基于多源遥感数据的森林蓄积量估测方法研究
【摘要】：
森林是最大的有机碳的贮库,是控制陆地生物圈能量传输的一个重要组成部分,约占地球陆地面积的1/3,森林生物量约占整个陆地生态系统生物量的90%。森林生物量不仅是森林固碳能力的重要标志,也是评估森林碳收支的重要参数,它对全球碳循环起着重要作用(森林与碳循环)。遥感可根据不同物体对波谱产生不同响应的原理,识别地面上各类地物,至今已成为森林经营和管理的一种主要观测和分析手段。被动光学遥感与主动微波遥感在森林各种参数反演中有很大作用。光学遥感中的可见光近红外波段被用于陆地植被的研究通常是通过获取地物反射的光谱信息,利用这些光谱信息可以很好地对森林进行不同类别的分类和提取植被的各种生物物理参数(如LAI、覆盖度等)和生物化学参数(如叶绿素a,N/P含量,APAR等)；主动微波遥感在森林各种参数和生物量反演中有很大作用。与光学遥感相比,主动微波遥感对云雾雨雪具有穿透能力,几乎不受大气影响,具有全天时全天候的观测能力,对植被冠层具有一定的穿透性,波长较长的微波不仅和树冠树叶发生作用,而且主要和树枝树干发生作用,所获取的是植被表面散射和体散射信息,从理论上说,更适用于森林生物量反演研究。
本研究以不同时期光学数据和合成孔径雷达数据为主要数据源,选取吉林汪清林业局为试验区,系统探讨了不同方法反演森林蓄积量的结果。本研究拟按优势树种或优势树种组,分林场给出蓄积量的估计。由于有些优势树种没有固定样地,或固定样地数太少,或在树种类型分布图上没有出现,不能按照所有树种类型进行估测,需要将树种类型分成几组进行估测,每一组可看成一层,是一种分层估计。将树种类型归并为8个树种组,即8个层。研究主要内容包括：
1.基于LANDSAT ETM+和SPOT-5两期光学影像,利用影像各波段光谱反射率与一种植被指数建立多元回归模型相关系数比单一利用每一波段反射率模型的相关系数增高,其中两期光学数据相比,由于2000年的LANDSAT ETM影像获取日期与样地数据观测时期同步性较差,因此其样地蓄积量估测结果误差比2007年的SPOT-5影像大。
2.基于PALSAR影像对各树种组建立对数模型来估测森林蓄积量,并且比较交叉极化(HV)散射系数和同极化(HH)散射系数与森林蓄积量的相关性,前者比后者高,因此选择HV极化散射系数与森林蓄积量建立对数模型进行估测。
3.基于LANDSAT ETM+和SPOT-5两期光学影像,利用非参数统计的k-NN方法可以在像元尺度上得到各树种组单位面积蓄积量平均值的估计。结果表明除水曲柳,杨树树种组外,其余各树种组单位面积蓄积量估测平均误差都在10m3/ha以内。与回归模型分析法比较,k-NN方法所估测结果的均方根误差较低。基于PALSAR影像,利用k-NN方法进行各树种组单位面积蓄积量平均值的估计。结果表明除水曲柳,杨树树种组外,其余各树种组单位面积蓄积量估测平均误差都在10m3/ha以内。
4.在林场尺度上,基于两期PALSAR数据比较了地形辐射校正前后的估测结果,研究表明,经过地形辐射校正的影像,除西南盆、大荒沟两个遥感影像覆盖范围较小的林场外,其余林场的估测相对均方根误差均小于未经校正过的PALSAR影像的。
5.基于SPOT-5和PALSAR影像协同估测研究。将光学数据的光谱反射率与植被指数结合PALSAR的交叉极化后向散射系数作为自变量,地面实测数据作为因变量,通过建立多元回归模型进行回归分析。结果表明对各树种组,其模型的相关系数均较基于单
数据建立的回归模型相关系数高,均方根误差也降低。
【关键词】：LANDSAT ETM+ SPOT-5 ALOS PALSAR 森林蓄积量 多元回归 非参数k-NN算法 协同估测 【学位授予单位】：中国林业科学研究院
【学位级别】：博士
【学位授予年份】：2010
【分类号】：S771.8
【目录】：
- 摘要5-7
- ABSTRACT7-15
- 第一章 绪论15-31
- 1.1 引言15-28
- 1.1.1 研究背景15-17
- 1.1.2 国内外研究现状及评述17-28
- 1.2 研究目标和主要研究内容28-30
- 1.2.1 研究目标28
- 1.2.2 主要研究内容及章节安排28-30
- 1.3 研究技术路线30
- 1.4 本章小结30-31
- 第二章 试验区概况与数据获取31-45
- 2.1 试验区概况31-33
- 2.1.1 试验区自然概况31-33
- 2.1.2 试验区社会经济状况33
- 2.2 试验区数据获取33-44
- 2.2.1 遥感影像数据获取33-37
- 2.2.2 地面调查数据获取37-43
- 2.2.3 地形图及DEM数据43-44
- 2.3 本章小结44-45
- 第三章 遥感影像预处理45-60
- 3.1 光学影像大气校正与几何精校正45-48
- 3.1.1 大气校正原理45-46
- 3.1.2 几何精校正原理46
- 3.1.3 校正结果46-48
- 3.2 ALOS PALSAR数据预处理48-59
- 3.2.1 SAR影像模拟48-49
- 3.2.2 辐射定标49-50
- 3.2.3 地理编码与正射校正算法50-55
- 3.2.4 地形辐射校正55-57
- 3.2.5 滤波57-59
- 3.3 本章小结59-60
- 第四章 森林蓄积量回归模型反演60-86
- 4.1 材料60
- 4.2 研究方法60-65
- 4.2.1 光学影像的回归模型反演60-64
- 4.2.2 PALSAR影像的回归模型反演64-65
- 4.3 结果与讨论65-84
- 4.3.1 固定样地调查数据的统计65
- 4.3.2 样地蓄积量与光学影像各光谱值及植被指数之间的相关性65-67
- 4.3.3 光学影像多元回归模型反演67-73
- 4.3.4 PALSAR影像反演73-84
- 4.4 本章小结84-86
- 第五章 K-NN算法反演森林蓄积量86-107
- 5.1 材料86
- 5.2 研究方法86-88
- 5.2.1 k-NN算法描述86-87
- 5.2.2 精度评价87-88
- 5.3 结果与讨论88-105
- 5.3.1 光学影像单位而积蓄积量估测结果与分析88-94
- 5.3.2 PALSAR影像单位面积蓄积量估测结果与分析94-105
- 5.4 本章小结105-107
- 第六章 基于多源遥感数据协同估测森林蓄积量研究107-110
- 6.1 协同估测的意义107
- 6.2 基于SPOT-5和PALSAR的森林蓄积量协同估测研究107-109
- 6.3 本章小结109-110
- 第七章 结论与讨论110-114
- 7.1 结论110-111
- 7.1.1 回归模型法110-111
- 7.1.2 k-NN算法111
- 7.1.3 基于多源数据协同估测研究111
- 7.2 创新点111-112
- 7.3 讨论112
- 7.4 展望112-114
- 参考文献114-123
- 在读期间的学术研究123-124
- 致谢124
快捷付款方式
订购知网充值卡
订购热线
帮助中心