基于植被指数的海南岛霸王岭热带森林地上生物量空间分布模拟

热带森林在全球碳循环方面扮演着重要的角色, 预测其生物量分布可以加深对碳循环过程的理解。然而目前基于植被指数模拟技术进行热带森林生物量分布的研究报道较少。该文以海南岛霸王岭林区热带森林为研究对象, 在基于遥感影像和135个公里网格样地调查的基础上, 分别选取归一化差异植被指数(NDVI)、短红外湿度植被指数(MVI5)、中红外湿度植被指数(MVI7)和比值植被指数(RVI)与总物种生物量、顶极种生物量和先锋种生物量做相关分析, 并利用逐步线性回归分析分别构建了基于植被指数的生物量回归模型; 利用残差图对模型的有效性进行检验。结果表明, MVI7和MVI5与总物种和顶极种生物量关系显著, 而NDVI和RVI对先锋种生物量具有较好的指示作用; 总物种、顶极种和先锋种生物量预测精度较高的区域分别占总面积的69.24%、73.98%和88.08%, 表明3个生物量模型均具有较好的拟合精度; 模拟结果表明总物种和顶极种生物量主要集中于研究区中部、北部和西南部区域, 而先锋种生物量无明显的分布规律, 是不均衡地散布于整个研究区域, 反映了群落组成结构、干扰历史、地形及气候因素等的影响。     

基于物候相机归一化植被指数估算高寒草地植物地上生物量的季节动态

准确评估地上生物量对优化草地资源管理和理解草地碳、水和能量平衡具有重要意义。该文通过近地遥感归一化植被指数(NDVI)构建最优经验模型, 对青藏高原高寒草地地上生物量进行估算。该文利用2018-2019年5-9月野外实测的地上生物量和植物冠层光谱仪(RapidSCAN)测定的NDVI_RS数据, 构建了生长季不同时期地上生物量的估算模型; 并结合2018年NetCam物候相机测定的NDVI_Cam时间序列数据, 实现地上生物量季节动态的模拟。主要结果: (1) NDVI_Cam、NDVI_RS与地上生物量具有相似的单峰型季节变化格局, 但NDVI峰值出现的时间(7月)较地上生物量(8月)更早; (2)基于NDVI的生物量估算最优经验模型在5、7和9月是幂函数, 在6和8月是二次多项式, 估算精度为0.29-0.77; (3)基于NDVI_Cam时间序列数据, 生长季不同时期建模(R² = 0.91)较单一时期(9月)建模(R² = 0.49)对地上生物量季节动态的估算更为准确。这些结果表明, 近地遥感是估算高寒草地植物地上生物量的有效手段, 开展季节性植物生长调查将有助于准确评估草地资源。     

中国北方草原植被对气象因子的时滞响应

利用1982~1997年的气温、降水和1983~1997年生长季的NOAA/AVHRR的归一化植被指数(Normalized differential vegetation index, NDVI)遥感数据,分析了中国北方温带草原植被生长对气象因子的时滞响应。根据4个时间尺度(1~4个月)和4个时滞期(前0~3个月)将降水数据进行16种组合方式,计算了植被的NDVI与同期及前期(前1~6个月)降水之间的相关系数。同时,计算了植被的NDVI与同期和前一个月气温之间的相关系数。结果表明:1)中国北方温带草原植被的NDVI与同期降水和气温的显著相关。2)植被的NDVI对前一个月降水的时滞响应最强烈,植被的NDVI与当月降水和前两个月降水的累积量相关性最强。3)在生长季的起始阶段,去冬、今春的降水总量对草甸草原植被的生长有重要的作用。在生长季的中期和后期,当月和前一、二个月的降水对典型草原和荒漠草原的植被有显著影响。4)在草甸草原、典型草原区,生长季早期的气温均对植被生长的影响较为显著。在荒漠草原区,气温不仅在生长季初期与植被的NDVI呈现正相关,而且在生长季的中后期,气温与植被的NDVI呈现负相关性。     

