【摘要】：林業(yè)遙感技術(shù)的發(fā)展,為森林生物量的大面積和長(zhǎng)時(shí)間序列監(jiān)測(cè)提供了便捷、有效的技術(shù)方法。Landsat數(shù)據(jù)較高的分辨率有助于森林類型的識(shí)別和森林范圍的提取,豐富的波段信息反映了森林植被的特征,能為森林生物量監(jiān)測(cè)提供良好的數(shù)據(jù)源。本研究以吉林省汪清地區(qū)為研究區(qū)域,以1994年、2004年、2014年為研究時(shí)間節(jié)點(diǎn),利用Landsat系列遙感影像,提取光譜和紋理特征,結(jié)合DEM地理數(shù)據(jù),提取研究區(qū)地形因子,通過(guò)監(jiān)督分類中支持向量機(jī)分類對(duì)研究區(qū)進(jìn)行土地覆蓋分類,進(jìn)而識(shí)別森林類型。同時(shí),通過(guò)線性(逐步回歸法)和非線性(BP神經(jīng)網(wǎng)絡(luò)法、回歸型支持向量機(jī)法)回歸方法反演不同森林類型的生物量模型,選擇泛化能力較強(qiáng)的森林生物量模型,對(duì)研究區(qū)森林生物量進(jìn)行預(yù)測(cè),獲得研究區(qū)各時(shí)間節(jié)點(diǎn)森林生物量分布圖,并結(jié)合地形特征,分析1994-2014年間,研究區(qū)森林生物量的變化及空間分布情況。主要研究?jī)?nèi)容和結(jié)果如下:(1)對(duì)Landsat影像數(shù)據(jù)進(jìn)行無(wú)縫拼接、輻射定標(biāo)、大氣校正、幾何校正、裁剪等處理,獲得研究區(qū)各期影像。整理野外數(shù)據(jù),依據(jù)不同樹種的生物量異速生長(zhǎng)方程,計(jì)算樣方的森林生物量。(2)利用Landsat影像數(shù)據(jù)、DEM數(shù)據(jù)分別提取遙感特征變量和地學(xué)特征變量,通過(guò)支持向量機(jī)分類法,進(jìn)行土地覆蓋類型分類,評(píng)價(jià)分類精度,輸出各類型森林的范圍,并統(tǒng)計(jì)林地面積。結(jié)果表明,當(dāng)C=2,g=0.5時(shí),徑向基核函數(shù)構(gòu)造的SVM訓(xùn)練和預(yù)測(cè)分類精度最好,利用此SVM進(jìn)行森林類型識(shí)別,1994、2004、2014年分類結(jié)果的總體分類精度分別為85.31%、88.98%、91.46%。(3)基于Landsat數(shù)據(jù)的光譜參數(shù)和研究區(qū)地形參數(shù),通過(guò)逐步回歸分析方法,篩選合適建模參數(shù),建立不同森林類型的生物量估測(cè)模型,并評(píng)價(jià)模型的精度和適用性。結(jié)果表明,逐步回歸獲得的針葉林、闊葉林和針闊混交林的生物量模型的預(yù)測(cè)精度分別為0.746、0.517和0.655,三個(gè)模型仍然存在預(yù)測(cè)精度不高的問題,只用線性模型估算森林生物量并不準(zhǔn)確,需要考慮非線性模型預(yù)估森林生物量。(4)利用主成分分析法,選擇參與建模的主要參數(shù)。通過(guò)BP-神經(jīng)網(wǎng)絡(luò)和回歸型支持向量機(jī)(SVR)方法分別反演各類型森林生物量模型,并評(píng)價(jià)模型的精度和適用性。結(jié)果表明,BP-神經(jīng)網(wǎng)絡(luò)獲得的針葉林、闊葉林和針闊混交林的生物量模型的預(yù)測(cè)精度分別為0.769、0.842和0.867;SVR方法獲得的針葉林、闊葉林和針闊混交林的生物量模型的預(yù)測(cè)精度分別為0.902、0.937和0.899。綜合來(lái)看,SVR模型的擬合和預(yù)測(cè)精度更高,模型預(yù)測(cè)性能穩(wěn)定,泛化能力強(qiáng)。(5)通過(guò)SVR模型,估測(cè)研究區(qū)1994、2004和2014年林地的森林生物量,并輸出森林生物量分布圖。統(tǒng)計(jì)各時(shí)間點(diǎn)研究區(qū)的森林生物量值,結(jié)合森林生物量分布圖分析20年間森林生物量的變化情況,并依據(jù)研究區(qū)海拔、坡度分析森林生物量的空間分布和變化情況。研究結(jié)果表明,汪清地區(qū)20年間森林生物量總體變化趨勢(shì)為先減后增,與林地面積變化趨勢(shì)相似,1994-2014年間,森林生物量年均增長(zhǎng)量達(dá)到0.32 t/hm 2。汪清地區(qū)森林生物量主要分布在海拔300～1000m、坡度0°～35°范圍內(nèi),20年間,森林生物量變化部分主要集中在中低海拔地帶及坡度為6°～35°地帶。
【學(xué)位授予單位】：東北林業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：S718.556
【圖文】：

