基于高分辨率遥感影像的森林地上生物量估算

以南京市紫金山林区为研究区,利用e-Cognition面向对象分类方法,基于光谱和空间信息融合后的IKONOS影像提取单木树冠阳性冠幅(PoCA, Positive crown area)信息,并结合野外实测的样方生物量数据,分别建立了针叶林和阔叶林地上生物量 (AGB, Aboveground Biomass)的遥感估算模型,并利用实测森林生物量数据对模型进行了验证。结果表明,基于遥感影像提取的PoCA与实测AGB存在较好的非线性相关关系,所建针叶林AGB估算模型的可靠性优于阔叶林模型。对建模样本而言,估算的针叶林和阔叶林AGB与观测数据比较的R2分别为0.62 (P<0.01,n=9) 和0.56(P<0.01,n=16)。验证表明,所建AGB估算模型的可靠性较好,估算的针叶林和阔叶林AGB与观测数据比较的R2分别为0.55(P<0.01,n=6) 和0.52(P<0.01,n=10),但当AGB较低时,模型结果偏高,AGB较低时,模型结果偏低。研究说明通过高分辨率遥感数据的融合、提取树冠信息进行生物量估算是可行性的。     

森林地上生物量遥感估算研究进展

森林地上生物量是森林生态系统的重要参数及评估碳循环的重要指标,对森林地上生物量的精确估算至关重要.遥感技术因其独特的优势而在大尺度区域地上生物量估算研究中发挥着不可替代的作用.本文总结了光学(多光谱和高光谱)数据、SAR(极化SAR、干涉/极化干涉SAR和层析SAR)数据、小光斑LiDAR、大光斑LiDAR(机载LiD...     

森林地上生物量遥感估算方法

生物量是林业和生态应用研究的重要信息,森林生态系统地上生物量估算的遥感技术引起了国内外学者的广泛关注.总结与探讨不同数据源与估算方法能够为森林地上生物量的估算提供指导.本文首先总结并探讨单传感器遥感数据,包括光学遥感、合成孔径雷达与激光雷达数据在森林地上生物量估算中的应用,以及协同使用多源遥感数据估算森林地上生物量的优...     

基于森林小班的香格里拉市高山松生物量遥感建模

以小班为研究单位,基于香格里拉市2006年TM影像、森林资源二类调查数据,利用随机选取的小班样地遥感因子平均值建立数据集,筛选出78个样地数据(60个训练数据和18个验证数据)及14个遥感因子,通过蓄积计算森林生物量,建立了基于遥感因子的高山松生物量估测的逐步回归模型和偏最小二乘模型。结果表明：逐步回归模型的精度(R=0.518、RMSE=34.265 t/hm²、rRMSE=47.046%)要高于偏最小二乘模型的精度(R=0.514、RMSE=35.320 t/hm²、rRMSE=48.494%)。研究结果可为高海拔地区遥感生物量建模、生态环境保护与规划提供参考依据。     

基于SAR极化分解与Landsat数据的森林生物量遥感估测

目的森林生物量是评价森林生态系统结构、功能和生产力的重要指标之一,区域尺度上的森林生物量的准确估测对了解森林现状和科学经营森林具有重要指导意义。本文旨在利用SAR影像结合Landsat5 TM影像对区域尺度上的森林生物量进行定量估测。方法首先利用极化分解的方法对极化合成孔径雷达(SAR)数据进行处理获得45个极化分解参数,然后将45个极化分解参数与6个Landsat5 TM波段参数共51个参数作为自变量,森林生物量W作为因变量构建统计回归模型,最后利用最优模型反演研究区的森林生物量。结果使用两种方法进行模型构建:(1)逐步回归法,利用逐步回归进行变量筛选,选出2个参数构建模型,模型R2为0.534,拟合精度为67.51%,RMSE为43.21 t/hm2;(2)最优子集法,用Bootstrap法进行变量筛选,共筛选出9个参数,然后用这9个参数进行最优子集回归,获得511个选模型,然后选择出最优子集模型,并用交叉验证法对模型进行验证,最终选出的最优子集模型包含的参数为TM_band4、Neumann_delta_mod、Neumann_psi、TSVM_psi、TSVM_tau_m3,模型R2为0.768 2,拟合精度为88.32%,拟合RMSE为14.98 t/hm2,验证精度为86.21%,验证RMSE为19.14 t/hm2,CP指数为5.249 5,赤池信息量AIC为256.504 5。本文最终使用最优子集法获得的模型进行反演,获得研究区的森林生物量分布图。结论结果表明:全极化C波段SAR数据结合Landsat5 TM光学数据构建遥感信息模型可以准确反演森林生物量。      

