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。     

遥感在森林地上生物量估算中的应用

生物量是地表C循环研究的重要组成部分,生物量研究有助于深入认识区域乃至全球的C平衡。森林作为地球最重要的陆地生态系统,区域乃至全球尺度的森林地上生物量估算一直是生态学研究的难点之一。在大的空间尺度上,遥感技术是估算森林地上生物量的有效手段。TM、AVHRR、SAR等数据以及多源数据的融合在森林生物量估算方面广泛应用,并取得了显著效果。运用遥感技术进行森林生物量估算时,所采用的数据源不同,分析方法也不相同,主要分析方法有:相关分析、多元回归分析、神经网络和数学模型模拟等。随着测定不同空间、时间和波谱分辨率的各种传感器的广泛使用,以及生物量遥感估算模型的进一步发展和完善,大尺度森林生物量的遥感估算研究必将向前迈进一大步。     

利用皆伐法估算黔中喀斯特森林地上生物量

精确估算森林生物量对理解全球碳循环至关重要。已有的喀斯特森林地上生物量估算研究存在很高的不确定性,缺乏校准数据检验研究结果的精度。利用皆伐法,首次精确估算了我国西南贵州省中部喀斯特森林的地上生物量,并检验了已有生物量回归方程和平均标准木法对该喀斯特森林地上生物量的估算效果。该喀斯特森林的地上生物量为122.81 Mg/hm²,胸径(D)≥1 cm的木本植物、D<1 cm的木本植物和草本植物的地上生物量分别为120.00、2.56、0.24 Mg/hm²。D在10—30 cm范围内的植株(83.89 Mg/hm²)是地上生物量的主要贡献者。4个优势树种(云南鼠刺Itea yunnanensis、川钓樟Lindera pulcherrima、猴樟Cinnamomum bodinieri和化香树Platycarya strobilacea的地上生物量为103.03 Mg/hm²,占森林总地上生物量的83.89%。干(61.04 Mg/hm²)和枝(40.56 Mg/hm     

基于随机森林模型的青藏高原森林地上生物量遥感估算

遥感数据可以实时快速获取森林属性信息,利用遥感技术数据估算的森林地上生物量(aboveground biomass, AGB)具有空间连续性且精度较高的优势。与低纬度或低海拔的森林生态系统相比,高寒区因地形复杂、气候特殊,森林属性信息的获取更加困难,因此遥感是获取大尺度高寒区森林属性的重要手段。本研究以青藏高原为研究区,利用MODIS卫星影像和样地调查数据,建立随机森林模型(RF)估算森林AGB,并结合K最近邻算法(KNN)进一步探究该区域主要树种AGB。本研究在不同尺度上验证了模型预测精度,并分析预测变量的重要性。结果表明：(1)建立的AGB估算模型在像元(R²=0.82,RMSE=64.93 t·hm^-2)和景观尺度(t=0.15,P=0.88)上皆表现较好;(2)青藏高原森林AGB空间分布呈现由东南向西北逐渐降低的趋势,平均森林AGB为181.28±104.54 t·hm^-2;最高的森林AGB出现在海拔1000 m以下,为237.66±60.92 t·hm^-2;树种水平上,冷杉、云杉和云南松A...     

