东北林区森林生物量遥感估算及分析
【摘要】:
全球气候变化已经是一个无可争议的事实,极端天气和自然灾害频发已经严重的影响了人类的生产和生活。哥本哈根会议虽然未能就减排等问题达成一项具有约束力的协议,但发展低碳经济促进节能减排已经成为各国的一个基本共识,同时也可以看出气候变化是个极其复杂的问题,远远超出环境的传统范畴,它涉及政治、经济、国际法律等诸多复杂问题。因此全球碳循环也就成为科学界广泛关注的研究课题。陆地生态系统中大约77%的植被碳储藏在森林生物量中,因此森林生物量是陆地生态系统碳循环过程中最主要的参数,它直接反应森林的碳储量。我国东北森林是世界上3大块温带森林之一,占全国森林面积和森林蓄量积的1/3以上,在我国和全球碳循环、林业和生态环境建设中起着举足轻重的作用。然而东北森林碳循环的研究尚不全面,在我国和全球碳循环评估、建模和预测中还急需来自该区域的研究成果。本研究立足于相关的两个科学问题,一是如何准确的获取大尺度的森林生物量,二是森林生物量的时空变化及其驱动定量分析。遥感和地理信息系统是解决问题的关键技术,针对上述问题展开了如下研究并得出相应的主要结论:
1、遥感数据的处理,包括几何校正和辐射校正,研究大尺度问题时需要多期不同时相的遥感数据的辐射归一化,这是正确利用遥感信息的基础工作。
2、将东北林区按植被地理分布划分为大兴安岭,小兴安岭和长白山,结合行政区划将长白山分为吉林长白山和黑龙江长白山,四个区域分别估算森林生物量。
3、地面生物量模型的研建。这是遥感估算森林生物量的基础,本研究采用两种方法建立地面生物量模型,一是常规统计模型,应用于大兴安岭和长白山林区,包括大兴安岭7个主要树种,长白山林区18个主要树种。二是统一生物量模型,本次研究提出了“切比雪夫(chebyshev)正交多项式配合偏最小二乘建立地面统一生物量模型”,把生物量模型看作是连续函数空间中的一个元素,找到这个空间的一组基,则树种生物量统一模型可表示为这组基的线性组合。模型提出的过程,数学推导严密,参数用偏最小二乘方法解算,模型结果与已有的生物量模型结果比较并用地面实测数据进行验证,整个建模过程科学严谨,该模型具有很好的通用型,在地面生物量模型方面是一种新的方法。该模型应用于小兴安岭林区,建立了16个主要树种以胸径为自变量的统一生物量模型。统一生物量模型比常规统计模型平均精度高出5%以上。
4、根据不同区域的乔、灌、草生物量模型计算森林资源清查样地的生物量,以此作为建立遥感模型的基础数据。
5、采用逐步回归、BP神经网络和Erf-BP神经网络常规手段建立各个区域的森林生物量估算模型,结果表明逐步回归模型精度较低,为75%左右,难以达到精度要求;Erf-BP神经网络模型精度较高,达到80%以上,但受其自身算法特点的约束难以在大区域进行推广应用。
6、偏最小二乘模型估算森林生物量是一种新的方法,使用该方法估算森林生物量与回归模型比较精度有较大提高,达到80%以上,特别是非线性偏最小二乘模型效果更好,但由于该方法算法复杂,程序运行时间长,非线性模型形式不确定,给大区域的遥感估算带来问题,因此该方法也仅停留在小区域实验上
7、联立方程组与度量误差模型估算森林生物量,这是新型统计方法在遥感提取地物参数方面新思路,研究结果表明,该方法比常规统计方法更具合理性。联立方程组与度量误差模型在林分生长模型中有较好的应用,但尚未应用于遥感提取专题信息。本研究将联立方程组与度量误差模型引入到森林生物量的遥感估算中,一方面探索了新的遥感估算模型,另一方面为多传感器的联合估算专题信息提供了新的方法。生物量与叶面积指数的联立结合了多角度遥感,采用物理模型与统计模型相结合的算法,针叶模型平均检验精度83.3%,RMSE=17.72,阔叶模型平均检验精度83.0%,RMSE=20.28;生物量与树高联立结合了激光雷达,平均检验精度81.0%,RMSE=15.19;生物量与后向散射系数联立结合了微波遥感,对主被动遥感联合进行森林生物量估算的方法进行尝试,平均检验精度83.9%,RMSE=20.36。这些方法均能够在一定程度上提高森林生物量的估算精度,最后考虑生物量估算的可实现性选择了郁闭度联立方程组模型作为本研究的最优模型,该模型平均检验精度83.1%,RMSE=20.01。
