利用遥感数据估测森林蓄积量

以吉林省柳河县为研究区,以Landsat-5 TM遥感影像为基础数据,提取相关因子,建立柳河县森林蓄积量遥感估测模型,经过精度检验,模型的预测精度达到82.36%。利用模型进行森林蓄积量反演,得出该县森林蓄积量为1 226×104m3,实际精度为80.00%。利用遥感技术进行森林蓄积量估测是可行的。     

基于CBERS数据的平南县桉树蓄积量遥感估测模型构建

采用蓄积量遥感估测的原理,以平南县19．5m分辨率的CBERS -02B遥感影像为基本数据源,结合地面标准地调查,运用相关的数学理论方法建立了桉树蓄积量估测模型,并进行了精度检验。结果表明：所构建的蓄积量遥感估测模型具有较高的精度,可用于在研究区内估测桉树蓄积量。     

森林蓄积量定量遥感估测模型研究

采用印度遥感卫星数据,以云南省高黎贡山自然保护区阔叶林为主要研究对象,设置可能影响森林蓄积量估测的遥感信息因子和可通过GIS获取的因子为自变量,通过逐步回归分析的方法建立了研究区域阔叶林蓄积量估测模型.结合小班面积估测值,计算了各小班相应的蓄积量.     

森林蓄积量遥感估测的研究进展

传统的森林资源调查是一项周期长、任务重、劳动强度大,需大量经费的工作。随着遥感技术广泛应用于森林资源调查工作,特别是森林蓄积量的遥感估测,将比传统方法省时、省力,节约经费。目前,利用遥感进行森林蓄积量的估测研究已取得了一系列重要进展,文章则简要综述了国内外在光学遥感和微波遥感范围内的森林蓄积量遥感估测方面的研究进展,认为利用遥感技术进行森林生物量估测对于了解和监测全球生态系统对气候变化和人类活动的反应具有重要的意义。     

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。     

基于高分辨率遥感影像的森林蓄积量估测

为了快速有效获取《综合开发利用项目》项目区的森林蓄积量,利用SPOT5和Rapid Eye高分辨率遥感影像,结合野外实地调查数据,采用最小二乘回归方法构建森林蓄积量遥感估测模型,估算柬埔寨王国上丁省特许地2012年的森林蓄积量。结果表明:1利用预留独立样本对模型进行精度验证,不分类型的模型的总体预测精度可达到99.37%,分类型的模型的总体预测精度分别可达到99.57%、97.30%、99.41%、96.84%、76.25%;2不分类型建模反演得到2012年研究区的森林总蓄积量为33197465.008 m3,各类型的森林蓄积量分别为16660360.382、7124988.801、5716238.005、4016470.930、186695.185 m3。结果表明利用高分辨率遥感影像快速估测区域森林蓄积量的可行性,也为合理规划和开发利用特许地的森林资源提供参考。     

基于ALOS数据的云南松林蓄积量遥感估测方法

基于ALOS数据和样地实测数据为数据源,云南省宜良县为研究区,以提高森林蓄积量遥感估测模型精度为目的,从遥感、GIS、郁闭度等方面选取与森林蓄积量相关性较高的因子作为自变量。采用逐步回归法、主成分分析法、偏最小二乘法3种模型估测宜良县的云南松林蓄积量。从3种模型的拟合效果和估测精度比较结果表明:偏最小二乘法精度最高,调整决定系数为0.754,预测精度为82.77%,与主成分分析等传统线性估测模型相比精度有较大改善。     

估测森林蓄积量的遥感因子选择研究

为提高森林蓄积量的估测精度,选择多重相关性小的遥感因子组合,运用残差平方和法,对湖南省新化县曹家镇20个一类调查样地对应的SPOT5影像的9个遥感因子组合进行了多重相关性研究。结果表明:除遥感因子FSP2外,其余因子对森林蓄积量的估测都有重要作用。通过方差扩大因子对各遥感因子的多重相关性诊断表明:剔除FSP2后,各遥感因子间的多重相关性大幅减小。     

森林蓄积量的遥感估测

探讨了在ＴＭ资料基础上用多元回归和编制林分数量化材积表两种方法进行蓄积估测的精度和效益，为遥感在森林二类调查中的应用提供了必要依据。     

巨尾桉树皮率估测模型的研究

利用巨尾桉(EUCALYP GRANDIS×UROPHYLLA)实测数据,采用数学模型模拟的手段,研究、分析树皮体积率和树皮干重率的估计方法。结果表明,用胸径估计树皮体积率和树皮干重率的效果与用树干带皮材积估计树皮体积率和树皮干重率的效果相近,树皮体积率的估计精度优于树皮干重率的估计精度。     

