共查询到20条相似文献，搜索用时 15 毫秒
1.
基于地理加权回归模型的思茅松生物量遥感估测 总被引：1，自引：0，他引：1
《林业资源管理》2017,(1):82-90
通过调查云南省景谷县思茅松林120株单木数据,构建思茅松单木生物量模型。结合2005年景谷县TM影像数据及2006年森林资源二类调查小班数据,采用普通最小二乘模型(OLS)和地理加权回归模型(GWR)的方法构建思茅松生物量遥感估测模型。结果表明:地理加权回归模型比普通最小二乘模型具有更好的拟合效果,其决定系数(R2)显著高于OLS模型,Akaike信息指数(AIC)相比降低7.832;两种模型通过独立样本检验可以看出,模型预估精度从OLS模型的72.70%提高至GWR模型的75.06%;通过GWR模型反演计算,研究区内思茅松林单位面积生物量为49.02t/hm~2,比实测数据低1.229%,与实测数据基本吻合,且估算误差优于OLS模型;基于GWR模型估算的景谷县思茅松林总生物量为2.101×107t。可见基于地理加权回归方法估测森林地上生物量的方法是有效的,能提高森林生物量遥感估测模型的拟合和预估精度,可以用于思茅松林的生物量的遥感估算。 相似文献
2.
【目的】确定思茅松林生物量遥感估测的光饱和点,构建空间全局和局域遥感信息模型反演思茅松林生物量,为思茅松林生物量遥感估测提供参考。【方法】以云南省普洱市思茅松林为研究对象,基于Landsat8 OLI遥感影像数据和森林资源二类调查数据,运用二次项函数和幂函数求解思茅松林生物量光饱和点,采用普通最小二乘模型(OLS)、空间滞后模型(SLM)、空间误差模型(SEM)和地理加权回归模型(GWR)构建遥感信息模型,估测思茅松林地上生物量。【结果】1)普洱市思茅松林Landsat8 OLI遥感估测地上生物量的光饱和点为106.3 t·hm~(-2);2)空间回归模型拟合精度较高,尤其是GWR模型具有最高的R2(0.373)和最小的AIC(4 577.8),其拟合精度显著高于OLS、SLM和SEM模型;3)独立性样本检验结果表明,GWR模型的预估精度最高,且通过刀切法检验可知GWR模型在高值阶段(≥100 t·hm~(-2))和低值阶段(0～50 t·hm~(-2))的生物量估测能力强于OLS、SLM和SEM模型;4) GWR模型反演计算结果表明,思茅松林单位面积地上生物量为66.496 t·hm~(-2),与实测值偏差23.511%,估测误差低于OLS、SLM和SEM模型。【结论】对普洱市思茅松林生物量进行遥感估测时,GWR模型优于OLS模型和其他空间全局回归模型,且GWR模型可在一定程度上解决高值低估和低值高估问题,减小光饱和点对遥感估测精度的影响。 相似文献
3.
森林地上碳储量(Aboveground Carbon, AGC)是反映森林生态系统基本特征的重要指标，也是评价森林功能结构和生产潜力的理论基础。松阳县作为浙江省九大林业重点县之一，生态地位十分重要，全县以中、低山丘陵地带为主，四面环山，如何解决复杂地形对AGC时空变异的影响，是实现山区森林AGC精准估算的关键。为此，基于Landsat TM卫星影像，并结合松阳县森林AGC调查数据，构建结合空间变异特征的地理加权回归模型(GWR)估算森林AGC,并与普通最小二乘法(OLS)的结果进行对比，最后选取最优模型预测松阳县森林AGC及其空间分布。研究表明：Landsat TM卫星影像的纹理信息对预测松阳县森林AGC有重要作用；GWR模型能够准确估算松阳县森林AGC及空间分布，并且比OLS模型精度提升了9%,R2达到0.71;松阳县森林AGC总量为3.901×106 Mg,平均AGC为23.70 Mg/hm2,占丽水市森林植被AGC总量的10%左右，在服务区域生态功能上具有较为重要的地位。研究将为松阳县森林AGC精准估算提供先进的技... 相似文献
4.
