NDVI协同下森林生物量定量估算研究
【摘要】:为了实现森林生物量的定量估计。本文以2010年7-8月北京首钢松林公园树木的测量数据,北京市2010年夏季SPOT5遥感影像为模型研究的数据。以北京首钢松林公园为研究区,区内105个采样点的(地上)森林生物量为研究对象,以ArcGis9.3为平台,应用Geostatistical analyst、空间分析工具的Features to Raster模块和SPSS多元统计软件,借助外挂式分析工具Hawth Tools,基于空间统计学的协同克里格法,找出了实测生物量与NDVI之间的协同变异函数,利用NDVI和地面实测森林生物量建立协同克里格模型进行生物量空间插值,形成生物量空间分布图,对森林生物量进行估量。结果为:该研究区的森林生物量估计值是96.6Mg/hm2,标准误差在小于1.422379~1.426711的范围。也就是当可信度P=0.95,真实的生物量值在93.75Mg/hm2—99.45Mg/hm2之间。说明NDVI协同下森林生物量定量估计的方法具有一定的实际价值。
创新点:
研究建立较为精确的森林生物量估测模型属于森林经理学、生态学和林业遥感技术相结合的较为有开创性的研究内容。协同克里格模型要比其他传统模型更精确、也更符合实际。论文结合地面实测蓄积量转换成的生物量和SPOT遥感影像提取的NDVI,找出了实测生物量与NDVI之间的协同变异函数,利用NDVI和地面实测森林生物量建立协同克里格模型进行生物量空间插值,形成生物量空间分布图,对森林生物量进行估量,在估算生物量的方法上有一定的创新性。
该文在研究地面森林生物量的采样方式、插值方法方面有新的思路和见解。在利用高分辨率卫星数据对森林蓄积即生物量估计尤其对其分布与变动的分析方面有自己独到的见解与新意。
充分利用遥感数据的丰富、易测的优点,在进一步提高对地面数据的的估测精度的同时,提高森林生物量定量估计的快捷、完整、有效性是林学、生态学等学科研究的重点,属于学科前沿领域,对于大尺度开展森林生物量估算有理论意义和实用价值。该文的研究对进一步开展遥感估测地面生物量的研究,扩大空间统计方法的应用与借鉴有较好的意义。
【关键词】:森林资源调查 定量估计 空间统计学 协同克里格 森林生物量
【学位授予单位】:北京林业大学
【学位级别】:博士
【学位授予年份】:2013
【分类号】:S758
【目录】:
【学位授予单位】:北京林业大学
【学位级别】:博士
【学位授予年份】:2013
【分类号】:S758
【目录】:
- 摘要4-5
- ABSTRACT5-6
- 目录6-10
- 1 研究综述10-22
- 1.1 引言10-11
- 1.2 森林生物量的研究方法11-16
- 1.2.1 实测法11-12
- 1.2.2 蓄积转换法12-13
- 1.2.3 模型法13-16
- 1.2.3.1 无遥感因子模型法13
- 1.2.3.2 遥感模型法13-15
- 1.2.3.3. 综合模型法15-16
- 1.3 森林生物量遥感模型国内外研究现状16-18
- 1.4 植被生物量遥感模型的优缺点18-19
- 1.5 本研究的目的意义19-20
- 1.6 本章小结20-22
- 2. 研究区概况、研究内容和研究方法22-52
- 2.1 研究区概况22-23
- 2.2 研究内容23-24
- 2.3 研究方法24-49
- 2.3.1 系统采样法24
- 2.3.2 空间统计采样法24-26
- 2.3.3 活立木生物量数据计算方法26-28
- 2.3.4 3S技术28-30
- 2.3.4.1. 全球定位系统28
- 2.3.4.2. 地理信息系统28-29
- 2.3.4.3. 遥感29
- 2.3.4.4. 3S技术集成29-30
- 2.3.5 植被指数30-31
- 2.3.5.1 归一化植被指数(NDVI)30-31
- 2.3.6 空间统计学31-49
- 2.3.6.1 区域化随机变量31-32
- 2.3.6.2 变差函数32
