导读:本文包含了地上部分碳储量论文开题报告文献综述及选题提纲参考文献，主要关键词:森林植被,碳储量,地上部分,估算
地上部分碳储量论文文献综述
茅隆森[1]（2018）在《沙县森林植被地上部分碳储量估算》一文中研究指出基于2016年沙县森林资源建档数据,采用Arc GIS10. 0软件估算沙县森林植被地上部分碳储量。结果表明,2015年沙县森林植被地上部分碳储量为612. 5万t,其中乔木层、灌木层、草本层碳储量分别是584. 0万t、23. 7万t、4. 8万t;地上部分碳储量主要集中在林分,高达91. 74%;针叶林、阔叶林位居前两位,分别占38. 60%、26. 64%;针叶树种是阔叶树种的近两倍,分别占60. 15%、31. 18%;成熟林、近熟林位居前两位,分别占36. 34%、26. 31%;人工林、天然林近对半分布,分别占52. 79%、47. 21%;重点生态区位外碳储量高达66. 83%。(本文来源于《林业勘察设计》期刊2018年02期）
商珍珍[2]（2012）在《基于多源遥感毛竹林信息提取及地上部分碳储量估算研究》一文中研究指出竹林作为一种特殊的森林类型，在森林面积逐年减少的情况下，却以更快的速度不断增长，尤其是毛竹林具有较高的固碳能力，其巨大的碳储量对全球碳平衡有重要贡献，因此竹林资源受到广泛关注并逐渐得到认可。竹林资源遥感监测、生物量/碳储量的遥感估算以及竹林地表参数定量反演等方面的研究已经取得一定进展，但多采用LandsatTM等单一遥感数据源，研究范围被局限在县域或者更小的尺度上。我国地处世界竹子分布中心，竹林面积多分布广，单一的数据源难以实现竹林资源及其碳储量/生物量的大面积同步监测。本研究以长叁角地区的浙江北部、江苏南部和上海为研究区域，在LandsatTM毛竹林专题信息提取的基础上，采用同期的MODIS数据利用MF技术，大面积提取了毛竹林的位置信息并估算地上部分碳储量，为基于多源遥感大范围竹林碳监测提供技术支持，对全面评价我国竹林碳汇功能具有重要意义。主要研究内容包括以下几个方面：1.地面样地调查的基础上，通过毛竹单株生物量模型和生物量碳储量之间的转换系数计算每个样地内的毛竹林地上碳储量，并根据面积比例关系将样地内毛竹林地上碳储量转换到MODIS尺度下的样地清查碳储量。2.对MODIS数据和TM毛竹林专题信息进行空间配准和裁剪，将TM尺度下毛竹林专题信息尺度转换到MODIS尺度下，根据安吉县各乡镇的毛竹林信息进行尺度转换精度验证。3.MODIS数据MNF变换后前五个主成份波段包含了90%以上的信息，用作分类特征波段，采用监督分类法将研究区分为林地、水体、耕地、城镇、泥滩五种地物类型。4.选取毛竹林端元，采用匹配滤波的方法从林地信息中获取毛竹林相对丰度，结合尺度转换的TM毛竹林专题数据建立尺度效应校正方程对毛竹林相对丰度进行校正，从而获取毛竹林像元丰度信息。5.结合数学统计模型，采用向后剔除法筛选变量并建立多元线性碳储量遥感估算模型，并用调查样本对模型进行评价，在此基础上进一步估算研究区碳储量空间分布。通过研究得到以下几方面的结论：1.根据尺度转换前后安吉县14个乡镇的毛竹林面积，从面积变异方面评价了尺度转换效果，尺度转换前后的相关系数为0.9975，标准差为821.1，满足尺度转换的精度要求，为校正MODIS数据的毛竹林匹配滤波结果提供保证。2.研究区土地利用类型划分为水体、泥滩、耕地、城镇、林地等5大类，采用MODIS数据的分类效果较好，分类总精度达92.97%，kappa系数为0.888，为毛竹林信息提取提供精度保证。