森林碳储量与其调查因子之间的关系及其空间相关性特征是区域森林碳储量及其分布估计模型建立的基础,然而某一调查因子在不同空间位置对森林碳储量估计的影响程度存在差异。地理加权回归方法考虑了调查因子作用的空间异质性,进行局部回归估计。以浙江省台州市仙居县森林资源二类调查样地实测数据为数据源,利用地理加权回归方法结合陆地探测卫星系统Landsat TM影像数据进行森林碳储量及其密度的分布估计,并检验地理和海拔加权回归在地势平缓的区域是否可用。结果表明:1仙居县森林地上部分总碳储量3.132×106Mg,与样地实测统计得到的全县碳储量3.192×106Mg相差1.880%;地理加权回归模型估计结果与实际碳...

以临安市为例,利用2004年森林资源清查样地数据和同年度Landsat TM影像数据,采用一元二次非线性回归和序列高斯协同模拟方法分别模拟森林地上部分碳密度及其分布,并对模拟结果进行比较分析。结果表明:一元二次非线性回归估计得研究区森林碳储量为2365404.37t,碳密度平均值为9.0000t·hm-2,最大值为73.7144t·hm-2,最小值为0.7156t·hm-2;序列高斯协同模拟得研究区森林碳储量为3291659.83t,碳密度平均值为12.5233t·hm-2,最大值为78.9133t·hm-2,最小值为0.0833t·hm-2;根据2004年森林资源清查样地数据,按随机抽样方法...

【目的】构建地理加权随机森林（Geographically weighted random forest,GWRF）模型估算森林碳储量以解决区域尺度范围内森林碳储量估算精度不高的问题，对科学经营管理森林、推动碳循环和碳汇相关研究、实现我国“双碳”目标有重要指导意义。【方法】以黑龙江省小兴安岭、长白山地区森林植被碳储量为研究对象，基于2015年森林资源连续清查数据和Landsat8-OLI影像，采用普通最小二乘（Ordinary least squares,OLS）、随机森林（Random forest,RF）模型、地理加权回归（Geographically weighted regression,GWR）模型以及地理加权随机森林模型分别构建不同林型及总体（不分林型）的森林碳储量估测模型，比较是否区分林分类型时，不同模型预测精度之间的差异，实现对研究区森林碳储量的精准反演。【结果】1)各个模型在区分林型时的预测精度均高于总体（不分林型）情况，以GWRF模型精度最优，其中针叶林精度最高（R²=0.58,RMSE=15.97 t/hm²）；阔叶林次之（R²=0.46,RMSE=17.66 t/hm²）；针阔混交林随后（R²=0.45,RMSE=19.51 t/hm²）；总体（不分林型）最低（R²=0.40,RMSE=20.22 t/hm²）。2)4种模型的检验精度GWRF>RF>GWR>OLS。与OLS相比，GWRF在针叶林、阔叶林、针阔混交林和总体（不分林型）中提升的ΔR²分别为0.15、0.09、0.16和0.04；降低的ΔRMSE分别为2.09、1.35、3.47和0.89 t/hm²；与RF相比，GWRF提升的ΔR²分别为针叶林0.14、阔叶林0.06、针阔混交林0.04、总体（不分林型）0.02；降低的ΔRMSE分别为针叶林1.95 t/hm²、阔叶林0.86 t/hm²、针阔混交林0.67 t/hm²、总体（不分林型）0.29 t/hm²。3)研究区森林碳储量密度最高预测值为77.08 t/hm²，最低值为5.24 t/hm²，平均值为41.07 t/hm²，总量为552.04 Tg；从空间上看，森林碳储量高值分布在小兴安岭东南部、张广财岭等地区，呈现斑状不均匀性分布。【结论】相比于其他3种模型，GWRF作为局部模型，考虑到空间异质性，在区域尺度范围内估测森林碳储量有较好的应用前景。区分林分类型能提高预测精度，在今后对森林生物量或碳储量的研究中，应考虑区分林分类型建模。本研究的模型和方法有一定适应性，可为森林资源的快速和精准监测提供方法借鉴。

【目的】探索基于地理编码的森林碳储量的空间分布，为森林碳储量长周期空间变化分析提供方法参考。【方法】基于紫金山1987、2002和2019年3期森林资源二类调查数据，结合生物量转换因子连续函数法，并利用地理编码的固定网格对32年来紫金山的森林碳储量及其空间分布变化进行分析。【结果】1）在时间维度上，1987、2002和2019年研究区森林碳储量分别为62 541.1、81 703.0和106 281.8 t,32年来净增加43 740.7 t，年平均增加1 325.5 t；阔叶类乔木林的碳储量占森林碳储量的62.1%、73.0%、81.7%，明显大于针叶类乔木林和针阔混交类乔木林。1987和2002年期间，中龄林和成熟林的碳储量之和占乔木林碳储量的76.4%、60.4%;2019年，成熟林及过熟林碳储量占乔木林总碳储量的59.5%。2）在空间分布上，研究区森林碳储量均呈现由南到北逐渐增大的空间分布特征。中碳储量和高碳储量分布区域占比从1987年的45.1%提升到2002年的53.9%，到2019年的60.3%。研究区中稳定性、中高稳定性和高稳定性区占总面积的71.1%，森林碳储量的总体稳定性区域占比较高。3）在时空维度上森林经营作用，针对区域森林碳储量长周期空间变化分析困难和森林经营明确空间位置精度低的问题，论文研究提出的方法，既能对比相同空间位置长时间序列森林碳储量的分布特征，又能对比分析其具体明确空间位置固碳增碳的森林经营效果，也便于查询监督；能为林长制网格化长周期管理提供支撑以及区域森林碳汇经营精准提升提供技术支撑。【结论】利用地理编码的固定网格及变异系数指数对森林碳储量空间分布进行研究，为今后紫金山的森林碳储量持续监测提供参考。