- 2.3.6.3 二阶平稳假设和本征假设32-35
- 2.3.6.4 估计误差35
- 2.3.6.5 正则化法35-36
- 2.3.6.6 正则化(变量)变异函数的计算36-37
- 2.3.6.7 变异函数的拟合37-38
- 2.3.6.8 变差函数及结构分析38-39
- 2.3.6.9 克里格估计方法39
- 2.3.6.10 普通克里格(OK)39-43
- 2.3.6.11 协同克里格法43-47
- 2.3.6.12 拟协同克里格法47
- 2.3.6.13 拟协变异函数47-49
- 2.4 技术路线图49-50
- 2.5 本章小结50-52
- 3 数据获取与处理52-72
- 3.1 SPOT5遥感影像预处理52-57
- 3.1.1 自动配准53-54
- 3.1.2 大气校正54-55
- 3.1.3 几何校正55-57
- 3.2 测量方案的设计57-63
- 3.2.1 遥感影像得到的初步信息57-62
- 3.2.1.1 变程的初步确定57-59
- 3.2.1.2 采样方式的初步确定59-62
- 3.2.2 采样方式的选择62-63
- 3.3 实测数据63-70
- 3.3.1 外业数据的采集63-64
- 3.3.2 树木测量64-67
- 3.3.3 测量树木生物量的计算67-70
- 3.4 本章小结70-72
- 4 模型建立72-114
- 4.1 地面测量生物量(无遥感因子)模型的建立72-100
- 4.1.1 样地的初步筛选72-85
- 4.1.1.1 正态分布与异常值判别72-78
- 4.1.1.2 空间自相关判别78-81
- 4.1.1.3 样本分布方向性判别81-83
- 4.1.1.4 样本趋势面判别83-85
- 4.1.2 变异函数的计算85-92
- 4.1.2.1 步长的选择85-88
- 4.1.2.2 变异函数类型的选择88-92
- 4.1.3 研究区生物量最优无偏差内插值估计方法92-94
- 4.1.3.1 搜索邻域的确定92
- 4.1.3.2 考虑方向的插值92-94
- 4.1.3.3 考虑去趋势面的插值94
- 4.1.4. 不确定性度量值的检验94-100
- 4.1.4.1 预测标准误差94-96
- 4.1.4.2 交叉验证96-97
- 4.1.4.3 QQ图97
- 4.1.4.4 预测误差统计97-98
- 4.1.4.5 相关性检验98-100
- 4.1.5 结果100
- 4.2 遥感因子模型的建立100-110
- 4.2.1 遥感数据准备100-103
- 4.2.1.1 SPOT5四个波段的变异函数100-103
- 4.2.2 NDVI影像的变异函数103-104
- 4.2.3 研究区NDVI与全部测量的生物量的相关检验104-105
- 4.2.4 研究区生物量与NDVI的协变异函数105-107
- 4.2.4.1 协变分析105
- 4.2.4.2 研究区生物量与NDVI的协变异函数105-106
- 4.2.4.3 协变异函数插值图与误差图106-107
- 4.2.5 不确定性度量值的检验107-110
- 4.2.5.1 交叉验证107-108
- 4.2.5.2 QQ图108
- 4.2.5.3 预测误差统计108-110
- 4.2.5.4 相关性检验110
- 4.2.6 结果110
- 4.3 比较模型及方法110-112
- 4.4 本章小结112-114
- 5、结论与讨论114-118
- 5.1 方法研究结论114
- 5.2 模型研究结论114-115
- 5.3 讨论115-117
- 5.4 创新117-118
- 参考文献118-126
- 个人简介126-127
- 导师简介127-128
- 致谢128
| 【相似文献】 | ||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||



