基于无人机多光谱影像的森林蓄积量估算研究

为了改进传统森林资源调查中通过大量人力实地抽样调查固定小班这种效率低下的森林蓄积量获取方法，通过对无人机多光谱影像的光谱信息进行分析，结合实地调查数据，采用多元线性回归模型，构建森林蓄积量估算模型对森林蓄积量进行更为准确的估算.结果表明，基于无人机多光谱影像构建的森林蓄积量估算模型整体预测精度符合预测要求，其修正后R²为0.708 1，该模型可以很好地估测森林蓄积量.该方法一定程度上优化了一类调查中在固定样地进行每木调查的工作效率，减少了劳动成本，可为未来森林蓄积量调查分析、模型研建提供参考.     

基于神经网络和不同立地质量的森林蓄积量遥感估测

运用BP神经网络技术建立区分立地质量等级森林蓄积量遥感估测模型并探讨其适用性。以2009年黑龙江省伊春市凉水自然保护区森林资源二类调查数据为基础数据划分森林的立地质量等级,以森林蓄积量为研究对象,基于该地区LANDSAT-TM影像以及DEM数据提取遥感因子,采用BP神经网络方法构建区分立地质量的森林蓄积量遥感估测模型,并引入回归分析方法和不区分立地质量的模型予以比较。结果表明,基于不同立地质量等级的模型明显好于不区分立地质量等级的估测模型,且BP神经网络模型较回归分析模型可以更好地预测森林的蓄积量。经过对比检验,基于不同立地质量等级的BP神经网络模型性能优异,验证总体预测精度高达97%以上、实测值与预测值的R~2在0.94左右;不区分立地质量等级的BP神经网络模型的R~2为0.89,预测精度95%左右。同等条件下,BP神经网络模型较多元线性回归模型的预测精度约提高了3%～5%,R~2值提高了0.1左右。     

基于PALSAR全极化数据的城市森林蓄积量估测

全极化雷达数据能够反映目标的全极化散射特征,在森林参数反演中具有较大的应用价值。笔者以南京紫金山国家森林公园为研究对象,以2011年的全极化雷达数据PALSAR和2012年120块野外调查样地为主要信息源,从Pauli和Cloude目标分解特征值、HH(horizontal-horizontal,水平)和HV(horizontal-vertical,水平垂直交互)两种极化状态的后向散射系数、比值植被指数、地形、人为干扰等方面,提取13个因子作为自变量,采用多元线性回归、人工神经网络、K最邻近分类算法、决策与回归树、装袋算法、随机森林6种方法建立遥感估测模型,进行森林蓄积量的估测。研究表明:①在6种遥感估测模型中,随机森林综合性能最高,装袋法次之,多元线性回归最低; ②海拔、坡向等地形因子,以及地物的雷达回波散射特征是影响研究区域森林蓄积量估测的重要变量; ③研究区单位面积蓄积量的空间分布呈现出由里向外逐渐降低的带状分布格局。     

森林资源遥感估测的重要进展

传统的森林资源调查是一项费时、费力,需大量经费的工作。20世纪70年代末,遥感技术被引入中国。以中国林科院为主的一批林业科学工作者,积极将其应用于森林资源调查工作,特别是森林蓄积量的估测。研究了比值项的作用,确定用定量因子和定性因子联合估测森林蓄积量多元估计方程的形式,以及在中国不同气候带的应用。指出遥感调查方法比传统方法节约经费1/3～1/2。近年来,用近代统计学和非参数方法进行了新的探索和深入研究,解决了一些在林业资源调查中应用遥感技术的重要问题,为建立以遥感技术为主要技术手段的新的森林资源估测体系提供有力支持。     

