论文部分内容阅读
本论文以浙江省台州市仙居县森林资源二类调查地面样地实测数据、Landsat TM影像为数据源,以地理加权回归(geographically weighted regression,GWR)方法估算森林碳储量及其分布;首先阐述了GWR方法的基本原理,介绍了常用的Gaussian权函数和Tricube权函数,并对这两类权函数进行带宽优化选择。为了验证GWR方法估计森林碳储量及其空间分布的可靠性,将其估计结果与全局普通最小二乘法回归(global ordinary least squares regression,OLS)、协同克里格插值(Co-Kriging,CK)、序列高斯协同仿真(sequential Gaussian co-simulation,SGCS)等方法进行对比。考虑到高程可以作为第三维度来定义观测点的空间坐标和空间关系,本文讨论了地理和海拔加权回归(geographically and altitudinal weighted regression,GAWR)模型,同时与海拔作为自变量的GWR模型对比,检验GAWR模型在地势平缓区域的应用效果。最终得出以下结论:1.GWR模型估计仙居县森林地上部分碳密度均值为15.555 Mg/hm2,与样地实测统计的15.854 Mg/hm2相差1.716%;研究区内碳密度的取值范围在0-89.964 Mg/hm2之间,保留了70%以上的空间异质性特征;分布趋势与实际情况相符;基于GWR的森林地上部分碳储量估计方法是有效的,GWR方法在估计区域碳储量方面估计结果合理且精度较高,能够提供更丰富的空间分布信息。2.OLS、SGCS、GWR估计结果均值与实测碳密度值相一致,但OLS反映的是区域化变量的平均状态;CK插值结果虽保留了近70%的空间异质性特征,但其残差平方和(RSS)、均方根误差(RMSE)相对较大,预测精度较低;SGCS、GWR在保证平均水平的同时,更能反映空间数据变化规律的真实特征,SGCS在探测区域化变量的空间非平稳性方面具有突出优势,估计结果的变异系数达到1.288,GWR估计结果预测精度高,取值范围大,两种方法均较适合用于森林碳储量空间变异性的分析和预测。3.Tricube权重函数的GWR模型(GWR(T))截距的取值范围在-50.595~147.780,Band3的系数取值范围是-0.912~1.224,不是全局回归模型中的恒定值26.718、-0.124,表明GWR模型能够反映更多的空间变异信息;然而两个参数取值的第一四分位与第三四分位的间距小于全局回归系数的一倍标准差间距,故针对本研究区来说,GWR模型参数存在一定的空间非平稳性,但不显著。