共查询到20条相似文献，搜索用时 296 毫秒
1.
结合树龄信息的遥感森林生态系统生物量制图 总被引：10，自引：0，他引：10
森林生态系统是陆地生态系统中的重要组成部分，其中的地上生物量（AGB，Aboveground Biomass）在全球气候变化和碳循环研究中起着重要的作用。本文利用ETM^＋遥感影像，首先建立了实测叶面积指数（LAI，Leaf Area Index）与实测生物量数据的回归关系，基于遥感叶面积指数图像得到初步地上生物量空间分布图；同时在短波植被指数（SWVI，Short Wave Vegetation Index）与实测树龄之间建立了回归关系，在此基础上得到了树龄空间分布图。然后通过将植被指数（VI，Vegetation Index），LAI，树龄等变量针对不同的树种类型进行逐步回归，得到了较好的回归模型，并结合土地利用／土地覆盖估算了贵州省黎平县的地上生物量，绘制了其空间分布图。统计结果显示：总体森林生态系统的AGB与LAI和RSR（Reduced Simple Ratio）之间有一定的相关关系（R^2=0．895）；杉木林的AGB与LAI和归一化植被指数（NDVI，Normalized Difference Vegetation Index）之间有较强的相关性（R^2=0．93）；针叶树种的LAI与年龄是AGB较好的估算因子（R^2=0．937）；阔叶林的AGB与年龄有一定的相关性（R^2=0．792）；混交林的AGB与LAI和SR（Simple Ratio）有较强的相关性（R^2=0．931）。结果表明，将树龄和土地覆盖／土地利用类型的信息加入到地上生物量估算模型的建立中，是一种改善利用多光谱遥感估算精度的较好的方法。结合土地覆盖／土地利用类型的高分辨率的树龄空间分布图，可为森林生态系统的可持续发展和管理提供科学的论据。 相似文献
2.
以国产高分一号(GF-1)宽幅数据(wide field of view,WFV)为数据源,采用简单生物圈模型2(simple biosphere model2,Si B2)对黑龙江省漠河县森林植被叶面积指数(leaf area index,LAI)进行估算,并与增强植被指数(enhanced vegetation index,EVI)线性模型的估算结果进行对比,结合地面实测LAI数据分别对这2种模型估算结果进行精度评价。结果表明,采用EVI线性模型估算LAI,决定系数R2为0. 582,均方根误差(root mean square error,RMSE)为0. 701;而采用Si B2模型估算LAI,R2为0. 798,RMSE为0. 358,均比EVI线性模型有所改善。该研究发现,结合中高空间分辨率的GF-1 WFV数据,Si B2模型更适宜于该研究区森林植被的LAI反演。 相似文献
3.
基于森林模型参数先验知识估算高分辨率叶面积指数 总被引：1，自引：0，他引：1
目前，估算高分辨率叶面积指数LAI（Leaf Area Index）的常用方法是采用大量地面测量数据和遥感数据建立统计模型，再用统计模型估算LAI。然而，与农田地面测量实验相比，森林地面测量实验获取的观测数据更加有限，这使得基于统计模型的森林高分辨率LAI的估算精度低，难以满足应用需求。为此，本文提出一种基于森林模型参数先验知识、使用森林研究区少量的LAI地面测量数据和归一化植被指数NDVI数据估算森林高分辨率LAI的方法。首先，获取全球20个森林实验区的LAI地面测量数据和NDVI数据，建立LAI-NDVI统计模型并提取森林模型参数的先验知识。然后，以一个新的森林站点Concepción作为研究区，将该研究区的数据分为建模数据和验证数据两个部分。使用研究区有限的建模数据对森林模型参数先验知识进行本地化校正得到优化模型，优化模型用于估算森林高分辨率LAI，使用验证数据评价LAI的估算精度。同时，选取了Camerons站点、Gnangara站点、Hirsikangas站点评价本文方法的LAI估算精度。使用地面测量LAI验证基于森林模型参数先验知识估算高分辨率LAI的结果精度，经验证4个森林站点的均方根误差分别为0.6680，0.4449，0.2863，0.5755。研究结果表明：在仅有少量观测数据时，采用本方法能有效地提高森林高分辨率LAI的估算精度。因此，本方法可为森林高分辨率LAI的遥感估算提供参考。 相似文献
4.
