基于人工神经网络与空间仿真模拟的区域森林碳估算比较——以龙泉市为例

森林是生态系统的重要组成部分,准确估算森林碳储量及其分布对于评价森林生态系统的功能具有重要意义。以龙泉市为研究区,利用2009年99个森林资源清查样地数据和同年度Landsat TM影像数据,采用高斯序列协同仿真(SGCS)与BP神经网络方法(BPNN)分别模拟森林地上部分碳密度及其分布,并进行了对比分析。随机将样本数据分成70个建模样本和29个检验样本。通过模型检验,BP神经网络预测值与实测值的相关性达到0.67,相对均方根误差为0.63,空间仿真方法预测值与实测值的相关性为0.68,相对均方根误差为0.63,空间仿真方法预测能力略高于神经网络方法。仿真结果表明,基于BP神经网络模拟的森林碳总量为11042990 Mg,平均碳密度为36.10 Mg/hm2,总体森林碳密度均值高于样地平均值8.82%。基于空间仿真模拟的森林碳总量为11388657 Mg,平均碳密度为37.23 Mg/hm2,总体森林碳密度均值高于样地平均值9.40%。对比分析可知:高斯协同仿真模拟和BP神经网络虽然在碳总量估算值上与抽样数据估计值相近,但两种方法在估测值的频率分布以及研究区碳分布上有较大的差异。与BP神经网络相比,序列高斯协同模拟结果更接近系统抽样样地实测值,全部样地预测值与实测值的相关性达到0.75,在估计区域森林碳空间分布上有明显优势。在碳密度值域与频率分布方面,序列高斯协同模拟结果分布更合理。综上所述,序列高斯协同模拟在森林碳空间估计方面要优于BP神经网络。     

基于森林资源清查、卫星影像数据与随机协同模拟尺度转换方法的森林碳制图

当前,全球变暖对地球生态系统的影响正引起世界的广泛关注.为减缓其影响进程,让决策者获得准确的碳源/碳汇空间分布信息与动态至关重要.目前面临的重大挑战是如何准确估计森林碳的空间分布和分析估计结果的不确定性.本研究基于森林资源连续清查样地数据和遥感影像数据发展了一个森林碳制图的一般方法.基于序列高斯协同模拟算法,结合样地数据与卫星影像数据进行模拟,将森林碳汇分布图的尺度从30 m×30 m转换到900m×900m(区域、国家和全球森林碳制图单位大小).以临安市为例,利用全市2004年森林资源清查样地数据和同年度Landsat TM影像数据,进行研究区森林碳(地上部分)模拟和尺度转换.结果显示,方法准确重现了森林碳空间分布和变异规律,在分布上模拟结果与地面样地属性具有较好的一致性,在数量上模拟结果的总体平均值较地面样地的总体平均值低约24.9%;模拟还提供了其估计结果的不确定性, 包括估计值的方差和估计值大于一定阈值的概率,这些可用于不确定性传播模型的模拟分析,进而实现对森林碳估计结果的评价.     

甘肃省森林碳储量现状与固碳速率北大核心CSCD

针对森林碳平衡再评估的重要性和区域尺度森林生态系统碳库量化分配的不确定性,该研究依据全国森林资源连续清查结果中甘肃省各森林类型分布的面积与蓄积比重以及林龄和起源等要素,在甘肃省布设212个样地,经野外调查与采样、室内分析,并对典型样地信息按照面积权重进行尺度扩展,估算了甘肃省森林生态系统碳储量及其分布特征。结果表明:甘肃省森林生态系统总碳储量为612.43 TgC,其中植被生物量碳为179.04 TgC,土壤碳为433.39 TgC。天然林是甘肃省碳储量的主要贡献者,其值为501.42 TgC,是人工林的4.52倍。天然林和人工林的植被碳密度均表现为随林龄的增加而增加的趋势,同一龄组天然林植被碳密度高于人工林。天然林土壤碳密度从幼龄林到过熟林逐渐增加,但人工林土壤碳密度最大值主要为近熟林。全省森林植被碳密度均值为72.43 Mg C·hm–2,天然林和人工林分别为90.52和33.79 Mg C·hm–2。基于森林清查资料和标准样地实测数据,估算出全省天然林和人工林在1996年的植被碳储量为132.47和12.81 TgC,2011年分别为152.41和26.63 TgC,平均固碳速率分别为1.33和0.92 TgC·a–1。甘肃省幼、中龄林面积比重较大,占全省的62.28%,根据碳密度随林龄的动态变化特征,预测这些低龄林将发挥巨大的碳汇潜力。     

