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。

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...

【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。

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。

[目的 ]为了解决碳储量的不确定性受单一类型变量的影响，而忽略了残差变异导致模型不确定性的问题，研究不同类型变量对碳储量估测模型的不确定性。[方法 ]以香格里拉市高山松为研究对象，采用随机森林联立蒙特卡洛（RF-MC），基于不同变量组合建立回归模型，判断各模型的不确定性。[结果 ]表明：（1）光谱和样地数据直接参与RF-MC模型的估测精度及不确定性最差。（2）在上一步的基础上引入纹理特征的模型预测结果优于引入DEM。（3）同时引入DEM和纹理特征的RF-MC模型效果最优（R2=0.892,RMSE=5.539 t·hm~(-2),MAE=4.319 t·hm~(-2), rRMSE=18.7%）。模型拟合度提高了0.343，模型的不确定性降低了19.43%。[结论 ]基于多特征的RF-MC方法在碳储量估测中效果较好，不同类型的变量对碳储量估测精度及不确定性有一定的影响。

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．．．

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。

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。

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...

在前人研究中还没有把基于BP与RBF神经网络的森林蓄积量预测模型的应用效果进行评价。拟在实际应用中对两种方法进行综合分析与评价,找到一种预测精度更高、适用性更强的方法。采用相关分析法选定郁闭度、阴坡、阳坡、TM1、TM2、TM3、TM5、TM7、NDVI、TM(4-3)、TM4/3为输入变量,以密云县森林蓄积量为输出变量,建立蓄积量估测的RBF与BP神经网络模型。并从神经网络的训练步长、训练时间、预测精度、模型适用性对二者进行了综合分析,RBF神经网络无论是在训练步长、训练时间、预测精度、模型适用性上都优于BP神经网络模型。

【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。

利用第七次全国森林资源连续清查数据,以回归模型估计法作为乔木林生物量的主要计算方法,以树种含碳率作为生物量转换为碳储量的系数,从单木归并到样地,从样地加权平均至省级区域,估算乔木林碳储量;以加权平均转换系数估算疏林地、散生木和四旁树的碳储量,以模型法估算竹林、灌木林的碳储量。结果表明:中国森林植被碳储量主要集中在西南和东北两大区;乔木林是中国森林植被碳储量的主体;人工林碳储量在中国乔木林碳储量中比例超过15%;阔叶树的碳储量和碳密度均大于针叶树。

土地利用/覆被分类系统是碳蓄积研究的依据,然而各种碳蓄积研究所采用的土地利用/覆被分类系统不尽相同。根据1993年海南林业资源二类调查资料,我们按照USGS土地利用/覆被、LCCS土地覆被和中国科学院土地资源三种分类系统所定义的类别进行分类并计算了各自的碳储量和碳密度,为碳储量的进一步精确估算和土地覆被分类系统研制提供重要的科学依据。结果发现,(1)不同的土地利用/覆被分类系统所对应的总碳储量以及平均碳密度都有了明显的差别。林业调查资料的植被分类、FAO土地覆被分类系统(LCCS)、USGS土地利用/土地覆被分类系统以及我国学者常用的中国科学院土地资源分类系统的碳蓄积量(TgC)分别是28.98、28.71、21.04和21.04;碳密度(tC/ha)分别是31.24、30.95、22.68和22.68。(2)土地利用分类系统和土地覆被分类系统之间的结果具有较大差异,其碳储量相差7.67～7.94TgC,碳密度则相差8.27～8.56tC/ha;差距在26.47%～37.74%之间。与其他学者研究结果比较发现,土地利用/覆被分类系统造成的碳蓄积差异的变化方向是不定的,取决于具体的分类系统和材积—生物量函数。不同土地利用/覆被分类系统对于植被划分的不同,导致了材积—生物量回归方程和类别面积的差异是造成碳蓄积和碳密度估算差异的根本原因。目前常用的

以内蒙古旺业甸林场为研究区域,以资源三号(ZY-3)卫星遥感图像为数据源,通过对影像进行处理,获取对应样地的波段光谱值、光谱组合值及地形因子信息等遥感因子。基于对各遥感因子的信息量分析、多重相关性危害分析及应用残差平方和的方法对遥感因子进行筛选,实验结果表明:ZY-3影像提取的12个遥感因子中,单波段因子中ZY3的信息量最大,波段组合中ZY(2-3)/ZY4的信息量最大,地形因子中高程的信息量最大,ZY-3的波段、波段组合和地形因子间存在多重相关性,去掉ZY(2-3)/(2+3)和坡度因子后,多重相关性的危害大大降低,可以满足进一步建立蓄积量遥感反演模型要求。

借助SPSS统计软件和ERDAS IMAGINE9.0/ArcGIS9.2的建模及空间分析工具,采用TM影像和1∶100000地形图作为数据源,从TM影像提取野外GPS采样点缓冲区内6个波段的灰度值及其线性和非线性组合等遥感因子,从地形图提取海拔、坡度、坡向等GIS因子,以各遥感因子和GIS因子作为自变量,以GPS野外调查样点缓冲区内的蓄积量作为因变量建立多元线性回归模型。样本数据筛选采用标准差法,因子变量筛选采用主成分因子分析法、多元线性回归的逐步回归和强行进入法等方法,建立的多元回归模型预测总体精度达到87.35%。用2006年山东省TM影像提取的有林地掩膜模型中各因子变量灰度图,得到各因...