不同地形条件下植被盖度信息提取技术研究

为系统地研究特定区域的植被盖度信息提取技术, 在不同的地形条件下, 比较了目前流行的多种高光谱遥感植被盖度提取方法。结果表明: 最优高光谱归一化植被指数(NDVI₁)的建模和验证精度均高于其他两种归一化植被指数(NDVI), 直接采用NDVI建立的回归模型对研究区植被盖度的估测能力低于像元二分模型; 阴坡的最佳模型为基于一阶微分的偏最小二乘回归模型(PLSR模型), 其建模决定系数(R²)为0.810, 均方根误差(RMSE)为6.29, 验证R²为0.773, RMSE为8.85; 阳坡的最佳模型为基于二阶微分的PLSR模型, 其建模R²为0.823, RMSE为6.04, 验证R²为0.801, RMSE为7.35; 平原的最佳模型为全受限的线性光谱混合分解模型(FCLS), 其验证R²为0.852, RMSE为5.86。     

青藏高原草地植被覆盖变化及其与气候因子的关系

为揭示气候变化对青藏高原草地生态系统的影响及其生态适应机制,利用1982~1999年间的NOAA/AVHRR NDVI数据和对应的气候资料,研究了近20年来青藏高原草地植被覆盖变化及其与气候因子的关系。结果表明,18年来研究区生长季NDVI显著增加(p=0.015),其增加率和增加量分别为0.41% a^-1和0.001 0 a^-1。生长季提前和生长季生长加速是青藏高原草地植被生长季NDVI增加的主要原因。春季为NDVI增加率和增加量最大的季节,其增加率和增加量分别为0.92% a^-1和0.001 4 a^-1;夏季NDVI的增加对生长季NDVI增加的贡献相对较小,其增加率和增加量分别为0.37% a^-1和0.001 0 a^-1。3种草地(高寒草甸、高寒草原、温性草原)春季NDVI均显著增加(p<0.01;p=0.001; p=0.002); 高寒草甸夏季NDVI显著增加(p=0.027),而高寒草原和温性草原夏季NDVI呈增加趋势,但都不显著(p=0.106; p=0.087);3种草地秋季NDVI则没有明显的变化趋势(p=0.585; p=0.461; p=0.143)。3种草地春季NDVI的增加是由春季温度上升所致。高寒草地(高寒草甸和高寒草原)夏季NDVI的增加是夏季温度和春季降水共同作用的结果。温性草原夏季NDVI变化与气候因子并没有表现出显著的相关关系。高寒草地植被生长对气候变化的响应存在滞后效应。     

基于遥感信息的作物模型重新初始化/参数化方法研究初探

作物模型与遥感信息的结合有助于利用遥感监测的大范围植被信息解决作物模型区域应用时模型初始状态和参数值难以确定的问题。该文借助叶面积指数(LAI)将经过华北冬小麦(Triticum aestivium)适应性调整的WOFOST模型与经参数调整检验的SAIL-PROSPECT模型相嵌套,利用嵌套模型模拟作物冠层的土壤调整植被指数(SAVI),在代表点上借助FSEOPT优化程序使模拟SAVI_s与MODIS遥感数据合成SAVI_m的差异达到最小,从而对WOFOST模型重新初始化。结果表明,借助于遥感信息,出苗期的重新初始化使模拟成熟期与按实际出苗期模拟的结果相差在2天以内,模拟的LAI和总干重的误差比按实际出苗期模拟结果的误差降低3~8个百分点;返青期生物量的重新初始化使模拟LAI和地上总干重在关键发育时刻的误差降至16%以内,模拟LAI和贮存器官重在整个生育期内都更加接近实测值;对返青期生物量的动态调整显示返青到抽穗期间较少次数的遥感数据即能有效地提高作物模型的模拟效果。与国外同类研究相比,该文在作物模型本地化、重新初始化变量和优化比较对象的选择上都有所不同,而利用遥感数据动态调整作物模型初始状态或参数值更具有新意。该文对区域尺度上利用遥感信息优化作物模型的研究具有基础性、探讨性意义。     

Analysis of vegetation index changes and driving forces in inland arid areas based on random forest model: a case study of the middle part of northern slope of the north Tianshan Mountains

