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TerraSAR-X和ALOS PALSAR数据的森林蓄积量估测研究——以云南省勐腊县为例

基于2014年12月3日获取的X波段Terra SAR-X数据和2008年10月19日获取的L波段ALOS PALSAR数据,引入树种类型为哑变量,采用逐步回归的方法,对云南省勐腊县森林蓄积量进行估测。结果表明,与X波段Terra SAR-X数据相比,基于L波段ALOS PALSAR数据建立的森林蓄积量模型具有更高的决定系数,R~2为0.843,模型估测精度为68.8%,均方根误差RMSE为38.8 m3·hm~(-2),最终结果证明波长较长的L波段ALOS PALSAR数据对森林蓄积量具有更好的估测效果。     

基于GF-1的森林蓄积量遥感估测

森林蓄积量是评价森林资源数量的一个重要指标。结合遥感影像和地面调查数据估测森林蓄积量受遥感影像、遥感因子、预处理方法、估测方法等多方面的影响。为研究国产GF-1遥感影像估测森林蓄积量的最佳遥感因子组合方式和较优估测方法,并绘制森林蓄积量空间分布图,为我国森林蓄积量的研究提供理论基础和科学依据。为研究GF-1遥感影像估测森林蓄积量的遥感因子和估测方法,以湖南省醴陵市为研究对象,以国产GF-1遥感影像为数据源,通过对遥感图像预处理,获取光谱信息、纹理因子、植被指数作为特征变量,结合同时期的二类调查样地数据,从GF-1遥感影像像元与样地不匹配角度出发,应用移动窗口的方法解决像元与样地的对应关系,采用多元逐步回归、偏最小二乘回归和随机森林模型对研究区森林蓄积量进行估测,采用建模精度和估测精度进行分析评价。实验结果表明:1)3个模型选择的因子都包含了NDVI、 Band2、DI3、CO1和DVI等5个遥感因子,说明其对森林蓄积量的估测比较敏感;2)随机森林模型优于偏最小二乘回归和多元逐步回归,其决定系数R2为0.73、估测精度为83.69%。利用GF-1遥感影像结合随机森林模型应用于森林蓄积量的估测结果趋于真实分布,效果较理想;采用移动窗口法,利用国产GF-1遥感影像并结合随机森林进行森林蓄积量估测具有较好的应用前景。     

六株木测树法估测人工杉木林蓄积量的研究

以湖南省攸县黄丰桥林场杉木树种为研究对象,采用随机抽样方法布设样地110块,其中杉木有效观测样地97块.以距样地中心位置最近的6株木为对象,观测每株杉木的胸径、树高及最远杉木到样地中心的距离,以计算这6株杉木样圆的覆盖面积来估测样地蓄积量,并将估测结果与角规测树法进行对比分析.结果表明,在95%的可靠性下,平均胸径估测精度为90%,平均树高估测精度为88%,蓄积量估测精度达89%,估测结果与角规测树法所得结果十分接近,表明利用六株木法估测杉木蓄积量具有较好的效果.     

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。     

基于高清航片的小班测树因子估测技术研究

利用高清航片影像特征与小班测树因子的相关关系,通过判读优势树种(组)、冠幅、郁闭度、株数,结合3S和回归模型等技术方法,估测小班平均胸径、平均树高、郁闭度、株数和蓄积量。重点介绍林分优势树种(组)、树种组成、平均胸径、郁闭度的估测方法。利用基于高清航片的小班测树因子估测技术与传统调查方法相比,可以减轻调查工作量,提高工作效率,降低调查成本。     

基于六株木法的杉木蓄积量估测研究

蓄积量是森林资源调查和监测的重要指标。本研究以湖南省攸县黄丰桥林场杉木树种为研究对象,采用随机抽样方法布点,共布设样地110块,其中杉木有效观测样地97块。样地内调查以距离样地中心位置最近的6株木为对象,观测每株杉木的胸径、树高及最远杉木到样地中心的距离,并计算这6株杉木样圆的覆盖面积,来估测样地蓄积量。结果表明：在95%的可靠性下,平均胸径估测精度为90%,平均树高估测精度为88%,蓄积量估测精度达89%,说明利用六株木法估测杉木蓄积量具有较好的效果。     

