基于林内图像的单位面积碳储量估计方法

【目的】针对森林碳储量估算工作量大、成本高等问题,提出一种基于林内图像简洁高效且满足精度要求的单位面积森林碳储量估计方法。【方法】林分纵断面图像隐式包含林分密度和高度2类复合信息,与林地上对应的林木碳储量直接相关。以此为突破口,首先,分析林木图像分类算法,提出在全局阈值基础上结合邻域像素属性来决定焦点像素归属,以消弱因林内光线不均对图像灰度造成的影响;然后,提出一个与林木碳储量关系紧密的参数并给出其图像计算方法;最后,以该参数为自变量,建立预估模型,实现对碳储量的估计。【结果】在以焦点像素为中心的3×3的邻域内,如果有大于6个相似像素出现,则将焦点像素归为该类,这种利用与邻域像素关系以决定当前像素归属的方法具有膨胀和腐蚀双重特性,即当焦点像素处于树体内部时容易将该点归为树体,当焦点像素处于树体外部时容易将该点归为背景,相比单纯全局阈值方法更能提高林分图像分类的准确性。碳储量预估模型方面,2参数的直线方程估计精度与3参数的逻辑斯蒂模型接近;如果在普通模型基础上增加代表海拔的虚拟变量,则能使碳储量估计精度得到较大程度提高。以兴安落叶松为例,验证基于林内纵断面图像能够实现对单位面积碳储量的较高精度估计这一假设。【结论】在林木图像提取过程中,继承对称交叉熵法泛用性强、效率高的优点,同时针对该算法容易将树体内部部分像素分割成背景、树体外部部分像素归并于树体内部的缺点,采用兼顾像素邻近关系的方法对其进行改进,取得良好结果,且该算法对林内光线不均表现出迟钝特性。在基于林内图像的碳储量预估模型方面,逻辑斯蒂模型表现出良好适应性,由于考虑海拔因素能降低估计误差,因此在实际应用中有必要分海拔段进行预估。

森林碳减排量估计不确定性对REDD+收益的影响研究

文章采用仿真方法研究了森林碳减排量估计不确定性对REDD＋收益的影响问题，讨论了不同情景下REDD＋政策与不确定性对REDD＋收益的影响。通过对2005～2010年巴西、中国、印度、印尼和墨西哥五个发展中大国碳减排量不确定性和平均机会成本的仿真研究发现，一国过去的毁林率或造林率会对REDD＋潜在收益产生重要的影响，高毁林率或高造林率的国家从REDD＋中获益更多，而低毁林率或低造林率的国家所获收益较少。而随着REDD＋努力系数的增加，能够使一国从REDD＋中获益的平均机会成本也随之增加，从而该国成功实施REDD＋的可能性也在不断增加。因而需要采用多种方法对现有REDD＋体系进行改进才能保证其得到有效实施。