3.MNF2、3两个主成份能较好的从林地中提取毛竹端元，采用匹配滤波毛竹林信息提取结果表明，多数县市毛竹林信息提取精度较高，毛竹林估算面积与实际面积之间的相关指数R2为0.8453。县域尺度上，毛竹林信息提取精度达到78.99%，省域尺度上达到86.66%，当然淳安、桐庐、仙居等部分地区仍存在一定的高估现象。4.NDVI2、MNF3、MNF5、MNF9、MNF10这5个变量入毛竹林碳储量估算模型，模型的调整决定系数为R~2为0.434，相关系数R达0.701。用临安样地清查碳储量对模型检验表明，预测碳储量的决定系数R2达到0.4618，预测精度达到了87.73%,说明模型具有较好的预测能力。应用模型估算整个研究区并绘制了毛竹林地上碳储量密度分布图，统计表明浙江多数县市的碳储量在0-15MgC/ha之间，在一定程度上反映了研究区的实际情况。(本文来源于《浙江农林大学》期刊2012-06-01）
王勇[3]（2012）在《基于BP神经网络的慈竹林地上部分碳储量估算方法研究》一文中研究指出随着哥本哈根会议的召开,碳汇成为了国际社会高度重视的问题。森林作为吸收CO2的主体,其碳汇功能逐渐受到人们的关注。对森林碳汇的定量研究是近年随全球抑制温室气体排放而呈现的热点之一。通过对现有森林碳储量计量方法进行详细分析后发现,采用的估算方法不同,得到的结果也不相同,甚至差异性很大。目前在计量森林碳储量实际工作中所采用的估算方法存在一定的局限性。神经网络具有分布并行处理、非线性映射、自适应学习和容错等特性,使其具有独特的信息处理和计算能力,在机制尚不清楚的高维非线性系统体现出强大优势。本文尝试利用神经网络中的精华部分—BP算法来建立慈竹林地上部分碳储量估算模型,从而为精确估算森林碳储量提供参考。本文在对碳储量估算方法及其理论进行大量探索研究的基础上,对BP神经网络理论及其方法进行了深入的研究,并将其引用到慈竹林地上部分碳储量的估算,建立BP神经网络模型,并确定模型基本结构为7—5—1,即7个影响慈竹林地上部分碳储量因素作为网络的输入指标；神经网络含有5个隐含层；1个网络输出指标,即慈竹林地上部分碳储量。网络模型的训练均方误差为0.002083。将该模型运用于估算四川省沐川县慈竹林地上部分碳储量,并与传统回归模型法的预测结果进行对比,结果显示：BP神经网络模型训练的平均绝对误差和平均相对误差分别为0.0478和5.38%;对新样本的模拟仿真的平均绝对误差和平均相对误差分别为0.8897和9.51%；回归模型的平均绝对误差和平均相对误差分别为0.7351和11.16%；对新样本预测的平均绝对误差和平均相对误差分别为1.5812和17.08%。研究结果表明：回归模型估算结果与BP神经网络估算结果显着不同,BP神经网络的模型误差及估算误差均小于回归模型法,即基于BP神经网络模型的碳储量估算方法具有更高精度和较小的误差。本文利用BP神经网络模型,对四川省沐川县典型植被慈竹林地上部分碳储量建立估算模型,对于探索和改善碳储量计量方法具有一定的理论意义,模型本身预测结果良好,对于慈竹林地上部分碳储量估算具有提高精度的意义,同时也可以作为一种新方法进行森林碳储量的估算。(本文来源于《四川农业大学》期刊2012-06-01）
地上部分碳储量论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
