检索结果-维普期刊中文期刊服务平台

基于序列高斯协同模拟的多尺度区域森林碳密度空间分布估计被引量：1: 1; 作者沈高云张茂震《西南林业大学学报（自然科学）》 CAS 北大核心 2015年第2期55-62,共8页; 以浙江省仙居县为例,基于2008年全县森林资源清查样地数据和2007年2月获取的Landsat TM影像数据,采用序列高斯协同模拟方法,分别在30 m×30 m和270 m×270 m空间分辨率水平上模拟森林地上部分碳密度及其分布,并对模拟结果进行... 展开更多; 关键词碳储量碳密度碳分布序列高斯协同模拟多尺度; 在线阅读下载PDF 职称材料

基于空间协同仿真模拟的开化县森林碳估计: 2; 作者袁振花张茂震 +1 位作者郭含茹秦立厚《浙江农林大学学报》 CAS CSCD 北大核心 2016年第3期384-393,共10页; 森林碳储量是反映森林生态系统生产力的重要指标,也是区域森林碳汇计量的基础。以浙江省开化县为研究区,采用2013年资源3号遥感影像与2014年森林资源清查样地数据,结合序列高斯协同模拟方法对全县地上部分森林碳储量及其分布进行估计,... 展开更多; 关键词森林生态学森林碳储量序列高斯协同模拟资源3号森林资源清查; 在线阅读下载PDF 职称材料

基于回归与随机模拟的区域森林碳分布估计方法比较被引量：21: 3; 作者沈希张茂震祁祥斌《林业科学》 EI CAS CSCD 北大核心 2011年第6期1-8,共8页; 以临安市为例,利用2004年森林资源清查样地数据和同年度Landsat TM影像数据,采用一元二次非线性回归和序列高斯协同模拟方法分别模拟森林地上部分碳密度及其分布,并对模拟结果进行比较分析。结果表明:一元二次非线性回归估计得研究区森... 展开更多; 关键词森林碳储量碳密度碳分布 TM影像序列高斯协同模拟临安; 在线阅读下载PDF 职称材料

基于地统计学和多源遥感数据的森林碳密度估算被引量：6: 4; 作者严恩萍赵运林 +2 位作者林辉莫登奎王广兴《林业科学》 EI CAS CSCD 北大核心 2017年第7期72-84,共13页; 【目的】基于遥感影像空间分辨率和地面样地大小不一致的现象,采用地统计学和多源遥感数据进行森林碳密度估算,为MODIS数据在区域森林碳密度估算领域的应用提供参考。【方法】以湖南省攸县为试验区,首先利用基于块的序列高斯协同模拟算... 展开更多; 关键词林业遥感森林资源清查多源遥感基于块的序列高斯协同模拟森林碳密度; 在线阅读下载PDF 职称材料

题名基于序列高斯协同模拟的多尺度区域森林碳密度空间分布估计被引量：1: 1; 作者沈高云张茂震; 机构浙江农林大学环境与资源学院浙江农林大学浙江省森林生态系统碳循环与固碳减排重点实验室; 出处《西南林业大学学报（自然科学）》 CAS 北大核心 2015年第2期55-62,共8页; 基金国家自然科学基金项目(30972360)资助; 文摘以浙江省仙居县为例,基于2008年全县森林资源清查样地数据和2007年2月获取的Landsat TM影像数据,采用序列高斯协同模拟方法,分别在30 m×30 m和270 m×270 m空间分辨率水平上模拟森林地上部分碳密度及其分布,并对模拟结果进行对比分析。结果表明:仙居县森林地上碳密度分布具有空间连续变异性,四周为高碳密度有林地集中区,中间大部分为低碳密度无林地集中区,抽样估计研究区域地上森林碳储量为5 283 789.63 Mg。基于30 m×30 m分辨率的序列高斯协同模拟结果为5 692 875.69 Mg,模型确定系数为0.620 3;对比270 m×270 m像元大小基础上估计得到的森林碳储量5 030 871.79 Mg,模型确定系数0.238 3,小尺度上估计的碳储量总量更多,碳密度分布范围更广,模型精度更高。序列高斯协同模拟考虑了森林碳密度空间分布的差异性,模拟结果接近地面样地估计值,碳密度分布范围合理,能够很好地反映碳分布空间的连续变异性。; 关键词碳储量碳密度碳分布序列高斯协同模拟多尺度; Keywords forest carbon storage carbon density carbon distribution sequential gaussian co-simulation mutli-scale; 分类号 S757.2 [农业科学—森林经理学]; 在线阅读下载PDF 职称材料