8、森林生物量时空变化分析。在GIS空间分析和地统计分析的基础上,广泛收集了研究区域几十年的气象数据、经营活动数据和社会经济数据,采用典型相关分析、主成分分析和偏最小二乘相结合的算法,开发了区域森林生物量变化驱动因子分析的计算程序,定量地计算出每个因子对于生物量变化影响的重要性值。
根据上述研究得出结论,逐步回归模型精度难以满足要求,神经网络模型和偏最小二乘模型精度较高但算法复杂,仅能用于小区域实验研究,联立方程组和度量误差模型精度较高,算法简单适合大区域遥感估算。对森林生物量的时空变化分析表明森林生物量变化在70—80年代经营措施是主要驱动因子,80—90年代从各个影响生物量变化的因子重要值看,3类因子都起到重要的影响作用,90年代末到现在经营措施类因子的重要性大幅度降低,自然因素和社会经济因素的影响升高,说明天然林保护工程初见成效。
【关键词】:森林生物量 统一生物量模型 遥感估算模型 偏最小二乘 联立方程组 时空分析 驱动分析
【学位授予单位】:东北林业大学
【学位级别】:博士
【学位授予年份】:2010
【分类号】:S771.8
【目录】:
【学位授予单位】:东北林业大学
【学位级别】:博士
【学位授予年份】:2010
【分类号】:S771.8
【目录】:
- 摘要3-5
- Abstract5-16
- 1 绪论16-32
- 1.1 引言16-18
- 1.2 研究的意义18-20
- 1.3 森林生物量的获取方法20-26
- 1.3.1 现地调查法20-21
- 1.3.2 模型模拟法21-24
- 1.3.3 遥感估测法24-26
- 1.4 森林生物量的分析方法26-29
- 1.4.1 GIS分析26-28
- 1.4.2 地统计分析28-29
- 1.5 主要研究内容29-30
- 1.6 研究方法和技术路线30-31
- 1.6.1 研究方法30-31
- 1.6.2 技术路线31
- 1.7 项目来源与经费支持31-32
- 2 研究区域概况及数据获取处理32-69
- 2.1 研究区概况32-36
- 2.1.1 长白山林区概况33-35
- 2.1.2 小兴安岭林区概况35
- 2.1.3 大兴安岭林区概况35-36
- 2.2 森林资源清查数据获取及处理36-40
- 2.2.1 森林资源清查数据的收集36-38
- 2.2.2 样地的初步筛选38-40
- 2.3 遥感数据获取及处理40-49
- 2.3.1 遥感数据收集40-42
- 2.3.2 遥感数据处理42-49
- 2.4 野外数据的收集及处理49-52
- 2.4.1 乔木生物量的测定方法49-52
- 2.4.2 灌木草本生物量的测定方法52
- 2.5 回归生物量模型的建立52-55
- 2.5.1 模型选择及拟合52-53
- 2.5.2 精度评价53-54
- 2.5.3 区域模型结果54-55
- 2.6 统一生物量模型的建立55-67
- 2.6.1 统一生物量模型的理论基础56-58
- 2.6.2 偏最小二乘算法58-60
- 2.6.3 统一生物量模型的实施步骤60-61
- 2.6.4 统一生物量模型的结果61-67
- 2.7 样地生物量的计算67
- 2.8 本章小结67-69
- 3 常规多元统计模型生物量遥感估测69-85
- 3.1 遥感变量准备69-71
- 3.1.1 植被指数69-70
- 3.1.2 纹理信息70-71
- 3.2 固定样地对应遥感信息的提取71-74
- 3.2.1 遥感影像数据格式要求72
- 3.2.2 矢量文件的要求72
- 3.2.3 提取灰度值方法72-73
- 3.2.4 读取遥感信息73
- 3.2.5 实例说明73-74
- 3.3 统计模型研建流程74-76
- 3.3.1 建立模型的样地数据优化74
- 3.3.2 模型的变量选择74-75
- 3.3.3 变量说明75-76
- 3.3.4 模型精度验证76
- 3.4 模型构建76-82
- 3.4.1 逐步回归法构建模型76-78
- 3.4.2 基于Erf-BP算法生物量估算模型78-82
- 3.5 其他区域多元回归模型82-83
- 3.6 其他区域神经网络模型83-84
- 3.7 本章小结84-85
- 4 偏最小二乘模型生物量遥感估测85-110
- 4.1 线性与非线性偏最小二乘基本理论85-89
- 4.1.1 线性偏最小二乘算法85-87
- 4.1.2 非线性偏最小二乘及算法介绍87-89
