论文题目: 基于RS和GIS东北天然林区域森林生物量及碳贮量估测研究
论文类型: 博士论文
论文专业: 森林工程
作者: 邢艳秋
导师: 王立海
关键词: 天然林,森林生物量模型,技术,技术,碳贮量,神经网络,空间分析,估测
文献来源: 东北林业大学
发表年度: 2005
论文摘要: 近些年来,森林锐减、土地退化、环境污染、生物多样性丧失,特别是人类活动产生的CO2浓度急剧上升和由此导致的温室效应等是目前人类面临的最严峻的全球环境变化问题,所以全球碳循环研究受到人类的普遍关注。为了正确评估森林在全球碳平衡中的作用,了解森林生态系统在碳循环中的作用,对森林的碳动态进行更为细致的研究正日益成为人们关注的重点。森林生物量估算是进行陆地生态系统碳循环和碳动态分析的基础,业已成为生态学和全球变化研究的重要内容之一。3S（RS、GIS和GPS）技术的出现和发展,为在大尺度上进行生物量研究提供了可能。 本研究适应这一需要,以吉林省汪清林区为实验基地,利用3S集成技术及时进行理论和方法研究,以期达到能够实时有效地对森林生物量做出精确估测,为我国今后开展此类项目提供实践经验。本研究主要研究内容为: （1） 基于森林调查的相容性森林生物量模型设计思想,采用联立方程组为不同森林群落构造了一系列引入林分蓄积因子的相容性生物量模型,并且得到了相当高的预估精度。其中针叶林、阔叶林和针阔混交林群落的森林生物量模型预估精度均在95%以上,基本上解决了森林生物量模型的相容性问题,是该领域一个较大的进展。利用该模型得到汪清林业局针叶林、阔叶林和针阔混交林的森林生物量密度分别为97.78、121.96和110.44 t·hm-2,其中乔木层生物量占三种森林群落森林生物量的比例分别为95.01%、93.89%和94.2%。无论是对乔木层、下层灌草还是整个森林群落,生物量密度都以阔叶林为最大,针阔混交林次之,针叶林为最小。下层灌草生物量占森林生物量的比例以阔叶林为最大,针阔混交林次之,针叶林为最小。 （2） 结合GIS技术,应用B-P神经网络建立了森林生物量非线性遥感模型系统。该系统除了采用遥感图像提供的各波段的灰度值、植被指数等信息作为模型自变量外,还引入了立地类型、海拔、坡度和坡向等定量与定性因子。通过压缩输入数据和增强网络训练学习算法等措施,对标准B-P神经网络进行了增强。结果证明增强型B-P神经网络具有收敛速度快和自学习自适应功能强的特点,能最大限度地利用已知数据遥感图像样本集的先验知识,自动提取合理的模型。因此最终采用增强型B-P神经网络构造了森林生物量模型系统。在研究中发现,基于几何精校正后的数据较几何精校正前的更为适合用于建立森林生物量模型。以75m为缓冲区提取的数据较15m和45m的更为适合用于建立森林生物量模型。对针叶林、阔叶林和针阔混交林的森林生物量模型系统,增强型算法仿真结果的平均相对误差分别为-1.47%、2.38%和3.56%,平均相对误差绝对值分别为6.33%、8.46%和8.91%,取得了理想的预估效果,并输出了森林生物量/碳贮量分布图。综合土地覆盖图的分类精度（90.47%）,增强型B-P神经网络森林生物量模型的最终预测精度为88.04%,满足生产精度要求。 （3） 以森林生物量分布图为基本图层进行了空间分析。研究区阔叶林生物量/碳贮量占总量的61%,在该地区占主导地位,为主要森林碳库。其次为针阔混交林和针叶林,森林生物量/碳贮量分别占总量22%和17%。1995～1999年间,我国遥感估计森林面积为142.60 Mhm2,平均碳贮量和碳库分别为25.77 t·hm-2和3.68 Gt C。本研究区的遥感估计
论文目录:
摘要
Abstract
1 绪论