基于Sentinel-1A雷达影像的思茅松林蓄积量估测

探讨C波段雷达影像估测森林蓄积量的应用潜力,建立思茅松林蓄积量遥感估测模型,为利用遥感技术快速、准确、大面积的估测森林蓄积量提供参考。以云南省普洱市思茅区思茅松林为研究对象,采用C波段双极化合成孔径雷达Sentinel-1A影像为数据源,提取影像不同极化方式下的后向散射系数,并分别计算4个窗口(5×5、7×7、9×9、11×11)下的9种纹理特征,共计提取75维影像特征作为备选自变量,结合45块地面蓄积量调查样地,采用随机森林算法,进行建模因子重要性分析,选择最优特征,即选取VH极化方式、5×5窗口下VH极化方式的均值和异质性、7×7和9×9窗口下VH极化方式的最大概率、11×11窗口下VH极化方式的最大概率和协同性,共7个特征因子,建立随机森林蓄积量估测模型,R~2达到0.64,RMSE为30.35m~3/hm~2,模型的估测精度达到75.46%,森林蓄积量估测效果较好。研究表明,基于C波段双极化雷达影像提取纹理特征,利用随机森林算法进行特征选择,建立的森林蓄积量估测模型具有一定的可行性和推广性。     

基于无人机LiDAR特征变量的南方集体林区蓄积量估测

基于广西壮族自治区森林资源年度监测评价成果数据,采用逐步回归选择机载激光雷达特征变量,建立多元线性回归、Logistic回归和随机森林模型,预测南方集体林区桉树、杉木和天然阔叶林样地的蓄积量。结果表明:1)桉树和杉木样地的逐步回归特征变量多为高度和强度变量,而天然阔叶林样地则是间隙率、覆盖度、叶面积指数等综合变量;2)桉树和天然阔叶林样地,随机森林模型的蓄积量估测精度(桉树R~2=0.97,RMSE=12.60m~3/hm~2;天然阔叶林:R~2=0.90,RMSE=18.45m~3/hm~2)高于多元线性回归和Logistic回归模型,而杉木样地在多元线性回归模型中得到了最优的蓄积量估测结果(R~2=0.91,RMSE=24.30m~3/hm~2);3)在3种模型估测精度中,人工桉树和杉木样地均优于天然阔叶林样地。可见,高密度的激光雷达点云可以获取更优的特征变量,针对复杂的样地条件需要灵活选择估测模型实现蓄积量调查,以便为林草部门进行森林资源调查、监测和经营管理提供科学依据。     

