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MODIS混合像元分解的湖南省森林碳密度反演

随着遥感技术的快速发展,基于遥感影像和地面样地的方法成为目前森林碳密度估算的常用手段.然而由于混合像元的存在严重制约了区域森林碳密度反演精度的提高,特别是MODIS这种低空间分辨率影像.本研究以MODIS影像和固定样地为数据源,开展森林碳密度的反演研究.首先利用不带约束、带约束的线性分解和非线性分解3种方法进行混合像元分解,导出不同土地利用/覆盖类型的丰度图;然后采用结合和未结合丰度图的序列高斯协同模拟算法对湖南省森林碳密度进行反演.结果表明： 3种混合像元分解模型中,带约束线性分解估计的地物丰度精度最高（平均均方根误差0.002）,明显优于不带约束线性分解和非线性分解模型;通过将混合像元分解模型和序列高斯协同模拟算法结合,森林碳密度反演精度从74.1%提高到81.5%,均方根误差从7.26减小到5.18;2009年湖南省森林碳密度的平均值为30.06 t·hm^-2,变化范围介于0.00～67.35 t·hm^-2之间.这表明混合像元分解在提高区域和全球尺度森林碳密度反演精度方面显示出巨大的潜力.     

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。     

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。     

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.     

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。     

秦岭宁陕县森林植被碳储量与碳密度特征

以秦岭南坡中段宁陕县林区2003年二类森林调查资料为基础,采用政府间气候变化委员会(IPCC)推荐使用的森林碳储量估算方法,从森林类型、林种、年龄和林分起源的角度,对该林区森林植被碳储量和碳密度进行估算。结果显示:(1)宁陕县森林植被碳储量为12.31Tg(1Tg=1×1012 g),平均碳密度为66.36Mg/hm2(1Mg=1×106 g),其各乡镇森林植被碳储量和碳密度在空间上的分布不平衡。(2)各森林类型中针叶林总碳储量为0.71Tg,平均碳密度为64.11 Mg/hm2,阔叶林总碳储量为11.61Tg,占宁陕县总碳储量的94.3%,碳密度为67.65Mg/hm2。(3)各林种中防护林碳储量最大(8.13Tg),占宁陕县总碳储量的66%,特种用途林碳密度最大(81.43Mg/hm2)。(4)不同林分起源中,天然林碳储量为12.231Tg,占宁陕县总碳储量的99.3%,人工林碳储量较小。(5)不同年龄森林中未成熟森林(包括幼龄林、中龄林和近熟林)碳储量为12.13Tg,占总碳储量的98.5%,近熟林碳密度最大(80.14Mg/hm2),幼龄林碳密度最小(39.85Mg/hm2)。研究表明,宁陕县森林具有较大的固碳能力和固碳潜力,其森林面积和蓄积是决定森林碳储量大小的重要因子,而森林碳密度的大小与森林类型、年龄组成和林分起源方式密切相关。     

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。     

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。     

基于RS/GIS的重庆缙云山自然保护区植被及碳储量密度空间分布研究

对森林植被类型和碳储量密度空间分布的研究,可以为森林生态系统服务功能和价值的提高、充分发挥"增汇减排"的碳库经营和管理工作提供重要的基础数据。利用缙云山高分辨率影像(WorldView-2)解译植被专题图和1∶10 000地形图生成数字高程模型,结合野外样方调查、文献中植被生物量回归(经验)模型和碳含量数据资料,在ArcGIS支持下对缙云山自然保护区植被和碳储量密度空间分布进行研究。研究显示,缙云山植被以针叶林为主(30%),人为干扰程度较高的灌木林也占有相当大的比例(21%),地带性顶级植被——常绿阔叶林面积较小(6%);碳储量密度为针阔混交林(74.23 Mg/hm2)>针叶林(62.97 Mg/hm2)>常绿阔叶林(62.65 Mg/hm2)>针竹混交林(59.84 Mg/hm2)>慈竹林(48.72 Mg/hm2)>毛竹林(47.88Mg/hm2)>灌木林(10.66 Mg/hm2),平均碳储量密度高于全国和同地区的平均值,达到了50.45 Mg/hm2;在空间分布上,针叶林在中高海拔(>500 m)和斜坡(>15°)以上优势明显,灌木林则相反,针阔混交林、常绿阔叶林的优势随着海拔升高或坡度增大而增加,植被的碳储量密度也随海拔的增高或坡度增大而增势明显。结果表明缙云山积累和存贮了较多的碳,"库"的功能强;而处于演替阶段初期的针叶林及灌木林明显占优,表明其在碳的积累上还有很大的提升空间,具有"汇"的潜能。此外,在较高海拔和较大坡度上的高碳储量密度,与人类的活动频度较小和对植被干扰较轻相关。因此可以推测,随着自然演替和保护区的封育改造、退耕还林及择伐补阔等森林管理措施的进行,将利于森林植被的保护、发育和更新,促使缙云山森林生态系统的碳储量密度进一步增大,碳"汇"潜能进一步增强,生态服务功能和价值得到进一步提高。     