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。     

青藏高原草地地上生物量估算

及时准确评估草地产草量对草地资源的科学管理和可持续发展具有重要意义。青藏高原自然环境特殊,气候差异显著,地形复杂,仅依靠遥感信息准确监测草地地上生物量(Aboveground Biomass,AGB)变化有较大限制。基于青藏高原草地AGB野外实测数据与Landsat遥感影像,探索了植被指数表征草地AGB信息的有效性,评估了气象和地形信息对准确估算草地AGB的影响,综合利用气象、地形和遥感信息,在新一代地球科学数据和分析应用平台(Google Earth Engine)上构建了梯度增强回归树草地AGB估算模型,绘制了青藏高原多年草地AGB空间分布图。结果表明:(1)基于单因素遥感因子的线性回归模型仅能解释8%-40%的草地AGB变化情况,其中绿色归一化植被指数(Green Normalized Difference Vegetation Index, GNDVI)对草地AGB解释能力较强(40%)。(2)基于遥感因子构建的梯度增强回归树模型测试集R²为0.57。分别添加气象、地形信息,模型对草地AGB的估测准确性有所提升,测试R²为0.62和0.63。(3)基于气象、地形和遥感因子的多因素估测模型能够提高草地AGB估测精度,经递归特征消除法优选后,基于13个特征变量的梯度增强回归树模型拟合效果最好(训练数据集R²=0.79,RMSE=43.42 g/m²,P<0.01;测试数据集R²=0.66,RMSE=53.64 g/m²,P<0.01),可以解释66%草地AGB变化情况。(4)2010年青藏高原平均AGB为94.58 g/m²,2015年93.63 g/m²,2020年100.78 g/m²。青藏高原西北部草地AGB较低,东南部草地AGB较高,整体呈现自西北向东南逐渐增加的分布格局。研究结果为准确估算青藏高原草地产草量和碳储量等研究提供重要参考。     

黑龙江省黑河地区森林地上生物量和NPP估测及时空格局

根据黑龙江省黑河地区2005和2010年1390块固定样地数据和东北地区树种生物量异速模型,估算各样地单位面积森林地上生物量(AGB)和净初级生产力(NPP).结合该地区2005和2010年两期ETM⁺遥感图像,运用地统计克里格与协同克里格法对AGB和NPP进行插值,比较多种方差函数的拟合效果,并用最佳插值方法得出该地区AGB和NPP的分布图;通过两期分布图的对比,分析该区域AGB和NPP随时间和空间的动态变化趋势,及其与地形因子(坡向、坡度、海拔)和不同林分类型的时空变化规律.结果表明: 2005—2010年,黑河地区AGB呈现增加趋势,高于40 t·hm^-2的生物量面积明显增加;NPP有所下降,出现高NPP地区向低NPP地区转变的现象.AGB和NPP与各地形因子均有一定的相关性,其中,与海拔的相关性明显,说明AGB和NPP的分布受海拔影响显著.研究期间,AGB在各个坡向均有所提高,NPP则降低;AGB和NPP随着坡度增大、海拔增高有增加趋势;常绿针叶林AGB和NPP增长最多,针阔混交林AGB增长最少,落叶阔叶林NPP增长最少.     

基于机载激光雷达的小兴安岭温带森林组分生物量反演

使用小兴安岭温带森林机载遥感-地面观测同步试验获取的机载激光雷达(light detection and ranging, Lidar)点云数据和地面实测样地数据, 估测了典型森林类型的树叶、树枝、树干、地上、树根和总生物量等组分的生物量。从激光雷达数据中提取了两组变量(树冠高度变量组和植被密度变量组)作为自变量, 并采用逐步回归方法进行自变量选择。结果表明: 激光雷达数据得到的变量与森林各组分生物量有很强的相关性; 对于针叶林、阔叶林和针阔叶混交林三种不同森林类型生物量的估测结果是: 针叶林优于阔叶林, 阔叶林优于针阔叶混交林; 不区分森林类型的各组分生物量估测与地面实测值显著相关, 模型决定系数在0.6以上; 区分森林类型进行建模可以进一步提高生物量的估测精度。     