基于多源数据的省级树种(组)成数空间分布信息估测方法

[目的]利用能够反映植被季相变化和物候差异的中空间分辨率高重访周期遥感数据以及其他多源数据,提取区域树种(组)成数空间分布信息,间接表达主要树种(组)的空间分布,为大区域树种(组)空间分布制图提供新的方法和思路。[方法]以吉林省为试验区,以250 m空间分辨率的MODIS NDVI 8天合成时间序列数据和国家森林资源连续清查固定样地数据为主要数据源,综合利用气象观测数据和地形数据,基于梯度最近邻(GNN)方法对省级树种(组)成数进行估测。首先利用典型对应分析(CCA)对特征变量进行特征变换;然后采用k-NN方法对树种(组)成数进行分层估测,并对k-NN方法中的k值进行优选,分析k-NN估测精度随k值的变化规律;最后基于9个县的森林资源二类调查样地和省级一类清查固定样地数据,对树种(组)成数分布图进行精度检验。[结果]对在吉林省分布较广的蒙古栎、白桦、紫椴、春榆、杨树、胡桃楸和长白落叶松7个树种(组)成数进行估测,并制作相应的树种(组)成数空间分布图。估测结果表明,树种成数分布与固定样地成数分布呈现出一致的空间分布特征。其中,县级尺度下的k-NN预测精度检验结果为:R2为0.83,RMSE为0.35;在20 km×20 km,30 km×30 km,40 km×40 km和50 km×50 km 4个尺度下的k-NN估测结果显示,各类树种(组)在40 km×40 km和50 km×50 km尺度下的估测结果较优,春榆在各个尺度下的估测精度均较高,其平均RMSE为0.35,蒙古栎的估测精度相对较低,其平均RMSE为0.65。在不同尺度下的估测结果表明,随着k值的增加,RMSE均呈现先快速减小、后趋于相对平衡的趋势,根据该规律可确定最佳k值。另外,k-NN分层估测的估测精度高于k-NN直接估测的估测精度,其在不同尺度下的RMSE相对直接估测的结果均低0.1左右。[结论 ]本文提出的基于多源数据的森林树种(组)成数空间分布估测方法是一种有效的森林参数估测方法,基于该方法能够获取较高精度的树种(组)成数空间分布图。为了得到最佳的估测效果,需要对k-NN方法中的k值进行优选,该值将随试验区和数据有所不同。另外,采用分层估测的策略可以有效提高最终估测精度。     

基于ENVISATASAR数据的高山松林蓄积量估测模型研究

以香格里拉县南部为研究区,利用ENVISATASAR双极化数据,基于数理统计方法对该地区的高山松林蓄积量估测模型进行研究。首先分析HH,日y,HV／HH值与高山松林样地蓄积量之间的相关性,结果为日y极化数据与蓄积量相关性最高;然后建立简单线性模型、指数模型以及加入地理因子的多元线性模型与非线性模型,得出指数模型为最优模型;利用独立的检验样本对最优模型进行精度评价,预测值与实测值基本相符合,平均相对误差为14．41％。     

News and Views

New forest inventory methods must be developed in order to create good conditions for decision‐making regarding ecological and economical issues in forestry. There are good field measurement methods to use, but they are often very expensive. Coherent all radio band sensing (CARABAS) is a newly developed synthetic aperture radar (SAR) sensor. It differs significantly from the earlier SARs by using longer wavelengths. The CARABAS sensor is more adapted to the scatterers of interest in the forest, due to its longer wavelengths. In this study, CARABAS imagery is compared with forest tree volume. Regression analysis was used to relate radar backscattering to forest tree volume. Due to the large range of incidence angle (45°‐68°), the CARABAS image had to be radiometrically relative‐calibrated. Radar backscattering from five forest stands with similar volume contents were plotted against the distance from the sensor. The plot revealed a linear relationship between these variables. By linear regression on that material the other pixels were relative‐calibrated in the image. Finally, radar backscattering was related to forest stand volumes by using linear regression. The results showed that the backscattering component of the CARABAS imagery is highly correlated to forest tree volume (R² = 74.9%). In this material, there seemed to be no saturation level of the backscattering component up to 300 m³ ha^?1.     

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。     

基于遥感技术的人工速生林蓄积量估测

选择了宁夏中卫市中冶.美利纸业集团的林纸一体化人工速生杨基地作为研究对象,以CBERS/CCD影像和同步实测样地数据为基础,利用相关分析方法筛选出相关系数分别为0.948和0.981的NDVI和RVI两个变量,分别构建了基于NDVI、RVI及NDVI和R VI的组合3个人工速生林地蓄积量回归估测模型,相关系数R2分别为0.899、0.963和0.987,通过了相关检验。估算出项目区的蓄积量分别为641 804.70m3、655 889.57m3和672 143.34m3。     

Estimating and mapping forest biomass in northeast China using joint forest resources inventory and remote sensing data

