基于Landsat 8影像的地温对森林地上生物量的影响

[目的]森林地上生物量对评价全球碳平衡和气候变化有重要作用,以安徽省霍山县为研究区,Landsat OLI和TIRS影像为基础数据,研究地表温度对森林地上生物量的影响效应.[方法]以Landsat OLI为遥感数据源,在基于灰度共生矩阵的支持下,提取覆盖研究区的遥感影像的纹理特征,并结合原始多光谱遥感影像和研究区的地形...     

基于随机森林偏差校正和多源遥感数据的天然次生林地上生物量估测

[目的]以多源遥感数据为基础,在郁闭度较高的天然次生林中采用非参数模型及随机森林偏差校正模型估测森林地上生物量(Aboveground biomass,AGB),为大尺度估测森林生物量提供了依据.[方法]以东北林业大学帽儿山实验林场142块森林资源连续清查固定样地复测数据、机载激光雷达(Airborne laser s...     

基于Landsat时序数据的森林干扰监测

【目的】针对我国森林干扰频繁、干扰类型复杂多样的特点,采用时间序列轨迹分析方法进行森林干扰监测,为陆地森林生态系统碳循环和碳蓄积以及气候变化研究提供参考。【方法】以福建省长汀县为研究区,基于2000—2016年15期Landsat时序数据,采用时间序列轨迹分析(Land Trendr)方法,对时序轨迹进行适当分段和线性拟合以识别干扰变化,获取长汀县森林干扰信息。结合Google影像和全球30 m分辨率GDEM数字高程产品等辅助信息分析监测结果,并基于实地调查和像元2种方法进行精度评估和验证。【结果】2000—2016年长汀县森林干扰总面积192. 49 km~2,平均每年受扰动森林12. 83 km~2; 2001年干扰量最小,不足1 km~2; 2004、2008和2009年森林受干扰较为严重,均在30 km~2以上,约占当年森林面积的1. 3%,共占干扰总面积的50%,其中2004年干扰面积高达32. 85 km~2; 2003、2006、2007和2010—2011年干扰面积略大于10 km~2,但均小于当年森林面积的0. 6%,其余各年干扰面积远小于10 km~2。森林干扰面积在个别年份波动较大,总体上随时间呈下降趋势。森林干扰持续时间主要为1～3年,发生在1年的干扰面积比例最大,达82%;森林干扰主要集中在长汀县东部非森林区域附近,随海拔升高干扰呈明显下降趋势,超过60%的干扰发生在中低海拔地区。结合Google影像目视解译,长汀县森林干扰主要是由森林火灾和人工砍伐造成的急剧干扰事件,且主要发生在非森林区域附近的低海拔地区。【结论】基于目视解译和实地调查结果与研究得到的干扰监测结果一致,干扰斑块可被完整提出,且边界准确清晰,细小干扰也能逐一识别。基于像元尺度精度验证的总体精度达96. 26%,Kappa系数为0. 92,各年份用户精度均在80%以上,除个别年份外,生产者精度均在75%以上,具有较高的监测精度。     

基于机器学习和多源数据的湘西北森林地上生物量估测

【目的】针对传统森林资源清查方法成本高、时效性低和结果统一性差等问题,基于多源遥感数据,采用机器学习算法选择特征变量并建立估测模型,制作森林地上生物量(AGB)面分布产品,为森林资源信息化调查提供技术手段。【方法】以湖南省西北部为研究区,利用生物量异速生长方程将森林资源样地调查数据转换为AGB,筛选到393个样地AGB参考值。以Landsat-8数据为光学遥感数据源,提取各波段光谱信息、植被指数、纹理特征以及缨帽变换各分量;以ALOS PALSAR-2、Sentinel-1数据为雷达遥感数据源,提取各极化方式后向散射强度和归一化极化差分指数。结合高程、坡度、坡向地形因子,获得122个备选特征变量。采用逐步回归方法和随机森林(RF)算法筛选建模变量,分别建立多元线性回归(MLR)、RF和支持向量回归(SVR)模型。以均方根误差(RMSE)、相对均方根误差(rRMSE)和决定系数(R~2)为模型评价指标,运用十折交叉验证法评价模型效果,选择最佳模型完成生物量制图,并选取5种中国或全球尺度生物量制图产品进行比较分析。【结果】在训练集上,RF模型表现最好(RMSE=12.8 mg·hm~(-2),rRMSE=21.1%,R~2=0.93),其次为SVR模型(RMSE=26.1 mg·hm~(-2),rRMSE=43.3%,R~2=0.55),MLR模型表现最差(RMSE=30.9 mg·hm~(-2),rRMSE=50.5%,R~2=0.39);在测试集上,采用RF算法建立的模型表现(RMSE=30.1 mg·hm~(-2),rRMSE=51.3%,R~2=0.42)同样优于MLR(RMSE=32.6 mg·hm~(-2),rRMSE=54.1%,R~2=0.30)和SVR(RMSE=32.8 mg·hm~(-2),rRMSE=55.3%,R~2=0.25)。3种模型均显示出一定程度的低值高估和高值低估现象。RF模型选择出13个建模变量,包括PALSAR-2后向散射信息、高程以及Landsat-8光谱信息、植被指数、缨帽变换湿度与绿度分量差值。应用RF模型完成区域生物量制图,与其他产品对比,能够基本反映研究区内生物量分布情况,并显示出丰富的生物量分布细节信息,生物量范围为0～119 mg·hm~(-2),平均生物量为37.5 mg·hm~(-2),标准差为35.9 mg·hm~(-2)。【结论】结合多源遥感数据与机器学习算法,能够准确、快速地测算大范围生物量,具有较大应用潜力。相比SVR和MLR模型,RF模型在AGB估测上的表现更优,RF算法能够从多源变量中有效筛选出适用于AGB机器学习建模的变量。     

