基于立木胸径生长率模型的乔木林碳汇潜力评估

树木生长产生巨大碳汇,对于缓解碳排放带来的全球变暖等环境问题具有重要意义。为准确评估森林碳汇,基于第6至第9次国家森林资源连续清查数据建立北京市13个主要树种(组)4种形式的立木胸径年生长率模型,预测树木胸径变化的未来趋势,从而为生物量转换因子连续函数法计算碳储量提供计算依据,最终获得2050年北京市乔木林碳储量和碳密度。结果表明:8个树种(组)胸径的年生长率模型R2都大于0.900,椴树的R^(2)最高为0.960;除柳树、水胡黄(水曲柳、胡桃楸、黄菠萝)外的11个树种(组)RMSE都小于0.5 cm;除杨树、其他硬阔类和榆树之外,Bias都小于1.0 cm。胸径预测精度验证中整体R^(2)较高,刺槐最高(0.951),其他硬阔类最低(0.766)。预测2050年北京市乔木林碳储量为42.71 Tg C,碳密度为43.35 Mg C·hm^(-2)。基于胸径年生长率模型的树木生长模拟方法可以有效的提高未来北京市乔木林碳汇潜力评估的整体精度,能够为制定温室气体减排政策、实现2060碳中和目标提供基础。

基于STIRPAT模型的北京能源压力区域空间变化分析

综合考虑地理空间因素,以STIRPAT模型作为基础,采用能源消费总量作为环境压力的指标,以人口密度、GDP和第二产业增加值比重分别代表人口、富裕度和技术项,估计人口、富裕度、技术指标的弹性系数。将能源消费的空间差异性纳入模型,采用地理加权回归模型,从市区的尺度估计北京市16个区各驱动力因素弹性变化的差异性,得到北京市区域内部能源消费变化在空间上的变化规律。结果显示,各驱动力因素在不同区的变化并不均衡,每种驱动力因素的变化也具有一定的空间规律。由此,可针对不同区经济发展和城市化进程的差异制定个性化的调控措施。

福建龙栖山国家级自然保护区森林立地分类研究

通过对研究区天然林立地类型分类制图,能够了解南方地区天然森林立地条件以及立地因子与植被的关系,为南方人工林森林恢复、科学种植等林业生产工作提供理论基础。以Landsat8遥感数据、外业调查数据、二类调查等数据为基础,通过对研究区森林立地因子提取分析,运用数理化方法确定主导因子,划分立地类型并结合景观生态学理论对比了解南方地区天然森林立地条件以及立地因子与植被的关系。龙栖山国家级自然保护区属于东部季风森林立地区域-中亚热带森林立地带-武夷山戴云山森林立地区-闽中低山森林立地亚区,可划分为6个森林立地类型组,14个森林立地类型,研究区内低山带山坡黄红壤土面积最大,占保护区总面积的12.75%。低山带山洼红壤土面积最小,仅占总面积的2.36%。结合植被分布情况可以看出,在海拔800m以上的中山比较适合森林发育。保护区可在相应的适宜地方进行人工林的种植,大力培育材林,尤其是杉木林。

九棵树法提取林分调查因子原理与应用

提出一种九棵树多边形样地调查方法来建立林分调查因子模型,利用固定翼无人机拍摄北京松山影像数据,处理并区划后,根据九棵树法多边形样地算法估测各林分调查因子,再通过随机抽取18块样地作为检测数据,人工野外根据传统每木检尺方法计算平均胸径、平均高、林分密度以及林分蓄积量模型,然后通过经纬度、坡度、坡向、海拔等信息在影像中定位并利用九棵树法测得各林分因子调查数据,将测得数据与传统方法进行精度验证。经过精度分析,各林分调查因子相对误差介于8.80%~12.57%,相关系数介于0.624~0.927,满足森林资源二类调查需求,该方法可以替代传统每木检尺方法获取森林调查因子,将无人机融入九棵树多边形样地算法,弥补了利用传统方法耗材耗力浪费资源而用遥感影像测量精度有限制的局限性,适用于小尺度精准林业作业,既保证精度有可以极大程度减少野外人工作业量,为指定森林经营方案提供了新的方向。

基于主成分分析法的老秃顶子自然保护区森林蓄积量遥感估测

以老秃顶子自然保护区为研究区,采用研究区landsat8 OLI遥感影像、DEM数据、实地调查数据作为数据源,提取11个光谱因子、8个纹理因子、3个地形因子,采用主成分分析法对所有因子进行降维处理,以累积方差贡献率大于80%作为指标,选取4个主成分,并以主成分得分为自变量、以每公顷蓄积量为因变量,建立线性回归估测模型,并检验精度。结果表明:回归方程调整后的R^2=0.810,拟合度好。对模型进行精度检验,结果为:蓄积量估测的平均相对误差为12.12%,总相对误差为6.02%,平均预估误差为7.82%,模型预估精度达到92.18%,能够满足林业调查中对于蓄积量遥感估测的要求。

利用Voronoi图评价油松人工林空间结构

为量化分析北京市八达岭油松Pinus tabulaeformis人工林森林空间布局特征,优化其生态系统结构,利用Delaunay三角网、 Voronoi图的地埋信息系统(GIS)方法确立各中心木的邻近木株数,并以此为基础划分森林空间结构单元,计算各单元的聚集指数、混交度、大小比数和开敞度,实现森林空间结构信息化调查和研究。结果表明:由Voronoi图创建空间结构单元的方法,是一种区别于传统固定邻近木株数为4的合理的方法;研究区中邻近木株数范围为3~11株,在9种边长个数不同的空间结构单元中,最常见的邻近木株数为6;经统计分析可得,研究区的空间结构参数均不符合正态分布;聚集指数为1,表明整体为一般聚集状态;全林分平均开敞度为0.52,林木生存空间充足;树种的平均大小比数为0.53,整体呈中庸态势,竞争程度一般,但林分间处于优势的油松个体占比较大,竞争能力较强。由于研究区所在林分并非人工纯林,树种混交度水平参差不齐,油松的平均混交度最弱为0.25,其余树种混交程度较强。总体上树种间隔离度较差,全林稳定性较弱。