帽儿山林场森林生物量估测及时空动态格局分析

采用东北林业大学帽儿山实验林场1990年和2004年的固定样地调查数据及一元生物量预估模型,计算得到林场内各样地单位面积生物量,并运用地理信息系统的插值法得到整个研究地区的森林生物量分布图。在此基础上,分析了研究地区生物量的动态变化趋势及生物量与地形因子之间的关系。结果表明,经过10多年的经营,该地区的生物量呈增加趋势,生物量与海拔和坡度呈显著的相关性。通过回归分析,得到生物量与海拔高度的回归方程,并通过了统计检验。     

基于遥感的森林生物量估测样地调查方法的研究动态

科学的样地调查是利用遥感方法进行森林生物量估测的重要前提,也是提高生物量估测精度的基础。通过回顾国内外利用遥感估测森林生物量研究领域中样地调查的方法,并对其进行归纳分析可知,调查方法根据不同的遥感数据源、研究区和调查对象而不同,涉及到样地的个数、样地布设、样地形状及大小、样地调查因子和内容等方面。由此提出了样地调查的建议,以期减少今后利用遥感估测森林生物量的不确定性。     

基于遥感与作物模型的土壤速效养分时空变异分析

目的 研究在均衡施肥模式下,双山农场2012—2016年间土壤速效养分的时空变异特征,分析施肥管理、轮作模式等人为因素和气象、地形等自然因素对速效养分变化的影响,该研究成果可为土壤速效养分管理和作物变量施肥提供参考依据。方法 以双山基地农场为例,通过时间序列HJ-1 CCD遥感数据和作物模型WOFOST反演得到土壤速效养分。基于以上土壤速效养分数据在不同时间尺度（年际间和生长季内）和不同空间尺度（农场尺度和田块尺度）上的速效养分时空变异分析。利用土壤速效养分分级图来定性分析养分在5年内的空间变异特征;选取相应的统计参量对土壤速效养分的平均含量和变异性进行定量分析;利用线性回归来分析速效养分的变化量与初始含量的关系;以及养分变化曲线图分析速效养分的时间变化特征。结果 在均衡的农田施肥管理模式下,2012—2016年农场的土壤速效氮（AN）、速效磷（AP）和速效钾（AK）含量平均值变化不大,速效养分高值和低值都在向中间值靠拢,分别集中于280—360 mg·kg ^-1、38—42 mg·kg ^-1和160—200 mg·kg ^-1,该部分面积比例分别增加18.5%、23.1%和23.8%,养分含量整体呈现均一化特征。AN、AP和AK的变异系数分别从2012年的0.314、0.112和0.257变为2016年的0.131、0.034和0.098,速效养分分布的空间差异性在减弱。AN,AP变化量均与初始值呈现极显著的负相关,R ²分别为0.839和0.882,AK的R ²为0.569,其相关性较弱与土壤中的速效钾本身不稳定有关。通过相邻地块的养分变化分析可知,田块尺度上的土壤速效养分也表现出明显的均一化特征,轮作模式是影响田块间养分变化差异的主要因素,对于轮作模式完全相反的#1和#2田块,人工施肥决定了田块内养分变化的总体趋势,对于豆科作物,固氮作用对土壤速效氮的含量变化作用明显。温度升高在一定程度上会促进作物对养分的吸收,但这种影响不足以改变养分变化的总体趋势。土壤的淋洗对养分的空间变异起到决定性作用,特别是强度较大的降水。降水对养分空间变异的影响在地形差异较大的区域,表现得更加明显。 结论 农田的施肥管理和作物轮作模式是土壤速效养分变化的主导因素;其次是气候因素,雨水对土地的淋洗会导致土壤速效养分的流失和下降,该作用在地形差异较大的地区更加明显;速效养分的变化量与养分初始含量关系显著;温度的升高会促进土壤速效养分的降低,其影响力小于降水。以上变化规律均可纳入后期速效养分的预测研究中,对这些影响因子赋予不同的权值,进行预测模型的构建。以期对作物年际间和生长季内的速效养分的变化进行实时动态监测。     

