森林生态系统碳储量及碳通量遥感监测研究进展

在全球CO₂浓度持续增加导致气候变暖的背景下,森林生态系统碳储量及碳通量遥感大尺度监测成为关注热点。文中深入分析了当前国内外卫星遥感观测技术对森林碳循环评估的2种途径:1）基于遥感手段估算森林生物量并推算森林碳储量,通过碳储量变化确定森林生态系统的CO₂通量。归纳各类森林生物量遥感估算方法的原理及优缺点,系统评述各类方法在大区域森林碳储量估算中存在的不确定性。2）基于CO₂温室气体观测卫星遥感数据,定量监测森林生态系统与大气CO₂通量,基于交换的CO₂通量推算森林碳储量变化。归纳遥感手段观测森林生态系统与大气CO₂通量的主要数据、方法及优缺点,系统评述各类数据及方法在森林CO₂通量时空变化特征监测、森林碳储量估算等方面取得的进展,重点分析专用CO₂浓度监测卫星数据,尤其是我国自主碳卫星数据在CO₂柱浓度反演算法研究以及不同数据源之间的对比、验证和同化研究等方面取得的进展,总结专用温室气体遥感观测数据在森林碳储量及碳通量监测方面的优势。提出利用遥感手段进行森林生态系统碳循环定量监测的研究展望。     

森林生态系统碳储量研究方法综述

森林生态系统作为地球上陆地碳的主要储存库,在全球碳循环中发挥着重要作用。随着《京都议定书》生效和哥本哈根联合国气候变化会议的召开,森林固碳功能越来越受到重视。精确估算森林生态系统的碳储量,已成为森林生态系统碳循环的热点问题之一。研究在查阅文献的基础上,对森林生态系统碳储量主要研究方法：生物量清单法、微气象学法、蓄积量法、生物量回归模型、模型法和遥感估算法进行了评述,提出了该领域研究中存在的问题,指出了今后的研究方向。     

区域尺度上森林生态系统碳储量的估算方法分析

提高森林生态系统碳储量估算的精度,在全球碳循环和气候变化研究中具有重要意义。从生物量和净初级生产力角度出发,综述了中国森林生态系统碳储量估算的主要方法及手段,阐述了综合遥感、地面观测数据及生态系统过程模型来研究特定区域特定时段森林生态系统碳循环及碳储量的必要性,探讨了我国森林生态系统碳储量研究的发展趋势和亟待解决的一些问题。     

森林生态系统碳储量估算方法研究进展

基于植被碳储量和土壤碳储量2方面综述森林生态系统碳储量的定量研究方法．土壤碳储量估算方法主要有土壤类型法、生命带法、GIS估算法等;植被碳储量估算方法主要有样地清查法、模型模拟法、遥感估算法3种;未来的森林碳储量研究将采用更高精度的遥感数据并要求多种方法的综合运用以提高估测精度．     

森林碳储量估算方法综述

介绍样地清查法、微气象学法、箱式法、模型模拟法、遥感估算法等森林碳储量的主要估算方法。在对各种方法的主要原理及应用实例进行分析的基础上,指出了各方法的适用性和不足之处,认为在研究大尺度的森林生态系统碳汇储量时,多学科融合、各种方法综合运用是准确估算森林碳储量的有效手段。     

森林植被碳储量研究方法及影响因素研究进展

分析了现阶段森林生态系统植被碳储量的3类研究方法,并归纳和总结了其优缺点。目前某一特定区域的森林植被的碳储量的计算应先由森林植被含碳量与生物量的乘积来获得森林植被碳密度,再通过碳密度与区域面积相乘来获得森林植被的碳储量。自然因素和人为因素均会不同程度的影响森林生态系统植被碳储量,现阶段,估算森林生态系统植被碳储量存在问题主要包括研究方法上仍主要集中于样地清查法,研究历时较短,研究区面积较小;研究多集中与单一影响因素的影响,但未将主导因子综合进行分析;估算区域森林生态系统植被碳储量暂无统一的估算方法。提出了应当加强长期定位观测,增加区域模型模拟,利用高精度遥感影像数据等方法;估算中考虑影响因素带来的结果不确定性和差异性,以比较不同地区结果的差异来源;同时注重地区间的关联性和整体性,以减小数据的不确定性,发展针对某一特定地区特定时段的碳储量估算模型,提高估算精确度、减少过程模拟的不确定性。     

森林固碳领域的研究方法及最新进展

介绍了样地清查法、微气象学方法、地面同位素方法、应用遥感等新技术模型估算法四大类森林固碳研究方法及其研究现状,分析了各种方法的优势与不足,并指出森林生态系统碳储量的研究将朝着多种方法的综合运用、多学科的联合和渗透方向发展,对碳储量的估算应更加注重多种因素的综合影响,并能在一定程度上揭示碳储量的动态变化过程及其变化机理。     

基于BP神经网络的凌云县森林碳储量遥感反演研究

森林碳储量的正确估算是研究全球碳通量和气候变化的关键。本研究采用2014年森林资源连续清查数据和同时期Landsat 8遥感影像,对凌云县森林碳储量进行遥感反演研究,并分析其空间分布。从遥感影像中提取154个光谱因子和纹理因子,结合逐步回归和方差扩大因子法进行因子筛选,分别构建线性逐步回归、Logistic回归和BP神经网络模型,估算研究区的森林碳储量。结果表明:BP神经网络模型反演森林碳储量精度最高,设置隐含层神经元个数为10时,决定系数最大,均方根误差最小,分别为0.636和16.671 t·hm~(-2);Logistic回归模型估算精度次之,决定系数和均方根误差分别为0.528和17.082 t·hm~(-2);线性逐步回归模型估算精度最低,决定系数最小,均方根误差最大,分别为0.452和17.722 t·hm~(-2)。研究区森林碳储量空间特点表现为山区碳储量大,低海拔人口分布密集地区碳储量小,与实际森林分布一致。     

