准确评价森林资源碳储量，对助力碳中和具有重要的科学意义。论文联合多光谱和雷达遥感数据，通过逐步回归分析、多重共线性检验和相关分析，选取用于评价森林碳储量的遥感因子。采用最小二乘法和地理加权回归模型，分别构建了森林资源碳储量评价模型FCSEM_(GWR)和FCSEM_(OLS)。研究结果表明：红边植被指数和树高因子均与碳储量显著相关，是估算森林碳储量的关键变量；FCSEM_(GWR)的拟合效果（R2=0.65）优于FCSEM_(OLS)，表现出较好的空间非平稳性（Moran’s I=-0.0023,p=0.4291）；梅州市森林资源碳储量集中于[35, 50] t/hm~2，总体呈现盆地低、山区高的空间分布特征。

在试验研究的基础上 ,提出了在GIS支持下的遥感数据预处理 样地调查 前期调查信息叠合 -图象判读 -调查因子估测的技术路线 ,充分利用前期调查图面信息、小班属性数据信息进行遥感图象判读和小班调查因子估测的技术方法 ,有效地提高了判读的正判率和调查因子的估计精度 ,并产出了 1∶1万小班基本图 ,提高了调查成果的实用性

针对碳储量回归预测模型存在共线性和精度较低的问题,利用森林资源二类调查数据和SPOT5影像数据对北京市延庆县的杨树林进行碳储量反演研究。先对选取的10个指标进行主成分分析,在此基础上采用径向基函数(RBF)神经网络方法构建碳储量反演模型,用预留测试样本验证,并与实测值进行比较。研究结果表明:SPOT5数据和二类数据可以很好地结合起来用于森林地上碳储量反演研究;PCA-RBF神经网络森林碳储量遥感反演模型拟合精度为99.90%,平均预测精度达到96.71%,预估效果较理想;模型训练完成后,可以应用于延庆县森林地上碳储量反演。

【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。

以福建省闽江流域为研究对象,利用年均降水、温度数据,结合改进NPP模型构建基于气象因子的森林生产力估测模型,并通过森林生产力与二类调查结果对应的小班年龄曲线建立森林生物量模型,以此获得遥感估测模型所需的样地生物量,在此基础上利用遥感影像和杉木平均含碳率可以成功构建森林生物量非线性遥感估测模型和碳储量遥感估测模型。本研究不仅能建立森林碳储量模型,而且避免了繁杂的森林生物量野外实测,节省了大量的人力物力,且不需砍伐森林树木。实验计算结果:闽江流域杉木林碳储量2003~2012年从10 337 774 t增加到19 624 374 t。

由于不同集约度要求和地形破碎、林相图破碎化程度的不同 ,以及成图比例尺、调查详细程度要求不同 ,来选择不同空间分辨率和分类能力的遥感信息源 .为此选择经营集约程度高的八达岭林场作为对象 ,应用中、高空间分辨率的遥感图像进行调查作图 ,从不同角度对其适用性进行评价

森林碳储量遥感监测是目前林业定量遥感的研究热点之一。以沽源县为研究对象,采用TM影像,对原始自变量进行MNF变换后得到新变量,建立森林乔木地上碳储量遥感估测模型。模型相关系数R为0.708,通过实测样地对估测结果进行检验,精度达到89.89%。结果表明,当自变量间存在显著复相关性情况下,通过MNF变换能有效去除复相关性,用新变量建立的模型估测效果较好。

遥感技术以其具有宏观、快速、准确、及时等特点为城市变化趋势分析提供了快速便捷的途径。选取郑州市1988年TM、2001年ETM+和2007年CBERS遥感数据,经过一系列数据预处理后,采用决策树分类算法,进行基于知识遥感分类及专题图的制作。对分类结果利用土地利用结构变化、动态变化率、转移矩阵等指标进行变化分析,分析结果揭示了不同时期城市扩张与植被、水体和农村居民点的变化关系,对于地区土地可持续利用具有重要参考作用。研究数据表明,20年来郑州市城市用地以年均8%的速度增长,植被减少25%,水体减少30%。

【目的】采用KNN方法进行碳储量估测,并对估测后的数据进行各种校正处理,绘制森林地上碳储量的空间分布图,为我国森林碳储量和固碳潜力的研究提供基础数据和科学依据。【方法】以黑龙江省大兴安岭为研究区(50°05'—53°33'N,121°11'—127°01'E),基于2010年森林资源连续清查固定样地和同年Landsat5 TM影像数据,利用k-邻近法(KNN)在像素级水平上对森林地上碳储量进行估算。采用多准则方法分东、南、北和中4个区域对样地坐标和其对应的影像光谱值进行坐标重配准,并根据实测样地数据对坐标重配置前后不同林分类型地上碳储量估测精度进行评价;针对KNN方法像素级估测结果存在明显的高...