2004-2013年山东省森林碳储量及其碳汇经济价值

森林作为陆地生态系统的主体,其林分碳储量及其碳汇经济价值的估算是全球碳循环研究的热点和重要内容。基于2004-2008年和2009-2013年山东省森林资源清查数据以及实测样地数据改进的生物量蓄积量转换参数,利用生物量转换因子连续函数法,估算2004-2013年山东省森林碳储量及其碳汇经济价值动态。研究结果表明,2004-2013年山东省森林面积、碳储量和碳密度分别从2004-2008年的156.12×10⁴hm²、34.75Tg C和22.26Mg C/hm²增加到2009-2013年161.44×10⁴hm²、43.98Tg C和27.24Mg C/hm²。人工林是森林面积、碳储量和碳密度增加的主要贡献者,人工林和天然林对森林生物量碳汇的贡献分别为97.3%和2.7%。两次森林清查期间,杨树和硬阔软阔类森林的碳储量之和分别占全省总量的70.2%和69.6%,杨树的碳储量和碳密度增加最为显著。各龄组森林碳储量由大到小依次为：幼龄林 > 中龄林 > 成熟林 > 近熟林 > 过熟林。森林碳汇经济价值从2004-2008年的243.37亿元增长到2009-2013年的253.42亿元,年均增长2.01亿元,杨树的碳汇经济价值占全省所有森林类型的60%,赤松单位面积碳汇经济价值最强为2.08万元/ha。     

甘肃省森林碳储量现状与固碳速率

针对森林碳平衡再评估的重要性和区域尺度森林生态系统碳库量化分配的不确定性, 该研究依据全国森林资源连续清查结果中甘肃省各森林类型分布的面积与蓄积比重以及林龄和起源等要素, 在甘肃省布设212个样地, 经野外调查与采样、室内分析, 并对典型样地信息按照面积权重进行尺度扩展, 估算了甘肃省森林生态系统碳储量及其分布特征。结果表明: 甘肃省森林生态系统总碳储量为612.43 Tg C, 其中植被生物量碳为179.04 Tg C, 土壤碳为433.39 Tg C。天然林是甘肃省碳储量的主要贡献者, 其值为501.42 Tg C, 是人工林的4.52倍。天然林和人工林的植被碳密度均表现为随林龄的增加而增加的趋势, 同一龄组天然林植被碳密度高于人工林。天然林土壤碳密度从幼龄林到过熟林逐渐增加, 但人工林土壤碳密度最大值主要为近熟林。全省森林植被碳密度均值为72.43 Mg C·hm^-2, 天然林和人工林分别为90.52和33.79 Mg C·hm^-2。基于森林清查资料和标准样地实测数据, 估算出全省天然林和人工林在1996年的植被碳储量为132.47和12.81 Tg C, 2011年分别为152.41和26.63 Tg C, 平均固碳速率分别为1.33和0.92 Tg C·a^-1。甘肃省幼、中龄林面积比重较大, 占全省的62.28%, 根据碳密度随林龄的动态变化特征, 预测这些低龄林将发挥巨大的碳汇潜力。     