冬小麦叶面积指数的高光谱估算模型研究 总被引：2，自引：0，他引：2
本文以山东禹城为研究区,利用地面实测光谱数据,探讨不同植被指数和红边参数建立高光谱模型反演冬小麦叶面积指数的精度。通过逐波段分析计算了4种植被指数(NDVI、RVI、SAVI、EVI),结合同步观测LAI数据,确定反演叶面积指数的最优波段;计算了5种常用的高光谱植被指数MCARI、MCARI2、OSAVI、MTVI2、MSAVI2,同时利用4种常用方法计算红边位置和红谷,与实测LAI进行回归分析,比较植被指数和红边参数模型对冬小麦LAI的估测精度。结果表明各因子与LAI均具有较高的相关性,整个研究区归一化植被指数具有最高的反演精度,确定了估算冬小麦LAI的最优模型,并使用独立的LAI观测数据对模型进行了验证。 相似文献
5.
基于遥感的区域尺度森林地上生物量估算研究 总被引：1，自引：0，他引：1
森林是陆地生态系统最大的碳库,精确估算森林生物量是陆地碳循环研究的关键。首先从机载LiDAR数据中提取高度和密度统计量,采用逐步回归模型进行典型样区生物量估算;然后利用机载LiDAR数据估算的生物量作为样本数据,与多光谱遥感数据Landsat8 OLI的波段反射率及植被指数建立回归模型,实现区域尺度森林地上生物量估算。实验结果显示,机载LiDAR数据估算的鼎湖山样区生物量与地面实测生物量的相关性R2达0.81,生物量RMSE为40.85 t/ha,说明机载LiDAR点云数据的高度和密度统计量与生物量存在较高的相关性。以机载LiDAR数据估算的生物量为样本数据,结合多光谱遥感数据Landsat8 OLI估算粤西北地区的森林地上生物量,精度验证结果为:R2为0.58,RMSE为36.9 t/ha;针叶林、阔叶林和针阔叶混交林等3种不同森林类型生物量的估算结果为:R2分别为0.51(n=251)、0.58(n=235)和0.56(n=241),生物量RMSE分别为24.1 t/ha、31.3 t/ha和29.9 t/ha,估算精度相差不大。总体上看,利用遥感数据可以开展区域尺度的森林地上生物量估算,为森林固碳监测提供有力的参考数据。 相似文献
6.
基于MODIS二向反射分布函数(BRDF)模型参数产品数据,利用4-scale模型建立查找表,以中国东北大兴安岭加格达奇地区为研究区,反演森林背景反射率,并分析不同森林类型二向反射与背景反射率特性及其季节变化。研究结果表明:(1)研究区针叶林和混交林二向反射特征较为相似,夏季阔叶林在红光波段的二向反射率值均低于针叶林和混交林,而在近红外波段则相反;不同森林类型二向反射率均存在明显的季节变化,其中阔叶林二向反射率季节变化最为明显;(2)研究区夏季森林背景反射率在红光波段较低,均在0.1以下,近红外波段背景反射率普遍高于0.3,且空间差异较大;(3)不同森林类型的背景反射率季节变化趋势大致相同,但变化幅度存在差异:阔叶林的背景反射率值季节差异最大,尤其在近红外波段。 相似文献
7.
