导读:本文包含了森林碳密度论文开题报告文献综述及选题提纲参考文献，主要关键词:森林碳密度,非线性回归,随机森林,RBF
森林碳密度论文文献综述
吴炳伦,石军南,胡觉,梅浩[1]（2019）在《基于Landsat 8新邵县森林碳密度遥感反演研究》一文中研究指出准确估算森林碳密度是研究森林生态系统的核心。基于Matlab工作平台,以森林资源连续清查(湖南省第七次复查)及同期Landsat 8影像为本底,建立非线性回归模型、RF随机森林模型和RBF径向基神经网络模型进行森林碳密度反演。结果表明:RBF神经网络精度最高,决定系数为0.96,均方根误差为1.33 t·hm-2,很好的拟合了样地实测碳密度;RF随机森林优于非线性回归模型,拟合精度、均方根误差分别为0.91、2.50 t·hm-2;非线性回归模型精度最低,决定系数和均方根误差分别为:0.62、3.87 t·hm-2。故应用RBF神经网络对森林碳密度的反演具有很好的效果。(本文来源于《中南林业科技大学学报》期刊2019年11期）
李园园,王蕾,刘琪璟,周华[2]（2019）在《新疆喀纳斯自然保护区森林碳储量及碳密度变化》一文中研究指出利用2009和2014年2期森林资源小班数据,结合地面样地调查,建立主要森林类型生物量—蓄积量转换方程,以此分析喀纳斯保护区森林乔木层地上碳储量及碳密度变化。结果表明:喀纳斯保护区5 a间森林面积增加了496. 77 hm~2,碳储量约为2. 14×10~6Mg,平均碳密度由55. 34 Mg·hm~(-2)减小至54. 61 Mg·hm~(-2),而不同森林类型的碳密度变化中,西伯利亚落叶松、西伯利亚红松和欧洲山杨碳密度减小,其余森林类型碳密度增大;保护区内成熟林碳储量最大,占乔木层地上总碳储量的63%以上,其余依次为过熟林、近熟林、中龄林和幼龄林,而碳密度最大的是中龄林(66. 69～68. 68 Mg·hm~(-2)),较小的是幼龄林(40. 99～44. 55 Mg·hm~(-2)),其余龄组碳密度为成、过熟林>近熟林。其中,西伯利亚落叶松、西伯利亚冷杉、西伯利亚云杉和疣枝桦中龄林和近熟林碳密度增大,除西伯利亚红松和西伯利亚冷杉外,其余森林类型过熟林碳密度减小。经对比,该区森林乔木层碳密度高于全国平均水平,在我国干旱半干旱区是具有较强固碳潜力的区域。(本文来源于《干旱区研究》期刊2019年05期）
彭玺,张亚威[3]（2019）在《湘乡市林地森林碳储量及碳密度研究》一文中研究指出通过对湘乡市林地的森林碳储量、碳密度及碳储量的空间分布特征进行研究,得出:①在各优势树种组中,中生阔叶树组的碳储量和碳密度都是最大的,碳储量排序依次为:中生阔叶树组>马尾松组>杉木组>竹木组>国外松组>经济林组>慢生阔叶树组>灌木组>速生阔叶树组,碳密度排序依次为:中生阔叶树组>国外松组>竹木组>马尾松组>慢生阔叶树组>杉木组>经济林组>速生阔叶树组>灌木组;②除马尾松组和中生阔叶树组外,各优势树种小班的碳储量主要集中分布在0～100 t的区域内,且与人类活动呈负相关。(本文来源于《中南林业调查规划》期刊2019年01期）
胡建全,徐志扬[4]（2018）在《安徽省森林碳储量及碳密度特征研究》一文中研究指出基于安徽省第九次全国森林资源清查数据,利用生物量—蓄积量转换模型,从不同森林类型、起源、龄组、优势树种(组)等方面进行分析,运用生物量换算因子连续函数法,对安徽省森林碳储量及碳密度进行估算。结果表明,安徽省森林碳储总量为11 843.59×10~4t,平均碳密度29.93 t/hm~2,其中乔木林碳储量为9 790.17×10~4t,占森林总碳储量的82.66%,乔木林平均碳密度为31.72t/hm~2,碳密度大小排序为:阔叶林>针阔混>针叶林,经济林、竹林碳储量为2 053.42×10~4t。乔木林中,天然林的面积、碳储量略小于人工林,但天然乔木林各龄组碳密度均大于人工林;阔叶混交林、杨树、马尾松、杉木、针阔混交林、栎类、针叶混交林的面积、碳储量占优势,其中又以阔叶混交林为最大,面积、碳储量均超过乔木林的28%。文章指出安徽省乔木林碳密度水平仍然不高,今后在增加森林面积的同时,仍需采取合理经营管理措施,促使森林质量和碳汇水平不断提高。(本文来源于《林业调查规划》期刊2018年03期）
