光学与雷达遥感数据联合反演森林生物量方法研究

发布时间：2017-10-02 03:11

  本文关键词：光学与雷达遥感数据联合反演森林生物量方法研究

  更多相关文章： Landsat5/TM ALOS/PALSAR 兴安落叶松 三维相干雷达散射模型 叶面积指数 地上生物量

【摘要】：森林是陆地生态系统的重要组成部分,对人类生存有着十分重要的意义。其中,森林生物量不仅是生态系统生产力重要的评估指标,也是反映森林生态环境的重要因子。同时,森林生物量在全球碳循环、水循环和能量循环中也起到了重要的作用。由于遥感技术具备快速、准确、对目标无破坏性并能进行宏观监测的优势,使其为大尺度森林生物量的估测和高时间分辨率的动态变化研究提供了便捷的途径。同时,不同类型遥感数据记录着森林不同层面信息。随着遥感数据的多源化发展,人们将微波数据、光学数据和激光雷达数据有效地结合使用,实现对森林生物量及其他森林结构参数的估算,具有重大的研究空间与发展潜力。本文围绕实现落叶松地上生物量估算,针对大兴安岭根河地区平缓山地地貌环境,探讨了融合L波段ALOS/PALSAR微波雷达数据与多光谱TM数据对根河地区落叶松地上生物量与冠层高度估算的可行性,实现了利用森林三维相干雷达散射模型对生物量和其他森林参数的估算。研究结果表明,在物理机理模型基础上,融合微波与光学遥感数据对森林生物量的估算可以充分发挥多源遥感数据的优势,具有一定的适用性。本研究取得的主要成果与结论如下:1.多光谱遥感数据对森林植被冠层水平信息的获取具有一定的优势,利用Landsat5/TM数据实现对研究区森林叶面积指数的估算。TM多光谱数据提取得到NDVI,SAVI,MSAVI,RDVI,MCARI等植被指数,提出采用最小二乘法构建估算该森林地区最佳LAI估算模型,通过对比其他方法的估算结果发现,该方法在一定程度上提高了估算精度。2.基于EFAST算法对PolSARproSIM雷达散射模型复杂的输入参数进行全局敏感性分析,强化了对雷达模型的认识并简化了复杂的输入参数。对于PALSAR传感器(1.27GHz)而言,雷达模型的敏感性输入参数主要是卫星入射角、树木高度、林分密度和地表粗糙度,总的敏感性指数均大于0.1。3.基于光学遥感数据提取的森林冠层结构信息(LAI)与样地实测数据,实现了对Pol SARpro SIM模型进行本地化。模型模拟与实际森林场景相符合,利用模拟得到后向散射系数、模型模拟的生物量与模型的不同后向散射机制对模型本地化过程进行模拟与验证,结果表明雷达模型可用于研究区模拟。4.基于PolSARproSIM模型模拟的后向散射系数,建立有关森林生物量参数查找表,同时构建生物量和树木冠层高度的估算方法,分析发现冠层树木高度与生物量的相关系数达到0.826,回归模型的确定系数2达到0.827;利用模型估算得到的冠层高度(RMSE=2.34m,MBE=1.82m)间接估算生物量,能够在一定程度上提高了生物量的估算精度(RMSE=24.67 t/ha,MBE=20.05 t/ha)。
【关键词】：Landsat5/TM ALOS/PALSAR 兴安落叶松 三维相干雷达散射模型 叶面积指数 地上生物量
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP79
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 绪论12-21
• 1.1 选题依据与研究意义12-13
• 1.2 国内外研究现状和发展态势13-18
• 1.2.1 基于光学遥感数据的研究方法13-14
• 1.2.2 基于雷达遥感数据的研究方法14-17
• 1.2.2.1 基于雷达数据经验模型反演14-15
• 1.2.2.2 基于微波物理机理模型反演15-17
• 1.2.3 融合多源遥感数据的研究方法17-18
• 1.3 本论文的研究内容18-19
• 1.4 本论文结构安排19-21
• 第二章 雷达遥感基础及影响分析21-30
• 2.1 雷达遥感基础21-24
• 2.1.1 雷达方程21-22
• 2.1.2 雷达的后向散射系数22-23
• 2.1.3 雷达信号的极化方式23-24
• 2.2 雷达回波信号影响因素24-29
• 2.2.1 传感器频率24-25
• 2.2.2 入射角25
• 2.2.3 分辨率25-26
• 2.2.4 极化方式26
• 2.2.5 地表粗糙度26-27
• 2.2.6 土壤含水量27-28
• 2.2.7 植被含水量28-29
• 2.3 本章小结29-30
• 第三章 研究区概况与数据介绍30-41
• 3.1 研究区概况30-31
• 3.1.1 大兴安岭地区概况30
• 3.1.2 研究区位置30-31
• 3.2 研究区数据31-36
• 3.2.1 雷达遥感数据31-33
• 3.2.1.1 雷达数据介绍31-32
• 3.2.1.2 雷达数据预处理32-33
• 3.2.2 光学遥感数据33-34
• 3.2.2.1 Landsat5/TM数据介绍33
• 3.2.2.2 光学数据预处理33-34
• 3.2.3 地面实测数据34-36
• 3.2.3.1 实测数据分布34
• 3.2.3.2 地面实测数据34-35
• 3.2.3.3 气象数据35-36
• 3.3 数据分析36-40
• 3.3.1 实测数据分析36-38
• 3.3.1.1 树木相关参数36-37
• 3.3.1.2 地上生物量统计37
• 3.3.1.3 叶面积与树木密度37-38
• 3.3.2 遥感数据分析38-40
• 3.3.2.1 后向散射系数与地上生物量38-39
• 3.3.2.2 光学植被指数与LAI39-40
• 3.4 本章小结40-41
• 第四章 雷达散射模型及其验证41-58
• 4.1 PolSARproSIM模型41-44
• 4.1.1 模型介绍41-42
• 4.1.2 模型输入参数42-43
• 4.1.3 模型输出结果43-44
• 4.2 PolSARproSIM模型敏感性分析44-47
• 4.2.1 全局敏感性分析介绍44
• 4.2.2 EFAST方法44-46
• 4.2.3 模型参数敏感性46-47
• 4.3 PolSARproSIM模型本地化47-49
• 4.4 基于多光谱数据冠层参数获取49-53
• 4.4.1 基于Four-Scale模型方法49-50
• 4.4.2 基于经验拟合的方法50-51
• 4.4.3 基于最小二乘方法51
• 4.4.4 冠层叶面积指数结果51-53
• 4.5 模型模拟与验证53-57
• 4.5.1 模拟的场景生物量53-54
• 4.5.2 模拟的各散射分量54-56
• 4.5.3 模拟的后向散射系数56-57
• 4.6 本章小结57-58
• 第五章 森林生物量遥感估算方法58-63
• 5.1 研究区落叶松林分密度58-59
• 5.2 基于查找表树木冠层高度估算59-60
• 5.3 落叶松地上生物量估算模型60-62
• 5.4 本章小结62-63
• 第六章 总结与展望63-66
• 6.1 内容与结论63-64
• 6.2 创新点64
• 6.3 展望64-66
• 致谢66-67
• 参考文献67-72
• 硕士期间科研与文章发表情况72-73

