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。     

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。     

基于RS的闽江流域马尾松林分蓄积量估测模型研究

从福建省第5次森林资源一类调查落在闽江流域的样地中抽取马尾松林样地130个,以RS可提取因子及样地林分立地条件因子为可选变量,利用3倍标准差法进行异常数据的筛选,对林分立地条件定性因子进行数量化处理,通过逐步回归构建闽江流域马尾松林分蓄积量估测模型,研究结果所构建的蓄积量估测模型的相关系数为0.735。经模外抽取30个样地对估测模型适用性检验和精度验证表明,在可靠性α=0.01条件下模型估测值与外业实测值无显著差异,模型的林分蓄积量估测精度达85.03%,为此,本研究的蓄积量估测模型对森林经营管理具有现实意义。     

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。     

基于遗传算法优化BP神经网络模型估测高山松叶面积指数

叶面积指数(LAI)是衡量森林生产力的重要指标,遥感技术为实现大尺度估测叶面积指数提供支持。以香格里拉市高山松为研究对象,以Sentinel-2多光谱影像为信息源,结合地面样地实测LAI,通过相关性分析筛选出与LAI显著相关的植被指数,采用BP神经网络和遗传算法(GA)优化BP神经网络建立高山松LAI估测模型,基于像元尺度对研究区高山松LAI进行遥感估测。研究表明:1)Sentinel-2影像红边波段构建的植被指数与LAI有较高的相关性; 2)遗传算法优化前后,BP神经网络模型的决定系数(R²)为0.289和0.508,均方根误差(RMSE)为0.340和0.314,通过遗传算法优化后,BP神经网络建模精度更高和对实测LAI的变化趋势预测更加准确。研究结果可为低纬度高海拔地区森林LAI的研究提供参考。     

基于哑变量的高山松蓄积量反演模型研究

基于Landsat TM和地面实测样地数据,采用传统线性回归和引入哑变量的线性回归两种建模方法构建香格里拉高山松蓄积量反演模型,并对模型进行验证。研究表明,传统一元和多元线性回归模型的相关系数分别为0.280和0.365,引入哑变量的线性回归模型相关系数为0.602;结合实测检验数据,传统一元、多元线性模型和引入哑变量的模型预测精度分别为61.1%,74.9%和80.3%,引入哑变量的高山松森林蓄积量模型反演精度明显提高,研究结果可为今后基于哑变量的遥感森林蓄积量反演提供一定的依据和参考。     

大比例尺航空照片测高估测森林蓄积量的研究

本文用我国自行拍摄的1:2 200比例尺的黑白航片,与地面样地配合,研究了室内仪器测高与实测高的相关关系。结果表明相关系数可达0.8以上,可用其在某些调查中代替实测。用室内仪器测高估测全局畜积量,其精度为81.84％,如用航片和野外两期样地对全局蓄积量进行联合估计,估测精度为85.81％。这些为在森林调查中减少地面工作量和利用已往资料,进行了有益的探索。为进行森林经理调查(二类调查)乃至伐区调查又辟出了一条可循之径。     

基于ALOS PALSAR数据不同极化下云南松蓄积量分析

指出了合成孔径雷达(SAR)具有强穿透性的特点 ,能够不受天气影响探测滇中地区云南松单层林的信息特征.利用云南省宜良县ALOS PALSAR全极化数据和对应的地面实测了云南松林林分因子信息 ,分析了不同极化方式下后向散射系数与云南松单层林蓄积量之间的关系.通过分析比较 ,结果表明 :VH极化状态下云南松蓄积量与后向散射系数较其他几种极化状相关性高 ,并根据森林散射机制进行讨论.     

