基于Landsat 8 OLI和ALOS-2 PALSAR-2数据的北京市森林生物量估测研究

发布时间：2023-02-09 14:34

　　森林生物量反映了森林生态系统的物质循环,是衡量森林结构和功能变化的重要指标。准确估算森林生物量是统计分析碳储量的基础,对更好地了解碳循环、提高森林政策和管理活动效率具有重要意义。光学遥感影像有丰富的光谱和纹理特征,可以获取森林水平结构信息,雷达数据在获取森林垂直信息方面具有优势。因此,联合光学影像和雷达数据建立生物量估测模型,充分发挥两种影像数据的优势,在提高森林生物量估测模型拟合效果及精度方面具有较大的发展潜力。本文以北京市为研究区,基于Landsat 8 OLI光学遥感影像和ALOS-2 PALSAR-2雷达数据,结合森林资源清查数据,提取两种遥感数据的建模变量,利用K最近邻法和随机森林法建立不同变量集合(仅Landsat 8 OLI影像、仅ALOS-2 PALSAR-2数据、两种影像结合)的针叶林、阔叶林、混交林的森林生物量估测模型,对比不同建模方法、不同变量组合、不同林型估测森林生物量的精度,探讨最适合于北京地区的估测模型,并对北京市森林生物量分布进行统计分析。主要研究内容及结果如下:(1)对提取的遥感变量分为三种变量集合进行建模,分别是Landsat 8 OLI变量、ALOS...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1. 绪论
    1.1. 研究背景
    1.2. 国内外研究现状
        1.2.1. 光学遥感为数据源的研究进展
        1.2.2. SAR数据为数据源的研究进展
        1.2.3. 结合光学遥感和雷达数据估测森林生物量的研究进展
    1.3. 研究内容和技术路线
        1.3.1. 研究内容
        1.3.2. 技术路线图
2. 研究区与数据
    2.1. 研究区概况
        2.1.1. 地理位置
        2.1.2. 地形地貌
        2.1.3. 气候特征
        2.1.4. 森林植被资源
    2.2. 数据获取
        2.2.1. 森林资源清查数据
        2.2.2. Landsat 8 OLI数据
        2.2.3. ALOS-2 PALSAR-2 数据
    2.3. 数据处理
        2.3.1. 样地数据
        2.3.2. Landsat 8 OLI影像
        2.3.3. ALOS-2 PALSAR-2 数据
    2.4. 本章小结
3. 遥感影像信息因子的提取
    3.1. Landsat 8 OLI影像因子提取
        3.1.1. 原始波段
        3.1.2. 植被指数
        3.1.3. 波段变换
        3.1.4. 纹理信息
    3.2. ALOS-2 PALSAR-2 影像参数提取
        3.2.1. SAR后向散射系数
        3.2.2. 纹理特征提取
    3.3. 本章小结
4. 森林生物量遥感估测模型的建立
    4.1. 建模因子筛选
        4.1.1. 遥感因子的相关性分析
        4.1.2. 基于随机森林的特征变量选择
    4.2. 基于K最近邻算法(KNN)的生物量估测模型
        4.2.1. K最近邻算法原理
        4.2.2. K值的选择
        4.2.3. 森林生物量估测模型建立及结果分析
    4.3. 基于随机森林的生物量估测模型
        4.3.1. 随机森林算法概述
        4.3.2. 森林生物量估测模型结果分析
    4.4. 两种算法建模精度对比
    4.5. 本章小结
5. 北京市森林生物量空间分布
    5.1. 北京市生物量的空间分布特征
        5.1.1. 森林生物量随海拔的分布特征
        5.1.2. 北京市各区森林生物量的分布特征
    5.2. 本章小结
6. 结论与展望
    6.1. 结论
    6.2. 创新点
    6.3. 展望
参考文献
个人简介
导师简介
获得成果目录
致谢



本文编号：3738898