基于MODIS数据的松嫩平原西部芦苇湿地地上生物量遥感估算

芦苇作为湿地生态系统中重要的群落类型,其地上生物量是衡量湿地生态系统质量的关键指标。应用面向对象的土地覆盖分类技术,基于多季相Landsat8 OLI遥感数据,提取松嫩平原西部芦苇湿地分布信息;依托野外实测芦苇地上生物量数据(AGB)和同期MODIS数据源的NDVI、EVI、RVI、MSAVI和WDVI 5种光谱植被指数,探讨不同光谱植被指数对芦苇AGB的敏感性,进而构建松嫩平原西部芦苇AGB遥感估算最优模型,并进行芦苇AGB遥感反演及空间格局分析。结果表明:2014年松嫩平原西部地区芦苇总面积为1653 km~2,其中扎龙湿地自然保护区内芦苇分布面积最大(1178km~2),占区域芦苇总面积的71.3%;所选取的5种植被指数均与芦苇AGB呈极显著正相关(P0.01),基于EVI构建的指数曲线模型为松嫩平原西部芦苇AGB反演的最优模型(R2=0.55)。研究区芦苇平均AGB为372.1g/m~2,AGB总量为6.14×105t,其中扎龙湿地自然保护区内芦苇AGB总量为4.38×105t;各保护区芦苇平均AGB由大到小依次为:向海保护区(469.7 g/m~2)大布苏保护区(454.1 g/m~2)莫莫格保护区(373.0 g/m~2)扎龙保护区(372.4 g/m~2)查干湖保护区(369.8 g/m~2);松嫩平原西部芦苇AGB总体呈现南高北低的分布格局,将为湿地生态系统管理与保护及芦苇资源的合理利用提供科学依据。     

几种荒漠植物地上生物量估算的初步研究

在调查植物样方的基础上,利用植株冠幅特征如冠幅长与宽、株高、基径、新生枝条数、总枝条数等作为变量建立了估算典型荒漠植物地上生物量的模型,利用植株冠幅长与宽所建拟合方程对估算琵琶柴灌丛生物量的精确度较高,经验证,预测值与实测值的相关系数为O．9989,相对误差在4．79％～10．12％之间利用植株株高、基径所建拟合方程对估算梭梭、多枝柽柳生物量计算值与实测值的相关系数在0.9418以上,显著性检验表明相关系数均为极显著经验证,预测值与实测值的相关系数分别为0．9902和0．9875．相对误差分别为6．87％～19．22％和7．49％～18．47％。研究表明,在大面积荒漠植物生物量研究中,利用植株冠幅特征作为变量来估算琵琶柴灌丛地上生物量方法简便可行,用来估算梭梭、多枝柽柳等灌木地上生物量时存在一定误差     

森林生物量估算中模型不确定性分析

单木生物量估算是区域森林生物量估算的基础。量化单木生物量模型中各种不确定性来源,分析各不确定性来源对森林生物量估算的影响,可为提高森林生物量估算精度提供理论依据。基于52株杉木地上部分生物量实测数据,建立杉木单木地上部分生物量一元与二元模型。在两种模型形式下,根据临安市2009年森林资源连续清查数据中杉木实测数据,分析单木生物量模型中所包含的2种不确定性,即模型参数不确定性和模型残差变异引起的不确定性。最后利用误差传播定律计算单木生物量模型总不确定性。结果表明,基于一元生物量模型的临安市杉木生物量估计均值为6.94 Mg/hm~2,由一元模型残差变异引起的生物量不确定性约为11.1%,模型参数误差引起的生物量不确定性约为14.4%,一元生物量模型估算合成不确定性为18.18%。基于二元生物量模型的临安市杉木生物量估计均值为7.71 Mg/hm~2,模型残差变异引起的不确定性约为7.0%,模型参数误差引起的不确定性约为8.53%,二元生物量模型估算合成不确定性为11.03%。研究表明模型参数不确定性随建模样本的增加逐渐降低,当建模样本由30增加到40再增加到52时,一元生物量模型模型参数不确定性分别为20.26%、16.19%、14.4%,二元生物量模型分别为13.09%、9.4%、8.53%。此外,建模样本的增加对残差变异不确定性也有一定影响,当建模样本由30增加到42再增加到48时,一元模型残差变异不确定性分别为15.2%,12.3%和11.7%;二元模型残差变异不确定性分别为13.3%,9.4%和8.3%。在2种不确定性来源中模型参数不确定性对估计结果影响最大,其次为模型残差变异。由于模型残差变异、参数不确定性与建模样本有关,因此可以通过增加建模样本来减小模型参数不确定性。二元生物量模型总的不确定性要低于一元生物量模型。     