全球变化背景下的干旱区植被变化受气候变化和人类活动双重影响。定量评价植被变化特征及其驱动机制, 对监测干旱区区域生态环境变化, 促进区域可持续发展有重要意义。由于复杂多样的人类活动难以量化, 有关这方面的研究多局限于植被对气候变化的响应, 而对人类活动影响考虑不足, 导致关于这方面的认识存在较大的偏差和不确定性。该文首先提出与土地利用相关的人类活动量化表征方法; 然后运用多元线性回归模型和随机森林模型中的较优模型, 分析气候变化和具体的人类活动对北天山北坡中段归一化植被指数(NDVI)的影响。主要结果: (1) 2000-2015年期间北天山北坡中段年NDVI总体呈增加趋势; 基于随机森林构建的NDVI与气候因子和人类活动的模型拟合精度明显优于多元线性回归模型, 其决定系数(R²)至少提高了24%; (2)研究期内与耕地有关的人类活动对北天山北坡中段NDVI分布及时空变化的影响呈增加的特征, 在2000-2015年期间人类活动对NDVI变化的贡献率为0.59, 超过了气候因子。该项研究为气候变化和人类活动对植被的影响研究提供了新思路, 也为干旱区生态环境保护和恢复提供了科学依据。     

中国东部南北样带主要植被类型归一化植被指数对气候变化的响应及不同时间尺度的差异性

植被的动态变化及其与环境的关系已成为全球变化研究的热点问题。陆地样带是进行全球变化驱动因素梯度分析的有效途径。该研究依托中国东部南北样带(NSTEC), 对南北样带不同时间尺度的气候因子和植被活动变化特征进行了分析, 并重点阐述了具有代表性的12种植被类型对气候因子的响应方式。研究结果表明: 南北样带植被的归一化植被指数(NDVI)的变化同时受控于气温和降水, 但是在不同的空间和时间尺度上植被NDVI的响应方式各异。在年时间尺度上, 只有温带落叶灌丛(TDS)的NDVI受气温控制; 而温带禾草草原(TGS)和亚热带和热带针叶林(STCF)的NDVI同时受气温和降水调控。其他植被类型的年NDVI与年平均气温和年总降水量没有直接显著的联系, 而受年内气温变化和降水分配状况的影响更大。在月时间尺度上, NDVI与气温的关系在不同类型植被之间存在很大差异。一般而言, 植被NDVI与前4个月内的气温关系最为密切, 并且从1月份到4月份气温的滞后时长在缩短。其中, 温带针叶林(TCF)、温带落叶阔叶林(TDBF)、TDS、STCF和亚热带热带草丛(STG)等植被类型, 5-8月的NDVI与气温普遍呈负相关关系。草原和灌丛植被类型当月NDVI与当月降水量主要以正相关为主, 而森林类型当月NDVI与当月降水量主要以负相关为主。     

基于MODIS数据的草地生物量估算模型比较

准确估算草地生物量对合理规划区域畜牧业、评估草地植被的生态效益有重要意义.目前,在常用的遥感估算模型中,采用的植被指数和模型函数形式多样.本文根据野外生物量调查结果和MODIS数据,分别采用归一化植被指数(NDVI)、增强植被指数(EVI)和修正的土壤调节植被指数(MSAVI)建立了内蒙古科尔沁左翼后旗草地地上生物量和地上地下总生物量估测的3种(线性、乘幂和指数)模型,并进行了比较.结果表明:3种模型能够对草地生物量进行较好的模拟,其中指数模型效果最佳;3个植被指数(NDVI,EVI和MSAVI)与草地生物量均有较高的相关性,可用于该草地产量估测,其中MSAVI对地上生物量拟合效果最好(R2=0.900);NDVI和EVI的线性模型对总生物量的模拟明显好于对地上生物量的模拟.     

