融合多源遥感数据的黄土高原森林提取及与现有产品的比较研究

发布时间：2020-07-18 08:05

【摘要】：森林生态系统作为陆地生态系统最主要的组成部分,在维持生物多样性、生态系统服务、调节全球气候和涵养水源起到了至关重要的作用。黄土高原是世界上水土流失最严重和生态环境最脆弱的地区之一,为了缓解日益恶化的生态环境,自1999年以来,国家实施了退耕还林工程和三北防护林工程等一系列生态工程。如何准确识别森林面积和分布是科学评价项目实施成效和实现区域森林资源可持续管理的重要前提。为了准确的估算黄土高原的森林资源,首先,本文结合2010年30m分辨率的光学遥感数据(Landsat)和25m分辨率的激光雷达数据(PALSAR),利用决策树分类的方法提取了黄土高原森林分布信息;其次,本文采用相同的地面验证数据评估了PL-based森林图和现有七种中高分辨率的森林产品(JAXA、GlobeLand30、FROM-GLC、Hansen、ChinaCover、NLCD、GLCF VCF)的总体精度、用户精度、产品精度和卡帕系数;并在县级尺度和像元尺度分析了PL-based森林图和现有七种森林产品的森林面积和空间一致性的差异;最后本文探讨了八种森林产品的空间一致性及其对地形的敏感性。研究结果表明:(1)PL-based森林图融合了光学遥感数据(Landsat)的光谱信息和激光雷达数据(PALSAR)的森林结构信息,与其他的森林产品相比具有最高的总体精度(0.97)和卡帕系数(0.88)。(2)县级尺度上,PL-based森林图与现有七种森林产品均具有较高的线性相关(R~2=0.68~0.96),其中JAXA和PL-based森林产品具有最高的线性相关(R2=0.96,y=-0.29+0.81x)。(3)细节图可以看出,黄土高原PL-based,GlobeLand30和ChinaCover森林产品表明了更多的细节信息;JAXA相对低估了森林的面积,NLCD忽略了细节部分;FROM-GLC由于较大的错分误差高估了森林的面积。(4)八种森林产品的空间一致性指数随着地形呈现出一定规律,具体来说,在海拔2000m以下,空间一致性指数随着海拔的增加而增加;在海拔2000m以上,森林的空间一致性指数随着海拔的增加而减少;而随着坡度的增加(坡度25°),森林的空间一致性指数明显增加。本研究表明融合光学遥感和激光雷达数据可以更加精确的估算森林的面积,将会为未来的森林资源调查提供一些参考。
【学位授予单位】：中国地质大学(北京)
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P237
【图文】：

遥感影像,论文研究,技术流程

激光雷达数据（PALSAR），利用决策树分类的方法提取了黄土高原森林分布信息。以期获取更加准确的黄土高原森林分布特征，为今后的区域森林管理和黄土高原生态修复工作的持续深入开展提供一定的指导。具体的技术流程图1-1如下所示：图 1-1 论文研究技术流程图（1）收集研究区相关森林资料，初步了解其森林分布、气候变化和地形地貌等特征以及退耕还林政策，确立森林信息提取的研究方案；（2）获取研究区内 2010 年的光学遥感数据（Landsat）和微波遥感数据（PALSAR）；（3）对遥感影像数据进行重投影、重采样等一系列预处理的工作；（4）随机采集一定数量的样本点，建立合适的阈值，利用决策树分类的算法，提取研究区的森林分布信息，制作专题图；（5）对PL-based森林图和现有的七种中高分辨率的森林产品进行精度验证与比较研究；（6）从森林定义、数据源、算法等方面探究森林信息提取过程中的不确定性原因，为今后森林信息提取的研究提供合理化的建议。

黄土高原,地理位置

黄土高原是中华文明的发祥地，同时也是世界上生态环境最为脆弱和水土严重的地区之一。黄土高原土地疏松、地形破碎且常年遭受过度放牧、乱以及农田开垦等影响；这些恶劣的自然条件和广泛的人类活动严重破坏了原的生态环境，水土流失和土地荒漠化的情况愈演愈烈。黄土高原地处中国中北部，总面积 62.14 万 km2（33°41′～41°16′N52′～114°33′E），是中国的四大平原之一，主要包括山西高原、陕甘、陇中高原、鄂尔多斯高原和河套平原（图 2-1）。黄土高原西起青海省日东至太行山脉，南起秦岭，北至长城以南；横跨中国 7 个省区，包括宁夏治区、甘肃省、内蒙古自治区、陕西省和山西省的大部分地区以及青海省省部分地区。研究区地势西北高、东南低，平均海拔在 1500～2000m 之间由绝大部分的厚层黄土覆盖以及少量的石质山地；经过长期的流水和降雨，黄土高原已经形成地形千沟万壑、支离破碎的独特自然景观。

黄土高原,掩膜,植被,空间分布

图 3-1 黄土高原 2010 年 NDVI 最大值的空间分布及植被掩膜3.2 黄土高原森林信息提取算法本研究通过融合光学遥感数据（Landsat）和微波遥感数据（PALSAR），采用决策树分类的算法进行森林信息提取。首先，研究利用 25m 分辨率的 PALSAR（HH，HV，比值和差值）影像数据生成了 PALSAR-based 森林分布图（图 3-2）；其次，为了匹配30m 空间分辨率的 Landsat 影像，用最近邻的方法将 25mPALSAR影像数据重采样成 30m 空间分辨率；最后，合并 PALSAR 和 Landsat NDVImax数据生成了 PALSAR/Landsat 森林分布图。

【参考文献】