基于InVEST模型估算富阳市森林生态系统碳储量

基于森林资源遥感影像数据资料和ArcGIS10.0软件,以属于典型亚热带气候的富阳市为案例,运用InVEST-Carbon模型对其森林生态系统碳储量进行估算,可视化定量富阳市森林生态系统碳储量并明确其空间分布规律。结果表明：富阳市森林生态系统碳储量分布具有明显的区域差异性,由东向西呈现高－低－高－低的分布带规律。富阳市森林生态系统总的碳储量为26.7437×106 t,其价值量为39.9042亿元;得出富阳市各类森林类型平均碳密度的高低分布为常绿阔叶林碳密度>针阔混交林碳密度>竹林碳密度>马尾松林碳密度>杉木林碳密度,这与浙江省生态公益林各主要林型的碳密度分布规律基本一致,得到其森林生态系统总的碳密度约为180.75 t.hm-2,高于浙江省生态公益林平均碳密度和全国森林平均碳密度。与基于森林二类清查资料,由生物量与蓄积量的关系式估算出的碳储量(28.3780×106 t)相差不大,InVEST模型可适用于森林生态系统碳储量的总体估算。通过研究可以得出,InVEST模型评估结果简明直观,导入较少的数据,将量化的森林碳储量以地图的形式表现出来。 InVEST模型还可用于对未来或多种模拟场景情况下的预测估算等,可为政府、非盈利组织和公司企业等自然资源的管理提供决策信息,其多功能和模块化的设计为权衡评估得失提供了有效的工具。     

Analysis on carbon stock distribution patterns of forest ecosystems in Shaanxi Province

 为明晰陕西省森林生态系统碳储量分布格局, 基于2009年森林资源清查资料和2011年调查所得样地实测数据, 对陕西省森林生态系统碳储量、碳密度及其空间分布特征进行了研究分析。结果表明: 陕西省森林生态系统总碳储量为790.75 Tg, 土壤层、植被层和枯落物层碳储量分别占总碳储量的72.14%、26.52%和1.34%; 其中, 栎类碳储量在各森林类型中所占比重最大(44.17%), 中、幼龄林是陕西省森林生态系统碳储量的主要贡献者, 约占总碳储量的49%。陕西省森林生态系统平均碳密度为123.70 t·hm^–2, 土壤层最大, 枯落物层最小, 植被层居中; 碳密度均随龄级增加而升高, 同一龄级表现为天然林高于人工林生态系统。此外, 陕西省森林生态系统碳储量、碳密度分布格局不尽一致, 反映了森林覆盖面积及森林质量对碳储量的影响。未来应加强林地抚育管理水平, 增加造林再造林面积以增加碳储存, 应对全球气候变化。     

川西米亚罗自然保护区森林地上碳储量遥感估算

研究米亚罗自然保护区的森林地上碳储量,有利于掌握高山峡谷区森林植被碳储量的分布特点,对区域森林资源的有效科学管理和维护森林生态环境具有重要意义。通过对保护区内的7个主要树种分别构建模型来初步估测森林地上碳储量,利用实地调查的样地数据与同期Landsat 8遥感卫星影像,得到波段信息、植被指数、主成分分析、纹理特征、地形因子、植被生长六大类共80个因子,用以构建乔木层不同树种地上碳储量的多元线性逐步回归模型,而灌木层的碳储量则由生物量密度法估算得出。研究结果表明:①模型预测值与实测值相关系数在0.675—0.775之间,精度较高,预测结果可靠;②米亚罗自然保护区森林地上碳储量为5.861 Tg,其中乔木层5.632 Tg,灌木层0.229 Tg。云冷杉林是研究区分布最广的林分类型,其碳储量为5.098 Tg,占森林地上碳储量总量的86.98%,在维持区域碳平衡方面发挥着重要作用。③研究区森林平均碳密度为53.138 t/hm~2,其中冷杉的碳密度最高,达到74.467 t/hm~2。④区域内森林地上碳储量以杂谷脑河流域及支流为中心,以一定缓冲距离呈树枝状发散分布,海拔3000—4000 m区域的森林植被碳储量最大,且阴坡的碳储量明显高于阳坡。     

