贡嘎山森林生物量和生产力的研究

对贡嘎山苞槲柯、香桦林,铁杉、槭、桦杉,峨眉冷杉林Ⅰ,峨眉冷杉林Ⅱ和鳞皮冷杉林的生物量和生产力进行了研究。它们的生物量分别是220．082t·hm-2、568．008t·hm－2、544．519t·hm-2、282．558t·hm-2和279．819t·hm－2;它们的生产力分别是9．962t·hm-2·a-1、10．067t·hm－2·a－1、12．936t·hm-2·a-1、4．692t·hm-2·a-1和1．389t·hm-2·a－1。通过对贡嘎山森林生物量和生产力与生态因素的相关分析表明,年降水量是制约森林生物量和生产力的主导因子。     

基于高分辨率遥感影像的森林地上生物量估算

以南京市紫金山林区为研究区,利用e-Cognition面向对象分类方法,基于光谱和空间信息融合后的IKONOS影像提取单木树冠阳性冠幅(PoCA, Positive crown area)信息,并结合野外实测的样方生物量数据,分别建立了针叶林和阔叶林地上生物量 (AGB, Aboveground Biomass)的遥感估算模型,并利用实测森林生物量数据对模型进行了验证。结果表明,基于遥感影像提取的PoCA与实测AGB存在较好的非线性相关关系,所建针叶林AGB估算模型的可靠性优于阔叶林模型。对建模样本而言,估算的针叶林和阔叶林AGB与观测数据比较的R2分别为0.62 (P<0.01,n=9) 和0.56(P<0.01,n=16)。验证表明,所建AGB估算模型的可靠性较好,估算的针叶林和阔叶林AGB与观测数据比较的R2分别为0.55(P<0.01,n=6) 和0.52(P<0.01,n=10),但当AGB较低时,模型结果偏高,AGB较低时,模型结果偏低。研究说明通过高分辨率遥感数据的融合、提取树冠信息进行生物量估算是可行性的。     

基于森林群落和光谱曲线特征分异的福建省森林生物量遥感反演

基于福建省Landsat8 OLI影像,利用混合像元分解模型筛选出"纯净"的植被像元,提取296个调查样地对应植被像元的红光和近红外波段的中心波长(分别CWR和CWNIR)及其对应的反射率(分别R和NIR),构建以(NIR-R)/(CWNIR-CWR)为特征指数的叶生物量回归模型。然后根据针叶林、阔叶林及针阔混交林叶生物量与干、枝、叶所组成的地上生物量的关系方程,结合福建省植被覆盖分类数据,估测了整个福建省针叶林、阔叶林、混交林的地上生物量,并绘制了福建省地上生物量分布图。结果表明:红光和近红外两个波段反射率和其中心波长所组成的斜率与叶生物量相关性显著,与针叶林、阔叶林、混交林叶生物量的精度分别达到70.55%、68.89%、51.75%,采用这种方法对福建省叶生物量和地上总生物量进行估算,并进行精度验证,其中,针叶林、阔叶林、混交林叶物量的模型误差(RMSE)分别达到29.2467 t/hm~2(R~2=66.64%)、14.0258 t/hm~2(R~2=61.13%)、10.1788 t/hm~2(R~2=55.43%),地上总生物量的模型精度分别达到49.8315 t/hm~2(R~2=54.65%)、45.1820 t/hm~2(R~2=49.01%)、41.5131 t/hm~2(R~2=38.79%),这说明,采用红光波段和近红外波段与其中心波长所组成的斜率估测森林叶生物量,进而估算其地上总生物量的方法是可行的。     

