基于多源数据的亚热带森林植被生物量遥感估算方法研究

论文摘要

森林植被生物量的研究在森林生态系统的研究中扮演着重要的角色,本文选取林业大县石棉县为研究区,以Landsat 5 TM影像、DEM地学数据和森林资源二类调查林分数据为数据源,首先对遥感影像与DEM数据和森林资源二类林分数据进行配准,并对遥感影像进行地形校正,其次,选取小班内部均一,面积大于1公顷的小班作为本实验研究的样本,并且利用林分样本的属性数据蓄积量计算出各样本的生物量,并建立其GIS数据库。然后,计算地形校正前、经LRM模型地形校正后和经SCS模型地形校正后的植被指数、波段比值数据、缨帽变换数据和主成分变换数据,并对林分样本数据与遥感地学因子分别采用中心点采样、窗口采样和均值采样得到的数据进行叠加分析。最后,分析各遥感地学因子与样本生物量的相关性,并选取与样本生物量在0.05水平以上显著相关的各最优采样因子为自变量,运用多元统计分析和BP神经网络建模对生物量进行拟合,比较各估算精度,最终确定各个树种组的估算模型,通过以研究,得到以下主要结论:桦木组估算时,BP神经网络建模时精度最高,其精度为75.9%;桤木组估算时也是BP神经网络建模时精度最高,其精度为73.5%;铁杉组估算时逐步回归法建模估算时精度最高,其精度为81.9%;软阔类组估算时BP神经网络建模时精度最高,其精度为63.8%;云南松组估算为BP神经网络估算时精度最高,其精度为73.8%;云杉组估算时也仍为BP神经网络估算精度最高,其精度为71.1%;冷杉组估算时为逐步回归法建模估算精度最高,其精度为60.1%;栎类仍为BP神经网络估算精度最高,其精度为70.7%。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 研究背景和意义
• 1.2 国内外研究动态
• 1.3 研究内容和技术路线
• 1.3.1 研究内容
• 1.3.2 研究路线
• 1.3.3 论文创新点
• 1.4 研究区概况
• 第二章 数据获取和处理
• 2.1 研究区数据的获取
• 2.1.1 研究区遥感影像获取
• 2.1.2 森林资源二类调查数据
• 2.1.3 研究区DEM 数据的获取
• 2.2 数据的处理
• 2.2.1 遥感影像配准和裁剪
• 2.2.2 遥感影像的地形校正
• 2.2.3. 实验区样本小班的选取
• 2.2.4 从森林资源二类调查数据中产生生物量数据
• 2.2.5 样本对应TM 数据及地学数据不同采样法
• 第三章 森林植被生物量与遥感地学数据间相关性分析
• 3.1 遥感派生数据的提取
• 3.1.1 植被指数
• 3.1.2 比值波段的设置
• 3.1.3 缨帽变换和主成分变换
• 3.2 不同树种组森林植被生物量与遥感地学数据之间的相关性分析
• 3.2.1 桦木组样本生物量与遥感地学数据之间的相关性分析
• 3.2.2 冷杉组样本生物量与遥感地学数据之间的相关性分析
• 3.2.3 栎类组样本生物量与遥感地学数据之间的相关性分析
• 3.2.4 桤木组样本生物量与遥感地学数据之间的相关性分析
• 3.2.5 软阔类组样本生物量与遥感地学数据之间的相关性分析
• 3.2.6 铁杉类组样本生物量与遥感地学数据之间的相关性分析
• 3.2.7 云南松类组样本生物量与遥感地学数据之间的相关性分析
• 3.2.8 云杉类组样本生物量与遥感地学数据之间的相关性分析
• 第四章 生物量估算与检验
• 4.1 基于多元回归分析的生物量估算
• 4.2 BP 神经网络估算不同树种组生物量
• 4.2.1 BP 神经网络的基本原理
• 4.2.2 BP 神经网络建模数据准备
• 4.2.3 BP 神经网络模型设计
• 4.3 模型精度检验
• 4.4 小结
• 第五章结论与展望
• 5.1 本文主要结论
• 5.2 本文的不足与展望
• 参考文献
• 致谢