基于Landsat的香格里拉市高山松地上生物量及其动态变化建模研究
发布时间：2021-05-17 20:37
本研究基于2015年58个外业调查样地数据和1987年、1992年、1997年、2002年、2007年共96个的森林资源一类调查固定样地数据,结合Landsat影像数据、DEM数据,建立了不同时期的香格里拉市高山松地上生物量估测模型,分别是单期高山松生物量估测模型、多期高山松生物量估测模型和高山松生物量动态变化估测模型。采用了四种建模方法:多元线性回归模型（MLR）、偏最小二乘回归模型（PLSR）、随机森林模型（RF）和梯度提升决策树模型（GBRT）。对所建立的模型进行模型评价,包括拟合效果和预测效果,通过相互间比较,选出最佳生物量估测模型。最后,基于多期高山松生物量估测模型和高山松生物量动态变化估测模型对高山松生物量进行估测,并就两种方法的估测能力进行了评价和比较。因此可以得到以下结论:（1）在单期高山松生物量估测模型中,对生物量具有重要影响的因子有R5T4EN、R9T4CC、R5T4SM、R5T5CC、TM73、DVI。对四种建模方法的模型效果进行比较,得出GBRT模型的整体效果最佳,其判定系数（R2）为0.958,预估精度（P）为73.878%。（2）在基于...
【文章来源】：西南林业大学云南省
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究的背景及意义
1.2 国内外研究概况
1.2.1 基于光学遥感的生物量估测研究
1.2.2 基于遥感数据的生物量动态监测研究
1.2.3 基于不同建模方法的生物量估测研究
1.2.4 以香格里拉为研究区的生物量估测研究
1.3 研究内容
1.4 技术路线
2 研究区概况与数据
2.1 地理位置
2.2 森林植被
2.3 实验数据
2.3.1 外业调查数据
2.3.2 遥感影像
2.3.3 DEM数据
2.3.4 生物量数据
3 研究方法
3.1 遥感影像预处理
3.1.1 大气校正
3.1.2 几何校正
3.1.3 地形校正
3.2 遥感特征因子提取
3.2.1 原始单波段因子
3.2.2 波段组合因子
3.2.3 植被指数因子
3.2.4 信息增强因子
3.2.5 纹理信息因子
3.2.6 备选遥感特征因子确定
3.3 模型介绍
3.3.1 多元线性回归模型
3.3.2 偏最小二乘回归模型
3.3.3 随机森林模型
3.3.4 梯度提升决策树
3.4 模型评价指标
4 基于2015年数据构建生物量估测模型
4.1 数据处理及分配
4.1.1 筛选离群值
4.1.2 数据分配
4.2 构建多元线性回归生物量估测模型
4.2.1 特征变量优选
4.2.2 模型拟合
4.2.3 模型评价
4.3 构建偏最小二乘回归生物量估测模型
4.3.1 特征变量优选
4.3.2 模型参数选择
4.3.3 模型拟合
4.3.4 模型评价
4.4 构建随机森林生物量估测模型
4.4.1 特征变量优选
4.4.2 模型参数选择
4.4.3 模型拟合
4.4.4 模型评价
4.5 构建梯度提升决策树生物量估测模型
4.5.1 特征变量优选
4.5.2 模型参数选择
4.5.3 模型拟合
4.5.4 模型评价
4.6 模型比较与分析
4.6.1 建模因子比较
4.6.2 模型效果比较
5 基于1987-2007年数据构建生物量估测模型
5.1 多期生物量联合估测模型初探
5.1.1 数据处理及分配
5.1.2 模型构建
5.1.3 模型比较与分析
5.2 生物量动态变化估测模型初探
5.2.1 数据集构建、处理及分配
5.2.2 模型构建
5.2.3 模型比较与分析
5.3 生物量估测效果对比
5.3.1 生物量估测方法
5.3.2 生物量估测效果对比