通过调查云南省思茅区思茅松天然林63株思茅松单木的地上部分干、枝、叶生物量数据,并测定其中30株的根系生物量数据。基于普通最小二乘模型选型,采用地理加权回归的方法构建思茅松单木树干生物量、树枝生物量、树叶生物量和地上部分生物量,以及根系生物量和整株生物量模型。结果表明:(1)地理加权回归模型(GWR)的决定系数(R2)大于普通最小二乘(OLS)模型,且GWR模型拟合的R2值除树叶生物量模型外,其余生物量维量模型均大于0.950;Akaike信息指数(AIC)值小于普通最小二乘(OLS)模型,平均相对误差(EE)和平均相对误差绝对值(RMA)的绝对值除树枝生物量外均小于OLS模型,说明GWR模型拟合效果优于OLS模型;(2)地理加权回归模型拟合在一定程度上克服了OLS在拟合生物量模型中存在的异方差问题。 相似文献
5.
精确估测森林生物量是分析森林碳动态和碳循环的基础。本研究采用汝城县森林资源连续清查数据,结合Landsat 8遥感影像,分析了森林地上生物量的空间自相关和空间异质性,并选取显著相关的植被指数因子,分别构建普通最小二乘模型、空间滞后模型以及地理加权回归模型,并绘制汝城县森林地上生物量的空间分布图。结果表明:通过对森林地上生物量的空间效应分析,发现样地生物量的空间自相关和空间异质性不容忽视。与普通最小二乘回归相比,空间滞后模型和地理加权回归模型可以减少空间效应对森林地上生物量估测的影响。地理加权回归模型可以最大程度地减少过高或过低估计,估测森林地上生物量的精度最高,决定系数达到0.756,均方根误差和平均相对误差最小,分别为17.288 t·hm~(-2)和-8.542%。因此使用Landsat 8遥感影像结合地理加权回归方法在改善森林地上生物量的估测中具有巨大潜力。 相似文献
6.
《林业科学》2017,(6)
【目的】建立遥感信息模型,估算森林地位级指数,对森林立地质量的空间分布进行系统研究,为森林经营管理和营林造林提供数据支持与理论依据。【方法】以黑龙江省大兴安岭地区为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,采用以最小二乘为基础的多元线性模型(全局模型)和以地理加权回归(GWR)为基础局域回归模型提取包括遥感因子土壤修正植被指数(MSVI)、差值植被指数(DVI)和林分因子林分平均胸径(ADBH)、林分郁闭度(FCC)在内的4个因子作为自变量,建立地位级指数全局估算模型和局域估算模型。对比2种方法,最终采用地理加权回归模型来绘制研究区域地位级指数空间分布图,对研究区域的立地质量进行评价与分析,并探索研究区域内森林地位级指数的空间分布状态随地形的变化趋势。采用全局Moran I描述不同空间尺度下模型残差的空间自相关性(以8 km为间隔计算从8 km到80 km)。【结果】大兴安岭地区地位级指数呈现明显的聚集分布,具体表现为东高西低、北高南低,并且最大值出现在北部区域。遥感因子和林分因子影响森林地位级指数的空间分布。地理加权回归模型的拟合和精度明显好于全局模型,其中全局模型的R2adj为0.48、AIC为1 816、RMSE为1.74,地理加权回归模型的R2adj为0.53、AIC为1 784、RMSE为1.29。通过模型模拟结果和实测值的对比分析发现,地理加权回归模型具有更高的验证精度和更好的拟合效果。基于地理加权回归模型残差分析可知,地理加权回归模型能够很好地解决模型残差的空间自相关性,产生更为理想的模型残差。【结论】全局模型和局域地理加权回归模型能够较为有效地估算黑龙江省大兴安岭地区森林地位级指数,加入样地位置信息进行回归分析的地理加权回归模型能够更有效地降低数据的空间自相关性,结果更符合传统统计模型中关于残差间相互独立的基本假设,使得建模过程更加科学合理。 相似文献
7.
