• 中国中文核心期刊
  • 中国科学引文数据库（CSCD）核心库来源期刊
  • 中国科技论文统计源期刊（CJCR）
  • 第二届国家期刊奖提名奖

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于不同立地质量的杉木生物量遥感估测

温小荣 ,  孟雪 ,  刘俊 ,  陈树 ,  林国忠 ,  佘光辉 ,  刘雪惠 ,  郜昌建

downloadPDF
文章导航 > 林业科学研究  > 2016 >  29(4): 494-499
引用本文:
shu
Citation:
shu

基于不同立地质量的杉木生物量遥感估测

  • 1.

    南京林业大学南方现代林业协同创新中心, 江苏 南京 210037

  • 2.

    南京林业大学林学院, 江苏 南京 210037

  • 基金项目:

    国家948计划项目（2013-4-63）;南京林业大学科技创新基金项目（CX2011-24）;江苏省林业三新工程（LYSX［2015］19）;江苏高校优势学科建设工程自助项目（PAPD）。

  • 中图分类号: S791.27

Site-Based Remote Sensing Estimation of Chinese Fir Biomass

  • 1.

    Co-Innovation for Sustainable Forestry in Southern China, Nanjing Forestry University, Nanjing 210037, Jiangsu, China

  • 2.

    College of Forest Resources and Environment, Nanjing Forestry University, Nanjing 210037, Jiangsu, China

  • CLC number: S791.27

  • 摘要: ［目的］ 研究不同立地质量对杉木生物量遥感估测精度的影响，为进一步提高和完善森林生物量遥感监测体系提供一种新的思路和方法。［方法］ 以2007年建德市森林资源二类调查数据和TM影像为研究材料，采用蓄积量—生物量换算因子连续函数法计算杉木林生物量和地位级法评价立地质量等级，比较杉木立地质量好、中等、差和不分地位等级4种生物量遥感估测模型，并进行精度检验。［结果］ 表明：（1）以TM遥感影像主成分分析中第一主成分为自变量的模型拟合效果最好，决定系数R2均在0.69以上，最高0.855。（2）利用预留独立样本对模型精度进行验证，不分地位级总体估测精度为87.78%，分立地质量等级好、中、差3种类型总体估测精度分别为97.37%、95.82%、98.23%。分不同立地质量类型可以提高杉木生物量遥感估测精度。［结论］ 研究结果为森林生物量遥感估测提供一种改进的思路，且为提高森林生物量和碳储量遥感估测精度提供一种参考方法。
    Abstract: [Objective] To understand the influence of site quality in the remote sensing Chinese fir biomass estimation. [Method] Based on the forest resource management inventory data and TM image of Jiande city obtained in 2007, the biomass of Chinese fir was calculated by forest volume-biomass conversion factor continuous function method and the site quality was evaluated by site class method. Four biomass estimation models for different site classes (good, moderate, poor and no ranking) were compared and the accuracy of them was tested. [Result] (1) The performance of regression model based on the first principal component analysis of TM remote sensing image is the best, the determination coefficients R2 is higher than 0.69 and the maximum is 0.855. (2) Verifying the model accuracy by reserved independent samples, the whole model accuracy without site class is 87.78% and the accuracies of good, moderate, poor site quality models are respectively 97.37%, 95.82%, and 98.23%. [Conclusion] Distinguishing different site qualities could improve remote sensing estimation precision of Chinese fir biomass. The research results provide with an improved method for the remote sensing estimation of forest biomass, and a reference for improving the remote sensing estimation accuracy of forest biomass and carbon storage.
  • [1] 段祝庚,赵 旦,曾 源,等. 基于遥感的区域尺度森林地上生物量估算研究[J].武汉大学学报:信息科学版,2015,10:1400-1408.
    [2] 穆喜云. 森林地上生物量遥感估测方法研究[D].呼和浩特:内蒙古农业大学,2015.
    [3]

    Brown S, Sathaye J, Canell M, et al. Mitigation of carbon emission to the atmosphere by forest management [J].Common For Review, 1996, 75(1):80-91,109,111-112.
    [4] 尹惠妍,李海奎. 基于蓄积的森林生物量估算方法的对比分析[J]. 林业科学研究,2014,27(6):848-853.
    [5] 赵宪文,李崇贵,斯 林,等.森林资源遥感估测的重要进展[J].中国工程科学,2001,3(8):15-24.
    [6]

    Andre T C D, Eduardo A D M.Simone A V, et al. Aboveground biomass stock of native woodland on a Brazilian sandy coastal plain: Estimates based on a Brazilian sandy coastal plain: Estimates based on the dominant tree species [J]. Forest Ecology and Management,2006,226:364-367
    [7]