区位因素对绿地降低热岛效应的影响

城市热岛效应作为一种有害的环境问题,普遍存在于大中型城市中,主要是由城市化发展造成。城市发展既要考虑经济建设,又要注意保护生态环境,因此,应合理规划城市绿地的建设,使其能够平衡经济发展和生态环境的关系,有效的缓解热岛效应。在较大城市中,城市绿地的分布并非完全均质化,而是随着区位的不同而变化。了解绿地区位因素对生态环境的影响,可以优化绿地资源的配置,解决城市化建设与生态保护的矛盾。以北京市海淀区为研究区,以100 m×100 m的格网为评价单元,从绿地需求的角度选取多种评价指标,构建绿地需求度综合指数,并根据结果将研究区划分为高绿地需求区、中绿地需求区和低绿地需求区3个生态区位。对不同生态区位绿地对周边环境降温的效果进行研究,得到了不同生态区位的最佳绿地斑块面积范围分别为高绿地需求区1.4~22 hm^2、中绿地需求区1.6~24 hm^2、低绿地需求区0.24~17 hm^2,其结果可以为绿地的区域优化建设提供一定的参考。

面向GF-1数据不同融合方法对扰动地块的提取

以GF-1影像为数据源,采用HPF变换(High-Pass fusion,高通滤波变换)、Ehlers变换(空间滤波变换)、Brovey变换(彩色标准变换)、GS变换(Gram-Schmidt,正交化变换)、PC变换(Principle Components,主成分变换)等5种常用融合算法,根据视觉分析和数理统计分析对融合后的影像进行质量评价,并通过面向对象分类方法对扰动图斑信息进行提取,研究适用于生产建设项目集中区扰动地表信息提取的融合算法。结果表明:基于PC和GS算法的融合结果影像视觉效果好,细节清晰,色调自然,纹理增强明显,较好的融合了多光谱影像的光谱信息和全色影像的空间信息。通过定量分析可知,PC变换最大程度地保持原多光谱影像的光谱特性,GS融合算法在增益效果上具有优势,融合影像信息量最大,纹理最为细致。总体而言,PC变换和GS变换影像融合算法在生产建设项目扰动图斑信息提取上具有很大的优势,在煤炭覆盖区提取正确率均为100%,在裸露地表和在建建筑用地混合区大于80%,较原始多光谱影像分类精度提高了约10%。该研究为推进国产高分遥感数据在生产建设项目水土保持监管中的高效应用奠定数据基础,对提升生产建设项目水土保持监管效率和信息化水平具有非常重要的意义。

基于全站仪和快鸟影像协同的山地样地定位与匹配研究

山区高低起伏的地形容易影响样地三维坐标的采集精度,从而限制了高分遥感在山区林业上的广泛应用。以鹫峰林场为研究区,提出了采用全站仪和手持GPS结合遥感图像协同对样地进行定位的方法,并提出了坐标修正方案:即首先运用手持GPS结合全站仪采集样地及单木的绝对大地坐标;然后利用大比例尺地形图采用基于控制点、RPC的两种正射校正方法对覆盖研究区的QuickBird影像进行正射校正,RMSE多光谱控制在1个像元之内,全色图像控制在10个像元之内;并以样地为例分析了样地及单木的匹配精度。研究结果表明:本方案能快速准确地建立样地中单木与高分影像的联系,其中基于控制点的图像正射校正法的匹配精度最高,相对提高幅度为92.6%,而基于RPC的提高幅度70.05%,即E_(ControlPoint)>ERPC。研究结果表明,对应用于地形复杂的山区的高空间分辨率的遥感影像正射校正是不可缺少的步骤,而本文提出的方案能实际应用于山区的高分遥感样地定位,具有推广利用的价值,并为山区的高分遥感进一步的应用打下基础。

油松毛虫灾害遥感监测及其影响因子分析

辽宁西部大面积的油松(Pinus tabulaeformis)人工林长期受到油松毛虫(Dendrolimus tabulaeformis)的危害,通过遥感技术,可以及时、高效、精准地对此大面积灾害进行监测,并获知地形、气象因子对其的影响。本文利用遥感和地理信息系统(GIS)技术,使用TM、ETM+数据,通过近红外与红光波段反射率的比值RVI,对油松的受灾程度进行了有效监测。前人的研究发现:油松毛虫易在干燥、温暖的环境爆发,本文将监测分类结果与地形、气象数据叠加后,分析发现结果亦与油松毛虫的生物学特性相吻合,由此逆向证明了监测结果的可靠性。通过对影像灰度直方图的分析,发现近红外波段对轻度的虫害敏感;红光波段对重度的虫害敏感。对影响因子的分析发现:油松毛虫在阳坡,坡度缓的地区危害更剧烈;在日照时数长、降雨少、积温低的地区,油松的受灾程度更重。此结论为预测虫害爆发的概率提供了依据。本研究表明:在森林灾害的遥感工作中,利用监测对象的生物生态学特性,可以在实地调查数据不足,难以直接对监测结果进行评价的情况下,判断结果的可靠性。利用此方法,一定程度上可以减少调查的工作量,降低外业的难度。