高山松林生态系统研究进展

高山松(Pinus densata)林是我国西南山区特有的森林类型,是西南地区重要的碳库,具有较高的生态保育价值。目前关于高山松林群落类型与结构、生态系统功能等的研究比较零散,无法为高山松林的科学保护与管理以及资源的合理开发利用提供系统的理论支撑。基于系统查阅的相关文献和著作,对高山松林群落类型与结构特征、生物量与生产力和生态系统水源涵养能力进行了综述。结果表明：(1)高山松林已知的群落类型包括6个群系9个群丛组6个群丛;(2)成熟林群落生物量为81.24～318.79 t·hm^-2,其中乔木层为79.39～311.53 t·hm^-2,乔木层碳密度为49.543～103.24 t·hm^-2,年生产力为5.48～18.07 t·hm^-2·a^-1,其中乔木层为4.29～14.23 t·hm^-2·a-1;(3)林冠截留率为24.32%～28.87%,苔藓层、凋落物层和土壤(0～30 cm)最大持水量分别为8.69 t·hm^-2、117.27...     

阔叶红松林的生物量和营养元素含量的研究

一、研究内容和方法我们于1985—1987年对小兴安岭阔叶红松林的生物量进行了研究。生物量的测定是在凉水自然保护区的阔叶红松林内进行的。林龄220年,组成8红2椴,林分平均高23.1m,平均直径37.4cm。其中红松平均高27.2m,平均直径45.2cm,密度622株/ha,针     

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。     

人工诱导的阔叶红松林生物量特征

该文调查分析了5种类型林分乔木层、灌木层、草本层、细根及总生物量,结果表明:红松纯林虽然乔木层生物量高于除红松-水曲柳林型外的其他几种林分类型,但是总生物量、枯落物、细根都低于所有针阔混交林,并且红松纯林内没有灌木和草本植物,说明针阔混交林在生物多样性和涵养水源、保持水土等生态功能方面都优于红松纯林,是辽东山区理想的林分类型。     

香格里拉市高山松林碳储量空间分异研究

以香格里拉市高山松林为研究对象,构建高山松单木碳储量模型,结合森林资源二类调查数据推算香格里拉市高山松林的碳储量和碳密度,以DEM为数据源,对研究区高山松林碳储量和碳密度的空间分布特征进行分析。研究结果表明,高山松单木碳储量模型以幂函数模型精度最高,决定系数R²=0.989,均方误差MSE=259.43,可用来进行高山松林碳储量估测;在空间分布上,研究区高山松碳储量集中分布于海拔>2 500～4 000 m地段,在海拔>2 000～2 500 m地段碳储量密度最大,为40.80 t/hm²;高山松林碳储量从平坡到险坡的分布呈先增大后减小的趋势,其中,在陡坡上分布最多,在平坡上分布最少;高山松林碳密度随坡度的增大呈先增大后减小的趋势,其中高山松林在急坡上的碳密度最大,为35.94 t/hm²,在平坡上的碳密度最小,为30.85 t/hm²;高山松林碳储量在平地上分布极少,在阴坡、半阴坡、半阳坡、阳坡上的分布差异不大,呈先增大后减小的趋势,其中,在半阳坡上的分布最多,在阴坡上的分布最少,高山...     

基于Landsat TM的香格里拉市高山松生物量估测重建

基于香格里拉市2006年TM影像、森林资源二类调查数据、外业调查数据,利用随机点所在小班的遥感因子平均值建立数据集,通过数据筛选和相关性分析,选出123个样地数据及14个遥感因子,建立了基于遥感因子的高山松生物量估测的非线性和线性模型,并讨论了模型精度及其预测精度。研究结果表明,线性模型(R2adj=0.406、RMSE=34.18 t/hm~2、rRMSE=38.54%)比非线性模型的精度(R_(adj)~2=0.286、RMSE=37.79 t/hm~2、rRMSE=42.60%)高;运用交叉验证法得到的线性模型的预测精度(RMSE’=35.12 t/hm~2、rRMSE’=39.59%)也要高于非线性模型的预测精度(RMSE’=38.44 t/hm~2、rRMSE’=43.34%)。与其它2个同类研究相比,重建的高山松生物量模型虽然在模型精度上还略有欠缺,但是建模数据更为随机、合理,对因子提取方法进行了一定改进,建立的模型为高海拔地区利用遥感数据和森林资源二类调查数据估测典型乔木森林生物量提供参考,为地形起伏较大区域进行森林生物量估测提供了较为完整的技术方法。     

人工阔叶红松林主要混交类型群落结构及其生物量的调查研究

本文对人工阔叶红松林4个主要混交类型的群落结构、生长发育特征、生物量等进行了研究,并与同龄红松纯林进行了比较。结果表明,不同类型林分群落结构、生长发育特征、生物量等差异显著。在混交林中红松—水曲柳类型、红松—杂木类型结构较理想。混交林在立木产量上虽低于红松纯林,但总生物量高于纯林;混交林中灌木、草本植物、细根、枯枝落叶贮量高于红松纯林。     

香格里拉市高山松林碳密度与环境因子的关系研究

以香格里拉市高山松林为研究对象,依据前期构建的高山松单木碳储量模型,结合森林资源二类调查数据推算高山松林的碳密度,利用除趋势对应分析方法探讨高山松林碳密度与各环境因子之间的关系。结果表明,在林分因素中,平均树高对高山松林碳密度的影响最大;在地形因素中,坡度对高山松林碳密度的影响最大;在温度因素中,最热月均温和最冷月均温差对高山松林的碳密度影响最大;在降水因素中,最干季降水和最冷季降水对高山松林碳密度的影响最大。环境因子的综合作用对高山松林碳密度影响的综合分析表明,DCA的第一排序轴与高山松林的碳密度相关性最大,可以很好地解释环境因子的综合作用对高山松林碳密度产生的影响,在26个环境因子中,有20个环境因子与DCA第一排序轴有极显著的相关性,其中,林分因子的相关性系数较大,说明高山松林的碳密度主要受林分因子共同作用的影响。     

阔叶红松林不同采伐年限的生物量分配规律

阔叶红松林采伐5～15 a间,生物量分配规律是灌木＞乔木＞草本,15 a时为乔木＞灌木＞草本;在5～20 a间乔木生物量逐渐增加,到15 a时已占居主导地位.     

