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。     

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Landsat8 OLI遥感因子的思茅松地上生物量二阶抽样估测

基于Landsat8 OLI遥感影像和森林资源二类调查数据,选择云南省普洱市镇沅县为研究区,在90%的抽样精度(E)与95%的可靠性指标(t_α)的条件下,应用二阶抽样技术,以镇沅县思茅松单位面积AGB、单位面积地上蓄积量、7个单波段及5个植被指数作为抽样标志,对不同抽样方案的抽样总体方差、变动系数、标准误差、绝对误差、估测精度、AGB估测值及估测误差进行分析,并与简单随机抽样、系统抽样对比,分析不同抽样方法应用不同抽样标志的综合效率。结果表明：1)二阶抽样综合效率远远高于简单抽样和系统抽样;2)基于单波段和植被指数的二阶抽样效率普遍优于基于二调数据的,二阶抽样效率最好的抽样标志是ARVI与NDVI,2种植被指数仅需154个样本,较基于二调数据的二阶抽样降低60%的样本量,精度能达到最高,分别为97.50%和97.67%。研究结果说明基于遥感因子的二阶抽样可以大幅提高抽样效率。     

基于随机森林偏差校正和多源遥感数据的天然次生林地上生物量估测

[目的]以多源遥感数据为基础,在郁闭度较高的天然次生林中采用非参数模型及随机森林偏差校正模型估测森林地上生物量(Aboveground biomass,AGB),为大尺度估测森林生物量提供了依据.[方法]以东北林业大学帽儿山实验林场142块森林资源连续清查固定样地复测数据、机载激光雷达(Airborne laser s...     

景谷县森林蓄积量遥感估测及其动态变化分析

以云南省景谷县为研究区,基于Landsat5和Landsat8遥感数据,利用2012年和2017年两期全国森林资源连续清查实地调查数据,建立多元逐步回归和随机森林模型对景谷县森林蓄积量进行遥感估测对比研究.结果显示:综合建模精度来看,随机森林法在相同样地数量条件下具有更好的估测效果;从估测结果与林地保护利用规划和林地变...     

基于机器学习和多源数据的湘西北森林地上生物量估测

【目的】针对传统森林资源清查方法成本高、时效性低和结果统一性差等问题,基于多源遥感数据,采用机器学习算法选择特征变量并建立估测模型,制作森林地上生物量(AGB)面分布产品,为森林资源信息化调查提供技术手段。【方法】以湖南省西北部为研究区,利用生物量异速生长方程将森林资源样地调查数据转换为AGB,筛选到393个样地AGB参考值。以Landsat-8数据为光学遥感数据源,提取各波段光谱信息、植被指数、纹理特征以及缨帽变换各分量;以ALOS PALSAR-2、Sentinel-1数据为雷达遥感数据源,提取各极化方式后向散射强度和归一化极化差分指数。结合高程、坡度、坡向地形因子,获得122个备选特征变量。采用逐步回归方法和随机森林(RF)算法筛选建模变量,分别建立多元线性回归(MLR)、RF和支持向量回归(SVR)模型。以均方根误差(RMSE)、相对均方根误差(rRMSE)和决定系数(R~2)为模型评价指标,运用十折交叉验证法评价模型效果,选择最佳模型完成生物量制图,并选取5种中国或全球尺度生物量制图产品进行比较分析。【结果】在训练集上,RF模型表现最好(RMSE=12.8 mg·hm~(-2),rRMSE=21.1%,R~2=0.93),其次为SVR模型(RMSE=26.1 mg·hm~(-2),rRMSE=43.3%,R~2=0.55),MLR模型表现最差(RMSE=30.9 mg·hm~(-2),rRMSE=50.5%,R~2=0.39);在测试集上,采用RF算法建立的模型表现(RMSE=30.1 mg·hm~(-2),rRMSE=51.3%,R~2=0.42)同样优于MLR(RMSE=32.6 mg·hm~(-2),rRMSE=54.1%,R~2=0.30)和SVR(RMSE=32.8 mg·hm~(-2),rRMSE=55.3%,R~2=0.25)。3种模型均显示出一定程度的低值高估和高值低估现象。RF模型选择出13个建模变量,包括PALSAR-2后向散射信息、高程以及Landsat-8光谱信息、植被指数、缨帽变换湿度与绿度分量差值。应用RF模型完成区域生物量制图,与其他产品对比,能够基本反映研究区内生物量分布情况,并显示出丰富的生物量分布细节信息,生物量范围为0～119 mg·hm~(-2),平均生物量为37.5 mg·hm~(-2),标准差为35.9 mg·hm~(-2)。【结论】结合多源遥感数据与机器学习算法,能够准确、快速地测算大范围生物量,具有较大应用潜力。相比SVR和MLR模型,RF模型在AGB估测上的表现更优,RF算法能够从多源变量中有效筛选出适用于AGB机器学习建模的变量。     

