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。     

塔里木河下游柽柳灌丛地上生物量估测

根据划分的柽柳灌丛大、中、小等级,在塔里木河下游英苏至喀尔达依区段进行地表采样、称重,采用统计相关法对柽柳年龄及地径关系进行分析,构建柽柳直立枝与单丛地上生物量估测模型,对模型精度进行检验,筛选最佳模型,并对模型估测值与实测值进行卡方检验。结果表明:(1)输水后柽柳新萌直立枝地径随年龄增加而增大,但输水前柽柳萌生直立枝的地径随年龄增加未呈现规律性变化。在地下水条件非一致性的干旱荒漠区,柽柳地径大小不能作为判断其年龄的依据。(2)根据柽柳标准枝和灌丛因子实测数据,用一元线性函数、幂函数、指数函数、对数函数4种函数进行柽柳直立枝生物量估测模型拟合结果表明,幂函数w=2.007(d2 h)0.837估测模型最优,其总体估测精度达89.92%。(3)以冠幅面积单变量、冠幅周长与丛高双变量构建的柽柳单丛生物量估测模型的精度分别为78.95%和80.09%。(4)以全收获法实测数据为真值对估测模型进行精度检验,柽柳冠幅面积为自变量模型的估测精度为80.54%,柽柳冠幅周长和丛高估测模型的精度为66.85%。(5)对柽柳单株及单丛生物量模型估测值与实测值进行卡方检验结果表明两者之间无显著差异。研究认为,由于柽柳冠幅在高分辨遥感数据上容易获取,柽柳冠幅面积估测模型在传统生物量估测和遥感生物量估测都具有实用价值。     

鄂尔多斯高原特有种四合木生长和繁殖的种群间变异与濒危机制

四合木为中国特有种,其分布区局限于鄂尔多斯高原的西部。为了认识四合木濒危的机制并为其保护提供理论依据。对四合木生活史的关键阶段－－繁殖进行了野外研究,由于分布区内存在较大的生境异质性,并受到了不同强度的人类干扰,所以不同生境条件下的6个群进行了取样,通过对四合木的营养生长和繁殖的比较分析。得出如下结论：（1）四合木植要朱的基径和冠幅和高度与年龄显著相关,但是与其茎和冠幅相关性更大,冠幅可作为个体大小的测度估计种群的大小结构;（2）冠幅大小呈负偏斜分布,通过不同种群冠幅与年龄的相关分析,得出冠幅的增长速率随种群的衰老耐减缓;（3）四合木的冠幅与其果实量和种子量相关关系显著,随着冠幅的增大,四合木植株的果实产量和种子产量也相应增加,但是这种关系存在种群间差异;（4）四合木的大部分群都处于衰老期,种群内个体的大小变异性很小,对于种群的生存有不利影响;（5）由于空间上四合木的大小结构以及反映四合木繁殖状况的植株果实产量,种子产量等参数在不同种群之间存在显著差异（P＜0．001）,因此应对不同的种群采取相应的管理措施以促进种群的更新和续存。     

基于异速生长理论的准噶尔盆地荒漠灌丛形态研究

为了揭示荒漠灌丛形态的发生发展机制并认识其在荒漠生态系统中的功能, 从形态和结构决定功能的原理出发, 对生长在准噶尔荒漠东南部的岛状灌丛进行了形态学调查。依据Malthusian方程微分形式, 根据异速生长理论, 建立了冠幅与株高生长、灌丛表面积与体积生长的数学关系式, 利用植被调查数据进行了验证, 并最终得出不同灌丛在不同株高时的情景示意图。结果表明: 1)将荒漠灌丛形态假设成半三轴椭球体是合理的; 2)虽然灌丛形态发展趋势可以是扁平、近半球和竖直3种类型, 但是形态建成后, 一般维持在扁平和近半球两种类型; 3) 18类荒漠灌丛的体积和表面积的数量关系具有一定的一致性, 可能与同处于相同环境条件下的水分利用效率相近有关。     