利用TM数据提取粤西地区的森林生物量

通过样方调查获取森林材积 ,借助于 GPS技术为调查样方准确定位。通过研究针叶林和阔叶林材积与 Landsat TM数据各波段及 NDVI和 RVI等指数的相关性 ,筛选出估算针叶林和阔叶林材积的光谱因子。根据 TM数据 7个波段信息及其线形与非线形组合 ,应用逐步回归技术分别建立估算针叶林和阔叶林材积的最优光谱模型。进而研究了粤西及附近地区的森林生物量和森林覆盖。结果表明 :若不计少量云层及地形影响 ,粤西及附近地区的森林覆盖率约为 47.8%。西江干流以北地区的森林覆盖率明显高于西江以南 ,阔叶林主要分布在西江以北 ,西江以南主要为针叶林。粤西及附近地区的森林生物量多介于 2 3～ 45 1 t· hm- 2之间 ;在约 1 90 5 0 km2范围内 ,森林生物量共计 9.2 2× 1 0 7t左右。西江以北地区的森林生物量较高 ,西江以南的森林生物量较低。生物量 >40 0 t· hm- 2的森林主要分布在黑石顶自然保护区及附近、鼎湖山及附近、德庆东北部和广宁东部。     

模拟分类经营对小兴安岭林区森林生物量的影响

运用空间直观景观模型LANDIS 7.0 PRO,模拟了在当前采伐模式和无采伐两个预案下,小兴安岭林区森林生物量及主要树种生物量在2000—2200年间的动态。模拟结果如下:(1)无采伐预案下,森林生物量由最初的93.6 t/hm2逐渐升高,90a后达到最大值258 t/hm2,之后森林生物量在245 t/hm2上下小幅波动;(2)前100a采伐预案会明显降低森林生物量,与无采伐预案相比森林生物量最大可降低21.4 t/hm2,平均减少14.7 t/hm2;后100a采伐对森林生物量的影响逐渐减弱,森林生物量平均减少2.6 t/hm2;(3)当前采伐模式促进保护树种红松和紫椴生长,其生物量分别最大可提高9.0 t/hm2和0.53 t/hm2,占到无采伐预案生物量的56%和15%;(4)采伐预案对云冷杉生物量影响较小,主要降低先锋树种(白桦、山杨)和一些阔叶树种(枫桦、春榆)的生物量。研究结果表明现行采伐模式在未来100 a内会显著影响森林生物量,之后其影响逐渐减小,并且保护政策能提高所保护树种(红松、紫椴)的生物量,但要保持较高的总生物量,仍需要降低目前的采伐强度。     

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。     

黄土高原春小麦地上鲜生物量高光谱遥感估算模型

通过田间小区试验,测定了4个春小麦品种(定西24号、陇春8139、高原602和定西38号)在不同生育期和不同种植密度下冠层光谱反射率及其对应的地上鲜生物量,分析了春小麦地上鲜生物量随生育期的变化以及地上鲜生物量与冠层反射光谱和一阶微分光谱之间的相关关系,采用相关系数较大的特征波段及其组合构建光谱特征参数以其作为变量,建立了春小麦地上生物量的高光谱估算模型,并对模型进行检验。结果表明：以参数F₇₈₀和D₇₁₉为变量的对数形式y=3.9498ln F₇₈₀+7.0596和乘幂形式y=512.99D₇₁₉^1.0174估算水平最高,前者均方根误差(RMSE)为0.2173,相对误差(RE)为10.45%,预测值与实测值相关系数为0.854;后者RMSE为0.2188,RE为9.96%,预测值与实测值相关系数为0.853。因此,上述两个模型可作为陇中黄土高原地区春小麦地上鲜生物量的最佳估算模型。     

