基于局部样本量优化方法的城市植被碳密度空间模拟
发布时间：2021-09-28 15:27
城市植被可通过吸收空气中的二氧化碳来调节城市小气候,是城市生态系统不可缺少的组分,其碳储存功能是当前研究的热点问题。植被碳密度是研究植被碳储量和生产力的重要指标,对区域和全球的碳循环和气候变化至关重要。由于传统的人工调查方法效率低且成本高,基于光学遥感影像和样地实测数据结合的估算方法应运而生,成为区域植被碳密度估测的常用手段。传统的线性回归模型并不具有普适性,因此,发展一种准确的植被碳密度估测方法,对于区域植被碳密度反演研究具有重要意义。论文以广东省深圳市为研究区,2014年Landsat8遥感影像作为数据源,采用分层随机抽样的方式布设239个样地,对深圳市植被碳密度进行实地调查,得到各个样地的实测碳密度。采用Teillet校正、C校正和SCS+C校正分别对遥感数据进行地形校正,选出最适用于研究区的地形校正方法,减弱地形效应和阴影对碳密度估测的影响。以样地实测的碳密度为因变量,提取遥感影像的光谱因子、纹理因子和地形因子共281个作为自变量,进行相关性分析,采用逐步剔除和方差扩大因子法对自变量进行筛选,得到最终用于建模的自变量。论文提出一种基于局部样本量优化方法的地理加权对数回归模型进行...
【文章来源】：中南林业科技大学湖南省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
图２．１研宂［Ｘ：位置及样地分布图??Ｆｉｇ２．１?Ｓｔｕｄｙ?ａｒｅａ?ｌｏｃａｔｉｏｎ?ａｎｄ?ｐｌｏｔ?ｄｉｓｔｒｉｂｕｔｉｏｎｓ??１０??
图３．１外业调查照片??Ｆｉｇ３．１?Ｆｉｅｌｄ?ｓｕｒｖｅｙ?ｐｈｏｔｏｓ??
图３．３研究区假彩色影像合成图??Ｆｉｇ?３．３?Ｆａｌｓｅ?ｃｏｌｏｒ?ｃｏｍｐｏｓｉｔｅ?ｍａｐ?ｏｆ?ｓｔｕｄｙ?ａｒｅａ??
【参考文献】：
期刊论文
[1]基于清查数据的福建省马尾松生物量转换和扩展因子估算差异解析——3种集成学习决策树模型的比较[J]. 欧强新,李海奎,雷相东,杨英. 应用生态学报. 2018(06)
[2]马尾松-大叶栎混交林皆伐作业法的设计[J]. 王晓明,陆元昌,邢海涛,贾宏炎,刘宪钊,谢阳生,曾冀. 林业资源管理. 2017(06)
[3]乌兰布和沙漠东北缘荒漠-绿洲过渡带植被地上生物量估算[J]. 叶静芸,吴波,刘明虎,高莹,高君亮,雷渊才. 生态学报. 2018(04)
[4]基于Landsat 8的深圳市森林碳储量遥感反演研究[J]. 邹琪,孙华,王广兴,林辉,谭一凡,马中刚. 西北林学院学报. 2017(04)
[5]基于人工神经网络与空间仿真模拟的区域森林碳估算比较——以龙泉市为例[J]. 秦立厚,张茂震,袁振花,杨海宾. 生态学报. 2017(10)
[6]我国碳排放权交易试点现状及问题分析[J]. 靳敏,孔令希,王祖光. 环境保护科学. 2016(03)
[7]基于MODIS数据的松嫩平原西部芦苇湿地地上生物量遥感估算[J]. 田艳林,刘贤赵,毛德华,王宗明,李延峰,高长春. 生态学报. 2016(24)
[8]福州市森林碳储量定量估算及其对土地利用变化的响应[J]. 陆君,刘亚风,齐珂,樊正球. 生态学报. 2016(17)
[9]基于KNN方法的大兴安岭地区森林地上碳储量遥感估算[J]. 戚玉娇,李凤日. 林业科学. 2015(05)
[10]Effects of Forest Type and Urbanization on Carbon Storage of Urban Forests in Changchun, Northeast China[J]. ZHANG Dan,ZHENG Haifeng,REN Zhibin,ZHAI Chang,SHEN Guoqiang,MAO Zhixia,WANG Peijiang,HE Xingyuan. Chinese Geographical Science. 2015(02)
博士论文
[1]城市植被与土壤碳储量时空变化规律研究[D]. 吕海亮.中国科学院大学(中国科学院东北地理与农业生态研究所) 2017
[2]城市化背景下城市森林结构与碳储量时空变化研究[D]. 张丹.中国科学院研究生院（东北地理与农业生态研究所） 2015
[3]大兴安岭森林地上碳储量遥感估算与分析[D]. 戚玉娇.东北林业大学 2014
[4]森林地上生物量的非参数化遥感估测方法优化[D]. 郭颖.中国林业科学研究院 2011
[5]森林生物量及碳储量遥感监测方法研究[D]. 韩爱惠.北京林业大学 2009
硕士论文
[1]大区域森林生物量估算方法研究[D]. 尹惠妍.中国林业科学研究院 2014
[2]基于神经网络的森林生物量估测模型研究[D]. 王轶夫.北京林业大学 2013
[3]TM影像地形辐射校正的应用研究[D]. 徐庆玲.南京林业大学 2008
[4]遥感影像地形校正初步研究[D]. 杨丙丰.云南师范大学 2007
[5]多元线性回归中复共线问题及偏最小二乘回归分析[D]. 王如义.西南交通大学 2004
[6]基于遥感信息估测森林生物量的研究[D]. 张锋.东北林业大学 2003
本文编号：3412169
【文章来源】：中南林业科技大学湖南省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
图２．１研宂［Ｘ：位置及样地分布图??Ｆｉｇ２．１?Ｓｔｕｄｙ?ａｒｅａ?ｌｏｃａｔｉｏｎ?ａｎｄ?ｐｌｏｔ?ｄｉｓｔｒｉｂｕｔｉｏｎｓ??１０??
