基于Landsat8 OLI数据的山杏柠条灌木林碳储量遥感模型研究

doi:10.13466/j.cnki.lyzygl.2016.01.019

林业资源管理 ›› 2016›› Issue (1): 112-117.doi: 10.13466/j.cnki.lyzygl.2016.01.019

基于Landsat8 OLI数据的山杏柠条灌木林碳储量遥感模型研究

刘芬¹, 魏江生¹, 周梅¹, 赵鹏武¹, 舒洋¹, 吴华军², 海青²

1.内蒙古农业大学生态环境学院,呼和浩特 010019;
2.内蒙古赤峰市巴林右旗林业局,内蒙古大板, 025150

收稿日期:2015-10-14 修回日期:2015-11-25 发布日期:2020-11-04
通讯作者: 魏江生(1969-),男,内蒙古鄂尔多斯人,博士,硕导,主要从事土壤环境与植物生长研究。Email:weijiangsheng1969@163.com
作者简介:刘芬(1990-),女,内蒙古鄂尔多斯人,在读硕士,主要从事土壤环境与植物生长研究。Email:1347763805@qq.com
基金资助:
内蒙古科技计划项目(20120421;20120419);应对气候变化专项资金能力建设项目

Study on Remote Sensing Models of Armeniaca Sibirica,Caragana Korshinskii Shrubberies' Carbon Storage Based on Landsat8 OLI Remote Sensing Data

LIU Fen¹, WEI Jiangsheng¹, ZHOU Mei¹, ZHAO Pengwu¹, SHU Yang¹, WU Huajun², HAI Qing²

1. College of Ecology and Environmental Science,Inner Mongolia Agricultural University,Hohhot 010019,China;
2. Balinyouqi Forestry Bureau,Chifeng City of Inner Mongolia,Daban 025150,Inner Mongolia,China

Received:2015-10-14 Revised:2015-11-25 Published:2020-11-04

摘要/Abstract

摘要： 基于Landsat8 OLI多光谱数据和内蒙古兴安盟地区189块山杏、柠条灌木林实测样地数据,利用多元逐步回归法建立地上碳储量遥感模型,并对模型的预估精度进行了分析。结果表明:选取包括单波段、波段组合、缨帽变换、植被指数及主成分分析共5组27个特征变量,通过分析27个特征变量与灌木林地上碳储量的Pearson相关性,进行特征变量的优化选取并建立模型。天然山杏、人工山杏和人工柠条3种灌木类型地上碳储量遥感模型的决定系数分别为0.61,0.86,0.74,预估精度分别为71%,77%,73%。优化的3种遥感模型可以应用到内蒙古范围内天然山杏、人工山杏和人工柠条林地上碳储量评估工作中。

关键词: Landsat8 OLI, 灌木林, 碳储量模型, 特征变量选取, 逐步回归法

Abstract: In Xing'an League of Inner Mongolia,we made use of Landsat8 OLI imagery and a survey of 189 plots in Armeniacasibirica,Caraganakorshinskii shrubberies,and multiple regression to establish remote sensing ground carbon storage model and analyze the prediction accuracy of the model.The results show that 27 independent variables were selected out,including single band,band combination,tasseled cap transformation,vegetation index and principal components.The Pearson correlation analysis between the 27 independent variables and shrubbery carbon storage has been calculated to select the better characteristic variables.The coefficients of determination of natural Armeniacasibirica,artificial Armeniacasibirica and artificial Caraganakorshinskii remote sensing above ground carbon storage model are 0.61,0.86 and 0.74 respectively;The prediction accuracy values of the model are 71%,77% and 73% respectively,the optimization of three kinds of remote sensing models can be applied to a range within the Inner Mongolia natural Armeniacasibirica,artificial Armeniacasibirica and artificial Caraganakorshinskii above ground carbon stocks assessment.

Key words: Landsat8 OLI, shrubbery, carbon storage model, characteristic variable selection, stepwise regression

中图分类号:

TP79
S718.5

刘芬, 魏江生, 周梅, 赵鹏武, 舒洋, 吴华军, 海青. 基于Landsat8 OLI数据的山杏柠条灌木林碳储量遥感模型研究[J]. 林业资源管理, 2016,(1): 112-117.

LIU Fen, WEI Jiangsheng, ZHOU Mei, ZHAO Pengwu, SHU Yang, WU Huajun, HAI Qing. Study on Remote Sensing Models of Armeniaca Sibirica,Caragana Korshinskii Shrubberies' Carbon Storage Based on Landsat8 OLI Remote Sensing Data[J]. FOREST RESOURCES WANAGEMENT, 2016,(1): 112-117.