思茅松天然林单木生物量地理加权回归模型构建

通过调查云南省思茅区思茅松天然林63株思茅松单木的地上部分干、枝、叶生物量数据,并测定其中30株的根系生物量数据。基于普通最小二乘模型选型,采用地理加权回归的方法构建思茅松单木树干生物量、树枝生物量、树叶生物量和地上部分生物量,以及根系生物量和整株生物量模型。结果表明:(1)地理加权回归模型(GWR)的决定系数(R2)大于普通最小二乘(OLS)模型,且GWR模型拟合的R2值除树叶生物量模型外,其余生物量维量模型均大于0.950;Akaike信息指数(AIC)值小于普通最小二乘(OLS)模型,平均相对误差(EE)和平均相对误差绝对值(RMA)的绝对值除树枝生物量外均小于OLS模型,说明GWR模型拟合效果优于OLS模型;(2)地理加权回归模型拟合在一定程度上克服了OLS在拟合生物量模型中存在的异方差问题。     

基于森林生物量相容性模型长白山天然林生物量估测

利用中国第四次(1997年)二类森林调查数据,借助长白山天然林森林生物量相容性模型,以汪清天然林区为例,对阔叶林、针叶林及针阔混交林等不同森林群落进行森林生物量及其分量的估测,研究区森林生物量密度及碳密度估测值分别为110.06 t/hm2和51.73 t/hm2,碳库估测值为0.0119 Gt C.阔叶林生物量占总森林生物量的59%,在该研究区占主导地位。     

思茅松单木生物量模型研究

以景谷县文朗示范林场不同树龄、不同立地和不同密度的思茅松天然林作为研究对象,设置20块标准地,实测标准木120株。通过多元相关分析表明：地上部分总生物量、树干、木材、树皮、树冠、树枝、树叶生物量与D、H和V的相关性密切,同时地上部分总生物量、树冠、树枝、树叶生物量还与CW、L有较高的相关性。利用非线性加权最小二乘法对不同模型分别进行拟合选型,确定了思茅松单木各维量的最优估测模型。经各项指标检验,所确定的生物量模型均具有较好的拟合精度和顸估水平,在生产实践中可用其很好的对思茅松单木生物量及林分生物量进行估计,为思茅松的合理经营与开发提供理论依据。     

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。     

基于不同立地质量的松树林蓄积量遥感估测

森林蓄积量遥感估测在林业系统中具有十分重要的意义。以建德市为研究区,基于2007年TM遥感影像和2007年森林资源二类调查数据,对松树林分立地质量等级和不分地位等级两种类型建立蓄积量的遥感估测模型,并进行精度检验。其中立地质量等级依据小班平均高和平均年龄建立的地位级表划分为好、中、差三种类型,以每个小班的总蓄积量为因变量,小班各单个遥感因子信息总量为自变量。研究结果表明: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0.54以上,最高为0.802;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87.64%,分立地质量等级好、中、差三种类型总体的估测精度分别为94.14%,95.32%,92.38%,分立地质量类型建模的精度明显优于统一建模的精度。研究结果为森林蓄积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。     

基于遥感信息的森林生物量、碳储量估测技术研究

利用遥感数据结合地面调查建立模型是定量评价森林生物量、碳储量的重要手段、以遥感数据及GIS易于获取的地学因子为主要信息源,应用逐步回归方法选取与森林生物量相关的7个遥感及地学因子为自变量,利用地面样地每木胸径调查数据结合生物量相对生长式获取样地生物量作为因变量,建立多元回归模型用于估测森林生物量．森林碳储量通过森林生物量结合碳转换系数获取、经方差分析检验,模型达到极显著相关水平．研究结果袁明,这一方法是获取较大尺度森林生物量、碳储量及其动态变化监测的有效方法．     

川西亚高山针叶林生物量遥感估算模型研究

利用野外实测68个样地的森林生物量数据、TM影像的单波段数据、植被指数数据以及地形数据在内的18个自变量建立了川西亚高山针叶林生物量的回归估算模型。研究表明:在建立的一元线性回归、一元非线性回归和多元线性回归生物量模型中,以多元线性回归模型在森林生物量估算中有较好的精度。     

基于主成分回归及遥感的贵阳市林分郁闭度估测

以贵阳市为研究区,以Landsat-8 OLI为遥感信息源,通过偏相关分析,选择了与郁闭度相关的12个遥感因子作为自变量因子。为克服自变量因子间严重的多重共线性和模型的不稳定性,采用主成分回归分析法建立郁闭度估测模型,并对模型进了检验及精度验证。结果表明,回归方程调整后的R2=0.756,模型的拟合效果较好,说明模型在数学上是可行的;利用15个实测样地对模型进行精度验证,估测精度的平均水平为78.80%,说明该模型可为区域林分郁闭度估测提供参考。     

基于BP神经网络的森林植被遥感分类研究

如何解决多类别图像的识别并满足一定的精度,是遥感图像研究中的一个关键问题,具有十分重要的意义。本文使用Landsat7ETM+遥感数据和森林资源分布图等地理辅助数据,用BP神经网络方法对森林植被进行了分类,并与最大似然法的分类结果进行精度比较分析。结果表明地理辅助数据参与的BP神经网络用于森林植被遥感图像分类其效果是较好的,是一种有效的图像分类方法。     

基于ANN的森林蓄积遥感估测研究

利用TM遥感图像光谱信息良好的综合性和现势性以及地理信息系统(GIS)强大的空间分析功能,结合人工神经网络(ANN)可优化求解非线性复杂系统的功能,对海南省抱龙林场森林蓄积进行遥感估测研究。结果表明:ANN可有效地估测森林蓄积量,研究区森林蓄积量的预测值与实际值的一致性较好,其相关系数达0.914;以遥感特征纹理(Skewness)Band2对蓄积估测的贡献率最大。     

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。