以香格里拉市高山松林为研究对象,构建高山松单木碳储量模型,结合森林资源二类调查数据推算香格里拉市高山松林的碳储量和碳密度,以DEM为数据源,对研究区高山松林碳储量和碳密度的空间分布特征进行分析。研究结果表明,高山松单木碳储量模型以幂函数模型精度最高,决定系数R2=0.989,均方误差MSE=259.43,可用来进行高山松林碳储量估测;在空间分布上,研究区高山松碳储量集中分布于海拔>2 500～4 000 m地段,在海拔>2 000～2 500 m地段碳储量密度最大,为40.80 t/hm2;高山松林碳储量从平坡到险坡的分布呈先增大后减小的趋势,其中,在陡坡上分布最多,在平坡上分布最少;高山松林碳密度随坡度的增大呈先增大后减小的趋势,其中高山松林在急坡上的碳密度最大,为35.94 t/hm2,在平坡上的碳密度最小,为30.85 t/hm2;高山松林碳储量在平地上分布极少,在阴坡、半阴坡、半阳坡、阳坡上的分布差异不大,呈先增大后减小的趋势,其中,在半阳坡上的分布最多,在阴坡上的分布最少,高山... 相似文献
8.
森林碳储量是森林固碳能力的重要参考指标,准确估算森林碳储量对陆地碳循环具有重要意义。以香格里拉市1987—2017年Landsat TM/OLI遥感影像、森林资源连续清查数据和地形数据为主要数据源,利用Pearson相关性法、Spearman相关性法、Kendall’sτ相关性法、距离相关性法和决策树法筛选预测变量,并引入不同环境变量结合随机森林(RF)模型估测香格里拉市高山松碳储量。结果显示：(1)在不同方法筛选出的预测变量中,偏度、角二阶矩等纹理因子与高山松碳储量相关性最高;(2)通过决策树法筛选出的变量组合所构建的RF模型效果最优,其R2为0.845,RMSE为10.076 t/hm2,rRMSE为29.254%,P为0.747;(3)引入环境变量后,精度都有不同程度提升,其中地表温度对模型精度的提升最高,其R2提高了4.80%,RMSE降低了1.71 t/hm2,rRMSE降低了5.391%,P提高了6.60%;(4)1987—2017年,香格里拉市高山松碳储量时空变化较明显,高山松碳储量增... 相似文献
9.
为探究株洲市渌口区森林的固碳能力与分布特征，运用生物量转换因子连续函数法，计算了研究区11个优势树种(组)的碳储量和碳密度，并分析了各优势树种(组)碳储量的空间分布及林分特征，得出以下结论：渌口区的森林碳储总量为1 119 132.36 t,蓄积量和林分面积是影响碳储量的主要因素；渌口区森林的平均碳密度为19.72 t/hm2,各优势树种(组)的碳密度随着龄组的增大而逐渐升高，表现为幼龄林的碳密度最低，过熟林的碳密度最高；渌口区碳储量较高的区域集中分布在东部及南部小范围地区，因为该区域竹林的分布面积大且集中。 相似文献
10.
采用机载LiDAR技术对江苏连云港南云台林场杉木人工林进行林分因子调查，基于调查结果和含碳系数，运用生物量方程法估测生物量和碳储量，旨在为杉木林经营管理和开展固碳增汇提供依据。结果表明：1)y=4.6642e0.1237x(R2=0.8012)为胸径优选反演模型；2)杉木人工林碳储量随径级的增大而不断增加，其地上碳储量(4.31～72.79 t/hm2)显著高于地下碳储量(1.17～21.44 t/hm2),在全株碳储量(5.48～94.23 t/hm2)中占绝对优势；3)对比不同径组间全株碳储量倍数关系，中径组是小径组的3.4倍；大径组是中径组的2.68倍；特大径组是大径组的1.89倍，碳储量增速随径级增大呈逐渐降低趋势；4)从杉木碳储量在不同器官中的分配来看，树干和树枝中的碳储量随径级的增加而增多，叶片随径级的增加而减少。 相似文献
11.
