基于3S技术的山东省森林蓄积量定量估测研究

论文摘要

蓄积量是森林资源的重要指标,是林业特有的问题,也是航天遥感数据应用研究的重要领域。随着高空间分辨率遥感（RS）技术的发展,地理信息系统（GIS）和全球定位系统（GPS）（简称3S）在森林资源调查和管理中应用的不断深入和普及,借助3S及其集成技术进行森林蓄积定量估测,以期最大限度地减轻地面调查工作量,国内外学者都作过不少的研究。许多研究结果表明遥感影像灰度值及其线性、非线性组合可作为定量因子直接参与方程估测森林蓄积量,为在大尺度上进行蓄积量研究提供了可能。本文在研究过程中,查阅了大量国内外关于森林蓄积量估测方面的文献,结合项目的特点,选取15景山东省2006年TM遥感影像为数据源,结合地面样地调查,采用多元回归估计的方法,建立蓄积量与遥感灰度值、GIS信息之间的反演模型,对山东省域大尺度的森林蓄积量进行估测。主要研究结论如下:（1）选择30米空间分辨率的Landsat TM遥感数据,采用监督分类与专家分类相结合并辅助人机交互补充解译的方法对森林植被信息进行提取与分类,达到了较好的分类效果。对有林地、疏林地、灌木林地等地类进行了判读,特别是有林地判读面积与2007年第七次山东省森林资源清查结果中有林地的面积相对误差为5.06%,这一结果能够满足对森林资源价值核算的要求。（2）通过Box-Cox变换,得出了合理的模型变量参数。利用外业调查获取的542个样本对应的TM遥感影像灰度值数据,在岭迹分析法、平均残差平方和准则、Cp准则、AIC准则等变量选择原则的基础上,通过t检验来确定参与模型的自变量。对选取的最佳变量组合,通过Box-Cox变换,建立了比较理想的蓄积量回归模型。（3）采用系统抽样和主成分分析的方法,对山东省森林资源的蓄积量进行了较为准确的估测。通过系统抽样的方法,计算得到山东省有林地总蓄积量为6772.022万m3,预测精度为83.24%。基于主成分分析所建模型的蓄积量估测,得出有林地蓄积量为6203.53万m3,疏林地蓄积量86.74万m3,四旁树蓄积量1458.66万m3,活立木蓄积估测总量为7748.93万m3。与山东省第七次连续清查结果相比,总蓄积量误差为1.88%,有林地蓄积量误差为8.62%,精度达到了91.38%。通过比较认为,以基于主成分分析所建模型对森林资源蓄积量的估测更为精确。（4）在森林资源调查中,首次使用了RTK、电子角规等先进的地面调查仪器,精准测定林分的多种参数,RTK不仅对抽取的村庄进行了精准定位和面积的精准测量,而且解决了大范围对手持GPS定位精度的校正问题。电子角规通过水平绕测和垂直绕测技术精准测定林分的胸高断面积和树高,快速、准确地获取了样地的有关数据,验证了仪器先进性、高效性,为林业调查提供新的技术。论文的创新点（1）山东省省域尺度上基于3S技术结合地面样地进行森林蓄积量估测的研究并不多见。本文利用山东省范围的15景TM遥感数据,对有关地类进行了判读和分类,较好地估测了森林蓄积量,其结果作为山东省森林价值核算的重要依据,为3S技术在大尺度森林蓄积量估测方面提供了新的技术和方法。（2）解决了利用遥感因子建立模型过程中的变量筛选关键技术问题。本文在变量的筛选过程中,结合岭迹分析法、平均残差平方和准则、Cp准则、AIC准则,首次利用Box-Cox变换,使原始数据尽可能地满足线性回归模型的假设条件,解决了长期以来利用遥感因子建模精度不高的问题,这也是本研究的创新之一。（3）探讨了RTK、电子角规等先进仪器在林业调查中新的使用方法,提高了工作效率,为林业调查提供了新的技术。

