大興安嶺森林地上碳儲量遙感估算與分析.pdf

1、在全球氣候變化與全球碳循環(huán)研究中，陸地生態(tài)系統(tǒng)碳循環(huán)已成為全球變化研究的焦點。森林是陸地生態(tài)系統(tǒng)最大的碳庫，森林生態(tài)系統(tǒng)在維護區(qū)域生態(tài)環(huán)境和全球碳平衡方面均起著極其重要和不可替代的作用。因此對森林地上碳儲量的空間分布特征的研究有重要意義。根據(jù)區(qū)域和全國大尺度檢測的需要，遙感和實測樣地數(shù)據(jù)結(jié)合成為估測森林參數(shù)的必要手段和發(fā)展趨勢。然而如何提高遙感反演森林生物量和碳儲量精度是目前遙感信息估測方面亟待解決的問題。
　　本文研究目的是解決

2、樣地坐標(biāo)和影像信息匹配誤差以及森林地上碳儲量空間分布非平穩(wěn)性對遙感估測森林地上生物量和碳儲量精度的影響。以黑龍江大興安嶺地區(qū)2010年收集的1033塊森林清查樣地數(shù)據(jù)和同年8月-9月10幅Landsat5 TM影像數(shù)據(jù)為基礎(chǔ)，估測大興安嶺地區(qū)森林地上碳儲量的空間分布。首先提取樣地數(shù)據(jù)對應(yīng)遙感信息的原始1-5和7波段、幾種典型的植被指數(shù)、主成分變化前三個變量、纓帽變化的三個分量和各個波段的紋理特征分量及地學(xué)信息（海拔、坡度和坡向），應(yīng)用最

3、優(yōu)子集和逐步回歸分析方法從中選取最優(yōu)變量構(gòu)建其與實測地上碳儲量多元回歸模型，并采用Halme和Tomppo多準(zhǔn)則方法重匹配樣地坐標(biāo)和影像信息，降低了坐標(biāo)配準(zhǔn)誤差對森林地上碳儲量遙感反演精度的影響，在此基礎(chǔ)上進一步采用幾種空間模型對森林地上碳儲量進行估測，與常規(guī)多元回歸模型方法比較，探討了各個模型方法在解決森林地上碳儲量空間非平穩(wěn)性方面的優(yōu)勢和不足，分析了大興安嶺林區(qū)地上碳儲量的分布規(guī)律，為我國和全球碳循環(huán)評估、建模、預(yù)測和模擬提供了基礎(chǔ)

4、。
　　本文研究具體貢獻和結(jié)論如下:
　　1，采用Halme和Tomppo多準(zhǔn)則方法分別在3×3窗口、5×5窗口及7×7窗口按不同林分類型重配準(zhǔn)樣地坐標(biāo)和遙感影像信息，探討了應(yīng)用多元回歸模型估測森林地上碳儲量時坐標(biāo)配準(zhǔn)誤差對估測精度的影響。結(jié)果表明用窗口匹配坐標(biāo)數(shù)據(jù)擬合模型后，各個林分類型多元回歸模型擬合效果變好，而且隨著匹配窗口的增大，模型擬合優(yōu)度逐漸升高。
　　2，采用獨立檢驗數(shù)據(jù)對樣地坐標(biāo)和影像信息各個窗口重匹配

5、模型效果進行驗證，表明各個林分類型的多元回歸模型估測的RMSE均隨著坐標(biāo)匹配窗口的增大而降低，預(yù)估精度均隨著坐標(biāo)匹配窗口的增大而升高。全部林分多元回歸模型檢驗均方根誤差(RMSE)在3×3窗口、5×5窗口及7×7窗口模型比未經(jīng)坐標(biāo)校正的原始數(shù)據(jù)模型分別降低了17.58％、29.10％和32.94％;預(yù)估精度分別提高了4.6％、7.5％和8.3％。
　　3，以遙感信息的原始1-5，7波段為自變量，將大興安嶺地區(qū)分為北部、東部、中部和

6、南部四個區(qū)域，應(yīng)用KNN方法分別對坐標(biāo)匹配前后的森林地上碳儲量進行估測。結(jié)果表明，與未經(jīng)坐標(biāo)配準(zhǔn)的原始數(shù)據(jù)相比，KNN方法在各個區(qū)域估測的 RMSE隨著匹配窗口的增大而降低。多元回歸和KNN方法均表明7×7窗口為用于模型構(gòu)建最適合窗口。
　　4，應(yīng)用全局Moran'I檢驗森林地上碳儲量的空間自相關(guān)性、空間變異性隨空間尺度變化的情況。結(jié)果表明大興安嶺地區(qū)森林地上碳儲量在70km以內(nèi)存在顯著的空間正相關(guān)關(guān)系。
　　5，采用最小二

7、乘方法、空間滯后模型、空間誤差模型和地理加權(quán)回歸模型進行森林地上碳儲量的估測。與最小二乘方法相比，空間滯后模型、空間誤差模型和地理加權(quán)回歸模型擬合優(yōu)度均有一定程度的提高。空間滯后模型、空間誤差模型能夠有效消除殘差的空間相關(guān)性，而地理加權(quán)回歸模型不但能消除殘差的空間相關(guān)性，還能夠降低空間異質(zhì)性。地理加權(quán)回歸模型考慮了空間位置信息并且強調(diào)了局域變量之間的關(guān)系，在模型擬合和預(yù)估方面均表現(xiàn)出明顯的優(yōu)勢。
　　6，選取地理加權(quán)回歸模型對大興