山西阳泉地区乔木林地上碳密度遥感估测

为了建立基于遥感影像和环境因子的森林碳密度估测的有效方法,本文基于2009年森林清查数据和SPOT遥感影像,以山西省阳泉地区为例,采用生物量换算因子连续函数法对研究区乔木林地上生物量和碳密度进行估算;在此基础上,选取遥感影像、环境因子(海拔、坡度、坡向等)为自变量,利用增强型BP神经网络建立研究区乔木林碳密度估算模型并输出空间分布图。结果表明:阳泉地区乔木林生物量为552774 t,碳密度为11.38t·hm-2;从不同林型、林龄和起源的生物量及碳密度来看,针叶林、幼龄林、人工林的生物量最大,阔叶林、成熟林、天然林的碳密度最大;采用增强型BP神经网络可以很好地模拟乔木林碳密度,针叶林、阔叶林、针阔混交林仿真结果的平均相对误差和平均相对误差的绝对值分别2.40%、6.87%、-4.09%和6.83%、2.77%、3.99%;基于BP神经网络模型输出乔木林碳密度空间分布图,模拟精度达到85.05%,进一步验证了人工神经网络能为森林碳密度提供快速准确的估测,为今后的森林资源调查和管理提供了科学依据。     

任豆林的生物量和光能利用率

 本文研究了粤北石灰岩地区以任豆(Zenia insignis)为主的自然林(萌生34年)的生产能力,并与任豆人工林(6年生)作对照。结果表明,在1992年7月调查时,自然林和人工林的现存生物量分别是125.38和10.34t·hm-2;平均增长量为3.69和1.72t·hm-2·a-1;木材蓄积量为86.35和9.93m3·hm-2;其乔木层总生产力为84284和21510kJ·m-2·a-1;对光合有效辐射能的利用效率为5.43％和1.39％。反映了任豆自然林现存生物量和生产力比鼎湖山南亚热带常绿阔叶林(同龄萌生林,在1991年11月调查)现存生物量196t·hm-2低,而比热带和亚热带半干早区森林植物量分别107和98.7t·hm-2高。任豆人工林因盖度和叶面积指数比自然林低,故总生产力和光能利用率也比较低,说明任豆人工林尚有较高的生产潜力。     

长白山北坡暗针叶林倒木贮量和分解的研究

对长白山北坡海拔 12 6 0m和 16 2 0m暗针叶林中倒木蓄积、生物量和倒木的分解进行了比较研究 ,结果表明 ,暗针叶林中倒木的蓄积为 180 .87m3·hm-2 ,占林分蓄积的 2 1.83 % .低海拔的倒木蓄积和生物量均比高海拔的低 ,海拔 12 6 0m的倒木蓄积为 5 2 .5 7m3·hm-2 ,生物量为 2 6 .2 1t·hm-2 ;海拔 16 2 0m的倒木蓄积为 193.85m3·hm-2 ,生物量为 5 3 .33t·hm-2 .用单项指数衰减模型对倒木的分解进行模拟可知 ,倒木的分解常数随树种和海拔高度的不同而不同 .冷杉倒木的分解常数比云杉倒木大 ;倒木在低海拔的分解常数比在高海拔的大 ,表明云杉倒木完全分解需要较长的时间 .     

基于机载激光雷达与Landsat 8 OLI数据的亚热带森林生物量估算

快速、定量、精确地估算区域森林生物量一直是森林生态功能评价以及碳储量研究的重要问题。该研究基于机载激光雷达(Li DAR)点云与Landsat 8 OLI多光谱数据,借助江苏省常熟市虞山地区55块调查样地数据,首先提取并分析了87个特征变量(53个OLI特征变量,34个LiDAR特征变量)与森林地上、地下生物量的Pearson’s相关系数以进行变量优选,然后利用多元逐步回归法建立森林生物量估算模型(OLI生物量估算模型和LiDAR生物量估算模型),并与基于两种数据建立的综合生物量估算模型的结果进行比较,讨论预测结果及其精确性。结果表明:3种模型(OLI模型、LiDAR模型和综合模型)在所有样地无区分分析时,地上和地下生物量的估算精度均达到0.4以上,基于不同森林类型(针叶林、阔叶林、混交林)分析时地上和地下生物量的估算精度均有明显提高,达到0.67及以上。利用分森林类型模型估算生物量,综合生物量估算模型精度(地上生物量:R2为0.88;地下生物量:R2为0.92)优于OLI生物量估算模型(地上生物量:R2为0.73;地下生物量:R2为0.81)和Li DAR生物量估算模型(地上生物量:R2为0.86;地下生物量:R2为0.83)。     