孙君梅,刘天龙[5]（2017）在《五指山市森林碳储量及碳密度异质性初步分析》一文中研究指出以五指山市森林植被为研究对象,利用森林资源清查的相关数据,采用生物量换算因子连续函数法,估算出五指山市森林碳储量及碳密度,并对不同林种和不同森林类型的碳储量和碳密度进行初步研究。结果表明:五指山市森林植被总碳储量为6.0609Tg,平均碳密度为52.22t/hm~2。不同森林林种碳储量为:防护林>特种用途林>用材林>经济林,其碳密度大小顺序相同;不同森林类型碳储量为:常绿雨林>经济林>常绿阔叶林>针叶林>落叶阔叶林>灌木林>竹林;碳密度为:常绿雨林>落叶阔叶林>针叶林>常绿阔叶林>经济林>灌木林>竹林。(本文来源于《热带林业》期刊2017年04期）
侯本栋[6]（2017）在《淄博市淄川区森林碳储量及碳密度研究》一文中研究指出基于淄博市淄川区2014年森林资源二类调查数据,运用生物量转换因子连续函数法,研究了淄博市淄川区森林的碳储量及碳密度,并对碳汇价值进行了估算。结果表明:2014年淄川区森林的碳储量为374299.1 t,平均碳密度为16.25 t·hm~(-2),不同树种的碳储量及碳密度差异明显。防护林、用材林、经济林、特用林碳储量分别占全区碳储量的46.1%、24.0%、29.4%,0.5%,平均碳密度特用林>用材林>防护林>经济林。空间分布上碳储量表现为东南部及西部山区较高,中部丘陵及北部平原区较低,碳密度大体上与碳储量呈现相反趋势。全区碳汇价值为22.35亿元。(本文来源于《四川林勘设计》期刊2017年04期）
伊锋[7]（2017）在《山西太岳山森林碳密度及空间分布格局研究》一文中研究指出森林植被是陆地生物圈的主体,森林碳储量和碳密度的研究对森林碳汇及全球气候变化都具有重要的理论和实践意义。根据山西省太岳山2010,2015年2期森林资源连续清查数据,采用TWINSPAN方法对太岳山135个有林样地的森林植被进行群系分类,并运用生物量转换因子连续函数法,对太岳山森林植被碳密度的变化进行了动态分析,同时对太岳山森林碳密度的空间格局进行了研究。结果表明,太岳山森林植被可分为9个群系,9个群系的碳密度差距明显,其中,辽东栎+鹅耳枥群系的碳密度最高,而刺槐群系的碳密度最低。2010—2015年太岳山森林碳密度显着增加,5 a间碳密度增加了6.91 t/hm~2,以1.38 t/(hm~2·a)的速率增加。太岳山森林碳密度分布总体呈现西高东低的格局,碳密度随着海拔的升高而升高,最低为6.17 t/hm~2,最高为62.24 t/hm~2;太岳山有林样地以斜坡和陡坡为主,陡坡碳密度最高,缓坡碳密度最低;太岳山有林样地以上、中2个坡位为主,平地碳密度最高,中坡位碳密度最低;太岳山有林样地主要集中在半阴坡和阳坡,碳密度以阴坡最高,以阳坡最少。(本文来源于《山西农业科学》期刊2017年11期）
侯本栋,张波,程伟[8]（2017）在《淄博市淄川区森林碳储量及碳密度研究》一文中研究指出基于淄博市淄川区2014年森林资源二类清查数据,运用生物量转换因子连续函数法,研究了淄博市淄川区森林的碳储量及碳密度,并对碳汇价值进行了估算。结果表明:2014年淄川区森林的碳储量为374299.1t,平均碳密度为16.25t/hm2,不同树种的碳储量及碳密度差异明显。防护林、用材林、经济林、特用林碳储量分别占全区碳储量的46.1%、24.0%、29.4%,0.5%,平均碳密度特用林>用材林>防护林>经济林。空间分布上碳储量表现为东南部及西部山区较高,中部丘陵及北部平原区较低,碳密度大体上与碳储量呈现相反趋势。碳汇价值为22.35亿元。(本文来源于《林业勘查设计》期刊2017年04期）
刘娜,齐淑艳,陈宏伟,洪娇娇,许晶[9]（2017）在《大兴安岭呼中林区不同火后恢复年限森林碳密度变化研究》一文中研究指出大兴安岭林区是我国北方唯一现存的寒温带针叶林,在维持区域生态平衡和碳循环方面起着重要的作用。林火干扰是大兴安岭森林生态系统的常见的干扰因子之一,火后的恢复过程中森林的碳密度变化是衡量森林恢复的一个重要指标。以大兴安岭呼中林区为例,对2000-2012年的火烧迹地进行调查,采用异速生长方程计算等到乔木层碳密度,采用收获法和实验室烘干分析灌木层和草本层的碳密度。结果表明,林火干扰显着降低了森林乔木层和灌木层的碳密度,随着火后恢复时间的增加,森林乔木层和灌木层的碳密度逐渐增加;草本层碳密度呈现相反趋势,火后明显增加了草本层的碳密度,尤其是在火后初期增加尤为明显。火后恢复过程中碳密度的变化可以为林火管理和森林可持续经营提供科学的指导。(本文来源于《西北林学院学报》期刊2017年05期）