6 结论与讨论
6.1 结论
6.2 讨论
6.3 展望
参考文献
作者简历
导师简介
获得成果目录
致谢
【参考文献】：
期刊论文
[1]基于Landsat 8 OLI的特征变量优化提取及森林生物量反演[J]. 徐婷,曹林,佘光辉. 遥感技术与应用. 2015(02)
[2]森林地上生物量遥感反演方法综述[J]. 刘茜,杨乐,柳钦火,李静. 遥感学报. 2015(01)
[3]归一化地形校正模型研究进展及其对比实验[J]. 何超,陈建珍,岳彩荣. 林业调查规划. 2014(03)
[4]基于郁闭度联立方程组模型的森林生物量遥感估测[J]. 李明泽,毛学刚,范文义. 林业科学. 2014(02)
[5]三峡库区森林蓄积量遥感监测及其动态变化分析[J]. 张超,彭道黎,党永峰,智长贵. 东北林业大学学报. 2013(11)
[6]基于纹理的林区影像匹配窗口设置方法探讨[J]. 何珏,赵鹏,李浩. 遥感信息. 2013(04)
[7]基于遥感信息模型的香格里拉森林生物量估算[J]. 王金亮,程鹏飞,徐申,王小花,程峰. 浙江农林大学学报. 2013(03)
[8]基于合成孔径雷达影像的海洋溢油纹理特征参数分析[J]. 魏铼,胡卓玮. 海洋学报(中文版). 2013(01)
[9]区域森林生物量遥感信息模型构建研究[J]. 程鹏飞,王金亮,徐申,程峰,王小花. 遥感技术与应用. 2012(05)
[10]基于遥感的湄公河次区域森林地上生物量分析[J]. 庞勇,黄克标,李增元,覃先林,陈尔学. 资源科学. 2011(10)
博士论文
[1]香格里拉县森林生物量遥感估测研究[D]. 岳彩荣.北京林业大学 2012
硕士论文
[1]基于Landsat8-OLI的香格里拉高山松林生物量遥感估测模型研究[D]. 孙雪莲.西南林业大学 2016
[2]基于光谱面积和IHS变换的水体提取的研究[D]. 刘排英.中南大学 2010
[3]偏最小二乘回归的研究[D]. 宋高阳.浙江大学 2009
[4]滇中地区云南松林生物量及碳储量遥感估测模型研究[D]. 吴晓丽.西南林学院 2009
[5]多源遥感图像融合算法研究[D]. 蒋友欣.成都理工大学 2007
[6]基于灰度共生法和小波变换的遥感影像纹理信息提取[D]. 曾文华.东北师范大学 2006
[7]GIS支持下的中国陆地生物量遥感动态监测研究[D]. 冯险峰.陕西师范大学 2000
本文编号：3192413
【文章来源】：西南林业大学云南省
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究的背景及意义
1.2 国内外研究概况
1.2.1 基于光学遥感的生物量估测研究
1.2.2 基于遥感数据的生物量动态监测研究
1.2.3 基于不同建模方法的生物量估测研究
1.2.4 以香格里拉为研究区的生物量估测研究
1.3 研究内容
1.4 技术路线
2 研究区概况与数据
2.1 地理位置
2.2 森林植被
2.3 实验数据
2.3.1 外业调查数据
2.3.2 遥感影像
2.3.3 DEM数据
2.3.4 生物量数据
3 研究方法
3.1 遥感影像预处理
3.1.1 大气校正
3.1.2 几何校正
3.1.3 地形校正
3.2 遥感特征因子提取
3.2.1 原始单波段因子
3.2.2 波段组合因子
3.2.3 植被指数因子
3.2.4 信息增强因子
3.2.5 纹理信息因子
3.2.6 备选遥感特征因子确定
3.3 模型介绍
3.3.1 多元线性回归模型
3.3.2 偏最小二乘回归模型
3.3.3 随机森林模型
3.3.4 梯度提升决策树
3.4 模型评价指标
4 基于2015年数据构建生物量估测模型
4.1 数据处理及分配
