李崇贵[1]2001年在《用非线性理论研究以“3S”为基础的森林蓄积定量估测》文中认为本文以现代空间科学及计算机科学为基础，根据少量地面样地对应的遥感(RS)和GIS信息，采用非线性理论建立以像元为单位的森林郁闭度及蓄积定量估测方程和神经网络模型，借助仿真方式预报估测区域非样地对应像元的蓄积，通过像元积分，实现森林总蓄积估测。主要研究内容、方法及结论如下： 主要研究内容： (1)以遥感和GIS信息为基础，确定森林蓄积定量估测变量的设置，筛选影响蓄积估测的主要变量： (2)传统最小二乘原理及线性模型用于森林蓄积定量估测存在的缺陷； (3)异常值及复共线性对蓄积估测造成的不利影响及克服方法： (4)遥感区域大小对空间配准及蓄积估测的影响，GPS卫星定位技术在蓄积估测中的应用； (5)地面样地对应的遥感信息及GIS因子的提取方法； (6)以“3S”为基础的森林蓄积定量估测所需最低地面调查工作量的确定； (7)GPS坐标与国家80、北京54及独立坐标间的转换模型及转换精度； (8)神经网络在蓄积定量估测中的应用； (9)落实到地段的森林蓄积定量估测； 主要研究方法： (1)用岭迹分析及平均残差平方和准则筛选影响蓄积估测的主要因子； (2)用岭估计及稳健估计测估测森林郁闭度及蓄积； (3)用改进的BP神经网络进行森林蓄积定量估测； (4)用径向基网络研究落实到地段的森林蓄积定量估测； 主要研究结论： (1)以少量地面样地对应的遥感和GIS信息为基础，建立以像元为单位的森林郁闭度及蓄积估测方程，可有效预报森林总蓄积及郁闭度。 (2)在影响蓄积估测的遥感和GIS信息中，遥感信息是基础，郁闭度、有林地、坡向、海拔等GIS因子也起非常重要的作用。遥感信息和GIS信息相结合，才能有效进行蓄积定量估测。 (3)采用岭迹分析及平均残差平方和准则有效解决了影响郁闭度及蓄积估测主要变量的筛选问题。能从较多可能影响郁闭度及蓄积估测的遥感和GIS因子中，选择主要影响因子，剔除没有影响或影响很小的因子，使所建估测方程的稳定性、可靠性及预报精度得到较大提高。 (4)通过实例验证了抽取传统方法30％～40％左右的样地，就能有效估测森林郁闭度及总蓄积。 (5)无论是采用岭迹分析还是平均残差平方和准则，所选变量间可能存在一定程度的 摘要夏广线性，当影响蓄积估测的主要变量问存在复共线关系时，直采用岭估汁代曾卜S估汁，建立森休郁闭度及蓄积估测方程。 （6）岭估汁是有偏估计，只有当影响郁闭度及蓄积估测的主要变量问存在比较严重的夏共线性时才宜采用，否则会使估测精度降低。使用岭估计时，岭参数的选择主要以岭迹法为主，以总预报偏差相对误差最小法作参考。稳健估计可改善异常值对蓄积估测的影响，提高蓄积估测精度。 （7）遥感回像几何精校正精度对森林郁闭度及蓄积估测精度影响较大，饺正精度愈高，郁闭度及蓄积估测精度就愈高。 （8）若采用 卜50000 比例尺地形图进行几何精校正，由于受地物点测绘误差、地形图上列点误差。图解误差、遥感图像上对点误差及不同图幅地形图误差积累的影l响，对整幅TM遥感图像进行几何精校正，从理论上分析很难达到一个像元以内的精度要求。为有效提取建立估测方程所用样地对应的遥感信息，遥感图像几何精校正精度应达到一个像元以内的要求，为此需对整幅TM图像进行分块校正。 （9）根据统计学原理，用于建立郁闭度及蓄积估测方程的样地数不能太少。但因在相对较小的区域内，森林群落的类型比较接近，综合考虑这2种因素及生产效率，通过实验研究，在实际生产中应将整幅TM遥感图像等分成4块，对每块单独进行校正，并进行森林资源定量估测。 （仰 Gamnn－12XL手持式GPS卫星定位接收机在林区定位速度快，精度高、稳定性好。利用手持式卫星定位接收机测定一定数量的校正点及地面调查样地中心的坐标．可保证建立估测方程所用样地对应遥感信息的有效提取，以提高估测精度。 （＊利用神经网络研究以遥感和GIS为基础的森林郁闭度定量估测，无需事先确定估测摸型。