川西亚高山针叶林生物量遥感估算模型研究

doi:10.13466/j.cnki.lyzygl.2008.03.014

林业资源管理 ›› 2008, Vol. 0 ›› Issue (3): 100-104.doi: 10.13466/j.cnki.lyzygl.2008.03.014

川西亚高山针叶林生物量遥感估算模型研究

李娜, 黄从德

四川农业大学林学园艺学院,四川雅安 625014

收稿日期:2007-12-12 修回日期:2008-03-24 出版日期:2008-06-28 发布日期:2020-11-30
通讯作者: 黄从德,男,副教授,主要研究方向为森林资源调查。Email:lyyxq100@yahoo.com.cn
作者简介:李娜(1982-),女,硕士研究生,主要研究方向为遥感技术应用。Email:roydora@126.com
基金资助:
国家“十一五”科技支撑项目(2006BAC01A11)“长江中上游西南山区退化生态系统综合整治技术与模式”

Application of Remote Sensing Model in Biomass Estimation of the Subalpine Coniferous Forest

LI Na, HUANG Congde

College of Forestry and Horticulture,Sichuan Agricultural University, Yaan 625014,Sichuan,China

Received:2007-12-12 Revised:2008-03-24 Online:2008-06-28 Published:2020-11-30

摘要/Abstract

摘要： 利用野外实测68个样地的森林生物量数据、TM影像的单波段数据、植被指数数据以及地形数据在内的18个自变量建立了川西亚高山针叶林生物量的回归估算模型。研究表明:在建立的一元线性回归、一元非线性回归和多元线性回归生物量模型中,以多元线性回归模型在森林生物量估算中有较好的精度。

关键词: 生物量, 遥感, 相关分析, 回归模型

Abstract: Based on the data on forest biomass collected from 68sampling plots and single-band TM data, 18 variables were selected to build the estimation regression model to predict the biomass of the sub-alpine coniferous forest in western Sichuan province. In the establishment of the monadic linear regression, the non-linear regression and the multivariate linear regression model of forest biomass,the results showed that multiple linear regression model was more accurate.

Key words: biomass, remote sensing, correlation analysis, regression model

中图分类号:

S771.8

李娜, 黄从德. 川西亚高山针叶林生物量遥感估算模型研究[J]. 林业资源管理, 2008, 0(3): 100-104.

LI Na, HUANG Congde. Application of Remote Sensing Model in Biomass Estimation of the Subalpine Coniferous Forest[J]. FOREST RESOURCES WANAGEMENT, 2008, 0(3): 100-104.

参考文献

[1]宋开山,张柏,于磊,等.玉米地上鲜生物量的高光谱遥感估算模型研究[J].农业系统科学与综合研究,2005,21(1):65-67.
[2]Hame T,Salli A,Andersson K,et al.A new methodology for the estimation of biomass of conifer dominated boreal forest using NOAA AVHRR data[J].Photogrammetric Engineering＆ Remote Sensing,1997,18(15):3211-3243.
[3]Boyd D S,Foody G M,Curran P J.The relationship between the biomass of Cameroonian tropical forests and radiation reflected in middle infrared wavelengths[J].International Journal of Remote Sensing,1999,20(5):1017-1023.
[4]Fraser Gemmell,Jari Varjo.Utility of reflectance model inversion versus tow spectral indices for estimating biophysical characteristics in a boreal forest test site[J].Remote Sensing of Environment,1999,68(1):95-111.
[5]郑元润,周广胜.基于NDVI的中国天然森林植被净第一性生产力模型[J].植物生态学报,2000(1):38-42.
[6]郭志华,彭少麟,王伯荪.利用TM数据提取粤西地区的森林生物量[J].生态学报,2002,22(9):1832-1839.
[7]四川森林编委会.四川森林[M].北京:科学出版社,1985.
[8]王开运.川西亚高山森林群落生态系统过程[M].四川科学技术出版社,2004.
[9]赖长鸿,胡庭兴,赵安玖.川西亚高山道孚林区森林景观格局地形分异研究[J].四川林业科技,2006,27(2):63-67.
[10]于贵瑞.全球变化与陆地生态系统碳循环和碳蓄积[M].北京:气象出版社,2003:331-335.
[11]周海芳,易会战,杨学军.基于多项式变换的遥感图像几何校正并行算法的研究与实现[J].计算机工程与科学,2006,28(3):58-60.
[12]杜自强,王建,沈宇丹.山丹县草地地上生物量遥感估算模型[J].遥感技术与应用,2006,21(4):339-342.
[13]张超,王人潮,赵春江,等.山区高分辨率遥感影像地形辐射校正方法研究[J].浙江大学学报,2006,32(6):693-698.
[14]郭凯,孙培新,刘卫国.利用ERDAS IMAGINE从遥感影像中提取植被指数[J].西部探矿工程,2005(6):210-212.
[15]田庆久,阂祥军.植被指数研究发展[J].地球科学发展,1998,13(4):327-333.
[16]张晓阳,李劲峰.利用垂直植被指数推算作物叶面积系数的理论模式[J].遥感技术与应用,1995,10(3):13-18.
[17]郑光,田庆久,陈镜明.结合树龄信息的遥感森林生态系统生物量制图[J].遥感学报,2006,10(6):933-940.
[18]耿志军,翟正江,刘志博.多元回归分析法在露天矿成本预测中的应用[J].露天采矿技术,2004(1):36-39.
[19]李素英,李晓兵,莺歌.基于植被指数的典型草原区生物量模型——以内蒙古锡林浩特市为例[J].植物生态学报,2007,31(1):23-31.
[20]Tatsuhara S, Kurashige H.Estimating foliage biomass in a natural deciduous broad-leaved forest area in a mountainous district[J].Forest Ecology and Management,2001,152:141-148.
[21]杨存建,刘纪远,张增祥.热带森林植被生物量遥感估算探讨[J].地理与地理信息科学,2004,20(6):22-25.
[22]杨存建,刘纪远,黄河.热带森林植被生物量与遥感地学数据之间的相关分析[J].地理研究,2005,24(3):473-479.
[23]李明诗,谭莹,潘洁.结合光谱、纹理及地形特征的森林生物量建模研究[J].遥感信息,2006(6):6-9.

