基于多源遙感數(shù)據(jù)的森林郁閉度估測方法研究

《基于多源遙感數(shù)據(jù)的森林郁閉度估測方法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、學(xué)校代碼：10135論文分類號:________學(xué)號：20124017028研究生類別：全曰制碩士學(xué)位辦文基于多源遙感數(shù)據(jù)的森林郁閉度估測方法研究StudyonEstimatingMethodsofForestCanopyClosureBasedonMulti-sourceRemoteSensingData學(xué)科門類:理學(xué)-級學(xué)科:地理學(xué)學(xué)科V專業(yè):地圖學(xué)與地理信息系統(tǒng)研究方向:資源與環(huán)境遙感申請人姓名:_______張瑞英_______指導(dǎo)教師姓名:李増元研究員龐勇研究員包玉海教授二O—五年五月二十曰獨創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果，盡

2、我段知，除了文中特別加以標注和致謝的地方外，'論文中不包含其彳感*V已經(jīng)發(fā)表或撰寫過的研究成果，也不包含本人為獲得內(nèi)蒙古師范大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過的材料。本人保證所呈交的論文不侵犯國家機密、商業(yè)秘密及其他合法權(quán)益。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示感謝。簽名日期：wr年r月咕曰關(guān)于論文使用授權(quán)的說明本學(xué)位論文作者完全了解內(nèi)蒙古師范大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定：內(nèi)蒙古師范大學(xué)有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱，可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以釆用影印、縮印或掃描等復(fù)

3、制手段保存、匯編學(xué)位論文，并且本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。保密的學(xué)位論文在解密后也考守此規(guī)定。士簽名：森導(dǎo)師簽名：f曰期：年X-月^曰內(nèi)蒙古師范大學(xué)碩士學(xué)位論文本研究得到了國家科技部863課題“全球森林生物量和碳儲量遙感估測關(guān)鍵技術(shù)（編號：2012AA12A306）”和973課題“森林垂直結(jié)構(gòu)信息多模式遙感協(xié)同反演與動態(tài)分析（編號：2013CB733404)”的支持。內(nèi)蒙古師范大學(xué)碩士學(xué)位論文中文摘要森林郁閉度是森林資源調(diào)查中的一個重要因子，在森林生態(tài)系統(tǒng)管理中具有重要作用。因激光雷達具有高效率、高精度的獲取森林垂直結(jié)構(gòu)信息的能力，近年來被廣泛應(yīng)用于森林結(jié)構(gòu)參數(shù)（地上生物

4、量、郁閉度、植被覆蓋度等）的遙感估測研究中，而在國內(nèi)，森林郁閉度的遙感估測方面還沒有相關(guān)的應(yīng)用研究。因此，研究如何有效的將激光雷達數(shù)據(jù)與其他遙感數(shù)據(jù)結(jié)合，應(yīng)用于森林郁閉度遙感估測具有重大意義。本研究結(jié)合激光雷達數(shù)據(jù)和多源遙感影像數(shù)據(jù)（LANDSATETM+影像和ALOSPALSAR影像）估測森林郁閉度。以高密度機載激光雷達（AirborneLaserScanning,ALS）點云數(shù)據(jù)估算的郁閉度作為模型訓(xùn)練數(shù)據(jù)和驗證數(shù)據(jù)，基于LANDSATETM+影像提波段反射率、植被指數(shù)和GLCM紋理特征，基于ALOSPALSAR影像提取的后向散射系數(shù)和GLCM紋理特征，分別作為自變量參與構(gòu)建多元逐

5、步回歸（Multi-variablestepwiseregression，MSR）、隨機森林（RandomForest，RF）和Cubist三種模型，對內(nèi)蒙古大興安嶺根河林區(qū)森林郁閉度進行估測。通過對基于同一數(shù)據(jù)源的三種模型的反演結(jié)果和對基于同一模型的不同數(shù)據(jù)源的預(yù)測結(jié)果的對比分析，得到以下結(jié)論：（1）綜合來看，就三種模型而言，Cubist模型最優(yōu)，最穩(wěn)定，其預(yù)測能力最強，反演效果最好：基于LANDSATETM+影像的Cubist模型建模精度，R2=0.956，RMSE=0.058，反演精度R2=0.977，RMSE=0.041，rRMSE=0.073，EA(%)=92.712；基于A

6、LOSPALSAR影像的Cubist模型建模精度R2=0.846，RMSE=0.108，反演精度R2=0.960，RMSE=0.055，rRMSE=0.101，EA(%)=90.368。隨機森林存在建模精度高，而反演精度低的情況，其預(yù)測能力較差，且高郁閉度低估和低郁閉度高估的情況較為嚴重。多元逐步回歸預(yù)測結(jié)果存在異常值，反演精度明顯高于建模精度，說明其穩(wěn)定性不夠，泛化能力內(nèi)蒙古師范大學(xué)碩士學(xué)位論文不強。（2）從郁閉度反演結(jié)果可以看出，三種模型均存在不同程度的低郁閉度高估和高郁閉度低估現(xiàn)象，這也是目前森林參數(shù)遙感反演普遍存在且難以避免的問題?；贚ANDSATETM+影像和ALOSPAL

7、SAR影像兩種不同數(shù)據(jù)源的預(yù)測結(jié)果一致性較好，郁閉度的預(yù)測值趨勢相似，精度較高。MSR模型、RF模型和Cubist模型基于兩種2數(shù)據(jù)源的郁閉度估測結(jié)果的擬合精度逐步提高，R分別為0.9874、0.9881和0.9883。但在高值低估，低值高估方面，基于ALOSPALSAR影像的反演結(jié)果較基于LANDSATETM+影像的反演結(jié)果更顯著，基于LANDSATETM+影像的反演精度較高，預(yù)測能力更強。在遙感因子的選擇上，基于LANDSATETM+影像和