北方森林乔木层碳储量的估计及空间分析.pdfVIP

第40卷第4期森林工程Vol.40No.4

2024年7月FORESTENGINEERINGJul.，2024

北方森林乔木层碳储量的估计及空间分析

*

刘磊，贾炜玮，张小勇，何金有，吴思敏，卢士欣，梁月鹏

（东北林业大学林学院，哈尔滨150040）

摘要：利用遥感的方式对森林乔木层碳储量（AbovegroundBiomassCarbonStocks，ABGCS）以及乔木层碳储量的光饱和值

进行精准估测，以期替代传统大面积调查的繁琐工序，为碳储量的估测提供参考和依据，提高森林可持续经营管理的效率。以

2017年黑龙江省伊春市嘉荫县森林乔木层碳储量（ABGCS）作为研究对象，利用Landsat8OLI遥感影像以及森林资源二类调查

数据，构建参数模型多元逐步回归模型（StepwiseMultiple-Regression，SMR），非参数模型BP神经网络模型（BPneuralnetwork，

BP-NN）、随机森林模型（RandomForest，RF）、支持向量回归模型（SupportVectorMachine，SVR）对嘉荫县地区ABGCS进行估测

和反演其空间分布情况。研究结果表明，非参数模型的估测精度明显高于参数模型，其中3种非参数模型（BP-NN、RF、SVR）相较

于参数模型（SMR），拟合精度分别提高了25.0%、12.2%、7.3%；综合比较4种模型十折交叉验证的评价指标，分析得出模型性能优

22

劣为BP-NNRFSVRSMR，其中BP-NN模型拟合出最大的决定系数（R为0.785）和最小的均方根误差（RMSE为3.572t/hm）、均

22

方误差（MSE为12.757t/hm）、平均绝对误差（MAE为2.687t/hm）；从碳储量残差分段检验结果来看，4种模型均存在碳储量不

同程度上高值低估和低值高估的情况，BP-NN模型在各碳储量分段的平均残差（ME）和相对平均残差（MRE）值均为最小，其泛

22

化能力较强；利用立方项模型确定ABGCS的光饱和值为63.056t/hm，与BP-NN所预测的ABGCS光饱和值接近（64.232t/hm）。

因此，BP-NN模型在估测嘉荫县ABGCS具有较为理想的效果，为森林碳储量动态监测及研究提供重要依据。

关键词：遥感；森林乔木层碳储量；光饱和值；BP神经网络模型；立方项模型

中图分类号：S757.2文献标识码：ADOI：10.7525/j.issn.1006-8023.2024.04.015

EstimationandSpatialAnalysisofCarbonStoragein