基于双源遥感数据的杉木林分蓄积量估测模型研究

为了提高森林蓄积量估测精度,以福建省三明市将乐县国有林场中杉木林作为试验区,选择资源3号卫星多光谱高分辨率影像及Alos Palsar影像为数据源,将相关性较高的极化雷达参数与最优窗口下的纹理参数相结合,协同两种遥感数据反演蓄积量。利用灰度共生矩阵分别提取高分辨率影像在3×3、5×5、7×7、9×9和11×11的5组窗口大小下8种纹理特征信息,提取Alos Palsar影像双极化方式下后向散射系数并进行比值运算。采用多元逐步回归分析方法,分别利用5组纹理特征信息反演杉木林蓄积量,找出最优窗口; 检测不同极化方式下后向散射系数与蓄积量之间相关性。结果表明,单数据源反演蓄积量模型中,5×5窗口反演效果最好,模型复相关系数R=0.869,均方根误差σ_RMSE=23.38 m³/hm²,蓄积量总体的估测精度为80.32%; 多数据源反演蓄积量模型中,两种极化方式下的后向散射系数比值与高分影像纹理特征参数结合后,反演模型的效果更好,模型中R=0.901,σ_RMSE=22.32 m³/hm²,蓄积量总体估测精度达到85.42%。研究表明,基于多数据源数据的森林蓄积量反演精度更高,结果更准确。     

基于区域转换因子的不同立地质量阔叶林碳储量估测

【目的】研究不同立地质量类型对阔叶林碳储量遥感估测精度的影响。【方法】以2007年浙江建德市森林资源二类调查数据和TM影像为研究材料,根据区域的蓄积量-生物量转换因子连续函数法,并依据浙江省的生物量-碳储量含碳系数转换法计算阔叶林碳储量和地位级法评价立地质量等级,比较阔叶林地位质量等级中等以上、地位等级中等以下和不分地位等级3种碳储量遥感估测模型,并进行精度检验。【结果】以第1主成分为特征变量构建森林碳储量估测模型,相关系数R均在0.49以上,拟合效果较好; 将森林碳储量回归模型预测值与实测值进行对比分析,不分地位级总体估测精度为65.89%,地位等级中等以上、地位等级中等以下类型总体估测精度分别为82.53%、83.09%。【结论】分不同立地质量类型可以提高阔叶林碳储量遥感估测精度。     

类型中心抽样调查体系的研究(续)

<正> 用3P样本计算总体平均生长量的方法 当前调查和预估森林生长量的技术方法很多,有“连查”固定样地长期观测法,有用解析木或建立固定标准地观测法,有用生长过程表或采用分类一元材积生长量(率)表等。这些方法在不同程度上均需花费大量的力量进行内外业工作。在生产上应当根据森林经营强度和调查目的的不同,研究不同形式的调查和预估森林生长量的方法。 本试验是采用类型中心抽样和3P抽样法相结合的调查方法,在探讨类型平均蓄积量估测总体蓄积量的同时,对材积生长率的测定方法及对总体生长量进行预估也作了初步探索。 一、资料的收集     

基于遥感数据的山西东部油松林蓄积量估测方法研究

为了探讨油松林遥感估测模型的精度和适用性,以山西省晋东土石山立地亚区的170个油松样地作为研究对象,获取研究区的SPOT影像和DEM(Digital Elevation Model,数字高程模型)数据,提取170个样地的遥感波段信息和地形信息,结合地面调查数据,分别采用多元逐步回归模型、偏最小二乘回归模型和神经网络模型,建立油松林蓄积量的遥感估测方法,并进行精度验证。结果表明:1)基于遥感影像和DEM影像估测油松林蓄积量是可行的,三种方法都取得了满意的结果;2)三种方法相比,神经网络模型对油松林蓄积量估算的精度为82.13%,多元逐步回归模型的精度为76.73%,偏最小二乘回归模型的精度为77.09%,神经网络模型的估测精度更高。     

基于BP神经网络的森林可燃物负荷量估测

森林可燃物负荷量是决定林火行为的一个重要因子,因此,森林可燃物负荷量估测对于森林防火管理具有重要意义。该文利用BP神经网络方法和多元回归方法对大兴安岭地区落叶松林32块森林样地数据构建森林可燃物负荷量预测模型,用以研究利用林龄、郁闭度、平均高、胸径等林分因子估测该地区森林可燃物负荷量的方法。通过MATLAB软件实现BP神经网络森林可燃物负荷量估测模型;通过SPSS软件建立多元回归森林可燃物负荷量估测模型。BP神经网络森林可燃物负荷量估测模型拟合精度为99.9%、外推精度为65.51%;多元回归可燃物负荷量估测模型拟合精度为68.29%、外推精度为62.1%。通过比较分析,得出结论:利用BP神经网络方法估测森林可燃物负荷量是可行的;BP神经网络模型精度高于多元回归模型;由于训练样本太少,2种模型外推精度低于70%。     