基于TM遥感影像丰宁县森林地上生物量估测研究

利用TM遥感数据以及同期获得的野外调查样地数据,研究了河北省丰宁满族自治县森林地上生物量的遥感估测技术。提取TM遥感影像6个波段反射率及DVI、NDVI、PVI、RVI、VI3、SLAVI和SAVI 7个植被指数,分析了森林样地地上生物量与各个因子间的关系,得出相关系数较小（均小于0.400）;因此采用Stepwise逐步回归法,建立了多元回归模型。结果表明,ρ2、ρ3、ρ4、ρ54波段反射率和有效叶面积植被指数（SLAVI）结合建立的多元回归模型,可用于森林生物量的遥感估测,估测的R2值达0.730,留一交叉验证均方根误差RMSE最小,达33.712。利用2008年的全覆盖TM影像,结合丰宁遥感分类图像,获得了丰宁县2008年森林地上生物量分布图,森林植被总生物量为1.805×107t。     

基于地理探测器和GIS的压砂地砾石空间异质性及其影响因素分析

为探究压砂地不同粒径砾石空间异质性及其影响因素,基于压砂地102个采样点,对不同粒径砾石配比进行了描述性统计,通过半方差函数和全局空间自相关分析等地统计方法分析了压砂地不同粒径砾石的空间变异特征和聚集模式,并进一步利用地理探测器模型识别影响不同粒径砾石占比空间分异的主要影响因子,在此基础之上,选取主要影响因子协同地理加权回归克里格法对不同粒径砾石占比进行可视化,获取其分布特征。结果表明,不同粒径砾石的空间变异系数均大于10%,属中等变异。不同粒径砾石的空间异质比变化范围较大（0.26%~83.48%）,其空间异质性受随机性因素和结构性因素共同影响。空间自相关分析显示各粒径砾石的全局Moran''s I均高于0.674,且Z值均大于1.96,表明不同粒径砾石具有极显著的空间依赖特征,呈聚集性分布。地理探测器模型识别表明压砂地不同粒径砾石的空间分异的解释力由大到小依次为种植年限>坡向>地表粗糙度>坡度>剖面曲率>平面曲率>地表起伏度,种植年限的单因子解释力明显高于其他因子。不同环境条件下压砂地土体中不同粒径砾石空间分布差异明显且呈聚集性分布特征。种植年限、坡向和地表粗糙度是压砂地不同粒径砾石空间分布状况的主要影响因子。     

宜良县云南松林生物量遥感估测方法研究

利用landsat5影像和通过蓄积量-生物量转换方法获得的样地生物量数据,从宜良县云南松林遥感特征、地形特征、郁闭度等方面选取自变量,采用随机森林回归和偏最小二乘法进行生物量遥感估测建模。结果表明:随机森林回归估测模型调整决定系数R2为0.881,模型估测精度为82.3%;偏最小二乘模型的调整决定系数R2为0.753,模型估测精度为78.43%。随机森林回归在模型拟合效果和检验精度上均优于偏最小二乘模型。     

森林生物量与遥感信息的相关性

利用遥感数据研究森林的生物量,建立遥感信息模型,首先要分析各波段与生物量的相关性.通过建立甘肃省小陇山党川林场中幼林典型样地,并伐树称量,建立模型计算出样地的生物量.对试验区的TM影像进行校正,对应每块样地中心点的GPS测量坐标,获取了样地像元各波段的灰度值,并计算各种植被指数.利用MATLAB软件计算了样地生物量与遥感影像各波段的灰度值、各种植被指数的相关系数.在P<0.05水平上,生物量与TM1、TM2、TM3、TM6成显著的负相关.与归一化植被指数、比值植被指数和绿度成显著的正相关.建立遥感生物量模型应用这些呈显著正、负相关的波段和派生数据.采用逐步回归的方法建立了生物量与植被指数的统计方程,以及生物量与遥感TM影像的各波段灰度值、植被指数的统计方程.但在P<0.05水平上,只有NDVI、RVI两个因子复相关系数不高.     