基于森林清查资料的河南省森林植被碳储量动态变化

利用1994—1998年、1999—2003年、2004—2008年、2009—2013年河南省4期森林资源清查数据,运用生物量转换因子连续函数法和平均生物量法,估算了1998—2013年河南省森林植被的碳储量和碳密度变化。研究结果表明,河南省森林植被碳储量由1998年的45.57 Tg增加到2013年的107.98 Tg,年均碳汇量为4.16 Tg/a。乔木林碳储量和碳密度分别由1998年的33.54 Tg和22.39 Mg/hm~2增加到2013年的97.11 Tg和31.80 Mg/hm~2。乔木林碳储量在所有植被类型中占主体,4个森林清查时期乔木林碳储量占森林植被总碳储量的比例分别为73.60%、79.22%、85.63%和89.93%。2013年森林清查时,乔木林中杨树和栎类碳储量最大,分别占总碳储量的37.61%和25.22%,各龄组乔木林碳密度大小顺序依次为成熟林近熟林中龄林过熟林幼龄林。阔叶林面积、碳储量、碳密度均高于针叶林,阔叶林是河南省森林碳汇的主要贡献者。人工林面积、碳储量、碳密度增加幅度都要高于天然林,人工林碳储量由1998年的9.62 Tg增加到2013年的55.67 Tg,占乔木林碳储量总增量的77.15%,人工林碳密度由1998年的17.86 Mg/hm~2提高到2013年的32.01 Mg/hm~2,人工林在河南省森林碳汇中逐步发挥重要的作用,逐渐成为河南省森林碳汇的主体,随着人工林生长为具有较高碳密度的成熟林,河南省乔木林将具有较大的碳汇潜力。     

辽东山区典型森林生态系统碳密度

以辽东山区典型森林生态系统为研究对象,通过系统的样地调查并结合辽宁省2009年森林资源二类调查资料,利用异速生长方程和植被类型法对典型森林生态系统不同组分碳密度及碳储量进行估算.结果显示,辽东山区森林生态系统碳密度为300.050Mg· hm-2,各层碳密度的大小顺序为:土壤层(232.452 Mg·hm-2)＞乔木层( 63.237Mg · hm-2)＞凋落物层(3.529 Mg·hm-2)＞灌木层(0.558 Mg · hm-2)＞草本层(0.274Mg·hm-2).乔木层碳密度随着林龄的增加而增大,灌木层碳密度随着林龄的增加而减小,土壤、草本和凋落物层碳密度在不同龄组间的变化没有明显的规律性.辽东山区305.852×104 hm2的生态系统碳储量为917.709 Tg C,其中生物量碳储量为206.751Tg C,土壤碳储量为710.959 Tg C,土壤碳储量是生物量碳储量的3.44倍.通过比较本次调查结果与以往研究结果发现,利用森林清查资料,由于低估了幼龄林的乔木碳密度,导致辽东山区的乔木碳储量低估,且以往研究中用简单的换算系数高估了林下植被碳密度,但远低估了土壤碳密度.     

基于地统计学和CFI样地的浙江省森林碳空间分布研究

基于浙江省2009年CFI固定样地数据、森林资源规划设计调查林相图,利用地统计学方法对浙江省森林碳空间分布进行了模拟分析。结果表明,CFI固定样地数据用于省域范围的森林碳汇空间特征研究是合适的。数据显示,浙江森林植被平均碳密度为22.07Mg/hm2;与四川、福建、海南等地相比,平均碳密度较低。受人类活动、自然环境等因素影响,浙江省森林碳分布主要表现为:总体上森林碳密度空间变化趋势自西向东逐渐降低,与自然空间(海拔、地势等)趋势一致。基于地统计学和CFI固定样地,对省域范围的森林资源空间分布的研究,可以为省域森林碳汇管理提供依据,为我国特别是亚热带南方集体林区利用国家CFI数据进行大区域同类研究提供借鉴。     