构建非参数、集成性的分位数回归森林算法,对上证综指和标普500指数的VaR进行了估计;同时构建了其他一些主流的方法,包括历史模拟、GARCH族方法、弹性网络、门限分位数回归、CAViaR等,进行检验和对比.通过对不同置信水平下的VaR估计进行多种检验,验证了该方法的有效性和稳健性.进一步,基于分位数回归森林模型定义了一种特征重要性度量方法,评估了各个因素对于风险值的影响权重大小,发现过去一日收益率对上证综指的风险值影响较大,而波动率对标普500指数的风险值影响较大,整体来看两国股市间的风险传导性较弱;并引入偏相依关系,动态地分析了各个因素在不同水平下对于风险值的作用方向,一定程度上弥补了机器学习算法在金融应用中一直存在的"黑箱性"问题.

[目的]通过对不同生物量和碳储量的估计方法进行对比分析,为确定在国家森林资源清查中生物量和碳储量的具体估计方法提供依据。[方法]以广东省2012年森林资源清查的100个杉木林和80个马尾松林的实测样地资料为基础,利用近年来我国建立的主要树种立木生物量模型,对改进IPCC法、生物量模型法和转换因子连续函数法(即方精云法)3种方法按一元和二元模型共6种方案进行了对比;同时,基于改进IPCC法一元和二元模型的生物量估计值,用平均含碳系数法、组分含碳系数法和固定含碳系数(0.5或0.47)法分别对碳储量进行估计。

以北京市延庆县为研究对象,利用遥感和地学数据,分析其与地面碳储量的相关关系,探讨基于遥感和地学信息的森林碳储量遥感估测。利用森林资源二类调查数据和2004年SPOT-5遥感影像,选取B1、B2、B3、B4 4个单波段,IDVI、IRVI、INDVI 3种植被指数以及海拔、坡度共9个因子,对这9个因子进行降维,并提取主成分,建立基于主成分回归的森林碳储量估测方程。结果表明:模型复相关系数为0.892;用30个独立样本检验模型的可靠性与精度,相关系数为0.769,精度达到91.60%。该方程可用于森林地上部分碳储量估测。

【目的】通过地理加权回归(GWR)模型估算非干扰林龄,利用遥感数据和林火发生历史数据,获取过火区域信息,进而对林火烈度分级,讨论林火烈度与森林类型的交互作用,估算干扰林龄,最终获得黑龙江省森林年龄的空间分布。【方法】以黑龙江森林为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,通过逐步回归方法提取了包括遥感因子绿度指数(Greeness)、湿度指数(Wetness)、林分平均胸径(ADBH)、林分平均树高(ASH)及海拔(Altitude)在内的5个显著因子作为自变量,采用GWR模型建立非干扰林龄估算模型。采用全局Moran I来描述模型残差的空间自相关性。绘制研究区非干扰林龄空间分布图并探究林龄的空间分布状态。结合林火位置与面积记录对多光谱数据目视解译提取过火区域,根据dNBR将过火区域火烈度分级。将火烈度图与植被类型图叠加分析,讨论不同森林类型在不同火烈度下的演替情况。定义干扰林龄时,未发生树种更替的森林林龄不变,树种发生更替的森林在林火发生年将其林龄归为0,并在新的优势树种萌发时从1开始累加,以此类推干扰后森林的林龄。【结果】黑龙江省非干扰森林平均林龄为48年,标准差为16年。GWR模型的R■为0.68,RMSE为16.171 7。使用Moran I来检验模型的残差,发现GWR模型可很好地消除残差的空间自相关性。研究区林龄整体空间分布状态不均匀,大兴安岭地区林龄普遍高于黑龙江林区。黑龙江省2000―2010年林火主要发生在大兴安岭及小兴安岭地区,根据dNBR将已提取的过火区域林火烈度分为:未过火、轻度过火、中度过火和重度过火4类,总过火面积为527 932 hm~2,其中重度29 157 hm~2、中度180 268 hm~2、轻度318 507 hm~2。兴安落叶松林和蒙古栎林在整个研究区中过火面积最大,分别占总过火面积的28.63%和47.23%。根据不同森林类型在不同火烈度下的演替情况,估算干扰森林的林龄并绘制干扰林龄空间分布图。【结论】GWR模型能较有效地估算黑龙江省非干扰林龄,成功地降低了残差的空间自相关性。在估算林龄的过程中加入林火干扰因素,以获取更真实的林龄空间分布数据,可为黑龙江地区森林NPP、NEP以及森林碳储量、森林生物量等相关研究提供数据支持。