基于遥感的草原退化人为因素影响趋势分析

干旱、半干旱地区草原退化是我国重要的生态和经济问题,其通常是自然与人为因素综合影响的结果。而区分这两者的影响,无疑对草原退化的恢复重建工作具有重要的意义。该文在基于前人的工作基础上,发展了一种分时段的回归分析和残差分析相结合的方法来评价人为因素在草地退化区域中的影响趋势。具体而言,以内蒙古自治区锡林郭勒草原为例,利用1983~1999年8 km空间分辨率的逐旬NOAA/AVHRR NDVI数据及同期气象数据为基础数据源,对每个像元建立1983~1988年的气候因子(考虑温度、降水,及其时滞效应)与NDVI的回归关系模型,并逐年分析1989~1999年回归关系模型的预测NDVI值与实际NDVI的残差及变化趋势,从而判断以1983~1988年为基准各像元受人为因素影响的趋势。结果表明,除东乌珠穆沁旗以外,锡林郭勒草原的各旗(市)20世纪90年代都出现了较为严重的人类活动影响加剧的草原退化,但退化的严重程度不一,呈现出东部和中部较轻、西部较重的空间格局,整个研究区域已达到中等退化程度。该结果与锡林郭勒草原退化的现状基本相吻合。     

基于遥感图像不同辐射校正水平的植被覆盖度估算模型

选用南京市SPOT 5 HRG图像的地物反射率(PAC)、表观反射率(TOA)和灰度值（DN）影像,提取了4种植被指数（VI）,即归一化植被指数（NDVI）、转换植被指数（TVI）、土壤调节植被指数（SAVI）和修正的土壤调节植被指数（MSAVI）,与地面实测的植被覆盖度进行了回归分析,并建立了36个VI-VFC关系模型.结果表明：在所有模型中,基于PAC级影像提取的NDVI和TVI的3次多项式模型最优;其次为基于DN级影像提取的SAVI和MSAVI的3次多项式模型,在VFC>0.8时其精度略高于前两种模型.这4个模型在植被中等密集区域（VFC＝0.4～0.8）的精度高于植被稀疏区域（VFC=0～0.4）.所建模型可通过中间模型的联结,进行推广使用.在基于VI-VFC关系建模过程中,基于遥感影像不同辐射校正水平提取植被指数,有利于充分挖掘遥感影像信息,进而提高VFC估算的精度.     

Comparison of Vegetation Indices and Red-edge Parameters for Estimating Grassland Cover from Canopy Reflectance Data

There has been a great deal of Interests in the estimation of grassland biophysical parameters such as percentage of vegetation cover （PVC）, aboveground biomass, and leaf-area index with remote sensing data at the canopy scale. In this paper, the percentage of vegetation cover was estimated from vegetation indices using Moderate Resolution Imaging Spectroradiometer （MODIS） data and red-edge parameters through the first derivative spectrum from in situ hypserspectral reflectance data. Hyperspectral reflectance measurements were made on grasslands in Inner Mongolia, China, using an Analytical Spectral Devices spectroradiometer. Vegetation indices such as the difference, simple ratio, normalized difference, renormalized difference, soil-adjusted and modified soil-adjusted vegetation indices （DVI, RVI, NDVI, RDVI, SAVI L=0.5 end MSAVI2） were calculated from the hyperspectral reflectance of various vegetation covers. The percentage of vegetation cover was estimated using an unsupervised spectral-contextual classifier automatically. Relationships between percentage of vegetation cover and various vegetation indices and red-edge parameters were compared using a linear and second-order polynomial regression. Our analysis indicated that MSAVI2 and RVI yielded more accurate estimations for a wide range of vegetation cover than other vegetation indices and red-edge parameters for the linear and second-order polynomial regression, respectively.     