基于RS、GIS的马尾松林分蓄积量判读模型研究

以从RS、GIS可提取的因子为自变量 ,通过数量化、逐步聚类、逐步回归等方法建立马尾松林分蓄积量判读模型 ,并用不同时相的遥感数据、连续清查第三次复查外业调查数据对模型进行适合性检验、精度计算。结果表明 ,所建立的马尾松林分蓄积量判读模型线性关系显著 ,估算结果与外业调查数据无显著差异 ,且估算精度达到连续清查规程的要求 ,判读模型可应用于森林连续清查间隔期内广东省马尾松林分蓄积量的估算。     

火炬松建筑材林栽培模式研究阶段报告

１９９２～１９９４年的试验结果表明，在低丘中层红壤上栽植火炬松，施过磷酸钙０．５ｋｇ／株效果显著；但块状整地（１．２ｍ见方）与全面整地、４０ｃｍ×４０ｃｍ×３０ｃｍ穴与７０ｃｍ×７０ｃｍ×６０ｃｍ穴以及每年５月幼林抚育１次与每年２次的其生长差异均不显著。根据上述试验结果以及对浙江与皖东丘陵现有火炬林分生长分析，初步认为火炬松建筑材林合理栽培模式为：造林密度１６６５株／ｈｍ２，１ｍ见方块状整地，挖４０ｃｍ×４０ｃｍ×３０ｃｍ植树穴，施基肥过磷酸钙０．５ｋｇ／株，造林当年抚育２次，第２～３年每年１次。上述栽培模式经经济分析表明：造林成本不到旧栽培模式（全垦大穴、大量施肥、每年抚育２次以上，造林密度１０５０株／ｈｍ２）的１／２，而收入增加２／３，旧的栽培模式造林无盈利可言，而新的栽培模式主伐时可盈利１２７５０～２３２５０元／ｈｍ２。     

基于ALS数据和哑变量技术森林蓄积量估测

基于机载LiDAR数据,分析哑变量对林分蓄积量估测精度的影响。以广西高峰林场为研究对象,借助机载激光雷达点云数据和96个样地数据,将样地数据按7∶3的比例随机划分为建模样本和测试样本,采用随机森林模型(RFR)和支持向量机模型(SVR)对建模样本与对应的点云特征回归建模,将树种组(针叶林和阔叶林)和龄组分别作为哑变量引入到回归模型。利用测试样本的估测精度评价模型的估测精度,引入树种组哑变量,随机森林模型决定系数R2从0.59提高到0.64,支持向量机模型决定系数R2从0.49提高到0.50。引入龄组哑变量,随机森林模型决定系数R2从0.59提高到0.65,支持向量机模型决定系数R2从0.45提高到0.55。根据模型的建模精度和验证精度结果得出,引入哑变量对蓄积量估测模型的精度提升是相对有效的。龄组哑变量对模型精度提升效果优于树种组哑变量。     

火炬松人工林直径分布收获模型的研究

搜集福建省火炬松人工林各30株林分平均木和优势木的树干解析数据，运用正态分布、对数正态分布、Weibull分布、B分布、Γ分布函数来拟合福建省火炬松人工林的直径分布规律。结果表明：Weibull分布的拟合效果好，标准地接受率为80％，用参数回收技术建立火炬松人工林直径分布收获模型，经检验，每公顷材积平均相对误差8．37％，每公顷胸高断面积平均相对误差6．72％。因此该模型可以用来估测福建省火炬松人工林的林分结构和产量。     

贵州省马尾松人工林地径材积模型研究

采用加权最小二秉法拟合模型，对拟作为贵州省马尾松人工林地径材积式的两个数学模型进行各项评价指标的对比分析和适应性检验。以确定马尾松地径材积最佳模型，为贵州省森林资源管理提供计量依据。     

杉木人工林二元立木材积动态模型的研究

通过对多种二元立木材积方程的拟合和比较，以动态模型Ｖ＝ａＤｂ＋ｃ（Ｄ＋２．３Ｈ）Ｈｄ＋ｅ（Ｄ＋２．３Ｈ）拟合杉木人工林二元立木材积效果最佳。     

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。