【目的】研究基于遥感影像的森林扰动信息定量提取及其对树高估算的影响,为遥感反演森林参数(树高、生物量)提供参考和借鉴。【方法】选取黑龙江省凉水国家级自然保护区为研究区,以1984—2006年33期Landsat TM/ETM+多光谱遥感影像为数据源,对其进行缨帽变换提取缨帽角(TCA)和缨帽距离(TCD)2个扰动监测指数,采用时间轨迹分析方法(LandTrendr)对TCA与TCD指数进行时间序列重构,分别提取扰动发生的前一年(DBYEA)、扰动发生前的光谱值(DBVAL)、扰动持续时间(DDUR)、扰动量级(DMAG)、扰动后开始修复的时间(RBYEAR)、扰动后开始修复的光谱值(RBVAL)、修复量级(RMAG)和修复持续时间(RDUR)8个时间序列扰动参数。基于单时相Landsat影像光谱信息与单时相Landsat影像光谱信息+森林扰动参数2组变量分别采用随机森林(RF)算法估算树高。【结果】采用单时相Landsat影像光谱信息结合基于TCA和TCD提取的16个时间序列扰动参数建立的树高反演模型预估精度比采用单时相Landsat影像光谱信息建立的树高反演模型预估精度提高6.34%,均方根误差(RMSE)降低0.50 m。树高反演模型中基于TCA提取的时间序列扰动参数变量重要性高于基于TCD提取的时间序列扰动参数变量重要性。【结论】基于LandTrendr提取的森林时间序列扰动参数能够增强反射率与树高之间的相关性,提高遥感树高模型的反演精度,基于TCA提取的森林时间序列扰动参数对树高的解释能力高于基于TCD提取的森林时间序列扰动参数。

【目的】基于浙江省中分辨率成像光谱仪(MODIS)时间序列数据，对浙江省竹林地上生物量进行估算，为竹林碳汇遥感监测提供参考。【方法】以MODIS叶面积指数(LAI)、增强型植被指数(EVI)和比值指数(RVI)时间序列数据为变量，利用随机森林模型筛选变量，采用支持向量回归(SVR)模型估算研究区竹林地上生物量。【结果】随机森林模型共筛选出43个对竹林地上生物量影响最大的变量；基于43个变量，采用radial核函数构建的SVR模型预测能力最强，模型训练精度和测试精度分别为0.76和0.72，均方根误差分别为5.15和8.03 Mg·hm~(-2)。浙江省全省竹林地上生物量均值为7.85 Mg·hm~(-2)，总地上生物量为3.31×10~7 Mg；浙江省竹林地上生物量在各市具有明显的差异性，其中，湖州市、杭州市、金华市、绍兴市和宁波市的竹林地上生物量均值均大于全省均值，湖州市竹林地上生物量均值最大，为13.56Mg·hm~(-2)，舟山市地上生物量均值最小，为5.72 Mg·hm~(-2)。【结论】耦合了MODIS LAI、EVI、RVI时间序列数据的SVR模型可实现浙江省竹林地上生物量较高精度的估算。图3表1参31

利用遥感技术,基于时间序列的MODIS数据对2004—2006年东北三省的林区进行森林生长异常监测。首先利用MODIS数据时间分辨率高的特点,采用Savitzky-Golay滤波函数平滑8天合成的EVI,计算生长季面积和年EVI曲线熵值,两指标联合得到3年间变化量大的像素点,定义为森林生长异常点;然后抽取异常点的时间序列曲线进行分析,并结合森林灾害事件进行比较验证。结果表明:异常点曲线的熵值明显大于正常年,生长季峰值低,并且在生长旺季会出现峰值突然持续下降或双峰等异常现象,这与该区域森林生长异常发生时的植被反射率表征一致,说明用该法对森林生长异常进行监测是基本可行的。

以福建省将乐县国有林场为研究对象,通过外业实地调查得到样地蓄积量:以Landsat 8卫星遥感图像为数据源,对遥感图像进行处理,获取多光谱影像的波段光谱值、植被指数和波段组合值,并筛选出全色波段的最优纹理生成窗口与纹理特征;通过多元回归分析方法,分别建立仅以光谱因子为自变量和结合光谱信息和纹理特征的蓄积量估测模型,并比较两者之间的精度。实验结果表明:光谱因子的多元线性回归方程的相关系数为0.853,联合光谱和纹理特征因子反演的多元回归方程的相关系数为0.926。同时利用检验数据,得出模型的预测精度:光谱因子蓄积量的估算方程精度为79.81%,联合反演蓄积量的估算方程精度为85.98%。研究表明...