设计3层BP网络，利用少量样地对应的遥感和GIS信息作为网络输入，以相应样地对应的郁闭度作为期望输出，采用改进的BP算法对网络进行训练，根据训练结柬后的网络，借助仿真方式可有效估测森林郁闭度，精度满足生产要求。 （ID若采用BP网络，无论是估测郁闭度还是蓄积，都必须设计3层网络，且第1、二层神经元转换函数宜采用“ hos吟’。输出层神经元转换函数，郁闭度估测直采用“ IOgS。g”；蓄积估测直采用“purelln’。 （l）当根据少量地面调查样地对应的遥感和GIS信息训练网络时，无需采用任何数学方法筛选主要信息，神经网络能自动从冗余信息中提取有用信息。因此，采用神经网络可避免信息筛选造成的有用信启、损夫。训练神经网络的输入信息必须进行中心标准化。 （＊ 因林旺或小班范围相对较小，森林类型、分布等因素比较稳定，用神经网络建立蓄积估测预报网络模型?
丰德恩[2]2012年在《森林蓄积量遥感定量估测系统研发》文中研究指明因人类社会目前正面临着巨大的生态环境危机，如何强化森林资源经营管理，以便实现林业的可持续发展，已经成为越来越多国家的共识。森林蓄积量是林业资源调查的重要方面之一，传统的森林资源调查是一项周期长、任务重、劳动强度大，需大量经费的工作。如何利用3S技术，结合少量地面样地资料，建立监测区域森林蓄积量估测方程，估测森林蓄积量，最大限度的减少野外调查工作量，已成为目前国内外林业遥感科技工作者关注和研究的热点问题。本论文以森林蓄积量遥感定量估测理论研究成果为的基础，利用C#语言在ArcGISEngine9.3平台上开发一套“森林蓄积量遥感定量估测系统”。以便根据监测区域一、二类地面样地调查资料及遥感图像，选择影响蓄积量估测的主要遥感和GIS因子；用影响蓄积量的估测的主要因子刻画样地，对监测区样地进行分类；在分类的基础上，抽取能够代表监测区域森林资源分布状况的样地；根据所抽样地建立以样地大小为单位的蓄积量估测模型；将遥感图像分割为以样地大小为单位的图像，借助监测区域的DEM数据，林班、小班分布图，获取监测区域以样地大小为单位，影响蓄积量估测的主要遥感和GIS因子的值；求解监测区蓄积量总体分布图；估测监测区域的总蓄积量、林班和小班的蓄积量。最后，利用云南省思茅地区7500km2范围内的81个一类调查样地、监测区分辨率为2.5m的SPOT5遥感影像、分辨率为25m的DEM数据和林班分布图，对“森林蓄积量遥感定量估测系统”进行有效性验证。验证结果表明，监测区模型预报精度达到85.21%，能满足森林资源调查的精度要求。
张超[3]2016年在《叁峡库区森林碳储量估测研究》文中研究指明森林生物量估测是定量评价一个国家或地区森林生态系统碳收支的重要指标。自20世纪70年代初开始,我国已经完成了八次全国森林资源连续清查工作。在以往的森林资源连续清查中,多着眼于面积、蓄积量等指标的监测,而对森林生物量的监测研究比较欠缺。不断优化和完善的多期森林资源连续清查数据,结合立木生物量野外实测数据,为估算区域森林生物量提供了最好的数据源,是研究我国森林生物量现状和动态变化的一种有效手段。本研究以叁峡库区9种主要森林类型为研究对象,旨在探讨利用野外实测资料、森林资源连续清查资料、小班调查资料和遥感资料等有效定量评价区域森林生物量和碳储量的方法,分别从单木、样地到区域尺度进行系统研究。主要研究成果归纳如下：(1)根据野外立木生物量实测数据,采用幂函数生长方程构建了叁峡库区主要优势树种立木生物量独立拟合模型,采用加权回归方法来消除模型异方差影响,并采用非线性度量误差模型方法构建了6个主要优势树种相容性立木材积模型和地上生物量模型。结果发现,以DBH为自变量的一元相容性生物量模型,除桦木外(R2=0.801),其他树种均可以解释生物量变动的91%以上；当引入H和CW变量后,生物量模型的拟合优度指标值也相应改善,但是变化的幅度相当有限(与一元相容性生物量模型预测精度相比,二、叁元模型的预测精度只提高约0.8%-4.4%)。