【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

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。

【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。

结合野外调查数据和Landsat5TM影像,分析6种地形校正方法(Teillet-回归,Cosine,C,SCS,SCS+C和Minnaert)对雷竹林地上生物量遥感估算的影响。结果表明:1)除Cosine和SCS方法存在校正过度现象,其余4种地形校正方法均具有良好的校正效果;2)6种地形校正方法均可提高TM4,TM5与地上生物量的相关性,且RVI,NDVI和SAVI这3种植被指数与生物量之间的相关性也得到改善;3)与原始影像相比,6种地形校正后的遥感数据都能不同程度地提高雷竹林生物量估算精度,以Teillet-回归校正后所建雷竹林地上部分生物量估算模型精度最高,相关系数从0.441提高到0....

生物量是林业和生态应用研究的重要信息,森林生态系统地上生物量估算的遥感技术引起了国内外学者的广泛关注。总结与探讨不同数据源与估算方法能够为森林地上生物量的估算提供指导。本文首先总结并探讨单传感器遥感数据,包括光学遥感、合成孔径雷达与激光雷达数据在森林地上生物量估算中的应用,以及协同使用多源遥感数据估算森林地上生物量的优势;然后论述森林地上生物量估算的传统模型估算法与机器学习估算方法(决策树法、K最近邻法、人工神经网络、支持向量机、最大熵)。多源遥感数据集成能够结合不同数据的优势,能够为森林地上生物量估算提供丰富的特征信息,结合机器学习估算方法,是提高森林地上生物量估算的准确性的发展趋势。

对收集的80篇文献中304个地上部分生物量(M)和胸径(D)的异速生物量模型lnM=a+blnD数据集研究发现:模型参数a和b符合二元正态分布;参数a和b之间、参数b和纬度间呈负相关,并依此相关关系应用联立方程组建立参数a和b随纬度变化的通用模型。以实测的北亚热带高山区日本落叶松地上部分生物量数据对新建的通用模型、最小二乘法和贝叶斯方法拟合生物量的适用性进行研究,结果表明:虽然通用模型的拟合精度最低(R2为0.892),但可以根据植物生长的纬度实现无实测样地情况下的生物量估算。在拟合样本≥50时,最小二乘法和贝叶斯方法的拟合效果无显著差异;当拟合样本<50时,贝叶斯方法的拟合效果优于最小二乘法...

结合Landsat TM影像和毛竹林样地调查数据,分别采用原始样本及基于太阳入射角余弦值cos(β)分层后样本建立多元线性回归模型估算安吉县毛竹林地上部分碳储量,并对利用这2种不同样本集所建模型的精度作比较。结果表明:通过cos(β)对样本分层能够降低样本点离散程度,提高遥感因子与毛竹林地上部分碳储量相关性;采用cos(β)分层后样本集所建的模型拟合(RMSE=4.07 MgC·hm-2)和预测精度(RMSE=4.63 MgC·hm-2)都高于基于原始样本集所建的模型;样本分层能够显著改善高和低水平地上部分碳储量精度。本研究提出的样本分层方法还需应用于不同影像及森林类型作进一步验证。

为探讨CBERS-02B星CCD数据在亚热带森林地上碳储量估算方面的能力,以东莞市范围内的亚热带森林为研究对象,对比分析CBERS-02B星CCD数据的波段信息、植被指数、纹理信息和森林地上碳储量之间的相关性,发现纹理信息的估算能力最强;在此基础上,将波段信息、植被指数和纹理信息结合在一起,通过逐步回归策略构建CBERS-02B星CCD数据的亚热带森林地上碳储量估算模型,其调整系数R2达到0.53,显著度水平P远远小于0.05。这表明:尽管CBERS-02B星CCD数据的近红外波段存在一定的漂移,但是将CBERS-02B星CCD数据的波段信息、植被指数、纹理信息集成构建森林地上碳储量估算模型,...

