基于地理加权回归模型的思茅松生物量遥感估测

通过调查云南省景谷县思茅松林120株单木数据,构建思茅松单木生物量模型。结合2005年景谷县TM影像数据及2006年森林资源二类调查小班数据,采用普通最小二乘模型(OLS)和地理加权回归模型(GWR)的方法构建思茅松生物量遥感估测模型。结果表明:地理加权回归模型比普通最小二乘模型具有更好的拟合效果,其决定系数(R2)显著高于OLS模型,Akaike信息指数(AIC)相比降低7.832;两种模型通过独立样本检验可以看出,模型预估精度从OLS模型的72.70%提高至GWR模型的75.06%;通过GWR模型反演计算,研究区内思茅松林单位面积生物量为49.02t/hm~2,比实测数据低1.229%,与实测数据基本吻合,且估算误差优于OLS模型;基于GWR模型估算的景谷县思茅松林总生物量为2.101×107t。可见基于地理加权回归方法估测森林地上生物量的方法是有效的,能提高森林生物量遥感估测模型的拟合和预估精度,可以用于思茅松林的生物量的遥感估算。     

基于随机森林回归模型的思茅松人工林生物量遥感估测

以云南省景谷县思茅松人工林为研究对象,以研究区2005年TM影像及2006年森林资源二类调查小班空间属性数据库为信息源,在前期建立思茅松单木生物量模型基础上,在ENVI下提取9个植被指数作为备选自变量,建立研究区思茅松人工林随机森林回归遥感估测模型。结果表明:随机森林回归遥感估测模型的决定系数(R2)=0.97,均方根误差(RMSE)=4.97;模型的预估精度(P)=87.67%。利用已经训练好的随机森林估测模型,估测研究区思茅松人工林生物量为3 644 612.00t;单位面积生物量为59.90 t/hm2。研究结果可为其它典型森林类型生物量或碳储量估测提供案例分析。     

长白山6种幼树生物量估测模型

以长白山6种幼树为材料,分别研究地径、树高与地上枝、叶和地下粗根、细根生物量的相关性,结果表明:大多数树种的地径与各器官生物量的相关系数均在0.7~0.9之间,树高与各器官生物量的相关系数均在0.8~0.9之间,与树高的相关性大于与地径的相关性;地径和树高与地下粗根生物量的相关性最大,尤以假色槭、簇毛槭、青楷槭3个树种突出,相关系数均达到0.9以上。     

基于不同立地质量的杉木生物量遥感估测

[目的]研究不同立地质量对杉木生物量遥感估测精度的影响,为进一步提高和完善森林生物量遥感监测体系提供一种新的思路和方法。[方法]以2007年建德市森林资源二类调查数据和TM影像为研究材料,采用蓄积量—生物量换算因子连续函数法计算杉木林生物量和地位级法评价立地质量等级,比较杉木立地质量好、中等、差和不分地位等级4种生物量遥感估测模型,并进行精度检验。[结果]表明:(1)以TM遥感影像主成分分析中第一主成分为自变量的模型拟合效果最好,决定系数R2均在0.69以上,最高0.855。(2)利用预留独立样本对模型精度进行验证,不分地位级总体估测精度为87.78%,分立地质量等级好、中、差3种类型总体估测精度分别为97.37%、95.82%、98.23%。分不同立地质量类型可以提高杉木生物量遥感估测精度。[结论]研究结果为森林生物量遥感估测提供一种改进的思路,且为提高森林生物量和碳储量遥感估测精度提供一种参考方法。     

基于高分辨率遥感影像的森林蓄积量估测

为了快速有效获取《综合开发利用项目》项目区的森林蓄积量,利用SPOT5和Rapid Eye高分辨率遥感影像,结合野外实地调查数据,采用最小二乘回归方法构建森林蓄积量遥感估测模型,估算柬埔寨王国上丁省特许地2012年的森林蓄积量。结果表明:1利用预留独立样本对模型进行精度验证,不分类型的模型的总体预测精度可达到99.37%,分类型的模型的总体预测精度分别可达到99.57%、97.30%、99.41%、96.84%、76.25%;2不分类型建模反演得到2012年研究区的森林总蓄积量为33197465.008 m3,各类型的森林蓄积量分别为16660360.382、7124988.801、5716238.005、4016470.930、186695.185 m3。结果表明利用高分辨率遥感影像快速估测区域森林蓄积量的可行性,也为合理规划和开发利用特许地的森林资源提供参考。     