Estimates of subtropical forest biomass based on airborne LiDAR and Landsat 8 OLI data

 快速、定量、精确地估算区域森林生物量一直是森林生态功能评价以及碳储量研究的重要问题。该研究基于机载激光雷达(LiDAR)点云与Landsat 8 OLI多光谱数据, 借助江苏省常熟市虞山地区55块调查样地数据, 首先提取并分析了87个特征变量(53个OLI特征变量, 34个LiDAR特征变量)与森林地上、地下生物量的Pearson’s相关系数以进行变量优选, 然后利用多元逐步回归法建立森林生物量估算模型(OLI生物量估算模型和LiDAR生物量估算模型), 并与基于两种数据建立的综合生物量估算模型的结果进行比较, 讨论预测结果及其精确性。结果表明: 3种模型(OLI模型、LiDAR模型和综合模型)在所有样地无区分分析时, 地上和地下生物量的估算精度均达到0.4以上, 基于不同森林类型(针叶林、阔叶林、混交林)分析时地上和地下生物量的估算精度均有明显提高, 达到0.67及以上。利用分森林类型模型估算生物量, 综合生物量估算模型精度(地上生物量: R²为0.88; 地下生物量: R²为0.92)优于OLI生物量估算模型(地上生物量: R²为0.73; 地下生物量: R²为0.81)和LiDAR生物量估算模型(地上生物量: R²为0.86; 地下生物量: R²为0.83)。     

鼎湖山南亚热带森林细根生产力与周转

 报道了鼎湖山季风常绿阔叶林和针阔叶混交林群落0～40cm土层中细根(≤2mm和2～5mm)的现存量、死亡量、生产力和周转率,并比较了用“连续钻取土芯法”和“埋无根土柱法”来估算表层土(0～20cm)细根生产力的差异。结果表明：在0～40cm土层中,季风常绿阔叶林≤2mm和2～5mm细根现存量分别为6.59t·hm-2和4.81t·hm-2,死根比率各为29.9％和22.9％;针阔叶混交林≤2mm和2～5mm细根现存量分别为5.35t·hm-2和4.24t·hm-2,死根比率各为34.4％和24.0％。细根现存量的季节性变化不显著。季风常绿阔叶林细根年分解量、年死亡量和年净生产力分别为0.90,1.59,2.65t·hm-2·a-1 (≤2mm)和0.41,0.63,1.25t·hm-2·a-1(2～5mm),针阔叶混交林的相应数值各为0.80,1.4l,2.42t·hm-2·a-1(≤2mm)和0.37,0.62,1.21t·hm-2·a-1(2～5mm)。季风常绿阔叶林细根年周转率为0.57 (≤2mm)和0.34次·a-1(2～5mm),针阔叶混交林分别为0.69(≤2mm)和0.38次·a-1(2～5mm)。     

粤西南亚热带森林演替过程中的生物量与净第一性生产力动态

以粤西黑石顶自然保护区为对象,探讨了南亚热带森林群落演替系列上3个主要演替阶段的代表类型：针叶林(马尾松群落)、针阔混交林(马尾松+吊皮椎+木荷+枫香群落)、南亚热带常绿阔叶林(粘木+小叶胭脂+光叶红豆+黄果厚壳桂群落)的生物量和净第一性生产力及其分配规律。结果表明,针叶林生物量为246．697t·hm^-2,净第一性生产力为14．715t·hm^-2·yr^-1;针阔混交林生物量为287．367t·hm^-2,净第一性生产力为17．179t·hm^-2·yr^-1;常绿阔叶林生物量为357．976t·hm^-2,净第一性生产力为18．730t·hm^-2·yr^-1,可见黑石顶自然保护区南亚热带3种森林群落的发展阶段已比较接近,即针叶林、针阔混交林较为成熟,常绿阔叶林相对年轻,在不受或低度外界干扰的情况下,随着森林群落的正向演替,其生物量和净第一性生产力均呈增加趋势。     

