森林工程

作者：崔立东,贺丹,刘玉龙,丛喜东,刘丹

单位：1.黑龙江省木材科学研究所，哈尔滨 150081；,2.哈尔滨远东理工学院，哈尔滨 150025；,3.黑龙江省生态研究所，哈尔滨 150081；,4.黑龙江省气象科学研究所，哈尔滨 150030；

关键词：遥感,深度学习,Bagging 集成学习,气候因子

基金：黑龙江省自然科学基金联合引导项目(LH2024C114)

森林碳储量是全球碳循环研究的重要内容，应对气候变化具有重要意义。以黑龙江省张广才岭北坡部分区域为研究对象，结合地面观测数据与Landsat TM（thematic mapper）/OLI（operational land imager）传感器数据，采用多种机器学习模型，结合引导聚集Bagging（bootstrap aggregating）集成学习算法，进行森林碳储量模拟。结果表明，1990—2022年研究区森林碳储量呈现显著增加趋势，年平均碳储量达到（80.77±0.27）Mg C/hm2，且空间分布表现出明显的异质性特征，高碳储量区域集中于平坦或半山坡地带。此外，生长季平均气温与森林碳储量呈极显著的正相关关系（P＜0.01），表明气温是影响碳储量变化的主要气候因子。研究结果可为森林碳储量的精准模拟和碳汇管理提供新思路。

来源：2025年第5期

《森林工程》期刊编辑部

查看森林工程杂志2025年第5期