１．５技術(shù)路線逡逑本項(xiàng)目以ＡｒｃＧＩＳ、ＥＮＶＩ、Ｒ、ＭＡＴＬＡＢ軟件為主要平臺(tái)，進(jìn)行森林生物量模型反逡逑演及時(shí)空變化分析，本研究技術(shù)路線圖如圖１－１所示。逡逑Ｉ邐Ｉ逡逑Ｉ邐Ｉ逡逑Ｉ邐邐邋Ｉ逡逑！呡一＾｛野外數(shù)據(jù)（（乫數(shù)據(jù)（（Ｌｓ；ｒ（邋（ｌｉｌｌ（（小栜據(jù)（Ｉ逡逑Ｉ邐—邋Ｊ邐Ｉ逡逑Ｌ邐邐邐邐邐邐邐邐邐邐邐邐邐邐逡逑；邐邐｜邋圖像＾處理邋｜￣￣邐邐Ｊ邋！逡逑￣邋１邋￣邋！逡逑；邐＿邋？邋｜邐３邋Ｉ邐｜建左解邐！逡逑Ｉ邐甲舊邐［５Ｓ１邐；逡逑Ｉ邋々卜邐Ｓ邋ｃ邋邐＇邋ｃ邋邐、ｒ邋逡逑ｉ邋ｌＵ邐？邋ｒｉｉ］邋ｒｍ］邋：逡逑望邐＾邐解譯ｊ邐！逡逑；邋＾邋｜逡逑ｌ＿＿邐邐—邋邐邐邐邋邐邋邐邋邐邋邐邋邐邋邐邋邐邋邐邋邐邋邐邐邐逡逑！邐丨數(shù)贏析｜邐！逡逑Ｉ邐邐＿＿邐Ｉ逡逑Ｉ邐Ｉ逡逑Ｉ邋板邐￣——邐——＾￣逡逑｜邋型邐遂步神經(jīng)邐ｉ逡逑！邋反邐回歸邐網(wǎng)絡(luò)邐ＳＶＲ邐ｊ逡逑！鏡邐Ｓ－１邐＾逡逑ｉ邐ｉ逡逑ｉ邐邐－邐—邋邐邋ｉ逡逑ｉ邐ｉ逡逑！邐｜森林生４量模型邐，N邐｜逡逑！邐ｔ邐林地逡逑范圍邐Ｉ逡逑Ｌ邋邋邋邋邋邋邋邐：一邋—逡逑！邋ｒ＾ｉ邐ｉ森林生４量預(yù)鍘逡逑ｊ邐ｍ邐邋ｔ邐邐！逡逑ｉ邐ｋ邐邋Ｊ，邐邐ｊ逡逑＊邐霖邐｜森林生物、分布ｉ］逡逑