亚热带森林参数的机载激光雷达估测 总被引：5，自引：2，他引：3
通过应用机载激光雷达数据,在分析云南省中部的78块样地的基础上提出2个预测森林不同生物特性的统计模型(加权平均高度的预测模型和生物量的预测模型),并讨论了预测结果及其精确性。从激光雷达数据中提取了2组变量(树冠高度变量组和植被密度变量组)作为自变量,采用逐步回归方法进行自变量选择。结果表明,激光雷达数据与森林的平均树高和地上各部分生物量有很强的相关性。对于3种不同森林类型(针叶林,阔叶林和混交林),平均树高估测均能达到比较高的精度;生物量的估测结果是针叶林优于阔叶林,混交林的生物量与激光雷达数据则没有明显相关性。最后,对回归分析的结果和影响预测精度的因素进行讨论,认为预测结果的精度可能与森林类型、激光雷达采样时间和采样密度以及坐标误差等因素有关。 相似文献
8.
基于环境星CCD数据的冬小麦叶面积指数遥感监测模型研究 总被引：11，自引：0，他引：11
以山东禹城为研究区,利用我国自主研发的环境星数据,计算了4种植被指数,即归一化植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)及增强型植被指数(EVI);结合同步观测数据,将植被指数与实测叶面积指数(LAI)进行回归分析,比较各种植被指数模型对冬小麦LAI的估测精度。结果表明,4种植被指数与LAI均具有较高的相关性,其中,比值植被指数(RVI)对LAI反演精度最高,即LAI=2.967 lnRVI-1.201是估算冬小麦LAI的最优模型。使用2009年5月冬小麦LAI观测数据对模型进行验证,平均相对误差为19%。 相似文献
9.
GLAS星载激光雷达和Landsat/ETM+数据的森林生物量估算 总被引：1，自引：0，他引：1
基于大脚印激光雷达数据和野外观测数据,该文提出一种获取脚印点内森林生物量的新思路,并结合陆地卫星数据应用于长白山地区森林地上生物量估算。首先,基于3种森林类型(针叶林、阔叶林和针阔混交林),采用多元逐步回归方法建立激光雷达波形指数与脚印点内实测平均树高的回归模型,估算全部脚印点内的平均树高;然后根据脚印点内样方的野外观测数据(平均树高和平均胸径)以及它们与样方生物量的拟合方程估算没有野外调查数据对应的脚印点的生物量;最后对3种森林类型的脚印点森林生物量在各森林覆盖度条件下进行分层分区统计得到生物量等级图。验证比较遥感估算的生物量与野外调查数据推算的生物量,总体误差在0~30(t·hm~(-2))之间,均方根误差为14.66(t·hm~(-2))。 相似文献
10.
11.
12.
黑河流域叶面积指数的遥感估算 总被引：7，自引：2，他引：7
研究利用Landsat7ETM+遥感数据获取黑河流域植被叶面积指数(LAI)空间分布的可行性。该研究是基于黑河流域分布式水文模型的一个重要输入项———LAI空间分布数据的需要而产生的。文章在详尽的野外观测数据基础上,分别探究实测LAI与同时相ETM+3、4、5、7波段反射率及相关植被指数(SR、NDVI、ARVI、RSR、SAV I、PVI、GESAVI)的相关关系,率定最佳的LAI遥感反演及其空间分布方案。研究发现,针对特定的自然条件,将研究区分为植被覆盖度小的稀疏立地和覆盖度大的密集立地,分别采用土壤调节植被指数(SAVI)和大气阻抗植被指数(ARVI)进行2种林地的LAI估算最为可靠,在此基础上,提出黑河地区LAI估算及其空间分布的遥感制图方案。 相似文献
13.
森林生态系统碳储量占有整个陆地生态系统碳储量约50%,利用遥感数据进行森林碳储量估算对加快实现“碳达峰”和“碳中和”具有重要意义。本研究利用Landsat 8 OLI遥感影像和DEM数据提取植被指数和地形因子,转换净初级生产力数据为生物量数据,并利用多元逐步回归分析法建立武汉城市圈森林植被碳储量遥感估算模型。根据统计数据和估算模型得出,武汉城市圈碳储量空间分布表现为东北部和南部山脉区域的碳储量和碳密度较高,而中东部武汉市和黄石市中心区域相对较低,且植被碳密度主要集中在中海拔地区。 相似文献
14.
