论文部分内容阅读
城市森林是城市地区生态系统碳循环的重要组成部分,对于城市森林碳储量的估算研究,是城市乃至全球碳循环研究的基础,是人类认识自身生存环境健康与否以及动态变化状况的关键。城市森林碳储量的估算作为全球碳循环的研究热点,目前仍存在耗费人工成本较大,估算模型参数复杂繁多,以及估算效率较低等问题。因此,如何建立人工干预较少、结果客观性强、动态高效且简易准确的城市森林碳储量估算模型,是当前全球碳循环研究面临的主要问题之一。
本文通过研究国内外相关领域的先进技术及方法,选择以长江三角洲重要城市南京为例,结合Landsat TM遥感影像与径向基神经网络技术,建立了南京城市森林碳储量估算模型。文章主要从三大方面着手研究:首先,基于生物量转换因子连续函数法推算出南京市主要树种样地生物量,进而结合不同树种相应的含碳率求得样地碳储量:其次,考虑树龄信息,将TM影像及其衍生因子NDVI和SWVI融入径向基神经网络中,生成了南京市森林碳储量的径向基神经网络估算模型,并将该模型与统计回归模型进行对比检验；最后,根据构建的估算模型,模拟南京市1988年和2005年的森林碳储量,绘制相应的森林碳储量专题图,并分析南京市森林碳储量的空间布局及动态变化情况。
结果表明,径向基神经网络模型的“黑箱”操作虽然难以归纳出指导性规律,但它比统计回归模型更加稳定、精度更高,是一种相对简便、易于操作和准确度高的城市森林碳储量估算方法,其对于地方、区域乃至全球的碳循环研究具有深远意义。另外,南京市建成区的森林碳储量,从空间分布格局上来看,总体分布面积较大,但区域分布不太均匀,主要集中分布于大型自然和近自然斑块为主体的森林内,而以明城墙围合空间为主体的繁华的中心城区,是森林碳储量的低值区；从时间动态变化上来看,1988年至2005年期间,南京市建成区森林碳储量由2131978.81吨减至1644679.84吨,各辖区的森林碳储量均有不同程度的减少,其中栖霞区森林碳储量保持最好,而建邺区则是减少率最高。
本研究探讨了径向基神经网络在城市森林碳储量遥感估算中的应用,并分析其优缺点,构建了城市森林碳储量高效、准确的遥感估算方法。同时也丰富城市生态系统森林碳储量的研究,为地方、区域乃至全球的碳循环研究和可持续发展提供支持和理论依据。