基于Sentinel-1A和Landsat 8数据的桂东县森林生物量反演
发布时间：2022-02-24 12:38
湖南省郴州市桂东县是湖南省四大林区之一,在碳汇过程中起着重要作用。准确估计地上生物量的变化对于理解森林碳循环和促进减缓气候变化至关重要。在区域森林地上生物量遥感估测中,主被动遥感数据相结合可以提高估测精度。论文以湖南省郴州市桂东县2014年Landsat8 OLI影像、2014年Sentine-1A影像、2014年43块森林资源连续清查固定样地数据为主要数据源,借助于ENVI、SNAP、R等软件,分别采用主动式遥感（Sentinel-1A数据）、被动式遥感（Landsat8 OLI数据）、主被动相结合（Sentinel-1A数据结合Landsat8OLI数据）3种数据集和多元线性回归、随机森林、人工神经网络、袋装算法等四种模型,进行区域森林地上生物量特征变量选取、参数建模、模型精度评价、生物量空间制图。最后在生成的研究区森林地上生物量空间分布图基础上,对研究区进行了森林地上生物量空间分布特征分析。结果表明:（1）在特征变量选择上,红色波段（B4）、红外波段（B5）反射率及纹理特征,归一化植被指数（NDVI）,交叉极化（VH）后向散射系数及其纹理特征,在森林地上生物量反演中具有重要作用。...
【文章来源】：南京林业大学江苏省
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究进展
1.3 研究内容和技术路线
第二章 研究区概况和数据源
2.1 研究区概况
2.2 数据源
2.2.1 Landsat8 OLI数据
2.2.2 Sentinel-1 A数据
2.2.3 地面调查数据
2.2.4 DEM及其他辅助数据
第三章 数据预处理
3.1 Landsat8 OLI数据
3.1.1 辐射定标
3.1.2 大气校正
3.1.3 地形辐射校正
3.2 Sentinel-1 A数据预处理
3.2.1 辐射定标
3.2.2 滤波
3.2.3 地形辐射校正和地理编码
3.2.4 几何校正
第四章 生物量反演遥感参数提取研究
4.1 Landsat8 OLI影响参数提取与分析
4.1.1 波段信息
4.1.2 植被指数
4.1.3 纹理特征
4.1.3.1 纹理特征信息提取方法
4.1.3.2 纹理信息的提取与分析
4.2 Sentinel-1A影响参数提取与分析
4.2.1 SAR后向散射系数
4.2.2 Sentinel-1 A影像纹理信息提取
第五章 基于Landsat8 OLI和 Sentinel-1 A的生物量反演
5.1 基于Landsat8 OLI的森林地上生物量反演
5.1.1 模型的建立
5.1.1.1 多元线性回归
5.1.1.2 随机森林算法
5.1.1.3 袋装算法
5.1.2 模型特征变量选择
5.1.3 模型精度评价
5.2 基于Sentinel-1 A的森林地上生物量反演
5.2.1 模型的建立及精度评价
5.3 基于多源遥感数据协同的森林地上生物量反演
5.3.1 模型的建立及精度评价
5.4 生物量空间制图
第六章 生物量空间分布特征分析
6.1 空间自相关分析
6.2 冷热点与趋势面分析
6.2.1 冷热点分析
6.2.2 趋势面分析
6.3 地形梯度分析
第七章 :结论与讨论
攻读学位期间发表的学术论文
参考文献
【参考文献】：
期刊论文
[1]基于空间回归模型的思茅松林生物量遥感估测及光饱和点确定[J]. 周律,欧光龙,王俊峰,胥辉. 林业科学. 2020(03)
[2]Landsat8光谱衍生数据分类体系下的牧草生物量反演[J]. 张爱武,张帅,郭超凡,刘路路,胡少兴,柴沙驼. 光谱学与光谱分析. 2020(01)
[3]基于Landsat TM数据的洪河湿地植被地上生物量遥感估算模型[J]. 韩永婷,韩颖. 辽宁科技大学学报. 2019(06)
[4]基于光学多光谱与SAR遥感特征快速优化的大区域森林地上生物量估测[J]. 张少伟,惠刚盈,韩宗涛,孙珊珊,田昕. 遥感技术与应用. 2019(05)
[5]天堂山林场森林地上生物量及碳储量的遥感估算模型构建[J]. 陈日东,林什全,潘国英,陈月明. 林业与环境科学. 2019(03)