(2)利用干烧法测定叁峡库区6个主要优势树种各组分含碳率,并采用加权平均法得到各优势树种全株的含碳率,分别为：马尾松0.5490、杉木0.5223、柏木0.5142、栎类0.4914、桦木0.4779、杨树0.4471。阔叶类树种平均含碳率0.4721低于针叶类树种含碳率0.5285。(3)基于一类清查资料,利用换算因子连续函数法(VBEFM)和生物量加权回归模型(WBRM)两种方法估算了叁峡库区森林生物量。首先,根据已建立单木生物量模型计算一类资料中样木的单株生物量,将每个样地内所有样木的生物量相加得到样地生物量。接着,根据VBEFM原理,基于叁峡库区2178个连清固定样地,构建了9种主要森林类型林分蓄积-林分生物量的关系模型,模型拟合效果较好,R2取值0.911-0.978,可以直接应用到区域尺度森林生物量估算。根据WBRM原理,建立了9种主要森林类型的生物量转换因子(BEF)回归模型(材积与生物量的关系)。最后,将两种方法计算得到的BEF计算参数与叁期一类统计数据结合,估算出叁峡库区森林生物量分别为：76.111和74.418 Tg(1999-2003年),99.955和98.891Tg(2004-2008年),130.053和130.643 Tg(2009-2013年)。从1999年到2013年,叁峡库区森林生物量的年均增长率分别为3.90%(VBEFM)和3.95%(WBRM)。在此基础上,结合含碳率计算出各期森林碳储量,分别为：39.328和38.569 Tg(1999-2003年)、52.781和51.463 Tg(2004-2008年)和68.066和67.921 Tg(2009-2013年)。叁峡库区森林碳储量的年均增长率分别为4.00%(VBEFM)和4.12%(WBRM),而森林面积的年均增长率为1.75%。总的来看,森林面积、森林生物量和碳储量都呈现出一致的正增长趋势。研究结果表明基于森林资源连续清查资料和材积源生物量法来估算区域森林生物量是一种有效的手段,可以推广应用到我国森林资源调查等实际生产中。另外,基于VBEFM和WBRM两种方法计算的叁峡库区森林碳密度分别为：27.254和26.728 Mg/ha(1999-2003年)、32.661和31.846 Mg/ha(2004-2008年)和36.992和36.914 Mg/ha(2009-2013年)。总的来说,从1999年到2013年,叁峡库区森林碳密度呈现出非常明显的线性增长趋势。(4)基于小班调查资料估算的叁峡库区森林碳储量分别为72.098 Tg(VBEFM)和70.680 Tg (WBRM)。此外,还分析了库区森林生物量和碳储量空间分配特征,研究结果表明：库区森林生物量和碳储量主要分布于坡度15～34°之间(斜坡和陡坡),所占比例约为60%,两侧生物量和碳储量均呈现出下降趋势,在平坡(<5°)和险坡(≥45°)上的分布都比较少；而除无坡向外,库区森林生物量和碳储量在各个坡向上分布都比较均匀。(5)基于遥感资料和偏最小二乘回归模型估算了叁峡库区森林碳储量,得到叁期库区森林总的碳储量分别为：52.276 Tg(1999-2003)、57.738 Tg(2004-2008)和68.001 Tg(2009-2013)。从1999年到2013年,森林碳储量年均增长率为1.90%。