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。     

不同采样密度下县域森林碳储量仿真估计

采用浙江省台州市仙居县森林资源二类调查样地实测地上部分碳储量数据,结合Landsat TM影像数据,利用序列高斯协同仿真(SGCS)算法、序列高斯块协同仿真(SGBCS)算法,以4种地面采样密度(SD)SD_1=0.012%、SD_2=0.010%、SD_3=0.007%、SD_4=0.005%,估计全县森林碳储量及其空间分布,分析不同地面采样密度对区域森林碳储量及其分布格局估计精度的影响。结果表明:1)不同采样密度下SGCS和SGBCS估计的森林碳储量分布趋势相似,SGCS估计在采样密度为SD_2时可以满足精度要求,且均值与实测最相符;SGBCS估计受采样密度影响较小,在四种采样密度下均可满足精度要求。2)SGCS、SGBCS估计的不确定性随着采样密度的降低均呈现出整体升高的趋势,增长速率在SD_2采样密度时最低,相对SD_1分别升高1.08%、-1.71%;当SGBCS算法的采样密度由SD_2变为SD_3时,样地数的减少对不确定性影响最大,但对区域空间变异格局估计没有实质性影响。3)将采样密度控制在SD_2(0.010%)水平,利用SGCS和SGBCS算法均能得到准确可靠的森林碳储量及其分布信息,同时能节省至少20%左右的森林调查工作量。     

典型亚热带森林生态系统碳密度及储量空间变异特征

以浙江省森林生态系统为研究对象,基于GIS网格布点,采集了838个森林样地样本(土壤、枯落物等),结合浙江省森林资源监测中心相关数据,利用地统计学和Moran's I相结合的方法系统研究了浙江省森林生态系统碳密度及碳储量空间变异特征。结果表明:浙江省森林生态系统平均碳密度为145.22 t/hm~2,其中森林植被、土壤、枯落物和枯死木层碳密度分别为27.34、108.89、1.79、1.38 t/hm~2。克里格空间插值和局部Moran's I指数结果表明碳密度空间分布规律呈现从西南向东北方向逐渐递减的趋势,与浙江省地形、地势较为一致,受海拔、树龄、森林类型、台风气候等自然因素和人类活动共同影响。浙江省森林生态系统碳储量为877.19 Tg C,森林植被、土壤、枯落物和枯死木层碳储量分别为203.88、656.20、10.84、6.27 Tg C,分别占总碳储量的23%、75%、1.3%、0.7%。在浙江省森林生态系统碳储量空间分布格局中,土壤层是森林生态系统中最大的碳库,约是森林植被层的3.22倍,是整个浙江省森林生态系统碳储量最主要的贡献者。浙江省森林资源丰富,大多数森林仍处于中幼龄林阶段,碳密度水平较低,但是中幼龄林生长速度较快,加强对全省中幼龄林的健康管理,是未来整体提升浙江省森林生态系统固碳潜力的关键。     

森林生物量遥感降尺度研究

森林生物量是评价全球碳氧平衡、气候变化的重要指标。目前已有基于星载激光雷达数据的全球森林生物量产品,但空间分辨率较低,不能很好地满足小区域森林调查和动态监测的需要。针对这一现状,以美国马里兰州两个森林分布状况不同的区域为研究区,基于CMS(Carbon Monitoring System)30 m分辨率和GEOCARBON 1 km分辨率森林地上生物量产品以及TM等数据源,通过升尺度模拟低分辨率生物量数据和直接使用低分辨率产品两种方式,分别尝试建立了多光谱地表参数和低分辨率森林地上生物量之间的统计关系,以此作为降尺度模型实现了森林地上生物量空间分辨率从1 km到30 m的转换,并对降尺度结果进行精度评价和误差分析。结果表明:模拟数据降尺度后的30 m分辨率森林地上生物量空间分布和CMS森林地上生物量分布状况大致相同,RMSE=59.2—65.5 Mg/hm~2,相关系数约为0.7;其降尺度结果优于GEOCARBON产品直接降尺度结果RMSE=75.3—79.9 Mg/hm~2;相较于线性模型,非线性模型能更好地呈现森林地上生物量和地表参数间的关系;总体上,降尺度生物量呈现高值区低估,低值区高估的现象。     