参考文献

[1] 卢振龙,龚孝生.灌木生物量测定的研究进展田[J].林业调查规划,2009(4):37-40.
[2] 胡会峰,王志恒,刘国华,等.中国主要灌丛植被碳储量[J].植物生态学报.2006,30(4):539-544.
[3] 王孝康,侯晓巍.我国的特殊灌术林资源[J].林业资源管理,2014(S0):13-16.
[4] 宁晨,闫文德,宁晓波,等.贵阳市区灌木林生态系统生物量及碳储量[J].生态学报,2015.35(8):2555-2563.
[5] 尹伟伦,翟明普.开发西部能源灌木资源实现生态能源双赢战略[J].科学中国人,2007(4): 36-37.
[6] Lieth H,Whittaker R H.Primary Productivity of The Biosphere[M].New York :Springger Velag,1975.
[7] Zeng H Q,Liu Q J,Feng Z W,et al.Biomass equations for four shrub species in subtropical China[J].Journal of Forest Research,2010,15(2):83-90.
[8] Alaback P B.Biomass regression equations for understory plants in coastal Alaska:effects of species and sampling design on estimates[J].Northwest Science,1986,60(2):90-103.
[9] 刘雯雯.区域杉木林生物量估算方法清单及可靠性检验[D].长沙:中南林业科技大学,2009.
[10] 卢景龙,梁守伦,刘菊,等.山西省森林植被生物量和碳储量估算研究[J].中国农学通报,2012,28( 31):51-56.
[11] 初庆伟,张洪群,吴业炜,等.Landsat-8卫星数据应用探讨[J].遥感信息,2013,28(4):110-114.
[12] 严红萍,俞兵.主成分分析在遥感图像处理中的应用[J].资源环境与工程,2006,20(2):168-170.
[13] 徐婷,曹林,佘光辉.基于Landset8OIL的特征变量优化提取及森林生物量反演[J].遥感技术,2015,30(2):226-234.
[14] 罗亚,徐建华,岳文泽.基于遥感影像的植被指数研究力法述评[J].生态科学,2005,24(1):75-79.
[15] Naesset E,Gobakken T.Estimation of Above and Belowground Biomass across Regions of the Boreal Forest Zone Using Airborne Laser [J].Remote Sensing of Environment,2008,112(6):3079-3090.
[16] 付甜,庞勇,黄庆丰,等.亚热带森林参数的机载激光雷达估测[J].遥感学报,2011,15(5):1092-1104.
[17] 韩颖,裴亮,杜嘉.洪河湿地植被地上生物量遥感反演研究[J].遥感技术与应用,2014,29(2):224-231.
[18] 庞勇,李增元.基于机载激光雷达的小兴安岭温带森林组分生物量反演[J].植物生态学报,2012,36(10):1095-1105.
[19] 王金亮,程鹏飞,徐申,等.基于遥感信息模型的香格里拉森林生物量估算[J].浙江农林大学学报,2013,30(3): 325-329.
[20] 赵串串,于杰.青海省黄南地区灌木林遥感生物量模型研究[J],林业资源管理,2015(3):66-113.

基于Landsat8 OLI数据的山杏柠条灌木林碳储量遥感模型研究

Study on Remote Sensing Models of Armeniaca Sibirica,Caragana Korshinskii Shrubberies' Carbon Storage Based on Landsat8 OLI Remote Sensing Data

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 9

编辑推荐

Metrics

本文评价

[1]	白星雯, 布日古德, 洪光宇, 李炜, 邵飞舟, 张雷. 毛乌素沙地典型人工林土壤水分特征及其对降水的响应[J]. 林草资源研究, 2023, 0(6): 52-60.
[2]	魏建珩, 赵恒, 高仲亮, 王何晨阳, 马泽南, 王秋华, 舒立福, 杨红梅. 基于自适应模糊神经网络的滇中灌木林火灾发生预测研究[J]. 林业资源管理, 2022, 0(2): 109-116.
[3]	高建利, 张小刚. 对三北防护林体系工程灌木林发展的思考[J]. 林业资源管理, 2018, 0(4): 1-5.
[4]	赵串串, 于杰. 青海省黄南地区灌木林遥感生物量模型研究[J]. 林业资源管理, 2015, 0(3): 65-69.
[5]	郭鑫, 卢立娜, 贺晓辉, 李维向, 葛晶. 毛乌素沙地人工固沙灌木林凋落物分解及改良土壤的研究[J]. 林业资源管理, 2014, 0(5): 74-78.
[6]	巩文, 巩垠熙, 奚存娃, 巩金萍. 甘肃省灌木林资源碳储量估算及预测[J]. 林业资源管理, 2014, 0(3): 87-90.
[7]	王红霞, 王兵, 李保玉, 牛香, 王晓燕, 鲁绍伟, 李少宁, 师贺雄, 陈波. 退耕还林工程不同林种生态效益评估[J]. 林业资源管理, 2014, 0(3): 150-155.
[8]	宁杨翠, 郑小贤, 孔令红. 北京市八达岭林场灌木林结构分析[J]. 林业资源管理, 2009, 0(6): 54-58.
[9]	赵中华, 袁士云, 惠刚盈, 王润喜. 小陇山不同灌木林地改造模式林分树种多样性研究[J]. 林业资源管理, 2008, 0(1): 53-57.