定量评价黑龙江省黑河市森林生态系统长时间序列固碳能力,分析森林火干扰对碳汇动态影响,为国家“双碳”目标提供参考数据。依据2005、2010、2015年黑河市1649个森林样地动态监测数据,结合加拿大森林碳收支模型(carbon budget model of ...定量评价黑龙江省黑河市森林生态系统长时间序列固碳能力,分析森林火干扰对碳汇动态影响,为国家“双碳”目标提供参考数据。依据2005、2010、2015年黑河市1649个森林样地动态监测数据,结合加拿大森林碳收支模型(carbon budget model of the canadion forest sector model,CBM-CFS3),在对模型参数本土化改进的基础上评估2005、2010、2015年黑河市森林生态系统多层次(地上、地下、枯落物、枯死木及土壤碳库)碳储量及碳汇能力,并分析火干扰影响。结果表明,2005、2010、2015年,黑河森林总生态系统碳密度从207.15 t C/hm^(2)增至218.63 t C/hm^(2),碳汇量达531.54 t C。火灾发生频次逐年下降,含碳气体排放量2015年较2005年同比下降60.3%。以2005年因碳干扰情况为例,轻微火干扰在一定程度上提升森林生态系统固碳能力,而中度和严重火干扰分别使固碳速率下降23.9%和38.0%。此阶段,森林生态系统在碳固持方面具有积极作用,加强火灾监测和防控可有效提升固碳能力,保障区域生态环境的稳定与可持续发展。展开更多
准确掌握森林覆盖空间分布对于森林生态系统保护、恢复和可持续利用至关重要。但高效、精准地获取县域尺度复杂森林覆盖变化依靠低空间分辨率遥感影像结合传统计算机分类模型已经无法满足。以黑龙江省佳木斯汤原县复杂森林为研究对象,...准确掌握森林覆盖空间分布对于森林生态系统保护、恢复和可持续利用至关重要。但高效、精准地获取县域尺度复杂森林覆盖变化依靠低空间分辨率遥感影像结合传统计算机分类模型已经无法满足。以黑龙江省佳木斯汤原县复杂森林为研究对象,采用哨兵一号、二号(Sentinel-1、Sentinel-2)中空间分辨率卫星遥感影像,构建基于粒子群优化算法(particle swarm optimization,PSO)优化的机器学习模型,检测县域尺度森林覆盖变化,应用K-折交叉验证对检测森林覆盖结果进行精度评价。研究结果表明,基于粒子群算法优化的支持向量机和随机森林2个机器学习模型与未经参数优化的自身模型相比,森林覆盖变化检测精度均得到提高,支持向量机模型提高6.52%,随机森林模型提高4.65%。与目前主流ESA World Cover土地覆盖产品相比,基于粒子群算法优化的随机森林模型精度最高,总体精度达到0.92。优化后的随机森林模型对森林覆盖变化检测也更加精细。通过粒子群优化算法的随机森林模型对中空间分辨率遥感影像进行分类,可以快速、准确地掌握县域尺度森林覆盖空间分布情况,为森林生态系统保护、恢复和可持续利用提供数据和技术支撑。展开更多
文摘定量评价黑龙江省黑河市森林生态系统长时间序列固碳能力,分析森林火干扰对碳汇动态影响,为国家“双碳”目标提供参考数据。依据2005、2010、2015年黑河市1649个森林样地动态监测数据,结合加拿大森林碳收支模型(carbon budget model of the canadion forest sector model,CBM-CFS3),在对模型参数本土化改进的基础上评估2005、2010、2015年黑河市森林生态系统多层次(地上、地下、枯落物、枯死木及土壤碳库)碳储量及碳汇能力,并分析火干扰影响。结果表明,2005、2010、2015年,黑河森林总生态系统碳密度从207.15 t C/hm^(2)增至218.63 t C/hm^(2),碳汇量达531.54 t C。火灾发生频次逐年下降,含碳气体排放量2015年较2005年同比下降60.3%。以2005年因碳干扰情况为例,轻微火干扰在一定程度上提升森林生态系统固碳能力,而中度和严重火干扰分别使固碳速率下降23.9%和38.0%。此阶段,森林生态系统在碳固持方面具有积极作用,加强火灾监测和防控可有效提升固碳能力,保障区域生态环境的稳定与可持续发展。
文摘准确掌握森林覆盖空间分布对于森林生态系统保护、恢复和可持续利用至关重要。但高效、精准地获取县域尺度复杂森林覆盖变化依靠低空间分辨率遥感影像结合传统计算机分类模型已经无法满足。以黑龙江省佳木斯汤原县复杂森林为研究对象,采用哨兵一号、二号(Sentinel-1、Sentinel-2)中空间分辨率卫星遥感影像,构建基于粒子群优化算法(particle swarm optimization,PSO)优化的机器学习模型,检测县域尺度森林覆盖变化,应用K-折交叉验证对检测森林覆盖结果进行精度评价。研究结果表明,基于粒子群算法优化的支持向量机和随机森林2个机器学习模型与未经参数优化的自身模型相比,森林覆盖变化检测精度均得到提高,支持向量机模型提高6.52%,随机森林模型提高4.65%。与目前主流ESA World Cover土地覆盖产品相比,基于粒子群算法优化的随机森林模型精度最高,总体精度达到0.92。优化后的随机森林模型对森林覆盖变化检测也更加精细。通过粒子群优化算法的随机森林模型对中空间分辨率遥感影像进行分类,可以快速、准确地掌握县域尺度森林覆盖空间分布情况,为森林生态系统保护、恢复和可持续利用提供数据和技术支撑。