马瑞兰[4]2011年在《基于RS和GIS技术的火地塘林场森林蓄积量估测》文中进行了进一步梳理本文以遥感技术(Remote Sensing)和地理信息系统(Geographical Information System)为技术支撑,以火地塘林场2004年的10m分辨率SPOT5遥感影像为基本数据源,结合地面样方调查、地面定位数据分析以及其它资料,辅助于相关数学理论方法(平均残差、岭回归、多元回归等),探讨了SPOT5遥感数据预处理、GIS空间分析和蓄积量遥感估测的方法,试图为SPOT5遥感数据在森林资源监测中的应用提供科学依据和技术方法支持。主要研究成果如下:(1)针对火地塘林场的特点,提出了用于森林资源监测的SPOT5遥感数据的预处理方法。在实际应用中,宜采用如下技术流程:①图像校正:大气校正、几何校正;②图象增强:直方图均衡化、主成份变换、缨帽变换。(2)目前森林资源调查估测研究中,多采用低分辨率遥感影像,TM,ETM等。而高分辨率的遥感影像由于信息量大,共线性强,难以建立较为精确的模型。本文通过岭迹分析筛选出对蓄积量有较大影响且复相关低的遥感因子:SP3, SP(1-2)/(l+2)、SP(2-3)/(2+3)。通过相关性分析筛选出对蓄积量估测有重要影响的GIS因子:海拔、坡向、郁闭度、平均高、平均直径。(3)深入探讨了森林蓄积量遥感估测模型的建立方法,完成了基于林分类型的森林蓄积量估测。在分析数据的基础上,选择了相关遥感因子和GIS因子,并通过模型的检验与修正,建立了林分蓄积量快速估测的最优多元线性回归模型。模型1的估测方程为:分析该回归方程,可得除坡向与海拔对蓄积量是负相关外,其余因子对蓄积量呈正相关。其中,郁闭度的相关性最高,达到0.494。遥感因子中SP3的相关性最高,达到0.261。研究结果表明,所构建的估测模型线性关系显着、相关系数较高,满足林业生产的精度要求,可以用于栎类混交林蓄积量预报预测。
邢艳秋[5]2005年在《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》文中研究表明近些年来,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CO_2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叁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 Mhm~2,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
黄浩[6]2005年在《基于高分辨率卫星影像的城市植被信息提取与分析研究》文中认为城市植被是城市生态系统的重要组成部分，是自然和人文多种因素影响的结果。城市绿化水平被视为维系城市可持续发展的重要因素，为了实现可持续发展这一目标，应综合多个学科的理论，努力探索有限的城市空间应有的绿地总量的合理规模、植被类型的结构、布置形式以及绿化与城市功能、形态布局的耦合等问题。 近年来，随着遥感技术的发展，高分辨率卫星影像得到了广泛重视。开展高分辨率卫星遥感城市应用研究具有显着的先进性、可行性、优越性、实用性，是城市决策与管理信息化、现代化、科学化的有力支持，也是城市可持续发展的重要技术支撑。应用高分辨率卫星影像信息提取方法，掌握城市植被类型、分布及其结构，可以为城市绿地系统规划、优化植物群落结构、改善城市环境质量提供依据，对于未来城市的建设与发展具有十分重要的意义。 本文以南京市玄武区为例，应用高分辨率IKONOS影像，构建了基于KPCA(核主成分分析)的SAM(光谱角度制图)城市植被分类模型进行城市植被遥感分类，并初步建立了基于高分辨率卫星影像的城市绿量遥感估测模型，旨在提高城市植被分类的精度，探索城市“绿量”研究的新思路，为更准确地对城市植被进行评价与分析、估算城市植被的生态效益、进行城市绿地规划提供科学的依据，为南京市“生态园林城市”的创建提供参考。本文主要研究内容与研究成果如下： 1．高分辨率卫星影像阴影的提取与校正是一个难题，本文根据实际需要，采取不同的方法对建筑物阴影和山体阴影分别进行提取，并采用不同的校正方法进行校正。对城区建筑物阴影，本文采用基于影像融合的IKONOS影像阴影自动提取方法对阴影进行提取后，采用郎伯模型进行校正；对山体阴影，直接采用监督分类的方法对山体阴影进行提取后，采用灰度线性匹配的方法进行校正。