长白落叶松生物量估测模型研究

论文摘要

本文在东折棱河林场以长白落叶松林地上部分生物量为研究对象,利用样木收获法收集34个样地的林分地上部分生物量信息,选取其中29个样地生物量信息分别与样地林分因子信息和TM遥感影像信息拟合建立林分因子线性模型、遥感因子线性模型和林分因子非线性模型,利用剩下的5个样地进行模型精度检验和误差分析。结果表明：长白落叶松地上部分生物量均可以用遥感因子或林分因子模型拟合；林分因子线性模型对中幼林地上生物量的估测精度高(P林分=94.33%>P遥感=P非=92.32%)且检验误差小(MRE林分=6%<MRE非=7%<MRE遥感=31%),效果较好；若只考虑中龄林,则非线性模型与林分因子模型估测效果相当(误差之和E林分=366.7 t<E非=379.0 t<E遥感=515.4 t)。树皮、干材和总生物量部分的估测效果为林分因子模型估测最优、其次为非线性模型、最差为遥感因子模型,树冠部分则是遥感模型估测最好、其次为林分因子模型、最差为非线性模型。在树冠和地上部分总生物量模型中,非线性模型的不相容性最不明显。三种模型对长白落叶松碳密度估测结果为：林分线性模型为37.34 t／ha,遥感线性模型为35.96 t／ha,非线性模型为37.05 t／ha。通过三种生物量模型和碳储量估测效果的比较分析,希望为今后生物量模型的选择和研究提供一定的参考。

论文目录

• 摘要
• ABSTRACT
• 1 引言
• 1.1 研究背景
• 1.2 森林生物量研究现状
• 1.2.1 森林生物量的内涵
• 1.2.2 森林生物量的研究方法
• 1.2.3 遥感模型估测森林生物量研究进展
• 1.2.4 林分调查因子模型估测森林生物量研究进展
• 1.3 研究的目的及意义
• 1.4 研究内容
• 1.5 研究技术路线
• 2 试验区概况
• 2.1 试验区位置分布
• 2.2 试验区地形地貌
• 2.3 试验区气候
• 2.4 试验区森林植被类型
• 3 数据采集和处理
• 3.1 样地数据采集
• 3.1.1 样地设置
• 3.1.2 生物量采集
• 3.2 林分因子数据调查
• 3.3 遥感数据及地图信息获取
• 3.3.1 TM影像的预处理
• 3.3.2 植被的遥感指数计算
• 3.3.3 植被的监督分类
• 4 生物量估测模型建立与分析
• 4.1 生物量模型
• 4.1.1 生物量模型类型
• 4.1.2 生物量模型评价指标
• 4.2 林分因子线性模型
• 4.2.1 林分因子自变量分析
• 4.2.2 林分因子模型拟合
• 4.2.3 模型评价与分析
• 4.3 遥感因子线性模型
• 4.3.1 遥感因子自变量分析
• 4.3.2 遥感因子模型拟合
• 4.3.3 模型评价与分析
• 4.4 非线性模型
• 4.4.1 非线性模型自变量分析
• 4.4.2 非线性模型拟合
• 4.4.3 模型评价与分析
• 5 三种模型生物量估测效果对比与分析
• 5.1 两种线性模型检验效果对比
• 5.2 线性与非线性模型检验效果对比
• 5.3 三种模型的不相容性
• 5.4 模型碳储量估测
• 6 结论与讨论
• 6.1 结论
• 6.2 讨论与问题
• 6.2.1 讨论
• 6.2.2 问题
• 6.3 研究展望与应用趋势
• 6.3.1 林木树根生物量监测新手段
• 6.3.2 生物量估测计算模块建设
• 附表
• 附图
• 参考文献
• 个人简介
• 导师简介
• 论文支撑项目
• 致谢