[6]冬小麦叶片光合特征高光谱遥感估算模型的比较研究[J]. 张卓,龙慧灵,王崇倡,杨贵军. 中国农业科学. 2019(04)
[7]基于Landsat影像的梭磨乡冷杉林地上碳储量估测及其时空动态[J]. 乌迪,巫明焱,陈佳丽,董光,程武学. 生态科学. 2019(01)
[8]基于木材密度的34个树种组一元立木生物量模型建立[J]. 曾伟生. 林业资源管理. 2017(06)
[9]应用Sentinel-1影像纹理信息模型估测杉木林生物量[J]. 潘磊,孙玉军. 东北林业大学学报. 2018(01)
[10]河南西峡县森林地上生物量时空动态分析（英文）[J]. 余超,宋立奕,李明阳,Omidreza Shobairi SEYED,张向阳. 南京林业大学学报(自然科学版). 2017(06)
博士论文
[1]旱区植被遥感信息提取与反演[D]. 叶静芸.中国林业科学研究院 2017
[2]基于多源遥感数据融合与数据同化的水稻信息提取研究[D]. 王晶.浙江大学 2016
[3]基于光谱数据的植被重点参数反演方法研究[D]. 乐源.武汉大学 2014
[4]干旱区盐渍地极化雷达土壤水分反演研究[D]. 韩桂红.新疆大学 2013
[5]植被覆盖地表极化雷达土壤水分反演与应用研究[D]. 刘伟.中国科学院研究生院（遥感应用研究所） 2005
硕士论文
[1]基于SAR极化分解与TM数据的森林生物量多源遥感估测[D]. 于欣彤.东北林业大学 2019
[2]基于GF-3全极化SAR数据估算森林冠层生物量[D]. 魏晶昱.东北林业大学 2019
[3]Landsat-7ETM+和PALSAR数据联合反演森林生物量方法研究[D]. 陈顺.中国矿业大学 2018
[4]基于多源遥感数据的深圳湾红树林生物量估算[D]. 王月如.西南大学 2018
[5]基于光学和SAR遥感的福建省森林生物量估算[D]. 李静.福州大学 2017
[6]基于植被指数的新疆和静县草原地上生物量模拟[D]. 杨静雅.新疆师范大学 2017
[7]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[D]. 陆驰.西南林业大学 2017
[8]基于高分辨率遥感和极化雷达数据的大兴安岭地区森林地上生物量估测[D]. 张颖.北京林业大学 2016
[9]基于纹理特征的人工梭梭林生物量遥感估测研究[D]. 牧其尔.内蒙古师范大学 2015
[10]基于Quickbird和极化雷达数据的森林生物量估测方法研究[D]. 王昆.北京林业大学 2013
本文编号：3642748
【文章来源】：南京林业大学江苏省
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究进展
1.3 研究内容和技术路线
第二章 研究区概况和数据源
2.1 研究区概况
2.2 数据源
2.2.1 Landsat8 OLI数据
2.2.2 Sentinel-1 A数据
2.2.3 地面调查数据
2.2.4 DEM及其他辅助数据
第三章 数据预处理
3.1 Landsat8 OLI数据
3.1.1 辐射定标
3.1.2 大气校正
3.1.3 地形辐射校正
3.2 Sentinel-1 A数据预处理
3.2.1 辐射定标
3.2.2 滤波
3.2.3 地形辐射校正和地理编码
3.2.4 几何校正
第四章 生物量反演遥感参数提取研究
4.1 Landsat8 OLI影响参数提取与分析
4.1.1 波段信息
4.1.2 植被指数
4.1.3 纹理特征
4.1.3.1 纹理特征信息提取方法
4.1.3.2 纹理信息的提取与分析
4.2 Sentinel-1A影响参数提取与分析
4.2.1 SAR后向散射系数
4.2.2 Sentinel-1 A影像纹理信息提取
第五章 基于Landsat8 OLI和 Sentinel-1 A的生物量反演
5.1 基于Landsat8 OLI的森林地上生物量反演
5.1.1 模型的建立
5.1.1.1 多元线性回归
5.1.1.2 随机森林算法
5.1.1.3 袋装算法