快速、客观、有效的森林资源变化监测技术是林业资源管理部门迫切需要解决的技术难题。本研究基于面向对象影像分析的思想,提出面向小班对象的森林资源变化遥感监测方法。首先,通过结合森林小班图层的大尺度影像分割,得到小班影像对象;其次,在森林小班专题对象内部,进行小尺度分割,自动提取变化图斑边界,得到变化与未变化小班影像对象;最后,通过对每一林地专题内部变化小班的分类解译,直接获得森林资源的地类变化信息。该方法可以根据影像分辨率的高低和森林小班图的尺度,满足不同比例尺森林覆盖变化监测的精度要求。以福建省厦门市为例,选用2011年RapidEye卫星影像和2007年森林小班图层进行森林覆盖变化信息提取。结...

Forest resource is often changed by the influence of human activities and natural damages. It is important to detect those change in time for forestry management planning. In China, the traditional way to obtain the change information of forest resource is carried out by means of "forest resource in...

【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 scanning, ALS)和多光谱Landsat8 OLI影像为数据源,提取46个特征变量(其中ALS:24个;OLI:22个特征变量)后进行特征变量筛选,利用多元逐步回归(Multiple stepwise regression, MSR)、支持向量机(Support vector machine, SVM)、随机森林(Random forest, RF)和随机森林偏差校正(Bias-Corrected RF, BCRF)构建森林AGB估测模型,采用调整决定系数(Ra2dj),均方根误差(RMSE)和相对均方根误差(rRMSE)对估测结果进行精度评价。【结果】多源遥感数据要优于单一数据源,非参数模型(RF(Ra2dj=0.68,RMSE=49.71 t·hm-2, rRMSE=32.48%)和SVM(Ra2dj=0.64, RMSE=52.80 t·hm-2, rRMSE=35.28%))优于传统的MSR模型(Ra2dj=0.52,RMSE=57.29 t·hm-2, rRMSE=43.26%)的估测精度。选择最优的RF估测模型进行偏差校正,BCRF的rRMSE=21.84%,此时的生物量估测效果最佳(较RF模型的rRMSE下降10.64%)。当AGB在100～200 t·hm-2范围内,非参数算法(SVM、RF和BCRF)对AGB估测效果最佳(与MSR模型相比RMSE由48.87 t·hm-2减小到13.72～23.55 t·hm-2,rRMSE由28.15%下降至8.69%～16.13%);特别地,当AGB小于100 t·hm-2时,BCRF模型可以改善RF模型AGB估测的饱和现象,模型预测性能提升11.0%(RMSE与RF相比减小27.66 t·hm-2,rRMSE下降10.99%)。【结论】以多源遥感数据结合为基础,BCRF模型对AGB的估测精度更高,效果更稳定,且BCRF可以有效地削弱生物量估测中出现的小值偏大的现象。

【目的】基于遥感影像空间分辨率和地面样地大小不一致的现象,采用地统计学和多源遥感数据进行森林碳密度估算,为MODIS数据在区域森林碳密度估算领域的应用提供参考。【方法】以湖南省攸县为试验区,首先利用基于块的序列高斯协同模拟算法,将25.8 m×25.8 m的样地数据分别上推到250 m×250 m、500 m×500 m和1 000 m×1 000 m;然后将上推后的样地数据分别与MOD13Q1、MOD09A1、MOD15A2数据结合,利用序列高斯协同模拟算法开展区域森林碳密度估算研究;最后将最优结果用于

基于遥感的森林信息提取的信息源比较多,这些信息源由于本身参数的差异,其有效提取结果并不相同。以湖南省株洲市攸县黄丰桥林场为研究对象,利用SPOT5多光谱数据、TM和CBERS02星多光谱数据,分别开展森林信息提取,并对结果进行比较;同时还开展了决策级融合比较。研究结论如下:SPOT5多光谱波段提取针叶林信息最好,精度达到了84.00%;利用TM提取阔叶林信息效果最好,精度达到了85.42%;决策级融合后各地类分类精度都有所提高,尤其灌木林分类精度达76.92%;决策级融合后总体精度达85.08%,Kappa系数达0.813 2,基本达到SPOT5数据2.5 m(87.29%,0.838 5)的...

森林火灾作为世界上主要自然灾害之一,严重危害森林资源,威胁人民生命财产安全,破坏自然生态环境。对森林火灾快速、准确的监测是十分重要的。森林过火面积是森林火灾最基本的描述因子,