耦合时间序列多源遥感数据和生态过程的区域森林生物量动态变化反演研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    41801347
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    26.4万
  • 负责人：
    张玉珍
  • 依托单位：
    北京科技大学
  • 学科分类：
    D0113.遥感科学
  • 结题年份：
    2021
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2021-12-31

项目摘要

The accurate forest biomass mapping and its dynamics on a regional scale are critical to studies on the global climate change as well as ecological construction and sustainable development. Many studies have attempted to integrate the multi-source remote sensing data, in order to improve the accuracy of biomass estimates. However, few studies focus on the forest biomass dynamics, and the reliable information on changes in forest biomass is still lacking..This proposal intends to investigate the estimation of forest biomass dynamics over northeastern China at multiple scales by coupling multi-source remote sensing data time series and forest ecological processes. Both parametric and non-parametric models, along with direct and indirect estimation methods, will be fully explored. The estimated changes in forest biomass with these algorithms will be validated with field biomass data. Following this, the optimal results of forest biomass dynamics at different scales can be selected, and the associated spatial patterns of forest biomass dynamics and its evolution will be analyzed. Moreover, this proposal will quantify the relative contribution of remote sensing data to the estimation forest biomass dynamics, which can advance the applications of remote sensing data to monitoring forest biomass dynamics. The accomplishment of the proposal will provide observational evidences and scientific basis for deeply understanding the carbon exchange between forests and the atmosphere and the role of forests in mitigating climate change, and also provide theoretical guidance for further exploration of monitoring forest biomass dynamics regionally and globally.
高精度区域森林生物量及其动态变化信息是全球气候变化研究、生态建设及可持续发展的迫切需求。很多研究尝试融合多源遥感数据进行区域森林生物量制图以提高估算精度，但目前关于森林生物量动态变化的研究相对较少，可靠的森林生物量动态变化信息依然缺乏。本项目拟耦合时间序列多源遥感数据与森林生态机理过程，开展不同尺度森林生物量动态变化监测方法研究，采用参数模型和非参数模型以及直接和间接方法估算中国东北地区森林生物量的动态变化，并基于地面调查数据对多种算法获得的生物量动态变化结果进行验证。选取高精度的森林生物量动态变化数据集，分析森林生物量动态变化空间格局及其规律，阐明遥感数据进行区域森林生物量动态变化监测的贡献及局限性，提高森林生物量动态变化遥感监测应用水平。这一研究可以指导更大区域森林生物量动态变化数据集的生成，也为深入认识森林与大气之间的碳交换及森林在减缓气候变化中的作用提供观测依据和数据支持。

结项摘要

森林生物量是陆地生态系统碳循环的关键变量，也是全球气候观测系统认定的基本气候变量之一。准确估算森林生物量及其动态变化对于提升陆地生态系统碳源汇精度和实现“双碳”目标具有重要意义。. 为实现区域森林生物量及其动态变化高精度估算，本项目的主要研究内容如下：1）综合评价现有区域或全球森林生物量及其动态变化数据集；2）探索星载激光雷达估算森林生物量及其动态变化的潜力；3）发展适用于森林生物量及动态变化估算的方法；4）研究多源遥感数据对森林生物量及其动态变化估算的贡献和相对重要性，提升区域森林生物量制图精度。. 针对以上研究内容，项目取得的重要结果和关键数据如下：1）当前森林生物量及其动态变化数据集仍然存在严重的空间不一致性，为进一步提升区域森林生物量及其动态变化数据精度，未来研究应着眼于实测点的收集、多源遥感数据的综合利用、高级机器学习算法的发展以及不确定性的量化及表达等；2）提出了新的GLAS波形参数，利用较少的波形参数进行组合有效提升了东北地区森林生物量及动态变化估算精度；3）以RF和ERT为代表的bagging集成算法和以GBRT、SGB和CatBoost等代表的boosting系列集成算法估算生物量精度较高，考虑精度和多样性指标的stacking异质算法可进一步提升生物量制图的精度；4）利用多源遥感数据的互补信息有效提升了区域森林生物量及其动态变化监测精度，研发了基于多源遥感数据的生物量产品生产算法，生产了1985-2015年全球森林生物量数据产品。.综上所述，本项目从生物量基准数据、多源遥感数据以及反演算法等多个方面对区域森林生物量及其动态变化制图进行研究，发展了一系列方法，生产了区域和全球森林生物量产品，这为深入认识森林与大气之间的碳交换及森林在减缓气候变化中的作用提供了观测依据和数据支持。

