县域尺度森林碳储量动态监测研究

发布时间：2020-11-16 12:53

　　 森林碳储量主要通过地面调查数据来估算,存在着统计工作量大,建模复杂度高等难点。如何快捷、准确地估测森林碳储量并实现动态监测一直是国内外林业领域研究的热点和难题。本文以具有“中国生态环境第一县”称号的浙江省庆元县为研究对象,融合中、高分辨率遥感影像,采用层级分类技术对融合后的影像进行分类。层级分类主要是先将遥感影像分成林地和其他土地类型;然后在林地类型里又细分为森林树种的地类;最后结合土地类型分类图和森林树种分类图形成最终的区域类型图。土地利用/覆盖分类过程中采用的基于支持向量机和模糊k-means聚类的方法,森林树种分类方法采用的是最大似然法的分类方法。森林碳储量的动态监测首先根据森林树种平均碳密度绘制出森林碳储量的空间分布图;结合森林树种平均碳密度和年度碳储量增长量,利用InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs,InVEST)分别估算出研究区 2013 年和 2014 年的碳储量;最后利用基于库替代的方法实现森林碳储量的年度动态监测。另外,叠加林权数据层,还可实现对每户林农所拥有的森林碳储量估算和碳储量动态监测。研究结果表明:(1)融合多数据源的层级分类方法。相比单一数据源,融合多数据源的数据具有更高的分类精度。层级的分类架构设计可以对不同区域的图像采用不同的算法,通过提高局部分类精度,进而提高整体的分类精度。基于支持向量机和模糊k-means聚类的土地利用/覆盖分类方法能快速、准确地将遥感图像区分出林地和其他土地类型,且该分类方法具有小样本识别大数据和样本选取简单等特点。(2)基于二类调查数据的地上碳储量估算方法,主要利用二类调查数据中各小班的优势树种信息。通过选取合适的小班数据,建立各优势树种的平均单木碳储量模型估算出各优势树种的平均碳密度,得到平均碳密度后,乘上各优势树种的小班总面积即可估算出区域内总的地上碳储量。(3)基于InVEST模型森林碳储量动态监测方法,InVEST模型的碳储量模块估算碳储量具有操作简单,输入变量少等特点。利用该模型估算出两期以上的森林碳储量,再利用基于库差别的方法得出碳储量变化状况,从而实现森林碳储量动态监测。该方法可实现县级、乡(镇)级和村级的碳储量动态监测。实验结果得出:①2013年庆元县、松源镇和坑西村的碳储量分别为2.8063× 107吨、2.2279× 106吨和1.8963× 105吨;②2013年到2014年庆元县、松源镇和坑西村的碳储量分别增加了 5.0314× 105吨、减少了 3.2036× 104吨和增加了 6.1547× 103吨。(4)在遥感数据上叠加林权数据,不仅可以校正林权数据,实现遥感数据和林权数据的耦合,还可结合树种平均碳密度数据绘制出森林碳储量的空间分布图。有了林地权属关系,还可以根据这些权属关系估测出某林农所拥有的森林碳储量价值,从而实现林农尺度的碳储量监测。本文提出的融合多数据源层级分类的县域尺度森林碳储量动态监测方法。该方法结合了 InVEST生态模型建模简单和遥感图像成本低、尺度大等特点,可准确地反映森林碳储量空间上的分布状况和时间维度上的变化状况。在遥感图像处理过程中,综合中、高分辨率遥感图像和森林资源林权调查数据,既能准确地绘制出森林碳储量空间分布图,又能减少人工外业工作量和对森林生态资源的破坏。
【学位单位】：北京林业大学
【学位级别】：博士
【学位年份】：2017
【中图分类】：S718.5
【部分图文】：

?２研宄区概况与遥感数据预处理???２研究区概况与遥感数据预处理??２．１研究区概况??２．１．１自然条件??研究区庆元县，位于浙江省西南部，具体地理位置为东经１１８°?５（Ｔ?－１１９°?３０＇，??北纬２７°?２５＇?－２７°?５Ｔ。北接龙泉县和景宁畲族自治县，东、西、南面分别与福建??省寿宁县、松溪县和政和三县接壤。县城松源镇距丽水市２３３千米，距杭州市５３２??千米。全县南北长４９千米，东西宽６７千米，总面积１８９８平方千米。具体的区位图??如图２－１所示。??中Ｓ行刚??

??本文实验中所用到遥感图像地面几何精校正的ＤＥＭ数据是基于ＳＰ０Ｔ－５遥感影??像派生出来的数字高程图，见图２－２。??庆元县数字高程模型图（ＤＥＭ）??Ｗ??０?５，００００，０００?２０，０００?３０，０００?４０，０００?－；?Ｈ??■?１＾—?ｔ?■低：１０６．１５１??图２－２研究区的数字高程图??Ｆｉｇ．２－２?Ｄｉｇｉｔａｌ?ｅｌｅｖａｔｉｏｎ?ｍｏｄｅｌ?ｏｆ?ｔｈｅ?ｓｔｕｄｙ?ａｒｅａ??由于不＿的土壤类型，它们的碳储量也是不一样的，因此叠加土壤类型分布图后??可以增加森林土壤碳储量估算的精度。根据中国公里网格土壤类型分布图裁切出研宄??区域数据（数据来源：ｈｔｔｐ：／／ｗｗｗ２．ｇｅｏｄａｔａ．ｃｎ／ｉｎｄｅｘ．ｈｔｍｌ）。研宄区的土壤类型分布图??如图２－３所示。??２５??