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。     

喀斯特峰丛洼地不同植被类型碳格局变化及影响因子

采用样方法研究了西南喀斯特峰丛洼地草地、灌丛、次生林、原生林4种植被类型碳格局及其土壤碳的影响因子。结果表明:草地、灌丛、次生林、原生林4类生态系统总碳储量分别为133.84、160.79、179.08和261.24 Mg C/hm2,其中植被碳储量为5.02、6.59、20.87和60.20 Mg C/hm2,占总碳储量的3.75%—23.04%,随植被正向发展而增加;地被物碳储量为1.76、0.95、2.60和0.82 Mg C/hm2,仅占总碳储量的0.32%—1.45%;土壤层碳储量为127.06、153.25、151.61和200.21 Mg C/hm2,占76.64%—94.93%,随植被正向发展呈增加趋势,但对整个生态系统碳储量贡献率减少;由草地向原生林发展过程中,地下部分碳储量均大于地上部分碳储量,地上部分所占比例逐渐提高,地下部分所占比例逐渐减少;相关分析表明,土壤有机碳含量、储量与土壤容重、土壤深度存在良好的线性关系,喀斯特峰丛洼地石灰土土壤有机碳含量与水稳性团聚的分布关系密切,土壤氮素是影响有机碳含量的主要因素,2 mm细根和土壤微生物对石灰土土壤有机碳的积累具有重要的作用。     

Climate more important than soils for predicting forest biomass at the continental scale

Above-ground biomass in forests is critical to the global carbon cycle as it stores and sequesters carbon from the atmosphere. Climate change will disrupt the carbon cycle hence understanding how climate and other abiotic variables determine forest biomass at broad spatial scales is important for validating and constraining Earth System models and predicting the impacts of climate change on forest carbon stores. We examined the importance of climate and soil variables to explaining above-ground biomass distribution across the Australian continent using publicly available biomass data from 3130 mature forest sites, in 6 broad ecoregions, encompassing tropical, subtropical and temperate biomes. We used the Random Forest algorithm to test the explanatory power of 14 abiotic variables (8 climate, 6 soil) and to identify the best-performing models based on climate-only, soil-only and climate plus soil. The best performing models explained ~50% of the variation (climate-only: R² = 0.47 ± 0.04, and climate plus soils: R² = 0.49 ± 0.04). Mean temperature of the driest quarter was the most important climate variable, and bulk density was the most important soil variable. Climate variables were consistently more important than soil variables in combined models, and model predictive performance was not substantively improved by the inclusion of soil variables. This result was also achieved when the analysis was repeated at the ecoregion scale. Predicted forest above-ground biomass ranged from 18 to 1066 Mg ha⁻¹, often under-predicting measured above-ground biomass, which ranged from 7 to 1500 Mg ha⁻¹. This suggested that other non-climate, non-edaphic variables impose a substantial influence on forest above-ground biomass, particularly in the high biomass range. We conclude that climate is a strong predictor of above-ground biomass at broad spatial scales and across large environmental gradients, yet to predict forest above-ground biomass distribution under future climates, other non-climatic factors must also be identified.     