4.1.1 筛选离群值
4.1.2 数据分配
4.2 构建多元线性回归生物量估测模型
4.2.1 特征变量优选
4.2.2 模型拟合
4.2.3 模型评价
4.3 构建偏最小二乘回归生物量估测模型
4.3.1 特征变量优选
4.3.2 模型参数选择
4.3.3 模型拟合
4.3.4 模型评价
4.4 构建随机森林生物量估测模型
4.4.1 特征变量优选
4.4.2 模型参数选择
4.4.3 模型拟合
4.4.4 模型评价
4.5 构建梯度提升决策树生物量估测模型
4.5.1 特征变量优选
4.5.2 模型参数选择
4.5.3 模型拟合
4.5.4 模型评价
4.6 模型比较与分析
4.6.1 建模因子比较
4.6.2 模型效果比较
5 基于1987-2007年数据构建生物量估测模型
5.1 多期生物量联合估测模型初探
5.1.1 数据处理及分配
5.1.2 模型构建
5.1.3 模型比较与分析
5.2 生物量动态变化估测模型初探
5.2.1 数据集构建、处理及分配
5.2.2 模型构建
5.2.3 模型比较与分析
5.3 生物量估测效果对比
5.3.1 生物量估测方法
5.3.2 生物量估测效果对比
6 结论与讨论
6.1 结论
6.2 讨论
6.3 展望
参考文献
作者简历
导师简介
获得成果目录
致谢
【参考文献】：
期刊论文
[1]基于Landsat 8 OLI的特征变量优化提取及森林生物量反演[J]. 徐婷,曹林,佘光辉. 遥感技术与应用. 2015(02)
[2]森林地上生物量遥感反演方法综述[J]. 刘茜,杨乐,柳钦火,李静. 遥感学报. 2015(01)
[3]归一化地形校正模型研究进展及其对比实验[J]. 何超,陈建珍,岳彩荣. 林业调查规划. 2014(03)
[4]基于郁闭度联立方程组模型的森林生物量遥感估测[J]. 李明泽,毛学刚,范文义. 林业科学. 2014(02)
[5]三峡库区森林蓄积量遥感监测及其动态变化分析[J]. 张超,彭道黎,党永峰,智长贵. 东北林业大学学报. 2013(11)
[6]基于纹理的林区影像匹配窗口设置方法探讨[J]. 何珏,赵鹏,李浩. 遥感信息. 2013(04)
[7]基于遥感信息模型的香格里拉森林生物量估算[J]. 王金亮,程鹏飞,徐申,王小花,程峰. 浙江农林大学学报. 2013(03)
[8]基于合成孔径雷达影像的海洋溢油纹理特征参数分析[J]. 魏铼,胡卓玮. 海洋学报(中文版). 2013(01)
[9]区域森林生物量遥感信息模型构建研究[J]. 程鹏飞,王金亮,徐申,程峰,王小花. 遥感技术与应用. 2012(05)
[10]基于遥感的湄公河次区域森林地上生物量分析[J]. 庞勇,黄克标,李增元,覃先林,陈尔学. 资源科学. 2011(10)
博士论文
[1]香格里拉县森林生物量遥感估测研究[D]. 岳彩荣.北京林业大学 2012
硕士论文
[1]基于Landsat8-OLI的香格里拉高山松林生物量遥感估测模型研究[D]. 孙雪莲.西南林业大学 2016
[2]基于光谱面积和IHS变换的水体提取的研究[D]. 刘排英.中南大学 2010
[3]偏最小二乘回归的研究[D]. 宋高阳.浙江大学 2009
[4]滇中地区云南松林生物量及碳储量遥感估测模型研究[D]. 吴晓丽.西南林学院 2009
[5]多源遥感图像融合算法研究[D]. 蒋友欣.成都理工大学 2007
[6]基于灰度共生法和小波变换的遥感影像纹理信息提取[D]. 曾文华.东北师范大学 2006
[7]GIS支持下的中国陆地生物量遥感动态监测研究[D]. 冯险峰.陕西师范大学 2000
本文编号：3192413
本文链接：https://www.wllwen.com/nykjlw/lylw/3192413.html