基于Landsat8 OLI遥感因子的思茅松地上生物量二阶抽样估测

基于Landsat8 OLI遥感影像和森林资源二类调查数据,选择云南省普洱市镇沅县为研究区,在90%的抽样精度(E)与95%的可靠性指标(t_α)的条件下,应用二阶抽样技术,以镇沅县思茅松单位面积AGB、单位面积地上蓄积量、7个单波段及5个植被指数作为抽样标志,对不同抽样方案的抽样总体方差、变动系数、标准误差、绝对误差、估测精度、AGB估测值及估测误差进行分析,并与简单随机抽样、系统抽样对比,分析不同抽样方法应用不同抽样标志的综合效率。结果表明：1)二阶抽样综合效率远远高于简单抽样和系统抽样;2)基于单波段和植被指数的二阶抽样效率普遍优于基于二调数据的,二阶抽样效率最好的抽样标志是ARVI与NDVI,2种植被指数仅需154个样本,较基于二调数据的二阶抽样降低60%的样本量,精度能达到最高,分别为97.50%和97.67%。研究结果说明基于遥感因子的二阶抽样可以大幅提高抽样效率。     

森林地上生物量遥感反演研究进展

森林地上生物量是反映森林生态系统状况的关键性指标之一,对全球气候变化、以及我国实现碳达峰和碳中和目标具有重要意义。遥感技术快速发展并日益成熟,已成为大区域尺度森林地上生物量反演的主要技术手段。通过系统梳理国内外相关文献资料,从数据源和反演模型两方面对森林地上生物量遥感反演研究进展进行讨论：从数据源角度,阐述分析光学遥感数据、合成孔径雷达数据、激光雷达数据等3种数据源提供的有效信息、优势及局限;从反演模型角度,结合实际应用案例讨论分析多元回归模型、机器学习算法、机理模型等3种模型的特点及适用范围。在总结现阶段利用遥感手段反演森林地上生物量存在问题的基础上,分析探讨未来森林地上生物量遥感反演的方向和热点。     

基于Landsat 8影像的汝城县森林地上生物量遥感估算研究

精确估测森林生物量是分析森林碳动态和碳循环的基础。本研究采用汝城县森林资源连续清查数据,结合Landsat 8遥感影像,分析了森林地上生物量的空间自相关和空间异质性,并选取显著相关的植被指数因子,分别构建普通最小二乘模型、空间滞后模型以及地理加权回归模型,并绘制汝城县森林地上生物量的空间分布图。结果表明:通过对森林地上生物量的空间效应分析,发现样地生物量的空间自相关和空间异质性不容忽视。与普通最小二乘回归相比,空间滞后模型和地理加权回归模型可以减少空间效应对森林地上生物量估测的影响。地理加权回归模型可以最大程度地减少过高或过低估计,估测森林地上生物量的精度最高,决定系数达到0.756,均方根误差和平均相对误差最小,分别为17.288 t·hm^-2和-8.542%。因此使用Landsat 8遥感影像结合地理加权回归方法在改善森林地上生物量的估测中具有巨大潜力。     

基于Landsat TM数据估算雷竹林地上生物量

结合Landsat TM遥感数据和雷竹林样地调查数据,采用偏最小二乘回归法(PLS)建立雷竹林地上生物量估算模型,利用该模型估算临安市雷竹林地上部分生物量。结果表明:雷竹单株地上部分生物量与胸径及雷竹林地上部分生物量与株数之间都呈极显著相关(P<0.01);通过PLS-Bootstrap法筛选自变量能够提高模型精度;模型预测的雷竹林地上生物量均方根误差为3.45t·hm-2,满足大范围估算的精度要求;临安市雷竹林地上生物量为13～25t·hm-2,均值为19.52t·hm-2。     

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。     

基于缨帽变换的景洪市时间序列Landsat影像森林扰动自动识别方法研究

森林扰动是森林生态系统演替的主要过程,对区域生态平衡与稳定起着重要作用。Landsat影像不仅具有较高的分辨率(30 m),而且具有海量的免费数据获取源,适合于做时间序列的森林干扰信息提取。作者以云南省景洪市为例,根据影像的光谱特征,首先自动获取纯净森林训练样本,然后结合缨帽变换过程中得到的土壤亮度、植被绿度以及湿度等信息,建立归一化的扰动指数图像,最后结合时间序列分析提取森林扰动信息,并对精度做了验证与评价。结果表明,该方法在不受季相影响的情况下能准确地检测出森林扰动信息,具有较高的精度。对如何减弱季相与部分农作物的影响还有待于进一步研究。     