基于生物量回归方程估算黔中喀斯特常绿落叶阔叶混交林木本植物的根系生物量

常规根系生物量研究方法在我国西南喀斯特森林地区实施困难,根系挖掘法所得研究结果不确定性高,导致目前根系生物量数据匮乏。选择贵州中部喀斯特常绿落叶阔叶混交林为对象,建立常规的根系生物量回归方程,结合群落调查数据,以期研究该森林木本植物的根系生物量特征及其空间分布格局。利用106株乔木、34株灌木和34株藤本标准木根系数据,构建了5种优势乔木(安顺润楠Machilus cavaleriei、化香树Platycarya strobilacea、云贵鹅耳枥Carpinus pubescens、云南鼠刺Itea yunnanensis和窄叶石栎Lithocarpus confinis)、3种优势灌木(刺异叶花椒Zanthoxylum dimorphophyllum、倒卵叶旌节花Stachyurus obovatus和异叶鼠李Rhamnus heterophylla)和2种优势藤本(藤黄檀Dalbergia hancai Benth和小果蔷薇Rosa cymosa)以及乔木通用、灌木通用和藤本通用共13个根系生物量回归方程。利用这些方程计算得到该喀斯特森林木本植物总根系生物量为22.72Mg/hm2。乔木根系生物量(22.57 Mg/hm2)远高于灌木和藤本,占森林总根系生物量的99.30%。5个优势乔木树种的根系生物量(19.67 Mg/hm2)占森林总根系生物量的86.54%。物种根系发达程度是影响根系生物量空间分布格局的重要因素。研究可为喀斯特地区植被地下生物量与碳储量的全面估算提供一个新途径。     

帽儿山温带落叶阔叶林通量塔风浪区生物量空间格局

采用网格法在帽儿山温带落叶阔叶林通量塔风浪区(1500 m×400 m)内设置直径为20 m的圆形样地106个,运用地统计学方法和回归分析法研究了乔木生物量空间格局及其驱动因子。结果表明,风浪区总生物量平均值为153.63 Mg/hm~2,变异系数为37.89%;根冠比平均0.25(变化范围0.18—0.36)。总生物量、地上生物量和地下生物量的空间自相关显著,半方差模型的结构比分别为0.50、0.61和0.50,空间异质性尺度分别为276 m、198 m和375 m。硬阔叶林与杂木林的生物量组分和根冠比差异均不显著,但以胸高断面积(BA)为协变量,生物量组分差异显著。硬阔叶林和杂木林生物量组分与BA均呈极显著的线性正相关关系,BA可以解释总生物量和地上生物量空间变异的85%以上,表明局域尺度上BA可作为森林乔木生物量的预测因子。两种林型的生物量与优势高呈对数线性关系,但相关程度较低(R~20.41)。杂木林的各生物量组分与坡度显著正相关,但硬阔叶林的关系不显著。帽儿山落叶阔叶林乔木生物量受BA、优势高、林型、坡度和坡向共同驱动而存在空间变异,因此在整合通量塔与地面碳汇测量时需要考虑空间异质性。     

单木生物量模型估计区域尺度生物量的不确定性

采用系统抽样体系江西省固定样地杉木连续观测数据和生物量数据,通过Monte Carlo法反复模拟由单木生物量模型推算区域尺度地上生物量的过程,估计了江西省杉木地上总生物量。基于不同水平建模样本量n及不同决定系数R~2的设计,分别研究了单木生物量模型参数变异性及模型残差变异性对区域尺度生物量估计不确定性的影响。研究结果表明:2009年江西省杉木地上生物量估计值为(19.84±1.27)t/hm~2,不确定性占生物量估计值约6.41%。生物量估计值和不确定性值达到平稳状态所需的运算时间随建模样本量及决定系数R~2的增大而减小;相对于模型参数变异性,残差变异性对不确定性的影响更小。     

四川人工林生态系统碳储量特征

利用森林资源清查资料和标准地实测数据估算了四川人工林生态系统的碳密度、碳储量及分配特征.结果表明:四川人工林生态系统平均碳密度为161.16 Mg C·hm^-2,各层碳密度从大到小排序为土壤层(141.64 Mg C·hm^-2)＞乔木层(17.95 Mg C·hm^-2)＞枯落物层(1.06 Mg C·hm^-2)＞灌草层(0.52 Mg C·hm^-2).四川人工林生态系统总碳储量为573.57 Tg C,其中乔木层、灌草层、枯落物层和土壤层分别为63.88、1.836、3.764和504.09 Tg C,分别占总碳量的11.14%、0.32%、0.66%和87.88%.不同人工林生态系统的碳储量和碳密度差异较大,分别介于1.21～99.44 Tg C和75.50～251.74 Mg C·hm^-2之间,其空间分配也表现为土壤层最大、灌草层最小.但四川省人工林生态系统乔木层碳密度较低,幼、中龄林分比重大,如果对现有人工林加以更好的管理,碳吸存潜力较大.从生态系统水平监测人工林生态系统的碳储量有助于提高森林碳吸存估算的精度.