5.1.2 模型特征变量选择
5.1.3 模型精度评价
5.2 基于Sentinel-1 A的森林地上生物量反演
5.2.1 模型的建立及精度评价
5.3 基于多源遥感数据协同的森林地上生物量反演
5.3.1 模型的建立及精度评价
5.4 生物量空间制图
第六章 生物量空间分布特征分析
6.1 空间自相关分析
6.2 冷热点与趋势面分析
6.2.1 冷热点分析
6.2.2 趋势面分析
6.3 地形梯度分析
第七章 :结论与讨论
攻读学位期间发表的学术论文
参考文献
【参考文献】：
期刊论文
[1]基于空间回归模型的思茅松林生物量遥感估测及光饱和点确定[J]. 周律,欧光龙,王俊峰,胥辉. 林业科学. 2020(03)
[2]Landsat8光谱衍生数据分类体系下的牧草生物量反演[J]. 张爱武,张帅,郭超凡,刘路路,胡少兴,柴沙驼. 光谱学与光谱分析. 2020(01)
[3]基于Landsat TM数据的洪河湿地植被地上生物量遥感估算模型[J]. 韩永婷,韩颖. 辽宁科技大学学报. 2019(06)
[4]基于光学多光谱与SAR遥感特征快速优化的大区域森林地上生物量估测[J]. 张少伟,惠刚盈,韩宗涛,孙珊珊,田昕. 遥感技术与应用. 2019(05)
[5]天堂山林场森林地上生物量及碳储量的遥感估算模型构建[J]. 陈日东,林什全,潘国英,陈月明. 林业与环境科学. 2019(03)
[6]冬小麦叶片光合特征高光谱遥感估算模型的比较研究[J]. 张卓,龙慧灵,王崇倡,杨贵军. 中国农业科学. 2019(04)
[7]基于Landsat影像的梭磨乡冷杉林地上碳储量估测及其时空动态[J]. 乌迪,巫明焱,陈佳丽,董光,程武学. 生态科学. 2019(01)
[8]基于木材密度的34个树种组一元立木生物量模型建立[J]. 曾伟生. 林业资源管理. 2017(06)
[9]应用Sentinel-1影像纹理信息模型估测杉木林生物量[J]. 潘磊,孙玉军. 东北林业大学学报. 2018(01)
[10]河南西峡县森林地上生物量时空动态分析（英文）[J]. 余超,宋立奕,李明阳,Omidreza Shobairi SEYED,张向阳. 南京林业大学学报(自然科学版). 2017(06)
博士论文
[1]旱区植被遥感信息提取与反演[D]. 叶静芸.中国林业科学研究院 2017
[2]基于多源遥感数据融合与数据同化的水稻信息提取研究[D]. 王晶.浙江大学 2016
[3]基于光谱数据的植被重点参数反演方法研究[D]. 乐源.武汉大学 2014
[4]干旱区盐渍地极化雷达土壤水分反演研究[D]. 韩桂红.新疆大学 2013
[5]植被覆盖地表极化雷达土壤水分反演与应用研究[D]. 刘伟.中国科学院研究生院（遥感应用研究所） 2005
硕士论文
[1]基于SAR极化分解与TM数据的森林生物量多源遥感估测[D]. 于欣彤.东北林业大学 2019
[2]基于GF-3全极化SAR数据估算森林冠层生物量[D]. 魏晶昱.东北林业大学 2019
[3]Landsat-7ETM+和PALSAR数据联合反演森林生物量方法研究[D]. 陈顺.中国矿业大学 2018
[4]基于多源遥感数据的深圳湾红树林生物量估算[D]. 王月如.西南大学 2018
[5]基于光学和SAR遥感的福建省森林生物量估算[D]. 李静.福州大学 2017
[6]基于植被指数的新疆和静县草原地上生物量模拟[D]. 杨静雅.新疆师范大学 2017
[7]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[D]. 陆驰.西南林业大学 2017
[8]基于高分辨率遥感和极化雷达数据的大兴安岭地区森林地上生物量估测[D]. 张颖.北京林业大学 2016
[9]基于纹理特征的人工梭梭林生物量遥感估测研究[D]. 牧其尔.内蒙古师范大学 2015
[10]基于Quickbird和极化雷达数据的森林生物量估测方法研究[D]. 王昆.北京林业大学 2013
本文编号：3642748
本文链接：https://www.wllwen.com/nykjlw/lylw/3642748.html
