-
题名长沙市主要优势树种森林碳储量遥感反演
- 1
-
-
作者
李珺
张贵
庞梓亨
李建军
-
机构
长沙市林业调查队(长沙市森林资源监测中心)
中南林业科技大学林学院
-
出处
《中南林业科技大学学报》
北大核心
2025年第2期20-33,共14页
-
基金
国家重点研发计划课题(2022YFD2200505)。
-
文摘
【目的】森林作为陆地生态系统的核心组成部分,准确有效地估算森林碳储量,不仅是科学了解森林碳汇功能的关键步骤,也是制定气候变化应对策略和实现碳中和目标的基础之一。【方法】本研究以湖南省长沙市的乔木林为对象,将其按照优势树种(组)分类为杉木组、马尾松组、樟类、国外松组、栎类和枫香。利用Landsat-8遥感数据提取波段信息、纹理特征、植被指数和地形因子,共获得80个建模因子。结合长沙市第三次国土调查数据,采用多元线性回归(MLR)、支持向量回归(SVR)和随机森林(RF)算法,构建针对不同优势树种(组)的森林碳储量反演模型。【结果】RF模型的决定系数(R^(2)=0.9339~0.9679)显著高于MLR模型(R^(2)=0.0118~0.5845)和SVR模型(R^(2)=0.2297~0.9041),同时R_(MSE)和M_(AE)也显著降低。未进行优势树种(组)分类反演的森林碳储量空间分布值在13.68~40.98 t·hm^(-2),而通过优势树种(组)分类后反演的森林碳储量空间分布值在6.03~57.98 t·hm^(-2)。根据本研究模型估算,2020年长沙市乔木林主要优势树种森林碳储量达到4.9468 Tg。【结论】通过对优势树种(组)进行分类,并利用RF算法构建的森林碳储量反演模型,有效地消除了未分类条件下可能存在的过拟合和峰值估计过低的问题,为大尺度森林碳储量的遥感反演提供了有力的参考依据。
-
关键词
森林碳储量
随机森林
遥感反演
Landsat-8
长沙市
-
Keywords
forest carbon storage
random forest
remote sensing inversion
Landsat-8
Changsha City
-
分类号
S771.8
[农业科学—森林工程]
-
