基于3种不同数据源的川西南常绿阔叶林郁闭度估算模型研究
发布时间:2023-05-09 23:24
郁闭度(Canopy density)是指森林中乔木树冠在阳光直射下投影到地面的总面积与该林分地面总面积的比,是反映林分密度的指标。在森林经营管理中,郁闭度是进行小班区划、确定抚育采伐强度的重要指标,也是利用遥感图像进行森林蓄积量估测的重要因子。川西南常绿阔叶林地处于四川有名的强降雨区,降雨量充沛,对区域水土涵养保持具有重要意义,同时该地区也是长江中上游生态屏障的重要组成部分。相比人工林,天然常绿阔叶林的林分结构、组成成分更加复杂,森林生态系统更加稳定,自我恢复调节能力、抵抗干扰能力更强,对区域的生态效益作用更突出。但是多年以来,学者们对川西南天然常绿阔叶林研究较少,且多集中在单一尺度地表相关植被参数的研究,多尺度上相关研究还比较少。本研究以雨城区上里镇常绿阔叶林作为研究对象,基于Pleiades-1、SPOT-5、 Landsat-8影像数据源提取遥感因子,结合半球摄影法获得地面实测郁闭度,通过偏最小二乘法回归分析建立川西南常绿阔叶林在2m、10m、30m的尺度下郁闭度的定量估测模型,并初步对获取的不同估测模型进行比较分析。(1)基于Pleiades-1影像的郁闭度估测,参考相关文献...
【文章页数】:56 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
前言
1 文献综述
1.1 传统郁闭度测算方法
1.2 通过遥感图像的郁闭度估测
1.2.1 混合象元分解法
1.2.2 线性回归分析法
1.3 不同尺度的研究
1.3.1 大尺度遥感反演郁闭度的研究
1.3.2 中尺度遥感反演郁闭度的研究
1.3.3 小尺度遥感反演郁闭度的研究
1.4 最优尺度的研究
2 研究目的意义及研究内容
2.1 研究目的及意义
2.2 研究内容
2.3 研究技术路线
3 研究区概况及数据
3.1 研究区概况
3.2 研究材料数据
3.2.1 研究区基础数据
3.2.2 样地数据
4 数据处理
4.1 样地数据处理
4.2 遥感数据处理
4.2.1 遥感图像大气校正
4.2.2 遥感图像几何校正
4.2.3 影像分类
5 影响因子的提取
5.1 阴影特征因子
5.2 地形因子
5.3 植被指数因子
5.4 纹理参数因子
5.5 样地影响因子的提取
6 郁闭度反演模型的建立
6.1 基于PLEIADES-1影像郁闭度估测模型的建立
6.1.1 相关性分析
6.1.2 偏最小二乘回归分析模型
6.2 基于SPOT-5影像郁闭度估测模型的建立
6.2.1 相关性分析
6.2.2 偏最小二乘回归分析模型
6.3 基于LANDSAT-8影像郁闭度估测模型的建立
6.3.1 相关性分析
6.3.2 偏最小二乘回归分析模型
7 结果与分析
7.1 不同传感器的比较
7.2 模型精度的比较
7.3 郁闭度估测值的比较
7.4 郁闭度反演图的比较
7.4.1 整体水平的比较
7.4.2 像元细节水平的比较
7.5 光谱分辨率的比较
8 结论与展望
8.1 结论
8.2 研究展望
参考文献
致谢
本文编号:3812584
【文章页数】:56 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
前言
1 文献综述
1.1 传统郁闭度测算方法
1.2 通过遥感图像的郁闭度估测
1.2.1 混合象元分解法
1.2.2 线性回归分析法
1.3 不同尺度的研究
1.3.1 大尺度遥感反演郁闭度的研究
1.3.2 中尺度遥感反演郁闭度的研究
1.3.3 小尺度遥感反演郁闭度的研究
1.4 最优尺度的研究
2 研究目的意义及研究内容
2.1 研究目的及意义
2.2 研究内容
2.3 研究技术路线
3 研究区概况及数据
3.1 研究区概况
3.2 研究材料数据
3.2.1 研究区基础数据
3.2.2 样地数据
4 数据处理
4.1 样地数据处理
4.2 遥感数据处理
4.2.1 遥感图像大气校正
4.2.2 遥感图像几何校正
4.2.3 影像分类
5 影响因子的提取
5.1 阴影特征因子
5.2 地形因子
5.3 植被指数因子
5.4 纹理参数因子
5.5 样地影响因子的提取
6 郁闭度反演模型的建立
6.1 基于PLEIADES-1影像郁闭度估测模型的建立
6.1.1 相关性分析
6.1.2 偏最小二乘回归分析模型
6.2 基于SPOT-5影像郁闭度估测模型的建立
6.2.1 相关性分析
6.2.2 偏最小二乘回归分析模型
6.3 基于LANDSAT-8影像郁闭度估测模型的建立
6.3.1 相关性分析
6.3.2 偏最小二乘回归分析模型
7 结果与分析
7.1 不同传感器的比较
7.2 模型精度的比较
7.3 郁闭度估测值的比较
7.4 郁闭度反演图的比较
7.4.1 整体水平的比较
7.4.2 像元细节水平的比较
7.5 光谱分辨率的比较
8 结论与展望
8.1 结论
8.2 研究展望
参考文献
致谢
本文编号:3812584
本文链接:https://www.wllwen.com/nykjlw/lylw/3812584.html