结合陆地卫星与森林资源连续清查数据的森林碳密度估算研究

发布时间：2022-07-02 14:02

　　森林对整个地球生态系统的影响尤为重要,且日益受到人们的关注。森林碳密度是森林生长和健康状况等的有效指示因子之一。遥感技术更是由于其宽覆盖、具有多种光谱、空间分辨率及快速重访等特征,目前成为大面积反演森林碳密度的有效手段。本文利用中国广东省Landsat（WRS2p122r043）1988、1992、1997、2002、2007及2011年的TM数据,结合1988、1992、1997、2002、2007及2012年的广东省森林资源连续清查数据进行森林碳密度时间序列建模研究,旨在准确掌握森林碳密度变化的时空趋势,为人工林的森林经营提供参考依据。本研究利用遥感影像提取出包括缨帽变换、第一主成分等遥感影像特征,NDVI（Normalized Difference Vegetation Index）、SAVI（Soil-Adjusted Vegetation Index）等植被指数因子以及基于灰度共生矩阵的纹理测度、傅里叶变换等纹理特征;利用地理数据提取高程、坡度、坡向等地理因子;通过随机森林算法的重要性分析,根据排序结果筛选建模所需自变量,建立森林碳密度反演模型。所用建模方法包括随机森林、BP... 

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
第一章 前言
    1.1 研究背景及意义
    1.2 国内外研究进展
        1.2.1 遥感数据
        1.2.2 反演模型
第二章 研究内容与研究区基本概况
    2.1 研究内容
    2.2 选题依据
    2.3 技术路线图
    2.4 使用软件
    2.5 研究区概况与数据来源
        2.5.1 研究区概况
        2.5.2 数据来源
第三章 数据预处理
    3.1 长时间序列Landsat遥感影像预处理
    3.2 样地数据处理
        3.2.1 森林碳密度估算
        3.2.2 样地筛选
        3.2.3 数据分组
第四章 基于非线性回归的森林碳密度反演
    4.1 模型自变量的发展
        4.1.1 遥感影像光谱特征变换
        4.1.2 纹理测度
        4.1.3 地理因子
        4.1.4 建模数据提取
    4.2 基于随机森林的森林碳密度反演
        4.2.1 随机森林原理
        4.2.2 随机森林建模
        4.2.3 模型变量的选择
    4.3 基于支持向量机的森林碳密度反演
        4.3.1 支持向量机原理
    4.4 基于BP神经网络的森林碳密度反演
    4.5 模型精度评价
    4.6 非线性回归模型精度与验证
        4.6.1 模型拟合精度评价
        4.6.2 模型验证精度评价
    4.7 小结
第五章 基于地统计学的森林碳密度反演
    5.1 基于协同克里金的森林碳密度反演
        5.1.1 协同克里金原理
        5.1.2 模型构建与精度评价
    5.2 基于地理加权回归的森林碳密度反演
        5.2.1 地理加权回归模型基本原理
        5.2.2 空间权函数的选择
        5.2.3 带宽的选择
        5.2.4 模型构建
    5.3 地统计学模型精度与验证
    5.4 小结与分析
第六章 森林碳密度时空变化分析
    6.1 森林碳密度时间序列图
    6.2 森林碳密度空间分布分析
    6.3 森林碳密度时间变化分析
    6.4 森林碳密度变化与政策的分析
第七章 讨论
    7.1 结论
    7.2 不足与展望
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]广东省森林碳储量与动态变化[J]. 王璟睿,仵宏基,孙昕,李明诗,魏安世.  东北林业大学学报. 2016(01)
[2]森林碳储量估算方法综述[J]. 续珊珊.  林业调查规划. 2014(06)
[3]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)
[4]Landsat长时间序列数据格式统一与反射率转换方法实现[J]. 沈文娟,李明诗.  国土资源遥感. 2014(04)
[5]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)
[6]基于地统计学的森林地上生物量估计[J]. 贺鹏,张会儒,雷相东,徐广,高祥.  林业科学. 2013(05)
[7]广东省森林资源动态变化分析与评价[J]. 黄平.  林业经济问题. 2013(02)
[8]基于支持向量机回归的冬小麦叶面积指数遥感反演[J]. 梁栋,管青松,黄文江,黄林生,杨贵军.  农业工程学报. 2013(07)
[9]福建省森林碳储量估算与动态变化分析[J]. 郑德祥,廖晓丽,李成伟,叶倩玲,陈平留.  江西农业大学学报. 2013(01)
[10]利用ALOS PALSAR双极化数据估测山区森林蓄积量模型[J]. 王晓宁,徐天蜀,李毅.  浙江农林大学学报. 2012(05)

博士论文
[1]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
[2]黑龙江省森林碳储量空间分布研究[D]. 刘畅.东北林业大学 2014
[3]基于激光雷达与多光谱遥感数据的森林地上生物量反演研究[D]. 汤旭光.中国科学院研究生院(东北地理与农业生态研究所) 2013
[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]基于地理加权回归的区域森林碳储量估计[D]. 郭含茹.浙江农林大学 2015
[2]基于支持向量机回归的草地地上生物量遥感估测研究[D]. 尚珂.西南林业大学 2015
[3]南方人工林森林干扰和恢复遥感监测研究[D]. 沈文娟.南京林业大学 2014
[4]多尺度森林碳分布空间仿真精度分析[D]. 金雨菲.浙江农林大学 2014
[5]基于地理加权回归的草原产草量遥感估算模型研究[D]. 游浩妍.辽宁工程技术大学 2013
[6]基于GIS的中尺度土壤重金属空间插值分析及污染评价[D]. 李思米.南京农业大学 2005



本文编号：3654492