顺昌县马尾松生物量遥感估测

以顺昌县马尾松为研究对象,通过样地选择和样木调查,结合遥感及其相关数学集成技术,引进材积因子,建立马尾松地上部分总的生物量与材积的相关关系模型。在此基础上,运用ERDAS建模功能将生物量模型与马尾松遥感蓄积估测图叠加生成顺昌县马尾松生物量估测图,并根据属性表统计了顺昌县马尾松生物量。     

基于遥感信息模型的香格里拉森林生物量估算

森林生物量是陆地生态系统碳循环过程中最主要的参数,森林生物量准确估算是进行森林碳循环和碳储量及变化分析的基础。以香格里拉这一特殊区域为研究区,以野外调查样方数据为基础,利用植被指数、降水、积温、太阳总辐射量、海拔等多个因子,组合成遥感综合因子层、地理综合因子层与水、光、热一同构成变量,建立了研究区丽江云杉Picea likiangensis-长苞冷杉Abies georgei林,川滇高山栎Quercus aquifolioides林,云南松Pinus yunnanensis林,高山松Pinus densata林等4个建群种森林生物量遥感估算模型,并进行了检验。据此模型开展其生物量估算研究,结果表明:研究区4种森林总生物量为1.14亿 t,其中云冷杉林、栎类林、云南松林、高山松林4种森林的生物量分别是0.715亿t,0.14亿t,0.09亿t和0.20亿t;4种森林总的生物量分布在海拔、坡度上都具有明显的规律,在坡向上无明显分布规律。图1表7参10     

遥感技术在森林生态系统中的应用概述

从森林生物量估测、森林动态变化监测以及森林生态环境评价等方面较为系统地介绍了遥感技术在森林生态系统中的应用实例,为进一步发展遥感技术和研究森林生态系统的结构与功能提供了一定的参考依据。     

用地统计学方法估算长白落叶松人工林凋落物现存量

长白落叶松是我国东北地区主要造林树种之一,为了估计出其林下凋落物的现存量,该文采用地统计学的变异函数分析方法定量研究了18～40年生长白落叶松人工林凋落物的空间异质性特征,在此基础上利用地统计学的克里格内插法结合定积分,对落叶松人工林凋落物的现存量进行了估测。结果表明:①不同分解程度凋落物层质量的变异函数模型均为球状模型,且随着凋落物分解程度的加深,其水平方向上的异质性程度呈增强趋势。②非参数统计的成对样本符号检验结果表明,变异函数分析结果基础上的克里格内插法适用于落叶松人工林不同分解程度的凋落物层质量估计。利用此估计值,拟合其与位置坐标值之间的多元回归关系式均为二元十次余弦级数多项式。在此多项式的基础上,通过定积分的方法（积分区间为整块样地的大小）,估计出18～40年生落叶松人工林凋落物的未分解层、轻度分解层、中度分解层和重度分解层的质量分别为5.35～8.46、5.60～10.62、0.60～7.99、3.41～17.76 t/hm2。③采用地统计学的克里格空间插值,结合多元回归和定积分的方法,可以实现落叶松人工林凋落物现存量的估计。      

基于CASI高光谱遥感数据的森林叶面积指数反演

高光谱遥感技术能够快捷、准确、无损坏地估测森林LAI,从而有效地监测森林长势,估测森林生物量,评价森林病虫害等.以黑龙江凉水自然保护区为例,利用高光谱遥感技术和GPS测量技术,结合地面实测LAI数据,采用从CASI图像提取的NDVI、SR 、MSAVI 3种植被指数,与地面实测的LAI建立统计回归模型,然后再从众多的统计模型中根据相关系数,筛选出由CASI反演LAI的最佳植被指数和回归模型.     

利用无人机遥感测定岷江冷杉单木树干生物量

无人机获取的高分辨率遥感影像,已成为单木生物量估算的有效手段。本文以四川省王朗自然保护区岷江冷杉为研究对象,利用本项目组自行研制的无人机获取无阴影遥感影像。设置2块样地,其中plot 1为建模样本,plot 2为验证样本。通过人机交互的方式提取单木树冠面积(CA)数据,并结合野外实测的胸径(DBH),建立DBH遥感估算模型。最后基于CA-DBH模型的有效性,结合已有DBH-SB(树干生物量)经验方程,计算plot 2岷江冷杉单木树干生物量。结果表明:基于无人机遥感影像提取的单木CA与实测DBH存在较好的非线性相关关系,所建立的模型有较好的拟合度,R2达到0.752(P<0.001,n=94)。采用t检验验证CA-DBH模型预测值与观测值的差异,同时计算皮尔森相关系数(Pearson Correlation Coefficient),检验结果表明:该模型估算的DBH与实测值偏差差异不显著(P>0.05),其皮尔森相关系数可达0.879,证明利用无人机获取的遥感影像,通过提取的CA估算DBH是可行的。本次实验表明:利用无人机遥感获取影像,通过提取的单木CA进行树干生物量的估算是有效的。