基于HJ1B和ALOS/PALSAR数据的森林地上生物量遥感估算

森林地上生物量的精确估算能够减小碳储量估算的不确定性。为了探寻一种有效地提高森林生物量估算精度的方法,探讨了基于遥感物理模型和经验统计模型估算山地森林地上生物量的方法。首先,基于Li-Strahler几何光学模型和多元前向模式(MFM)进行模型模拟,结合查找表算法(LUT)从多光谱图像HJ1B估算贺兰山研究区的森林地上生物量。其次,采用统计方法建立了2种回归模型:(1)多光谱图像HJ1B进行混合像元分解(SMA),并与雷达图像ALOS/PALSAR进行图像融合建立生物量回归模型;(2)雷达图像ALOS/PALSAR后向散射系数和实测生物量建立了生物量回归模型。用实测数据对3种算法估算结果进行精度验证。研究结果表明:采用几何光学模型和MFM算法估算的森林地上生物量精度最好(决定系数R2=0.61,均方根误差RMSE=8.33 t/hm2,P0.001),其估算地上生物量与实测值一致性较好,估算生物量精度略优于SMA估算的精度(R2=0.60,RMSE=9.417 t/hm2);ALOS/PALSAR多元回归估算的精度最差(R2=0.39,RMSE=14.89 t/hm2)。由此可见,采用几何光学模型和混合像元分解SMA适合估算森林地上生物量,利用这2种方法进行森林地上生物量遥感监测研究具有一定的应用潜力。     

Forest Structure and Biomass of a Tropical Seasonal Rain Forest in Xishuangbanna,Southwest China1

Xishuangbanna is a region located at the northern edge of tropical Asia. Biomass estimates of its tropical rain forest have not been published in English literature. We estimated forest biomass and its allocation patterns in five 0.185–1.0 ha plots in tropical seasonal rain forests of Xishuangbanna. Forest biomass ranged from 362.1 to 692.6 Mg/ha. Biomass of trees with diameter at 1.3 m breast height (DBH) ≥ 5 cm accounted for 98.2 percent of the rain forest biomass, followed by shrubs (0.9%), woody lianas (0.8%), and herbs (0.2%). Biomass allocation to different tree components was 68.4–70.0 percent to stems, 19.8–21.8 percent to roots, 7.4–10.6 percent to branches, and 0.7–1.3 percent to leaves. Biomass allocation to the tree sublayers was 55.3–62.2 percent to the A layer (upper layer), 30.6–37.1 percent to the B layer (middle), and 2.7–7.6 percent to the C layer (lower). Biomass of Pometia tomentosa, a dominant species, accounted for 19.7–21.1 percent of the total tree biomass. The average density of large trees (DBH ≥100 cm) was 9.4 stems/ha on two small plots and 3.5 stems/ha on two large plots, illustrating the potential to overestimate biomass on a landscape scale if only small plots are sampled. Biomass estimations are similar to typical tropical rain forests in Southeast Asia and the Neotropics.     

Impacts of forest gaps on soil properties and processes in old growth northern hardwood-hemlock forests

We examined the influence of treefall gaps on soil properties and processes in old growth northern hardwood-hemlock forests in the upper Great Lakes region, USA. We found significantly greater solar radiation, soil moisture contents and soil temperatures in gaps compared to adjacent closed canopy plots. Gaps had significantly less exchangeable base cations (K, Ca, and Mg) compared to forest plots in the upper mineral soil (0–25 cm). Gaps also had significantly more dissolved organic N and extractable nitrate at depth (25–50 cm), indicating increased nutrient leaching in gaps. In-situ N mineralization was significantly greater in gaps and edge plots compared to forest plots. We found significantly greater potential N mineralization (measured in the laboratory at 25°C and 40% water holding capacity) in forest compared to gap plots. Microbial biomass N was significantly greater (ca. two-fold) in the gap edge compared to both gaps and closed forest. Using principal component analyses we found that edge plots were positively correlated with all principal components, indicating increased in-situ and potential N mineralization, microbial biomass N, soil NO₃⁻ and NH₄⁺, and soil organic matter. The gap edge may be a region of optimal microclimate and substrate to enhance microbial biomass and activity within these forest ecosystems. Responsible Editor: Bernard Nicolardet     