    Wijay A, Kusnadi S, Gloaguen R, et al. Improved strategy for estimating stem volume and forest biomass using moderate resolution remote sensing data and GIS[J]. Journal of Forestry Research,2010, 21(1):1-12.
    [8] 许 昊,孙玉军,王新杰,等. 利用线性混合效应模型模拟杉木人工林枝条生物量[J]. 应用生态学报,2015,10:2969-2977.
    [9] 张艳楠,张 庆,杨 艳,等.植被指数在典型草原生物量遥感估测应用中的问题探讨[J].草业学报,2012,21(1):229-238.
    [10] 刘琼阁, 彭道黎, 涂云燕,等. 基于偏最小二乘的森林生物量遥感估测[J].东北林业大学学报,2014,42(7):44-47.
    [11] 徐 婷,曹 林,佘光辉.基于Landsat8OL的特征变量优化提取及森林生物量反演[J].遥感技术与应用,2015,30(2):226-234.
    [12] 庞 勇,李增元.基于机载激光雷达的小兴安岭温带森林组分生物量反演[J].植物生态学报,2012,36(10):1095-1105.
    [13] 王红岩,高志海,王琫瑜,等.基于SPOT5遥感影像丰宁县植被地上生物量估测研究[J].遥感技术与应用,2010,25(5):639-646.
    [14] 相聪伟,张建国,段爱国,等. 杉木林分蓄积生长的密度及立地效应[J]. 林业科学研究,2014,27(6):801-808.
    [15] 孙洪刚,张建国,段爱国. 杉木人工林自然整枝进程研究[J]. 林业科学研究,2014,27(5):626-630.
    [16] 张家武,冯宗炜. 桃源县丘陵地区杉木造林密度与生物产量的关系[J]. 湖南林业科技,1979,(5):1-7.
    [17] 徐凤翔.杉木地上部分产量结构变化规律的研究[J].南林科技,1978,(10):8-15.
    [18] 王俊鸿,郭福涛,吴鹏飞,等. 杉木分布区中带不同发育阶段人工林生物量估测模型[J]. 安徽农业科学,2014,42(16):5104-5108.
    [19] 刘 磊.基于多源数据的森林生物量与生产力估算研究[D].南京:南京林业大学,2010.
    [20] 孟宪宇,等.测树学[M].北京:中国林业出版社,2006.99-111.
    [21] 周春国,徐雁南.地位级表编制的新方法[J].华东森林经理,1997,(11):11-13.
    [22] 林昌庚,周春国,林俊钦,等.关于地位级表[J].林业资源管理,1997,(5):30-33.
    [23] 张 超,彭道黎,涂云燕,等.利用TM影像和偏最小二乘回归方法估测三峡库区森林蓄积量[J].北京林业大学学报,2013,35(3):11-17.
    [24] 罗 亚,徐建华,岳文泽. 基于遥感影像的植被指数研究方法述评[J].生态科学,2005,24(01):75-79.
    [25] 徐天蜀,张王菲,岳彩荣. 基于PCA的森林生物量遥感信息模型研究[J].生态环境,2007,16(06):1759-1762.
    [26]