地理坐標(biāo)為１２９。５１＇？１３０。５６禮４３。０６＇？４４°０３ｆＥ。汪清地區(qū)東西跨度１５２邋ｋｍ，南逡逑北長(zhǎng)１０８邋ｋｍ，總面積約９０１６邋ｋｍ２，東西南北方位邊界分別與琿春、敦化、圖們、寧安逡逑縣接壤，汪清地區(qū)地理位置圖如圖２－１所示。逡逑．．．．邋＾邋＊邋■、逡逑？邋：：邐：邐＇Ｘ。邐：：蔥：１．、＇逡逑■邋￣邋？邋？邋、－？－＇、逡逑＇＇＊３４邐．邋？－逡逑圖２－１汪清地區(qū)地理位置及邊界示意圖逡逑Ｆｉｇ．邋２－１邋Ｌｏｃａｔｉｏｎ邋ａｎｄ邋ｂｏｕｎｄａｒｙ邋ｏｆ邋Ｗａｎｇｑｉｎｇ邋ａｒｅａ逡逑２．１．２地形地貌逡逑汪清地區(qū)位于長(zhǎng)白山東麓，中部以平地河谷為主，通過(guò)丘陵連接四周山脈，具有四逡逑周高、中部低的地形特征，主要地貌類型為平原、河谷、丘陵、山地。汪清地區(qū)地殼演逡逑化歷史悠久，具備優(yōu)越的成礦地址條件，境內(nèi)分布多條礦帶�？h域內(nèi)最高峰老爺嶺橫貫逡逑全境，最高海拔１４７７ｍ，最低海拔１３５ｍ，平均海拔８０６ｍ。逡逑２＿１．３水文氣候逡逑汪清地區(qū)水系較多，約有１４４條大小河流，主要為琿春河、綏芬河、嘎呀河三大河逡逑流，每年徑流量達(dá)１８．２億ｍ３。其中，年徑流量占比最大的為嘎呀河，約占總徑流量的逡逑６７％，該河流域面積約為縣域總面積的６９．４％；其次是綏芬河，其年徑流量約占總徑流逡逑量的２６％

逑光譜特征？。利用研究區(qū)域邊界矢量數(shù)據(jù)，通過(guò)構(gòu)建掩膜對(duì)影像進(jìn)行裁剪，輸出準(zhǔn)確的逡逑研究區(qū)域影像，如圖２－２所示。逡逑圖２－２邋２０１４年汪清地區(qū)Ｌａｎｄｓａｔ－８影像逡逑Ｆｉｇ．２－２邋Ｌａｎｄｓａｔ－８邋ｉｍａｇｅ邋ｏｆ邋Ｗａｎｇｑｉｎｇ邋ａｒｅａ逡逑２．３野外調(diào)查數(shù)據(jù)獲取與處理逡逑２．３．１樣地布設(shè)逡逑為了綜合反映研究區(qū)植被的分布及生長(zhǎng)情況，野外樣方調(diào)查數(shù)據(jù)類型主要為林地。逡逑本研究野外數(shù)據(jù)獲取時(shí)間分別在２００４年９月、２００７年９月、２０１０年９月和２０１５年５逡逑月，共選取了邋２８５個(gè)能代表研究區(qū)植被狀況的樣方進(jìn)行測(cè)定，其中２００４和２００７年測(cè)定逡逑樣方共１３９個(gè)，闊葉林９４個(gè)樣方，針葉林１８?jìng)�(gè)樣方，針闊混交林２７個(gè)樣方。由于森逡逑林資源宏觀監(jiān)測(cè)研究，除了運(yùn)用多光譜影像數(shù)據(jù)外，還將結(jié)合ＧＬＡＳ等數(shù)據(jù)等進(jìn)行森林逡逑結(jié)構(gòu)參數(shù)、森林生物量等更深入的研究，２０１０年以前野外樣地布設(shè)方式主要是沿逡逑ＩＣＥＳａｔ邋（Ｉｃｅ，Ｃｌｏｕｄ，邋ａｎｄ邋ｌａｎｄ邋Ｅｌｅｖａｔｉｏｎ邋Ｓａｔｅｌｌｉｔｅ）衛(wèi)星飛行航跡方向，以邋ＧＬＡＳ逡逑（Ｇｅｏｓｃｉｅｎｃｅ邋Ｌａｓｅｒ邋Ａｌｔｉｍｅｔｅｒ邋Ｓｙｓｔｅｍ）激光光斑中心點(diǎn)作為地面數(shù)據(jù)調(diào)查樣地的圓心，逡逑通過(guò)ＧＰＳ定位光斑中心