不同郁闭度下胸高直径对杉木冠幅特征因子的影响

树冠是树木进行光合作用和呼吸作用的重要场所,冠幅和冠长率直接影响树木的生活力和生产力。以湖南省黄丰桥国有林场103块杉木(Cunninghamia lanceolata)林样地为例,样地按郁闭度CD≥0.8(类型1)、0.7≤CD<0.8(类型2)、0.6≤CD<0.7(类型3)、0.5≤CD<0.6(类型4)和CD<0.5(类型5)划分5个等级。分析不同等级林分中树木冠幅和冠长率的分布结构以及与胸径的关系,同时利用非线性混合效应模型分析各类型郁闭度对冠幅和冠长率的随机影响。研究结果表明:5种类型的冠幅大小主要分布在区间(2.5—4.0m)之间,分别占65.82%、69.56%、70.79%、58.15%和53.21%,小于1.5 m和大于5.0 m分布较少;5种类型冠长率主要分布在区间(0.3—0.7)之间,分别占55.69%、71.93%、67.01%、82.22%和79.28%,在区间小于0.2和大于0.8分布较少,大于0.9的冠长率几乎没有;冠幅与胸径之间呈现较弱的线性相关性,而冠长率与胸径之间几乎线性不相关。在相同的胸高直径时,类型5的冠幅最大,而类型1的冠幅最小。对于冠长率,恰好相反,即类型1的冠长率最大,而类型5的冠长率最小;同时给出的冠幅模型(模型11)和冠长率模型(模型14)具有较高的预测精度,在实际应用中可以利用它们对冠幅和冠长率进行预测。     

利用半球图像法提取植被冠层结构特征参数

植被冠层结构深刻地影响着植物群落与环境的相互作用,对植被冠层结构的研究是深入理解植被生态系统格局、过程及其运作机制的重要基础。冠层结构特征参数的快速测量方法是植被冠层结构研究的前提,目前测量方法主要是基于实际测量的地面法,地面法一般费时费力,受人为因素影响较大,因此本文探索利用半球图像法获取植被冠层结构特征参数。通过对半球图像进行几何纠正并建立参数图层,与分类后的植被冠层图层进行运算提取植被冠层结构特征参数。将该方法应用于祁连山旺腰沟流域青海云杉冠层结构特征参数的提取,包括植被冠幅、冠层面积、冠层周长等,结果显示：半球图像法能够较好的提取植被冠层结构特征参数,该方法具有简单、客观、可重复等优点,也可作为植被冠层结构变化的监测方法。     

昌邑海洋保护区柽柳灌丛枝干生物量估算方法

柽柳属植物(Tamarix spp.)是我国沙漠干旱地区和滨海盐渍化地区的重要树种,具有较高的生态价值。在滨海地区,柽柳是一种典型灌木,分枝多、可塑性高,以往对柽柳生物量模型的研究,多以直立枝基径和长度作为自变量,此方法虽有较高精度,但工作繁琐。因此,研究以昌邑海洋生态保护区的柽柳林为对象,分别以株高冠幅组合、冠幅为自变量,以一元线性、幂函数、二次多项式等形式建立柽柳枝干鲜重的回归方程,并进行验证比较,目的是建立准确高效且适合滨海地区的柽柳生物量估测方法。结果表明:(1)对滨海地区柽柳林,冠幅和株高是较好的测树因子,以此建立回归方程,简便易行、准确可靠,应用前景较好;(2)综合方程的准确性和稳定性,无论以冠幅株高组合,还是单以冠幅作为自变量,均确定幂函数形式的回归方程为最优,经验证与实测值的偏差分别为-2.22%和2.92%;(3)基于冠幅的方程虽预测精度稍差,但由于冠幅面积可从高分辨遥感影像上直接提取,因而有极好应用前景;(4)R2~是评价模型优劣的重要标准,但仅以此为标准并不严谨,还需结合其他验证方法;(5)测区柽柳的株高、冠幅、鲜重的均值分别为(215.2±41.4)cm,(2.49±2.21)m~2,(4.15±5.80)kg,建议通过人工管理的方式提高林分质量。     