运用因子连续函数法对江苏省13个地级市的森林碳储量及其变化情况进行了估算。结果表明:2010年,江苏省森林碳储量为4 615.55×104 t,苏北、苏南和苏中的占比分别为57.83%、28.26%和13.91%;2005~2010年,江苏省森林碳储量增加了2 025.59×104 t,森林"碳汇"效应显著,但各区域的碳储量变化不均衡。在江苏新增造林面积空间较为有限的背景下,提高林地生产力,优化树种和林龄结构是增加森林碳储量的有效途径。

为了研究林场级森林林木生物量和碳储量的信息,以海南省岛东林场为例,采用系统(等距)抽样方式对该场林木资源进行抽样调查。选择政府间气候变化专门委员会(IPCC)制定的方法对不同龄组、不同类型森林的林木生物量和碳储量进行估算。结果显示:林场森林林木碳储量大,达53.00万t,但单位面积上的碳汇能力低,仅为54.35 t/hm2;不同类型林分各个生长阶段(龄组)的单位面积碳储量不尽相同,其中木麻黄成熟林最高,为141.08 t/hm2。以上结果表明,当前短周期人工林皆伐作业模式下的森林林木生物量积累不足,造成岛东林场碳汇能力较低。当前经营方式不能满足应对全球气候变化为目的的多功能森林经营的要求,需要...

为了刻画时空异质性,文章基于地理加权回归技术和似乎不相关回归方法提出了一种新的空间计量经济学模型——地理加权似乎不相关模型。对于这类模型中的未知系数函数,提出了两种估计方法,第一种方法是利用局部加权最小二乘方法分别估计每个时刻对应的空间变系数模型,第二种方法是广义局部加权最小二乘估计,考虑了同一地点不同时刻误差之间的相关性。

文章针对误差项存在空间异方差的混合地理加权回归模型，提出了一种新的估计方法。该方法将正交投影、局部线性估计和广义最小二乘估计的思想相结合，能够单独对模型中的常数系数、系数函数和方差函数进行估计。通过数值模拟对所提方法的性能进行验证。模拟结果表明，所提方法比现有的再加权估计方法更具优势。最后，基于城镇居民文化消费水平及其影响因素的实证分析验证了所提方法的实用性。

在抽样工作中,利用辅助信息进行模型抽样估计有利于提高估计精度。由于我国各地区发展不平衡,地区统计数据在空间上存在差异,传统的广义回归(GREG)估计方法将所有地区一视同仁,忽略了空间上的差异性,抽样估计存在较大误差。本文在传统的GREG估计方法基础上,创新性地提出一种新型的辅助信息抽样估计模型——地理加权回归(GWR)的GREG模型。该模型不仅考虑到空间的异质性和相关性,而且由于GWR对不同地区允许具有不同的截距项,除解释变量之外的其他影响因素都会反映到截距项中,因此只需要利用更少的辅助信息就可以估计出模型。本文在理论推导的基础上,通过实证和数值模拟方法,采用平均绝对误差(MAE)和标准误差(RMSE)对比评估了π估计量、全局线性回归模型、GWR模型和基于GWR的GREG模型对总体总值的预测结果,研究结果显示,基于GWR的GREG模型估计误差最小,估计效果最好。

森林碳储量主要通过地面调查数据来估算，存在着统计工作量大，建模复杂度高等难点。如何快捷、准确地估测森林碳储量一直是国内外林业领域研究的热点和难题。结合遥感图像监测尺度大和ＩｎＶＥＳＴ模型输入参数少的特点，提出一种基于ＩｎＶＥＳＴ模型结合遥感图像估测森林碳储量的方法。该方法根据森林类型碳储量信息和相应的栅格数据，利用ＩｎＶＥＳＴ模型估测区域森林碳储量，然后通过比对多期遥感数据估测出的碳储量得出该区域碳储量变化，从而实现森林碳储量的动态监测。对浙江省庆元县２００９年的碳储量进行了估算和绘图，根据行政区划图可估算出乡（镇）和村级的碳储量。实验分别对坑西村２００９年和２０１４年的碳储量进行了估算，根据．．．

基于2001～2009年中国省域旅游业截面平均值数据,利用考虑空间异质性的地理加权回归(GWR)生产函数模型,首次对中国省域旅游业的资本和劳动力弹性系数进行局域变参数实证估计研究。全域和局域空间自相关分析显示,中国省域旅游业产出存在显著的空间自相关性,具有明显的局域集群趋势;不考虑和考虑空间自相关性的省域旅游业生产函数全域常参数估计结果显示,资本投入的弹性系数分别为0.6939和0.7824,劳动投入的弹性系数分别为0.4932和0.3163,要素投入处于规模报酬递增阶段;考虑空间异质性的GWR模型局域变