飞播云南松林分生物量和生产力的数量化分析

本文应用数量化理论Ⅰ对四川凉山州飞播云南松林分的生物量、蓄积量和生产力进行了系统的分析,并建立了相应的预测预报模型。结果表明影响林分生产力的主导因子是林分结构,其次是土壤条件;地形因子(海拔、坡向、坡位,坡度)的影响较小。通过分析认为,在经营森林生态系统时,为了提高生产力,重要的工作应放在提高林分叶面积指数和合理密植方面。预测预报模型的复相关指数皆在0.84以上,精度高于多无线性回归模型,在说明变量(自变量)既含定性又含定量因素时,数量化理论Ⅰ能更好地拟合多元的说明变量与基准变量(因变量)之间的相关关系。     

基于Landsat TM遥感数据的山核桃产量预测——以浙江临安市为例

以浙江省临安市的山核桃为研究对象,基于2008—2011年连续4年的样地实测产量为基础,利用每年4个生长时期的Landsat TM遥感数据,系统地分析比较每个生长时期的植被指数与产量的关系。研究结果表明:NDVI在各个生长期均与产量的相关性最高;SAVI与产量的相关性居中,DVI最低。以每个时期的NDVI为因子,建立不同时期山核桃产量的预估模型。各时期模型的预估效果为果实膨大期花芽分化及授粉期采摘至落叶期休眠期。以不同时期的NDVI为因子,利用逐步回归,建立多因子的山核桃产量的预估模型。最优预估模型为y=126.51_(x_2)+26.61_(x_1)+12.56_(x_3)-67.42(R~2=0.642,SEE=12.17),为山核桃产量的预测提供可行,快速,有效的方法。     

基于TM数据的遥感分类方法对比研究

以香格里拉县2009年Landsat5～TM遥感影像为实验数据,利用最大似然法（MLC）以及最小距离法两种方法进行了遥感分类方法研究,主要从分类精度方面对两种方法进行了对比分析,结果表明：最大似然法分类结果明显优于最小距离法,但作为传统的分类方法,二种方法分类精度都不够高。     

基于随机森林的大姚县TM遥感影像分类研究

随机森林(Random Forest)是一种组合多棵决策树分类器的新的分类算法。以楚雄州大姚县为例,采用Landsat-TM数据,通过最大似然、支持向量机、随机森林3种分类器进行分类对比研究。结果表明,支持向量机和随机森林的分类精度明显优于最大似然法,两者分类精度相差不大;在分类时间上,最大似然法明显比随机森林和支持向量机快,支持向量机最慢。综合分析,随机森林算法表现更优,它在保证分类精度的前提下,也能保证一定的时间效率,更适宜实际生产应用。     

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TM影像的华安县桉树林生物量遥感估测

以华安县桉树林为研究对象,基于最近的2008年20块桉树林固定样地和同期Landsat5 TM影像,选用20个自变量,建立多元线性生物量遥感信息模型,并采用8个检验样本对模型进行检验,总体预估精度达到83.58%,均方误差为1.42t/hm~2,利用建立的多元线性模型反演生成华安县桉树林生物量分布图,估测华安县桉树林总生物量为404 765.316t,公顷生物量为32.344t/hm~2。     

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%。     

长白山林区森林生物量遥感估测模型

采用黑龙江长白山地区TM图像和143块森林资源连续清查固定样地数据及野外调查补充样地数据,选择包括各波段灰度值、不同波段灰度值之间的线性和非线性组合(包括11种植被指数)、纹理信息以及环境因子在内的75个自变量,分别采用逐步回归分析法和偏最小二乘回归法建立黑龙江长白山林区森林生物量遥感估测模型:逐步回归法采用5个自变量所建模型平均拟合精度为76.5%,均方根误差为19.12t·hm-2,样地生物量真实值与预测值相关系数为0.5434;偏最小二乘回归法采用10个自变量所建模型平均拟合精度85.8%,均方根误差9.92t·hm-2,样地生物量真实值与预测值相关系数0.8603,偏最小二乘回归法要优于逐步回归法。利用建立的偏最小二乘回归模型计算得到黑龙江长白山2007生物量等级分布图,采用29个检验样本对反演结果进行检验,计算得到29个样本的平均预测精度为83.73%。     

基于Landsat TM遥感影像的扬州市生态环境质量动态分析

利用扬州市近5年的遥感影像,对扬州市生态环境质量进行了动态分析。通过对遥感影像进行几何校正,对遥感数据进行解译,提取土地利用/覆盖信息,计算了扬州市生态环境质量指数,研究了扬州市近5年生态环境状况动态变化趋势。研究表明：扬州市近5年林地面积大幅度提高,植被覆盖指数、生物丰度指数逐年增加,生态环境状况逐年好转。