题名基于空间协同仿真模拟的开化县森林碳估计: 2; 作者袁振花张茂震郭含茹秦立厚; 机构浙江农林大学浙江省森林生态系统碳循环与固碳减排重点实验室浙江农林大学环境与资源学院; 出处《浙江农林大学学报》 CAS CSCD 北大核心 2016年第3期384-393,共10页; 基金国家自然科学基金资助项目(30972360) 浙江省林业碳汇与计量创新团队资助项目(2010R50030) 浙江省林学重中之重一级学科研究生创新项目资助项目(201515); 文摘森林碳储量是反映森林生态系统生产力的重要指标,也是区域森林碳汇计量的基础。以浙江省开化县为研究区,采用2013年资源3号遥感影像与2014年森林资源清查样地数据,结合序列高斯协同模拟方法对全县地上部分森林碳储量及其分布进行估计,并以平均误差、残差平方和、平均相对误差以及均方根误差4个指标为基础对估计结果进行精度评价。结果表明:开化县2014年森林总碳储量空间协同仿真估计结果为7.221 573 Tg,碳密度值分布为0~109.178 0 Mg·hm^(-2),均值为32.376 4 Mg·hm^(-2),基于15%检验样本的平均相对误差为4.565%,仿真估计碳总量在实测样地估算的置信区间内。本研究发现,遥感影像与地面样地森林碳密度的相关性随遥感影像的空间分辨率变化而变化,这对于提高森林碳储量估计精度有着重要意义,也是下一步研究的重点。; 关键词森林生态学森林碳储量序列高斯协同模拟资源3号森林资源清查; Keywords forest ecology forest carbon storage Sequential Gaussian Co-simulation ZY-3 image forest re- source inventory; 分类号 S718.5 [农业科学—林学]; 在线阅读下载PDF 职称材料

题名基于回归与随机模拟的区域森林碳分布估计方法比较被引量：21: 3; 作者沈希张茂震祁祥斌; 机构浙江农林大学浙江省森林生态系统碳循环与固碳减排重点实验室浙江农林大学环境与资源学院亚热带森林培育国家重点实验室培育基地; 出处《林业科学》 EI CAS CSCD 北大核心 2011年第6期1-8,共8页; 基金国家自然科学基金项目(30972360) 浙江省重大科技专项重点农业项目(2008C12068); 文摘以临安市为例,利用2004年森林资源清查样地数据和同年度Landsat TM影像数据,采用一元二次非线性回归和序列高斯协同模拟方法分别模拟森林地上部分碳密度及其分布,并对模拟结果进行比较分析。结果表明:一元二次非线性回归估计得研究区森林碳储量为2365404.37t,碳密度平均值为9.0000t·hm-2,最大值为73.7144t·hm-2,最小值为0.7156t·hm-2;序列高斯协同模拟得研究区森林碳储量为3291659.83t,碳密度平均值为12.5233t·hm-2,最大值为78.9133t·hm-2,最小值为0.0833t·hm-2;根据2004年森林资源清查样地数据,按随机抽样方法估计研究区森林碳储量为2708897.90t,样地碳密度平均值为10.3065t·hm-2,其最大值为96.9625t·hm-2,最小值为0;序列高斯协同模拟结果更接近地面样地估计结果,而且碳密度分布范围更合理;一元二次非线性回归估计结果与地面样地估计结果之差的累积平方和为9857.4619,而序列高斯协同模拟结果与实测结果之差的累积平方和为8018.4625;序列高斯协同模拟较一元二次非线性回归在估计区域森林碳空间分布上有明显优势。; 关键词森林碳储量碳密度碳分布 TM影像序列高斯协同模拟临安; Keywords forest carbon storage carbon density carbon distribution TM images Sequential Gauss co-Simulation Lin＇an; 分类号 S718.55 [农业科学—林学] S757.2 [农业科学—森林经理学]; 在线阅读下载PDF 职称材料