实验表明，分开提取与校正的策略能取得较为理想的效果。 2．在探讨城市植被的遥感自动分类算法上，本文把基于KPCA的SAM分类方法用于高分辨率遥感影像城市植被分类中，探讨了KPCA变换中核函数、核函数参数的选取以及不同的训练样本数目对城市植被分类精度的影响，建立了基于KPCA的SAM城市植被分类模型，并进行了分类实验，分类总精度达到了80.6％，分类效果良好。考察一级土地利用类型，林地分类精度达到了95.2％，分类总精度达91.7％，分类结果理想。结果表明，该方法可以获得更准确的各类城市植被数据，为城市绿地生态评价分析与绿地系统建设提供更好的基础性数据。 3．利用遥感技术对城市绿地进行全面监测不仅包括平面上的城市植被覆盖信息的提取，还包括空间上的城市“绿量”的计算、监测与预报。本文在植被指数分析的基础上，引入空间纹理因子，采用逐步回归和神经网络两种方法，初步建立了基于高分辨率卫星影像的城市绿量遥感估测模型，这为城市绿量信息提取探索了新的思路，具有一定的借鉴意义。实验结果表明，以遥感信息作为植被绿量估算的基础，方法是有效的。从精度上来看，神经网络模型的估测精度比逐步回归模型高，效果更好。4.在遥感和GIS支持下，运用景观生态学原理，结合多种绿地评价指标对玄武区植 被进行生态评价和景观分析，为分析玄武区绿化现状、探讨玄武区生态园林城区建 设提出合理化建议。关键词:高分辨率遥感;城市植被;阴影校正;核主成分分析;SAM分类;绿量遥感估测模型;生态景观分析
刘天龙[7]2015年在《济南市森林蓄积量遥感监测研究》文中认为森林蓄积量是森林资源的重要属性，是森林生物量及碳汇的重要标志，是森林资源监测的重要内容。基于遥感技术对森林资源，尤其是森林蓄积量进行监测，充分发挥其宏观、快速、省时、省力等优点，具有十分重要的意义和巨大的潜力。本研究旨在为及时、准确地掌握森林资源现状与动态变化趋势，实现森林资源的动态监测，尤其是为森林蓄积量的监测提供科学手段。研究中以2011年4月8日和2011年10月17日两个时相的四景TM遥感影像、1:50000地形图以及森林资源一类、二类调查等资料为基础数据；以济南市行政区域为范围；以ERDASIMAGINE、ENVI遥感软件、ARCGIS地理信息系统软件、SPSS统计分析软件为工具；以遥感技术为基础，进行TM影像预处理、遥感变量提取、林地类型提取、植被指数提取、森林蓄积量遥感监测；以地理信息系统技术为辅助，进行矢量数据采集、处理，采用GIS空间分析方法提取坡度、坡向等地形因子；以全球定位导航技术为补充，进行野外定点地面调查；以数理统计学为理论，采用了回归分析方法，对影响森林蓄积量遥感监测的各类因子进行分析，采用复共线诊断、主成分分析方法进行模型变量筛选，采用最小二乘逐步回归方法进行模型建立，采用分类误差矩阵进行精度评价。本研究森林蓄积量的平均监测精度为81.50%，达到了《森林资源规划设计调查主要技术规定》中B等级标准，可以作为县级行政单位森林资源二类调查全区域蓄积量统计数据使用，但是变异系数较大，监测结果不能落实到小班。本论文共分五部分，各部分的主要内容可以概述如下。第一部分，阐述了研究目的与意义，介绍了国内外研究现状，说明了研究内容与方法。第二部分，对研究区——济南市的自然、经济和林业生产情况进行简要概括。第叁部分，搜集论文所需数据并进行预处理。第四部分，根据所收集的数据，建立济南市森林蓄积量监测模型，进行了森林蓄积量监测以及精度评价。第五部分，对本研究结果进行讨论，并对未来发展作了展望。