Simulating Carbon Stocks and Fluxes of an African Tropical Montane Forest with an Individual-Based Forest Model

Tropical forests are carbon-dense and highly productive ecosystems. Consequently, they play an important role in the global carbon cycle. In the present study we used an individual-based forest model (FORMIND) to analyze the carbon balances of a tropical forest. The main processes of this model are tree growth, mortality, regeneration, and competition. Model parameters were calibrated using forest inventory data from a tropical forest at Mt. Kilimanjaro. The simulation results showed that the model successfully reproduces important characteristics of tropical forests (aboveground biomass, stem size distribution and leaf area index). The estimated aboveground biomass (385 t/ha) is comparable to biomass values in the Amazon and other tropical forests in Africa. The simulated forest reveals a gross primary production of 24 t_cha^-1yr^-1. Modeling above- and belowground carbon stocks, we analyzed the carbon balance of the investigated tropical forest. The simulated carbon balance of this old-growth forest is zero on average. This study provides an example of how forest models can be used in combination with forest inventory data to investigate forest structure and local carbon balances.     

三种森林生物量估测模型的比较分析

森林生物量的定量估算为全球碳储量、碳循环研究提供了重要的参考依据。该研究采用黑龙江长白山地区的TM影像和133块森林资源一类清查样地的数据, 选取地学参数、遥感反演参数等71个自变量分别构建多元逐步回归模型、传统BP (back propagation)神经网络模型和基于高斯误差函数的BP神经网络改进模型(Gaussian error function, Erf-BP), 进而估算该地区的森林生物量, 并进行比较分析。结果表明, 多元逐步回归模型估测的森林生物量预测精度为75%, 均方根误差为26.87 t·m^-2; 传统BP神经网络模型估测森林生物量的预测精度为80.92%, 均方根误差为21.44 t·m^-2; Erf-BP估测森林生物量的预测精度为82.22%, 均方根误差为20.83 t·m^-2。可见, 改进后的Erf-BP能更好地模拟生物量与各个因子之间的关系, 估算精度更高。     

Biomass and carbon storage of the North American deciduous forest

Field measures of tree and shrub dimensions were used with established biomass equations in a stratified, two-stage cluster sampling design to estimate above-ground ovendry woody biomass and carbon storage of the eastern deciduous forest of North America. Biomass averaged 8.1 ± 1.4 (95% C.I.) kg/m² and totaled 18.1 ± 3.1 (95% C.I.) gigatons. Carbon storage averaged 3.6 ± 0.6 (95% C.I.) kg/m² and totaled 8.1 ± 1.4 (95% C.I.) gigatons. These values are lower than previous estimates commonly used in the analysis of the global carbon budget which range from 17.1 to 23.1 kg/m² for biomass and 7.7 to 10.4 kg/m² for carbon storage. These new estimates for the deciduous forest, together with earlier work in the boreal forest begin to reveal a pattern of overestimation of global carbon storage by vegetation in analyses of the global carbon budget. We discuss reasons for the differences between the new and earlier estimates, as well as implications for our understanding of the global carbon cycle.     

Forest biomass estimation at regional and global levels, with special reference to China’s forest biomass

Accurate estimation of forest biomass size and regional distribution is a prerequisite in answering a long-standing debate on the role of forest vegetation in the regional and global carbon cycle. Appropriate biomass estimation methods and available forest data sources are two key factors for this purpose. Among the estimation methods, the continuous Biomass Expansion Factor (BEF; defined as the ratio of all stand biomass to stem volume or biomass) method is considered to be the best. We applied the continuous BEF to forest inventory data of China and estimated a biomass carbon of 4.6 PgC and a biomass carbon density of 38.4 Mg ha^–1. A review of recent literature shows that forest carbon density in major temperate and boreal forest regions in the Northern Hemisphere has a narrow variance ranging from 29 Mg ha^–1 to 50 Mg ha^–1, with a global mean of 36.9 Mg ha^–1. This suggests that the forest biomass density in China is closely coincident with the global mean.