联合LiDAR和多光谱数据森林地上生物量反演研究

【目的】森林地上生物量的准确估测对于实时掌握全球碳储量变化及应对气候变化有着重要的意义。组合多种遥感数据特征优选,分类建模反演森林地上生物量,是提高森林地上生物量精度的有效方法。【方法】以根河市大兴安岭生态观测站寒温带天然林为研究对象,以机载激光雷达(LiDAR)、Landsat8 OLI两种遥感数据源结合55块地面调查数据,采用偏最小二乘算法优化筛选变量,再以线性多元逐步回归和快速迭代特征选择的最近邻算法(KNN-FIFS)构建模型,在两种数据源的不同组合方式下进行森林地上生物量反演。【结果】①基于线性多元逐步回归模型下的单一LiDAR数据反演精度决定系数(R²)为 0.76,均方根误差(RMSE)为 21.78 t/hm²;单一Landsat8 OLI数据的反演精度R²为 0.24,RMSE为39.27 t/hm²;LiDAR和Landsat8 OLI联合反演精度R² 为 0.84,RMSE为18.16 t/hm²;②基于KNN-FIFS模型下的单一LiDAR数据反演精度R²为 0.74,RMSE为23.83 t/hm²;单一Landsat8 OLI数据的反演精度R²为0.60,RMSE为 29.63 t/hm²;LiDAR和Landsat8 OLI联合反演精度R²为0.80,RMSE为21.15 t/hm²。【结论】①特征优选支持下的3种组合方式中,LiDAR和Landsat8 OLI两种数据的组合在两种模型中反演精度均最高,其中线性多元逐步回归模型的反演精度最高,说明LiDAR和Landsat8 OLI数据组合,激光雷达与光学数据优势特征互补,协同反演可有效提高森林地上生物量的反演精度;②单一数据源反演森林地上生物量精度中,LiDAR数据比Landsat8 OLI数据在两种模型反演精度中均较高,这与LiDAR数据空间分辨高、可获得垂直结构特征参数有关。     

基于林分及地形因子的落叶松人工林林分生物量模型构建

【目的】落叶松在我国东北地区广泛分布，是重要的造林和用材树种，具有生长速度快、耐寒等优点。为了准确地估算落叶松人工林林分生物量，构建了落叶松林分可加性生物量模型。【方法】以落叶松人工林为研究对象，基于黑龙江省的304块人工落叶松固定样地数据，采用非线性似乎不相关回归的方法建立了可加性生物量模型系统，使用留一交叉验证法对建立的模型进行检验。【结果】林分断面积和林分平均高对树干、树枝、树叶和树根生物量模型有显著影响，林龄和海拔也显著影响林分树干、树叶、树根生物量；坡率和坡向对树枝生物量有显著影响。树叶生物量与林分平均高、林龄和海拔呈显著负相关，树干与树根生物量则与之呈显著正相关，树枝生物量与林分平均高呈显著正相关。在所建立的可加性生物量模型中，调整后决定系数(R_adj²)均在0.94以上，均方根误差(RMSE)较小。检验指标平均误差(MPE)和平均误差百分比(MPE%)均接近0，拟合指数(I_F)均大于0.93，平均绝对误差(MAE)较小，且平均绝对误差百分比(MAE%)均小于11%。【结论】建立的落叶松人工林可加性生物量模型...     

气候变化对落叶松人工林生物量生长的影响模拟

【目的】研究气候变化对落叶松人工林生物量及其生长的影响，为落叶松人工林碳估测和适应性经营决策提供依据。【方法】利用华北和东北地区第6～8次森林资源连续清查落叶松人工纯林固定样地数据，基于理论生长方程建立林分生物量生长模型。并将不同种落叶松作为哑变量，建立了气候敏感的林分生物量生长模型，气候因子为年湿热指数(AHM)。模拟未来气候不变、两种温室气体代表性浓度路径(RCPs)(包括RCP 4.5和RCP 8.5)3种气候变化情景下的林分生物量及其连年生长量，采用两种RCP气候情景与当前情景生物量估计结果的相对差值量化气候变化对林分生物量及其生长的影响。【结果】林分生物量的基础模型、含哑变量的模型、含气候变量和哑变量生长模型的决定系数R²分别为0.938 2、0.947 0和0.950 7,采用哑变量和考虑气候因子能够明显改善模型表现。模型模拟结果表明，与当前情景比较，各树种的林分生物量及其连年生长量在RCP 4.5和RCP 8.5气候变化情景下既有增加也有减少的趋势。对于林分生物量，RCP 4.5和RCP 8.5情景下的相对差值的均值区间分别为-3.02%～2.69%...     

腈化物同化菌的筛选及其培养条件的研究

应用富集培养技术和定向筛选技术，从腈化物长期污染的土壤中，以生物量为指标，筛选到６株能在以丙腈为唯一氮源的培养基中生长的细菌，通过对照实验确定为腈化物同化菌，并研究了生长最好的Ｅ菌株的最适培养条件