浙江天童常绿阔叶林演替阶段共有种的树木构型

树木构型是木本植物为响应光照变化在其空间建造结构上的配置模式和形态体现。研究演替不同阶段共有种构型的变化可以剔除植物谱系的影响, 反映植物构型特征与光资源供给性的关系。该研究在浙江宁波天童、南山和北仑3个次生演替序列上选择了5个演替共有种, 分4个群落高度层级, 对照分析了树高、冠幅深度和面积、枝条伸展方向、基径、叶片盖度和聚集度构型性状随演替的变化, 并分析了与冠幅曝光指数的线性关系。结果表明: 1)随着演替进行, 冠幅厚度和面积、叶片盖度、叶片聚集度和基径逐步增加, 但在个别相邻演替阶段增加不显著; 2)随着演替进行, 植物的垂直枝比例降低, 水平枝比例增加; 3)演替过程中植物冠幅曝光指数在各层级内都呈现出减小趋势; 4)构型性状和植物冠幅曝光指数间存在显著的线性回归关系(p < 0.001)。总之, 随着常绿阔叶林演替进行, 演替共有种构型的变化反映了物种功能类群由阳性先锋植物向耐阴植物的转化, 其中, 植物对光资源的适应是导致构型变化的主要原因。     

基于高分辨率与高光谱遥感影像的北亚热带马尾松及次生落叶树种的分类

利用遥感数据开展森林资源树种的分类对森林资源的监测、森林可持续经营及生物多样性研究都有重要意义。该文以江苏南部丘陵地区的北亚热带天然次生林为研究对象, 利用LiCHy (LiDAR、CCD、Hyperspectral)集成传感器同期获取的高分辨率和高光谱数据, 进行冠幅识别和多个层次的树种分类: 首先, 对高分辨率影像进行基于边缘检测的多尺度分割, 提取出单木冠幅; 其次, 对高光谱影像进行特征变量提取, 并对提取出的特征变量利用信息熵原理选取优化特征变量; 然后, 分别利用全部特征变量和经优化的重要特征变量对森林树种及森林类型进行预分类; 最后, 在预分类结果中加入单木冠幅信息对森林树种及森林类型进行重分类, 并分析分类结果的精度。研究表明: 1)利用全部特征变量进行4个典型树种分类时, 总体精度为64.6%, Kappa系数为0.493; 而针对森林类型的分类精度为81.1%, Kappa系数为0.584。2)利用选取的优化特征变量分类精度略低于利用全部特征变量的分类精度, 其中对4个典型树种分类时, 总体精度为62.9%, Kappa系数为0.459; 而针对森林类型的分类精度为77.7%, Kappa系数为0.525。通过集成传感器同期获取的高分辨率和高光谱数据可以有效地进行北亚热带森林的树种分类及森林类型的划分。     

Classification of Pinus massoniana and secondary deciduous tree species in northern subtropical region based on high resolution and hyperspectral remotely sensed data

Aims Using remote sensing data for tree species classification plays a key role in forestry resource monitoring, sustainable forest management and biodiversity research.Methods This study used integrated sensor LiCHy (LiDAR, CCD and Hyperspectral) to obtain both the high resolution imagery and the hyperspectral data at the same time for the natural secondary forest in south Jiangsu hilly region. The data were used to identify the crown and to classify tree species at multiple levels. Firstly, tree crowns were selected by segmenting high-resolution imagery at multiple scales based on edge detection; secondly, characteristic variables of hyperspectral images were extracted, then optimization variables were selected based on the theory of information entropy. Tree species and forest types were classified using either all characteristic variables or optimization variables only. Finally, tree species and forest types were reclassified along with the tree crowns information, and the accuracy of classification was discussed. Important findings Based on all available characteristic variables, the overall accuracy for four typical tree species classification was 64.6%, and the Kappa coefficient was 0.493. The overall accuracy for forest types classification was 81.1%, and the Kappa coefficient was 0.584. Based on optimization variables only, the overall accuracy for four typical tree species classification dropped to 62.9%, and the Kappa coefficient was 0.459. The overall accuracy for forest types classification was 77.7%, and the Kappa coefficient was 0.525. Obtaining both high resolution image and hyperspectral data at the same time by integrated sensor can increase overall accuracy in classifying forest types and tree species in northern subtropical forest.