基于时序Landsat数据的浙江省竹林信息提取及时空演变

【目的】提取浙江省不同时期竹林分布信息,分析其时空演变规律,揭示竹林面积变化与土地利用格局之间的关系,为国家及至全球尺度长时间序列的竹林时空动态研究提供参考。【方法】以浙江省为研究区,基于2000、2004和2008年Landsat5 TM及2014年Landast8 OLI时间序列影像数据,首先,对不同时期的Landsat数据进行大气校正和几何校正,采用最大似然法提取土地利用和竹林时空分布信息;然后,利用变化幅度和动态度2个指标分析4个时期、3个时间段的竹林时空演变规律;最后,建立全省土地利用时空转移矩阵,揭示竹林时空动态与土地利用格局之间的关系。【结果】1)基于时序Landsat数据提取的浙江省竹林信息精度较高,分类精度达75%以上,使用者精度达91%以上,且分类统计面积与实际清查面积高度吻合,面积提取精度达96%以上; 2) 2000—2014年浙江省竹林面积变化幅度和年均变化率分别为16.55%和1.18%,在时空上呈逐渐增加趋势; 3)浙江省竹林面积由2000年占全省面积的7.33%增长到2014年的8.56%,其中针叶林、阔叶林和农田3种土地利用类型变化对竹林面积增加的贡献最大,贡献率分别为28.62%、37.23%和16.15%。【结论】基于Landsat时间序列数据能够高精度监测浙江省竹林资源动态变化,针叶林、阔叶林和农田等土地利用类型减少对竹林面积时空演变具有显著影响。     

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CEBERS-WFI遥感数据的森林生物量估测方法研究

以中巴卫星CEBERS-WFI遥感数据为基础,结合东北三省的地理、气象因子及森林资源连续清查固定样地信息,构建BP人工神经网络森林生物量估测模型,对我国东北三省的森林生物量进行估测,并反演了森林生物量的空间分布图像。结果表明,基于CEBERS-WFI遥感数据的BP人工神经网络应用于森林生物量估测简单实用,是一种快捷、有效的估测方法。     

基于Landsat 8遥感数据的森林火灾过火面积估算

以贵州省毕节市赫章县2021年3月18日较大森林火灾为例,利用火灾前后Landsat 8遥感数据及ENVI遥感数据处理分析软件,通过图像预处理、计算归一化植被指数和燃烧面积指数等方法,提取森林火灾过火区域,计算过火面积。结果表明,利用Landsat 8数据能够较好地提取森林火灾过火区域,过火面积估算准确率达96.2%。     

合成孔径雷达数据估测森林生物量研究综述

合成孔径雷达（SAR）技术以其独特的成像机理及其全天候全天时成像能力,在森林生物量估测方面发挥着越来越重要的作用。首先对森林生物量SAR估算机理和方法进行介绍,然后分析主要的影响因素,最后指出今后的发展趋势。     

基于地统计学的森林地上生物量估计

基于吉林省汪清林业局金苍林场二类调查的局级固定样地数据,利用地统计学的普通克里格法和协同克里格法对研究区域内森林地上生物量进行估计(协同克里格法以地上生物量为主变量,以胸高断面积为协变量),并对2种插值方法进行比较。结果表明:在研究区域内普通克里格法预测精度较低;而协同克里格法能够显著提高预测精度,所产生的均方根误差(RMSE)减少49.0%,平均标准误差(ASE)减少39.4%,预测值和实测值的相关系数提高68.4%。通过插值得到整个林场生物量的空间分布格局图,生物量的分布存在明显的空间异质性。林场平均生物量密度为111.9t·hm-2,总生物量达3.578Tg;并从不同森林类型和龄组对生物量的空间格局进行分析。研究结果可为区域尺度内基于固定样地和地统计学的生物量估计提供方法和参照。     

基于印度遥感卫星IRS—P6的森林生物量估测模型研究

印度遥感卫星IRS—P6的LISS3数据由于其较高的空间分辨率和相对较低的数据价格而受到广泛关注,而利用LISS3数据估测森林生物量的研究报道较少。以高黎贡山自然保护区常绿阔叶林为研究对象,以2006年印度卫星IRS—P6的LISS3影像为主要数据源,利用地面样地胸径每木调查数据,结合生物量相对生长式,得出样地生物量。通过遥感数据提取4个波段的光谱值、6种植被指数,从DEM获取的海拔、坡度、坡向,共13个遥感及地学因子。在此基础上,提取13个因子的主成分,以前5个主成分值作自变量,建立主成分与地面生物量的回归模型,模型经方差分析及相关性检验,达到显著相关水平,相关系数R=0．7129。