森林生态系统碳通量研究进展

陆地生态系统是"温室气体"的一个主要排放源, 森林生态系统作为陆地生态系统最大的碳库, 研究其系统与大气界面的碳通量变化具有重要的科研和社会意义。文中简述了森林生态系统碳通量研究的意义和进展, 以及存在的问题和解决途径。     

区域尺度森林土壤碳储量估算方法及人为影响因素研究进展

指出了研究方法不统一是造成不同学者估算森林土壤碳储量结果不同的主导因素,所得结果必然存在极大的不确定性。归纳和总结了近年来区域尺度森林土壤碳储量研究中的估测方法及人为影响因素,为寻求统一的研究方法提供理论依据。提出了应根据不同研究区域特征及研究目的选择合适的土层厚度、研究方法,加强和完善森林生态系统定位观测,提高森林生态系统土壤碳储量中各环节数据的准确性,增加必要的实测数据,提高精度;同时采用先进的地理信息系统(GIS)和遥感(RS)图像数据处理等技术,利用高精度遥感影像数据,与土壤实测值、模型方法相结合,建立完整的森林生态系统土壤碳储量数据库。在研究中应注重人为活动、土地利用和土地覆盖变化对森林生态系统土壤碳储量的影响,使得碳储量的估算更加注重多因素的综合影响并能在一定程度上揭示碳储量的动态变化过程及其变化机理。     

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。     

基于碳卫星的森林碳储量估测研究综述

利用遥感技术获取森林特征参数来估测森林碳储量是目前的研究热点,提高森林碳储量估测技术的先进性、准确性愈加迫切。文中综合以碳卫星GOSAT、OCO-2、TANSAT作为数据源的相关研究成果,分析碳卫星数据在森林碳储量估测方面的适应性和准确性,总结各类森林碳储量研究方法的优势和不足,并针对目前存在的问题进行讨论和展望,以期为全球森林碳储量的估测及其研究提供参考。     

三种回归分析方法在Landsat-5影像森林碳密度反演中的比较

随着遥感技术的快速发展,基于遥感影像和地面样地的方法成为目前森林碳密度精确估算的主要手段,然而没有找到具有普适性的建模因子和最佳的森林碳密度估算模型。鉴于此,本文通过分析研究区地面固定样地碳密度与Landsat-5影像及其衍生波段的相关性,筛选出估算森林碳密度的敏感因子。采用三种回归分析方法(逐步回归、偏最小二乘回归及非线性回归)分别建立森林碳密度的最优遥感估算模型。结果表明:1参与建模的遥感因子中,1/TM3与森林碳密度的相关性最大,敏感性最高;2三种回归分析方法建立的预测模型中,以4个遥感因子建立的非线性回归模型预测精度最高,预测值与实测值得决定系数R2为0.74;3通过测算,研究区平均森林碳密度为14.36 t/hm2,变化范围介于0.00~38.28 t/hm2之间。研究表明非线性回归在区域森林碳密度反演方面具有一定的潜力。     

基于Landsat时间序列数据的森林地上生物量估测研究进展

利用时间序列遥感数据可以提高森林生物量估测精度和估测生物量动态变化,为森林碳储量和气候变化研究提供更为精确的反演基础。文中基于Landsat时间序列数据研究森林地上生物量的遥感估测方法,从数据预处理、数据重构、遥感因子选取以及模型构建与精度评价4个方面进行回顾和评述,并提出研究建议与展望。     

基于遥感技术的宜良县云南松蓄积量反演

以云南省宜良森林二类调查数据为样本,基于Google Earth Engine云平台Landsat 8 OLI影像,结合植被因子、纹理特征以及K-T变化为自变量,构建了多元线性回归和随机森林的建模方法,建立了森林蓄积量反演模型.以宜良县云南松为研究对象,运用Landsat8 OLI遥感影像数据结合地面角规控制样地调查数...     

结合Landsat 8与PALSAR-2影像的龙南县针叶林蓄积量遥感估测研究

林分蓄积量估测是林业遥感的重要研究领域,由于云雾天气和光谱饱和现象等因素限制了光学遥感影像估测林分蓄积量的精度。合成孔径雷达(SAR)具有穿透性强、受云雾影响小等特点,弥补了光学遥感的不足。以江西省龙南县的针叶林为研究对象,结合Landsat 8与PALSAR-2双极化SAR影像数据,在遥感数据预处理基础上,提取了光谱信息、植被指数、纹理信息和后向散射系数等共245个遥感因子。基于Pearson相关系数法和多元逐步回归法,筛选出65个遥感因子参与林分蓄积量估测。以林分郁闭度作为分层因子,分别采用线性、KNN、支持向量机(SVM)、多重感知机(MLP)和随机森林(RF)5种模型估测林分蓄积量,并对估测结果进行精度检验。实验结果表明:1)相比单独使用Landsat 8的光谱和纹理信息,基于郁闭度分级并融合PALSAR-2的后向散射信息明显提高了蓄积量的反演精度;2)对于低郁闭度林分,线性模型精度最高(rRMSE=21.16%),中郁闭度林分,多重感知机模型估测效果最好(rRMSE=30.61%),高郁闭度林分,多重感知机模型估测效果最好(rRMSE=27.53%)。在结合PALSAR-2的后向散射系数的基础上,郁闭度分层能有效改善中高蓄积量区域的反演精度。