生物量估算模型进行精度评价。结果表明：DN值分层抽样相对于简单随机抽样和一般分层抽样在稳定性上分别提升了43.3%和42.3%,在精确性上分别提升了60.1%和51.2%。基于DN值分层抽样方法建立回归模型的估算精度相对于其他2种方法有了明显的提高。     

基于随机森林模型的陆地卫星-8遥感影像森林植被分类

以黑龙江省漠河县为研究区域,采用陆地卫星-8遥感影像为数据源,结合影像的光谱信息和数字高程模型辅助数据,分别采用最大似然分类法(MLC)和随机森林模型法(RFM)对研究区森林植被进行分类,并分析和评价光谱特征变量对模型的重要性、2种分类方法对森林植被类型分类的适用性。结果表明:随机森林分类方法的总体分类精度为81.65%、卡帕(Kappa)系数为0.812。与传统的MLC方法相比,RFM法均提高了3种森林类型的生产者精度和使用者精度,其中针阔混交林精度提高最多。通过分析特征变量的重要性,发现高程、归一化植被指数、红光波段、近红外波段、短波红外波段对模型分类精度有较重要的影响。说明随机森林模型方法结合多源信息是森林植被类型遥感分类的一种有效手段。     

基于遥感光谱的作物氮含量估算研究进展

氮是作物生长不可或缺的营养物质之一,氮的亏缺或富余会严重影响作物的产量和经济效益,及时、准确和无损的作物氮素水平监测对作物的增产、合理施肥以及减少环境污染等具有重要意义。阐述了作物氮含量遥感估算的原理及国内外估算方法与研究进展,并在此基础上分析了基于遥感光谱数据的作物氮含量估算存在的问题,提出了未来研究的重点:模型普适性的提高、多源遥感数据的使用、多因素影响下作物氮含量的监测等。