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 汪珍川;杜虎;宋同清;彭晚霞;曾馥平;曾昭霞;張浩;;廣西主要樹種(組)異速生長(zhǎng)模型及森林生物量特征[J];生態(tài)學(xué)報(bào);2015年13期

2 徐婷;曹林;佘光輝;;基于Landsat 8 OLI的特征變量?jī)?yōu)化提取及森林生物量反演[J];遙感技術(shù)與應(yīng)用;2015年02期

3 徐婷;曹林;申鑫;佘光輝;;基于機(jī)載激光雷達(dá)與Landsat 8 OLI數(shù)據(jù)的亞熱帶森林生物量估算[J];植物生態(tài)學(xué)報(bào);2015年04期

4 郭云;李增元;陳爾學(xué);田昕;凌飛龍;;甘肅黑河流域上游森林地上生物量的多光譜遙感估測(cè)[J];林業(yè)科學(xué);2015年01期

5 周建宇;萬(wàn)道印;李琳;姜偉陽(yáng);李勇;;紅松人工林生物量的測(cè)定及其分析[J];森林工程;2014年04期

6 王霞;王占岐;金貴;楊俊;;基于核函數(shù)支持向量回歸機(jī)的耕地面積預(yù)測(cè)[J];農(nóng)業(yè)工程學(xué)報(bào);2014年04期

7 黃燕平;陳勁松;;基于SAR數(shù)據(jù)的森林生物量估測(cè)研究進(jìn)展[J];國(guó)土資源遙感;2013年03期

8 曹林;佘光輝;代勁松;徐建新;;激光雷達(dá)技術(shù)估測(cè)森林生物量的研究現(xiàn)狀及展望[J];南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

9 張連華;龐勇;岳彩榮;李增元;;基于纓帽變換的景洪市時(shí)間序列Landsat影像森林?jǐn)_動(dòng)自動(dòng)識(shí)別方法研究[J];林業(yè)調(diào)查規(guī)劃;2013年02期

10 王軼夫;孫玉軍;郭孝玉;;基于BP神經(jīng)網(wǎng)絡(luò)的馬尾松立木生物量模型研究[J];北京林業(yè)大學(xué)學(xué)報(bào);2013年02期

相關(guān)博士學(xué)位論文 前2條

1 邱賽;ICESat-GLAS波形與HJ-1A高光譜影像聯(lián)合反演森林地上生物量的研究[D];東北林業(yè)大學(xué);2016年

2 邢艷秋;基于RS和GIS東北天然林區(qū)域森林生物量及碳貯量估測(cè)研究[D];東北林業(yè)大學(xué);2005年

相關(guān)碩士學(xué)位論文 前2條

1 孫小添;基于MODIS數(shù)據(jù)反演森林地上生物量的研究[D];東北林業(yè)大學(xué);2014年

2 趙麗芳;利用Hypeion高光譜遙感數(shù)據(jù)估測(cè)森林葉面積指數(shù)[D];北京林業(yè)大學(xué);2007年

本文編號(hào)：2791119