    Gao J.Quantification of grassland properties :how it can benefit from geoinformatic technologies [J].International Journal of Remote Sensing,2006,27(7):1351-1365.
  • [1] 张连华 , 庞勇 , 岳彩荣 , 李增元 , 范应龙 , 谭炳香 , 车学俭 . TM影像决策树分类中的影响因素研究. 林业科学研究, 2014, 27(1): 1-5.
    [2] 胡海清 , 罗斯生 , 罗碧珍 , 魏书精 , 李小川 , 王振师 , 吴泽鹏 , 周宇飞 , 刘菲 . 林火干扰对广东省2种典型针叶林森林生物碳密度的影响. 林业科学研究, 2020, 33(1): 19-27. doi: 10.13275/j.cnki.lykxyj.2020.01.003
    [3] 曹庆先 , 徐大平 , 鞠洪波 . 基于TM影像纹理与光谱特征和KNN方法估算5种红树林群落生物量. 林业科学研究, 2011, 24(2): 144-150.
    [4] 张玉贵 . 为森林资源动态监测的TM影像标准化*. 林业科学研究, 1995, 8(2): 139-144.
    [5] 李希菲 , 唐守正 , 袁国仁 , 班德昌 . 自动调控树高曲线和一元立木材积模型*. 林业科学研究, 1994, 7(5): 512-518.
    [6] 马克西 , 曾伟生 , 李智华 . 新疆云杉一体化立木生物量模型系统研建. 林业科学研究, 2018, 31(6): 105-113. doi: 10.13275/j.cnki.lykxyj.2018.06.015
    [7] 张玉贵 , F.R.Beernaert , 刘华 . TM影像的计算机屏幕解译和荒漠化监测. 林业科学研究, 1998, 11(6): 599-606.
    [8] 曾伟生 , 唐守正 , 夏忠胜 , 朱松 , 罗洪章 . 利用线性混合模型和哑变量模型方法建立贵州省通用性生物量方程. 林业科学研究, 2011, 24(3): 285-291.
    [9] 张连金 , 曾伟生 , 唐守正 . 带截距的非线性方程与分段建模方法对立木生物量估计的比较. 林业科学研究, 2011, 24(4): 453-457.
    [10] 尹惠妍 , 李海奎 . 基于蓄积的森林生物量估算方法的对比分析. 林业科学研究, 2014, 27(6): 848-853.
    [11] 吴春生 , 刘苑秋 , 魏晓华 , 李晓东 , 刘亮英 , 欧阳勋志 , 郭晓敏 , 张文元 , 莫其锋 . 中亚热带典型森林倒木生物量、碳储量及其分布格局. 林业科学研究, 2016, 29(3): 307-316.
    [12] 朱志建 , 姜培坤 , 徐秋芳 . 不同森林植被下土壤微生物量碳和易氧化态碳的比较. 林业科学研究, 2006, 19(4): 523-526.
    [13] 廖宝文 , 郑德璋 , 郑松发 . 海桑林生物量的研究*. 林业科学研究, 1990, 3(1): 47-54.
    [14] 陆新育 , 陈绍信 , 李淼泉 , 常显明 . 泡桐生物量的研究*. 林业科学研究, 1990, 3(5): 422-426.
    [15] 袁凯先 , 包盈智 , 范金阜 . 在森林二类调查中用TM影象代替航片的研究实例. 林业科学研究, 1996, 9(5): 449-454.
    [16] 李增元 , 车学俭 , 刘闽 , 白黎娜 , 谭炳香 . ERS－1SAR影像森林应用研究初探*. 林业科学研究, 1994, 7(6): 692-696.
    [17] 李军玲 , 庞勇 , 李增元 , 荚文 . 云阴影区机载高光谱影像森林树种分类. 林业科学研究, 2019, 32(5): 136-141. doi: 10.13275/j.cnki.lykxyj.2019.05.018
    [18] 欧光龙 , 王俊峰 , 肖义发 , 胥辉 . 思茅松天然林单木生物量地理加权回归模型构建. 林业科学研究, 2014, 27(2): 213-218.
    [19] 张万儒 , 盛炜彤 , 蒋有绪 , 周政贤 , 汪祥森 . 中国森林立地分类系统. 林业科学研究, 1992, 5(3): 251-262.
    [20] 罗绍龙 , 舒清态 , 余金格 , 胥丽 , 杨正道 . 基于序贯高斯条件模拟的GEDI数据联合Landsat8反演森林地上生物量. 林业科学研究, 2024, 37(2): 1-12. doi: 10.12403/j.1001-1498.20230450
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  3013
  • HTML全文浏览量:  290
  • PDF下载量:  836
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-11-18

基于不同立地质量的杉木生物量遥感估测

  • 1. 南京林业大学南方现代林业协同创新中心, 江苏 南京 210037
  • 2. 南京林业大学林学院, 江苏 南京 210037
  • 收稿日期: 2015-11-18
基金项目:  国家948计划项目（2013-4-63）;南京林业大学科技创新基金项目（CX2011-24）;江苏省林业三新工程（LYSX［2015］19）;江苏高校优势学科建设工程自助项目（PAPD）。

摘要: ［目的］ 研究不同立地质量对杉木生物量遥感估测精度的影响，为进一步提高和完善森林生物量遥感监测体系提供一种新的思路和方法。［方法］ 以2007年建德市森林资源二类调查数据和TM影像为研究材料，采用蓄积量—生物量换算因子连续函数法计算杉木林生物量和地位级法评价立地质量等级，比较杉木立地质量好、中等、差和不分地位等级4种生物量遥感估测模型，并进行精度检验。［结果］ 表明：（1）以TM遥感影像主成分分析中第一主成分为自变量的模型拟合效果最好，决定系数R2均在0.69以上，最高0.855。（2）利用预留独立样本对模型精度进行验证，不分地位级总体估测精度为87.78%，分立地质量等级好、中、差3种类型总体估测精度分别为97.37%、95.82%、98.23%。分不同立地质量类型可以提高杉木生物量遥感估测精度。［结论］ 研究结果为森林生物量遥感估测提供一种改进的思路，且为提高森林生物量和碳储量遥感估测精度提供一种参考方法。

English Abstract

    全文HTML

参考文献 (26)

目录

    /

    返回文章
    返回

    京ICP备09064894号-3

    版权所有：《林业科学研究》编辑部

    地址：北京万寿山后中国林科院电话：010-62889680；62889702Email：lykxyj@caf.ac.cn

    本系统由 北京仁和汇智信息技术有限公司 设计开发 技术支持： info@rhhz.net   百度统计