基于Landsat8-OLI的香格里拉高山松林生物量遥感估测模型研究

发布时间：2021-07-25 19:27

　　本文以云南省香格里拉市为研究区,以典型森林生态系统高山松林为研究对象。基于实测116株单木生物量数据构建的单木生物量模型,结合实测样地调查数据,计算得出56个高山松样地林分地上生物量;并以Landsat8-OLI为遥感数据源,结合实测林分生物量数据,采用线性逐步回归、非线性回归、线性联立方程组、随机森林回归、Cubist回归五种回归方法对高山松林地上生物量进行遥感估算,分析不同回归方法在高山松林生物量估算的拟合表现及预估能力,选择出最佳的回归模型,并基于最佳回归模型反演了香格里拉市高山松林生物量,基于反演结果分析高山松林生物量的分布。研究表明:（1）高山松单木生物量最佳估算模型的决定系数（R2）为0.992;均方根误差（RMSE）为30.778,预估精度（P）为87.941%。（2）在构建逐步回归模型的过程中,通过改变限制条件（F概率值）,逐步回归的最终模型,其决定系数（R2）为0.608,均方根误差（RMSE）为33.388,预估精度（P）为49.521%。（3）非线性回归模型,即生物量的三次项模型。模型的决定系数（R2）为0.727,均方根误差（RMSE）为31.636。从模型的独... 

【文章来源】：西南林业大学云南省

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

大气校正前（左图）后（右图）对比

图 2-2 OLI 地形校正前（左）后（右）图像对比（局部）Fig.2-2 Comparison of OLI before (left) and (right) topographic correction地形校正前后局部图像对比，从图中可以看出，地形明显的被拉申，大部分阴被去除，消除了地形对植被因子反射率的影响，从原数据上保证了数据的准确性可行性，为生物量遥感估测模型的构建奠定了基础。.3.1.4 图形拼接与裁剪研究区共涉及 3 景 Landsat8-OLI 数据，分别对每景影像校正后，利用研究区政边界进行裁剪（见图 2-3），接着在 Envi 下将裁剪减后的 3 景影像进行镶嵌，成研究区的整体影像（见图 2-4）。

图 2-2 OLI 地形校正前（左）后（右）图像对比（局部）Fig.2-2 Comparison of OLI before (left) and (right) topographic correction地形校正前后局部图像对比，从图中可以看出，地形明显的被拉申，大部分阴被去除，消除了地形对植被因子反射率的影响，从原数据上保证了数据的准确性可行性，为生物量遥感估测模型的构建奠定了基础。.3.1.4 图形拼接与裁剪研究区共涉及 3 景 Landsat8-OLI 数据，分别对每景影像校正后，利用研究区政边界进行裁剪（见图 2-3），接着在 Envi 下将裁剪减后的 3 景影像进行镶嵌，成研究区的整体影像（见图 2-4）。

【参考文献】：
期刊论文
[1]基于随机森林回归的不同龄组思茅松人工林生物量遥感估测[J]. 孙雪莲,舒清态,欧光龙,张博,胥辉.  广东农业科学. 2015(15)
[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]基于随机森林算法的橡胶林地上生物量遥感反演研究——以景洪市为例[J]. 王云飞,庞勇,舒清态.  西南林业大学学报. 2013(06)
[4]随机森林模型在分类与回归分析中的应用[J]. 李欣海.  应用昆虫学报. 2013(04)
[5]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)
[6]国外生物量模型概述[J]. 王天博,陆静.  中国农学通报. 2012(16)
[7]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)
[8]森林地上生物量遥感估测研究进展[J]. 娄雪婷,曾源,吴炳方.  国土资源遥感. 2011(01)
[9]随机森林方法研究综述[J]. 方匡南,吴见彬,朱建平,谢邦昌.  统计与信息论坛. 2011(03)
[10]利用度量误差模型方法建立相容性立木生物量方程系统[J]. 曾伟生,唐守正.  林业科学研究. 2010(06)

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
[2]立木生物量模型构建及估计方法的研究[D]. 胥辉.北京林业大学 1998



本文编号：3302632