董宇[8]2012年在《基于遥感信息估测将乐县森林生物量的研究》文中进行了进一步梳理本研究以将乐县乔木植被为主要研究对象,采用生物量换算因子连续函数法计算标准地实测生物,对2001年和2010年两期ETM+遥感数据分析,计算植被指数,结合DEM高程模型提取的地形因子,以标准地实测生物量为因变量,植被指数、地形因子为自变量,采用逐步回归法拟合森林生物量遥感模型,并对模型精度进行评价以及地面数据对模型精度的检验评价。通过精度检验,选取本文的森林植被生物量模型为：B=393.53NDVI+1.347SAVI-3.194tm4。利用该模型可以算出,将乐县2010年的森林平均生物量为155.844t/hm2,而2001年的平均值为136.99t/hm2。该模型反演得到了2001年和2010年森林生物量分布图,从时间和空间上对该地区森林生物量的分布情况进行分析,反映集体林权制度改革对森林碳储量、森林生产力的影响,通过对生物量的监测,评价了该地区林权改革达到的成果。基于遥感图像对将乐县森林生物量的研究得到以下经验：遥感图像的处理质量是本研究的关键；森林生物量主要和NDVI、SAVI这两种植被指数以及ETM+影像的tm4波段线性关系良好；总体看来,该研究区森林面积成增加的趋势,森林生物量随着时间的推移而增加,且主要集中在坡度较缓的中海拔地区；通过分析该研究区的生物量发现,随着林权制度改革的深入,产权到户对该地区的生态环境、社会发展起到积极的作用。
赵俊卉[9]2010年在《长白山云冷杉混交林生长模型的研究》文中指出森林是人类巨大的自然资源,具有多种功能。然而我国森林质量低下,迫切需要其提高生产力。天然林作为森林资源的主体,研究其生长规律,通过异龄林生长模型对其生长动态进行预测,并据此制定合理的经营方案,是当今林业研究的重大课题。本文在充分总结分析森林生长模型建模方法的基础上,以长白山云冷杉混交林为对象,利用大量皆伐样地样木数据和固定样地长期复测数据,建立了异龄林的生长动态模型预测体系,得到的主要结论有：(1)以年龄为自变量的胸径、树高和材积生长方程都以Gompertz方程精度最高,根据森林数量成熟龄推算,红松、冷杉、云杉、椴树、色木和枫桦的胸径分别达到36.2cm、44.4cm、42.2cm、59.4cm、25.8cm、48.9cm即可采伐；普通树高曲线的R2在0.74左右,而标准树高曲线的R2在0.86-0.91之间,表明增加了树木和林分因子的标准树高曲线,其精度有大幅提高。普通的一元材积方程精度最差；二元材积方程的精度最高；推导的一元材积方程精度居中。在胸径和树高都测量时,可使用本文建立的二元材积方程分别叁个树种计算材积；在只测量了胸径时,则使用推导的一元材积方程分别树种计算材积。(2)本研究综合考虑竞争因子(胸径、大于对象木的断面积、相对胸径、林分每公顷断面积、林分每公顷株数、林分密度因子)、林分属性因子(阔叶树断面积比重、树种本身的断面积比重、采伐强度)和立地因子(海拔、坡度、坡向、腐殖质厚度、土壤厚度)建立长白山云冷杉混交林中叁个优势树种冷杉、云杉和红松的直径生长模型,结果表明,直径生长模型中应引入林分属性因子。其中采伐强度,不仅作为调节密度的指标,也通过影响周围环境影响林分的直径生长。此外,本文使用二分类的logistic回归,建立了冷杉、云杉和红松的枯损模型,结果表明,使用logistic回归可以有效地反映树木的枯损情况,所建模型均较合理。(3)Weibull分布用来拟合天然异龄林的典型反J型直径结构效果最好,负指数相对于p和weibull分布效果较差。叁种分布中,负指数的参数随时间变化有明显规律。本研究使用回归方法模拟负指数的参数变化,得到了直径结构的预测模型,该模型可以用来预测10年内的直径结构和断面积结构。此外,通过研究q值的变化规律发现,在未干扰林分中,q值随时间呈递减；在有采伐的样地中,采伐后q值增加,随后又开始下降。(4)基于固定样地复测数据,使用多分类logistic回归模型建立不分树种,以及分别冷杉、云杉、红松和其他树种组的矩阵模型,结果表明所有模型均具有较好的预测性和解释性。此外,本文以局4样地为例对未来50年的生长动态进行预测,结果表明,采伐周期为10年,采伐强度为10%为最优的采伐方案。