??本文实验中所用到遥感图像地面几何精校正的ＤＥＭ数据是基于ＳＰ０Ｔ－５遥感影??像派生出来的数字高程图，见图２－２。??庆元县数字高程模型图（ＤＥＭ）??Ｗ??０?５，００００，０００?２０，０００?３０，０００?４０，０００?－；?Ｈ??■?１＾—?ｔ?■低：１０６．１５１??图２－２研究区的数字高程图??Ｆｉｇ．２－２?Ｄｉｇｉｔａｌ?ｅｌｅｖａｔｉｏｎ?ｍｏｄｅｌ?ｏｆ?ｔｈｅ?ｓｔｕｄｙ?ａｒｅａ??由于不＿的土壤类型，它们的碳储量也是不一样的，因此叠加土壤类型分布图后??可以增加森林土壤碳储量估算的精度。根据中国公里网格土壤类型分布图裁切出研宄??区域数据（数据来源：ｈｔｔｐ：／／ｗｗｗ２．ｇｅｏｄａｔａ．ｃｎ／ｉｎｄｅｘ．ｈｔｍｌ）。研宄区的土壤类型分布图??如图２－３所示。??２５??
【相似文献】

相关期刊论文 前10条

1 张春华;王莉媛;宋茜薇;陈晓凤;高慧;王希群;;1973～2013年黑龙江省森林碳储量及其动态变化[J];中国环境科学;2018年12期

2 林玮;梁东成;唐昌亮;薛克娜;汪迎利;陈勇;陈雪梅;连辉明;;华南地区主要造林树种林分碳储量估算[J];林业与环境科学;2019年02期

3 郝丽;徐娟娟;翟园;张文静;;陕西省森林植被碳储量时空动态变化[J];陕西气象;2018年03期

4 张明珠;;近15年中国省域森林碳储量时空演变分析[J];林业调查规划;2018年04期

5 何利荣;;森林碳储量研究进展[J];绿色科技;2017年10期

6 杨加猛;;江苏省森林碳储量的影响因素研究:基于社会经济视角[J];生态经济;2017年08期

7 崔秋芳;赵佳宝;陈家林;郭二辉;杨喜田;;不同林龄阶段的松栎混交人工林碳储量研究[J];生态环境学报;2015年12期

8 周金杰;续珊珊;;云南省森林碳储量现状与动态分析[J];林业调查规划;2016年01期

9 乌日古玛拉;包亮;;虎榛子碳储量回归模型研究[J];内蒙古科技与经济;2016年07期

10 孙虎;李凤日;孙美欧;贾炜玮;;松嫩平原杨树人工林生态系统碳储量研究[J];北京林业大学学报;2016年05期

相关博士学位论文 前10条

1 何涛;县域尺度森林碳储量动态监测研究[D];北京林业大学;2017年

2 吴云杰;草海湿地生态系统植被和土壤的有机碳分布特征和储量研究[D];东北林业大学;2017年

3 孙海龙;采伐方式对东北温带次生林土壤温室气体通量和碳储量的影响[D];东北林业大学;2017年

4 蔡慧颖;小兴安岭典型森林生态系统的碳储量与生产力[D];东北林业大学;2017年

5 侯燕南;亚热带4种典型生态林碳储量及分配特征研究[D];中南林业科技大学;2017年

6 赵敏;中国主要森林生态系统碳储量和碳收支评估[D];中国科学院研究生院（植物研究所）;2004年

7 张骏;中国中亚热带东部森林生态系统生产力和碳储量研究[D];浙江大学;2008年

8 姚正阳;西安城市绿地地上碳储量估算研究[D];西北农林科技大学;2015年

9 戚玉娇;大兴安岭森林地上碳储量遥感估算与分析[D];东北林业大学;2014年

10 张萍;北京森林碳储量研究[D];北京林业大学;2009年

相关硕士学位论文 前10条

1 Muhammad Amir;巴基斯坦亚热带Chir pine森林不同林龄生物量与碳储量评价[D];北京林业大学;2019年

2 安天宇;湖南省森林碳储量的研究[D];北京林业大学;2017年

3 周萌硕;基于InVEST的森林生态服务功能碳储量估算[D];北京林业大学;2019年

4 回厚霖;不同间伐强度杉木人工林生物量和碳储量估测与比较[D];北京林业大学;2017年

5 孙梦营;北京市森林碳储量卫星遥感反演方法研究[D];北京林业大学;2017年

6 房世鹏;晋西黄土高原典型林分碳储量与养分特征研究[D];北京林业大学;2018年

7 田俊霞;不同恢复年限森林生态系统碳储量与物种多样性研究[D];北京林业大学;2019年

8 唐琳;城市园林绿化植物固碳效益研究[D];内蒙古农业大学;2019年

9 张华聪;株洲市城市化及森林碳储量动态变化[D];中南林业科技大学;2019年

10 阮友维;南亚热带过熟马尾松人工纯林及其混交林的生物量和碳储量特征[D];广西大学;2019年

本文编号：2886250