- 碳中和与国土空间优化
- 文章编号：1009-6000(2023)06-0031-07
- 中图分类号：F293 文献标识码：B
- Doi：10.3969/j.issn.1009-6000.2023.06.005
- 项目基金：自然资源部碳中和与国土空间优化重点实验室开放基金项目（2021K F03）；国家自然科学基金项目（41871318）。
- 作者简介：邹朝晖，广东国地规划科技股份有限公司，自然资源部碳中和与国土空间优化重点实验室，高级工程师；
张鸿辉，通信作者，广东国地规划科技股份有限公司，自然资源部碳中和与国土空间优化重点实验室，湖南师范大学资源与环境科学学院，教授级高级工程师；
吴佳平，广东国地规划科技股份有限公司，工程师。
- 基于多源遥感数据的森林资源碳储量评价方法研究 ——以梅州市为例
- Research on Evaluation Method of Forest Carbon Storage Based on Multi-Source Remote Sensing Data: A Case Study of Meizhou City
- 浏览量：
- 邹朝晖 张鸿辉 吴佳平
- ZOU Chaohui ZHANG Honghui WU Jiaping
- 摘要：
准确评价森林资源碳储量，对助力碳中和具有重要的科学意义。论文联合多光谱和雷达遥感数据，通过逐步回归分析、多重共线性检验和相关分析，选取用于评价森林碳储量的遥感因子。采用最小二乘法和地理加权回归模型，分别构建了森林资源碳储量评价模型FCSEM(GWR) 和FCSEM(OLS)。研究结果表明：红边植被指数和树高因子均与碳储量显著相关，是估算森林碳储量的关键变量；FCSEM(GWR) 的拟合效果（R2=0.65）优于FCSEMOLS，表现出较好的空间非平稳性（Moran’s I=-0.0023，p=0.4291）；梅州市森林资源碳储量集中于[35, 50] t/hm2，总体呈现盆地低、山区高的空间分布特征。 - 关键词：
多源遥感；森林资源；碳储量；模型评价；地理加权回归； - Abstract: Accurately assessing the carbon storage of forest resources has significant scientifi c implications for aiding carbon neutrality. This paper combines multispectral and radar remote sensing data, and through stepwise regression analysis, multicollinearity testing, and correlation analysis, it selects remote sensing factors used for evaluating forest carbon storage. Using the method of least squares and the geographically weighted regression model, the FCSEMGWR and FCSEMOLS models for evaluating forest carbon storage are constructed respectively. The research results show that both the red edge vegetation index and the tree height factor are significantly correlated with carbon storage, and they are key variables for estimating forest carbon storage. The fi t of the FCSEMGWR model (R2=0.65) is superior to that of the FCSEMOLS model, demonstrating better spatial non-stationarity (Moran’s I=-0.0023, p=0.4291). The carbon storage of forest resources in Meizhou city is concentrated in the range of [35, 50] t/hm2, and overall it shows the spatial distribution characteristics of being low in basins and high in mountainous areas.
- Key words: multi-source remote sensing; forest resources; carbon storage; model evaluation; geographically weighted regression
期刊浏览
2024 年
2023 年
2022 年
2021 年
2020 年
2019 年
2018 年
2017 年
2016 年
2015 年
2014 年
2013 年
2012 年
2011 年
2010 年
2009 年
2008 年
2007 年
2006 年
2005 年
2004 年
2003 年
2002 年
1999 年