论文目录

• 摘要
• ABSTRACT
• 1 研究背景
• 1.1 研究的目的与意义
• 1.2 国内外遥感技术在林业调查中的应用与发展
• 1.2.1 国外遥感在林业调查的应用与发展
• 1.2.2 我国林业遥感应用技术的发展
• 1.2.2.1 我国林业遥感技术的发展状况
• 1.2.2.2 我国林业遥感应用领域的发展现状
• 1.3 森林蓄积量遥感定量估测研究
• 1.3.1 国外研究现状
• 1.3.2 我国研究现状
• 1.4 本文重点研究解决的问题
• 2 研究区概况及资料
• 2.1 行政区划、地理位置
• 2.2 自然环境
• 2.3 社会经济条件
• 2.4 森林资源状况
• 2.4.1 各类土地面积
• 2.4.2 活立木蓄积量
• 2.5 森林资源特点
• 2.6 资料收集
• 3 数据获取与处理技术
• 3.1 山东省森林资源遥感调查技术路线与方案
• 3.1.1 山东省森林资源遥感调查技术路线
• 3.1.2 山东省森林资源遥感调查的实施方案
• 3.2 山东省森林资源遥感影像处理
• 3.2.1 遥感影像预处理
• 3.2.1.1 遥感数据源选择
• 3.2.1.2 波段组合分析
• 3.2.1.3 几何校正
• 3.2.1.4 图像增强和变换
• 3.2.1.5 图幅拼接与接边处理
• 3.3 外业调查
• 3.3.1 调查技术路线
• 3.3.2 调查区域划分
• 3.3.3 调查方法
• 3.3.3.1 调查表格设计
• 3.3.3.2 调查内容
• 3.4 山东省森林资源信息提取
• 3.4.1 森林资源影像分类
• 3.4.1.1 传统的统计分类方法
• 3.4.1.2 与多种技术结合的分类的新方法
• 3.4.2 本实验遥感影像分类
• 3.4.2.1 解译标志的建立
• 3.4.2.2 森林植被信息影像分类
• 3.4.2.3 人机交互补充解译与 GIS 辅助解译
• 3.4.2.4 野外校核验证
• 3.4.2.5 森林资源专题图与统计数据
• 3.4.2.6 山东省森林资源遥感调查评价与检验
• 4 模型建立
• 4.1 森林蓄积量遥感基础
• 4.1.1 植物遥感原理
• 4.1.2 植被指数模型
• 4.1.2.1 比值植被指数（RVI）
• 4.1.2.2 归一化植被指数（NDVI）
• 4.1.2.3 差值植被指数（DVI）
• 4.2 遥感信息反演模型类型与建模方法
• 4.2.1 遥感信息反演模型类别
• 4.2.2 建模方法
• 4.2.3 光谱特征模型的建立
• 4.3 建模数据分析
• 4.3.1 数据分类结果
• 4.3.2 参与建模数据整理
• 4.3.2.1 有林地数据整理
• 4.3.2.2 数据特点
• 4.3.3 数据分析
• 4.4 蓄积量估测最优变量选择
• 4.4.1 自变量选择原则
• 4.4.2 最优变量选择方法
• 4.4.2.1 岭迹分析法
• 4.4.2.2 平均残差平方的准则
• p准则'>4.4.2.3 C_p准则
• 4.4.2.4 AIC 准则
• 4.5 建模过程及分析
• 4.5.1 建模过程
• 4.5.2 反演模型精度分析
• 4.5.3 回归系数检验-t 检验
• 4.5.4 Box-Cox 变换
• 4.6 引入 GIS 因子构建蓄积量模型
• 4.6.1 主成分分析方法概述
• 4.6.2 地面样点遥感、GIS 因子信息提取
• 4.6.3 样本数据的筛选
• 4.6.4 自变量的筛选
• 4.6.5 模型构建及精度检验
• 4.6.5.1 模型构建
• 4.6.5.2 精度检验
• 4.6.5.3 模型预测精度评价
• 4.7 村庄蓄积模型建立
• 4.7.1 数据获取
• 4.7.2 模型建立
• 5 蓄积量估测
• 5.1 基于抽样方法的蓄积量估测
• 5.2 基于主成分分析的模型蓄积量估测
• 5.2.1 有林地蓄积量估算
• 5.2.2 疏林地蓄积量估算
• 5.2.3 四旁树蓄积量计算
• 5.3 模型估计值比较
• 6 结论与展望
• 6.1 结论
• 6.2 论文的创新点
• 6.3 建议与展望
• 参考文献
• 个人简介
• 导师简介
• 致谢