森林物候是气候与环境变化的重要指示器，对于陆地植被生态环境监测具有重要的意义。以２０１１～２０１３年的ＭＯＤＩＳ ＮＤＶＩ（归一化植被指数）为时间序列数据，采用ＳａＶＩｚｋｙ－ＧＯｌａｙ（Ｓ－Ｇ）滤波平滑和动态阀值法，提取出贵州省２０１２年森林物候的生长起始日期（ＳＯＳ）、生长结束日期（ＥＯＳ）、生长季长度（ｌＯＳ）和生长季振幅（ａＯＳ）４个参数，分别将提取的森林物候参数与经度、纬度和海拔做相关性分析。研究结果显示：（１）贵州省森林物候参数与纬度相关性整体较弱，因此贵州省森林物候纬度地带性地域分异的不显著；（２）贵州省森林物候生长起始期、生长季长度与经度呈极显著相关，而森林物候生长结束期与经度．．．

【目的】为了提高高山松地上生物量估测的精度，开发一种滤波算法，减少Landsat时间序列数据的噪声。【方法】基于1987、1992、1997、2002、2007、2012、2017年国家森林资源连续清查固定样地的数据以及1987—2017年的Landsat时间序列影像，利用谷歌地球引擎(Google earth engine,GEE)以及Python，通过Land Trendr滤波、Savitzky-Golay滤波、Horn卷积以及基于空间卷积理论开发的自适应霍恩地形卷积(Adaptive horn topography convolution,AHTC)算法对Landsat时间序列数据进行滤波，应用随机森林回归算法(Random forest regression,RFR)构建香格里拉市高山松地上生物量估测模型，并选择最优估测模型对1987、1992、1997、2002、2007、2012、2017年高山松地上生物量进行反演制图。【结果】1)从图像的直接评价指标均方根误差(Root mean square error,R_(MSE))以及峰值信噪比(Peak signal-to-noise ratio,P_(SNR))来看，经过AHTC算法滤波后的图像质量最好；2)在使用RFR方法的情况下，滤波后的数据均表现出比原始数据更高的估测精度；3)经过AHTC算法滤波后的时间序列数据对高山松地上生物量的估测效果最优，其决定系数R~2为0.885、均方根误差R_(MSE)为34.63 t/hm~2、预测精度P为60.75%、相对均方根误差r RMSE为43.59%;4)采用AHTC和RFR方法反演结果分别为1 236万t(1987年)、1 155万t(1992年)、1 455万t(1997年)、1 330万t(2002年)、1 314万t(2007年)、1 345万t(2012年)、1 654万t(2017年)。【结论】使用AHTC滤波方法在一定程度消除了时间序列影像自身所携带的大量噪声和不确定性，有效地提高了时间序列影像的质量，同时也为提高高山松地上生物量遥感估测精度提供了一种新思路。

【目的】为了快速准确地监测城市群核心区内的森林扰动，研究利用Landsat时间序列数据在谷歌地球引擎（Google Earth Engine，GEE）平台运用LandTrendr算法进行森林扰动监测研究。【方法】基于2000—2020年植被生长季的Landsat时序数据，分别在归一化植被指数（Normalized Difference Vegetation Index，NDVI）、归一化燃烧率指数（Normalized Burn Ratio，NBR）、缨帽变换角（Tasseled Cap Arctangent，TCA）三种指数作为阈值限制下，采用LandTrendr算法对时间序列轨迹进行处理，以获取长株潭核心区森林扰动的发生区域及规模大小的信息。运用森林资源连续清查数据和Google Earth历史影像分别对3种不同指数的森林扰动监测结果进行精度评估和验证，并利用研究区内土地利用数据中的森林覆盖数据对扰动信息进行分析。【结果】2000—2020年长株潭核心区森林扰动总面积为264.35 km²，平均每年的扰动面积为13.22 km²，其中2002年扰动最少，为1.91 km²，扰动面积最大的为2011年，为25.52 km²。运用森林资源连续清查数据对三种指数阈值限制下的森林扰动信息结果验证的精度分别为90.91%、81.72%和65.08%；在谷歌地球历史影像中随机布点下精度分别为86.00%、77.88%和78.36%。2009年和2011—2013年间森林扰动较为严重。对全国范围内的土地利用数据进行处理分析可知，森林面积在20年间随时间增长而缓慢减少，所占总面积的百分比由原来的27.10%减少到22.00%。【结论】NBR是最适合长株潭核心区的森林扰动指数，森林扰动检测结果与实地调查和谷歌地球历史影像目视解译的结果一致。森林扰动斑块的分布边界可被完整提取，扰动面积大小变化趋势与全国区域内土地利用数据森林面积变化趋势相同，主要由城市化进程、森林火灾和人工砍伐引起。2000—2020年研究区森林扰动面积呈现波动式缓慢增加的趋势，其中2001年、2011年和2013年存在扰动面积浮动较大。