图３．１外业调查照片??Ｆｉｇ３．１?Ｆｉｅｌｄ?ｓｕｒｖｅｙ?ｐｈｏｔｏｓ??
图３．３研究区假彩色影像合成图??Ｆｉｇ?３．３?Ｆａｌｓｅ?ｃｏｌｏｒ?ｃｏｍｐｏｓｉｔｅ?ｍａｐ?ｏｆ?ｓｔｕｄｙ?ａｒｅａ??
【参考文献】：
期刊论文
[1]基于清查数据的福建省马尾松生物量转换和扩展因子估算差异解析——3种集成学习决策树模型的比较[J]. 欧强新,李海奎,雷相东,杨英. 应用生态学报. 2018(06)
[2]马尾松-大叶栎混交林皆伐作业法的设计[J]. 王晓明,陆元昌,邢海涛,贾宏炎,刘宪钊,谢阳生,曾冀. 林业资源管理. 2017(06)
[3]乌兰布和沙漠东北缘荒漠-绿洲过渡带植被地上生物量估算[J]. 叶静芸,吴波,刘明虎,高莹,高君亮,雷渊才. 生态学报. 2018(04)
[4]基于Landsat 8的深圳市森林碳储量遥感反演研究[J]. 邹琪,孙华,王广兴,林辉,谭一凡,马中刚. 西北林学院学报. 2017(04)
[5]基于人工神经网络与空间仿真模拟的区域森林碳估算比较——以龙泉市为例[J]. 秦立厚,张茂震,袁振花,杨海宾. 生态学报. 2017(10)
[6]我国碳排放权交易试点现状及问题分析[J]. 靳敏,孔令希,王祖光. 环境保护科学. 2016(03)
[7]基于MODIS数据的松嫩平原西部芦苇湿地地上生物量遥感估算[J]. 田艳林,刘贤赵,毛德华,王宗明,李延峰,高长春. 生态学报. 2016(24)
[8]福州市森林碳储量定量估算及其对土地利用变化的响应[J]. 陆君,刘亚风,齐珂,樊正球. 生态学报. 2016(17)
[9]基于KNN方法的大兴安岭地区森林地上碳储量遥感估算[J]. 戚玉娇,李凤日. 林业科学. 2015(05)
[10]Effects of Forest Type and Urbanization on Carbon Storage of Urban Forests in Changchun, Northeast China[J]. ZHANG Dan,ZHENG Haifeng,REN Zhibin,ZHAI Chang,SHEN Guoqiang,MAO Zhixia,WANG Peijiang,HE Xingyuan. Chinese Geographical Science. 2015(02)
博士论文
[1]城市植被与土壤碳储量时空变化规律研究[D]. 吕海亮.中国科学院大学(中国科学院东北地理与农业生态研究所) 2017
[2]城市化背景下城市森林结构与碳储量时空变化研究[D]. 张丹.中国科学院研究生院（东北地理与农业生态研究所） 2015
[3]大兴安岭森林地上碳储量遥感估算与分析[D]. 戚玉娇.东北林业大学 2014
[4]森林地上生物量的非参数化遥感估测方法优化[D]. 郭颖.中国林业科学研究院 2011
[5]森林生物量及碳储量遥感监测方法研究[D]. 韩爱惠.北京林业大学 2009
硕士论文
[1]大区域森林生物量估算方法研究[D]. 尹惠妍.中国林业科学研究院 2014
[2]基于神经网络的森林生物量估测模型研究[D]. 王轶夫.北京林业大学 2013
[3]TM影像地形辐射校正的应用研究[D]. 徐庆玲.南京林业大学 2008
[4]遥感影像地形校正初步研究[D]. 杨丙丰.云南师范大学 2007
[5]多元线性回归中复共线问题及偏最小二乘回归分析[D]. 王如义.西南交通大学 2004
[6]基于遥感信息估测森林生物量的研究[D]. 张锋.东北林业大学 2003
本文编号：3412169
本文链接：https://www.wllwen.com/nykjlw/lylw/3412169.html