中亚热带森林单木地上生物量的机载激光雷达估测

以雪峰山武冈林场为研究对象,利用遥感数据和地面实测样地数据,研究机载激光雷达（LiDAR）估测中亚热带森林乔木层单木地上生物量的能力.利用条件随机场和最优化方法实现LiDAR点云的单木分割,以单木尺度为对象提取的植被点云空间结构、回波特征以及地形特征等作为遥感变量,采用回归模型估测乔木层地上生物量.结果表明: 针叶林、阔叶林和针阔混交林的单木识别率分别为93%、86%和60%;多元逐步回归模型的调整决定系数分别为0.83、0.81和0.74,均方根误差分别为28.22、29.79和32.31 t·hm^-2;以冠层体积、树高百分位值、坡度和回波强度值构成的模型精度明显高于以树高为因子的传统回归模型精度.以单木为对象从LiDAR点云中提取的遥感变量有助于提高森林生物量估测精度.
     

联合GF-6和Sentinel-2红边波段的森林地上生物量反演

光谱反射率能反映地物差异,是森林地上生物量（Aboveground Biomass,AGB）遥感反演的理论基础。红边波段处于近红外与红光波段交界处快速变化的区域,能对植被冠层结构和叶绿素含量的微小变化做出快速反应,对植被生长状况较敏感。研究以GF-6和Sentinel-2多光谱影像作为数据源,结合野外调查AGB数据,构建落叶松和樟子松AGB线性和非线性估测模型,通过比较模型精度选择最优模型进行森林AGB反演和空间分布制图。结果表明：GF-6和Sentinel-2影像红边波段反射率与落叶松、樟子松AGB均呈显著相关（P<0.05）,红边波段对AGB估测较敏感。多变量估测模型整体估测效果优于单变量模型,所有模型中多元线性回归模型取得了最优的决定系数（落叶松R²=0.66,樟子松R²=0.65）和最低的均方根误差（落叶松RMSE=31.45 t/hm²,樟子松RMSE=54.77 t/hm²）。相比单个数据源,联合GF-6和Sentinel-2影像构建的多元线性回归模型估测效果得到了显著提升,模型RMSE对于落叶松和樟子松AGB估测分别最大降低了22.9%和11.2%。增加红边波段进行AGB估测能显著提高模型估测精度,三组数据源分别加入红边波段信息后进行建模,模型RMSE得到了显著降低。GF-6拥有800 km观测幅宽和高效的重访周期,可以快速地提供大尺度时间序列数据,在森林地上生物量反演和动态监测方面有着很大潜力。     

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.     

我国亚热带次生林乔木地上生物量估算的适宜样地面积初探

我国亚热带森林生物量估算研究常基于400~900 m²的小面积样地,但到底多大面积样地才较为适宜却鲜有探究。该文以浙江九龙山国家级自然保护区内三个1 hm²样地亚热带次生林为研究对象,利用生物量回归方程估算木本植物(胸径≥1 cm)的地上生物量,分析地上生物量的空间分布格局,并利用移动窗口法探讨三个次生林地上生物量估算的适宜样地面积。结果表明:(1)三个次生林木本植物的地上生物量分别为63.75 Mg·hm^-2(大岩前)、84.70 Mg·hm^-2(八通岭)和128.20 Mg·hm^-2(屁股窟),地上生物量集中分配在个体数量较少的大径级个体;屁股窟次生林的地上生物量空间变异程度高于大岩前和八通岭次生林。(2)利用移动窗口法确定的三个次生林木本植物地上生物量估算的适宜样地面积分别为2025 m²(大岩前)、2500 m²(八通岭)和3600 m²(屁股窟),森林地上生物量越高且空间变异程度越高,所需调查的样地面积越大。该研究结果可为我国亚热带森林地上生物量估算的样地面积设置提供证据,并为该区域森林生物量与碳储量的估算提供基础数据。