摘要：精确估算森林蓄积量是国家实现2060年前碳中和目标的迫切需求,而基于遥感的森林蓄积量定量反演是当前遥感应用领域面临的重要挑战和研究热点。光学遥感数据由于无法获取森林高度信息并存在信号饱和问题,反演森林蓄积量的精度较低,而机载Lidar数据能获取高度信息,但成本高、观测范围有限。本研究利用Sentinel-2多光谱、资源三号立体成像和机载Lidar数据,定量评价多源遥感数据在北亚热带估测森林蓄积量的能力,并探索小样本情况下贝叶斯模型在森林蓄积量估算中的优势,旨在解决单一数据集估测森林蓄积量精度低和样本数量不足的问题。研究结果表明,协同Sentinel-2和林分冠层高度模型(CHM)数据的贝叶斯分层建模能够显著提高森林蓄积量估测精度,其相对均方根误差(rRMSE)为27.6%,其估测误差比Sentinel-2数据减少了13.6 m^(3)/ha,比单独CHM数据减少了7.4 m^(3)/ha。多源数据可以有效改善低值高估和高值低估问题,相比单一数据集,多源数据在低值区估测误差减少了约1/4,在高值区减少了约1/3。分层贝叶斯模型有效缓解了因精细分层对样本数量的需求,减少了森林类型和地形差异对森林蓄积量估测精度的影响。为亚热带森林类型和地形复杂的地区,开展森林蓄积量估测制图提供关键技术手段。

摘要：以北京市密云县一类清查的样地蓄积量为研究对象,结合与蓄积量相关的辅助因子,采用普通克里格法、协同克里格法对森林蓄积量进行空间插值估测,并与文献[25]同一研究区的基于偏最小二乘法回归法估测结果进行比较分析。结果表明,普通克里格法、基于辅助信息的协同克里格法、偏最小二乘回归法的蓄积量估测值与实测值间的相关系数分别为0.389、0.845、0.766;基于辅助信息的协同克里格法要优于普通克里格法和偏最小二乘回归法,能够明显提高预测精度;与普通克里格法相比,所产生的均方根误差减小了71%,预测值和实测值的相关系数提高了54%。最后生成了密云县森林蓄积量空间分布图。研究表明应用地统计学方法进行蓄积量估测具有很好的应用前景,可以为森林蓄积量的估测提供一种可行的方法。

摘要：【目的】基于机载激光雷达点云数据提取的森林高度参数和郁闭度,结合分层地面样地调查数据,采用随机森林算法构建森林蓄积量估测模型,分析机载激光雷达点云数据在森林蓄积量反演方面的潜力,为森林蓄积量高效准确估测提供方法依据。【方法】以直径30 m的地面样圆离散点云数据为数据源,经数据校准等预处理后,利用LiDAR360软件提取森林高度参数(最大高、平均高等)和郁闭度,并将数据随机分成训练数据(70%)和验证数据(30%)。采用随机森林算法构建森林蓄积量估测模型,对仅用高度参数建模以及联合高度参数和郁闭度建模结果进行比较;同时运用R软件VSURF工具包筛选建模变量,对筛选后变量的建模结果进行分析。【结果】仅用高度参数建模的估测精度为R^(2)=0.75、RMSE=40.07 m^(3)·hm^(-2)、MAE=29.21 m^(3)·hm^(-2)、MRE=49.40%,联合高度参数和郁闭度建模的估测精度为R^(2)=0.79、RMSE=36.23 m^(3)·hm^(-2)、MAE=26.16 m^(3)·hm^(-2)、MRE=38.35%。通过变量筛选,建模参数从24个减少至7个,可极大提高运算效率,同时R2未变化,RMSE从36.23 m^(3)·hm^(-2)升至36.50 m^(3)·hm^(-2),rRMSE从31.92%升至32.97%,MAE从26.16 m^(3)·hm^(-2)降至26.08 m^(3)·hm^(-2),MRE从38.35%降至38.05%。【结论】机载激光雷达点云数据可以提取森林的垂直结构信息(高度参数)和水平结构信息(郁闭度),具备三维结构参数提取能力。采用随机森林算法,增加林分郁闭度信息可显著提高森林蓄积量估测精度。通过变量筛选,虽然能够降低参数数量,但对模型精度具有一定影响,在建模精度要求较高的情况下,建议使用全变量进行蓄积量估测;而在数据量较大的情况下,建议使用筛选变量进行蓄积量估测。基于机载激光雷达点云数据估测森林蓄积量显著优于光学遥感数据,可为森林蓄积量高效准确估测提供方法依据,能够满足大范围森林蓄积量快速反演需求。

摘要：【目的】建立变量相同、结构稳定、具有普适性的基于机载激光雷达数据的森林蓄积量预估模型,为规范森林蓄积量建模与评价提供科学参考,为森林资源调查提供计量依据。【方法】利用东北林区落叶松林、红松林、杨树林和桦树林4种森林类型790块样地的激光雷达数据和地面实测蓄积量数据,首先采用多元线性回归和非线性回归方法,分别建立基于机载激光雷达数据的森林蓄积量回归模型,通过对比分析,确定具有相同变量和统一结构形成的普适性模型;然后采用哑变量建模方法,建立基于相同激光雷达变量的不同森林类型蓄积量模型。【结果】4种森林类型线性蓄积量回归模型的解释变量个数在2~6之间,确定系数(R^(2))在0.701~0.827之间;非线性蓄积量回归模型的解释变量个数在2~4之间,R^(2)在0.707~0.818之间。基于点云平均高度和平均强度的落叶松林、红松林、杨树林、桦树林非线性二元蓄积量模型,其R^(2)分别为0.679、0.814、0.698和0.703,平均预估误差分别为4.26%、2.90%、3.68%和3.83%,平均百分标准误差分别为24.44%、18.23%、21.47%和23.26%。【结论】基于机载激光雷达数据估计森林蓄积量,非线性模型优于线性模型;基于点云平均高度和平均强度的二元蓄积量模型具有普适性,可作为森林蓄积量估计的标准模型;本研究建立的4种森林类型蓄积量模型,其预估精度均达到森林资源调查相关技术规定要求,可在实践中推广应用。