严恩萍,赵运林,林辉,莫登奎,王广兴[10]（2017）在《基于地统计学和多源遥感数据的森林碳密度估算》一文中研究指出【目的】基于遥感影像空间分辨率和地面样地大小不一致的现象,采用地统计学和多源遥感数据进行森林碳密度估算,为MODIS数据在区域森林碳密度估算领域的应用提供参考。【方法】以湖南省攸县为试验区,首先利用基于块的序列高斯协同模拟算法,将25.8 m×25.8 m的样地数据分别上推到250 m×250 m、500 m×500 m和1 000 m×1 000 m;然后将上推后的样地数据分别与MOD13Q1、MOD09A1、MOD15A2数据结合,利用序列高斯协同模拟算法开展区域森林碳密度估算研究;最后将最优结果用于湖南省森林碳密度估算。【结果】Landsat5和MODIS数据与森林碳密度的敏感因子具有高度相似性,排在前3位的分别为1/TM3、1/TM2、1/TM1和1/Band1、1/Band4、1/Band3;与植被指数产品MOD13Q1和MOD15A2相比,多光谱数据Landsat5和MOD09A1在攸县森林碳密度估算方面显示出巨大潜力,估算精度分别为82.02%和75.64%;基于MOD09A1的序列高斯协同模拟算法具有很好的适用性,可用于湖南省森林碳密度的空间模拟,估算精度为74.07%。【结论】采用基于块的序列高斯协同模拟算法,可以实现由地面样地到不同空间分辨率MODIS像元之间的转换;由于空间分辨率的限制,MOD09A1数据在刻画空间细节方面不如Landsat5精细。该研究方法适用于地面调查样地大小和遥感影像空间分辨率不一致的区域森林碳密度估算。(本文来源于《林业科学》期刊2017年07期）
森林碳密度论文开题报告
（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：
利用2009和2014年2期森林资源小班数据,结合地面样地调查,建立主要森林类型生物量—蓄积量转换方程,以此分析喀纳斯保护区森林乔木层地上碳储量及碳密度变化。结果表明:喀纳斯保护区5 a间森林面积增加了496. 77 hm~2,碳储量约为2. 14×10~6Mg,平均碳密度由55. 34 Mg·hm~(-2)减小至54. 61 Mg·hm~(-2),而不同森林类型的碳密度变化中,西伯利亚落叶松、西伯利亚红松和欧洲山杨碳密度减小,其余森林类型碳密度增大;保护区内成熟林碳储量最大,占乔木层地上总碳储量的63%以上,其余依次为过熟林、近熟林、中龄林和幼龄林,而碳密度最大的是中龄林(66. 69～68. 68 Mg·hm~(-2)),较小的是幼龄林(40. 99～44. 55 Mg·hm~(-2)),其余龄组碳密度为成、过熟林>近熟林。其中,西伯利亚落叶松、西伯利亚冷杉、西伯利亚云杉和疣枝桦中龄林和近熟林碳密度增大,除西伯利亚红松和西伯利亚冷杉外,其余森林类型过熟林碳密度减小。经对比,该区森林乔木层碳密度高于全国平均水平,在我国干旱半干旱区是具有较强固碳潜力的区域。
（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。
森林碳密度论文参考文献
[1].吴炳伦,石军南,胡觉,梅浩.基于Landsat8新邵县森林碳密度遥感反演研究[J].中南林业科技大学学报.2019
[2].李园园,王蕾,刘琪璟,周华.新疆喀纳斯自然保护区森林碳储量及碳密度变化[J].干旱区研究.2019
[3].彭玺,张亚威.湘乡市林地森林碳储量及碳密度研究[J].中南林业调查规划.2019
[4].胡建全,徐志扬.安徽省森林碳储量及碳密度特征研究[J].林业调查规划.2018
[5].孙君梅,刘天龙.五指山市森林碳储量及碳密度异质性初步分析[J].热带林业.2017
[6].侯本栋.淄博市淄川区森林碳储量及碳密度研究[J].四川林勘设计.2017
[7].伊锋.山西太岳山森林碳密度及空间分布格局研究[J].山西农业科学.2017
[8].侯本栋,张波,程伟.淄博市淄川区森林碳储量及碳密度研究[J].林业勘查设计.2017
[9].刘娜,齐淑艳,陈宏伟,洪娇娇,许晶.大兴安岭呼中林区不同火后恢复年限森林碳密度变化研究[J].西北林学院学报.2017
[10].严恩萍,赵运林,林辉,莫登奎,王广兴.基于地统计学和多源遥感数据的森林碳密度估算[J].林业科学.2017