森林资源调查是数字森林资源监测的基础,遥感技术可以克服传统方法如抽样调查的局限性,有效地缩短作业时间,提高效率。虽然目前森林蓄积量遥感估测方法很多,但随着样本数量的增加,这些方法无法保证估算的准确性。本研究拟提出一种基于方差速率优化的k最近邻法(k NN),以2017年10月Planet Labs影像为数据源,结合赤峰市旺业甸林场蓄积量实测数据建立反演模型,并与地理加权回归(GWR)模型、随机森林(RF)模型、普通k NN模型和距离加权k NN模型进行对比分析。在建立的森林蓄积量反演模型中,方差优化k NN模型得到最优精度[决定系数(R^2)为0.69,均方根误差(RMSE)为67.6 m^3·hm^-2,相对均方根误差(RRMSE)为32.04%],显著优于其他模型。结果表明,方差优化k NN模型相比其他模型更适用于森林蓄积量遥感估测,森林蓄积量遥感反演空间分布符合实际分布情况,可以满足建立反演模型的需求。同时,由于Planet Labs影像的鲜明特征(即具有高时间分辨率),该数据的时间序列数据对于森林季节变化有丰富的记录,在反演森林蓄积量方面有着很大潜力。 相似文献
12.
森林是全球重要的陆地生态系统,各国普遍采用地面样地调查的方法评估其资源量和生物量。随着激光雷达技术的发展,采用星载大光斑激光雷达估算大区域森林地上生物量将成为另一种选择。为探索利用大光斑激光雷达估算森林地上生物量的方法,提出了一种基于仿真大光斑激光雷达和多层感知器的森林地上生物量估算模型。比较仿真大光斑激光雷达波形参数13种组合拟合森林地上生物量的效果后,认为多层感知器的估测精度高于多元线性回归。与样地实测地上生物量相比,多元线性回归估测结果的偏差范围为-34.96~23.28t/hm2,多层感知器估测结果的偏差范围更小,为-19.09~20.19t/hm2。因此,多层感知器估测森林地上生物量的效果优于多元线性回归。 相似文献
13.
基于广东省清远市天堂山林场的二类调查小班数据和 landsat8 遥感影像和多元逐步回归的方法，建立森林地上生物量模型，进而构建森林地上碳储量模型，对天堂山林场森林碳储量及其分布进行了估算，并讨论了预测结果及其精确性。结果表明：阔叶林、针叶林和混交林生物量模型的拟合优度分别为 0.77、0.67、0.69。基于碳储量估算模型计算生成的天堂山林场碳储量分布图与采用二类森林调查数据得到的碳储量分布图空间分布一致。验证了基于 landsat8 遥感影像的碳储量模型能为森林碳储量提供快速准确的估测。 相似文献
14.
森林生物量是森林生态系统物质循环与能量流动的基础,可以很好的衡量森林生产力。研究森林生物量的空间分布及其变化规律,对揭示地表空间变化规律具有重要意义。本研究以帽儿山林区为主要研究区域,以2004年帽儿山林区固定样地调查数据为基础,对帽儿山地区生物量进行全局自相关性分析和局部自相关性分析,并在此基础上使用R软件建立生物量与各地理因子、生物因子的多元回归模型;使用GWR软件,以每公顷株数、平均胸径和高程为解释变量,建立GWR模型。结果表明:帽儿山地区的森林生物量具有空间正相关性,在本研究区域内地理加权回归模型较多元回归模型AIC值降低了90,决定系数R~2和调整型决定系数R~2均有提升,GWR模型具有更高的拟合精度。 相似文献
15.
[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。 相似文献
16.
量化森林碳储量对森林经营者的正确决策至关重要。本文以湖南省桃江县为研究区,根据2013年森林资源一类调查数据和Landsat 8遥感影像,建立多元逐步回归、偏最小二乘回归和径向基函数神经网络模型,开展碳储量的估测方法比较。结果表明:三种方法中,径向基函数神经网络模型估测森林碳储量效果最好,决定系数达到0.645,相对均方根误差为15.582 t·hm~(-2);其次为偏最小二乘回归模型,决定系数和相对均方根误差分别为0.511和17.135 t·hm~(-2);多元逐步回归模型精度最低,决定系数和相对均方根误差分别为0.431和18.105 t·hm~(-2)。径向基函数神经网络模型反演的研究区森林碳储量分布图表明,海拔高的地方碳储量较大,城区碳储量较小,与实际植被分布情况一致。 相似文献
17.