对我国亚热带森林资源调查中典型的４种森林类型（杉木林、马尾松林、落叶阔叶林和常绿阔叶林）的林分生物量数据进行整合分析，计算４种森林类型从林分蓄积量估算林分生物量的主要转换参数平均值，并分析影响转换参数的林分因子。结果表明：（１）杉木林、马尾松林、落叶阔叶林和常绿阔叶林４种森林类型中优势树种的木材基本密度平均值分别为０．３１３ ３、０．４１２ ５、０．５０２ １和０．５２７ ４，木材基本密度因树种种源、种系、立地条件、林龄、林分密度等因子的不同而不同。（２）杉木林、马尾松林、落叶阔叶林和常绿阔叶林生物量扩展因子的平均值分别为１．３０８ ９、１．２６５ ４、１．４２３ ３和１．３９１ ３，根冠比的．．．

利用Landsat TM5数据,结合地面调查,对我国鲁西黄泛平原典型地区菏泽市的杨树人工林碳储量进行测算。结果表明:单木生物量模型lnB=2.486lnD-2.415(R2=0.879,P

基于TM影像和样地数据,利用ERDAS处理软件平台,从影像中提取出可能与树高相关的遥感因子,并结合实测数据,通过多元分析中的因子分析及偏相关分析,获得对树高有显著性影响的自变量因子,运用逐步回归法建立树高估测模型。本研究以旺业甸林场为研究区域,其中以针叶林为主要研究对象,利用3倍标准差法进行数据筛选和偏相关分析,可得到该模型的相关系数较高(R=0.808),再利用剩余的18块未参加建模实地调查数据进行检验。结果表明,估测树高的总精度可达到88.55%。具有较好的估测效果。

运用分形理论,对1987-2010年福建省森林火灾受灾面积的时间序列进行分析,重构其嵌入相空间序列,计算关联维数和饱和嵌入维数,得出模拟相应动力系统所需独立变量的控制参数为9个.该方法能够客观、合理地反映森林火灾系统的分形特征,能为建立森林火灾受灾面积时间序列的预报模型提供基础信息.

为了解我国森林资源状况,以建国以来森林资源一类清查数据为基础,分析了建国以来我国森林面积、森林蓄积量和森林碳贮量的变化,并估算2020年时的森林状况。结果显示:1)自建国以来,我国森林面积共增加8821万hm2,森林蓄积量共增加66.21亿m3。但各区域增量不均衡,西南地区森林面积和蓄积量增量最大,东北地区森林面积增量最小,华东地区森林蓄积量增量最小。我国未来森林面积增长潜力在北方地区。2)建国以来,我国森林共吸收碳225.32×108 t,其中人工林碳贮量比例由调查初期的5.3%增加到了16.7%,有较大的碳汇潜力。3)2020年时我国森林面积、蓄积量和碳贮量分别可达20 667万hm2、1...

基于1994,1999和2004年浙江省森林资源连续清查数据,采用基于生物量与蓄积之间关系的生物量换算因子连续函数法,对浙江省森林生物量和生产力进行估计。结果表明:全省3期森林生物量分别为1.496亿,1.615亿和2.244亿t。林分平均单位面积生产力在1994—1999年间为1.557t.hm-2a-1,在1999—2004年间为2.060t.hm-2a-1;浙江省森林资源总量不断增加,但林分质量仍然较低,林分单位面积生物量和生产力都远低于全国平均水平;换算因子连续函数法适合于大尺度森林生物量和生产力估算,但在总体单位蓄积很低的情况下可能导致森林生物量被高估。

【目的】估算我国7大地区森林蓄积量的变化,探讨未来我国森林保护重点工程实施的具体地区和规划方向。【方法】根据1975-2005年的7次全国森林资源清查数据,结合2010年颁布的《全国林地保护利用规划(2010-2020)》,按照自然区将我国划分为东北、华北、西北、西南、华南、华东和华中7个地区,初步核算了2005-2020年各区域森林面积和森林蓄积量的年平均增长率,并评估不同区域之间森林面积和蓄积量增长潜力的差异。【结果】森林面积增长量表现为西南>西北>华北>华南>东北>华中>华东,森林蓄积量增量以西南>东北>华北>华南>华中>西北>华东;我国森林蓄积量增长潜力呈东南部增长快但总量少、西部增长...