基于TM影像、森林资源清查数据和人工神经网络的森林碳空间分布模拟

森林是陆地生态系统中最大的碳库,在全球碳平衡和减缓全球气候变化方面发挥着不可替代的作用。当前主要利用森林资源清查数据和优势树种材积源-生物量的关系进行碳储量估算,在此基础上有效结合遥感影像数据将会更好的满足相关部门对国家和区域森林碳储量计算的需求。利用临安市2004年森林资源清查的930个样地数据和同年度Landsat TM影像数据,提取6个波段灰度值以及与碳储量相关性相对较大的3个波段组合,结合人工神经网络对研究区森林碳储量及其分布进行有效模拟。结果显示,用误差反向传播算法训练神经网络较好的重建了森林碳密度空间分布和变化,森林碳地上部分模拟结果与样地实测值之间的一致性好,全区域模拟结果森林碳平均值为0.98Mg(10.89Mg/hm²),总体森林碳密度模拟结果低于样地平均值约13%,进一步验证了人工神经网络在对大范围森林碳估算与模拟上具有较好的效果,为区域森林碳储量的估测研究提供有效的方法支持。     

基于高分辨率遥感影像的北亚热带森林生物量反演

以北亚热带湖北省太子山林场为研究对象,基于高空间分辨率GF-2与SPOT-6卫星影像,提取不同窗口大小下的纹理信息与光谱信息,利用随机森林回归算法,并结合野外实测106块样地的生物量数据,建立不同影像下的太子山林场森林生物量反演模型。结果显示：（1） GF-2和SPOT-6虽然空间分辨率有差异,但是从其不同波段反射率的相关系数（0.75、0.78、0.73、0.61）发现,两种影像的波段反射率具有较高的相关性,说明两者的辐射性能相近;（2）通过分析不同纹理特征对生物量模型的影响,发现均值和对比度纹理参数对生物量反演具有很好的效果。（3）高分辨率的遥感数据在生物量反演中具有较好的表现,且GF-2生物量模型精度（R²=0.88,RMSE=27.11 Mg/hm²）与SPOT-6生物量模型的精度（R²=0.89,RMSE=23.93 Mg/hm²）相近。（4）两种影像对不同森林类型的生物量预测值不存在显著差异,都适合对不同林分类型的生物量进行预测。     

Landscape‐scale lidar analysis of aboveground biomass distribution in secondary Brazilian Atlantic Forest

Secondary forests account for more than half of tropical forests and represent a growing carbon sink, but rates of biomass accumulation vary by a factor of two or more even among plots in the same landscape. To better understand the drivers of this variability, we used airborne lidar to measure forest canopy height and estimate biomass over 4529 ha at Serra do Conduru Park in Southern Bahia, Brazil. We measured trees in 30 georeferenced field plots (0.25‐ha each) to estimate biomass using allometry. Then we estimated aboveground biomass density (ABD) across the lidar study area using a statistical model developed from our field plots. This model related the 95th percentile of the distribution of lidar return heights to ABD. We overlaid this map of ABD on a Landsat‐derived forest age map to determine rates of biomass accumulation. We found rapid initial biomass regeneration (~6 Mg/ha yr), which slowed as forests aged. We also observed high variability in both height and biomass across the landscape within forests of similar age. Nevertheless, a regression model that accounted for spatial autocorrelation and included forest age, slope, and distance to roads or open areas explained 62 and 77 percent of the landscape variation in ABD and canopy height, respectively. Thus, while there is high spatial heterogeneity in forest recovery, and the drivers of this heterogeneity warrant further investigation, we suggest that a relatively simple set of predictor variables is sufficient to explain the majority of variance in both height and ABD in this landscape.     