基于森林资源二类清查资料,采用生物量转换因子法,测算南方红壤水土流失典型区长汀县2016年、2018年、2020年三个时期森林植被的碳储量、碳密度,使用ArcGIS软件绘制长汀县森林碳密度空间分异特征。结果表明:2020年全县森林植被的总碳储量9434.58 t,其中林分碳储量8174.56 t,经济林、灌木林和竹林碳储量1260.02 t。三个时期森林碳密度分别为31.45 t/hm^(2)、31.87 t/hm^(2)、37.43 t/hm^(2),森林碳储量和碳密度均呈先缓慢增长后快速上升的增长趋势。2016—2020年森林碳密度空间上均呈现四周高、中间低的分布格局,其中林分碳密度格局与森林碳密度空间格局基本一致,经济林、竹林和灌木林碳密度整体上呈西北高,东南次之,中部最低的U型空间分布格局。 相似文献
18.
为确定盈江县森林碳储量和碳汇潜力的变化特征及其影响因子,以便更好地分析盈江县森林生物量和生长量。基于盈江县2012年和2017年森林资源清查数据,利用生物量换算因子连续函数法和异速生长方程,评估盈江县森林碳储量和碳汇潜力的变化特征及其影响因子。结果显示：(1)盈江县森林生物量储量丰富,达85.55 t/hm2。其中：栎类林最大,为168.3 t/hm2;核桃林最低,为7.10 t/hm2。(2)不同林龄林分生物量差异较大,近熟林最高,其次分别为中龄林、成熟林、过熟林、幼龄林。(3)常绿阔叶林的林分生长量最大,其次是落叶阔叶林和针叶林。结果表明：盈江县森林生物量储量丰富且以阔叶林为主;林龄和年均气温是影响林分生长和生物量的主要因素。 相似文献
19.
《中国城市林业》2021,(5)
文章在进行精细城市森林斑块提取基础上,利用公里网格空间划分方法,分析POI(points of interest)空间分布密度与城市森林景观格局指数之间的关系,并借助地理加权回归模型GWR(Geographically Weighted Regression)进行空间异质性分析。研究结果表明:1)POI空间密度与城市森林斑块个数NP、斑块密度PD、边缘密度ED、邻接度指数CONTIG、周长面积分维比指数PAFRAC 5种景观格局指数呈显著正相关关系,与平均斑块面积AREA和聚集度指数AI呈负相关关系;2)POI每平方公里增加1个点,NP,PD和ED将分别增加0.209,0.190和0.118,而AREA和AI分别减少0.001和0.002;3)POI空间密度与森林景观格局的关系具有显著空间异质性。研究结果可为城市森林效益最大化,以及更高频次地服务城市居民提供新的优化视角。 相似文献
20.
不同森林类型的碳汇计量与监测对区域碳汇能力的巩固提升具有重要意义。本研究采用标准地调查法对赤峰市喀喇沁旗旺业甸实验林场的天然次生林白桦(Betula platyphylla)、黑桦(Betula dahurica)、山杨(Populus davidiana)、蒙古栎(Quercus mongolica)、榛(Corylus heterophylla)、山杏(Prunus sibirica)和人工林华北落叶松(Larix gmelinii var.principis-rupprechtii)、油松(Pinus tabuliformis)、白杄(Picea meyeri)、樟子松(Pinus sylvestris var.mongolica)等林内乔木、灌木、草本、枯落物及土壤的碳含量、碳密度与碳储量进行调查研究。结果表明：旺业甸实验林场森林总面积23 606.86 hm2,总碳储量为4 610 165.83 t,平均碳储量为195.30 t·hm-2,其中乔木林面积22 945.93 hm2,碳储量为4 497 646.0... 相似文献