- 4.2 Bootstrap变量筛选方法89-91
- 4.3 模型构建91-103
- 4.3.1 建立模型过程91-97
- 4.3.2 结果与分析97-103
- 4.4 其他区域偏最小二乘模型103-109
- 4.4.1 2000年黑龙江大兴安岭103-106
- 4.4.2 2000年黑龙江长白山106-109
- 4.5 本章小结109-110
- 5 联立方程组模型生物量遥感估测110-148
- 5.1 概述110-111
- 5.2 郁闭度联立方程组模型的构建111-117
- 5.2.1 郁闭度模型的建立111-112
- 5.2.2 郁闭度联立方程组模型结果112-116
- 5.2.3 郁闭度联立方程组模型精度检验116-117
- 5.3 叶面积指数度量误差模型的构建117-130
- 5.3.1 基于多角度遥感的叶面积指数模型118-125
- 5.3.2 叶面积指数度量误差模型结果125-129
- 5.3.3 叶面积指数度量误差模型精度检验129-130
- 5.4 树高度量误差模型的构建130-139
- 5.4.1 基于激光雷达的树高估算模型130-136
- 5.4.2 树高度量误差模型结果136-138
- 5.4.3 树高度量误差模型精度检验138-139
- 5.5 微波与光学遥感联合估算生物量139-143
- 5.5.1 微波遥感后向散射系数的提取140-141
- 5.5.2 微波与光学遥感度量误差模型141-143
- 5.5.3 微波与光学遥感度量误差模型精度检验143
- 5.6 森林生物量遥感估算模型及结果143-147
- 5.6.1 模型形式143-147
- 5.6.2 各区域估算结果147
- 5.7 本章小结147-148
- 6 东北林区森林生物量时空分析148-170
- 6.1 森林生物量的GIS空间分析148-149
- 6.1.1 森林生物量随高程变化分析148
- 6.1.2 森林生物量随坡度变化分析148-149
- 6.1.3 森林生物量随坡向变化分析149
- 6.2 森林生物量时间序列分析149-152
- 6.2.1 各年代森林平均生物量的对比分析149-150
- 6.2.2 各个年代森林生物量动态变化对比分析150-152
- 6.3 森林生物量的地统计分析152-154
- 6.4 森林生物量变化驱动分析154-168
- 6.4.1 森林生物量变化驱动因子分析154-166
- 6.4.2 森林生物量变化的驱动机制166-168
- 6.5 森林生物量变化的综合分析168-169
- 6.6 本章小结169-170
- 结论与讨论170-172
- 结论170-171
- 讨论171-172
- 参考文献172-185
- 附录185-199
- 攻读学位期间发表的学术论文199-200
- 致谢200-201
- 个人简历201-202
| 【引证文献】 | ||
|
|||||||
|
|||||||
|
|||||||||
|
|||||||||
|
|||||||
|
|||||||
| 【参考文献】 | ||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||
|
|||
|
|||||||||
|
|||||||||
| 【共引文献】 | ||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
| 【同被引文献】 | ||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||
|
|||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
| 【二级引证文献】 | ||
|
|||||||||||||||
|
|||||||||||||||
|
|||
|
|||
| 【二级参考文献】 | ||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||
|
|||||
|
|||
|
|||
| 【相似文献】 | ||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||
|
|||||||||||||||||||||