Forest biomass is strongly shaped by forest height across boreal to tropical forests in China

Aims Forest height is a major factor shaping geographic biomass patterns, and there is a growing dependence on forest height derived from satellite light detecting and ranging (LiDAR) to monitor large-scale biomass patterns. However, how the relationship between forest biomass and height is modulated by climate and biotic factors has seldom been quantified at broad scales and across various forest biomes, which may be crucial for improving broad-scale biomass estimations based on satellite LiDAR.Methods We used 1263 plots, from boreal to tropical forest biomes across China, to examine the effects of climatic (energy and water availability) and biotic factors (forest biome, leaf form and leaf phenology) on biomass–height relationship, and to develop the models to estimate biomass from forest height in China.Important findings (i) Forest height alone explained 62% of variation in forest biomass across China and was far more powerful than climate and other biotic factors. (ii) However, the relationship between biomass and forest height were significantly affected by climate, forest biome, leaf phenology (evergreen vs. deciduous) and leaf form (needleleaf vs. broadleaf). Among which, the effect of climate was stronger than other factors. The intercept of biomass–height relationship was more affected by precipitation while the slope more affected by energy availability. (iii) When the effects of climate and biotic factors were considered in the models, geographic biomass patterns could be well predicted from forest height with an r 2 between 0.63 and 0.78 (for each forest biome and for all biomes together). For most biomes, forest biomass could be well predicted with simple models including only forest height and climate. (iv) We provided the first broad-scale models to estimate biomass from forest height across China, which can be utilized by future LiDAR studies. (v) Our results suggest that the effect of climate and biotic factors should be carefully considered in models estimating broad-scale forest biomass patterns with satellite LiDAR.     

长白山林区森林生物量变化定量驱动分析

根据研究区单木生物量模型及森林资源清查资料计算样地生物量,采用试验精度较高的遥感模型进行4期遥感数据的森林生物量估算,获得区域单位面积生物量变化值,并利用bootstrap方法对引起这种变化的气象因素、森林经营活动因素和社会经济因素等驱动因子进行变量筛选,利用偏最小二乘算法建立不同时间段的森林生物量变化驱动模型,计算变量投影重要性指标（VIP）定量刻画各因素对森林生物量变化的影响重要程度.结果表明：目前人为因素对长白山林区森林生物量变化的影响程度（VIP值）已经小于自然因素,说明国家对林区的森林保护政策已经起到了明显的效果.本文拓宽了森林生物量变化驱动分析的内容,引入了VIP值对森林生物量的变化驱动因子进行定量刻画,为定量分析森林生物量的变化提供了一条新的途径.     

基于地统计学丰林自然保护区森林生物量估测及空间格局分析

摘要： 基于丰林保护区1997年样地调查数据,根据一元生物量估测模型,计算样地生物量,在此基础上,利用ArcGIS地统计插值方法得到整个研究区森林生物量分布,并从林分结构（林型、林龄组）和地形因子（海拔、坡度、坡向）两个方面对保护区森林生物量空间格局进行了分析。结果表明,利用地统计插值得到区域水平的森林生物量是可行的,保护区森林平均生物量水平为171.5t/hm2,总生物量为3.08Tg(1Tg=1012g);不同林分结构（林型、林龄组）有不同的生物量水平;地形因子与生物量有显著的相关性,并得到它们之间的回归方程,为保护区森林生态系统的可持续经营提供了科学依据。     

东北林区不同尺度森林的含碳率

准确估算森林生态系统碳储量对整个陆地生态系统碳循环及全球变化研究具有至关重要的作用.本研究利用2007、2008年东北林区(大兴安岭林区、小兴安岭林区、张广才岭和长白山林区)标准地调查数据及同一时期的一类样地清查数据,采用地面乔、灌、草生物量模型及实验室Multi N/C 3000分析仪测定的林木含碳率,计算不同尺度上森林生物量及碳储量,分析不同尺度森林含碳率的变化及稳定性.结果表明: 东北林区林木不同器官的含碳率差异明显,其平均含碳率为树叶(0.4448)＞树枝(0.4422)＞树皮(0.4398)＞树干(0.4351).张广才岭和长白山林区针叶林的含碳率高于阔叶林,而大、小兴安岭林区阔叶林的含碳率高于针叶林.研究区域森林的含碳率相对稳定,东北林区森林总含碳率为0.44.