[发明专利]一种融合样地数据与森林资源清查数据的生物量估算方法

说明书

本发明属于森林管理技术领域，涉及一种森林生物量的估算技术。利用实测样地数据设计一种针对大面积森林资源清查数据的生物量估算技术。该技术主要由数据准备、样地数据训练随机森林模型、随机森林模型预测小班生物量和最优无偏线性估计小班生物量四个阶段构成。本发明考虑了空间异质性与相关性以及数据驱动的建模方式，将能够表征空间异质性与相关性的空间统计算法与数据驱动的高精度机器学习算法进行结合，为区域的森林生物量估算提供了一种有效高精度的估算模型。

技术领域

本发明属于森林管理技术领域，涉及一种森林资源清查数据生物量的估算技术，尤其是涉及一种针对大面积亚热带森林资源清查数据生物量的估算技术。基于随机森林和最优无偏线性估计算法发明一种融合样地数据与森林资源清查数据的估算模型。

背景技术

森林生物量固定了陆地植被碳储量的80-90％，其不仅是陆地生态系统碳收支评估中的重要指标，也是研究诸多林业和生态问题(如物质循环、能量流动等)的基础。生物量精确估计可为可持续森林经营管理决策(例如森林砍伐、森林退化、温室气体排放等)提供精确的科学依据。结合遥感、异速方程模型、样地网络等技术，在大尺度上已开展了大量的森林生物量估计与制图。特别是价格昂贵的激光雷达数据与地面样地实测数据和模型(包括生态过程模型和经验拟合方程)的结合显著提高了生物量制图的精度，并在碳源汇的定量评估中取得了显著成果。然而，由于很多研究在大面积生物量估算的过程中采用不同的估算方法和数据来源，局部区域空间分布的差异在更大空间尺度范围内相互抵消。虽然大尺度生物量制图在总体估算结果上大致相同，但是在局部区域制图的空间分布上却存在巨大差异。因此，确定能够最大限度地利用现有信息并优化整合多源数据以改善区域尺度生物量评估的策略变得越来越重要。迫切需要探寻低成本、高精度和切实可行的大尺度生物量估算方法，作为评估差异的判定标准。

我国从1973年开始进行全国森林资源清查，利用森林资源清查数据计算森林碳储量的方法目前主要包括平均碳储量法、生物量转换因子法(Biomass expansion factor，BEF)以及生物量转换因子连续函数法。这些都是通过测量样地数据结合森林资源清查数据大范围估计森林生物量的经典方法，并且取得了很多卓有成效的研究。然而这种关系在利用森林资源清查资料计算大尺度森林生物量时存在数学推理问题，无法实现样地尺度到区域尺度推算转换。

综上，开发一种融合样地数据与森林资源清查数据的估算模型十分必要。

发明内容

发明目的：使用机器学习和空间插值方法将有偏的样地数据与全面的森林资源清查数据融合，达到使用较小投入成本达到更高森林生物量估算精度的目的。

为达到上述目的，本发明采用以下技术方案：

一种基于随机森林和最优无偏线性估计算法融合样地数据与森林资源清查数据的估算模型，其特征在于，包括以下步骤：

步骤1，准备样地实测生物量数据及自变量(平均树高、平均胸径、中心经度、平均林龄)数据。首先，根据实际情况选定一定数量的样地(超过30个)，通过对样地做标准木、每木调查获取对应样地的实测生物量、平均树高、平均胸径、中心经度和平均林龄。同时准备好区域的森林资源清查数据(包括：林班平均树高、平均胸径、中心经度、林龄)。

步骤2，使用样地数据训练随机森林模型。将生物量作为因变量Y，自变量为X，利用样地数据输入随机森林模型，可以对参数做一些简单优化以取得更优的结果。

步骤3，使用步骤2得到的随机森林模型拟合森林资源清查数据中每个小班上的初始生物量。将森林资源清查数据中对应的自变量输入随机森林模型，得到区域生物量初始估算结果。