基于GLAS和MISR数据的森林冠层高度和地上生物量遥感估算研究

摘要

1 绪论

1．1 研究的目的与意义

1．2 国内外研究现状

1．2．1 光学遥感技术在森林树高和生物量估算方面的应用

1．2．2 雷达遥感技术在森林树高和生物量估算方面的应用

1．2．3 激光雷达遥感技术在森林树高和生物量估算方面的应用

1．2．4 多源遥感技术在森林树高和生物量估算方面的应用

1．3 研究内容与技术路线

1．3．1 研究内容

1．3．2 技术路线

2 研究区域概况与数据收集处理

2．1 研究区域概况

2．1．1 小兴安岭研究区域

2．1．2 凉水实验林场研究区域

2．2 ICESat／GLAS激光雷达数据

2．2．1 ICESat／GLAS介绍

2．2．2 ICESat／GLAS测高原理

2．2．3 GLAS数据介绍

2．3 MISR数据

2．3．1 MISR数据介绍

2．3．2 MISR数据预处理

2．4 Landsat时间序列数据

2．4．1 Landsat卫星数据介绍

2．4．2 Landsat时间序列数据预处理

2．4．3 扰动监测指数

2．5 森林资源调查数据

2．6 其他数据

2．6．1 高程数据

2．6．2 分类数据

2．7 本章小结

3 GLAS激光点冠层高度的提取

3．1 ICESat／GLAS激光点冠层高度计算

3．1．1 ICESat／GLAS波形数据计算

3．1．2 研究区GLAS激光点冠层高度

3．2 GLAS激光点冠层高度验证

3．2．1 机载激光雷达数据

3．2．2 机载激光雷达数据处理

3．2．3 地面调查与测量

3．2．4 机载雷达树高反演

3．2．5 机载雷达树高反演精度评价

3．2．6 ICESat／GLAS冠层高度验证

3．3 本章小结

4 区域森林冠层高度无缝估算

4．1 模型输入变量

4．2 模型计算方法

4．2．1 随机森林回归原理

4．2．2 随机森林回归模型性能评价

4．2．3 随机森林变量重要性度量

4．2．4 随机森林回归算法的实现流程

4．3 随机森林树高反演模型

4．4 模型评价指标

4．5 结果与分析

4．5．1 模型参数评价

4．5．2 模型性能评价

4．6 本章小结

5 GLAS激光点森林地上生物量模型

5．1 ICESat／GLAS波形参数

5．2 基于野外调查数据的森林地上生物量计算

5．3 逐步回归模型

5．3．1 多元线性回归原理

5．3．2 逐步回归

5．4 Erf-BP神经网络模型

5．4．1 BP神经网络

5．4．2 Erf-BP神经网络

5．5 GLAS生物量模型比较

5．6 本章小结

6 区域生物量无缝估算

6．1 MISR数据森林地上生物量反演

6．1．1 建模与分析

6．1．2 结论

6．2 Landsat提取森林扰动参数及对森林参数估算的影响研究

6．2．1 影像选择

6．2．2 Landtrendr计算方法

6．2．3 扰动参数计算

6．2．4 森林冠层高度和生物量模型

6．2．5 结果与讨论

6．2．6 结论

6．3 本章小结

结论与讨论

参考文献

攻读学位期间发表的学术论文

致谢

声明