甘肃黑河流域上游森林地上生物量的多光谱遥感估测

[目的]以黑河流域上游祁连山森林保护区为研究区,利用133个森林样地调查数据、Landsat-5 TM影像和ASTER GDEM产品为数据源,探讨地形对该流域森林地上生物量(above-ground biomass, AGB)估测的影响,以及选择合适的遥感估测方法反演该流域的森林AGB.[方法]首先利用青海云杉特殊的生境范围和绿色植被对比值植被指数(ratio vegetation index,RVI)的灵敏程度,及不同地物对纹理特征的不同响应,制定相应的决策树分类器,将研究区的土地覆盖类型分为两大类:森林(青海云杉)－非森林,并利用133个森林样地调查数据和Google Earth高分辨率影像的12 722个采样点对分类结果进行验证(总体分类精度达到 90.39%,Kappa 系数为 0.81);然后运用多元线性逐步回归估测法,以及结合随机森林算法(random forest, RF)优化后的k最近邻分类法(k-nearest neighbors, k-NN)进行森林AGB的遥感估测,对比SCS+C地形校正前后青海云杉森林AGB的估测结果,同时比较2种不同估测方法的反演效果;最后利用得到的最优估测方法反演整个研究区的森林AGB,生成黑河流域上游祁连山森林保护区的森林AGB的等级分布图.[结果]SCS+C地形校正前多元线性逐步回归的估测精度为R² =0.31,RMSE=34.41 t ·hm^-2,地形校正后多元线性逐步回归的估测精度为R² =0.46,RMSE=30.51 t ·hm^-2;而基于 SCS+C地形校正后的k-NN的交叉验证精度不仅明显高于地形校正前的精度,且显著优于多元线性逐步回归的估测结果,达到R² =0.54,RMSE=26.62 t ·hm^-2;另外基于最优的k-NN 估测模型(窗口为 7×7,采用马氏距离,k=3)反演的该流域青海云杉在2009年总的森林地上生物量为8.4×10⁷ t,平均森林地上生物量为96.20 t ·hm^-2.[结论]在地形复杂地区,运用SCS+C模型对地形进行适当校正,能够有效地消除太阳入射角变化引起的地表反射亮度的差异,使影像能够更准确地反映地表信息,提高森林AGB的遥感估测精度;在样本有限的情况下,相对于以大数定律作为理论基础的多元线性逐步回归估测法,k-NN能够避免发生过学习现象和样本不平衡问题,更适于该研究区青海云杉的森林AGB的估测.     

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3.45 t·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13~25 t·hm^-2,均值为19.52 t·hm^-2。     

东莞市针叶类森林生物量遥感模型研究

基于 Landsat 8 影像数据,对东莞市松树林 (Pinus sp.)、杉木林 (Cunninghamia lanceolata)、针叶混交林 3 种针叶类森林生物量进行估算,利用相关分析、主成分分析和逐步回归分析,建立针叶类森林生物量遥感估算模型,其决定系数 (R2) 值分别为 0.880 9、 0.832 5、 0.964 0,均达显著水平。经适用性检验,模型均达 0.05 显著水平,可用于东莞市针叶类森林生物量估算。     

基于偏最小二乘回归的森林蓄积量遥感估测

森林蓄积量受遥感因子与地形因子的影响,但这些因子间存在多重相关性,会影响模型稳定性与精度。针对森林蓄积量遥感估测自变量间存在多重共线性问题,采用异于传统最小二乘的偏最小二乘方法建立密云县森林蓄积量遥感估测模型。先对可能影响蓄积量的因子进行分析,选取既存在相关性又对模型显著性有影响的因子为森林蓄积量估测的自变量。用预留的样本对模型进行检验,预测值与实测值相比精度达到90.1%。将通过检验的模型对整个密云县进行反演,得到密云县估测森林蓄积量为2 447 695.203 m3。     