利用水稻冠层光谱特征诊断土壤氮素营养状况

系统测定了不同秸秆还田和氮肥处理下水稻(Oryza sativa)关键生育期的冠层反射光谱及土壤速效氮含量,并对两者之间的关系进行了详尽的分析。结果表明: 土壤速效氮含量在整个水稻生育期内均与可见光波段反射率呈负相关,与近红外波段反射率呈正相关。归一化及比值植被指数与土壤速效氮含量有更好的相关性,分蘖期要优于其它生育时期,以870、1 220 nm波段与560和710 nm波段的组合最佳,但两者的关系易受土壤等背景的干扰。而转换型土壤调节植被指数TSAVI能较好地消除分蘖期土壤背景的影响,两生态点可用统一的方程来拟合,用该研究中所筛选出的最佳波段组合计算出的TSAVI的表现更好,尤其是870 nm波段和710 nm波段的组合,决定系数(R²)由0.46提高到0.60。抽穗期和灌浆期由1 220和760 nm计算的比值指数R(1 220, 760)和新土壤调节植被指数SAVI(1 220,760)与土壤速效氮含量的关系则不受生态点的影响,可用统一回归方程来拟合。这说明水稻冠层反射光谱可以用来评价稻田土壤肥力状况,但仍需进一步研究。     

Methods for Collecting Vegetation Information in Loess Plateau

The optimum vegetation indexand methods for collecting vegetation information in loess plateau area were studied and appraised. In this area, there were deciduous broadleaved forest, steppe and desert. Vegetation types were rich and diverse. However, collection of vegetation information was strongly influenced by the soil background. The modified soil-adjusted vegetation index (MSAVI) after being compared and analysed not only could enhance vegetation signal, but also could minimize greatly the soil background effects. It could also reflect the distribution of the vegetation types macroscopically in this area. At present, it has been a more or lessideal vegetation index for collection vegetation information in loess plateau area. The collection and monitering of vegetation information for the normalized difference vegetation index (NDVI), soil-adjusted vegetation index (SAVI) and perpendicular vegetation index (PVI) were used in high, medium density and rare vegetation area respectively. For a variety of vegetation indices, the images which were produced by cumulative multitemporal vegetation indices could extract vegetation information well reflecting the vegetation distribution of that particular area.     

林地叶面积指数遥感估算方法适用分析

叶面积指数是与森林冠层能量和CO2交换密切相关的一个重要植被结构参数,为了探讨估算林地叶面积指数LAI的遥感适用方法和提高精度的途径,利用TRAC仪器测定北京城区森林样地的LAI,从Landsat TM遥感图像计算NDVI、SR、RSR、SAVI植被指数,分别建立估算LAI的单植被指数统计模型、多植被指数组合的改进BP神经网络,获取最有效描述LAI与植被指数非线性关系的方法并应用到TM图像估算北京城区LAI。结果表明,单植被指数非线性统计模型估算LAI的精度高于线性统计模型;多植被指数组合神经网络中,以NDVI、RSR、SAVI组合估算LAI的精度最高,估算值与观测值线性回归方程的R2最高,为0.827,而RMSE最低,为0.189,神经网络解决了多植被指数组合统计模型非线性回归方程的系数较多、较难确定的问题,可较为有效的应用于遥感图像林地LAI的估算。     

光谱植被指数与水稻叶面积指数相关性的研究

 综合分析比较了几种常见光谱植被指数与水稻（Oryza sativa）叶面积指数的相关性及其预测力。结果表明,植被指数的预测力在水稻营养生长旺盛期间最好。植被指数的预测力主要依赖于叶面积指数(LAI)的整体变化范围。因此,综合不同生育时期和氮肥处理的试验资料,光谱植被指数能准确地预测LAI的变化。LAI与各植被指数均呈曲线相关,与比值植被指数(RVI)、再归一化植被指数(RDVI)和R810/R560显著幂相关,与归一化植被指数(NDVI)、垂直植被指数(PVI)、差值植被指数(DVI)、土壤调整植被指数(SAVI)和转换型土壤调整指数(TSAVI)显著指数相关。其中,近红外与绿光波段的比值R810/R560的预测力最佳。用不同移栽秧龄、不同密度、不同水分和氮肥处理的数据对R810/R560的表现进行了检验,结果表明估算精度平均为91.22%,估计的均方差根(RMSE)平均为0.480　5,平均相对误差为-0.013。表明宽波段光谱植被指数可以准确地用来监测水稻叶面积指数。     