竹林作为一种特殊的森林类型，在森林面积逐年减少的情况下，却以更快的速度不断增长，尤其是毛竹林具有较高的固碳能力，其巨大的碳储量对全球碳平衡有重要贡献，因此竹林资源受到广泛关注并逐渐得到认可。竹林资源遥感监测、生物量/碳储量的遥感估算以及竹林地表参数定量反演等方面的研究已经取得一定进展，但多采用LandsatTM等单一遥感数据源，研究范围被局限在县域或者更小的尺度上。我国地处世界竹子分布中心，竹林面积多分布广，单一的数据源难以实现竹林资源及其碳储量/生物量的大面积同步监测。本研究以长叁角地区的浙江北部、江苏南部和上海为研究区域，在LandsatTM毛竹林专题信息提取的基础上，采用同期的MODIS数据利用MF技术，大面积提取了毛竹林的位置信息并估算地上部分碳储量，为基于多源遥感大范围竹林碳监测提供技术支持，对全面评价我国竹林碳汇功能具有重要意义。主要研究内容包括以下几个方面：1.地面样地调查的基础上，通过毛竹单株生物量模型和生物量碳储量之间的转换系数计算每个样地内的毛竹林地上碳储量，并根据面积比例关系将样地内毛竹林地上碳储量转换到MODIS尺度下的样地清查碳储量。2.对MODIS数据和TM毛竹林专题信息进行空间配准和裁剪，将TM尺度下毛竹林专题信息尺度转换到MODIS尺度下，根据安吉县各乡镇的毛竹林信息进行尺度转换精度验证。3.MODIS数据MNF变换后前五个主成份波段包含了90%以上的信息，用作分类特征波段，采用监督分类法将研究区分为林地、水体、耕地、城镇、泥滩五种地物类型。4.选取毛竹林端元，采用匹配滤波的方法从林地信息中获取毛竹林相对丰度，结合尺度转换的TM毛竹林专题数据建立尺度效应校正方程对毛竹林相对丰度进行校正，从而获取毛竹林像元丰度信息。5.结合数学统计模型，采用向后剔除法筛选变量并建立多元线性碳储量遥感估算模型，并用调查样本对模型进行评价，在此基础上进一步估算研究区碳储量空间分布。通过研究得到以下几方面的结论：1.根据尺度转换前后安吉县14个乡镇的毛竹林面积，从面积变异方面评价了尺度转换效果，尺度转换前后的相关系数为0.9975，标准差为821.1，满足尺度转换的精度要求，为校正MODIS数据的毛竹林匹配滤波结果提供保证。2.研究区土地利用类型划分为水体、泥滩、耕地、城镇、林地等5大类，采用MODIS数据的分类效果较好，分类总精度达92.97%，kappa系数为0.888，为毛竹林信息提取提供精度保证。3.MNF2、3两个主成份能较好的从林地中提取毛竹端元，采用匹配滤波毛竹林信息提取结果表明，多数县市毛竹林信息提取精度较高，毛竹林估算面积与实际面积之间的相关指数R2为0.8453。县域尺度上，毛竹林信息提取精度达到78.99%，省域尺度上达到86.66%，当然淳安、桐庐、仙居等部分地区仍存在一定的高估现象。4.NDVI2、MNF3、MNF5、MNF9、MNF10这5个变量入毛竹林碳储量估算模型，模型的调整决定系数为R~2为0.434，相关系数R达0.701。用临安样地清查碳储量对模型检验表明，预测碳储量的决定系数R2达到0.4618，预测精度达到了87.73%,说明模型具有较好的预测能力。应用模型估算整个研究区并绘制了毛竹林地上碳储量密度分布图，统计表明浙江多数县市的碳储量在0-15MgC/ha之间，在一定程度上反映了研究区的实际情况。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
地上部分碳储量论文参考文献
[1].茅隆森.沙县森林植被地上部分碳储量估算[J].林业勘察设计.2018
[2].商珍珍.基于多源遥感毛竹林信息提取及地上部分碳储量估算研究[D].浙江农林大学.2012
[3].王勇.基于BP神经网络的慈竹林地上部分碳储量估算方法研究[D].四川农业大学.2012