本研究的主要创新点有如下叁个方面：(1)本研究以长白山云冷杉混交林为例,基于大量样木和固定样地复测数据,首次系统地建立了异龄林的生长动态模型预测体系。(2)本研究首次在国内的异龄林直径生长模型中引入采伐强度这一变量。(3)本研究首次在国内使用多分类logistic回归求解矩阵模型中的转移概率。进一步的研究可在以年龄为自变量的胸径、树高和材积生长模型,以及各种材积方程中,增加竞争因子等变量,以提高模型精度；可对合理的树种组划分深入研究,并尝试使用树高和直径的关系或者过去的生长量作为立地因子；建立与距离有关的生长模型；在用矩阵模型预测时,可以综合森林的多种目标,建立林分经营的多目标规划模型；使用新的方法如误差度量模型、混合效应模型等。
何常清[10]2009年在《岷江上游两种典型森林群落生态水文特征研究》文中进行了进一步梳理本研究选择岷江上游山地两种典型森林植被类型——岷江冷杉( Abies faxoniana)林和川滇高山栎(Quercus aquifolioides)林为研究对象,采用野外定位和半定位观测及室内模拟试验相结合的方法,研究了两种森林类型的林冠层、枯落物层和土壤层等叁个主要层次的生态水文特征。研究结果表明,岷江冷杉林的林冠截留率为49.4%,大于川滇高山栎林林冠截留率(16.5%)。两种林分的穿透雨量和林外降雨量之间均呈显着线性关系(p<0.01)。川滇高山栎林林冠截留率(%)随降雨量(mm)的增加呈双曲线递减。应用修正的Gash模型可用于估测该地区川滇高山栎林的林冠截留量。川滇高山栎林枯落物未分解层、半分解层和已分解层现存量分别为4.00 t/hm2、6.77 t/hm2和14.43 t/hm2;岷江冷杉林分别为1.14 t/hm2、7.40 t/hm2、11.99 t/hm2。枯落物持水量(mm)与浸水时间(h)之间呈较好的对数函数关系。川滇高山栎林和岷江冷杉林土壤层有效贮水能力总和分别为69.95mm和90.40mm。两种类型森林土壤大孔隙均在60-80cm土层中数量最多,土壤入渗特征均表现出较一致的规律性。采用Kostiakov公式和Horton公式这两种经验方程可以模拟两种森林类型土壤的水分入渗过程。川滇高山栎树干液流速率与空气饱和水汽压亏缺、太阳辐射强度、空气温度均呈极显着正相关(p<0.01),与空气相对湿度呈极显着负相关(p<0.01),对太阳辐射强度的时滞长度为40-60min。建立了不同地径的川滇高山栎树干液流速率、日蒸腾量与环境因子的回归关系模型,并以林分叶面积量作为空间纯量估算林分样地日蒸腾量变化在0.84-5.54mm(2007.7.23-7.31)。
参考文献：
[1]. 用非线性理论研究以“3S”为基础的森林蓄积定量估测[D]. 李崇贵. 中国林业科学研究院. 2001
[2]. 森林蓄积量遥感定量估测系统研发[D]. 丰德恩. 西安科技大学. 2012
[3]. 叁峡库区森林碳储量估测研究[D]. 张超. 北京林业大学. 2016
[4]. 基于RS和GIS技术的火地塘林场森林蓄积量估测[D]. 马瑞兰. 西北农林科技大学. 2011
[5]. 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[D]. 邢艳秋. 东北林业大学. 2005
[6]. 基于高分辨率卫星影像的城市植被信息提取与分析研究[D]. 黄浩. 河海大学. 2005
[7]. 济南市森林蓄积量遥感监测研究[D]. 刘天龙. 山东师范大学. 2015
[8]. 基于遥感信息估测将乐县森林生物量的研究[D]. 董宇. 北京林业大学. 2012
[9]. 长白山云冷杉混交林生长模型的研究[D]. 赵俊卉. 北京林业大学. 2010
[10]. 岷江上游两种典型森林群落生态水文特征研究[D]. 何常清. 南京林业大学. 2009