基于SVR的GF1号遥感影像森林蓄积量估测

国产高分辨率卫星遥感影像已成为森林资源调查和监测的重要数据源。基于国产卫星遥感的森林蓄积量估算成为重要的研究方向之一。本研究以福建省将乐县为研究区,选择国产高分辨率高分一号卫星2 m分辨率遥感影像为主要数据源,加以辅助野外实地调查数据,分别采用多元线性回归和SVM(support vector machine)回归方法开展亚热带针叶林蓄积量估算效果评价研究。首先,从融合影像中提取遥感因子,包括11个光谱因子和10个纹理因子等;其次,对21个遥感因子进行相关性分析,选取皮尔森相关系数较大的6个遥感因子;第三,应用多元线性回归和支持向量机回归(support vector regression,SVR)对所选遥感因子建立模型,选取最优模型反演将乐县蓄积量分布图。结果表明:支持向量机回归(SVR)估测蓄积量的模型预估精度达到98. 22%。     

甘肃省40年来森林蓄积量动态分析研究

利用甘肃省9次连清调查数据,通过分析甘肃省40年来各龄组蓄积量的变化、各森林类型蓄积量的变化、各优势树种蓄积量的变化和各森林起源蓄积量的变化,结果表明:乔木林蓄积量增加了0.76亿m~3,增加了35%,但乔木林单位面积蓄积量水平较低位为83～99(m~3/hm~2)之间,林龄结构中近、成、过熟林蓄积比重大,中龄林蓄积量比重小;森林类型中针、阔比例不合理,混交林比重低;冷杉和栎类等珍贵树种的蓄积量呈下降趋势。     

基于Sentinel-1和Sentinel-2A数据的森林蓄积量估算

森林蓄积量是森林资源调查的重要指标,探究主动、被动遥感结合估算森林蓄积量对于森林资源监测具有重要意义.在吉林省临江市西小山林场以Sentinel-1和Sentinel-2A为数据源,提取80个纹理变量、24个光学特征变量和3个后向散射系数3种类型的变量,比较了基于多元逐步回归方法和随机森林方法建立的森林蓄积量估算模型,从而确定森林蓄积量估算的最佳方法.单一类型特征变量中,纹理变量构建的模型(a)效果相对较好,均方根误差为53.91 m³·hm^-2.在5个森林蓄积量估算模型中,结合多类型参数建立的模型(d)估算效果较好,R²为0.513,均方根误差为49.70 m³·hm^-2,相对均方根误差为0.26.此外,西小山林场呈现中南部较低,东部和中部偏西较高的森林蓄积量空间分布格局.融合Sentinel-1和sentinel-2A数据的信息,可以提高森林蓄积量估算精度.     

基于RS、GIS及k-近邻法的森林蓄积量估测

为了解决利用空间技术(RS、GIS)以及数量化方法进行森林蓄积估测预报精度较低或是应用范围有限等问题,提出了一种新的森林蓄积估测方法以提高估测精度,即基于遥感(RS)及地理信息系统(GIS)技术提取光谱信息及地形信息作为估测的自变量,利用k-近邻法进行估测.通过在白河林业局调查取样,进行实例分析,方法精度达到90%以上.最后对于使用该方法应该注意的条件及问题进行了说明.     

基于HJ-1A/1B CCD数据的区域银杏生物量估测及碳密度制图

传统的生物量地面测定通过抽样估计的方法放大尺度,但误差较大且无法获得连续的空间分布信息。笔者以江苏泰兴银杏林地为对象,通过处理和分析我国自主研发的中等分辨率HJ-1A/1B卫星CCD数据,基于植被敏感波段及特征分量提取了银杏林地,然后结合地面样地调查估测蓄积量;在综合分析比较单因素及多因素回归模型统计结果参数的基础上(多因素模型决定系数较高,为0.72;均方根误差较小,为0.18),选定多因素回归模型作为银杏蓄积量估测方法,通过地区生物量扩散因子估测银杏总生物量为745 144.14 t,进一步推算总碳储量和碳密度并制图。结果表明:泰兴市2010年的银杏总蓄积量达到预期发展目标,但碳密度相对较低且空间分布不均,应该通过扩大栽培面积,加强中幼龄林抚育,推广农林复合经营模式等提高银杏林的固碳能力,充分发挥其增汇潜力。     

