林齡結(jié)構(gòu)信息能夠有效反映區(qū)域森林群落不同生長階段的固碳能力,對于評估森林生態(tài)系統(tǒng)的健康狀況具有重要意義。本研究以中國溫帶典型優(yōu)勢樹種落葉松林為研究對象,分別選擇其芽萌動(dòng)期、展葉期和落葉期時(shí)段的Sentinel-2影像,采用多元線性回歸（MLR）、隨機(jī)森林（RF）、支持向量機(jī)回歸（SVR）、前饋反向傳播神經(jīng)網(wǎng)絡(luò)（BP）以及多元自適應(yīng)回歸樣條（MARS）等5種方法依次構(gòu)建落葉松林齡反演模型。通過相關(guān)性分析首先確定最佳遙感反演物候期,并在此基礎(chǔ)上根據(jù)相關(guān)性差異篩選出5個(gè)最優(yōu)特征變量用于模型反演,分別為冠層含水量（CWC）,歸一化水體指數(shù)（NDWI）,葉面積指數(shù)（LAI）,光合有效輻射吸收率（FAPAR）和植被覆蓋度（FVC）。研究結(jié)果表明,展葉期為落葉松林最佳遙感反演物候期。除植被衰減指數(shù)（PSRI）以及落葉期的NDVI、RVI外,落葉松林齡與各指標(biāo)之間均呈負(fù)相關(guān)關(guān)系,其中與冠層含水量（CWC）的相關(guān)性最高,pearson相關(guān)系數(shù)達(dá)到-0.74（p<0.01）。此外,不同模型反演結(jié)果表明,隨機(jī)森林模型（RF）為最佳落葉松林齡估測模型,其平均決定系數(shù)R²和平均均方根... 

【文章來源】：遙感學(xué)報(bào). 2020,24(12)北大核心EICSCD

【文章頁數(shù)】：14 頁

【部分圖文】：

研究區(qū)地理位置

通過對落葉松林分年齡訓(xùn)練樣本和驗(yàn)證樣本的模型分析發(fā)現(xiàn)（表5）：針對訓(xùn)練樣本，最佳的林齡估算模型為隨機(jī)森林模型（RF），多元線性回歸模型（MLR）反演精度最低；針對驗(yàn)證樣本，最佳的林齡估算模型為前饋反向傳播神經(jīng)網(wǎng)絡(luò)模型（BP），多元線性回歸模型（MLR）反演精度最低。除隨機(jī)森林模型（RF）外，各模型在訓(xùn)練樣本和驗(yàn)證樣本中林齡估算精度相似，隨機(jī)森林模型（RF）在驗(yàn)證樣本中的表現(xiàn)差于訓(xùn)練樣本。將訓(xùn)練樣本作為評價(jià)標(biāo)準(zhǔn)，各模型預(yù)測林齡精度順序從高到低依次為：RF>MARS>BP>SVR>MLR，模型誤差范圍為2.91—5.69 a，優(yōu)于Suratman等（2004）在馬來西亞針對橡膠林構(gòu)建的樹齡模型（誤差范圍6.4—8.2 a），略低于Sivanpillai等（2006）在美國德克薩斯州東部區(qū)域構(gòu)建的火炬松林齡模型（誤差范圍2.89—3.44 a）精度。與上述研究差異產(chǎn)生的原因是研究區(qū)位于山地地區(qū)，地形復(fù)雜性帶來同林齡落葉松光譜信息的差異性。以展葉期的冠層含水量為例（圖2），可發(fā)現(xiàn)不同坡面下冠層含水量信息存在差異，從幼齡林到近熟林階段，陰面冠層含水量高于陽面且變化趨勢更快，這種差異在落葉松林齡反演中會帶來更大誤差。4.2.3 模型驗(yàn)證與分析

圖3 MLR模型實(shí)際林齡與反演林齡散點(diǎn)圖對于模型中出現(xiàn)高估幼齡林、低估成熟林的情況，根據(jù)落葉松整個(gè)生長階段的撫育措施，分析造成該結(jié)果的原因主要有以下兩點(diǎn)。首先，是由于種植密度差異，落葉松在幼齡林階段生長速度快且種植密度高于中齡林，導(dǎo)致幼齡林光譜承載信息與中齡林相似。另一方面，是由于冠層結(jié)構(gòu)飽和效應(yīng)，隨著林齡不斷增長，雖然間伐等撫育措施會導(dǎo)致種植密度不斷下降，但在近熟林和成熟林階段，落葉松冠層已完全郁閉，并且進(jìn)入成熟期后落葉松生長緩慢，此時(shí)成熟林光譜信息與近熟林相似（Zhang等，2004）。

【參考文獻(xiàn)】：
期刊論文
[1]基于多光譜影像的森林樹種識別及其空間尺度響應(yīng)[J]. 徐凱健,田慶久,岳繼博,唐少飛.  應(yīng)用生態(tài)學(xué)報(bào). 2018(12)
[2]中國森林喬木林碳儲量及其固碳潛力預(yù)測[J]. 李奇,朱建華,馮源,肖文發(fā).  氣候變化研究進(jìn)展. 2018(03)
[3]基于遙感數(shù)據(jù)與森林詳查估算林齡的空間分布[J]. 李凡,李明澤,史澤林,姜宏宇,安金鵬.  森林工程. 2018(02)
[4]基于Sentinel-2A岷江上游地表生物量反演與植被特征分析[J]. 楊斌,李丹,王磊,陳財(cái).  科技導(dǎo)報(bào). 2017(21)
[5]青藏高原植被指數(shù)最新變化特征及其與氣候因子的關(guān)系[J]. 劉振元,張杰,陳立.  氣候與環(huán)境研究. 2017(03)
[6]沙地樟子松人工林林木胸徑、冠幅等生長指標(biāo)與林齡相關(guān)性研究[J]. 周鳳艷.  防護(hù)林科技. 2017(02)
[7]基于長時(shí)間序列Landsat影像的南方人工林干擾與恢復(fù)制圖分析[J]. 沈文娟,李明詩.  生態(tài)學(xué)報(bào). 2017(05)
[8]4種落葉松的生長與年周期物候的調(diào)查觀測[J]. 張志偉.  安徽農(nóng)學(xué)通報(bào). 2013(15)
[9]淺談樹木年齡測定方法的研究進(jìn)展[J]. 吳斡寧,萬濤.  綠色科技. 2013(07)
[10]隨機(jī)森林模型在分類與回歸分析中的應(yīng)用[J]. 李欣海.  應(yīng)用昆蟲學(xué)報(bào). 2013(04)

碩士論文
[1]多元光滑樣條自適應(yīng)回歸模型及其應(yīng)用[D]. 陳立宇.華北理工大學(xué) 2015



本文編號：3353189