项目成果

期刊论文数量（6）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
An Evaluation of Eight Machine Learning Regression Algorithms for Forest Aboveground Biomass Estimation from Multiple Satellite Data Products
对来自多个卫星数据产品的森林地上生物量估算的八种机器学习回归算法的评估
  • DOI：
    10.3390/rs12244015
  • 发表时间：
    2020
  • 期刊：
    Remote Sensing
  • 影响因子：
    5
  • 作者：
    Yuzhen Zhang;Jun Ma;Shunlin Liang;Xisheng Li;Manyao Li
  • 通讯作者：
    Manyao Li
A Review of Regional and Global Gridded Forest Biomass Datasets
区域和全球网格森林生物量数据集综述
  • DOI：
    10.1017/etds.2014.90
  • 发表时间：
    2019
  • 期刊：
    Remote Sensing
  • 影响因子：
    5
  • 作者：
    Yuzhen Zhang;Shunlin Liang;Lu Yang
  • 通讯作者：
    Lu Yang
Observed Vegetation Greening and Its Relationships with Cropland Changes and Climate in China
中国植被绿化观测及其与农田变化和气候的关系
  • DOI：
    10.3390/land9080274
  • 发表时间：
    2020
  • 期刊：
    Land
  • 影响因子：
    3.9
  • 作者：
    Yuzhen Zhang;Shunlin Liang;Zhiqiang Xiao
  • 通讯作者：
    Zhiqiang Xiao
A stacking ensemble algorithm for improving the biases of forest aboveground biomass estimations from multiple remotely sensed datasets
一种用于改善多个遥感数据集森林地上生物量估计偏差的叠加集成算法
  • DOI：
    10.1088/0004-637x/785/2/119
  • 发表时间：
    2022
  • 期刊：
    GIScience and Remote Sensing
  • 影响因子：
    6.7
  • 作者：
    Yuzhen Zhang;Jun Ma;Shunlin Liang;Xisheng Li;Jindong Liu
  • 通讯作者：
    Jindong Liu
Fusion of Multiple Gridded Biomass Datasets for Generating a Global Forest Aboveground Biomass Map
融合多个网格生物质数据集以生成全球森林地上生物量地图
  • DOI：
    10.3390/rs12162559
  • 发表时间：
    2020
  • 期刊：
    Remote Sensing
  • 影响因子：
    5
  • 作者：
    Yuzhen Zhang;Shunlin Liang
  • 通讯作者：
    Shunlin Liang

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

青海省贵德国家地质公园地质遗迹及综合评价
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    地球学报
  • 影响因子：
    --
  • 作者：
    侯光良;唐仲霞;张玉珍;祝佳甲
  • 通讯作者：
    祝佳甲
CT心脑血管一体化成像的图像质量评价
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    国际放射医学核医学杂志
  • 影响因子：
    --
  • 作者：
    刘淑蓉;陈国强;郑亮;张玉珍;韩瑞娟;赵瑞平;杨旗;李坤成;孙凯;吕滨
  • 通讯作者：
    吕滨
超声波频率对除垢范围及除垢效率的影响
  • DOI：
    10.16085/j.issn.1000-6613.2015.10.045
  • 发表时间：
    2015
  • 期刊：
    化工进展
  • 影响因子：
    --
  • 作者：
    傅俊萍;石沛;何叶从;张玉珍;刘琦;梁昌胜
  • 通讯作者：
    梁昌胜
心脏再同步治疗中左右心室电极位置间距离与临床效果分析
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    介入放射学杂志
  • 影响因子：
    --
  • 作者：
    肖群林;刘诗文;董薇;张兴;张玉珍;谢明团;段敦柱;彭景添;王梦洪;郑泽琪;吴印生;彭小平
  • 通讯作者：
    彭小平
南方丘陵地区农业小流域最佳管理
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    资源科学，27(6)：151–155. 2005. 6
  • 影响因子：
    --
  • 作者：
    张玉珍;陈能汪;曹文志*;洪华
  • 通讯作者：
    洪华

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码