利用3S技术估测森林生物量——以河南省商城县黄柏山林场为例

利用3S技术估测森林生物量是林业信息化的重要组成部分．以河南省商城县黄柏山林场为例,利用SPOT影像对其地上生物量进行了估测,结果表明：森林生物量和SPOT的第3近红外波段关系显著,其次是第1绿光波段、第4短波红外和第2红光波段．另外,不同树种的估测精度是不同的,总的来说,树种的叶密度越大,精度越高．     

国内外森林碳储量估测研究现状

本文从多光谱遥感、高光谱遥感、激光雷达三个方面总结了目前国内外森林碳储量估测的研究现状,并提出今后碳储量估测的发展趋势。     

径向基函数人工神经网络(RBF ANN)对森林蓄积量的预测

本研究设计了径向基函数神经网络程序,对2015年该区域的森林蓄积量进行预测。将1983年的林分郁闭度和优势树种的平均胸径、树高作为输入,其中郁闭度数值作了10倍处理,1999年的蓄积量作为输出目标值,建立三层网络预测模型。     

结合冠层密度的森林净初级生产力遥感估测

【目的】 森林冠层密度与林分年龄、植被生长状况有关,在区域森林净初级生产力遥感估测中,结合森林冠层密度以期提高估测精度。【方法】 以广东省韶关市为研究对象,选用2017年Landsat-8 OLI影像、2017年357块森林资源连续清查固定样地数据为主要信息源,分别采用随机森林、多元线性回归、人工神经网络和K最近邻分类法等4种模型,结合森林冠层密度制图器(FCD)进行区域森林净初级生产力特征变量的选取、参数建模、模型精度评价和森林净初级生产力空间制图。【结果】 特征变量中,红光波段(B4)、归一化植被指数(NDVI)、比值植被指数(RVI)、叶面积指数(LAI)、缨帽变换土壤植被因子、纹理特征和地形特征在森林净初级生产力反演中有重要作用。将森林冠层密度因子加入反演模型后,4种遥感估测模型精度均有大幅度提高。对4种遥感估测模型进行性能比较,随机森林模型精度最高,其次是多元线性回归模型、人工神经网络模型,K-最近邻分类模型精度最低。研究区内森林净初级生产力平均值为10.689 t/(hm²·a),高森林净初级生产力 [≥18 t/(hm²·a)]林分面积仅占研究区的19.61%,主要分布在海拔较高的西北部。【结论】 结合冠层密度进行森林净初级生产力的建模,可有效提高模型估测精度。     

基于ICESat-2/ATLAS数据结合克里格插值进行区域尺度森林LAI估测

森林叶面积指数(leaf area index,LAI)是探究植被与气候相互作用关系的关键参数.为更加科学、高效获取森林LAI空间格局信息，研究基于星载光子计数激光雷达ICESat-2/ATLAS数据进行大尺度森林LAI估测，以探讨星载光子数据在山地森林LAI建模中的潜力和可行性.以香格里拉市为试验区，对试验区有林地光子点云数据进行去噪、分类等预处理.随后提取各个林地光斑的特征因子属性，并结合47块森林LAI样地实测数据，分别采用逐步回归和随机森林回归模型构建了基于研究区光斑尺度的森林LAI模型.为实现研究区森林LAI的连续估测，研究对经优选的光斑特征因子进行克里格插值，形成其各自属性值的栅格图层，并利用LAI最佳模型进行研究区森林LAI的整体估测.结果表明，Landsat percent,Canopy photon rate,Minimum canopy height和Number of canopy photons等4个光斑特征因子与LAI样地实测值呈显著相关，可作为LAI的建模因子.随机森林模型对研究区LAI的预测能力优于逐步回归模型，其R²和RMSE分别为...     

森林火灾预报的新视角

从森林火灾成灾的三个基本因子（火源、环境和可燃物）入手，在宏观上对西南地区森林火灾预报方法进行了探讨。在预测林火发生方面，考虑到人为火是发生森林火灾的主要原因，有很大随机性，因而采用了马尔科夫随机过程理论。在分析成灾环境时，采用了与天、地、生相关分析的方法。特别在可燃物的贮量估测方面，用航天遥感数据，提出一套新的框算方法，为在区域的尺度上估测森林火灾给出了有效的、定量的方法，从而提高了可信度。