基于遥感技术的森林蓄积量估测模型研究 ——以黔东南州集体林区为例

论文摘要

森林是陆地生态系统的主体,森林资源的数量和质量变化直接影响到生态环境的变化,在森林经营管理中,森林资源的预测极为重要,掌握森林资源的现状,预测其发展趋势,对合理经营科学管理森林资源,实现由粗放型经营向集约型经营的转变,传统林业向现代林业转变具有重要的作用,有利于做好森林资源的宏观决策和管理,使森林资源的发展满足生态环境建设及林业产业的发展需要。自20世纪60年代,遥感技术已广泛应用于社会众多领域,随着空间信息技术的迅速发展,遥感技术更是发挥了其范围广、速度快、精度高、多时相等特点。森林蓄积量估测是森林资源管理的重要内容,是林业经营的重要决策依据。本研究利用中巴资源卫星02B星2005年黔东南州遥感数据,结合黔东南州2005年一类连清数据,通过遥感图像处理,GIS技术进行数据分析和因子提取,运用回归分析方法,建立以遥感因子（各单波段因子和植被指数因子）和地理信息因子（海拔、坡度、坡位、坡向、郁闭度等）为自变量,对应样地的蓄积量为因变量的森林蓄积量遥感估测模型;并对模型运用数学方法利用实测蓄积量数据对模型进行验证,以使模型更加具有可推广性和实用性,为森林资源的预测与管理提供技术支持和理论依据。本研究的主要结论如下:①遥感图像镶嵌前,先进行直方图匹配能够更好的提高图像的显示特性,也在一定程度上保证提取的样地灰度信息具有相同的直方图尺度,进而保证模型的精度。直方图匹配中选取直方图信息较为完整或直方图居正态分布的图像为参照图像为宜。②利用CBERS2B数据,结合地面调查数据,采用多元线性回归分析方法,建立森林蓄积量的估测模型是可行的。本次研究得到的总蓄积量的估测精度为98.57%,针叶林蓄积量估测精度为95.15%,阔叶林蓄积量的估测精度为93.86%。完全满足大范围蓄积量估测的精度要求。③本研究共选用了CBERS2星数据的遥感因子B1波段,B2波段,B3波段,B4波段,B5波段,NDVI,DVI,EVI,SQRT（DVI）以及地理因子中的海拔、坡度、阴坡、阳坡、坡位、郁闭度等共15个自变量因子,以一类连清数据的591个样地对应的蓄积量数据作为因变量进行回归分析,经回归系数的显著性检验（t检验）,剔除与蓄积量（因变量）显著不相关的两个因子—B4和阴坡,得到简单而高精度的回归方程。④利用CBERS-2B数据建立的黔东南州全州蓄积量估测最优方程为:V=-1.3+9.266x1-0.0882x2+0.001093x3+0.167x4+0.02877x5+2.09x6+2.366x7-2.686x8-0.0561x9-0.00061x10-0.176x11+0.121x12+0.02041x13式中:蓄积量（V）、郁闭度（x1）、B1（x2）、B2（x3）、B3（x4）、B5（x5）、RVI（x6）、NDVI（x7）、SORT（x8）、DVI（x9）、海拔（x10）、阳坡（x11）、坡位（x12）、坡度（x13）。利用该模型估测各样地蓄积量精度达98.57%,估测全州总蓄积量精度达96.05%。⑤黔东南州针叶林蓄积量估测最优方程为:V=-0.165+9.352x1-0.0803x2-0.0464x3+0.137x4+0.04447x5-1.601x6+4.282x7+3.026x8+0.004181x9-0.0021x10-0.173x11+0.185x12+0.009012x13式中:蓄积量（V）、郁闭度（x1）、B1（x2）、B2（x3）、B3（x4）、B5（x5）、RVI（x6）、NDVI（x7）、SQRT（x8）、DVI（x9）、海拔（x10）、阳坡（x11）、坡位（x12）、坡度（x13）。利用该模型估测对应针叶林样地的蓄积量,精度可达95.15%。⑥.黔东南州阔叶林蓄积量估测最优方程为:V=-1.644+6.717x1-0.24x2+0.129x3+0.161x4-0.0079x5+5.081x6-17.052x7-0.128x8+0.001949x9-0.707x10-0.354x11+0.09356x12式中:蓄积量（V）、郁闭度（x1）、B1（x2）、B2（x3）、B3（x4）、B5（x5）、RVI（x6）、NDVI（x7）、SQRT（x8）、DVI（x9）、海拔（x10）、阳坡（x11）、坡位（x12）、坡度（x13）。该模型估测对应阔叶林样地的蓄积量精度为93.86%。

论文目录

• 摘要
• Abstract
• 第一章 前言
• 1.1 国内外研究现状
• 1.2 本研究目标与意义
• 1.2.1 研究目标
• 1.2.2 研究意义
• 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
• 第二章 研究区概况
• 2.1 自然环境概况
• 2.2 森林资源概况
• 第三章 遥感数据处理
• 3.1 数据源
• 3.2 遥感卫星数据简述
• 3.2.1 中巴资源卫星介绍
• 3.2.2 CBERS-2B波段特征与应用
• 3.3 图像校正与增强
• 3.3.1 辐射校正
• 3.3.2 几何校正
• 3.3.3 图像增强
• 3.4 图像镶嵌与裁剪
• 3.4.1 图像镶嵌
• 3.4.2 图像裁剪
• 3.5 植被指数运算
• 3.5.1 植被指数相关概念
• 3.5.2 植被指数运算
• 第四章 数据分析与模型建立
• 4.1 指标因子选取
• 4.1.1 遥感信息因子
• 4.1.2 地理信息因子
• 4.2 多元线性回归分析数学基础
• 4.3 总蓄积量估测模型的建立与分析
• 4.3.1 总蓄积量估测模型的建立
• 4.3.2 总蓄积量模型精度分析与验证
• 4.3.3 总蓄积量的估测与验证
• 4.4 针叶林蓄积量模型建立与分析
• 4.4.1 针叶林蓄积量估测模型的建立
• 4.4.2 针叶林蓄积量估测模型精度验证
• 4.5 阔叶林蓄积量模型的建立与分析
• 4.5.1 阔叶林蓄积量估测模型的建立
• 4.5.2 阔叶林蓄积量估测模型的精度检验
• 第五章 结论与讨论
• 5.1 结论
• 5.2 讨论及存在的问题
• 致谢
• 参考文献
• 附录