Being able to accurately estimate and map forest biomass at large scales is important for a better understanding of the terrestrial carbon cycle and for improving the effectiveness of forest management. In this study, forest plot sample data, forest resources inventory(FRI) data, and SPOT Vegetation(SPOT-VGT) normalized difference vegetation index(NDVI) data were used to estimate total forest biomass and spatial distribution of forest biomass in northeast China(with 1 km resolution). Total forest biomass at both county and provincial scales was estimated using FRI data of 11 different forest types obtained by sampling 1156 forest plots, and newly-created volume to biomass conversion models. The biomass density at the county scale and SPOT-VGT NDVI data were used to estimate the spatial distribution of forest biomass. The results suggest that the total forest biomass was 2.4 Pg(1 Pg = 10~(15) g), with an average of 77.2 Mg ha~(-1), during the study period. Forests having greater biomass density were located in the middle mountain ranges in the study area. Human activities affected forest biomass at different elevations, slopes and aspects. The results suggest that the volume to biomass conversion models that could be developed using more plot samples and more detailed forest type classifications would be better suited for the study area and would provide more accurate biomass estimates. Use of both FRI and remote sensing data allowed the down-scaling of regional forest biomass statistics to forest cover pixels to produce a relatively fineresolution biomass map.     

Characteristics of runoff and sediment generation of forest vegetation on a hill slope by use of artificial rainfall apparatus

We studied the impact of forest vegetation on soil erosion,surface runoff, and sediment generation by using field simulated rainfall apparatus. We measured runoff and sediment generation of five 4.5 × 2.1m runoff plots (a bare soil as a control; two Pinus tabulaeformis forestplots and two Platycladus orientalis forest with row spacing of 1 m × 1m and 1.5 m × 1.5 m, respectively) in Beijing Jiu Feng National ForestPark under three rainfall intensities (0.42, 0.83, 1.26 mm per minute).Forest vegetation significantly reduced soil erosion and sediment yield.Mean total runoff volume in the four tree stand plots was 93% of that inthe control plot, demonstrating the limited effectiveness of forest vegetation in runoff control. With increasing rainfall intensity, runoff reductionin forest plots declined from 28.32% to 2.1%. Similar trends in runoff coefficient and the relationship between runoff volume and rainfall duration was observed. Mean total sediment yield and mean sediment yield reduction rate under different treatments was 55.05% and 43.17% of those in the bare soil control plot, respectively. Rainfall intensity playedan important role in runoff and sediment generation processes, and had agreater impact on runoff than on soil erosion and sediment generation.When considering several factors in runoff and sediment transport processes, the P. tabulae form plot with row spacing at 1 × 1 m had a greater effect on soil and water conservation than did other forested plots.     

基于遥感分层技术的平南县森林蓄积抽样调查方法研究

采用遥感数据辅助分层可解决分层抽样在大范围森林资源调查中分层面积不准确的缺点.以ALOS数据为基础,将平南县的森林资源分为A层（有林地、疏林地层）和B层（其它地类层）.在各层内机械预布设样地,比较预布样地缓冲区（角规控制检尺所能绕测到的最大范围）的SAVI值、DNN IR值及对明显地物的目视解译,确定各样地缓冲区的地类,A层样地数有578个,B层有978个.根据分层抽样各层所需样本数,在确定好地类的样地中,随机抽取各层所需样本数并调查其蓄积量.结果表明,抽样的估计精度为91.5%,全县森林蓄积量为5 900 186.7 m3.     

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。     

西藏自治区森林碳密度及分布规律研究

利用森林资源连续清查实测样地及样木数据,结合相对树高曲线,构建生物量-蓄积量模型,解决了模型与各类森林资源调查数据的衔接问题,可应用于西藏自治区森林资源连续清查的目测与遥感样地生物量估算及森林资源规划设计调查小班生物量估算等。根据计算的森林资源连续清查各样地生物量密度,结合树种面积数据及含碳率,估算全区森林碳密度,并初步探讨了森林碳库地带性分布规律。