基于pleiades影像的川西南山地常绿阔林林分胸径、树高和冠幅的估测研究

发布时间：2017-09-26 23:28

  本文关键词：基于pleiades影像的川西南山地常绿阔林林分胸径、树高和冠幅的估测研究

  更多相关文章： 遥感 胸径 树高 冠幅 偏最小二乘法 常绿阔叶林

【摘要】：林分结构参数是衡量森林生长和收获的一个非常重要的参数,也是森林调查、经营和管理的重要因子,能够很直观的反映出森林环境和林木生长状况,掌握林分结构参数对于及时分析森林资源状况和生态环境变化有重要的意义。常绿阔叶林在川西南山地广泛分布,在整个长江上游的生态平衡中起着非常重要的作用。目前,基于遥感影像针对该区域林分结构参数估测的研究还不多见,因此通过高分辨率遥感影像估测该区域常绿阔叶林林分胸径、树高和冠幅对于川西南山地常绿阔叶林生态学过程研究具有重要的意义。本文以雅安市雨城区上里镇为研究区,结合地面调查数据,对Pleiades遥感影像进行几何校正、大气校正、监督分类等,同时提取并设置遥感因子和地理因子,通过投影重要性值VIP对自变量进行筛选,采用偏最小二乘回归法分别建立了该地区常绿阔叶林胸径、树高和冠幅的估测模型,并以此为基础得到了研究区常绿阔叶林胸径、树高和冠幅的分布图。最后通过估测模型得出的估测值和野外实测值分别建立了研究区胸径-树高模型；胸径-冠幅和胸径-树高,冠幅模型,利用地面实测数据对所建模型进行精度评价。主要结论如下：(1)利用ENV15.0软件对Pleiades影像进行几何校正、大气校正和图像裁剪等预处理,用“监督分类法”对影像进行分类,结合地面检查点对分类结果进行精度检验,影像分类总体精度为83.2%,达到了遥感影像分类精度要求。结合研究区的DEM和‘Pleiades影像高分辨率的特点,分别提取了研究区阴影丰度、单波段灰度值、植被指数、地形因子等提取等共23个自变量因子。(2)23个自变量因子中,阴影丰度(SF)、差值环境植被指数(DVI)和郁闭度(YBD)均与林分胸径、树高和冠幅有较好的相关性,并且在建模中的投影重要值VIP都比较大,说明阴影丰度(SF)、差值环境植被指数(DVI)和郁闭度(YBD)可以作为遥感估测林分胸径、树高和冠幅的重要因子；纹理信息因子中也有部分因子与林分胸径、树高和冠幅有一定的相关性,但相关性系数不高；而单波段、波段比值、差值环境植被指数、归一化植被指数以及地形因子与林分胸径、树高和冠幅的相关性不显著,仅有个别因子与林分胸径、树高和冠幅的相关性显著(比如B2与胸径、B1/B2与胸径、海拔与树高、NDVI1与冠幅等)。(3)通过投影重要性值VIP进行变量筛选,选取出8个自变量利用偏最小二乘回归法建立了研究区胸径的遥感估测模型,用检验样本对估测模型进行精度检验,其总体精度为83.4%,模型中阴影丰度(SF)的VIP值最大。标准系数逆转换后胸径的最终模型表达式为：D=-12.0022×SF-0.171831×YBD-0.002472×DVI+0.00415×ELEVATION-2.61318× (B1/B2)+2.62776×ENT-5.81345×ASM+3.50494×IDM+31.7432(4)通过投影重要性值VIP进行变量筛选,选取出8个自变量利用偏最小二乘回归法建立了研究区树高的遥感估测模型,用检验样本对估测模型进行精度检验,其总体精度为84.7%,模型中阴影丰度(SF)的VIP值最大。标准系数逆转换后树高的最终模型表达式为：H=-3.49087×SF-0.048134×YBD-0.0007111×DVI+0.571895×CON+0.790206xENT+ 0.000711×ELEVATION-1.185916×ASM+1.10686×IDM+14.32545(5)通过投影重要性值VIP进行变量筛选,选取出9个自变量利用偏最小二乘回归法建立了研究区冠幅的遥感估测模型,用检验样本对估测模型进行精度检验,其总体精度为81.5%,模型中郁闭度(YBD)的VIP值最大。标准系数逆转换后冠幅的最终模型表达式为：C=7.28018×NDVI1-0.002901×DVI-0.9.95044×SF-6.44699×ASM+2.44982×CON+ 2.95966×ENT+5.34899×IDM-0.241695×YBD-0.003809×ASPECT+43.7494(6)利用研究区样地实测胸径和树高和冠幅的模型估测数据分别建立研究区的胸径-树高(D-H)模型、胸径-冠幅(D-C)模型和胸径-树高、冠幅(D-H-C)模型,其模型表达式分别如下所示：D-H模型：D=2.9216×H-16.147；D-C模型：D=0.7556×C-5.2241；D-H-C模型：D=1.4971 ×H+0.3872×C-11.2562;三个模型总体精度分别为82.4%,85.5%和88.5%,表明这三个模型的拟合效果都还比较理想,在实际生产中有一定的可实施性,D-H-C模型的估测精度要高于D-H模型和D-C模型。
【关键词】：遥感 胸径 树高 冠幅 偏最小二乘法 常绿阔叶林
【学位授予单位】：四川农业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S718.5
【目录】：