【相似文献】

中国期刊全文数据库 前3条

1 王海鹏;金亚秋;大内和夫;渡边学;岛田政信;;Pi-SAR极化数据与K分布指数估算森林生物量与实验验证[J];遥感学报;2008年03期

2 徐新良;曹明奎;;森林生物量遥感估算与应用分析[J];地球信息科学;2006年04期

3 ;[J];;年期

中国重要会议论文全文数据库 前4条

1 王海鹏;大内和夫;金亚秋;;机载极化SAR数据对于苫小牧森林生物量的研究[A];第二届微波遥感技术研讨会摘要全集[C];2006年

2 王红岩;高志海;王t+瑜;李世明;白黎娜;;基于SPOT5遥感影像丰宁县森林生物量估测研究[A];第十七届中国遥感大会摘要集[C];2010年

3 史玉峰;陈健;;雷达遥感技术在森林资源管理与监测中的应用[A];第二届中国林业学术大会——S3 森林经理与林业信息化的新使命论文集[C];2009年

4 何红艳;郭志华;赵宪文;;遥感在森林地上生物量估算中的现状及展望[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

中国重要报纸全文数据库 前1条

1 记者 王建兰;森林生物量有了更精确测算技术[N];中国绿色时报;2013年

中国博士学位论文全文数据库 前10条

1 高萌;基于数据挖掘的区域森林乔木层生物量估算与评价研究[D];东北林业大学;2015年

2 李明泽;东北林区森林生物量遥感估算及分析[D];东北林业大学;2010年

3 张海玉;张广才岭及完达山森林生物量遥感估测及变化驱动力分析[D];东北林业大学;2011年

4 仝慧杰;森林生物量遥感反演建模基础与方法研究[D];北京林业大学;2007年

5 岳彩荣;香格里拉县森林生物量遥感估测研究[D];北京林业大学;2012年

6 王仲锋;森林生物量建模与精度分析[D];北京林业大学;2006年

7 肖兴威;中国森林生物量与生产力的研究[D];东北林业大学;2005年

8 韩爱惠;森林生物量及碳储量遥感监测方法研究[D];北京林业大学;2009年

9 程秋生;NDVI协同下森林生物量定量估算研究[D];北京林业大学;2013年

10 邢艳秋;基于RS和GIS东北天然林区域森林生物量及碳贮量估测研究[D];东北林业大学;2005年

中国硕士学位论文全文数据库 前10条

1 刘磊;基于多源数据的森林生物量与生产力估算研究[D];南京林业大学;2010年

2 刘正显;基于GWR模型的凉水自然保护区森林生物量空间分布研究[D];东北林业大学;2015年

3 林越;基于微波散射模型的森林生物量估算及模型可视化[D];哈尔滨师范大学;2016年

4 周亚爽;内蒙古莫尔道嘎林区森林生物量遥感估算研究[D];北京林业大学;2016年

5 林岳峰;光学与雷达遥感数据联合反演森林生物量方法研究[D];电子科技大学;2016年

6 张慧芳;北京地区森林植被生物量遥感反演及时空动态格局分析[D];北京林业大学;2008年

7 张元元;大兴安岭地区森林生物量遥感模型的研究[D];东北林业大学;2009年

8 荣婧;森林生物量及最优采伐的非线性模型研究[D];北京林业大学;2006年

9 董宇;基于遥感信息估测将乐县森林生物量的研究[D];北京林业大学;2012年

10 王轶夫;基于神经网络的森林生物量估测模型研究[D];北京林业大学;2013年

，

本文编号：957210