应用航天遥感资料估测森林蓄积量的一个新方法

本研究是用陆地卫星 TM图象和多元分析方法直接估测森林蓄积量的一次新尝试。其自变量选择了定性和定量因子,所选定性因子是色彩、树种组;定量因子是波段密度值及其比值,较大限度地发挥了遥感资料的潜力。此方法辅以少量地面样地,对有林地蓄积估测精度可达80％以上。是一个简便、易行、经济的方法。     

巨尾桉人工林标准表编制研究

以林分平均高为辅助变量,林分每公顷胸高断面积和形数分别为因变量,在以多个方程拟合对比的基础上,建立了巨尾桉人工林分每公顷断面积和形数模型.从所收集的材料中选择3块林分断面积最大的标准地,计算提升系数,获得疏密度1.0的标准林分每公顷胸高断面积模型,配合形数模型,按蓄积3要素计算疏密度1.0的林分每公顷蓄积量,据此编制了巨尾桉人工林标准表.该表经检验误差较小,精度较高,可在大面积森林资源清查中确定巨尾桉人工林的蓄积量.     

巨尾桉人工林蓄积量几种测定方法的探讨

在长泰县岩溪国有林场凤山工区巨尾桉引种试验林设立面积为0.7hm~2的标准地,以全林实测法(皆伐林分蓄积量)为基础,对林分平均木法、径阶平均木法、相对生长关系法进行系统比较,以期提供一种精度较高的林分蓄积量调查方法。     

基于 SVM 方法的高山松林蓄积量遥感估测研究

以香格里拉县高山松为研究对象,利用2006年香格里拉县TM遥感影像、2006年森林资源二类调查小班数据、2009年精度为30 m 的DEM数据以及2013年香格里拉县高山松实测样地数据,提取研究区内高山松林影像分布图及筛选出17个因子（13个遥感因子、3个地形因子、1个地面调查因子）作为备选自变量,在MAT-LAB下利用LIBSVM模块建立研究区高山松林蓄积量单位面积（30 m ×30 m）估测模型。结果表明,选用RBF核函数在参数范围内寻找出SVM模型的最佳参数C＝3.5809, g＝0.1、 p＝0.01,利用最佳寻优参数建立SVM非参数模型,对SVM模型进行测试得到,均方根误差MSE＝0.0087,复相关系数R＝0.51,相对误差RE＝23.4％,估测精度为76.6％。以像元为单位,分块提取高山松林对应的各像元自变量因子,利用估测模型预测得到香格里拉县高山松林总蓄积量为13318476.5 m3。     

福清沿海山地引种巨尾桉实验初报

以巨尾桉为材料,分立地条件,造林密度、种植时间、施肥方式等对以桉属速生林的生长状况进行分析比较,提出沿海山地引种和发展巨尾按属速丰林速生林栽培技术的配套措施,为栽培提供依据.     

景谷县森林蓄积量遥感估测及其动态变化分析

以云南省景谷县为研究区,基于Landsat5和Landsat8遥感数据,利用2012年和2017年两期全国森林资源连续清查实地调查数据,建立多元逐步回归和随机森林模型对景谷县森林蓄积量进行遥感估测对比研究.结果显示:综合建模精度来看,随机森林法在相同样地数量条件下具有更好的估测效果;从估测结果与林地保护利用规划和林地变...     

基于ALOS PALSAR数据的森林蓄积量估测技术研究

以吉林省汪清林业局为研究区,基于ALOS PALSAR和森林资源二类清查固定样地数据,利用非线性回归方法建立了固定样地蓄积量与所对应的PALSAR像元后向散射系数之间的关系,结果表明,除杨树(Populus us-suriensis)等树种组外,PALSAR的HV后向散射系数与蓄积量呈良好的正相关关系,对多数树种而言,交叉极化方式(HV)后向散射系数与蓄积量的决定系数比同极化方式(HH)的略高。若以林场为单位统计,采用回归方法得到的估测结果与直接利用固定样地估测的结果相差很小。     

基于多源遥感数据的森林蓄积量估测研究——以北方孟家岗林场为例

以北方孟家岗林场的落叶松人工林为研究对象,引入遥感技术作为一种更高效、适用于大区域的遥感监测方法,利用Sentinel-1和Sentinel-2遥感数据,提取光谱特征、纹理特征、植被指数和后向散射系数等特征指标,基于Pearson相关系数和距离相关系数这两种特征选择方式,结合KNN、SVR和RF等3种机器学习模型,开展了6种人工林蓄积量估测方案的对比。研究表明：遥感数据源对模型的估测精度影响最大;以单一Sentinel-1数据作为来源的模型估测精度最低,而基于Sentinel-1和Sentinel-2综合数据的估测模型精度最高,其中RF回归模型结合DC特征重要性评价方案获得了最佳的蓄积量估测结果,R_RMSE和R²分别为22.94%和0.59。利用特征选择的方式结合多源遥感数据可以有效提升模型精度和泛化能力,得到更优的人工林蓄积量估测结果,为森林资源的保护、管理和可持续利用提供科学依据。