川西亚高山针叶林生物量遥感估算模型研究

Application of Remote Sensing Model in Biomass Estimation of the Subalpine Coniferous Forest

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	卢献健, 黄俞惠, 晏红波, 韦晚秋, 黎振宝. 基于自动阈值决策树分类的桉树提取研究[J]. 林业资源管理, 2020, 0(4): 117-126.
[2]	郭娇宇, 周梅, 舒洋, 赵鹏武, 乌艺恒, 田金龙, 杨磊, 管立娟, 肖雷. 内蒙古大兴安岭兴安落叶松人工林生物量碳计量参数研究[J]. 林业资源管理, 2020, 0(4): 80-86.
[3]	马鸿伟, 刘海, 姚顺彬, 周蔚. 基于林业遥感的树种分类应用分析与展望[J]. 林业资源管理, 2020, 0(3): 118-121.
[4]	江仕嵘, 童亚文, 刘耀华, 张青峰, 洪波. 秦岭国家植物园生态环境质量评价[J]. 林业资源管理, 2020, 0(3): 85-88.
[5]	亓兴兰, 曹祖宁, 刘健, 陈芳, 庄苇. 基于卫星遥感影像的森林病虫害监测研究进展[J]. 林业资源管理, 2020, 0(2): 181-186.
[6]	焦银合, 于泉洲, 刘恩峰, 梁春玲, 田晓飞, 张保华. 基于遥感的南四湖菹草群落时空演变特征及其原因分析[J]. 林业资源管理, 2020, 0(1): 70-78.
[7]	唐志明, 刘炳响, 屈宇. 河北太行山区典型水土保持林乔木层生物量及碳储量研究[J]. 林业资源管理, 2020, 0(1): 102-107.
[8]	金忠明, 曹姗姗, 王蕾, 孙伟. 天山云杉林无人机可见光影像树冠信息提取方法研究[J]. 林业资源管理, 2020, 0(1): 125-135.
[9]	罗洪斌, 舒清态, 庞勇, 王强, 王冬玲. 运用机载LiDAR数据对橡胶林地上生物量估测的采样尺度效应分析[J]. 林业资源管理, 2020, 0(1): 136-142.
[10]	郭子豪, 孙晶琦, 巩合德. 滇中地区主要灌丛生物量空间分布格局特征[J]. 林业资源管理, 2019, 0(6): 55-61.
[11]	林丽丽, 郝振帮, 戴姗霖, 杨柳青, 刘健, 余坤勇. 南方集体林区典型毛竹经营区林分质量遥感量化研究[J]. 林业资源管理, 2019, 0(6): 84-90.
[12]	袁昊, 陈宏伟, 齐麟, 房磊, 乔泽宇, 赵福强. 基于landsat影像大兴安岭地区林火烈度时空格局分析[J]. 林业资源管理, 2019, 0(6): 91-96.
[13]	徐晓峰, 张皓琳, 孙志超. 天地一体化森林防火监测体系建设[J]. 林业资源管理, 2019, 0(5): 121-129.
[14]	蔡林菲, 吴达胜, 方陆明, 郑辛煜. 基于XGBoost的高分二号影像树种识别[J]. 林业资源管理, 2019, 0(5): 44-51.
[15]	卢献健, 黄俞惠, 晏红波, 周吕, 吴宸龙, 周斌, 罗乐. 基于GEE平台广西桉树快速提取研究[J]. 林业资源管理, 2019, 0(5): 52-60.