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SVM方法的长白山森林植被信息提取的研究

本文以Landsat TM影像数据为基础,采用基于支持向量机分类方法对长白山地区大荒沟林场进行森林植被信息提取,并与传统的最大似然法分类进行对比。结果表明,基于支持向量机方法的森林信息提取精度,Kappa值分别为0.981 0、0.971 6、0.975 3,均超过了最大似然法(MLC)的提取精度和Kappa值0.963 4。该方法有很好的操作性和实用性,准确度满足了林业规划设计的基础数据材料精度要求。     

Problems and relevant strategies on natural forest protection in Changbai Mountain forest area

Changbai Mountain forest area is not only is a national timber base but also a green ecological defense for Songliao Plain of NE China. The Natural Forest Protection Project of this area has an important bearing on the social and economic sustainable development of Jilin Province or even the whole forest area in NE China. This paper summarized general conditions of natural forest in Changbai Mountain state-owned forest area and put forward six problems need to be urgently solved and five strategic suggestions on natural forest protection and sustainable management.     

长白山天然次生林的主要类型及其经营对策

长白山天然次生林可为以柞树、杨桦、水曲柳和胡桃揪为主的3种类型。其经营的主要措施是在保护的基础上,引进针叶树种。本文还对次生林的改造及抚育提出了建议。     

Vegetation inventory of a temperate biosphere reserve in China by image fusion of landsat TM and SPOT HRV

Vegetation cover types on Changbai Mountain, a natural biosphere reserve (2,000 km²) in northeast China, were derived by using multisensor satellite imagery fused with Landsat TM and SPOT HRV-XS. DEM data were used for improving classification accuracy. Cover types were classified into 20 groups. Bands 4 and 5 of Landsat TM image acquired on July 18, 1997, and band 1 of SPOT HRV-XS image acquired on Oct. 19, 1992, were fused to a false color image, and maximum likelihood supervised classification was performed. Data fusion showed high accuracy of identification, compared to individual images. The overall accuracy of classification of individual images by SPOT HRV-XS reached 56%, and TM 66%, while the fused data set provided accuracy of about 78%, which was raised to 81% after recoding by using DEM. There were five vegetation zones on the mountain, from the base to the peak: hardwood forest zone, mixed forest zone, conifer forest zone, birch forest zone, and tundra zone. Spruce-fir dominated conifer forest was the most prevalent (nearly 50%) vegetation type, followed by Korean pine and mixed forest (17%) and larch forest (5%). HRV image taken in leaf-off season is useful for discriminating forest from non-forest, and evergreen forest from hardwood forest, while the summer image (TM) provides detailed information on the difference in similar vegetation types, like hardwood forest with different compositions.     

长白山自然保护区阔叶红松林林隙更新状况

该以长白山大面积分布的阔叶红松林林隙为研究对象．系统调查了林隙形成木和林隙填充的特征,并对其主要树种的更新环境进行研究。结果表明,长白山阔叶红松林林隙多数是由1．4株形成木形成的,林隙形成木主要是红松、水曲柳、蒙古栎和紫椴;林隙填充中,紫椴和色木槭的数量最多,红松所占比例较小。不同大小林隙内填充的数量也不同,近似呈一个偏左的正态分布。现有的红松幼树一般都分布在林隙内或林隙边缘,更新环境良好。     

长白山区次生阔叶林采伐林隙更新研究

从林隙大小和林隙年龄两个方面研究了以椴树、色木槭和蒙古栎为主的次生阔叶林经营采伐形成的林隙及其更新特征.结果表明:冠林隙面积＜20 m2的林隙占42.8%,20～40 m2的林隙占23.8%,40～60 m2的林隙占33.4%.38.1%的林隙呈圆形,61.9%的林隙呈椭圆形,其中38.5%为南-北方向,46.2%为东-西方向,15.3%为东北-西南方向.林隙一般由3～4株采伐木形成,采伐木主要由椴树、蒙古栎和山槐组成.非林隙林分更新中灌木占优势,林隙更新中乔木占优势,且随林隙面积和形成年龄增加而增强.林隙内的树种多样性和更新密度明显高于非林隙林分.综合多样性随林隙面积和年龄的增加而下降.不同大小级林隙内的优势种不同,以阳性树种占大多数.