首页> 中文学位 >融合多源遥感数据的森林生物量估算研究
【6h】

融合多源遥感数据的森林生物量估算研究

代理获取

目录

声明

摘要

1 绪论

1.1 研究的背景

1.2 研究目的和意义

1.2.1 研究目的

1.2.2 研究意义

1.3 国内外发展现状

1.3.1 国外发展现状

1.3.2 国内发展现状

1.4 相关概念

1.4.1 激光雷达系统

1.4.2 雷达系统参数

1.4.3 多源遥感数据融合

1.5 研究技术进展

1.5.1 光学遥感数据研究阶段

1.5.2 微波雷达数据研究阶段

1.5.3 激光雷达数据研究阶段

1.5.4 融合多源数据研究阶段

1.6 数据描述

1.6.1 激光雷达数据

1.6.2 多光谱数据

1.6.3 辅助数据

1.6.4 样地数据

1.7 研究的内容

1.8 技术路线

2 研究区概况

2.1 研究区地理位置

2.2 研究区地貌及水文气象

2.3 研究区植被资源

3 数据预处理

3.1 地面样地数据内业处理

3.2 LIDAR波形数据预处理

3.2.1 完整波形提取

3.2.2 点云滤波处理

3.2.3 噪声估计

3.2.4 信号的始末位置判断

3.2.5 质心位置的确定

3.3 TM多光谱数据预处理

3.3.1 辐射校正

3.3.2 大气校正

3.3.3 正射校正

4 遥感数据信息提取研究

4.1 基于LIDAR数据的区域森林冠层高度估算

4.2 基于TM数据的森林光谱信息提取

4.2.1 森林覆被信息提取

4.2.2 森林叶面积指数遥感估算

4.2.3 森林郁闭度遥感估算

5 基于光谱信息与冠层高度的生物量估算模型研究

5.1 遥感估算生物量模型

5.1.1 MLR模型

5.1.2 BP-ANN模型

5.2 森林生物量估测

6 结论与讨论

6.1 结论

6.2 讨论

参考文献

附录A 攻读学位期间的主要学术成果

致谢

展开▼

摘要

森林生物量作为森林生态系统中物质循环的基础,是衡量生态系统生产力的一个重要指标。传统的森林生物量统计方法工作量大、周期长,难以获取大区域的林木测量数据。随着遥感技术的快速发展,多种遥感数据都已成功应用于森林结构特征的信息监测和提取,为区域尺度估算森林生物量及其动态变化研究提供了方法和手段。近年来,遥感技术研究呈现多样化,人们对多源遥感数据进行森林生物量的研究寄予厚望。
  本文以云南省南滚河保护区沧源县境内的区域为研究区,首先讨论了遥感技术在林业上的发展应用和现状动态,并结合本文的研究内容和目的,对激光雷达回波波形数据和多光谱数据进行预处理,再使用激光雷达数据估测森林冠层高度和多光谱数据的参数因子的计算及森林水平结构参数的提取,结合外业调查数据,验证各参数因子和森林生物量之间的相关性。最后,分别构建多元回归模型和BP神经网络模型估算生物量,并讨论在本研究区中最佳的模型构建方法。主要研究如下:
  (1)运用获取的研究区的Landsat TM数据,将区域内的多光谱数据经过辐射校正、大气校正、正射校正等预处理后,根据数据的6个波段转换得出10个植被指数,包括RVI、NDVI、SLAVI、EVI、VII、MSR、NDVIc、BI、GVI和WI。
  (2)分析了研究区的森林分布情况,将研究区的森林覆被信息进行分类。利用区域增长聚类方法将激光雷达数据进行分类,将植被点叠加到TM多光谱数据上进行数据点筛选,得到准确的分类信息,为冠层高度估算和生物量模型构建奠定基础。
  (3)利用校正后的TM多光谱数据得到的6个波段反射率和10个植被指数,分析叶面积指数与各单一指标之间建立遥感反演的相关性,利用偏最小二乘回归方法构建模型,从而构建了适用于区域尺度的森林叶面积指数遥感估测模型,结合样本数据与估测数据对比得出相关系数R2为0.91。
  (4)根据研究区TM多光谱数据得到的植被指数,运用混合像元二分法构建植被指数与郁闭度之间的最优回归模型。结合样地数据与估测数据建立回归线性关系得出相关系数R2达到了0.86。
  (5)利用处理后的标准的激光雷达回波波形数据,运用Lefskyetal方法建立森林冠层高度估测模型,分析引入方程中的各个自变量与林木平均冠层高度的相关性强弱以及变量的解释能力并分析预测精度。总体而言,森林冠层高度估测的精度较高,相关系数R2为0.89,均方根误差RMSE在0.5m左右,总体一致性较好。
  (6)基于激光雷达数据和TM多光谱数据,将两种数据分析和估算得到的森林冠层高度、TM数据计算得到的10个植被指数以及估算的叶面积指数和森林郁闭度,利用多元线性回归方法和BP神经网络方法分别构建森林生物量估算模型。对比发现联合光谱信息与森林高度信息的BP神经网络模型有非线性处理的能力,能够更好的对生物量进行估算,根据验证样本的实测数据和估算数据进行验证。研究表明,基于MLR模型的相关系数R2为0.78,基于BP神经网络模型的相关系数R2为0.88。因此,适合本研究区的森林生物量估测的模型为BP神经网络模型。
  森林生物量是森林生产力和营养物质分布的重要研究领域。利用多源遥感数据对区域森林的生物量进行估算受到森林的立地条件、森林的植物群落复杂性、遥感数据的准确性等因素的影响。如何根据森林条件的特点对区域生物量进行准确估算是下一步研究的重点。

著录项

  • 作者

    张耀;

  • 作者单位

    中南林业科技大学;

  • 授予单位 中南林业科技大学;
  • 学科 森林经理学
  • 授予学位 硕士
  • 导师姓名 杨志高;
  • 年度 2015
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 中文
  • 中图分类 S718.554.2;
  • 关键词

    森林生物量; 植物群落; 多源遥感数据; 信息监测;

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号