针对南方丘陵地区针叶-阔叶混交林植被叶面积指数（leaf area index，LAI）反演精度低且研究较少的问题，本文提出了一种GLIBERTY-DSAIL耦合模型组合多元线性回归反演LAI的方法。本研究以GLIBERTY-DSAIL模型模拟光谱和植被实测高光谱为数据源，通过相关性分析，选取与LAI相关性高的植被指数作为反演因子，构建多元线性回归模型定量反演植被LAI并进行精度评定。结果表明：与LAI显著相关的RVI、DVI、GNDVI、MSAVI这4种植被指数作为反演因子，结合本文提出的组合模型反演LAI，模型预测决定系数R2为0.708 6，均方根误差RMSE为0.302 1，精度整体较高。该组合方法可较好地用于反演针叶-阔叶混交林植被LAI，为南方地区混交林LAI的研究提供新思路。 相似文献
15.
曲苑婷汪垚刘观潮范文义 《测绘通报》2014,(11):73-77
森林生物量是森林生态系统监测的重要指标。GLAS大光斑回波信息与森林结构参数存在较强的相关性,适用于森林生物量的反演。本文简要介绍了GLAS激光雷达系统及其特点,利用GLAS的9波形参数对小兴安岭部分地区进行针叶林与阔叶林的生物量估算,结果显示,引入纠正参数后生物量估测模型的决定系数R2由0.657提高到0.806,均方根误差(RMSE)减小为35 Mg/ha,表明利用GLAS进行森林地上生物量估测时,需要考虑地形因素对反演精度的影响。 相似文献
16.
17.
18.
叶面积指数(leaf area index,LAI)是评价植被长势和预测产量的重要农业生理生态参数。高分2号(GF-2)卫星数据具有高空间分辨率特点,能反映更多细节信息,针对该数据特点的LAI反演方法具有较高的研究价值。以河北省廊坊市万庄镇为研究区,对孕穗期小麦采用了回归模型和神经网络算法反演LAI;采用4种植被指数与实测LAI值构建回归模型,同时重点探讨了PROSAIL模型结合神经网络方法进行LAI反演。研究结果表明,在回归模型中,归一化植被指数(normalized difference vegetation index,NDVI)的二项式模型估算LAI可以获得最高精度,采用实测数据验证的决定系数(R2)和均方根误差(root mean square error,RMSE)分别为0.719 3和0.393 6;与回归模型相比,神经网络反演LAI方法更显著提高了精度,R2和RMSE分别达到0.900 8和0.273 2。基于GF-2卫星数据,在研究区小麦孕穗期,神经网络反演LAI具有较强可行性和适用性,可为高空间分辨率卫星影像的LAI反演提供参考。 相似文献
19.
20.
中国南方森林冠顶高度Lidar反演—以江西省为例 总被引：1，自引：0，他引：1
激光雷达(Lidar)与光学遥感的有效结合对中国南方区域森林冠顶高度反演意义重大,而国产卫星将为中国森林生态研究提供新的数据源。本文联合利用大脚印激光雷达GLA和国产MERSI数据,在实现GLAS波形数据处理和不同地形条件下森林冠顶高度反演算法基础上,建立了区域尺度不同森林类型林分冠顶高度GLAS+MERSI联合反演关系模型,进行了江西地区森林冠顶高度反演。总体上,GLAS激光雷达森林冠顶高度估算精度较高;且在与MERSI 250 m数据的联合反演模型中,针叶林模型精度较好(R2=0.7325);阔叶林次之(R2=0.6095);混交林较差(R2=0.4068)。分析发现,考虑了光学遥感生物物理参数的GLAS+MERSI联合关系模型在区域森林冠顶高度估算中有较高精度,且在空间分布上与土地覆盖数据分布特征非常一致。 相似文献