题名基于地统计学和多源遥感数据的森林碳密度估算被引量：6: 4; 作者严恩萍赵运林林辉莫登奎王广兴; 机构中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室中南林业科技大学林学院南伊利诺伊大学地理系; 出处《林业科学》 EI CAS CSCD 北大核心 2017年第7期72-84,共13页; 基金国家"十二五"高技术发展研究计划项目(2012AA102001) 国家自然科学基金面上项目(31470643) 林学重点学科开放基金拟资助项目(2016YB08); 文摘【目的】基于遥感影像空间分辨率和地面样地大小不一致的现象,采用地统计学和多源遥感数据进行森林碳密度估算,为MODIS数据在区域森林碳密度估算领域的应用提供参考。【方法】以湖南省攸县为试验区,首先利用基于块的序列高斯协同模拟算法,将25.8 m×25.8 m的样地数据分别上推到250 m×250 m、500 m×500 m和1 000 m×1 000 m;然后将上推后的样地数据分别与MOD13Q1、MOD09A1、MOD15A2数据结合,利用序列高斯协同模拟算法开展区域森林碳密度估算研究;最后将最优结果用于湖南省森林碳密度估算。【结果】Landsat5和MODIS数据与森林碳密度的敏感因子具有高度相似性,排在前3位的分别为1/TM3、1/TM2、1/TM1和1/Band1、1/Band4、1/Band3;与植被指数产品MOD13Q1和MOD15A2相比,多光谱数据Landsat5和MOD09A1在攸县森林碳密度估算方面显示出巨大潜力,估算精度分别为82.02%和75.64%;基于MOD09A1的序列高斯协同模拟算法具有很好的适用性,可用于湖南省森林碳密度的空间模拟,估算精度为74.07%。【结论】采用基于块的序列高斯协同模拟算法,可以实现由地面样地到不同空间分辨率MODIS像元之间的转换;由于空间分辨率的限制,MOD09A1数据在刻画空间细节方面不如Landsat5精细。该研究方法适用于地面调查样地大小和遥感影像空间分辨率不一致的区域森林碳密度估算。; 关键词林业遥感森林资源清查多源遥感基于块的序列高斯协同模拟森林碳密度; Keywords forestry remote sensing forest resource inventory multi resource remote sensing sequential Gaussian block co-simulation forest carbon density; 分类号 S718.5 [农业科学—林学] S757.2 [农业科学—森林经理学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于序列高斯协同模拟的多尺度区域森林碳密度空间分布估计	沈高云张茂震	《西南林业大学学报（自然科学）》 CAS 北大核心	2015	1	在线阅读下载PDF 职称材料
2	基于空间协同仿真模拟的开化县森林碳估计	袁振花张茂震郭含茹秦立厚	《浙江农林大学学报》 CAS CSCD 北大核心	2016	0	在线阅读下载PDF 职称材料
3	基于回归与随机模拟的区域森林碳分布估计方法比较	沈希张茂震祁祥斌	《林业科学》 EI CAS CSCD 北大核心	2011	21	在线阅读下载PDF 职称材料
4	基于地统计学和多源遥感数据的森林碳密度估算	严恩萍赵运林林辉莫登奎王广兴	《林业科学》 EI CAS CSCD 北大核心	2017	6	在线阅读下载PDF 职称材料