内蒙古镶黄旗草地蝗虫潜在发生可能性评价

以内蒙古草地蝗虫产卵期、越冬期和孵化期的关键气象影响因子作为草地蝗虫气象适宜度指数构建的主要因子,对内蒙古镶黄旗2010年草地蝗虫潜在发生的气象适宜性进行评价;根据当年7月上中旬在镶黄旗的实地调查资料,选取海拔、坡向、土壤类型、土壤含砂量、植被类型、植被盖度、土地覆被类型7个相对稳定的生境因子,用模糊评判方法和3S（GIS、RS、GPS）技术对该旗草地蝗虫潜在发生的生境适宜性进行评价;最后通过构建气象-生境适宜性综合评价模型,得到该旗2010年草地蝗虫潜在发生可能性（POG）等级,并用2010年实测数据和2001-2010年历史数据对模型模拟的蝗虫发生位置和蝗灾发生面积进行验证.结果表明：用本文所建气象-生境适宜性综合评价模型对镶黄旗POG等级的评价结果是可靠的.该旗草地蝗虫潜在发生的气象适宜性等级非常一致,绝大多数为适宜等级;蝗虫潜在发生源地的空间异质性主要与生境因子有关,在海拔1300～1400 m的平地/东坡/南坡、植被盖度30%～50%的温带丛生禾草草原、土壤含砂量60%～80%的典型栗钙土的生境条件下,草地蝗虫潜在发生的可能性最高.     

基于遥感和空间分析的上海城市森林生物量分布特征

城市森林发挥着改善和维护城市生态环境质量的作用, 研究城市森林生物量和分布特点对其生态系统服务评价和林分经营均具有重要意义。该文根据上海城市森林的种植分布和经营状况利用2011年6月-2012年6月样地实测森林生物量数据和同期Landsat ETM+遥感图像, 在基于逐步回归分析建立森林生物量反演模型的基础上, 引入回归残差及空间分析, 研究了城市森林及其主要优势树种樟(Cinnamomum camphora)林分的生物量分布特征, 探讨了区域尺度森林生物量的遥感估测方法。结果表明: (1)上海城市森林生物量密度总体呈现中心城区(静安区、黄浦区等)较高, 生物量密度集中在35-70 t·hm^-2之间, 郊区(嘉定区、青浦区等)空间分布状况相对较低, 生物量密度介于15-50 t·hm^-2之间的变化特征。上海优势树种樟林分生物量密度范围为20-110 t·hm^-2; 空间上呈现出东北部较高、西南部较低的变化特征。(2)上海城市森林及樟林分的生物量总量分别为3.57 Tg和1.33 Tg。林地面积小, 具有较高森林生物量密度的上海中心城区, 其森林生物量占总量的6.1%, 其中林地面积最小的静安区生物量最低, 仅占总量的0.11%。在所有区县中, 林地面积最大的崇明县、浦东新区具有较高的森林生物量, 分别占总量的20.08%和19.18%。(3)所建立的基于回归反距离插值的城市森林生物量估测模型, 其标准误差、平均绝对误差、平均相对误差分别为8.39、6.86、24.22%, 较回归模型分别降低了57.69%、55.43%、64.00%, 较空间插值的方法分别降低了62.21%、58.50%、65.40%。残差的引入减少了由于空间变异引发的城市森林生物量遥感估测的不确定性。相比基于实测数据通过空间插值的估测, 遥感为快速便捷、客观高效的森林生物量监测提供了可能, 更加完善的结果和模型的优化有待引入其他信息源如高分高光谱信息或改善残差空间分析方法获得。     

Research on characteristics of biomass distribution in urban forests of Shanghai metropolis based on remote sensing and spatial analysis

