摘要：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。

摘要：光谱反射率能反映地物差异,是森林地上生物量(Aboveground Biomass, AGB)遥感反演的理论基础。红边波段处于近红外与红光波段交界处快速变化的区域,能对植被冠层结构和叶绿素含量的微小变化做出快速反应,对植被生长状况较敏感。研究以GF-6和Sentinel-2多光谱影像作为数据源,结合野外调查AGB数据,构建落叶松和樟子松AGB线性和非线性估测模型,通过比较模型精度选择最优模型进行森林AGB反演和空间分布制图。结果表明:GF-6和Sentinel-2影像红边波段反射率与落叶松、樟子松AGB均呈显著相关(P<0.05),红边波段对AGB估测较敏感。多变量估测模型整体估测效果优于单变量模型,所有模型中多元线性回归模型取得了最优的决定系数(落叶松R2=0.66,樟子松R2=0.65)和最低的均方根误差(落叶松RMSE=31.45 t/hm^(2),樟子松RMSE=54.77 t/hm^(2))。相比单个数据源,联合GF-6和Sentinel-2影像构建的多元线性回归模型估测效果得到了显著提升,模型RMSE对于落叶松和樟子松AGB估测分别最大降低了22.9%和11.2%。增加红边波段进行AGB估测能显著提高模型估测精度,三组数据源分别加入红边波段信息后进行建模,模型RMSE得到了显著降低。GF-6拥有800 km观测幅宽和高效的重访周期,可以快速地提供大尺度时间序列数据,在森林地上生物量反演和动态监测方面有着很大潜力。

摘要：林业信息化是现代林业建设的重要组成部分,是促进林业科学发展的重要手段,林业制图是林业信息化过程不可缺少的环节。以某铁路建设项目使用林地现状图为例,运用ArcGIS 10.2软件,基于数据驱动工具和工厂化制图插件,对使用林地现状图批量出图工作进行研究。结果表明该方法相对于普通方法出图,具有出图速度快、耗时短、图幅标准统一等优势,能有效提高工作效率,同时也能运用到其他林业专题图制图。

摘要：森林是陆地生态系统中结构最复杂、功能最多样的生态系统之一,由于人类活动的干扰和自然灾害的影响,森林生态环境往往遭受到不同程度的损害。如何量化森林生态环境损害价值是评估工作中的重点与难点。本文以某建设项目违法使用林地造成森林生态环境损害案例,对森林生态环境损害价值评估进行研究。通过探讨评估指标、计算方法,结果表明该项目造成的森林生态环境损害价值为411156.97元,为该案件涉及的公益诉讼与生态损害赔偿磋商提供基础依据。