摘要：为进一步提高遥感模型预测森林蓄积量的精度和稳定性,分析了遥感特征因子、地形特征因子、郁闭度与森林蓄积量之间的相关关系。在此基础上,利用偏最小二乘回归方法构建了森林蓄积量遥感预测模型,生成了三峡库区森林蓄积量空间等级分布图,并与地面实测值进行比较。结果表明:该模型的最佳主成分数为3,且郁闭度、海拔、坡度、TM1、TM2、TM3、TM4、TM5、TM7、NDVI、RVI、TM7/TM3、TM4×TM3/TM2、亮度和湿度为预测森林蓄积量的入选变量;森林蓄积量预测的调整决定系数为0.524,相对误差为7.33%,均方根误差为1.763m3;利用该模型计算出三峡库区森林总蓄积量约为1.12亿m3,总体预测精度达到89.58%。研究结果为提高森林蓄积量遥感预测的精度提供了一种有效手段,有利于大面积应用和推广。

摘要：针对常规角规测树较为粗放的现状,该文提出了电子角规测定森林蓄积量及生长量的基本原理与方法.电子角规是电子经纬仪与PDA的有机结合,电子经纬仪测角精确,配合相应的PDA应用程序,可以准确地实现角规的量测胸高断面积功能.电子角规可以实时准确地量测树木材积,从而可以计算各树形高值以计算林分蓄积量;此外,电子角规还可以准确地测量各棵树相对于样点的坡度以进行坡度改正.为了测量蓄积生长量,该文作者在样点设置固定标桩进行两期观测.为了合理地解释森林蓄积生长,该文采用潜在计数值法,它可以合理地计算出进界木在前期的潜在量,林分实际生长量等于保留木、潜在木和进界木生长量之和.

摘要：【目的】探究Landsat8 OLI数据和KNN算法在森林蓄积量估测中的潜力。【方法】以湖南省湘潭县为研究区,采用Landsat8 OLI数据和同时期的二类调查数据,通过距离相关系数筛选特征,分别采用线性回归模型(MLR)、K-近邻模型(KNN)、距离加权KNN模型(DW-KNN)和优化欧式KNN模型(FW-KNN)对森林蓄积量进行估测。使用十折交叉方法进行精度检验,对检验结果进行对比分析。【结果】3种KNN模型的估测结果均高于传统的线性模型,并且在3种KNN模型中,FW-KNN算法效果最好,决定系数达到0.69,为3种模型中最高;3种KNN模型中,本研究优化欧氏距离KNN模型的估测精度最高,其均方根误差为30.3%,相比于传统KNN模型的均方根误差降低了5.1%,相比于DW-KNN模型降低了3.3%。【结论】采用DW-KNN蓄积量估测结果明显优于其他两种模型,说明通过特征与蓄积量的相关性优化样本间的距离是一种可行的KNN优化方法。

摘要：【目的】森林蓄积量是衡量森林质量和生长状况的重要指标。利用遥感技术进行森林蓄积量反演相比传统的森林调查能显著提高森林资源调查效率,对快速获取区域范围森林生长状况,进行高效的资源利用和森林经营管理具有重要意义。【方法】以陕西韩城市为研究区,利用森林资源二类调查数据库提取森林蓄积量实测数据,结合Sentinel-2遥感影像进行森林蓄积量反演。通过线性逐步回归法和重要性评价法分别进行变量筛选,构建多元线性回归模型、支持向量机模型、随机森林模型和基于欧式距离、曼哈顿距离和马氏距离构建的kNN模型进行森林蓄积量估测,通过精度评价比较最终选择估测精度最高的模型进行研究区森林蓄积量反演。【结果】1)马氏距离是最适合构建kNN模型的距离度量。基于马氏距离构建的kNN模型在所有模型中实现了最高的估测精度,决定系数R2为0.66,均方根误差RMSE为10.02 m^(3)/hm^(2),均方根误差相比随机森林模型、支持向量机模型和多元线性回归分别下降了3.9%、7.8%和29.9%;2)非参数模型在森林蓄积量估测中的精度显著优于参数模型。基于马氏距离构建的kNN模型、随机森林模型、支持向量机模型均方根误差相比多元线性回归分别降低了29.9%、27.0%和23.9%;3)研究区西北部森林生长情况较好,蓄积量值较大,东部和南部地区主要是水域和建筑用地,森林分布较少,森林蓄积量值较低。【结论】利用kNN模型结合Sentinel-2遥感影像能实现森林蓄积量反演和制图,为森林资源遥感估测研究提供参考。

摘要：为了快速有效获取三峡库区森林蓄积量及其时空动态变化特征，基于第六次（2003年）和第七次（2008年）森林资源一类清查样地数据和TM／ETM＋遥感影像，利用偏最小二乘回归方法构建了森林蓄积量估测模型，估算了三峡库区森林蓄积量，定量分析了蓄积量的时空变化特征。利用预留独立样本对模型进行精度验证，两期模型的总体预测精度分别达到91．84％和94．61％：2003年和2008年三峡库区森林总蓄积量分别为94446687、104314340m^3。从2003年至2008年呈现缓慢增长的趋势；两期森林蓄积量在海拔400-1600m、坡度5°-44°之间分布最多，在坡向上的分布较为均匀。

摘要：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.