【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。

基于吉林省汪清林业局金苍林场二类调查的局级固定样地数据,利用地统计学的普通克里格法和协同克里格法对研究区域内森林地上生物量进行估计(协同克里格法以地上生物量为主变量,以胸高断面积为协变量),并对2种插值方法进行比较。结果表明:在研究区域内普通克里格法预测精度较低;而协同克里格法能够显著提高预测精度,所产生的均方根误差(RMSE)减少49.0%,平均标准误差(ASE)减少39.4%,预测值和实测值的相关系数提高68.4%。通过插值得到整个林场生物量的空间分布格局图,生物量的分布存在明显的空间异质性。林场平均生物量密度为111.9t·hm-2,总生物量达3.578Tg;并从不同森林类型和龄组对生物...

以典型黄土丘陵区山西省偏关县柠条林为研究对象,用CROPSCAN多谱辐射仪实测了柠条的光谱值,并统计灌丛的地上生物量,以560nm光谱反射值与柠条地上干生物量建立回归模型。结果表明:黄土丘陵阴向斜缓坡以回归模型W=0.965R0.626拟合效果最好(r=0.706);黄土丘陵阳向斜缓坡以回归模型W=1.056+0.243R拟合效果最好(r=0.612);黄土丘陵区综合立地整体以回归模型W=0.937+0.949lnR拟合效果最好(r=0.659)。这些回归模型经检验均达到极显著水平(Sig=0.000)。基于多谱辐射仪的灌木林生物量测定方法快速、便捷、准确,可成为灌木生物量研究的重要方法。

【目的】采用遥感数据估算森林地上生物量仍存在一些不确定性问题，研究估算过程中的误差来源及其占比，对提高森林地上生物量的估测精度具有重要意义。【方法】从遥感影像提取因子，结合高山松Pinus densata外业调查数据，建立多元线性回归、梯度提升回归树、随机森林等3种地上生物量估测模型，对样地尺度与3种模型的不确定性进行分析和度量。【结果】(1)高山松单株生物量模型不确定性为16.43%，样地尺度的不确定性为7.07%；(2)多元线性回归模型残差不确定性为34.86%，参数不确定性为21.30%，与样地不确定性合成后总不确定性为41.45%；(3)非参数模型中，梯度提升回归树估测高山松地上生物量的总不确定性为23.12%，随机森林为19.42%。【结论】3种遥感估算模型中，非参数模型的不确定性明显低于参数模型。相较于样地尺度，遥感估算模型的不确定性对地上生物量估算精度的影响较大。图3表3参26

竹林是中国亚热带地区的特殊林分,具有巨大的生物量和碳储量,在区域生态系统中占有重要的地位。以毛竹Phyllostachys edulis为例,利用分形理论研究了毛竹地上生物量与胸径的分形关系。研究结果表明:毛竹地上生物量与胸径存在分形特征,在生物量空间分布和累积上符合自相似特性,分形维数越大,生物量空间增加越快,且按指数函数规律增长,空间增长率为1.047 9;在年龄动态方面,分形维数定量描述了不同度数毛竹生物量在空间上动态平衡关系,1度、2度和3度毛竹地上生物量在空间分布和累积上没有差异,基本上遵循分形维数为1.93的规律,接近按2维数方式的变化。

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。

依据苏州东桥试验区水稻生长期观测数据,采用多时相水稻拔节到抽穗期全极化Radarsat-2数据,分别分析了不同极化HH、VV、CROSS、比值HH/VV的雷达后向散射系数时域变化特征与生物量的相关关系,构建水云模型、二次多项式模型和指数模型反演水稻生物量。反演结果表明:HH、CROSS水云模型都有不错的反演效果,相关系数分别为0.910、0.902,而HH水云模型反演生物量尤佳,均方根误差为0.190。指数模型普遍优于二次多项式模型,HH/VV指数模型效果出众,相关系数为0.929,均方根误差为0.164。通过比较分析不同极化的水云模型、二次多项式模型和指数模型,HH水云模型与HH/VV指数模...