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。     

基于无人机遥感的胡杨地上生物量估测模型构建

为了构建胡杨冠幅及地上生物量估测模型,在胡杨分布区设置的样地中选取328株样木,以无人机遥感数据提取的胡杨冠幅为自变量,以胡杨生物量模型获取的地上鲜生物量为因变量,通过相关及回归分析方法,构建不同函数形式的估测模型并进行精度分析。结果显示,墨玉县、巴楚县、轮台县,以无人机遥感估测胡杨生物量的最优模型均为三次曲线函数形式,精度分别为94.93%,95.63%,92.24%。研究确定了处于不同林龄胡杨样地的地上生物量的最优估测模型。可见,运用无人机遥感估测生物量是可行的,可为胡杨林的经营管理和生态价值评估提供技术支撑。     

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%。     

考虑地形效应的高山松地上生物量遥感估测模型构建

[目的]研究基于遥感因子与地形因子构建香格里拉市高山松地上生物量非线性混合效应估测模型,提高高山松地上生物量估测精度.[方法]以2015年和2018年Landsat 8 OLI与对应年份样地实测数据为基础,通过二元生物量模型计算出高山松地上生物量.提取植被指数、纹理等遥感因子.将地形因子按照一定等级进行划分后作为模型因...     

基于遥感地学模型的辽宁省森林生物量和碳储量估测

通过对森林植被生物量估测遥感模型机理的综合分析,采用2005年辽宁省森林资源连续清查部分样地数据,基于遥感及其派生信息、气象信息、地学信息、林分信息建立了估测森林植被生物量的多元回归模型。得出如下结论:1)根据与样地生物量相关性的高低对MODIS数据植被指数(NVDI)的排序为植被指数的年平均值(NVDI_AVER)、植被生长季节的植被指数的平均值(NVDI_AMD)、植被指数的年内最大值(NVDI_MAX)、植被指数的年内最小值(NVDI_MIN)、植被指数的年内最大值与最小值之间的差值(NVDI_CHA);与生物量相关的气象因子分别为相对蒸散、平均气温和>10℃的积温,其相关系数分别为0.422,0.399和0.394;生物量与坡向、纬度相关性不显著。2)辽宁省森林总生物量为255.774×106t,森林碳储量为127.887×106t。3)从辽宁省森林碳密度空间分布来看,辽宁省森林碳密度呈现出东高西低的趋势,并且碳密度总体上不高,为50 t/hm2以下。     

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Landsat 8影像的汝城县森林地上生物量遥感估算研究

精确估测森林生物量是分析森林碳动态和碳循环的基础。本研究采用汝城县森林资源连续清查数据,结合Landsat 8遥感影像,分析了森林地上生物量的空间自相关和空间异质性,并选取显著相关的植被指数因子,分别构建普通最小二乘模型、空间滞后模型以及地理加权回归模型,并绘制汝城县森林地上生物量的空间分布图。结果表明:通过对森林地上生物量的空间效应分析,发现样地生物量的空间自相关和空间异质性不容忽视。与普通最小二乘回归相比,空间滞后模型和地理加权回归模型可以减少空间效应对森林地上生物量估测的影响。地理加权回归模型可以最大程度地减少过高或过低估计,估测森林地上生物量的精度最高,决定系数达到0.756,均方根误差和平均相对误差最小,分别为17.288 t·hm^-2和-8.542%。因此使用Landsat 8遥感影像结合地理加权回归方法在改善森林地上生物量的估测中具有巨大潜力。     

卧龙自然保护区华西箭竹地上生物量回归模型

测量75株标准竹,建立各龄级华西箭竹地上生物量、地上各构件生物量关于基径和高度的一元和二元回归方程.运用二元幂函数回归方程,结合野外样线样方法的调查结果,得出卧龙邓生野牛沟区域有竹地华西箭竹地上部分生物量(干物质基础)为;2005年春10.32 t·hm-2,2005年冬10.56 t·hm-2,2006年春12.68 t·hm-2,3次调查问无显著差异.2005年冬,回归法和称重法算得的生物量除当年生外,无显著差异.2006年春与2005年冬之间相比,各龄级华西箭竹单位面积生物量均无显著差异;各地上构件生物量除多年生杆外均无显著差异.     

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。     

刺槐树冠生物量估测模型的研究

利用３５株刺槐生物量资料，运用灰色关联分析法，对其不同部位直径及各立木因子对树冠生物量的影响进行分析，筛选出影响树冠生物量的主导因子。通过对一系列估测树冠生物量模型的比较，得出以胸径和冠幅为自变量的回归估测模型比单用胸径因子为自变量的估测模型明显地提高了估测精度。     

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。     

基于市县联动监测的县域森林植被生物量评估

为探索设区市内各县域森林植被生物量评估方法和评价结果的可靠性,以杭州市森林资源市县联动监测体系为依托,采用所辖县的森林资源规划设计调查更新小班为基础数据,利用杭州市级抽样控制样地生物量数据和已建立的省域总体森林植被生物量评估参数,研建了生物量与蓄积量的线性关系模型,评估了各县域森林资源小班的生物量,分析比较了各县域生物量汇总结果与已公布使用的市域总体抽样结果之间的吻合程度.结果表明,评估的全市各县域森林植被总生物量汇总值处于杭州市总体的抽样总值置信区间内,以抽样总值为真值,汇总结果具有较高的准确度.     

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。     

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

广西田林马尾松人工林单木生物量的回归模型分析

通过在田林县3个不同林龄的马尾松人工林分中设置标准样地并进行每木调查,以D—H曲线进行平均木选择,分径阶伐倒平均木获得生物量数据。以幂指数模型和线性函数为基础对马尾松人工林的单株生物量模型进行了模拟,得到树干、树叶、树皮、树枝、树根和总生物量的回归模型分别为：W=166．0860&#215;（DOH）-2．0497、W=9．1446&#215;（DOH）＋2．1403、W=10．1717&#215;（D^2H）^0.5959、W=0．0035&#215;D^2.9702、W=32．7589&#215;（D^2H）^0.8546、W=258．2048&#215;（D^2H）＋2．0278。数据分析结果表明,马尾松林分平均木生物量随林龄的增加而增大,各器官的生物量所占总生物量的百分比出现明显的变化;各器官的生物量均以树干为最高,并随着林龄的增加而升高;树枝、树叶和树根的比例随着林龄的增加而出现下降。