Aims
Monitoring and quantifying the biomass and its distribution in urban trees and forests are crucial to understanding the role of vegetation in an urban environment. In this paper, an estimation method for biomass of urban forests was developed for the Shanghai metropolis, China, based on spatial analysis and a wide variety of data from field inventory and remote sensing.
Methods
An optimal regression model between forest biomass and auxiliary variables was established by stepwise regression analysis. The residual value of regression model was computed for each of the sites sampled and interpolated by Inverse-distance weighting (IDW) to predict residual errors of other sites not subjected to sampling. Forest biomass in the study area was estimated by combining the regression model based on remote sensing image data and residual errors of spatial distribution map. According to the distribution of plantations and management practices, a total of 93 sample plots were established between June 2011 and June 2012 in the Shanghai metropolis. To determine a suitable model, several spectral vegetation indices relating to forest biomass and structure such as normalized difference vegetation index (NDVI), ratio vegetation index (RVI), difference vegetation index (DVI), soil-adjusted vegetation index (SAVI), and modified soil-adjusted vegetation index (MSAVI), and new images synthesized through band combinations such as the sum of TM2, TM3 and TM4 (denoted Band 234), and the sum of TM3, TM4 and TM5 (denoted Band 345) were used as alternative auxiliary parameters .
Important findings
The biomass density in urban forests of the Shanghai metropolis varied from 15 to 120 t·hm^-2. The higher densities of forest biomass concentrated mostly in the urban areas, e.g. in districts of Jing’an and Huangpu, mostly ranging from 35 to 70 t·hm^-2. Suburban localities such as the districts of Jiading and Qingpu had lower biomass densities at around 15 to 50 t·hm^-2. The biomass density of Cinnamomum camphora trees across the Shanghai metropolis varied between 20 and 110 t·hm^-2. The spatial biomass distribution of urban forests displayed a tendency of higher densities in northeastern areas and lower densities in southwestern areas. The total biomass was 3.57 million tons (Tg) for urban forests and 1.33 Tg for C. camphora trees. The overall forest biomass was also found to be distributed mostly in the suburban areas with a fraction of 93.9%, whereas the urban areas shared a fraction of only 6.1%. In terms of the areas, the suburban and urban forests accounted for 95.44% and 4.56%, respectively, of the total areas in the Shanghai metropolis. Among all the administrative districts, the Chongming county and the new district of Pudong had the highest and the second highest biomass, accounting for 20.1% and 19.18% of the total forest biomass, respectively. In contrast, the Jing’an district accounted for only 0.11% of the total forest biomass. The root-mean-square error (RMSE), mean absolute error (MAE) and mean relative error (MRE) of the model for estimating urban forest biomass in this study were 8.39, 6.86 and 24.22%, respectively, decreasing by 57.69%, 55.43% and 64.00% compared to the original simple regression model and by 62.21%, 58.50%, 65.40% compared to the spatial analysis method. Our results indicated that a more efficient way to estimate urban forest biomass in the Shanghai metropolis might be achieved by combining spatial analysis with regression analysis. In fact, the estimated results based on the proposed model are also more comparable to the up-scaled forest inventory data at a city scale than the results obtained using regression analysis or spatial analysis alone.     

新疆天山中段巴音布鲁克高山草地碳含量及其垂直分布

对新疆天山中段巴音布鲁克高山草地(高山草原和高山草甸)的生物量和土壤有机碳进行了测定。结果表明积分和分层两种估算方法得到的土壤有机碳含量没有显著差异,但积分算法的优势在于能推算不同深度的土壤有机碳含量,便于与以往的研究进行比较;高山草甸的生物量和土壤有机碳含量均大于高山草原;其地上生物量分别为71.4和94.9 g C·m^-2,地下生物量分别为1 033.5和1 285.2 g C·m^-2; 1 m深度的土壤有机碳含量分别为25.7和38.8 kg·m^-2;地上生物量呈现较为明显的垂直分布格局,即随着海拔的增加,地上生物量先呈增加趋势,但当海拔超过一定界限后生物量突然下降;土壤含水率是导致南坡(阳坡)土壤有机碳含量空间分异的重要因素,但北坡(阴坡) 土壤有机碳含量还可能与地形、土壤质地等其它因素有关;两种高山草地(高山草原和高山草甸)的根系集中分布在40 cm以内,0~20 cm根系分别占其总量的76%和80%;土壤有机碳集中分布在60 cm以内,0~20 cm土壤有机碳分别占其总量的55%和49%;高山草原根系分布比高山草甸深,但较低的地下/地上比使得其有机碳分布比高山草甸浅。