• 摘要4-6
• Abstract6-11
• 前言11-12
• 1 文献综述12-16
• 1.1 林分结构的常用定义12
• 1.2 林分胸径、树高、冠幅测量的主要方法12-15
• 1.2.1 非空间测量法12-14
• 1.2.2 空间测量法14-15
• 1.3 遥感估测林分结构参数的研究进展15-16
• 2 研究区概况及研究方法16-36
• 2.1 研究目的与研究内容16-17
• 2.1.1 研究目的与意义16-17
• 2.1.2 研究内容17
• 2.2 技术路线17-18
• 2.3 研究区概况18-19
• 2.4 试验数据19-21
• 2.4.1 遥感影像数据19-20
• 2.4.2 地形栅格数据20
• 2.4.3 其他数据20-21
• 2.5 研究方法21-36
• 2.5.1 样地设置及调查21-22
• 2.5.2 遥感影像预处理22-24
• 2.5.3 遥感影像分类及处理24-27
• 2.5.4 自变量因子的提取27-33
• 2.5.5 自变量因子的设置33-34
• 2.5.6 建模样地数据筛选34-35
• 2.5.7 模型精度评价方法35-36
• 3 结果与分析36-55
• 3.1 各变量关系分析36-40
• 3.1.1 自变量因子之间的相关性分析36-38
• 3.1.2 胸径与各自变量因子的相关性分析38
• 3.1.3 树高与各自变量因子的相关性分析38-39
• 3.1.4 冠幅与各自变量因子的相关性分析39-40
• 3.2 估测模型构建40-55
• 3.2.1 胸径估测模型建立40-45
• 3.2.2 树高估测模型建立45-48
• 3.2.3 冠幅估测模型建立48-52
• 3.2.4 胸径与树高、冠幅模型的构建52-55
• 4 讨论与结论55-61
• 4.1 讨论55-58
• 4.1.1 样地实测胸径、树高、冠幅数据55-56
• 4.1.2 各自变量对胸径、树高、冠幅的影响56-57
• 4.1.3 胸径与树高、冠幅之间的关系57-58
• 4.2 结论58-59
• 4.3 展望59-61
• 参考文献61-67
• 致谢67-68

【相似文献】

中国期刊全文数据库 前10条

1 王成良 ,王成鉁;如何精确测定树高[J];林业勘查设计;1994年04期

2 熊奎山;一种测定树高的简易方法(简报)[J];甘肃农业大学学报;2004年06期

3 崔少伟;范文义;金森;李明泽;;基于树影与快鸟图像的单木树高提取[J];东北林业大学学报;2011年02期

4 В.С.Грек ,王文鳌;编制树高等级图的解析方法[J];林业资源管理;1984年06期

5 闫伟;马岩;;基于激光测距的树高测量方法研究[J];林业机械与木工设备;2012年02期

6 黄道年;;关于林分立地等级表中树高生长量问题的商榷[J];广西农学院学报;1982年02期

7 祝建锋;刘悦;;应用电子计算机求算树高方程[J];湖北林业科技;1987年01期

8 陈树华;王小萍;;吉林省各树种树高与根径关系的研究[J];黑龙江科技信息;2011年04期

9 黄其泰;树高与胸高直径相关关系的探讨[J];林业资源管理;1982年02期

10 梁林峰，，裴淑兰;利用森林罗盘仪测定树高[J];山西林业科技;1994年03期

中国重要会议论文全文数据库 前1条

1 鲍云飞;曹春香;倪文俭;李增元;李小文;;基于地基LiDAR的森林单木参数提取方法研究[A];第十七届中国遥感大会摘要集[C];2010年

中国重要报纸全文数据库 前3条

1 本报记者　 安克明 梁建军 曾妍;放到哪里都发光[N];人民法院报;2006年

2 黑龙江省军区 宋凤鸣;树高千尺离不开根[N];解放军报;2011年

3 ;鲁刺10与鲁刺13[N];山西科技报;2002年

中国博士学位论文全文数据库 前1条

1 何春霞;树高极限的水分限制机理研究[D];北京林业大学;2009年

中国硕士学位论文全文数据库 前4条

1 严刚;基于pleiades影像的川西南山地常绿阔林林分胸径、树高和冠幅的估测研究[D];四川农业大学;2015年

2 隋宏大;树高测量综合技术比较研究[D];北京林业大学;2009年

3 周淑芳;基于机载LiDAR与航空像片的单木树高提取研究[D];东北林业大学;2007年

4 闫伟;履带式车载激光树高测量仪的设计与研究[D];东北林业大学;2012年

本文编号：926374