1.1 森林生物量/碳贮量估测研究的意义
1.2 国内外森林生物量/碳贮量估测研究现状与展望
1.2.1 3S集成技术在林业定量估测领域的应用
1.2.2 森林生物量研究概述
2 研究目标、内容与技术路线
2.1 研究区概况
2.2 研究目标与研究内容
2.3 科学假设
2.4 科学问题
2.5 技术路线
2.6 研究资料
3 基于森林调查的相容性森林生物量模型研究
3.1 森林生物量实验计算
3.1.1 样地调查及样品处理
3.1.2 样地单株林木生物量计算
3.1.3 样地灌木生物量计算
3.1.4 样地草类生物量计算
3.1.5 样地森林生物量计算
3.2 相容性森林生物量模型设计思想
3.3 基于森林调查的相容性森林生物量模型研究
3.3.1 相容性森林生物量模型研究方法
3.3.2 模型参数估计方法
3.3.3 自变量选用原则
3.3.4 逐步回归法对生物量模型进行联合回归
3.3.5 模型评价
3.4 模型结果及分析
3.4.1 针叶林生物量构成
3.4.2 阔叶林生物量构成
3.4.3 针阔混交林生物量构成
3.4.4 不同森林群落的生物量密度对比
3.5 本章小结
4 GIS技术支持下的森林生物量非线性遥感模型研究
4.1 土地覆盖分类
4.1.1 数字图像预处理
4.1.2 土地覆盖分类
4.1.3 土地覆盖分类精度校验
4.2 GIS技术支持下的森林生物量非线性遥感模型设计思想
4.3 森林生物量非线性模型的研究方法
4.3.1 自变量设置
4.3.2 自变量提取
4.4 森林生物量与各遥感因子的相关性分析
4.5 增强型B-P神经网络森林生物量模型系统
4.5.1 增强型B-P神经网络
4.5.2 基于Matlab构建B-P神经网络系统
4.5.3 增强型B-P神经网络森林生物量模型系统的建立
4.6 森林生物量空间分布
4.7 本章小结
5 森林生物量/碳贮量分布GIS空间分析
5.1 等级专题图
5.2 森林群落的分布特征分析
5.2.1 森林群落的空间垂直分布规律
5.2.2 森林群落随坡度变化的分布规律
5.3 森林生物量/碳贮量空间分布特征分析
5.3.1 森林生物量/碳贮量空间统计分析
5.3.2 森林生物量/碳贮量的空间垂直分布规律
5.3.3 森林生物量/碳贮量随坡度的分布变化规律
5.4 森林经营区划
5.4.1 森林经营区划标准
5.4.2 森林经营区划空间分析
5.5 森林经营区划效益分析
5.5.1 生态效益
5.5.2 社会效益
5.5.3 经济效益
5.5.4 本章小结
结论与建议
参考文献
附录
攻读学位期间发表的学术论文
致谢
发布时间: 2005-10-21
参考文献
- [1].中国森林生物量与生产力的研究[D]. 肖兴威.东北林业大学2005
- [2].森林生物量建模与精度分析[D]. 王仲锋.北京林业大学2006
- [3].森林生物量遥感反演建模基础与方法研究[D]. 仝慧杰.北京林业大学2007
- [4].森林生物量及碳储量遥感监测方法研究[D]. 韩爱惠.北京林业大学2009
- [5].区域森林生物量遥感估测与应用研究[D]. 吴超凡.浙江大学2016
- [6].喀斯特城市森林生物量及其碳吸存功能研究[D]. 王新凯.中南林业科技大学2011
- [7].张广才岭及完达山森林生物量遥感估测及变化驱动力分析[D]. 张海玉.东北林业大学2011
- [8].香格里拉县森林生物量遥感估测研究[D]. 岳彩荣.北京林业大学2012
- [9].东北林区森林生物量遥感估算及分析[D]. 李明泽.东北林业大学2010
- [10].华北主要森林类型的碳汇功能研究[D]. 陈遐林.北京林业大学2003