基于CEBERS-WFI遥感数据的森林生物量估测方法研究

林业资源管理 ›› 2010›› Issue (3): 104-109.

基于CEBERS-WFI遥感数据的森林生物量估测方法研究

许等平¹, 李晖^1,2, 智长贵¹, 韩爱惠¹

1.国家林业局调查规划设计院,北京 100714;
2.北京林业大学省部共建森林培育与保护教育部重点实验室,北京 10083

收稿日期:2010-03-31 修回日期:2010-04-23 发布日期:2020-12-14
作者简介:许等平(1976-),男,甘肃镇原人,工程师,主要从事森林资源监测及“3S”林业应用工作。
基金资助:
“十一五”国家科技支撑计划项目“森林资源监测技术研究”(2006BAD23B02)

Study on Forest Biomass Estimation Method Based on CEBERS-WFI Remote Sensing Data

XU Dengping¹, LI Hui^1,2, ZHI Changgui¹, HAN Aihui¹

1. Academy of Forest Inventory and Planning, State Forestry Administration, Beijing 100714, China;
2. The Key Laboratory for Silviculture and Conservation of Ministry of Education, Beijing Forestry University, Beijing 100083, China

Received:2010-03-31 Revised:2010-04-23 Published:2020-12-14

摘要/Abstract

摘要： 以中巴卫星CEBERS-WFI遥感数据为基础,结合东北三省的地理、气象因子及森林资源连续清查固定样地信息,构建BP人工神经网络森林生物量估测模型,对我国东北三省的森林生物量进行估测,并反演了森林生物量的空间分布图像。结果表明,基于CEBERS-WFI遥感数据的BP人工神经网络应用于森林生物量估测简单实用,是一种快捷、有效的估测方法。

关键词: BP人工神经网络, CEBERS-WFI, 森林生物量, 估测

Abstract: Based on CEBERS-WFI remote sensing data,combined with the geographical and weather factors and NFI fixed sample plot measurement data of the three northeastern provinces, BP artificial neural network model for estimation of forest biomass for China's three northeastern provinces was developed and the remote sensing data based spatial distribution forest biomass image produced.The results showed that CEBERS-WFI BP artificial neural network is a quick and effective method for forest biomass estimation.

Key words: BP artificial neural network, CEBERS-WFI, forest biomass, estimation

中图分类号:

TP79
S718

许等平, 李晖, 智长贵, 韩爱惠. 基于CEBERS-WFI遥感数据的森林生物量估测方法研究[J]. 林业资源管理, 2010,(3): 104-109.

XU Dengping, LI Hui, ZHI Changgui, HAN Aihui. Study on Forest Biomass Estimation Method Based on CEBERS-WFI Remote Sensing Data[J]. FOREST RESOURCES WANAGEMENT, 2010,(3): 104-109.

[1]	唐佳俊, 汪刚, 柴宗政. 基于机载激光雷达点云数据的马尾松单木材积估测[J]. 林草资源研究, 2023, 0(6): 105-112.
[2]	周梅, 李春干, 杨承伶, 李振. 无人机激光雷达人工林参数估测试验[J]. 林业资源管理, 2023, 0(3): 90-97.
[3]	邱洁, 李倩楠, 虞瑶. 机载激光雷达数据估测森林资源蓄积量研究[J]. 林业资源管理, 2023, 0(1): 153-160.
[4]	曾伟生, 杨学云, 孙乡楠, 刘樯漪, 张宇超. 森林资源调查监测中各级储量数据的一体化方法研究[J]. 林业资源管理, 2022, 0(4): 13-19.
[5]	曾伟生. 森林蓄积量和生物量多元混合模型研建[J]. 林业资源管理, 2021, 0(6): 23-28.
[6]	王瑞, 杨沁雨, 欧光龙, 胥辉. 思茅区森林生物量分层抽样调查设计[J]. 林业资源管理, 2021, 0(1): 197-202.
[7]	孙忠秋, 吴发云, 胡杨, 高显连, 高金萍. 基于Landsat-8 OLI数据的马尾松林蓄积量饱和点确定及估测[J]. 林业资源管理, 2020, 0(6): 135-142.
[8]	孙忠秋, 吴发云, 高显连, 高金萍, 胡杨. 基于机载大光斑激光雷达的森林冠层高度估测[J]. 林业资源管理, 2020, 0(3): 111-117.
[9]	徐延鑫, 李明阳, 郝思宇. 基于GIS的城市森林生物量抽样方法研究[J]. 林业资源管理, 2018, 0(5): 123-127.
[10]	杨永恬, 杨广斌, 赵海兵. 喀斯特山区森林蓄积量的合成孔径雷达遥感估测研究[J]. 林业资源管理, 2018, 0(4): 100-104.
[11]	肖中琪, 黄建文, 凌成星. 新疆天山西部天然林保护工程区林地及森林生物量空间变化分析[J]. 林业资源管理, 2018, 0(1): 57-62.
[12]	蔡会德, 农胜奇, 张伟, 江锦峰, 熊晓斐, 刘峰. 广西主要树种立木生物量模型的研建[J]. 林业资源管理, 2014, 0(4): 58-61.
[13]	王清梅, 包亮, 魏江生, 周梅, 彭家宾. 大兴安岭南段阔叶次生林生物量遥感模型研究[J]. 林业资源管理, 2014, 0(1): 77-81.
[14]	王秀云, 朱汤军, 赵彩芳, 叶华琳, 陆超. 基于温室气体清单编制的林业碳计量研究进展[J]. 林业资源管理, 2013, 0(3): 17-22.
[15]	党永峰. 基于尺度推绎法的森林采伐面积和采伐量估测[J]. 林业资源管理, 2013, 0(3): 129-133.