论文部分内容阅读
森林生物量作为森林生态系统最重要的特征,是许多林业以及生态问题的研究重点。对森林生物量值的准确计算有助于研究生态系统的生产力,整个生物圈的碳循环以及全球气候变化。收获法是估算森林生物量最准确的方法,但是这种方法耗费大量的时间、人力物力,目前,许多研究采用生物量模型法进行森林生物量的计算,也有一些研究通过遥感的方法测算大尺度的森林生物量。传统遥感手段的出现不仅节约了研究的时间,甚至不需要研究者进行高强度的外业调查。但是,对于高山地区,林业工作者难以达到的森林群落,普通卫星遥感的空间分辨率太低,可控性较弱,无法实现小范围单木生物量的精确测量。本文利用无人机遥感技术对长白山自然保护区和王朗自然保护区主要森林类型——阔叶红松林和岷江冷杉林的胸径(diameter at breast height, DBH)以及树冠面积(crown area, CA)进行定量分析,探索单木尺度上地上生物量的研究方法,以获取该地区及其他区域相同树种生物量的遥感估算模型,也为我国其他地区树种单木水平上生物量研究提供技术支持与理论依据,为全球气候变化背景下森林经营管理提供可靠的数据来源。实验分别在长白山自然保护区(plot1, plot2)与王朗自然保护区设置样地(plot3, plot4),根据研究区地理位置情况以及森林类型,样地大小设置情况:plot1与plot2为100×100m, plot3与plot4为32x32m,其中plot1与plot3为建模数据,plot2与plot4为验证数据。研究主要内容与成果如下:(1)利用无人机遥感影像可有效提取单木树冠,该过程由eCgnition软件面向对象的分类方法结合人工修正实现。(2)根据样地调查数据建立的试验区单木CA-DBH模型具有较高的拟合精度以及预测效果。结合样地数据,拟合两个研究区主要树种CA与DBH的相关模型,包括自变量分别为CA与CA2四种模型类型(线性模型,幂函数模型,多项式模型,指数模型)的共6个方程,并通过拟合精度检验挑选最合适的拟合方程为幂函数方程,表示为D=aCb。利用最优方程,成功拟合两个保护区7个主要树种CA-DBH模型,分别为红松(Pinus koraiensis) D=13.794C0.450,紫椴(Tilia amurensis) D=7.527C.0.653,水曲柳(Fraxinus mandshurica) D=7.354C0.454,色木槭(Acer mono)D=8.135C0.488,核桃楸(Juglans mandshurica)D=7.889C0.370,春榆(Ulmus davidianavar.japonica)D=5.317C0.610,岷江冷杉(Abies Faxoniana) D=13.541C0.422,其中D=DBH,C=CA。对于长白山自然保护区,还单独建立了阔叶林CA-DBH模型D=7.78034, 以及所有树种的通用模型D=7.367C0.538。采用t检验,验证9个CA-DBH模型预测值与观测值的差异,同时计算皮尔森相关系数(Pearson Correlation Coefficient),检验结果表明:9个模型估算的DBH与实测值偏差皆不显著(P>0.05),其皮尔森相关系数皆>0.800,最高的是以紫椴建立的方程,达到0.944,其次,核桃楸的皮尔森相关系数也相对较高为0.895。(3)利用间接建立的CA-AGB(aboveground biomass)模型估测两个保护区不同树种的地上生物量发现:红松的平均地上生物量最高为1725.41kg,其次为紫椴994.95kg,平均生物量最低的为春榆,仅108.69kg。